Tag Archives: data mining

Cómo el big data cambia as instituciones financieras

teradata-financial-itusersCómo el big data cambia el modelo de negocio de las instituciones financieras. Por: Alexis Zlocowski, Director de la práctica de Big Data para C&LA de Teradata

Buenos Aires, Argentina, 04 de noviembre del 2014.— A través de la incorporación de tecnologías de la información, numerosos sectores de la industria mejoran la experiencia de los clientes y logran resultados positivos en la fidelización de los mismos. La atención personalizada del consumidor y el conocimiento de sus preferencias hoy son posibles gracias a la utilización de herramientas de big data. Las instituciones financieras se encuentran entre las industrias que más han sabido aprovechar este valioso recurso, facilitando la mitigación de riesgos y la reducción de costos operativos.

La posibilidad de acumular volúmenes masivos de información desde multiples canales y al análisis de esos datos para conocer a los clientes y sus hábitos de comportamiento combinada con técnicas avanzadas de Machine Learning de Data Mining o de Graphos le permiten a  las entidades financieras evolucionar en su capacidad de entender a los usuarios y abordar exitosamente tanto a actuales, como a potenciales clientes. Entre las mejoras que viabiliza el uso de big data en el área de finanzas, se destacan las siguientes:

  • Análisis de las interacciones multicanal (Omni Channel) por ejemplo web y Call Center de los clientes que permiten entender cómo mejorar el sitio web a fin de manejar más negocios y aumentar la satisfacción del cliente o entender los patrones de comportamiento relacionado a ciertos eventos definidos como relevantes.
  • Las firmas o empresas de servicios financieros utilizan la tecnología para combatir fraudes internos y externos.
  • Diferenciación de la competencia a través del uso estratégico de la información para anticipar y atender mejor las necesidades de los clientes. Se logra mayor acercamiento al cliente, y los productos que contrata.
  • La realización de los cálculos de costos e ingresos basados ??en millones de transacciones reales y aumento de la rentabilidad del cliente.
  • Mejora de la exactitud y velocidad de los modelos de riesgo,  optimizando niveles de solvencia y la rentabilidad de los bancos.
  • Desarrollo de nuevos segmentos de clientes basados en comportamientos. Análisis de Geolocalizacion de los mismos.
  • Analisis de Clusters y de Afinidad de productos pudiendo crear Redes Sociales entre los propios clientes.

A modo de ejemplo los bancos están más atentos a reconocer y responder rápidamente a los acontecimientos de la vida de los individuos. Por ejemplo, si un cliente realiza un depósito significativo, el banco puede responderle al siguiente día con una oferta específica para un depósito más rentable o, si el cliente toma un gran adelanto de su tarjeta de crédito, la entidad financiera puede ofrecerle una vía más económica para obtener dinero en efectivo la próxima vez.

En conclusión, a través de la implementación de herramientas de análisis de datos provenientes de múltiples fuentes  que históricamente no han sido descartados como Internet, dispositivos móviles y  medios sociales, los bancos pueden revolucionar su manera de relacionarse con los usuarios, virando de un modelo de negocio centrado en el producto a uno enfocado en el cliente.

El big data como herramienta analítica vital para el Retail

Alexis-Zlocowski-teradata-itusersPor: Alexis Zlocowski, Director de la práctica de Big Data para C&LA de Teradata

Buenos Aires, Argentina, 12 de septiembre del 2014.— Cada vez más, las cadenas de supermercados y empresas de venta minorista precisan un mayor conocimiento del comportamiento de sus clientes a fin de lanzar ofertas personalizadas y hacer recomendaciones de acuerdo a las preferencias, hábitos y gustos de los mismos.

La incorporación de una plataforma de descubrimiento y la aplicación de técnicas de data mining y machine learning sobre información tanto estructurada como no estructurada le permite a los ejecutivos del sector, conocer antes que el cliente vaya a la tienda, cuáles son los factores y variables que pueden influenciar la canasta de productos y los volúmenes de su próxima compra.

Las soluciones analíticas de datos permiten responder a las siguientes preguntas:

  1. ¿Cuáles son los canales o contenidos más efectivos para incrementar las conversiones y ventas?
  2. ¿Qué tipo de promociones son más propicias para alcanzar e influenciar a los diferentes segmentos de consumidores?
  3. ¿Qué producto es conveniente recomendar en base a los diferentes clusters de productos o categorías?

La expansión de los canales de retail y el uso de las redes sociales aumentaron el poder de los consumidores, quienes ahora acceden a la información online y pueden comparar productos, precios y servicios. Cuando los usuarios interactúan con las empresas a través de social media, tienen un mayor poder de influir sobre otros potenciales clientes a través de sus comentarios y opiniones sobre la experiencia que tuvieron con determinadas marcas. Estas interacciones generan grandes volúmenes de información y pueden generar alto valor al ser incorporadas a la plataforma de descubrimiento y combinadas con las fuentes de información tradicional.

Los retailers que tomen la iniciativa de colectar, gestionar y analizar un gran volumen y variedad de datos obtendrán una ventaja competitiva al ampliar su frontera analítica que les permitirá mejorar la efectividad de sus campañas de marketing, generar eficiencias, tanto en distribución, como en operaciones, crear experiencias de compra más inteligentes y acercarse de manera creativa y efectiva a los clientes, potenciando considerablemente las ventas.

Acerca de Teradata

Teradata (NYSE: TDC), líder mundial en plataformas de análisis de datos, aplicaciones de marketing y servicios de consultoría, ayuda a las organizaciones a ser más competitivas a través del aumento del valor de sus datos y de las relaciones con sus clientes. Para más detalles visite teradata.com

El BIG DATA en las PyMEs

totvs-pymes-dream-itusersPor: Sergio Morilo, Director de Servicios TOTVS Norte de América Latina

Ciudad de México, 27 de marzo del 2013.— Big Data es el conjunto de bases de datos complejas y/o muy grandes, que manejan enormes cantidades de información. Ese conjunto de datos eventualmente puede llegar a alcanzar volúmenes tan altos de contenido que dificultarían la utilización y visualización de los mismos, tal como sucede en el caso del manejo de herramientas para data mining (que en una traducción literal es ‘minería de datos’), ya que muchas no pueden administrar bases de datos tan grandes.

Hoy en día, la tendencia indica que el crecimiento estimado de las bases de datos en  negocios dobla su capacidad cada 1.2 años. Esas bases de datos de gran volumen las podemos encontrar principalmente en meteorología, datos astronómicos y datos genómicos.

Sin embargo, también encontramos situaciones similares en casos que estarían más cerca de nosotros de lo que pensamos: Walmart, por ejemplo, maneja más de 1 millón de transacciones de clientes por hora, todas almacenadas en bases de datos que ocupan más de 2.5 petabytes (2560 terabytes); dicha cifra es el equivalente a 400 veces el total de información contenida en los libros de la Biblioteca Nacional de Reino Unido. Por otro lado, Facebook, la red social, tiene almacenado en sus servidores más de 50,000 millones de fotos de sus usuarios.

Si bien es cierto, Big Data hace referencia a grandes cantidades de información, debemos recordar que esto no indica necesariamente una base de datos de gran volumen; no obstante, el término siempre será utilizado para referirnos a una base de datos compleja.

La mayoría de la información tratada por soluciones de Big Data son datos que llamamos “no estructurados”, los cuales generalmente están disponibles en una base de datos, por ejemplo, de facturas emitidas, de productos comprados por un cliente en un determinado período, de presupuestos y evolución de los mismos, de su utilización y consumo, entre otros. El caso de los datos no estructurados es diferente, pues estos son más amplios.

Hoy en día, existen algunas soluciones de Big Data desarrolladas por las grandes empresas de soluciones de administración de bases de datos. Es importante resaltar que una solución de Big Data no es una solución de business intelligence/data warehouse; en algunos negocios, la solución de Big Data puede ser complementaria pero no excluye la necesidad de implementación de una solución de business intelligence en la empresa.

Pero, en nuestras vidas ¿dónde están presentes las soluciones de Big Data? A continuación, les comentamos algunos casos de utilización, publicados por empresas públicas:

  • Una cadena de supermercados americana utiliza la información de los productos que sus clientes compran y ponen en sus carritos. Con eso, ganaron más eficiencia en la distribución de los productos en las tiendas, además de percibir cosas interesantes como que, quién compra una bebida electrolítica, normalmente compra un laxante también. Pero muy aparte de la información que puede aportar poco, vale tomar este ejemplo como un modelo de lo que se puede analizar en base al consumo: esa misma cadena de tiendas está trabajando en proyectos de fidelización y retención de clientes, tomando como base sus hábitos de consumo.
  • Un hospital de Canadá, en conjunto con la Universidad de Ontario, desarrolló una solución de Big Data que fue utilizada para monitorear en tiempo real decenas de indicadores de salud de recién nacidos prematuros. El análisis de esos datos permitió a los doctores anticipar acciones para mitigar las amenazas a la vida de esos bebés.
  • El proyecto Global Pulse, de las Naciones Unidas, prevé utilizar una solución de Big Data para analizar los mensajes de las redes sociales, que están en lenguaje humano, para evitar el aumento del desempleo, baja de consumo y posibles epidemias.

Para buscar la mejor ubicación para la instalación de turbinas eólicas, una empresa europea analizó petabytes de datos climáticos utilizando una solución de Big Data. Ese análisis, que normalmente tardaría semanas, tomó apenas algunas horas.

Algunas compañías manufactureras utilizan el Big Data para mejorar el proceso de distribución de sus productos, cruzando información del método de producción de los de los mismos y del modelo de embalaje más indicado, de acuerdo con las formas utilizadas, para distribuir los productos hasta los consumidores finales.

En resumen, algo que podemos considerar es que hablar de Big Data es hablar de prever el futuro. Hoy en día ese es el uso más común y presente en nuestras vidas.

Gráficas:

Fuente: http://blog.thomsonreuters.com/index.php/big-data-graphic-of-the-day/

Fuente: www.economist.com/node/15557443

Fuente: https://www.facebook.com/note.php?note_id=409881258919

Acerca de TOTVS:

Líder absoluta en Brasil, con 53.1% del market share*, y también en América Latina con 35.6%, TOTVS es una empresa de software, servicios y tecnología. Es la 6ª mayor desarrolladora de sistemas de gestión integrada (ERP) del mundo y la 1ª en países emergentes, siendo también líder en el segmento de pequeñas y medianas empresas (Pyme) en América Latina. TOTVS fue la primera empresa del sector de TI de América Latina a abrir capital y está listada en el Nuevo Mercado de la Bolsa de Valores de São Paulo – BOVESPA. Sus operaciones en ERP son complementadas por un amplio portafolio de soluciones verticales y de servicios como Consultoría,  BPO y Cloud Computing. Presente en México desde 2003, es hoy la tercera mayor proveedora de software de gestión empresarial en el país y la de mayor crecimiento también. Con presencia en las cuatro plazas más importantes (Guadalajara, Querétaro, Monterrey y D.F.) y una estrategia sólida de canales en el territorio nacional. Para más informaciones, acceda al sitio web: www.totvs.com. *Fuente: Gartner – “All Software Markets”, Worldwide, 2011