BIG DATA - BUSINESSGOON DIGITAL
←
→
Transcripción del contenido de la página
Si su navegador no muestra la página correctamente, lea el contenido de la página a continuación
B I G DATA
ÍNDICE 1. ¿QUÉ ES EL BIG DATA? 2. APLICACIONES DEL BIG DATA 3. BIG DATA EN LA BANCA 4. BIG DATA EN EL SECTOR SEGUROS 5. NUESTRA METODOLOGÍA
1. ¿QUÉ ES EL BIG DATA?
1. QUÉ ES EL BIG DATA
❑ Big Data hace referencia al proceso de recolección y análisis de grandes cantidades de
datos para encontrar información oculta, patrones recurrentes, nuevas correlaciones,
etc., además de contribuir a mejorar la estrategia comercial y de marketing Y poder
contar con su aplicación en diferentes departamentos empresariales, como luego
veremos.
❑ CÓMO FUNCIONA:
1.
Identificar 2. 3.
FUENTES CAPTURAR TRATAMIENTO
INTERNAS Y los datos de los datos
EXTERNAS
1. QUÉ ES EL BIG DATA
ANÁLISIS FUENTES EXTERNAS
-Estudio del interés potencial a nivel online de un -Análisis del tráfico (Si la competencia funciona bien
producto o servicio por parte de la población de un significa que hay interés por el producto)
país (búsquedas) -Análisis de la Web de los competidores
-Análisis del posicionamiento SEO ¿Cómo de bien lo
-Valoración del volumen de búsquedas sobre un está haciendo la competencia? ¿Qué páginas les
sector enlazan?
-Análisis de la dificultad de posicionamiento de pago.
- Definición de las estrategias de venta Google Adwords, ¿Cuántos anunciantes hay y cómo lo
(posicionamiento de venta) por los datos estudiados están haciendo?
-Usuarios de la competencia: ¿Qué dispositivo usan?
Podemos hacer la valoración del ¿Desde qué países vienen? (Si es una web global)
atractivo del mercado digital de un país
Estudio de la competencia: Conocer al
“enemigo” nos aporta conocimiento1. QUÉ ES EL BIG DATA
ANÁLISIS FUENTES EXTERNAS
- Análisis del sentiment de la competencia y su
posicionamiento en RRSS, foros y opiniones
- Conocer referencias en el sector básicas, como los
influencers más activos, las fotos, vídeos y links que
fueron más apoyados, asi como las keywords más
sociales relacionadas con el sector / competencia
Estudio de la competencia: Conocer al
“enemigo” nos aporta conocimiento1. QUÉ ES EL BIG DATA
ANÁLISIS FUENTES INTERNAS
-Páginas más visitadas (Productos de mayor éxito y - Evolución del tráfico en la web.
oportunidades) - Analítica de RRSS y de los foros online
-Información sobre el usuario (Edad, Sexo, Ciudad…) - Medir el alcance e impacto real de los contenidos
-Procedencia del tráfico. (Puede venir de enlaces, sociales
redes sociales, búsqueda en Google…etc) -Averiguar los influencers globales y del entorno de la
-Estudio del comportamiento del usuario en la web. empresa para la estrategia de mk digital
¿Cómo se comporta el usuario en la web? ¿Qué
páginas visita? ¿Qué búsquedas realiza? (Si hay
buscador)
Los análisis de grandes volúmenes de
Los análisis de grandes volúmenes de datos ayuda a entender mejor las
datos ayuda a entender mejor las necesidades de los clientes
necesidades de los clientes1. QUÉ ES EL BIG DATA EJEMPLOS HERRAMIENTAS - SEMRush - Sistrix - Google Analytics - Google Trend - Google Adwords - Search Console - Screaming frog - Hoosuite - Facebook Analytics - Facebook Ads - LinkediN Ads - Twitter Analytics - Social mention - Talkwaker - Site 24x7
1. QUÉ ES EL BIG DATA
ORIGEN DE DATOS DEL BIG DATA
Web y Redes
Son los que se obtienen de información sobre clicks en vínculos y elementos, de búsquedas en Google,
Sociales fuentes de datos de Twitter, publicaciones en Facebook, otras RRSS y todos aquellos datos que se consiguen a
través del contenido web que los usuarios visitan, como son las páginas, las imágenes o los enlaces.
Comunicación lecturas RFID, las señales GPS o desde otros sensores (parquímetros, máquinas expendedoras, cajeros,
entre etc.)
máquinas
A través de registros de comunicaciones (llamadas, mensajería, VoIP, etc.) y de facturación (pagos con
Transacciones
tarjeta, pago online, etc.)
Biométricos Gracias al reconocimiento facial o a la información genética (ADN)
Generados
por personas Por grabaciones a operadores de atención al cliente, e-mails o registros médicos electrónicos1. QUÉ ES EL BIG DATA
TIPOS DE DATOS
DATOS ESTRUCTURADOS
• Creados: datos generados por los sistemas de una
manera predefinida (por ejemplo registros en tablas,
ficheros asociados a un esquema, etc)
• Provocados: los creados de manera indirecta a partir de
una acción realizada previamente (por ejemplo las
valoraciones que los internautas hacen de películas,
restaurantes, etc).
• Dirigido por transacciones: son aquellos que obtenemos
cuando termina correctamente una acción (ejemplo:
facturas autogeneradas al realizar una compra, recibo de
un cajero automático al realizar una retirada de efectivo,
…)
• Compilados: resúmenes de datos de empresa, o servicios
públicos de interés para un grupo. Entre ellos nos
encontramos con los censos electorales, los de vehículos
matriculados, de viviendas públicas, …)
• Experimentales: son los generados como parte de
pruebas o simulaciones que permitirán confirmar o no la
posibilidad de una oportunidad de negocio.1. QUÉ ES EL BIG DATA TIPOS DE DATOS DATOS NO ESTRUCTURADOS • Capturados: datos creados a partir del propio comportamiento de un usuario (por ejemplo, la obtención de información a través de pulseras de movimientos, de aplicaciones de seguimiento de actividades (carrera, ciclismo, natación, …), o por la posición GPS) • Generados por usuarios: son aquellos que especifica un usuario (publicaciones en redes sociales, vídeos reproducidos en Youtube, búsquedas en Google, …) DATOS HÍBRIDOS • Datos de mercados emergentes • E-commerce • Datos meteorológicos
2. APLICACIONES DEL BIG DATA
2. APLICACIONES DEL BIG DATA
¿PARA QUÉ SIRVE EL BIG DATA?
Cuantificar y
optimizar el
Entender y rendimiento
optimizar personal
Entender y los procesos
segmentar a de negocio
los clientes2. APLICACIONES DEL BIG DATA ¿PARA QUÉ SIRVE EL BIG DATA? ENTENDER Y SEGMENTAR A LOS CLIENTES Marketing y ventas son las áreas de mayor aplicación de big data. Los datos se utilizan para comprender mejor a los clientes, sus comportamientos y preferencias. El objetivo principal es crear modelos predictivos. EJEMPLOS REALES: Las empresas de telecomunicaciones pueden gracias al big data predecir mejor el churn de clientes. Los hipermercados pueden predecir mejor qué productos se venderán mejor, y las aseguradoras de coches pueden comprender mejor cómo conducen sus clientes
2. APLICACIONES DEL BIG DATA
¿PARA QUÉ SIRVE EL BIG DATA?
ENTENDER Y OPTIMIZAR LOS PROCESOS DE NEGOCIO
En el sector de retail los negocios están optimizando su stock basándose en predicciones generadas gracias a datos de
redes sociales, tendencias de búsquedas en la web y predicciones meteorológicas
EJEMPLO:
Un proceso que se está transformando gracias al big data es el de la cadena de suministro y la optimización de rutas
de reparto.
Gracias al posicionamiento geográfico y sensores de identificación por radiofrecuencia se puede realizar un
seguimiento de las mercancías y vehículos de reparto, optimizando las rutas, integrando datos de tráfico en tiempo
real2. APLICACIONES DEL BIG DATA
APLICACIONES REALES Y EJEMPLOS BIG DATA
CUANTIFICAR Y OPTIMIZAR EL RENDIMIENTO PERSONAL
El Big Data no sirve sólo a empresas, sino también a la sociedad
en general. Todos los usuarios podemos beneficiarnos de los
datos que generan, por ejemplo, los dispositivos como los
smart watches o pulseras, que registran de forma automática
los datos de consumo de calorías, niveles de actividad,
condición física o incluso los patrones de sueño.2. APLICACIONES DEL BIG DATA APLICACIONES REALES Y EJEMPLOS BIG DATA 1/ Real-time marketing y native advertising: 2/ Información y user experience (UX) personalizadas: ➢ Permite una mayor personalización de los ➢ Los reyes en este tema son gigantes como Google, Facebook anuncios de Display que aparecen en las páginas o Amazon, quienes lideran esta carrera porque, gracias al en las que los usuarios navegan, además de Big Data, consiguen ofrecer a cada uno de sus usuarios una conocer el comportamiento global de un experiencia única cuando entra en sus páginas, en las que internauta. los contenidos y las sugerencias serán personalizadas en ➢ Tiene en cuenta no sólo la visita de un usuario en función a sus búsquedas, intereses, edad, etc. un sitio de e-commerce sino su navegación en páginas de contenido, periódicos, redes sociales, lo que ayuda a tener una visión más amplia de sus intereses. ➢ Native advertising: Se basa en el análisis del contenido que está viendo el usuario para insertar durante lectura un anuncio relacionado con lo que el internauta está leyendo en ese mismo momento. De esta manera, se enlaza contenido y anuncio, lo que hace que el usuario tenga una percepción más positiva hacia el anunciante.
2. APLICACIONES DEL BIG DATA APLICACIONES REALES Y EJEMPLOS BIG DATA 3/ El Marketing Automation o la automatización del marketing El Marketing Automation utiliza la tecnología para gestionar y automatizar la relación con un potencial cliente en todo su proceso de compra, desde la captación hasta que confirma el “carrito”. El objetivo de esta técnica es no perder ninguna oportunidad de venta y mejorar así la conversión. ¿Y cómo ayuda el Big Data? Con la máxima personalización a lo largo de todo el contacto del usuario con la tienda online.
2. APLICACIONES DEL BIG DATA APLICACIONES REALES Y EJEMPLOS BIG DATA 4/ Análisis predictivo ➢ Pocas son las empresas que analizan los flujos de datos de fuentes externas y se centran en el análisis de los flujos que provienen de sus propios canales de interacción con sus consumidores: página web, canal Youtube, newsletter etc… ➢ Captando ahora varios flujos de datos y cruzándolos entre ellos para analizarlos, llegamos a una visión mucho más amplia del consumidor. Y todo esto, que se consigue gracias al Big data, permite adaptar mejor las acciones de marketing operacional y definir escenarios de marketing automatizado adaptado a cada segmento definido. ➢ El objetivo al final es llegar a un análisis predictivo del comportamiento del consumidor que permitirá anticipar las necesidades del cliente y enviarle la información o propuesta correcta en el momento que lo necesita.
3. BIG DATA EN LA BANCA
3. BIG DATA EN LA BANCA POR QUÉ • Los clientes están demandando una transformación digital en todos los sectores. La sinergia entre la Analítica de datos, la Inteligencia Artificial y Big Data sustentan las bases de esta transformación digital. • Para una entidad bancaria puede traer consigo unos beneficios en su cuenta de resultados gracias a la optimización de los procesos internos y una óptima toma de decisiones. • La Analítica de datos en sus tres vertientes, descriptiva, predictiva y prescriptiva permite detectar patrones y comportamientos de los clientes para predecir situaciones y que las empresas puedan anticiparse a la toma de decisiones. • El poder, de esta manera, recomendar productos y servicios personalizados al cliente, consiguen una mejor experiencia del mismo. La Inteligencia Artificial, y más concretamente el Machine Learning, permite aprender los patrones y comportamientos detectados en los clientes. • El Big Data permite gestionar volúmenes ingentes de información y su procesamiento de forma ágil; cuanto mayor sea el volumen de información, más acertados serán los patrones y comportamientos detectados. Y la banca cuenta con mucha cantidad de datos y muy válidos, con un alto conocimiento del cliente.
3. BIG DATA EN LA BANCA
CÓMO
• La sinergia entre estas tecnologías: permiten a las
Analítica de datos, Machine Learning (o Deep
Learning) y Big Data empresas innovar en todas sus
estructuras y ofrecer al cliente un servicio totalmente
personalizado y a medida. Los datos son el petróleo
del siglo XXI y estas tecnologías los explotan
cuidadosamente para ofrecer servicios a medida y una
nueva perspectiva, que ya demanda el cliente.
• El sector financiero se ha percatado de la cantidad de
datos que generan cada uno de sus clientes
diariamente y se está reformando totalmente para
extraer el máximo conocimiento oculto en esos
volúmenes de información, que hasta el momento, no
aportan valor; el objetivo es tener al cliente y sus
datos como epicentro del negocio.3. BIG DATA EN LA BANCA S I N E R G I A S Q U E P U E D E A P R OV EC H A R E L S EC TO R F I N A N C I E R O : • C u e n t a I n te l i g e n te : El objetivo es que la entidad financiera ofrezca al cliente un nuevo concepto de cuenta por un servicio de valor añadido que le permita recibir predicción de gastos futuros y posibles descubiertos a corto o medio plazo, analizar sus comportamientos basándose en los gastos generados, categorización automática de movimientos para consultar por grupos, comparar gastos con clientes anónimos del mismo perfil o recomendaciones de productos que cubran las necesidades concretas del cliente.
3. BIG DATA EN LA BANCA
SINERGIAS QUE PUEDE APROVECHAR EL SECTOR
FINANCIERO:
• P r o d u c t o s f i n a n c i e r o s p e r s o n a l i z a d o s : Cada
cliente tiene su propia actividad económica y gracias a la analítica
de datos, se detectarán patrones y comportamientos que
permitan ofrecerle productos financieros personalizados y a
medida que logren una mejor experiencia del cliente y mayor
satisfacción.
• Nuevas oportunidades de negocio sobre
c l i e n t e s d e l a e n t i d a d : Además de la información que
dispone el banco sobre la actividad económica de cada cliente,
ahora también puede tener acceso a información externa del
mismo, como de redes sociales o comportamientos en Internet,
que permitan enriquecer el ecosistema de datos que rodea a
cada cliente. Analizar la información externa permite al banco
nuevas oportunidades de negocio: si el cliente sube a una red
social sube fotos de un tipo de coche y manifiesta su interés, el
banco puede generar, en ese preciso momento, una oferta de un
producto de crédito que se ajuste sus necesidades concretas, que
la reciba a través de la propia red social y la pueda contratar con
“muy pocos clics” rápidamente.3. BIG DATA EN LA BANCA SINERGIAS QUE PUEDE APROVECHAR EL SECTOR FINANCIERO: • Nuevas oportunidades de negocio para p e r s o n a s n o c l i e n t e s : Incluir el análisis de datos externos puede generar nuevas oportunidades de negocio incluso sobre personas que no son clientes de la entidad financiera [7, que puede detectar necesidades financieras concretas de una persona y ofrecerle un producto que solvente una situación particular y quizás, pueda desencadenar en un futuro, el alta del mismo. • G e s t i ó n d e r i e s g o s y p r e v e n c i ó n d e l f r a u d e : Son los dos casos de usos pioneros en las entidades bancarias basados en la analítica de datos, machine learning y big data. • Recomendador interno de dónde ubicar f í s i c a m e n t e u n a o f i c i n a ( s u c u r s a l ) : La entidad financiera deberá recopilar datos sobre qué zonas de la ciudad son frecuentadas por sus clientes, en qué horarios, dónde hacen sus compras, qué tipos de clientes son y qué en qué zonas tiene menor número de clientes y aplicando analítica podrá determinar cuál es la zona que le generará mayores beneficios para ubicar la sucursal.
3. BIG DATA EN LA BANCA
SINERGIAS QUE PUEDE APROVECHAR EL SECTOR
FINANCIERO:
• Recomendador interno de dónde ubicar
f í s i c a m e n t e u n c a j e r o a u t o m á t i c o : Igualmente
que en el caso anterior, el banco deberá analizar las zonas de
la ciudad en las que sus clientes concentran sus gastos, cómo
lo hacen y en qué zonas de la ciudad sus clientes utilizan
cajeros de otra entidad financiera.
• Recomendador de cuánto dinero cargar el
cajero automático en fines de semana y
f e s t i v o s : Analizando el calendario local de la ubicación del
cajero, las condiciones climatológicas y los eventos de la
ciudad y su ubicación pueden determinar óptimamente cuál
es la cuantía adecuada para cargar el cajero automático, con
el objetivo de no bloquear mucho dinero ni que se impida dar
el servicio por falta del mismo.3. BIG DATA EN LA BANCA SINERGIAS QUE PUEDE APROVECHAR EL S E C TO R F I N A N C I E R O : • Predecir cuándo un cliente abandonará la entidad: Analizando la actividad de la cuenta de un cliente, y combinando la información con datos internos del resto de canales (oficina o web) y datos externos, de redes sociales, se puede determinar si el cliente abandonará la entidad. Si durante un tiempo no hay movimientos en su cuenta, no visita la web ni acude a la oficina y en redes sociales comienza a seguir a otra(s) entidad(es), se puede predecir cuándo el cliente abandonará la entidad. Ante la detección de este escenario de abandono, entra en juego la capacidad de recomendación de productos o mejoras para retener al cliente (qué tiene contratado, cuál es su actividad y qué podemos ofrecerle). • O p e r a c i o n e s m á s f r e c u e n t e s e n c a j e r o s : Muchos clientes de la entidad, cuando que acuden a un cajero automático, siempre realizan la misma operación; el objetivo es determinar el patrón y su comportamiento y ofrecerle dicha operación directamente evitando preguntas y navegaciones. Por ejemplo, un cliente que habitualmente realiza la misma operación, al introducir la tarjeta, únicamente pulsará el botón de operación más frecuente y el cajero, le entregará sus 50 €, a débito y sin recibo. De esta forma se consigue que el cliente tarde mucho menos tiempo en realizar su operación y conseguir una mayor satisfacción en su gestión.
3. BIG DATA EN LA BANCA S I N E R G I A S Q U E P U E D E A P R O V E C H A R E L S E C TO R F I N A N C I E R O : • A n a l i z a r c u á l e s l a v í a m á s a d e c u a d a p a r a c o m u n i c a r s e c o n e l c l i e n t e : Los clientes demandan recibir las notificaciones de su banco a través de los nuevos canales que utilizan de forma predeterminada: redes sociales, correo electrónico o mensajería instantánea. Debemos analizar cuál es el canal prioritario del cliente, aquel con el que se siente más cómodo para recibir notificaciones y canalizarlas por dicha vía. • N u e v a s v í a s d e n e g o c i o p a r a m o n e t i z a r l o s d a t o s a g r e g a d o s y a n ó n i m o s : Los datos de los clientes suponen el activo más importante de la entidad financiera, pero a su vez, esta información puede suponer un gran valor para otra entidad financiera o empresa, que explote dichos datos anonimizados y agregados. Por ejemplo, puede resultar una oportunidad importante de negocio vender los datos anonimizados de los gastos de suministros habituales de un cierto perfil de población para que empresas del sector diseñen ofertas atractivas. • O p t i m i z a c i ó n d e p r o c e s o s y r e c u r s o s d e l a e n t i d a d : Recopilar datos de procesos y recursos de la entidad y su posterior análisis, permitirá descubrir patrones y comportamientos ocultos y desconocidos hasta el momento, que permitan maximizar el beneficio con un menor gasto.
4. BIG DATA EN EL SECTOR SEGUROS
4. BIG DATA EN EL SECTOR SEGUROS ¿A QUÉ SE ENFRENTAN LAS ASEGURADORAS EN EL NUEVO MUNDO DIGITAL? En los últimos años estamos presenciando una revolución tecnológica que ha cambiado decisivamente la forma en la que trabajamos, vivimos y nos relacionamos. Internet y las redes sociales nos permiten interactuar con amigos, familiares y empresas de una nueva manera, alterando los modelos de negocio empresariales tradicionales. Los clientes tienen vidas cada vez más digitales, con acceso a tecnología e información que les permiten tomar decisiones mejores y más eficaces en sus interacciones diarias con empresas y otros individuos.
4. BIG DATA EN EL SECTOR SEGUROS 1. Redefinición 1. Innovación
de modelos tradicionales en producto/prestación
en producto y servicio, nuevas
2. Visión consistente del
formas de interactuar, trabajar,
socialización de los clientes “cliente integral”, venta cruzada
RETOS 2. Esfuerzos en el ámbito regulatorio, y retención
tecnológico y operativo, orientados al 3. Omnicanalidad
control/prevención del fraude y blanqueo 4. Eficiencia operativa
de capitales 5. Entorno regulatorio
3. Revisión continua buscando
agilidad, flexibilidad y
transparencia a través
del asesoramiento
1. Incrementar
la penetración del seguro
1. Tecnología todavía en niveles muy bajos, siendo
y operativa orientada PEI. del 1,3% en China y del 0,6% en India
a eficiencia y transparencia. 2. Desarrollo del canal Web y movilidad como
Desarrollo del canal Web y movilidad canal prioritario para la industria del seguro
como canal importante (Asia tiene la mitad de dispositivos móviles
2. Promoción para que los gobiernos mundiales)
instaren la obligatoriedad de los seguros 3. Desarrollo e innovación en productos
de forma normativa SUAVE*, como evolución de microseguro
3. Penetración en mercados, hasta ahora 4. Claridad y agilidad en producto y servicio
fuera de target, a través de la customización y mejora en la formación de una red
e innovación en productos como los de comerciales profesional
productos SUAVE* y regulada
4. Concienciación al mercado
de las ventajas del
seguro
*SUAVE: Simple, Understood, Accesible, Valuable, Efficient4. BIG DATA EN EL SECTOR SEGUROS
¿A QUÉ SE ENFRENTAN LAS ASEGURADORAS EN EL NUEVO MUNDO DIGITAL?
Las compañías aseguradoras líderes están descubriendo maneras de canalizar este
cambio, al situar a sus clientes en primera línea y en el centro de su negocio
Las aseguradoras deben entender este nuevo ecosistema digital y atender a un
cliente que demanda servicios adaptados a su forma de trabajar, socializarse,
cooperar, divertirse, buscar, comprar, etc.
Los nuevos canales de relación con la aseguradora (Social Media, Smartphone,
comparadores, etc.) tienen un carácter global “no exclusivo” de las economías
avanzadas, siendo un ámbito fundamental a considerar en la definición de
productos, servicios y estrategia de comercialización.4. BIG DATA EN EL SECTOR SEGUROS
¿A QUÉ SE ENFRENTAN LAS ASEGURADORAS EN EL NUEVO MUNDO DIGITAL?
La digitalización y entender al nuevo cliente está transformando la industria
de los seguros, creando nuevas oportunidades. Sin embargo, son
necesarios cambios significativos:
• El nuevo mundo digital desafiará los modelos de negocio tradicionales, los
canales y los procesos de negocio existentes, lo que requerirá hacer cambios
significativos en la organización y adoptar nuevas competencias.
• Las aseguradoras que consigan centrarse en el cliente, estarán mejor
posicionados para satisfacer la demanda de la “next generation”, basada en
interacciones electrónicas, nuevos productos y mejorar la gestión de la
experiencia con el usuario.
• La digitalización permitirá ventajas competitivas a largo plazo para las
primeras aseguradoras que la adopten en su estrategia.4. BIG DATA EN EL SECTOR SEGUROS SOCIAL MEDIA La gestión de Social Media está aterrizando en el sector asegurador, nuestra visión en este ámbito debe estar centrada en áreas como 1) La transformación de la experiencia del cliente 2) La conversación social para el diseño de nuevos productos 3) La creación de una fuerte diferenciación utilizando atributos emotivos
4. BIG DATA EN EL SECTOR SEGUROS
SOCIAL MEDIA: APROVECHANDO LA EFICACIA
Ruptura del silencio Mejor comunicación con los clientes. Mayor número de canales y más formas de estar en contacto con
ellos, lo cual enriquece sin duda la comunicación y facilita el contacto inmediato en tiempo real
Innovación en A través de la participación del cliente en el diseño mejorado del producto utilizando análisis social
oferta Es conocer lo que piensan o necesitan los clientes para identificar nuevas oportunidades y tomar decisiones estratégicas
Transformación de A través de análisis de fraude en medios de comunicación social, mejorando la rentabilidad a través de la
suscripción búsqueda de perfiles de riesgo social
Mejora de la Mejora del proceso de venta mediante análisis social
eficiencia operativa
Mejora del valor de A través de información relevante, llegar a los amigos de nuestros clientes y difundir la filosofía de compañía, los
productos/servicios, etc. La viralidad de las redes sociales constituye un elemento clave y beneficioso a la hora de
la marca amplificar el mensaje
Llegar a muchos El objetivo es que los usuarios conviertan en la web, conozcan los productos, hablen con la compañía
más clientes sobre ellos y pregunten cuál les encaja más.4. BIG DATA EN EL SECTOR SEGUROS
OMNICANALIDAD
Cotizar, Emitir, Pagar: envío de solicitudes,
cotización, selección de riesgos, alta de la póliza,
emisión, generación de condicionados generales y
El consumidor opera de manera natural a través de particulares, firma digital, entre otros.
múltiples dispositivos, que alterna de forma fluida
a lo largo del día en función del contexto y de sus Gestión de siniestros: apertura, recepción y gestión
necesidades (ubicación, tiempo disponible, objetivo, de la documentación de una tramitación del
estado mental). siniestro, comunicación y resolución de
Información: posibles incidencias con el cliente,
proporcionar información al cliente del siniestro
El uso del móvil en el seguro por lo general se
información
relaciona con las capacidades de autoservicio que las sobre la
aseguradoras pueden implementar para los agentes y compañía,
para clientes, tales como cotización, solicitud, productos,
emisión, siniestros o impresiones. prestadores de
servicio,...4. BIG DATA EN EL SECTOR SEGUROS
OMNICANALIDAD
La aseguradora omnicanal aporta acceso fluido a productos y
servicios aseguradores, dónde y cuando quieran los clientes.
Para el sector asegurador, el desafío
Ellos controlan los canales que quieren utilizar.
de la omnicanalidad es ofrecer al
cliente mejor alternativa ya sea
La omnicanalidad en seguros empieza por entender las
comercial, informativa u operativa
necesidades y comportamientos de sus consumidores,
independientemente del contexto
diseñando experiencias que encajan el producto dentro de
en el que se encuentre
sus hábitos naturales y vidas cotidianas.
Sólo en ese momento, se eligen y optimizan tecnologías
adecuadas para suministrar experiencias de un modo eficaz,
gratificante y consistente para el consumidor.4. BIG DATA EN EL SECTOR SEGUROS
ANALYTICS
Nuestra generación debe afrontar el reto de saber gestionar la información en tiempo real y a día de hoy el Bigdata lo permite.
Las aseguradoras manejan enormes volúmenes de datos fruto de las interacciones y transacciones que se registran
sistemáticamente en servidores distribuidos; transacciones que registran la actividad operativa de la organización (como
cotización, contratación o gestión de cartera) y las relaciones con los clientes dentro (declaración de siniestro, gestión de la
prestación) y fuera del negocio (como su voz en las redes sociales).
El actual reto es utilizar
los datos a nuestra
disposición para
transformarlos en
conocimiento que guíe
las estrategias y
decisiones4. BIG DATA EN EL SECTOR SEGUROS
ANALYTICS
A todos los niveles, los modelos
estadísticos nos permiten reducir la
incertidumbre y aumentar la
capacidad y eficiencia de los
procesos.
Nuestra oferta de servicios en estos tres
niveles responde a las siguientes
necesidades de negocio
Fidelización Desarrollo
Estrategia Inteligencia Experiencia Captación
y retención competitiva áreas
comercial de cliente de clientes geográficas4. BIG DATA EN EL SECTOR SEGUROS
ANALYTICS
A todos los niveles, los modelos Conocimiento Plan de
Cross y up-
Cesta de Diseño de
Segmentación
y lifetime del marketing productos /
estadísticos nos permiten reducir la cliente segmentado
estratégica selling
recomendador
campañas
incertidumbre y aumentar la
capacidad y eficiencia de los
procesos.
Nuestra oferta de servicios en estos tres
niveles responde a las siguientes
Seguimiento Eficiencia Pricing y Calidad y
necesidades de negocio Carterización Satisfacción enriquecimiento
comercial publicitaria sensibilidad
del dato
al precio4. BIG DATA EN EL SECTOR SEGUROS
ANALYTICS
A todos los niveles, los modelos
estadísticos nos permiten reducir la
incertidumbre y aumentar la Dimensiona Estimación Prevención Gestión de Gestión de
Gestión de
de la
capacidad y eficiencia de los miento de
demanda
de fraude
canales inventarios proveedores
servicios
procesos.
Nuestra oferta de servicios en estos
tres niveles responde a las siguientes
necesidades de negocio4. BIG DATA EN EL SECTOR SEGUROS
ANALYTICS
• Datos
La incorporación de capacidades analíticas avanzadas
Pasado históricos
en el ADN de las aseguradoras supondrá ventajas
competitivas, ya que establece una base robusta sobre
la que construir estrategias de fidelización, retención y • APRENDER
crecimiento. • Aprender de datos
Presente históricos
Se obtiene un conocimiento profundo sobre las • Identificar patrones
características y patrones que explican el • Validar resultados
comportamiento de los clientes y las relaciones • PREDECIR
complejas de estas variables con los KPI del negocio. • Anticiparnos
Este conocimiento se puede explotar definiendo
acciones tácticas y estratégicas para maximizar el valor
Futuro al evento
calculado una
de los clientes, su satisfacción, rentabilidad y nuestros probabilidad
resultados a partir de la anticipación a sus futuras
necesidades.4. BIG DATA EN EL SECTOR SEGUROS
BIG DATA
De todas las aplicaciones que Big Data tiene, las aseguradoras demandan
explotar el valor de sus datos para potenciar su relación con el cliente desde la
captación a la fidelización
En el sector asegurador son pocos los momentos en los que se
interactúa con el cliente y en los que se puede obtener información,
haciendo que sea muy importante ofrecer un servicio personalizado y
ágil. Para ello, los datos son fundamentales como materia prima
para la inteligencia de negocio, que lejos de ser una herramienta
complementaria, como es vista aún en otros sectores, se trata de un
activo a ser explotado en un sector altamente competitivo y centrado
en el cliente.4. BIG DATA EN EL SECTOR SEGUROS
BIG DATA
Actualmente, las empresas del sector están invirtiendo en impulsar el proceso de transformación digital, aunque
muchas carezcan de objetivos claros que marquen su hoja de ruta. El volumen de facturación de una empresa no siempre
está ligado al grado de madurez Big Data y son pocas las que han conseguido explotar con éxito el valor de los datos.
Las empresas aseguradoras disponen de una cantidad ingente de datos generada a lo largo de los años y uno de
los principales problemas que tienen que afrontar es precisamente saber cómo gestionar su propia información.
Dicha información es de vital importancia para la organización, ya que el perfilado del cliente en sí mismo es la esencia del
seguro y del sector: analizando tanto el perfil de los mismos y su comportamiento en el pasado, es decir cómo ha
interactuado con la marca, con sus productos y el uso que ha hecho de las pólizas, se pueden descubrir patrones que
permitan predecir su comportamiento futuro.
Un mayor conocimiento del cliente servirá como base para el desarrollo de iniciativas basadas en el valor
aportado por los datos y que se traducen en generación de nuevos ingresos, en mejora de la eficiencia
operativa y de procesos, o en la detección de fraude y riesgo4. BIG DATA EN EL SECTOR SEGUROS
BIG DATA
Los datos que las empresas aseguradoras poseen de forma natural son los relativos a las distintas fases del ciclo de vida
del cliente, por lo que surgen áreas de trabajo evidentes en las que la explotación de datos juega un valor diferencial:
CAPTACIÓN FIDELIZACIÓN PREDICCIÓN DETECCIÓN FRAUDE
• Un caso de uso típico sería • Mediante acciones de cross- • Big Data permite también • El análisis de todas las fuentes
el pricing dinámico, que selling y up-selling se puede predecir los posibles impagos de información permite
permite calcular en tiempo alargar la vida del cliente y e incluso el riesgo de fuga de identificar patrones de
real y con los datos que el maximizar la relación un cliente hacia otra compañía comportamientos irregulares
potencial cliente facilita el comercial con él. aseguradora antes de que este de los clientes pero también
índice de riesgo para la • Una vez identificado el valor tome la decisión. permite optimizar la gestión
compañía. del cliente, los datos de la • Esto es posible gracias a la con proveedores (grúas, flotas,
• Basándose en dicho riesgo se propia aseguradora se pueden recopilación de información etc.) ajustando calidad y coste
determina el perfil del cliente cruzar con datos externos. Por de insatisfacción del cliente y del servicio que la aseguradora
(en función de su valor ejemplo: datos y estadísticas la búsqueda de correlaciones recibe de sus proveedores
potencial) y se calcula la prima del INE, del Catastro, de que identifiquen variables o ante el siniestro de un cliente.
idónea. meteorología, así como datos hechos que alarmen y • Asimismo, el análisis de los
de tráfico y el tipo de permitan predecir qué clientes datos puede servir para
desplazamientos en coche (en tienen un riesgo de fuga detectar irregularidades en el
el caso de seguros de elevado o inminente. equipo comercial de la
automóvil). compañía o en la red agencial.4. BIG DATA EN EL SECTOR SEGUROS
EL CLIENTE COMO EJE CENTRAL
Sin ninguna duda, el cliente está modificando sus hábitos y
comportamientos. Hoy, gracias a la sociedad de la información, se han
vuelto más exigentes y conocen con mayor detalle las características de los
diferentes productos, servicios y precios asociados.
Es en este contexto de mercado donde existe una gran oportunidad para
aquellas compañías que consigan identificar aquellos clientes que les aportan
un mayor valor y se conviertan en promotores de la compañía.
Una vez las aseguradoras identifican como estrategia central la fidelización de
sus clientes, convirtiéndose en pilar de la transformación de sus modelos de
negocio, el sector ha descubierto a un cliente lejano, apenas conocido y
comprendido, desatendido en ocasiones y muchas veces confiado al cuidado
de terceros.4. BIG DATA EN EL SECTOR SEGUROS
EL CLIENTE COMO EJE CENTRAL
Es en este contexto de mercado donde existe una gran oportunidad para aquellas compañías que consigan identificar
aquellos clientes que les aportan un mayor valor y se conviertan en promotores de la compañía.
Existen diferentes grados de madurez necesarios para el desarrollo e implantación de modelos orientados a cliente.
Enfoque global Conocimiento Definir Ejecutar Mantener una compañía orientada al cliente
hacia toda la Planificar
organización Priorizar
Repositorios de Repositorios de Repositorios de Analítica
Propuesta de Orientación al
clientes por clientes por clientes por Ejecutar avanzada de
valor cliente
negocio negocio negocio clientes
Enfoque sólo
tecnológico Conocimiento del cliente4. BIG DATA EN EL SECTOR SEGUROS
EL CLIENTE COMO EJE CENTRAL: CONOCIMIENTO
La agilidad, capacidad de reacción y predisposición a liderar
el cambio en un mercado en constante competencia, pasa
forzosamente por presentar información de negocio y
cliente, confiable, integrada, e inmediata en un
“Repositorio con visión única de cliente”. Un modelo
integrador que aporta coherencia, calidad de la
información y trazabilidad de la relación del cliente con la
compañía.
Es un modelo imprescindible para conocer al
cliente, detectar sus necesidades y potenciar la
inteligencia comercial4. BIG DATA EN EL SECTOR SEGUROS
EL CLIENTE COMO EJE CENTRAL: DEFINIR, PLANIFICAR Y PRIORIZAR
Modelos de Gestión Comercial Segmentados, basados
en el conocimiento profundo del cliente, desarrollando una
propuesta de valor atractiva, estructurada en el largo
plazo, y diferenciada de la competencia.
Acciones comerciales, operativas e informativas cuya
intensidad, contenido, coordinación y priorización, viene
orquestado por un plan comercial alineado con los
objetivos del Modelo de Gestión Comercial4. BIG DATA EN EL SECTOR SEGUROS
EL CLIENTE COMO EJE CENTRAL: EJECUTAR
Para cada una de las fases del “Pasillo-Etapas de la
experiencia del cliente”, se identifican “momentos de la
verdad del cliente” sobre los que la aseguradora debe plantear un
plan de acción para mejorar, mantener o potenciar dicha
experiencia del cliente. La ejecución de un Plan de acción es la
operativización/materialización de todo el proceso analítico
previo que se ha realizado en las iniciativas internas de Customer
Experience llevadas a cabo por la asegurador
“Entender las necesidades del cliente”, “que el cliente nos
encuentre y nos elija”, “proceso de suscripción a medida del
cliente”, “excelencia en la apertura, tramitación y cierre de
siniestros”, “Asesoramiento proactivo. Ruptura del silencio” y
“procesos de renovación integrales de clientes, no en póliza
concreta”4. BIG DATA EN EL SECTOR SEGUROS EXPERIENCIA DEL CLIENTE
4. BIG DATA EN EL SECTOR SEGUROS DISTRIBUCIÓN El conocimiento del cliente Composición cartera de Corredores Composición cartera de Agentes (interacciones, reclamaciones, acciones operativas realizadas, servicios utilizados, segmento al que pertenece, productos...) debe residir en todos los canales y ser homogéneo. Sin embargo el servicio debe ser diferenciado, ya que sus expectativas por canal son diferentes.
4. BIG DATA EN EL SECTOR SEGUROS
DISTRIBUCIÓN
Omnicanalidad también significa que las acciones comerciales e informativas estén alineadas entre los canales, que
priorice y bloquee la ejecución de dichas acciones basándose en la información del cliente. Existen grandes
oportunidades de mejora en cada uno de los canales existentes en las aseguradoras
Orientación de los canales tradicionales a incrementar su actividad comercial, de asesoramiento
y su alineación con el resto de canales
Precio
El esfuerzo del canal mediado se debe
dirigir especialmente a aquellos • Todavía es una variable relevante en los productos commodities,
principal producto de las carteras mediadas, y provoca que el cliente no
productos y servicios que requieran de perciba la capacidad de asesoramiento del canal mediado
un mayor asesoramiento e identificación
de necesidades específicas del cliente Productos Commodities
(empresas, vida riesgo y ahorro • Se sigue poniendo foco comercial en soluciones de Autos, Accidentes,
complejos, affinities, salud…) Vida, etc., que representan un alto porcentaje de la cartera mediada4. BIG DATA EN EL SECTOR SEGUROS DISTRIBUCIÓN El canal mediado debe enfocar la mayor parte de su tiempo en actividades de comercialización, de asesoramiento y de ofrecer información de valor. Al mismo tiempo, alinearse con los nuevos canales a través de los que contacta el cliente con la aseguradora. Esto permite dar una mayor robustez y cercanía en servicios a través de canales directos como Internet-Portal Web, Redes sociales, Área de cliente, Apps…
4. BIG DATA EN EL SECTOR SEGUROS
DISTRIBUCIÓN
Soporte tecnológico móvil que ayude a fomentar el enfoque de
los canales tradicionales hacia actividades comerciales y de
asesoramiento
Existen ejemplos actualmente donde se busca
esa alineación entre el agente y el Portal Web, En el caso de productos de empresas, los agentes y corredores deben
mediante un proceso de compra o de consulta contar con herramientas que les permita:
que el cliente percibe como educativo e incluso
Estandarizar y automatizar el proceso comercial de venta masiva para pequeñas empresas
entretenido (mediante vídeos, ejemplos de y comercios
situaciones de la vida diaria, asesoramientos en
prevención...). Para productos existentes cerrados y sencillos, facilitar la venta al agente, perdiendo el
miedo a la complejidad técnica.
En el caso de solicitud de presupuestos o de El precio que muestra al cliente en ese momento es el definitivo, es decir que no haya
modificaciones tras revisiones periciales o actuariales que hagan desconfiar al cliente
compra de productos más complejos, el cliente
tiene la posibilidad de acceder a opciones del Agilizar el proceso comercial de venta, eliminando del proceso la intervención del perito y
tipo “Hable con el agente”, donde recibirá el liberando de carga a los actuarios de empresa
mejor asesoramiento e incrementará la
Tarificar y aconsejar la mejor oferta para el cliente, según las condiciones marcadas
probabilidad de cierre de la venta...4. BIG DATA EN EL SECTOR SEGUROS
DISTRIBUCIÓN
Este tipo de herramientas deben
potenciar y soportar la
comercialización de productos y el
asesoramiento. Sin embargo, hay que
considerar todas las implicaciones a lo
largo de todo el flujo comercial y
facilitar la comunicación entre el
ámbito de definición y el de ejecución,
entre lo que quiere el cliente y lo que la
aseguradora le ofrece a través del canal
mediado.4. BIG DATA EN EL SECTOR SEGUROS
DISTRIBUCIÓN: EXPERIENCIA DEL CLIENTE
Un modelo digital de relación aterrizado en
oportunidades comerciales y en un servicio más
inmediato y cercano al cliente, fundamentado en un
modelo operativo, organizativo y tecnológico que
busca alinear los canales directos y la proactividad en
la escucha activa del cliente...
Modelo comercial proactivo
• Anticipación a que el cliente busque otras ofertas,
conocimiento de preferencias.
Disminución de costes operativos
• Área de cliente, disminución de consultas recurrentes en C.C,
cultura paperless...)
Cercanía y fidelización
• Que realmente sean canales de demanda y comercialización
para el cliente4. BIG DATA EN EL SECTOR SEGUROS
INTERNACIONALIZACIÓN
Actualmente muchas compañías aseguradoras trabajan en
cada país de forma aislada y presentando una consolidación
final de los resultados, es decir, el tradicional modelo
“multinacional”.
Las compañías deben ir hacia un modelo
internacional o global sin olvidar la gestión local del
negocio que hay que homogeneizar
Hay que tener en cuenta aquellos aspectos que el cliente
valora como locales: producto, determinados servicios,
proveedores que conocen el cliente local y formas de operar
en la región, atención en canales...4. BIG DATA EN EL SECTOR SEGUROS
INTERNACIONALIZACIÓN
Aprovechando las sinergias entre diferentes países
• Creación de centros de especialización para acciones en Contact Center, servicios IT, servicios de las áreas
técnicas, gestiones administrativas, etc.
Un modelo global, por tanto, Valorando la creación de Centros de Servicios compartidos
permite a la aseguradora • Considerando el traslado fuera de la empresa de ciertos procesos a centros de desarrollo especializados.
adaptarse a las necesidades • Incluso se plantea el traslado completo de la operativa a proveedores externos, estableciéndose acuerdos
de servicio basándose en unos indicadores de rendimiento y calidad definidos y acordados con la entidad
del cliente específico de la bajo un modelo de BPO en el que el proveedor se transforma realmente en un partner.
región, al mismo tiempo que
refuerza los ámbitos de Compartiendo las mejores prácticas a nivel global
oportunidad previamente
• Acometiendo los proyectos estratégicos de la mano de varios países. Esto aporta más valor y
definidos en los apartados de diferenciación al output final.
“cliente” y “eficiencia y
calidad”: Eliminando redundancias duplicidades operativas, organizativas y tecnológicas
Acompañando al cliente globalmente ofreciendo el mismo nivel de servicios4. BIG DATA EN EL SECTOR SEGUROS
INTERNACIONALIZACIÓN
Para conseguir llegar a este nivel de Globalidad Plena, es importante establecer claramente:
Un modelo de Un modelo de Mecanismos de
gobierno gestión y de decisión y
comprometido con comunicación global, priorización
estos objetivos que permita que los (estratégica,
apoyado en canales proyectos comercial,
y mecanismos de multiregión cumplan operativa…), donde
comunicación que “on time”, “on impere el beneficio
hacen desaparecer budget”, “on global por encima
las barreras de scope”... del beneficio local, a
lenguaje, culturales y todos los niveles:
de gestión... Comercial, Técnico,
de Servicio...4. BIG DATA EN EL SECTOR SEGUROS
CONCLUSIONES
La revolución tecnológica está cambiando los paradigmas existentes hasta la fecha, el
ritmo de cambio es cada vez más rápido y plantea retos incesantes
La nueva generación de clientes ya está aquí, en los próximos 5 años, menos del 25% de
las aseguradoras que operan en mercados maduros habrán ejecutado una estrategia de
negocio centrada en el nuevo cliente.
Las Compañías aseguradoras deben entender estos cambios y prepararse contra la
brecha “digital” y de preferencias de los consumidores actuales y próximas generaciones4. BIG DATA EN EL SECTOR SEGUROS CONCLUSIONES
4. BIG DATA EN EL SECTOR SEGUROS CONCLUSIONES
4. BIG DATA EN EL SECTOR SEGUROS CONCLUSIONES
4. BIG DATA EN EL SECTOR SEGUROS CONCLUSIONES EVOLUCIONAR EN EL TIEMPO
4. BIG DATA EN EL SECTOR SEGUROS
CONCLUSIONES
ANALIZAR EL IMPACTO EN LA TECNOLOGÍA5. NUESTRA METODOLOGÍA
1.Estrategia
Big Data
PROCESO BIG DATA
2.Arquitectura
de datos
1. AUDITORÍA
DE SISTEMAS Y
3.Ingeniería
TECNOLOGÍA
de datos
4.Analítica
de datos
2. AUDITORÍA
DE DATOS
5.Visualización
de datos
6.Internet of
3. PROTOCOLO Things
DE GOBIERNO
DE DATOS
7.Gobierno de
datosESTRATEGIA BIG DATA
❑ Diseñar una estrategia Big Data es clave para asegurar el éxito de la transformación
digital que debe emprender una empresa para adaptarte a las nuevas demandas y
necesidades de los clientes.
❑ Para ello es fundamental:
❑ El liderazgo
❑ El diseño de una estrategia horizontal en la organización
❑ El cambio cultural interno.ESTRATEGIA BIG DATA
❑ Nuestro equipo de consultores expertos en Big Data le
ayuda a definir el Roadmap de su estrategia Big Data a
partir de un diagnóstico inicial que tendrá en cuenta la
madurez tecnológica de su empresa y los aspectos de
De empresas A
reactivas empresas negocio a mejorar.
predictivas
❑ Para entender bien las necesidades y objetivos de la
empresa será fundamental el trabajo colaborativo de
ambos equipos.ESTRATEGIA BIG DATA
DIAGNÓSTICO DIGITAL
Protocolo de
Gobierno de
Auditoría de Datos
datos
Auditoría de
sistemas y
tecnologíasESTRATEGIA BIG DATA PASOS A SEGUIR Conocimiento de la Diagnóstico Roadmap empresa inicial Definición conjunta de lo Evaluación de la situación Poner en marcha la que hay que mejorar en la actual y requerimientos estrategia de Big Data en empresa técnicos la empresa
ESTRATEGIA BIG DATA
HERRAMIENTAS
Para acompañar el crecimiento y la De manera complementaria para una
transformación digital de su empresa, estrategia Big Data integral habrá que crear:
ponemos a su disposición:
Las herramientas y tecnología Un programa corporativo de
necesarias gobierno del dato
Diseño de una arquitectura Establecer políticas de tratamiento
escalable para un Data Lake del dato y responsables del acceso
Posterior análisis avanzado de
Formar internamente al equipo
datos para la toma de decisionesARQUITECTURA DEL DATO
RETOS
Para transformar los datos de su empresa en insights de negocio e inteligencia, el primer reto técnico
consiste en disponer de la arquitectura y las herramientas tecnológicas necesarias para soportar
todo un ecosistema Big Data.
La
cantidad
La problemática más
común de la ciencia de
datos es El Tipo de
volumen datos
Poder procesar toda esa información en tiempos reducidos se requieren sistemas distribuidos. El diseño de la
arquitectura Big Data es clave para implantar los sistemas y tecnologías necesarias para ser capaz de distribuir
toda esa información.ARQUITECTURA DEL DATO
RETOS
Expertos en arquitecturas Big Data Ad-hoc
❑Desde BusinessGoOn ofrecemos servicios de arquitectura Big Data Ad-hoc para empresas, diseñando la
estructura y la elección de herramientas y componentes tecnológicos que den soporte a los proyectos Big
Data propuestos en función de la necesidad de negocio.
❑Dada la existencia de distintas opciones a la hora de configurar una Arquitectura Big Data, contamos con
expertos con conocimientos en distintas soluciones para un diseño y desarrollo a medida.
En función de las características de sus datos y las capacidades tecnológicas de su empresa (hardward y
software), proponemos la mejor solución y la implantamos.ARQUITECTURA DEL DATO
Infraestructuras Cloud, On-premise o híbridas
Según las características propias de su empresa, el nivel de seguridad requerido, la capacidad de
procesamiento y almacenamiento necesitado, en BusinessGoOn le ofrecemos el desarrollo de sus proyectos
Big Data…
Ya sea mediante soluciones cloud (IaaS, PaaS, SaaS), Plataforma soportada en cloud
on-premise (en tus propias oficinas) o híbridas, con el
apoyo de nuestros partners tecnológico: Trabajamos con partners de confianza: Amazon Web
Services, Microsoft Azure o Google Cloud Platform.
Especialistas en soluciones Hadoop
A través de partners como Cloudera y HortonWorks
entre otros.INGIENERÍA DE DATOS Flexibilidad y escalabilidad Para permitir el crecimiento progresivo de su empresa y su adopción de proyectos Big Data, cualquier plataforma de datos tiene que cumplir con las premisas de flexibilidad y escalabilidad. ❑ En entornos Big Data, las plataformas son altamente flexibles, adaptándose en función de las necesidades de almacenamiento de datos y procesamiento, así como incorporando nuevas capacidades (plataformas IoT, herramientas, APIS, nuevas fuentes de datos, etc). ❑ En este sentido, resulta crucial que desde la propia fase de diseño de la arquitectura de datos, se prevea las posibilidades de escalabilidad de la misma, para la productivización de los modelos y procesos a desarrollar. ❑ Esto se traduce además en reducción de costes de implementación, desarrollo y mantenimiento.
INGIENERÍA DE DATOS VERACIDAD DE DATOS, DECISIONES CORRECTAS Una vez diseñada la arquitectura que dará soporte al Ecosistema Big Data, el paso siguiente es proceder a la ingesta de los datos al data lake, como repositorio único de todos los datos relativos a su empresa y su entorno, independientemente de su naturaleza, tipología o volumen. ❑ Big Data permite la ágil incorporación y procesamiento dinámico de nuevas fuentes de datos sin necesidad de desarrollo de la arquitectura. ❑ La ingeniería de datos viene a establecer los estándares que cualquier empresa necesita para disponer de sus datos de una manera unificada, limpia y accesible, respondiendo a los requerimientos de cada negocio. ❑ Su importancia es crucial, ya que se trata de la fase en la que se preparan los datos para que en la fase posterior, la analítica avanzada, se ejecuten los modelos sobre datos precisos, que puedan aportar conclusiones de negocio veraces. Si los datos no son fiables, las decisiones empresariales no serán correctas.
También puede leer
