Upload
gustavo-vivas-marquez
View
1.569
Download
0
Embed Size (px)
Citation preview
1
Maestría en Marketing Estratégico
Tecnología de la Información
Profesor:Gustavo Vivas Marquez
Licenciado en Comercialización (UB)
Posgrado en Management Estratégico (UB)
Posgrado en Responsabilidad Social Corporativa (UNED – España).
Posgrado en Liderazgo sin autoridad formal (INDES – BID)
Master en Responsabilidad Social Empresarial (UBA – ONU)
2
Sistemas funcionales de negocio se pueden separar
Sistemas que permiten visualizar
el negocio a nivel global.
Ejemplo: Tableros de comando
Datawarehouse, datamining,
SCM, ERP, DSS
Sistemas que permiten visualizar el
negocio a nivel de ejes de negocios.
Ejemplo: facturadores, reclamos,
atención al cliente, Datamarts)
CIM, CRM, MIS, GIS
Sistemas que permiten visualizar el
negocio a nivel de detalle
Ejemplo: Portales, Sistemas de
gestión de elementos, mesas de
ayuda
Toma de
decisiones
estratégicas
Toma de
decisiones
operativas
Toma de
decisiones
tácticas
Aplicaciones de presentación
Aplicaciones de decisiones
Aplicaciones de registros
Aplicaciones consumos
Aplicaciones de consolidación
3
Sistemas funcionales de negocio
Aplicaciones de presentación
Aplicaciones de decisiones
Aplicaciones de registros
Aplicaciones consumos
Aplicaciones de consolidación
4
Sistemas funcionales de negocio
Las aplicaciones de registros,
se refieren a aquellas que las
organizaciones poseen para
registrar los datos básicos .
El ejemplo típico de este tipo de
aplicaciones son en donde se
registran los datos de los
clientes y/o potenciales clientes.
Aplicación transaccional de
registros de :
1. Clientes
2. Reclamos
3. Atención
Aplicaciones de presentación
Aplicaciones de decisiones
Aplicaciones de registros
Aplicaciones consumos
Aplicaciones de consolidación
5
Sistemas funcionales de negocio
Las aplicaciones de consumo,
se refieren a aquellas que las
organizaciones poseen para
registrar los datos de bienes /
servicios comercializados .
Aplicación transaccional de
consumo por excelencia es el
facturador de cualquier
organización:
Se pueden incluir:
1. prefacturadores
2. Colectores de información de
consumos
Aplicaciones de presentación
Aplicaciones de decisiones
Aplicaciones de registros
Aplicaciones consumos
Aplicaciones de consolidación
6
Sistemas funcionales de negocio
Las aplicaciones de consolidación,
poseen la funcionalidad de visualizar
la información de los dos anteriores
mezclándolos con el concepto de
evolución a través del tiempo,
consolidando ambos puntos de vistas
Aplicación transaccional de
consolidación por excelencia tienen
que ver con los aspectos contables del
cual se obtienen la primera visión
consolidad del negocio
Por ejemplo:
1. ERP
2. SAP o similares
Ventas totales del mes
Reclamos totales del mes
Aplicaciones de
presentación
Aplicaciones de decisiones
Aplicaciones de registros
Aplicaciones consumos
Aplicaciones de consolidación
7
Sistemas funcionales de negocio
Las aplicaciones de presentación, poseen la funcionalidad de
permitirle a los clientes externos de un área acceder a la información e
interactuar realizando modificaciones mínimas.
La plataforma por excelencia es la figura de portales
Aplicación transaccional de presentación, son :
1. Home Banking.
2. Consultas de consumos / puntos.
3. De pagos.
4. Impuestos (municipales)
5. Asistencia a clases
Aplicaciones de presentación
Aplicaciones de
decisiones
Aplicaciones de registros
Aplicaciones consumos
Aplicaciones de consolidación
8
Sistemas funcionales de negocio
Las aplicaciones de decisiones, son aplicaciones
de alto grado de consolidaciones que agrupan
todos los aspectos de negocios posibles.
Se buscan enfocar en dos aspectos:
1. Poseer los datos de lo acontecido y realizado por
la organización y sus clientes para analizar y
justificar los gap entre la realidad y la
planificación (mirar el pasado).
2. Anticipar el comportamiento futuro del negocio,
interpretando los comportamientos pasados y
descubriendo patrones de comportamientos no
explotados por la organización. (mirar el futuro).
Aplicación transaccional de decisiones, son :
1. Tableros de mando
2. Datawarehouse
3. Dataminig
9
1. Consolidan toda la información de la compañía en un punto.
2. El nivel de análisis es alto debido a que se están integrando las visiones de
todos los aspecto del negocio.
3. El volumen de información es el mayor posible que se encuentra en la
organización.
4. La capacidad de procesamiento debe ser muy alto.
5. El nivel de seguridad suele ser crítico.
Datawarehouse
Repositorio de información que contiene el modelo de negocio de una
empresa.
Este repositorio permite obtener información con todas las visiones del
negocio de manera integrada para la toma de decisiones.
Los datawarehouses son aplicaciones de alta complejidad para las
organizaciones debido a:
Datawarehouse
Si bien un datawarehouse es un sistema informático, su estructura
elemental es una base de datos.
La modelización de dicha base de datos, acorde a los atributos de
negocios, permite mediante el análisis de los datos contenidos, generar la
transformación de dichos datos en información para la toma de decisiones,
a lo largo del tiempo.
Conclusiones
Agregación
Todos los datos
Conocimiento
Información
Datos
Características
Data warehouse Bases transaccionales
Toda la concepción de tiempo Siempre el presente
Detallada y resumida Detallada
Estable Cambios constantes
Manejo de información global Manejo de información puntual
Pocos usuarios concurrentes Muchos usuarios concurrentes
Alta complejidad de consulta Consultas predefinidas
Datos en grandes cantidades Datos en cantidades pequeñas
Alto nivel de seguridad Nivel de seguridad acorde
Aplicación más customizada Niveles de customización mínimos
Datawarehouse
Se enfoca en las dimensiones del negocio , conteniendo a su vez a las dimensiones
de los transaccionales.
Estas dimensiones de negocios se encuentran integradas y permiten analizar los datos
tanto a similar nivel de transaccional, como a nivel entre los sistemas transaccionales,
como pueden ser:
(*) escalamiento de incidentes
(**) cash flow y metodologías de inversión
(***) financiamiento de compras
Marketing
Ventas
Entrega y
distribución (*)
CobranzaFinanciación(**)
Pagos
Compras (***)
Producción
Productos
/ Servicios
Datawarehouse
Datawarehouse
Provee capacidad de análisis
histórico integrado
Este tipo de análisis, buscan detectar
patrones de comportamientos y hábitos
no manifiestos
Permiten realizar análisis de:
•Puntos de equilibrio
•Rentabilidad
•Elasticidad
Regla del mes 13 (como mínimo)
Junio de 2009 vs junio de 2008 (mes 13)
NO COMPROMETE LA GESTIÓN OPERATIVA
Transaccionales
Provee capacidad de análisis
actual
Los análisis permiten establecer que
está sucediendo e inferir el porque
acorde a las percepciones personales de
los que operan.
Permiten realizar análisis de:
•Cantidad de operaciones diarias
actuales.
•Puntuales
Realizar análisis históricos globales
COMPROMETE LA GESTIÓN OPERATIVA
(competencia del uso de los recursos del
sistema)
Operación diaria vs. Análisis
Datawarehouse
Sistemas transaccionales (conectividad/funcionalidades)
Consumos - pre
facturación
Facturación -
Cobranzas -
Contabilidad
CRM - Ventas Provisión -
Activación
Alta, baja y modificaciones (ABM)
Datawarehouse (conectividad / funcionalidades)
Datawarehouse - componentes
ETLRutinas y algoritmos de
•Extracción
•Transformación
•Carga
Sistemas fuentes operacionales:
CRM,
Pedidos – Provisión – Activador
Producción / prefacturador
Facturadores / Cobranzas
Reclamos /Averías
Contables
Metadata
Bases externas
Plataforma del
DATA WAREHOUSE
Accesos usuarios
finales
Datawarehouse
Datawarehouse - componentes
•ETL (Extracción, transformación y carga)
Es uno de los dos puntos neurálgicos que posee un proyecto de datawarehouse
en operación. El objetivo es construir elementos de los sistemas transaccionales
y convertirlos en los datos que la base del DW necesita para ser cargados
adecuadamente, incluye formatos, tipos de campos, etc.
•Metadata
Directorio de datos
Guía de trazabilidad de los datos para entender como se transforma de los
ambientes transaccionales al ambiente del DW
Guía de algoritmos para interrelacionar el detalle con los conceptos resumidos.
Datawarehouse
18
Posibles motivos de fallas en los Datawarehouse
Se deben asegurar los siguientes aspectos:
1. Mal diseño del modelo u obsolecenciaLa modelización del negocio es crítico. Este aspecto fija el límite de las posibilidades
de uso del mismo.
2. Variables desactualizadas o inexistentes.Debe contener todas las variables del negocio, pasadas y actuales.
Una de las principales variables es el tiempo. Sin esta variable un datawarehouse es
un simple repositorio de reportes transaccionales.
3. Falta de metodología de obtención y captura de datos de los sistemas
fuentes.Se potencia actualmente por la existencia de los sistemas ETL (Extract, Transform and
Load)
4. Ventanas de procesamientosDeben ser acordes y estar coordinadas con las estrategias de operaciones de los
sistemas fuentes.
Tener usuarios con altos perfiles de análisis que se comporten como auspiciantes /
sponsors del sistema.
Datawarehouse
19
La herramienta de explotación
Las herramientas para utilizar (explotar) los datawarehouse son las herramientas
denominadas de BI (Business Inteligence).
Marcas comerciales más conocidas
Datawarehouse
Estas herramientas suelen necesitar tener modelos de explotación de
información alineados con el modelo de datos del DataWarehouse.
Las herramientas trabajan bajo la modalidad de tres capas
Base de datos – Servidor de requerimientos – licencia en la pc de usuario
La explotación suele ser mediantes elementos como atributos de negocios,
indicadores, templates, filtros, para conformar reportes y /o tableros
2007/12/2010
Datawarehouse - Atributos
21
Datawarehouse – templates / reportes
22
Datawarehouse - reportes
23
Data warehouse
Datawarehouse
24
Datawarehouse
Datawarehouse - atributos
25
Datawarehouse
Datawarehouse - reportes
26
Datawarehouse - reportes
27
Datawarehouse
2807/12/2010
Datawarehouse
Datawarehouse
29
Datawarehouse
http://www.microstrategy.com/DashboardGallery/demos/demo10.html
demo10_Support_Center.mht
demo5_Fertility_Rate.mht
Demo Qlikview 1
Datawarehouse – demo de tableros
30
También conocido como: Knowledge Discovery in Databases.
Sistema basado en la extracción de información oculta y predecible de
grandes bases de datos, es una poderosa herramienta con gran potencial
para ayudar a las compañías a concentrarse en la información más
importante de sus Bases de Datos (Data Warehouse).
Las herramientas de Data Mining predicen futuras tendencias y
comportamientos, permitiendo tomar decisiones proactivas y conducidas por
un conocimiento acabado de la información (knowledge-driven).
Data Mining puede responder a preguntas de negocios que tradicionalmente
consumen demasiado tiempo para poder ser resueltas.
Estas herramientas exploran las bases de datos en busca de patrones
ocultos.
Data Mining
31
Ejemplos:
MIS Alea y MIS Delta Miner.
Contour Cube Analizer.
Net Weaver Business Intelligence Suite.
LGX OLAP Reporting.
Onyx Analytics (incorpora función OLAP dentro de CRM)
Dundas OLAP.
Nota: El procesamiento analítico en línea (OLAP) analiza de manera
interactiva las relaciones complejas entre grandes cantidades de datos
almacenados en bases de datos multidimensionales.
Objetivo: descubrir patrones, tendencias y condiciones excepcionales en los
datos que apoyan el análisis de negocios y la toma de decisiones de una
empresa.
Data Mining
32
Data Mining
Aspecto de negocio
Clientes
Geografía
Consumos
Comportamiento
Facturación y cobranza
Productos y servicios
Contactos
Campañas de venta
Escenarios de Mining
(Marketing y Customer Care)
Segmentación
Optimización de la oferta
Customer Lifetime Value
Predicción del Churn y retención temprana
Tasas de respuestas de campañas y Analisis de ROI
Scoring y niveles de satisfacción
Escenarios de Mining
(Finanzas y Riesgo)
Optimización de costos
Scoring de consumos
Scoring de comportamiento
Detección de fraude
Scoring de consumo
Optimización de flujos de cajas
33
Los Datawarehouse aportan gráficos para hacer mas sencilla la visualización
de los datos
Datawarehouse – demo de tableros
Existen nuevas herramientas como los GIS
34
GIS
Es una base de datos, que se puede “mapear” y cuya herramienta de
visualización es la presentación en un mapa
Los GIS (sistemas de Información Geográfica), permite realizar análisis de
datos, desde el punto de vista de la geografía, en base al concepto de
geolocalización de cada uno de los atributos base del negocio.
Por ejemplo:
•Negocio telefónico => línea telefónica
•Rentas e impuestos municipales => lote
•Retail => habitante
•Seguros => asegurados
•Transporte => recorridos
•Correo => código postal
35
GIS
Los dos atributos mandatorios de un GIS son:
Ubicación espacial del atributo de negocio
El mapa propiamente dicho para presentar los datos
Datos no espaciales
Base de dato con los atributos de negocios y sus calificaciones
Unión datos no espaciales con datos
espaciales
Latitud y Longitud de un dato geográfico
(dirección, código postal, ID del transmisor, etc.)
Datos espaciales
Mapas
Capas de visualización bajo modalidad de representación (Vectorial / Raster / Orientado
a objetos)
36
GIS
Datos no espaciales
Cualquier grupos de datos,
presentados de forma tabular en
cualquiera de de los formatos
habituales
• textos,
• tablas (planillas de cálculo),
• etc-
Datos espaciales
Representaciones gráficas de
atributos geográficos representados
por puntos, líneas y/o polígonos.
Estas representaciones se gestionan
como capas
• capas de lotes, parcelas
• capas de manzanas
• capas de calles
• capas de ciudades
• capas de países, etc.
37
GIS
Datos espaciales
Los mapas de papel deben ser “digitalizados”
La digitalización implica gestionar el efecto distorsión en los atributos
espaciales
La proyección cartográfica permite minimizar las distorsiones
Robinson Sinusoidal Mercatorl Equidistancia cilindrica
Tipos de proyecciones cartográficas
38
GIS
Datos no espaciales
Cualquier grupos de datos,
presentados de forma tabular en
cualquiera de de los formatos
habituales
• textos,
• tablas (planillas de cálculo),
• etc-
Datos espaciales
Representaciones gráficas de
atributos geográficos representados
por puntos, líneas y/o polígonos.
Estas representaciones se gestionan
como capas
• capas de lotes, parcelas
• capas de manzanas
• capas de calles
• capas de ciudades
• capas de países, etc.
39
Buscando
Hoteles en la
ciudad de
Santa Fe
GIS ejemplo
40
Buscando
Hoteles y
ópticas en la
ciudad de
Santa Fe
GIS ejemplo
41
Pero también lo puedo usar para analizar a
mis equipos de ventas (ver ejemplos)
GIS – Algunos usos a nivel de negocios
42
GIS – Algunos usos a nivel de negocios
43
GIS – Algunos usos a nivel de negocios
44
GIS – Algunos usos a nivel de negocios
45
Análisis evolutivo
GIS – Algunos usos a nivel de negocios
46
GIS – Algunos usos a nivel de negocios
47
GIS – Algunos usos a nivel de negocios
48
GIS – Algunos usos a nivel de negocios
49
GIS – Algunos usos a nivel de negocios
50
GIS
Ejemplos de herramientas GIS
51
GISGIS que accedemos habitualmente:
Google maps www.googlempas.com
52
GIS
GIS que accedemos habitualmente:
Google Earth
53
GIS
GIS que accedemos habitualmente:
Street View (http://maps.google.es/help/maps/streetview/using-street-view.html)
54
GIS
GIS que accedemos habitualmente – uso público por parcela
55
GIS
GIS que accedemos habitualmente temático
56
GIS
GIS que accedemos habitualmente temático
57
En conclusión
Las nuevas herramientas presentan la información crítica para
la toma de decisiones bajo distintos formatos.
El objetivo es poner a disposición de los analistas y el management,
la información de manera más intuitiva, sencilla y ágil para tomar
decisiones, con una base sustentable, pero …
… hay que hacer inversiones
… y obtener retornos
58
No perdiendo de foco que los verdaderos objetivos por lo
que se está compitiendo es:
Ser dueños de la mayor parte posible
Disponible de los consumidores
Preguntas?
http://twitter.com/gustavovivas
http://gvivas.blogspot.com