PDE BA&BD Curso Business Analytics

En convenio con
UNIVERSIDAD NACIONAL DE INGENIERÍA

Instituto Nacional de Investigación
y Capacitación de Telecomunicaciones
www.bpc.com.pe
Programa de Especialización en
Business Analytics & Big Data
966425641 www.slideshare.net/jrodriguezm www.linkedin.com/in/jrodriguezmam

Jorge Rodríguez M.
jorgerodriguezmam@gmail.com www.facebook.com/jrodriguezmam @jruni97
En convenio con
www.bpc.com.pe
MoneyBall: El por qué de la Inteligencia Analítica

En convenio con
www.bpc.com.pe
Contenido
1 Situación actual
2 Introducción
3 Aplicaciones
4 Metodología
5 Plataforma
6 Anexos
En convenio con
www.bpc.com.pe
Situación actual
Vivimos en un mundo…
60 billones de RFID tags… en 2016
El mundo esta
• Tenemos la habilidad de medir, sentir y ver
INSTRUMENTALIZADO las condiciones exactas de las cosas.
3.500 millones de personas en la web… 2016

2 trillón de objetos conectados
Vivimos en mundo mucho más • Las personas, los sistemas y los objetos
pueden comunicarse e interactuar entre
INTERCONECTADO ellos de nuevas formas.
30 petabytes de nueva información

se genera diariamente
Virtualmente las cosas, los procesos y las maneras • Podemos proactivamente responder a los
de trabajar se están convirtiendo en más cambios rápida y acertadamente,
obteniendo mejores resultados, prediciendo
INTELIGENTES y optimizando los futuros eventos.
http://www.booksaresocial.com/updated-social-media-timeline/
https://www.youtube.com/watch?v=9FpO-G5die4
https://visual.ly/community/infographic/how/internet-real-time
En convenio con
www.bpc.com.pe
Evolución de la tecnología
User Generated
Content
Social Network BIG DATA
Exabytes
User Click Stream Mobile Web Sentiment
External
Web Logs Dynamic Pricing WEB Demographics
Petabytes
Business Data Feeds
Offer History A/B Testing
Offer Details CRM Affiliate Networks HD Video

Terabytes
Segmentation Search Marketing Speech to Text
Purchase Behavioral Targeting Product/

Detail ERP Customer Touches Service Logs
Gigabytes
Purchase Payment
Record Record Support Contacts Dynamic Funnels SMS/MMS
Implementación de nuevas tecnologías

En convenio con
www.bpc.com.pe
Hay una brecha entre la información y los

resultados de negocio
Fuente: IBM
En convenio con
www.bpc.com.pe
Estadísticas
Fuente: IBM
En convenio con
www.bpc.com.pe
La clave está en aprovechar las decisiones

basadas en información y análisis
Fuente: IBM
En convenio con
www.bpc.com.pe
Los obstáculos organizacionales…
Fuente: IBM
En convenio con
www.bpc.com.pe
Arquitectura de referencia
En convenio con
www.bpc.com.pe
Evolución de una estrategia centrada en el cliente

En convenio con
www.bpc.com.pe
Tendencias y perturbaciones en el análisis

predictivo
Los clientes han perdido la
confianza en las compañías
La tecnología esta cambiando

la manera de interactuar de los
clientes
✓ Tiempo
✓ Localización
Las expectativas del cliente han
✓ Experiencias
✓ Personalizado cambiado
✓ Información
Las organizaciones tienen que

redescubrir a sus clientes
En convenio con
www.bpc.com.pe
Tendencias tecnológicas para el 2017
Tarea: Tendencias Tecnológicas para el 2018 Fuente: Gartner

En convenio con
www.bpc.com.pe
“In God we trust; all others bring data”

Barry Beracha, ex CEO de Sara Lee Bakery Group
En convenio con
www.bpc.com.pe
Contenido
1 Situación actual
2 Introducción
3 Aplicaciones
4 Metodología
5 Plataforma
6 Anexos
En convenio con
www.bpc.com.pe
Business Analytics: La importancia de los datos

En convenio con
www.bpc.com.pe
¿Qué es Business Analytics?
Business Intelligence
Es el conjunto de estrategias y herramientas orientadas a acceder,
agrupar y guardar datos en una empresa, de forma tal que
contribuyan a mejorar la performance y decisiones.
Predictive Analytics
Es un proceso que permite transformar los datos en conocimiento
de manera de poder realizar predicciones para tomar mejores
decisiones de negocio.
En convenio con
www.bpc.com.pe
Definiciones
“… es la práctica iterativa, la exploración metódica de datos en una empresa u
organización con énfasis en el análisis estadístico… para la toma de decisiones
basada en los datos”
“… consiste en mejorar el comportamiento de la organización mediante la aplicación

de modelos matemáticos avanzados, Deep Computing, simulación, análisis de datos
y técnicas de optimización para mejorar la eficiencia operativa. También se emplean
motores de análisis, minería de datos, y modelos estadísticos para optimizar
procesos específicos de negocio”
“… refers to the skills, technologies, applications and practices for continuous iterative
exploration and investigation of past business performance to gain insight and drive
business planning”
En convenio con
www.bpc.com.pe
Business Analytics es el top of mind para los

líderes de negocios…
La visibilidad en el análisis puede ayudar a los líderes empresariales a tomar decisiones con
mayor precisión, objetiva y económicamente en los diferentes sectores de negocios como el
financiero, retail, telecom, gobierno, educación, salud inclusive los deportes.
Analytics Descripción
Descriptive reporting Resumir y comparar los datos operativos y/o financieros en las variables de
(hindsight) negocios claves dentro de los plazos definidos. Estos se utilizan principalmente
para crear lagging indicators.
Retrospective analytics Analizar una o más fuentes de datos internas para descubrir información útil. Se
(insight) utiliza para crear lagging indicators, parámetros de referencia e insights.
Predictive analytics Los modelos matemáticos se aplican a múltiples fuentes de datos internos y
(foresight) externos para predecir eventos futuros. Se utiliza para crear leading indicators y
focalizarnos en las áreas críticas del negocio.
En convenio con
www.bpc.com.pe
Business Analytics en términos gerenciales

En convenio con
www.bpc.com.pe
En convenio con
www.bpc.com.pe
En convenio con
www.bpc.com.pe
¿Qué es un modelo predictivo?

 Un modelo predictivo puede definirse como
una representación matemática que permite
predecir comportamientos futuros en función
del conocimiento presente.
 En un modelo predictivo No vamos a predecir

un evento, sino que vamos a calcular la
probabilidad de que ese evento ocurra.
 En un modelo predictivo No existe garantía

de cuál será el resultado para un caso en
particular. La probabilidad se aplica a un
conjunto de casos
En convenio con
www.bpc.com.pe
Información para el ánalisis predictivo
¿Cómo? ¿Por qué?
¿Quién? ¿Qué?
En convenio con
www.bpc.com.pe
Valor del Business Analytics

En convenio con
www.bpc.com.pe
En convenio con
www.bpc.com.pe
En convenio con
www.bpc.com.pe
Preguntas de Negocio
En convenio con
www.bpc.com.pe
En convenio con
www.bpc.com.pe
Contenido
1 Situación actual
2 Introducción
3 Aplicaciones
4 Metodología
5 Plataforma
6 Anexos
En convenio con
www.bpc.com.pe
MoneyBall: La información oculta en los datos

En convenio con
www.bpc.com.pe
5 Análisis Estadístico
▪ Análisis de frecuencias y distribuciones.
▪ Identificación de valores extremos.

▪ Análisis de variaciones.
▪ Análisis de correlación entre variables.
▪ Descubrimiento de relaciones causa-efecto.
▪ Análisis de curvas de elasticidad.
▪ Control estadístico de procesos.
▪ Análisis de supervivencia.
▪ Etcétera.
En convenio con
www.bpc.com.pe
6 Forecasting
▪ Forecast de demanda de productos y servicios
por región/cliente.
▪ Forecast de llamadas a un call center por tipo

de llamada.
▪ Forecast de utilización línea de crédito.
▪ Forecast de utilización de recursos de IT.
▪ Forecast de retiros de efectivo en cajeros

automáticos.
▪ Forecast de consumo con la tarjeta de débito.
▪ Forecast de recaudación de cobro.
▪ Forecast de ingresos por producto.

En convenio con
www.bpc.com.pe
7 Data Mining
▪ Segmentación de
clientes.
▪ Modelos de propensión:
▪ Compra.
▪ Cross-Sell & Up-Sell.
▪ Fuga.
▪ Riesgo.
▪ Fraude.
▪ Lifetime Value (LTV).
▪ Market Basket y
Secuencia de Compra.
En convenio con
www.bpc.com.pe
7 Data Mining Score Cobranza

Customer Next Best Temprana
Lifetime Value Activity Score Cobranza
Modelos de Media-Tardía
Retención Segmentación de
clientes morosos
Segmentación
Clientes Inteligencia Inteligencia Detección y
Prevención de
Cross Selling
Comercial Operacional Fraudes
Up Selling Lavado de
Dinero
Cálculo de
Simulación de provisiones
Inversiones
Applicant
Análisis Inteligencia Inteligencia Score
Flujos de Behavior
Caja
Financiera Riesgos Score
Series de Collection
Tiempo Basilea Score
Predicción Análisis de Pérdida
Portafolio Tesorería Champion
Challenger Esperada
En convenio con
www.bpc.com.pe
7 Data Mining: Segmentación
Segmentar clientes es un ejercicio de minería de datos que clasifica a los

clientes en grupos homogéneos (segmentos), considerando sus
características personales y comportamiento.
El objetivo es identificar segmentos rentables y diseñar la oferta y el

mensaje correcto para cada uno de ellos.
Datos de Clientes Segmentación Perfilado

En convenio con
www.bpc.com.pe
7 Data Mining: Segmentación en Cobranzas

En convenio con
www.bpc.com.pe
7 Data Mining: Estructura

En convenio con
www.bpc.com.pe
7 Data Mining: Evaluación

En convenio con
www.bpc.com.pe
7 Data Mining: Evaluación

En convenio con
www.bpc.com.pe
8 Optimización
Optimización es el proceso que permite
determinar cómo utilizar los recursos disponibles
para obtener el mejor resultado posible teniendo
en cuenta las restricciones existentes
9,000
8,000
▪ No es posible enumerar
7,000
todas las alternativas
6,000
5,000 ▪ Crecimiento exponencial de

4,000 opciones viables
3,000
2,000
1,000
0
1 2 3 4 5 6 7 8 9
En convenio con
www.bpc.com.pe
8 Optimización
▪ Ubicación óptima de agencias o cajeros automáticos.
▪ Optimización de precios.
▪ Optimización de descuentos y promociones.
▪ Optimización de campañas de marketing.
▪ Asignación óptima de la fuerza de trabajo.
▪ Optimización de niveles de efectivo en cajeros
automáticos.
▪ Optimización de acciones de fiscalización y cobranza.
▪ Etcétera
En convenio con
www.bpc.com.pe
Contenido
1 Situación actual
2 Introducción
3 Aplicaciones
4 Metodología
5 Plataforma
6 Anexos
En convenio con
www.bpc.com.pe
Metodología CRISP-DM
• CRoss-Industry Standard Process for Data Mining.
• Metodología para el proceso de la Minería de Datos.
• Valida el proceso, dispone de modelos de referencia (plantillas),

ayuda a planear y administrar proyectos.
• Sin propietario. Desarrollado por algunos líderes de la industria:

IBM, SAS, SPSS/ISL, NCR, Daimler-Benz, OHRA.
• Alienta la inter-operatividad de herramientas.
• Neutral para la Industria y para la herramienta.
• Enfocado al negocio y al análisis técnico.

En convenio con
www.bpc.com.pe
Metodología CRISP-DM: Visión General

En convenio con
www.bpc.com.pe
Metodología CRISP-DM: Fases
Evaluación Despliegue
Conocimiento Conocimiento Preparación
Modelamiento y Análisis de o
del Negocio de los Datos de los Datos
Resultados Implementación
Determinación de Objetivos Recolección de datos Selección de datos Selección de la técnica de Evaluación de los Desarrollo del plan
de Negocio iniciales Razonamiento para la modelado resultados Desarrollo del plan
Background Lista de datos a solicitar inclusión/exclusión Técnicas de modelado Evaluación de los resultados
Objetivos de negocio Presunciones del modelado Data Mining en lo que Plan de supervisión y
Criterios de éxito de negocio Descripción de los datos Limpieza de datos concierne a criterios de éxito mantenimiento
Reporte de descripción de Informe de la limpieza de Generación de la prueba de de negocio Supervisión y plan de
Evaluación de la Situación los datos los datos diseño Modelos aprobados mantenimiento
Inventario de recursos Prueba de diseño
Requerimientos, Exploración de datos Construcción de datos Proceso de revisión Informe final del producto
presunciones y restricciones Reporte de exploración de Atributos derivados Construcción del modelo Revisión del proceso Informe final
Riesgos y contingencias los datos Registros derivados Ajuste de parámetros Presentación final
Costos y beneficios Modelos Determinación de los
Verificar la calidad de los Integración de datos Descripciones del modelo próximos pasos Revisión del proyecto
Determinación de los datos Combinación de datos Lista de posibles acciones Documentación de la
Objetivos Data Mining Informe de calidad de datos Evaluación del modelo Decisión experiencia
Objetivos Data Mining Formateo de datos Evaluación de modelos
Criterios de éxito Data Datos reformateados Revisión del ajuste de
Mining parámetros
Producir el Plan del

Proyecto
Plan del proyecto
Evaluación inicial de
herramientas y técnicas
En convenio con
www.bpc.com.pe
Metodología SEMMA
Es una metodología propuesta por SAS que significa:
• (Sample, Explore, Modify, Model, Assess)
• Muestrea, Explora, Modifica, Modela, Evalúa
En convenio con
www.bpc.com.pe
Metodología SEMMA: Fases

Muestreo
• Extrae muestras desde la población, para aplicar el análisis.
• Selecciona una muestra representativa del problema en estudio.
• Muestreo aleatorio simple. Muestreo aleatorio con reposición.
• Establece un nivel de confianza para la muestra.
Exploración
• Para simplificar el problema y optimizar la eficiencia del modelo.
• Usa herramientas de visualización y técnicas de estadísticas descriptiva.
• Determina las variables explicativas (entradas al modelo)
Modificación
• Formatea los datos, para ser utilizado por el modelo.
Modelamiento
• Establece una relación [variables explicativas y variables objetivo]
• Trabaja con un nivel de confianza determinado.
• Las técnicas son: análisis discriminante, métodos de agrupamiento, y análisis de regresión, redes neuronales, técnicas adaptativas, lógica fuzzy,
árboles de decisión, reglas de asociación y computación evolutiva.
Evaluación
• Valora los resultados mediante el análisis de bondad del modelo.
• Contrasta con otros métodos estadísticos o con nuevas muestras.
En convenio con
www.bpc.com.pe
Metodología de Berry y Linoff

En convenio con
www.bpc.com.pe
Metodología de Fayyad
Conocimiento
Datos Patrones
Transformados
Datos
Procesados Interpretación
Datos y evaluación
Objetivo
Minería de datos
Transformación y
selección de
Datos características
Pre procesamiento y
limpieza
Selección
En convenio con
www.bpc.com.pe
Comparación de metodologías
Traducir problema de
Conocimiento del
negocio en problema
negocio
de minería
Muestreo
Conocimiento de los
datos
Seleccionar datos Exploración
Arreglar problema de
datos
Preparación de datos Modificación
Transformar datos
Construir modelo Modelamiento

Modelamiento
Evaluar modelo Evaluación
Evaluación SEMMA
(objetivos del negocio)
Puesta en operación Despliegue
CRISP
Evaluar resultados
Berry y Linoff
En convenio con
www.bpc.com.pe
Contenido
1 Situación actual
2 Introducción
3 Aplicaciones
4 Metodología
5 Plataforma
6 Anexos
En convenio con
www.bpc.com.pe
Necesidad plataforma unificada
Visualizar y Compartir
Información
Análisis con SAS, R, SQL, Java, C++, Python Visualization con BI, Mobile, Excel
Descubrir y Explorar
Análisis datos estructurados
Datos no estructurados
Capturar y Refinar datos
Red
SMS Textos Audio Video Imágenes ERP Logs CRM
Social
En convenio con
www.bpc.com.pe
Plataforma analítica
Plataforma Integral de Apoyo a la Toma de Decisiones Objetivos de Negocios
Cada
solución Segmentación
cubre las Perfil y Valor Incrementar
expectativas Base de
Clientes
Cross Sell y Incrementar

Up Sell
Avg. Ticket
ETL BI Analytics
Data Stage BO SAS Miner Retención Cliente
Oracle Micro Strategy IBM SPSS Valioso
QlikView Rapid Miner
Manejo y Reducción
▪ Extracción ▪ Estructura ▪ Optimización Optimización de de Costos de
▪ Transformación ▪ Presentación ▪ Pronósticos Campañas Campañas
▪ Carga ▪ Distribución ▪ Análisis estadístico
Análisis y Incrementar
Optimización de Lealtad
Canales
Datos Información Conocimiento
Tangible a Tangible al
Tecnología Negocio
Técnicas
Analíticas
En convenio con
www.bpc.com.pe
Herramientas: Posicionamiento
En convenio con
www.bpc.com.pe
Business Intelligence and Analytics Platforms Advanced Analytics Platforms

En convenio con
www.bpc.com.pe
Contenido
1 Situación actual
2 Introducción
3 Aplicaciones
4 Metodología
5 Plataforma
6 Anexos
En convenio con
www.bpc.com.pe
http://www.kdnuggets.com/
En convenio con
www.bpc.com.pe
http://www.analyticsconosur.com
En convenio con
www.bpc.com.pe
Algunas conclusiones…
• Analizar se ha convertido en una
necesidad para competir.
• Da soporte a la toma de decisiones.
• El análisis predictivo es una ventaja

competitiva.
✓ Pegado al negocio.
✓ Ahorro de costos
✓ Aumento de ingresos
✓ Rentabiliza los datos y la inversión en IT
• Hay múltiples aplicaciones en todos los

sectores.
• Permite incorporar al cuadro de mando

indicadores predictivos (KPP’s).
En convenio con
www.bpc.com.pe
“El requisito del éxito es la prontitud en las decisiones”

Sir Francis Bacon
En convenio con
Dale a un hombre un pescado y lo alimentarás por un
www.bpc.com.pe
día; enséñale a un hombre a pescar y lo alimentarás
para toda la vida.
En convenio con
www.bpc.com.pe
¿Conoces a tus clientes?

En convenio con
www.bpc.com.pe
Business Intelligence
En convenio con
www.bpc.com.pe
En convenio con
www.bpc.com.pe
En convenio con
www.bpc.com.pe

PDE BA&amp;BD Curso Business Analytics

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

PDE BA&amp;BD Curso Business Analytics

Caricato da

Copyright:

Formati disponibili

En convenio con

UNIVERSIDAD NACIONAL DE INGENIERÍA

966425641 www.slideshare.net/jrodriguezm www.linkedin.com/in/jrodriguezmam

MoneyBall: El por qué de la Inteligencia Analítica

3.500 millones de personas en la web… 2016

30 petabytes de nueva información

Offer Details CRM Affiliate Networks HD Video

Purchase Behavioral Targeting Product/

Implementación de nuevas tecnologías

Hay una brecha entre la información y los

La clave está en aprovechar las decisiones

Los obstáculos organizacionales…

Evolución de una estrategia centrada en el cliente

Tendencias y perturbaciones en el análisis

La tecnología esta cambiando

Las organizaciones tienen que

Tendencias tecnológicas para el 2017

Tarea: Tendencias Tecnológicas para el 2018 Fuente: Gartner

“In God we trust; all others bring data”

Business Analytics: La importancia de los datos

¿Qué es Business Analytics?

“… consiste en mejorar el comportamiento de la organización mediante la aplicación

Business Analytics es el top of mind para los

Business Analytics en términos gerenciales

¿Qué es un modelo predictivo?

 En un modelo predictivo No vamos a predecir

 En un modelo predictivo No existe garantía

Información para el ánalisis predictivo

¿Cómo? ¿Por qué?

Valor del Business Analytics

MoneyBall: La información oculta en los datos

▪ Identificación de valores extremos.

▪ Análisis de correlación entre variables.

▪ Descubrimiento de relaciones causa-efecto.

▪ Análisis de curvas de elasticidad.

▪ Control estadístico de procesos.

▪ Forecast de llamadas a un call center por tipo

▪ Forecast de utilización línea de crédito.

▪ Forecast de utilización de recursos de IT.

▪ Forecast de retiros de efectivo en cajeros

▪ Forecast de consumo con la tarjeta de débito.

▪ Forecast de recaudación de cobro.

▪ Forecast de ingresos por producto.

▪ Lifetime Value (LTV).

7 Data Mining Score Cobranza

7 Data Mining: Segmentación

Segmentar clientes es un ejercicio de minería de datos que clasifica a los

El objetivo es identificar segmentos rentables y diseñar la oferta y el

Datos de Clientes Segmentación Perfilado

7 Data Mining: Segmentación en Cobranzas

7 Data Mining: Estructura

7 Data Mining: Evaluación

7 Data Mining: Evaluación

5,000 ▪ Crecimiento exponencial de

▪ Optimización de descuentos y promociones.

▪ Optimización de campañas de marketing.

▪ Asignación óptima de la fuerza de trabajo.

▪ Optimización de niveles de efectivo en cajeros

▪ Optimización de acciones de fiscalización y cobranza.

• Metodología para el proceso de la Minería de Datos.

• Valida el proceso, dispone de modelos de referencia (plantillas),

• Sin propietario. Desarrollado por algunos líderes de la industria:

• Alienta la inter-operatividad de herramientas.

• Neutral para la Industria y para la herramienta.

PDE BA&BD Curso Business Analytics

PDE BA&BD Curso Business Analytics