[AUDIO_EN_BLANCO] [MÚSICA] Hola. Os decíamos lo que era Big Data, os contábamos que Big Data era la capacidad de procesar grandes volúmenes de datos a muy bajo coste, y no solo grandes volúmenes de datos, sino de varios tipos incluso a alta velocidad, y les decíamos las tres V de Big Data, Volumen, Variedad, Velocidad. Añadíamos también una cuarta V que era la V de Valor, la V de Valor de negocio, porque más importante que saber qué es Big Data es saber para qué queremos Big Data. Y de hecho, si Big Data hoy en día no solamente es tema de conversación en los entornos tecnológicos, sino sobre todo en los entornos de negocio, es porque Big Data tiene un poder muy importante de transformación en la manera en que nos relacionamos también con los clientes. Por lo tanto, Big Data es algo que lo debe liderar negocio. En un reciente estudio de la consultora IDC, se decía que aproximadamente más del 50% de los proyectos de Big Data se lideran desde las altas responsabilidades de dirección, desde los CEOs, y que únicamente un 10% de los proyectos de Big Data los lidera exclusivamente el departamento de IT, el departamento Tecnológico. Evidentemente, esto no significa que Big Data no sea relevante para tecnología o que IT no tenga un papel primordial, que lo debe tener, pero ese papel cambia. Hasta ahora, Tecnología era responsable de gestionar una infraestructura tecnológica, un hardware y un software y hacer correr las aplicaciones de negocio para poder alimentar los procesos clave de una organización. Pero con Big Data este rol cambia, y el rol más importante de Tecnología no va a ser gestionar el hardware ni el software porque, obviamente, va a estar en la nube y se va a gestionar un software Open Source como servicio, sino básicamente va a ser disponibilizar los datos para la organización. El rol más importante es poner a disposición de toda la organización los datos que están divididos en silos de cada uno de los departamentos. Big Data nos permite poner el dato en el centro de la estrategia corporativa de los negocios, y por primera vez, eliminar los silos de la información generando lo que llamamos Lagos de Datos, Data Lake, que permiten que toda la organización tenga acceso a todos los datos. Es por eso que esto es muy importante para el negocio. Y si tenemos que pensar en la V de Valor, tenemos de ver exactamente dónde está ese valor para el negocio de Big Data, ese retorno de la inversión de las iniciativas de Big Data. Pues mirad, Big Data ayuda al negocio en tres grandes áreas. Todos los casos de uso que podemos inventarnos de descubrir en Big Data para cualquier industria y para cualquier sector se resumen en tres grandes ejes. Por una parte, Big Data nos permite generar nuevas fuentes de ingresos, gracias a la personalización. Big Data permite conocer muchísimo mejor nuestros clientes, microsegmentarlos por su comportamiento y, por lo tanto, permitirnos generar nuevas fuentes de ingresos, gracias al desarrollo de productos y servicios mucho más personalizados, motores de recomendación, ofertas mucho más segmentadas, esto va a ser gracias a Big Data. La visión 360 grados de nuestros clientes, tanto a nivel interno, como a nivel de las interacciones digitales y sociales. Eso es cómo Big Data nos va a ayudar a generar nuevas fuentes de ingresos. En segundo lugar, Big Data permite a las organizaciones mejorar su toma de decisiones y también mejorar la eficiencia operativa. La toma de decisiones es muy importante para una empresa. Hasta ahora, estas decisiones se han tomado diríamos gracias a herramientas como Business Intelligence que nos permite hacer informes y cuadros de mando, normalmente una vez al mes; las que vemos el performance, vemos la actividad de nuestra compañía, y en base a eso, tomamos decisiones futuras. Pero el Business Intelligence hoy en día está muy limitado porque nos permite únicamente ponernos desde el presente y mirar hacia atrás lo que ha ocurrido, pero no podemos influir en lo que va a ocurrir. Es decir, si yo pongo la línea del tiempo y en el presente Business Intelligence me dice lo que ocurrió ayer, cuántas ventas he hecho por producto o por canal el mes pasado, incluso cuántos clientes perdí el mes pasado. Pero desde el punto de vista empresarial esto no es suficiente. Saber cuántos clientes ya he perdido no me deja opción a hacer nada más, no me interesa cuántos clientes perdí ayer, sino cuántos clientes estoy a punto de perder los próximos dos meses, cuáles son las razones por las que se quieren ir a la competencia y, por tanto, qué acciones debo tomar hoy para que no se vayan. Por lo tanto, este paso de gestionar la empresa de manera reactiva en base de lo que ha ocurrido ayer, que es el Business Intelligence, es sustituido, gracias a Big Data, por un análisis predictivo y, por lo tanto, poder influenciar en la decisión que es lo que nos permite Big Data y la analítica avanzada de Data Science. Por lo tanto, Big Data nos lleva a tomar mejores decisiones porque, en primer lugar, tenemos muchos más datos que nos permiten analizar los hechos desde muchos puntos de vista y con mucha mayor granularidad, y por otra parte, Big Data nos permite desarrollar modelos de algoritmos predictivos de Machine Learning para poder anticiparnos a lo que va a ocurrir y reaccionar antes ante eso cambios. También decía que Big Data desde el punto de vista empresarial nos aporta mucho valor para mejorar la eficiencia operativa, para mejorar nuestros procesos de negocio, y esto lo estamos viendo cada día más en el mundo industrial. El mundo industrial está avanzando, está evolucionando en lo que llamamos la Industria 4.0 que no deja de ser la, digamos, el avance de que todos los procesos productivos puedan contar con sensores que podamos monitorizar a tiempo real. Lo importante en el cruce de la información generada por sensores e internet de las cosas, y el cruce de la información de Big Data, podemos incluso desarrollar modelos predictivos por ejemplo, al mantenimiento, a la caída de un sistema, a anticiparnos a la rotura de la cadena del frío de una compañía de alimentación, o mejorar de una manera altísima la eficiencia de un proceso logístico. En tercer lugar, Big Data nos permite predecir y prevenir fraude y riesgo, y eso también lo estamos viendo en muchos sectores, predicción de averías, predicción de la morosidad, predicción de la fuga de clientes, pero también predicción de caídas de sistema, predicción de ataques de ciberseguridad. Por lo tanto, todos los casos de uso de Big Data para cualquier sector se resumen en tres ejes. Big Data, como fuente de generación de nuevas fuentes de ingresos, gracias a la personalización; Big Data, como mejora en la toma de decisiones y a la eficiencia operativa; y Big Data, como ayuda a predecir y prevenir fraude y riesgo. Y os decía que esto aplica a todas las industrias. Les voy a poner ejemplos de cómo Big Data puede ayudar a distintos sectores verticales. En primer lugar, en la Banca de Seguros la principal ámbito de aplicación de Big Data fue en sus inicios la prevención de la morosidad y de los riesgos, y en estos proyectos se ha generado cantidad de ingresos, gracias a la reducción en la morosidad de los clientes y en la reducción del fraude. bancario o crediticio. Pero cada vez más la Banca ha estado interesada en desarrollar Big Data para conocer mucho más a sus clientes, y para poder evitar la fuga de sus clientes, para desarrollar modelos predictivos y mejorar el scoring de valor de sus clientes y también su scoring de riesgo. Estamos hablando de lo que llamamos Clusterización avanzada, Segmentación avanzada del cliente, y esto nos va a permitir desarrollar productos y servicios mucho más personalizados. Y cada vez más la Banca también está ayudando a utilizar estos modelos predictivos para analizar la propensión de compra de nuevos productos y servicios. Y en este afán de capturar cada vez más datos, estamos desarrollando proyectos de dataficación de oficinas que lo que permite es no solamente poder monitorizar lo que el cliente hace en su entorno online o en su entorno de oficina, sino también en el puesto físico de la oficina viendo por dónde interactúa y cómo interactúa y qué productos o servicios le interesan más. Por lo tanto, el sector bancario es uno de los sectores más avanzados a la aplicación de Big Data porque aplica Big Data en los tres ejes que hemos comentado antes. Otro sector tremendamente interesante para aplicar Big Data es el sector de retail, de la venta minorista, de las tiendas, del negocio B2C tradicional. Y ahí también otra vez la parte más importante y la manera en que el mundo del retail ha entrado en Big Data es, en primer lugar, en poder agregar la información del comercio online, del ecommerce, y poderla digamos agregar al comercio físico y al comercio tradicional. Y eso nos permite conocer mucho más a los clientes, generar su perfil social, enriquecer esa información y detectar pautas de comportamiento y patrones de compra. También detrás está la microsegmentación de clientes. Pero también estamos analizando el punto de venta y también estamos haciendo análisis avanzado de las Las tiendas, caracterizando las tiendas por clusters para poder comparar tiendas que sin a priori saber que eran iguales, resulta que su comportamiento de una lista de compra es muy parecido. Estamos enriqueciendo esta información, por ejemplo, con información externa, con información de open data, de información socio-demográfica, socio-económica, estamos implementando esta información, enriqueciéndola, por ejemplo, con información de movilidad anónima que pueden proporcionar, pues, compañías de telecomunicaciones o compañías de coches. Estamos, por lo tanto, en un entorno donde el retail está siendo muy activo en lo que es integrar fuentes de información externas, combinarlas con las fuentes de información interna y poder, desde un punto de vista analítico, realizar un conocimiento y una microsegmentación muchas más avanzada de sus clientes y de sus puntos de venta. Un sector más tradicional ha sido el sector de las telecomunicaciones, el sector, digamos, de compañías tecnológicas. También las telecomunicaciones utilizan Big Data para conocer mejor a sus clientes y, sobre todo, para diseñar modelos de prevención a la fuga o de los de Churn, que es la principal preocupación, debido al entorno altamente competitivo. Y también, por qué no, el análisis avanzado del customer journey, ver cómo alguien empieza en un canal físico y termina en un canal online. En compañías como Telefónica, donde, además, tenemos una oferta de fija, de móvil, pero también de video, podemos analizar los comportamientos, también, de visionado, de determinados contenidos, y poder agregar eso para hacer una mejor oferta, mucho más atractiva para nuestros clientes. Y combinar, por qué no, productos entre sí para que decidamos paquetes de productos y servicios que encajan mucho mejor con demandas no cubiertas de nuestros clientes potenciales. Si un sector ha llegado un poco más tarde a Big Data, pero es el sector que se prevé de mayor crecimiento, es el sector industrial. Hasta ahora la industria no veía la aplicación de Big Data, porque no era un sector donde veía la aplicación Be To See directa, como lo que hemos visto en negocios digitales. Pero, en cambio, Big Data está avanzando muy rápido en la industria y con un impacto altísimo. Gracias a la evolución de la industria hacia la industria 4.0, que permite a la industria sensorizar todos los procesos productivos, y utilizar esos datos y esa información para gestionar, incluso, las fábricas de los entornos productivos como si fueran entornos digitales. Ahí estamos aplicando Big Data para, por ejemplo, realizar mantenimiento predictivo, basado en la fiabilidad o en el contexto de tener las piezas clave en un proceso productivo. Estamos utilizando Big Data para la predicción de la demanda, para combinar la oferta y la demanda, y mejorar los estudios intermedios, para mejorar la logística, para, veremos hacer un tracking de los activos cuando están en curso. Estamos datificando la cadena logística para poder monitorizar los stocks en tiempo real. Y estamos también utilizando Big Data para optimizar los lugares donde tenemos que ubicar una fábrica o tenemos que gestionar mejor una decisión de localización de determinados activos y determinados procesos. Por tanto, la industria está avanzando a la industria 4.0, y esto es el cruce entre internet de las cosas y Big Data, y desarrollar modelos predictivos, sobre todo, basados en la eficiencia de los procesos, tanto productivos como logísticos. Y por último, un sector tremendamente importante, cada vez más, también en Big Data, es el sector de la administración pública. Un sector donde se está utilizando Big Data para mejorar también la eficiencia de los procesos administrativos, pero también para poder devolver a la ciudadanía información de valor, gracias a los datos públicos que se están recopilando. Tenemos ejemplos de cómo se pueden desarrollar centros de inteligencia turística para las administraciones, para las ciudades, las que podemos ser capaces de conocer a los visitantes, caracterizarlos por nacionalidad, saber sus gustos, poder definir itinerarios o actividades en el ámbito local, mucho más adaptadas al turista que va a venir. Por lo tanto, convertir nuestras ciudades en un pueblo de atracción turística, combinado con todos nuestros partners de la cadena de valor, que pueden ser los hoteles, los restaurantes y las agencias de viajes. También utilizamos Big Data en el sector público, por ejemplo, para predicción de cosas relacionadas con el crimen, con la seguridad. Nosotros hemos hecho un proyecto muy relevante con el ayuntamiento de la ciudad de Nueva York, en el que le fuimos capaces de predecir los crímenes de la ciudad de Nueva York con un 80% de seguridad. Y puedes anticiparte a un riesgo de secuestro, o riesgo de asesinato, o riesgo de robo, con una seguridad altísima. Y esto permite, por ejemplo, redefinir las patrullas de vigilancia de las ciudades, un tema muy relevante que salió en nuestro estudio, que hicimos en colaboración con la Universidad de Columbia, fue que en la época más propicia para tener un atraco en Nueva York es de tres a cuatro de la tarde, o incluso los viernes, que son los momentos donde las patrullas están más preocupadas por el tráfico que por la seguridad. Pues, bueno, estas cosas son insights, son patrones que estaban allí en la formación y que no habíamos visto, y que gracias al Big Data podemos descubrir y podemos accionar, cambiando la manera de hacer las cosas, cambiando las estrategias. Evidentemente, también en un mundo del sector público, cobran cada vez más importancia las smart cities, que son ciudades interconectadas y mucho más dataficadas, y que esto nos va a permitir también mejoras muy importantes en la gestión de la movilidad, en la gestión del transporte, en la gestión de la energía, la gestión de la contaminación. Por tanto, el ámbito de aplicación de Big Data es enorme, lo hemos visto, el valor de negocio y el valor para el ciudadano está muy claro y todos los sectores industriales lo están aplicando para mejorar sus procesos, sus aplicaciones y sus posibilidades de tener más beneficios. [MÚSICA] [AUDIO_EN_BLANCO]
