DATA CONOCE LOS DETALLES DEL ECOSISTEMA DEL BIG DATA 01 El valor de los datos, por Marco Bressan 03 INFOGRAFÍA Claves del Big Data 04 CASO DE ÉXITO Illustreets,

  • Published on
    24-Jan-2016

  • View
    215

  • Download
    2

Transcript

Innovation-Trends-Data-BBVA-Innovation-Center

DATACONOCE LOS DETALLES DEL ECOSISTEMA DEL BIG DATA01El valor de los datos, por Marco Bressan03INFOGRAFAClaves del Big Data04CASO DE XITOIllustreets, Carto DB05Ejemplos reales de uso del Big Data06MASTERCLASSDJ Patil02Cmo es el da a da de un data scientistSERIE INNOVATION TRENDS

Con una cantidad de datos importante de los clientes, de sus obligaciones, lo que buscamos es, en primer lugar, centralizar esos datos, poder mirarlos y poder extraer conocimiento, extraer informacin de esos datos traducir ese conocimiento e informacin en nuevos servicios, en mejores servicios para nuestros clientes, etc.

Por ello la aplicacin ms importante de Big Data ( ) es extraer informacin de nuestros clientes a partir de lo que hacen, ya no es hacer una encuesta, salir y preguntarle al cliente que le gustara, sino realmente ver, por ejemplo, cmo utiliza su cuenta, qu tipo de movimientos hace, qu tipo de vida tiene, y tratar de darle a ese cliente un mejor servicio.

El valor de los datos01Marco Bressan, Chairman & CEO BBVA Data & Analytics, nos cuenta en esta entrevista en BBVA Innovation Center que el objetivo principal de su departamento es capturar valor de los datos ( ) que tiene el banco. En este sentido, el responsable de BBVA Data & Analytics destaca la parte de inteligencia comercial que se consigue para poder dar ese mejor servicio, que es fundamental. Y, adems, ese conocimiento de los clientes, a su juicio, es el que nos permite evaluar mejor al cliente de cara a productos que tenemos, como puede ser dar crditos o prevenir el fraude, por ejemplo. Ver vdeoEl objetivo es transformar informacin en servicos para clientes

SERIE INNOVATION TRENDS ENERO 2015 www.centrodeinnovacionbbva.com

Competir gracias al conocimientoBBVA ha lanzado en Espaa proyecto un piloto en el que se estn utilizando los datos de pagos para el pequeo y mediano comerciante, con el objetivo de hacer una mejor estimacin del riesgo que se tiene a la hora de conceder un crdito. Gracias a ese dato se estn dando un 4% ms de crditos, ya que se est ajustando ms esa estimacin y se est conociendo mejor a todos los clientes.

Marco Bressan ha destacado todo lo que se puede hacer con ese conocimiento que se tiene a partir de los datos, que es precisamente ver qu nuevos productos, qu cosas se pueden brindar a los clientes. Por ello, BBVA est trabajando por agregar ese dato, anonimizarlo y compartir estadsticas sobre ellos. Por ejemplo, estamos trabajando con secretaras de turismo para entender mejor cul es el comportamiento de turistas cuando visitan ciudades, el comportamiento comercial y mejorar la oferta turstica en esa ciudad.

En su opinin, las empresas trabajan para entender ( ), por ejemplo, cul es el impacto que tiene un evento: si yo organizo una fiesta en una ciudad, si tengo un evento importante, un congreso, una conferencia, cul es el impacto comercial que tiene ese evento en la ciudad... Todo esto son productos que se generan a partir del dato que tiene el banco y que tiene utilidad ms all de las fronteras del banco.Ver vdeo

+4%

SERIE INNOVATION TRENDS ENERO 2015 www.centrodeinnovacionbbva.com

Cmo es el da a da de un data scientist02El da a da de un equipo que trabaja en data anlisis se puede definir como un esfuerzo multidisciplinar, porque es muy difcil que una persona aislada delante de un ordenador pueda obtener toda esa informacin. La clave del equipo est en las personas que trabajan juntas en varias disciplinas. No solo se requieren conocimientos tecnolgicos, estadsticos o matemticos, tambin cientficos de diferentes reas: ya sean sociales, geogrficas, geopolticas, econmicas...

Por eso, aunque pueda parecer que estamos trabajando con un ordenador, se trata de matemtica y mucha estadstica. Es muy divertido porque es un trabajo que, sobre todo, explota la curiosidad, la creatividad, la exploracin, la prueba y error, nos describe Marco Bressan, Chairman & CEO BBVA Data & Analytics.

El data scientist tiene que tener un espritu cientfico, porque en su da a da la aproximacin cientfica es muy importante: hay que trabajar con datos, meterse dentro de ellos y tratar de encontrar patrones e informacin que pueda llegar a ser relevante.Ver vdeoSERIE INNOVATION TRENDS ENERO 2015 www.centrodeinnovacionbbva.com

Claves de Big Data03/INFOGRAFADJ Patil nos ha dado las claves de esta tendencia en auge, no solo para conocer cmo mejorar un producto gracias al data, sino para saber cmo debes formar un equipo y cul debe ser la metodologa de trabajo para aplicar los anlisis de datos.Mejores productos de datosCompartir en Pinterest IntuitivosNo aaden costes de formacin para el usuarioMetodolgicosSatisfacen la formacinInvocan un sentimiento y buscan una accinCrean un ecosistema, permiten compartir e interactuarGeneran humanidadCmo las personas pueden ayudar al producto?

SERIE INNOVATION TRENDS ENERO 2015 www.centrodeinnovacionbbva.com

Metodologa en el equipoConversar, los datos funcionan mejorOperar todos a una, la mejor manera de entender los datos es ponindolos en comn antesDebatir enriquece, no slo una opininIntuicin y experiencia, a veces es la mejor solucinContribuir para lograr una decisin ms rpida

SERIE INNOVATION TRENDS ENERO 2015 www.centrodeinnovacionbbva.com

Consejos para el analistaAlta velocidad de observacin,control y una intensa curiosidadEncontrar el origen de los datos y derribar obstculosLimpia datos, separar los sitios webs vlidos de los problemticosPreguntarse acerca de los deseos de la genteNo centrarse en algoritmossino en el problemaNarrar una historiaUsar datos para contar una historia y ser capaces de comunicarlo

SERIE INNOVATION TRENDS ENERO 2015 www.centrodeinnovacionbbva.com

7

Illustreets, la app geoespacial que te ofrece todos los datos para buscar una nueva casa04/CASO DE XITOUn buen anlisis de datos se puede transformar en una gran herramienta, muy sencilla de usar de la mano de una buena visualizacin de ese gran maremgnum de datos. Esto es lo que han hecho los fundadores del proyecto Illustreets y CartoDB.La bsqueda de vivienda es un proyecto importante en la vida de cualquier persona. Las dificultades que te encuentras para elegir barrio, para pensar ms all de lo que necesitas en tu vida actual es lo que preocupaba a Manuel Timita y Katya Koval. Ellos son los fundadores de Illustreets una aplicacin geoespacial ( ) que te ayuda en esta compleja decisin ofrecindote una visualizacin de todos los datos que tienes que manejar para acertar en la bsqueda de casa.

SERIE INNOVATION TRENDS ENERO 2015 www.centrodeinnovacionbbva.com

Timita y Koval se enfrentaron a este problema en Inglaterra, donde era muy difcil encontrar informacin sobre la zona en la que se encontraban las vivienda, a pesar de que exista una gran cantidad de datos accesibles. Estos datos, adems, se publicaban cada vez con mayor frecuencia e incluso podan analizarse a travs de un documento Excel el problema radicaba en que la visualizacin de todos estos datos no era nada intuitiva para el usuario. Era muy poco visual.

Ante este problema, los fundadores de este proyecto se dieron cuenta de la necesidad de ilustrar toda esta informacin disponible a travs de mapas. Es en este punto cuando surge la necesidad de encontrar la visualizacin de la solucin que ya exista para este problema.De hecho, a excepcin de los datos de compra/venta y alquiler que provienen del buscador de propiedades Nestoria, todos los datos usados en el proyecto proceden del portal UK Open Government Data. Este portal contiene ms de 9.000 sets de datos procedentes de los diferentes departamentos del Gobierno central ingls, as como deinstituciones pblicas y autoridades locales. Estos datos tienen garantizado el acceso gratuito y perpetuo gracias a la legislacin vigente en Reino Unido.La bsqueda de vivienda es un proyecto importante en la vida de cualquier persona...Timita y Koval se enfrentaron a este problema en InglaterraDe dnde salen los datosAdems, la herramienta de Illustreets ofrece a sus usuarios el anlisis de los datos de hasta 15 bases de datos diferentes procedentes de los siguientes organismos:Office for National StatisticsDepartment for EducationLand RegistryOrdenance Survey (boundaryand postcode data)Department for Communities and Local GovernmentPolice UKOfsted (school inspection data)Department for TransportEnvironment AgencySERIE INNOVATION TRENDS ENERO 2015 www.centrodeinnovacionbbva.com

el principal factor de testeo porque el reto del proyecto era garantizar una buena experiencia de uso.

Esta aplicacin permite al usuario con una nica bsqueda o un clic en una zona del mapa ( ):Ante esta cantidad de datos, desde Illustreets tenan el objetivo de extraer y analizar esta cantidad ingente de datos para hacerlos accesibles y tiles a travs de una aplicacin geoespacial que permitiese visualizarlos de una manera atractiva e interactiva.

Para ello han desarrollado una herramienta eficaz ( ) para los que necesiten tomar una decisin de comprar o alquilar una casa en una zona determinada o, para aquellos que simplemente quieran tener ms informacin de la zona en la que viven.

Cmo visualizar todos estos datosDurante casi tres meses, el equipo de Illustreets estuvo investigando y probando diferentes tecnologas y herramientas de mapeo, tantocomerciales como de cdigo abierto, hasta que eligieron la plataforma CartoDB con sus herramientas CartoDB.js, CartoCSS y SQL API para crear la visualizacin de todos los datos que solicite el usuario en la aplicacin.

De hecho, la usabilidad ha sido la clave, porque se convirti en

Obtener informacin de manera rpida al pasar el ratn sobre el rea seleccionada.Buscar por precio medio de compra y alquiler para ajustar la bsqueda al presupuesto disponible.Estimar el tiempo de viaje entre dos puntos.Acceder a informacin como el nivel estndar de vida, los crmenes reportados, el precio de los colegios.

SERIE INNOVATION TRENDSEjemplos reales del uso de Big Data05Big Data y Data son dos de las palabras ms de moda en el ecosistema de la innovacin y el emprendimiento. Sin embargo, conocemos casos reales y concretos en los que se haya utilizado? ( )Este artculo trata de mostrar algunos de estos ejemplos, en reas tan diversas como el deporte, la poltica o la economa.

Desde BBVA, hasta Obama, pasando por el bisbol o incluso la Semana del Orgullo Gay en Madrid, el uso de datos y su anlisis para predecir tendencias y comportamientos est ya entre nosotros y promete quedarse mucho tiempo.

En los ltimos aos, encontramos algunos ejemplos muy llamativos en el uso y anlisis de Data y Big Data ( ) que, de alguna manera, sirven tanto para crear nuevos productos, como para predecir comportamientos y tendencias, optimizar acciones de marketing, etc. Destacamos los siguientes:

Macys y sus precios en tiempo realMacys es uno de los comercios minoristas ms importantes de los Estados Unidos, que destaca por su e-commerce. Utilizando la tecnologa de SAS Institute ha conseguido mejorar sus ingresos y la experiencia del usuario.

Gracias a la velocidad de anlisis y los informes obtenidos con esta nueva tecnologa, han reducido en 500.000 dlares el gasto anual de analtica. Macys sabe hoy perfectamente el impacto de sus newsletters y notificaciones y conoce mejor a los clientes ms satisfechos, lo que les gusta y lo que no... Hoy, el uso de estos datos, les permite segmentar al mximo sus envos, de manera que envan menos emails, pero con mucho ms impacto y han conseguido reducir las de suscripciones hasta en un 20%. Gracias a la utilizacin de un algoritmo y al control de la demanda y el inventario, pueden lanzar ofertas cruzadas, ajustar precios y hacer rebajas casi en tiempo real para sus 73 millones de artculos a la venta. SERIE INNOVATION TRENDS ENERO 2015 www.centrodeinnovacionbbva.com

Juegos de pelota y millones de datos Casi todo el mundo ha odo hablar de la pelcula Moneyball: Rompiendo las reglas (2011), si no es por Brad Pitt, al menos s como ejemplo del uso de Data. Ocurri en la pretemporada de 2002 en Oakland Athletics de las Grandes Ligas de Bisbol de los Estados Unidos. El gerente deportivo Billy Beane, revolucion la historia del club y posiblemente del deporteen general, tras fichar a un joven economista, Peter Brand, que traa nuevas ideas. Juntos contrataron jugadores infravalorados, peroeconmicamente rentables, con un criterio de seleccin muy diferente. La intuicin y sapiencia de los ojeadores es sustituida por las conclusiones de los anlisis de estadsticas y nmeros acumulados a la hora de establecer las necesidades del equipo y los jugadores que mejor se adaptan a stas. En la actualidad contamos con muchos ms casos en los que se usa Big Data en el deporte ( ). Los equipos de la NBA ya tienen implantado el uso de datos a la hora de preparar la estrategia en partido, mientras que la NFL tiene una plataforma que ayuda con sus aplicaciones a los 32 equipos a tomar las mejores decisiones en base a la analtica de datos: desde el estado de la superficie del csped a las condiciones climatolgicas, pasando por datos de la etapa universitaria de cada jugador... todo est registrado y todo puede servir para sacar conclusiones diversas, como la de prevenir lesiones en jugadores. Adems, analiza las preferencias de los aficionados gracias a su aplicacin NFL Now, que ofrece la posibilidad de que stos creen su propio canal con contenido variado de la NFL: vdeos divertidos, cheerleaders preferidas, informacin por equipos, por jugadores, etc. Tambin utilizan NetApp para almacenar todos estos datos. Con esto consiguen establecer las demandas de los fans y facilita las cosas a la hora de establecer acciones de marketing, expandir el mercado, encontrar los partners ms apropiados, etc.

Ver vdeoVer vdeoSERIE INNOVATION TRENDS

La reeleccin de ObamaTras su primer mandato, el presidente de los EEUU, Barack Obama, decidi utilizar Big Data para su reeleccin en 2012. Un centenar de personas trabajaron en el departamento de analtica de la campaa. 50 estaban fijos en las oficinas centrales, otros 30 se movilizaron a lo largo y ancho de las distintas sedes del pas, y 20 estaban nicamente centrados en la interpretacin de los datos recibidos.

Tras un primer anlisis, los esfuerzos de la campaa se enfocaron en tres aspectos: registro (recoger datos de los votantes convencidos), persuasin (dirigirse a los dudosos de una forma eficaz) y voto del electorado (asegurarse de que los partidarios fueran a ejercer el voto s o s). Por primera vez, los tres equipos de las campaas electorales: el de campo, el digital y el de comunicacin, trabajaron con una estrategia unificada con los respectivos datos de cada uno. El motor de todo, la plataforma inteligente utilizada fue HP Vertica.

Entre las acciones ms efectivas que permita esta plataforma: recoger datos a pie de campo y realizar un feedback rpido va notificaciones email (se mejoraba...

Recommended

View more >