Comisión de Integración Energética Regional

Módulo 4

CASOS DE USO
 Comisión de Integración Energética Regional
Buscando Casos de Uso

Es mejor tener una respuesta aproximada a la pregunta correcta que

una respuesta exacta a la pregunta equivocada
-John Tukey

 Conocer los datos disponibles

 Explorar atributos
 Formato
 Distribución
 Calidad
 Disponibilidad
 Definir objetivos (o preguntas a contestar)
 Comisión de Integración Energética Regional
Cómo Elegir Casos de Uso

 Plantear interrogantes nuevas –ejemplos:

 ¿Cómo se pueden agrupar los objetos/sucesos X?
 ¿Cómo puedo predecir Y?
 ¿Qué caracteriza un evento Z?
 ¿Qué hechos A, B ocurren asociados frecuentemente?
 ¿De qué habla este texto / tweet / post T?
 ¿Qué sentimiento o emoción encierra T?
 ¿De qué tipo es este objeto O? (ej. imagen)

 Elegir objetivos
 Deben tener un propósito
 No dedicarse a recolectar datos sin una dirección -¡error!
 Comisión de Integración Energética Regional
Cómo Elegir Casos de Uso

 Abordar el caso desde diferentes perspectivas

 Volumen, Variedad, Velocidad
 Data Science
 Computación Cognitiva

 Feasibilidad
 Empezar por casos realizables rápidamente, con resultados
visibles
 Elegir una aproximación incremental
 Trabajar sobre un subset de datos relevante
 Herramientas y marco de trabajo adecuado
 Time frame habitual al inicio: 2 a 4 meses
Comisión de Integración Energética Regional
Una Metodología
CRISP-DM
 Comisión de Integración Energética Regional
Una Metodología
CRISP-DM
Etapa Tareas
Business Understanding Revisión del problema.
Análisis de ejemplos reales.

Data Understanding Análisis de la información disponible

Data Preparation
- OLTP: bases de datos
- Logs y registros de uso
- Otras fuentes
Extracción-Transformación-Carga.
Selección de Variables.
Tratamiento de outliers, faltantes e inconsistencias.

Modeling Selección de un modelo.

Entrenamiento.

Evaluation Prueba del modelo.

Deployment Disponibilización del modelo.

Integraciones.
 Comisión de Integración Energética Regional
Casos de Uso Tipo

 Abandono (Churn)
 Cuándo un cliente nos va a abandonar. Es un ejercicio predictivo.

 Segmentación
 Descubrir una segmentación natural, no necesariamente obvia, en
grupos de afinidad

 Recomendación de Producto
 Predecir la preferencia de un producto para un cliente, y recomendar
al cliente los productos por los que haya mayor probabilidad de
preferencia para su caso
 Comisión de Integración Energética Regional
Casos de Uso Tipo
 Análisis de Riesgo
 Modelo para predecir, con un grado de confianza, la oportunidad de
ocurrencia de cierto evento o cumplimiento –”riesgo de que ocurra X”.

 Seguridad de Información
 Detectar anomalías de tráfico (por ejemplo a nivel red) e identificar posibles
eventos de hacking

 Mantenimiento Predictivo
 Basados en datos de sensores, predecir fallas de equipos antes de que
ocurran, y proactivamente realizar mantenimiento previniendo downtime

 Detección de Fraudes
 Se trata de proponer un modelo que clasifique candidatos a una operación
anómala, para orientar una investigación eficiente, o directamente prohibir esa
transacción.
 Comisión de Integración Energética Regional
Casos de Uso Tipo

 Orientación al Cliente
 Anticipar la elección del cliente
 Promover productos y servicios
 Ejemplo: Amazon, Netflix
 Obtener nuevos clientes y retener clientes existentes
 Medir y mejorar la performance de marketing
 Utilizar redes sociales
 Interacciones en Facebook, Telegram u otros
 Denuncias en Twitter
Comisión de Integración Energética Regional

Fuente: RapidMiner
 Comisión de Integración Energética Regional
Algunos Ejemplos Operativos

 Optimización de Decisiones
 Watson News Explorer
 Interfaz Conversacional (Chatbot)
 Detección de Fraudes
 Asesor de Compras Online
 Previsión de la Demanda
Comisión de Integración Energética Regional

Fuente: Hortonworks
 Comisión de Integración Energética Regional
Casos de Uso para Energía

 Medidores Inteligentes
 Vista 360 del cliente
 Integración escalable en volumen
 Mejorar atención de solicitudes de servicio
 Analítica actualizada en casi tiempo real
 Prevención de abandono
 Optimizar dirección acciones de marketing
 Vista global de activos del grid de consumidores
 Captura de datos desde múltiples fuentes
 Datos generados directamente desde IoT
 Optimización de operaciones
 Balance de carga
 Eficiencia operacional  Reducción de cortes
 Mantenimiento predictivo  Detección de fraudes
 Prevención de cortes de energía  Satisfacción del cliente
 Comisión de Integración Energética Regional
Casos Indicativos de Utilities/Energía
Marketing y Atención al Cliente

Oferta y Servicios Marketing Proactivo

Optimización de tarifa Gestión de base de clientes

Servicios: herramientas para Marca y comunicación (e-listening,

gestión de energía analítica web, optimización de
campañas en medios)

Big Data BlackOut: Are Utilities Powering Up Their Data Analytics?

CapGemini, 2016
 Comisión de Integración Energética Regional
Casos Indicativos de Utilities/Energía
Operaciones

Gestión de Activos Previsión de Optimización de Aseguramiento de

Demanda Relacionamiento Ingresos
con el Cliente

Monitoreo en tiempo Pronóstico de Optimización de Detección de fraudes

real de performance consumo de energía carga eléctrica
de activos

Mantenimiento Optimización Planeamiento de Prevención de

Predictivo comercial capacidad, pérdidas de red
incluyendo energías
renovables

Big Data BlackOut: Are Utilities Powering Up Their Data Analytics?

CapGemini, 2016
 Comisión de Integración Energética Regional
Para pensar…
 ¿Qué casos de uso podemos identificar específicamente en
nuestro negocio?
 Recordemos ver desde diferentes perspectivas:
 Big Data: 4 V’s
 Nuevas formas de analítica que nos da Data Science y Computación Cognitiva

Los invitamos a comentar ideas en el foro.

Es un error capital teorizar antes de tener datos. Insensiblemente, uno comienza a torcer los hechos para
adaptarlos a teorías, en lugar de las teorías a los hechos.
-Sherlock Holmes
 Comisión de Integración Energética Regional
Lecturas y Recursos Recomendados

 Lecturas breves
 CRISP-DM – a Standard Methodology to Ensure a Good Outcome
 Data Science Central
 Kaggle Competitions
 Competencias en curso que plantean casos de uso que desafían el estado del arte.
 Top 10 Machine Learning Use Cases – 2017 (KDNuggets / IBM)
 Parte 1
 Parte 2
 Textos
 Data Strategy: How to Profit from a World of Big Data, Analytics and the Internet of
Things
 Bernard Marr
 Applied Business Analytics: Integrating Business Process, Big Data, and Advanced
Analytics
 Nathaniel Lin

17