Utilicemos efectivamente los datos y solucionemos problemas

database-schema-1895779_1280

En los últimos años el uso de análisis para generar ideas de negocio es una necesidad obvia, ya que puede ayudar significativamente a las empresas a mejorar todas sus facetas.

La brecha entre lo que las compañías pueden hacer con los datos y lo que realmente están logrando no es un fenómeno nuevo.

El nuevo arte de la solución de problemas

Las organizaciones no abordan la analítica con el mismo rigor que otras disciplinas más maduras. Pero los negocios se enfrentan a problemas complejos todos los días, y se ven obligados a resolverlos de forma rápida y eficiente. Aquí es donde entra en juego la ciencia de la decisión. Este mercado necesita metodologías y marcos probados para seguir afectando materialmente los resultados del negocio.

Captura

Los principales desafíos en datos y análisis han cambiado

A medida que las empresas se apoyan más en el análisis para informar en la toma de decisiones, persisten los retos de los datos, particularmente los problemas de calidad, consistencia y usabilidad.

En el pasado, la falta de perspicacia del dominio en matemáticas o estadísticas era siempre una preocupación superior, pero ahora, la perspicacia del negocio y las habilidades de la comunicación se han convertido en desafíos dignos también.

analytics-1907993_1280

Modelos de propiedad de datos y Gobernanza continúan cambiando

Los modelos de Gobernanza también dependen de la persona responsable de Datos y Analítica, sin embargo la mayoría de las organizaciones  tienden a tener un modelo centralizado, donde un grupo proporciona el servicio de análisis a toda la empresa.

Aunque el Big Data ha sido promocionado durante algunos años, todavía estamos en una etapa temprana respecto al Data Science y a nivel de decisiones en una empresa.

La mayoría de las compañías no cuentan con habilidades necesarias para poner en marcha la infraestructura técnica  para ingerir, almacenar y analizar el volumen de datos a menudo en tiempo real presentados.

En esta batalla estratégica por dominar los datos, se trata de procesar una información muy fragmentada para establecer patrones, correlacionesy a su vez extraer la información más relevante. Pero también para evitar confusiones, visiones parciales, bloqueo de decisiones, desconexión entre departamentos y análisis sesgados y muy costosos.

 

Fuente

data-informed.com

datanami.com

 

Posted in Noticias | Tagged , , , | Leave a comment

Lenguaje universal de datos en el sector de la salud

ambulance-1501264_1280

 

Gran parte de los datos están en múltiples lugares

Cada vez más, la asistencia sanitaria ha llegado a reconocer que se necesitan datos agregados de salud. Numerosos emprendimientos en esta dirección ahora están emergiendo. Es importante entender dónde estamos en esta evolución, y qué tipos de tecnologías futuras pueden surgir una vez que lleguemos allí.

La asistencia sanitaria ha evolucionado para reconocer que los datos de salud necesitan ser centralizados. Una solución focalizada en la persona ya que a medida que avanzamos hacia la salud de la población y la compensación basada en el valor de los servicios, la capacidad de encuestar a una población y capturar todos los datos desde donde se ha creado es fundamental para poder ofrecer recomendaciones de alta calidad.

Los datos de salud se producen en diferentes formatos (por ejemplo, texto, numérico, papel, digital, imágenes, videos, multimedia, etc.). La radiología utiliza imágenes, existen registros médicos antiguos en formato de papel, y los EMR (Registro médico electrónico) actuales que pueden contener cientos de filas de datos textuales y numéricos.

A veces los mismos datos existen en diferentes sistemas y en diferentes formatos. Tal es el caso con los datos de las reclamaciones versus los datos clínicos. Y parece que el futuro tiene aún más fuentes de datos, como el seguimiento generado por el paciente de dispositivos como monitores de fitness y sensores de presión arterial.

 

Definiciones inconsistentes / variables

A menudo, los datos de salud pueden tener definiciones inconsistentes o variables. Por ejemplo, un grupo de clínicos puede definir una cohorte de pacientes asmáticos de manera diferente que otro grupo de clínicos.

Los expertos están descubriendo constantemente nuevos conocimientos acordados. A medida que aprendemos más acerca de cómo funciona el cuerpo, nuestro entendimiento continúa cambiando lo que es importante, qué medir, cómo y cuándo medirlo y los objetivos a los que va dirigido. Por ejemplo, los clínicos están de acuerdo en que un diagnóstico de diabetes es un valor Hg A1c por encima de 7, pero el año que viene es posible que el acuerdo sea algo diferente.

Pasar de la consulta a datos agregados

medical-802967_1280

La realidad pragmática es que los datos agregados son necesarios, y la simple transmisión de los registros individuales no es suficiente. Una institución determinada puede crear sus propios datos agregados de todas las fuentes que puede capturar, pero ese almacén de datos es independiente de los acumulados por diferentes instituciones. Un paso adelante, sí, pero todavía un poco lejos de la meta.

Las limitaciones de la respuesta a la consulta se han hecho evidentes: este intercambio de copias de registros individuales de una institución a otra no hace nada para descomponer los silos de datos centrados en la institución. Es muy difícil construir cuadros de mando útiles para la salud de la población y los valores basados ​​en este tipo de infraestructura. Se necesitan datos agregados.

Ha habido algunos intentos emergentes de desarrollar datos agregados. Instituciones como Epic, aunque tiene uno de los centros de consulta y respuesta más grandes de Estados Unidos, también ha desarrollado un enfoque de datos agregados para la gestión de la salud de la población (Healthy Planet).

 

¿Hacia dónde vamos?

Los desafíos en la agregación de datos entre instituciones son más políticos / empresariales que tecnológicos. Supongamos que los datos de salud pueden agregarse de manera muy amplia e incluir datos extraídos de múltiples instituciones. Eso abre varias opciones de la “generación siguiente” para la innovación:

Los datos universales pueden ser utilizados por la Inteligencia Artificial en formas que son escalonadas. Enfoques en la enfermedad, la cartografía de la enfermedad clínica con datos genómicos, la identificación de recomendaciones de atención individualizada – apoyo de decisión verdaderamente inteligente para los clínicos y los pacientes – estas son todas las cosas que ya no pertenecen en el ámbito de la ciencia ficción. Y que se verán en los próximos años.

 

www.cio.com

www.healthcatalyst.com

 

 

Posted in Blog | Tagged , , | Leave a comment

Más y mejores rumbos con una buena estrategia de Datos

_pc8ambi9uq-maarten-van-den-heuvel

A menudo, las empresas ya tienen los datos que necesitan para hacer frente a los problemas de negocios, pero los gerentes simplemente no saben cómo pueden utilizar esta información para tomar decisiones clave. Los ejecutivos de operaciones, por ejemplo, podrían no captar el valor potencial de los datos diarios o horarios de la fábrica y del servicio al cliente que poseen.

Ante ello deberías plantearte en crear una buena estrategia, pero no cualquiera, sino una Estrategia de Datos. Con la finalidad de capturar, procesar, almacenar, analizar y vender tus datos. Además de mejorar la toma de decisiones, aumentar la eficiencia operativa y crear mejores productos o servicios.

La Estrategia de Datos establece una visión integral en toda la empresa. Según una investigación de IDG Enterprise 2016 Data & Analytics Research  el 78% de las empresas están de acuerdo en que la estrategia de datos, la recopilación y el análisis de Big Data tiene el potencial de cambiar fundamentalmente la forma en que la empresa hace negocios.

A continuación te sugeriremos algunas preguntas para crear una estrategia de datos eficiente:

  • ¿QUÉ es la Estrategia de Datos?
  • ¿POR QUÉ necesitamos una estrategia de datos?
  • ¿CUÁNDO debo comenzar o tener una estrategia de datos?
  • ¿DÓNDE comenzamos con la estrategia de datos?
  • ¿CÓMO debemos seguir con la estrategia de datos?

La información que posee tu organización es un recurso que tiene un valor económico y que espera que proporcione beneficios futuros como cualquier otro activo.

Según la investigación de IDG una estrategia de datos es útil en:

  1. Encontrar correlaciones entre múltiples fuentes de datos dispares
  2. Predecir el comportamiento del cliente
  3.  Predicción de ventas de productos o servicios

 

Sin una estrategia  la organización se verá obligada a lidiar con innumerables iniciativas relacionadas con los datos que probablemente estén en curso por parte de varios grupos o departamentos empresariales. Estas iniciativas pueden ser algún tipo de análisis de datos, inteligencia de negocios, gestión de datos maestros, programas de calidad o almacenamiento de datos.

hands-1691225_1280

Identificar objetivos de negocio y problemas que necesitan ser resueltos con datos

La Estrategia de Datos debe alinearse con los objetivos de negocio y abordar los problemas/necesidades clave. Una forma de lograr esto es integrando el proceso de planificación estratégica corporativa, a continuación te daremos algunos ejemplos de objetivos y necesidades empresariales a cumplir con dicha estrategia:

  • Conducir las percepciones de los clientes
  • Mejorar productos y servicios eficientemente
  • Reducir los riesgos de negocio
  • Impulsar el crecimiento y / o la rentabilidad de los ingresos
  • Cumplimiento normativo
  • Identificar los principales interesados, los miembros del equipo y patrocinadores

Complementando la estrategia en cuestión, también hay que tener en cuenta que el Big Data trae nuevas fuentes de datos  y el Cloud computing, permite nuevas opciones para la integración y almacenamiento de datos.

Sin embargo para poder realizar una correcta estrategia de datos hay que considerar el cambios a nivel: cultural, tecnológico y en los procesos empresariales.

Estimaciones presupuestarias

¿De qué sirve una estrategia si no tiene estimaciones presupuestarias? Una opción a considerar pueden ser los Indicadores Clave de Desempeño (KPIs) y Métricas: Para asegurar que la estrategia esté en camino o si necesita ser ajustada, como también identificar los KPIs que necesitan ser rastreados a corto y largo plazo.

 

 

Fuente

 

www.mckinsey.com

dataconomy.com

dataconomy.com/2017

 

 

 

 

 

Posted in Blog | Tagged , , , , , | Leave a comment

Super Bowl & Big Data: más allá de una final

american-1902412_1280 (1)

Más allá de saber que Los New England Patriots vencieron a los Atlanta Falcons 34 – 28 en la Super Bowl número 51, celebrada en Houston y que Lady Gaga se presentara en el intermedio de este evento multitudinario. La noticia de hoy dará un énfasis en la intervención del Big Data en el impacto publicitario de las marcas que patrocinaron este espectáculo. Además de un análisis semántico de los datos.

Cuando la gente piensa en cómo se usan los datos en la Super Bowl, generalmente está alrededor de la predicción del ganador.

En las semanas que preceden al juego, cientos de empresas salen diciendo que tienen los datos para predecir quién ganará, producto de la información que se ha reunido durante todo el año en cada equipo.

Muchos de estos modelos están tratando de simplificar lo que es esencialmente un deporte complicado. Esto no es sólo en las formaciones, las lesiones y las jugadas, pero una serie de factores separados pueden tener impactos significativos en la forma en que las personas o equipos completos se desempeñan.

 

IMPACTO PUBLICITARIO

El aspecto impulsado por los datos reales de la Super Bowl, proviene de los anunciantes. Estos datos no son sólo acerca de lo que la gente está viendo en sus pantallas durante el juego, sino lo que están haciendo en las semanas y meses previos.

El análisis web y los datos recopilados en el historial de navegación de las personas y las compras, ayudarán a los anunciantes a identificar quién está interesado en qué y qué es probable que tenga el mayor impacto en ellos durante o antes del gran juego.

Esto podría ser que la gente ha estado pasando más tiempo que la media buscando lugares para ver el juego o buscar formas potenciales para entretener a la gente en sus hogares. Estas personas son importantes para los anunciantes y no sólo ser más propensos a prestar atención a los anuncios en la televisión, sino también a pasar antes o durante el partido.

Esta información en manos de los anunciantes es mucho más valiosa que un anuncio llamativo para el producto equivocado.

Si pueden identificar quién va a comprar qué y cuándo en la preparación para el Super Bowl, entonces tienen la capacidad de ofrecer lo que quieren ver en el momento oportuno para maximizar las posibilidades de venta.

También puede ser increíblemente útil en la planificación de publicidad en los anuncios de gran presupuesto que se ejecutan durante el juego en sí. Si saben lo que va a ser popular entre la gente que ve el juego, entonces pueden anunciar el mejor producto posible de la mejor manera posible.

Sin embargo, el tipo de datos generalmente analizados tanto por la predicción del juego como por la orientación del anuncio, tiende a ser histórico.

ANÁLISIS EN TIEMPO REAL

analytics-1757867_1280

Cada vez más las empresas están buscando analíticas en tiempo real para medir el éxito de la publicidad en otros formatos o para reaccionar a eventos en vivo dirigidos a determinados segmentos.

Esto se hace generalmente a través de análisis de medios sociales, que permiten a las empresas a ver lo que la gente está pensando en sus productos y anuncios y también para ver lo que se discute en cualquier punto en el juego.

El análisis de sentimientos también puede ayudar a medir la reacción a un anuncio que se ha colocado durante la Super Bowl, lo que significa que los anuncios de futuro se puede cambiar en función de la retroalimentación.

LA SEMÁNTICA PUEDE ENRIQUECER TUS DATOS

El estudio del significado (semántica) es la base para comprender cualquier relación con usuarios o clientes. Aproximarnos a su lenguaje nos dará las claves para mejorar nuestra interlocución y hacerla más efectiva.

Entender la estructura del lenguaje es muy importante, pero conocer su significado es lo que convierte el proceso en un valor diferencial.

De tal manera que si pensamos en la Super Bowl, este análisis semántico podría hacerse por un lado desde los actuales e históricos Juegos; y por otro lado levantar una gran base de datos de biografías de jugadores que han jugado alguna vez en la NFL, esto con la finalidad de ir proporcionando la información a los clubes que las demanden.

 

 

 

 

Fuente

 

channels.theinnovationenterprise.com

datafloq.com

 

 

Posted in Noticias | Tagged , , , | Leave a comment

Estrategias analíticas en Internet de las Cosas

network-782707_1280

 

Existen nuevos flujos de datos generados cada día, que permiten cuantificar los antiguos no cuantificables. El Internet de las Cosas (IoT, siglas en inglés) nos permite medir los procesos y reaccionar más rápidamente a las condiciones en constante evolución, no sólo en los entornos industriales, sino también en los espacios más cercanos a nosotros: el consumo energético de un hogar, los signos vitales del paciente, Interacciones entre máquinas, empresas y personas, por nombrar sólo algunas.

 

IoT puede ayudar a mejorar los procesos de negocio y apoyar la generación de valor y, en este proceso, la analítica predictiva juega un papel muy importante. Requiere de responder previamente a cuestiones de negocio relativas a:

 

  • Cómo gestionar el volumen y la velocidad a la que se pueden acceder los datos hoy día.
  • Cuál debe ser el punto de partida en la investigación de la información.
  • Se puede analizar los perfiles de la compañía o si hay que pensar en opciones como el inicio de un nuevo proceso de reclutamiento o el outsourcing.
  • Cómo hacer una elección tecnológica correcta.
  • Cuáles son los principales problemas internos a los que habrá que hacer frente al incorporar las nuevas herramientas de IoT.

 

Los pronósticos de algunos expertos estiman que habrá más de 30 mil millones de dispositivos IoT conectados en 2020. Las ciudades inteligentes, los automóviles conectados, la logística y el equipo industrial serán cambiados por IoT. Con esta nueva información surgen nuevas oportunidades de optimización y predicción. Sin embargo, algunas industrias están descubriendo las diferencias desafiantes entre los datos IoT y otros flujos de datos analíticos.

 

Muchas compañías ya recogen un montón de datos, principalmente para crear informes y cuadros de mando. Algunos de los enfoques y flujos de trabajo con estos datos de alta densidad y alto volumen de flujo, se adaptan fácilmente desde las aplicaciones existentes y otros dominios, pero no todos. Antes de utilizar los datos para optimizar los procesos de negocio, los analistas deben poner algunas cosas en su lugar.

 

Averiguar lo que necesita para predecir

Con el fin de encontrar patrones interesantes para sus modelos, los analistas pueden confiar en las estrategias que se utilizan para otros conjuntos de datos, tales como:

  • Agregación y alineación de datos
  • Determinación de intervalos de agregación
  • Pronosticar y predecir en el dominio del tiempo
  • Modelado de trayectorias y detección de anomalías multivariantes
  • Cómo encontrar puntos de inflexión

 

IoT y analítica predictiva: unión de futuro

new-york-city-78181_1280

La analítica predictiva es un hecho en el Internet de las Cosas (IOT) o, más bien, lo es la analítica prescriptiva, la de texto, la geo-espacial o la inteligencia operacional.  Los resultados son buenos pero todavía hace falta superar muchos retos, como los relacionados con: La escasez de talento: a pesar de que las nuevas herramientas de analítica predictiva se orientan al usuario de negocio, en la práctica, por delante de esta figura siempre se hallan los analistas de negocio y los estadísticos, científicos de datos; profesionales muy demandados y que las empresas se tienen que esforzar por atraer para poder incorporarlos a sus filas.

 

Medición eficaz con Datos IOT

Las tecnologías IoT tienen la promesa de ofrecer nuevos datos, información e ideas en aplicaciones industriales como la monitorización de pacientes y la fabricación automatizada. El siguiente obstáculo es adaptar las técnicas de análisis tradicionales a los datos de IoT. Los analistas pueden entonces obtener información útil y accionable de tales datos y averiguar cómo hacer que IoT funcione tanto para la industria como para los consumidores.

 

Fuente

dataconomy.com

blog.es.logicalis.com

 

 

Posted in Blog | Tagged , , , | Leave a comment

Proyecciones de Datos no estructurados en 2017

tree-200795_1280

 

Las grandes empresas y organizaciones están utilizando Big Data para algunas aplicaciones especializadas, pero la mayoría de esa información todavía son datos estructurados (transacciones, clics, etc.). Se prevé que en 2017 veremos un mayor enfoque en aprovechar los Datos no estructurados a medida que el uso de datos siga aumentando.

Los Datos no estructurados son los datos que no encajan en bases de datos relacionales. Se estima que alrededor del 90% de todos los datos están semi-estructurados o no estructurados. Estamos hablando netamente de: vídeos, presentaciones en Power Point, registros de empresas, medios sociales, RSS, documentos y texto etc.

Hay que tener claro que por un lado el análisis de datos estructurados describe lo que está sucediendo y el análisis de datos no estructurados explica el porqué.

Proyecciones

En 2017, con las herramientas de business intelligence & analytics se está mejorando considerablemente en calidad y disminuyendo en costes, al  parecer muchas más empresas decidirán poner la gestión y analítica de sus datos no estructurados dentro de sus prioridades. 

Muchas compañías digitales cuyos negocios dependen de grandes datos desarrollado la capacidad de obtener información beneficiosa de datos no estructurados. Esto permitirá que el análisis de grandes datos en 2017 incluya más frecuentemente ideas derivadas de las vastas tiendas de datos desiguales y no estructurados de una organización, además del actual enfoque popular en dar sentido a los números, análisis e inteligencia empresarial proporcionados por datos estructurados.

Beneficios 

Estudiando los datos no estructurados, una empresa podría descubrir lo siguiente:

  • Origen del problema: sería capaz de averiguar la raíz del elemento que genera un problema.
  • Mejor retroalimentación: la empresa podría entender las motivaciones del usuario al calificar y cómo conducirle a una mejor experiencia.
  • Rapidez resolutiva: se puede conocer qué tipo de problemas requieren de plazos más amplios para su resolución efectiva. También se accede a la información necesaria para saber si los representantes de servicio al cliente cuentan con la capacitación adecuada para manejar los problemas comunes o si existe un sistema lógico para poner al cliente en contacto con la persona más adecuada para resolver su problema lo antes posible.

 

Este será un cambio fundamental. Los datos estructurados proporcionan números importantes sobre el rendimiento de los ingresos, las métricas operacionales, etc., pero el texto no estructurado contiene la información crítica sobre cómo se realiza realmente el negocio.

El conocimiento institucional de una empresa, los descubrimientos, los procesos internos y la ventaja competitiva suelen estar contenidos en una amplia gama de textos escritos. Requiere procesamiento de lenguaje natural, acceso unificado de información y capacidades de búsqueda cognitiva para extraer información de este texto y compartirla de una manera útil con aquellos que la necesitan. Esto permitirá a las organizaciones entender lo que el texto está diciendo en una escala amplia y utilizarlo para impulsar la innovación, aumentar la eficiencia y mejorar la eficacia operacional.

 

Desafíos persistentes

Dos desafíos frecuentemente afectan a las organizaciones cuando intentan abordar los datos no estructurados: infraestructura y unificar datos. Las empresas están comenzando a resolver el problema de infraestructura con lagos de datos o en la nube, pero la unificación de datos no estructurados sigue siendo difícil.

 

Caso práctico en el Cuidado de la Salud

medical-802967_1280

Healthcare, es una industria que tiene una gran promesa para la mejora de análisis de grandes datos no estructurados. El cuerpo humano es inmensamente complejo, con altas variaciones, y la industria ha acumulado enormes repositorios de datos que estamos empezando a entender completamente.

Los datos más abundantes y de mayor calidad poseen un tremendo potencial para descomprimir el significado por sí solos, pero el tesoro verdadero reside en entender las relaciones y las interacciones dentro y entre los documentos y los datos. El aprovechamiento no estructurado, además de los datos estructurados no sólo ayudará a traer mejores medicamentos al mercado más rápido, sino también a acelerar las curaciones, reducir los costos de atención médica y mejorar la calidad de vida a través de cosas como la medicina personalizada. Estos acontecimientos no llegarán a la corriente principal en 2017, pero el ritmo de la innovación se está acelerando.

El uso de casos relacionados con Big Data y tecnología de análisis harán enormes progresos en 2017. Al adoptar el procesamiento del lenguaje natural, el acceso unificado a la información y las capacidades avanzadas de los motores cognitivos actuales, las organizaciones de todos los tamaños y de diversos sectores podrán aprovechar sus datos no estructurados y comprender mejor el contexto de sus datos estructurados.

Al hacerlo, añadirán significado, matiz y sentimiento a sus grandes análisis de datos, lo que dará lugar a eficiencias, estrategias y descubrimientos que cambiarán su forma de hacer negocios y, en algunos casos, cambiar el mundo.

 

 

Fuente

bitec.es

data-informed.com

 

Posted in Noticias | Tagged , , | Leave a comment

Publicidad programática de nivel

71cjssb83wo-pavan-trikutam

Al referirnos a la publicidad hay que tener en cuenta que es una forma de comunicación que intenta incrementar el consumo de un producto o servicio, mejorando la imagen de una marca llegando a la mente del consumidor.

Cuando hablamos de campañas basadas en publicidad programática, tenemos que contemplar un componente de creatividad, conocer a nuestro nicho de mercado a través de sus datos; siempre en tiempo real y para ello requeriremos de tecnología.

La compra de publicidad en medios digitales está viviendo un momento de crecimiento constante de sistemas que aprovechan el uso de la tecnología para poner en relación en tiempo real a los actores principales.

La compra programática, un sistema de compra de impresiones de publicidad de manera automatizada, busca un proceso automatizado que permite comprar espacios en todos los Ad Exchanges, soportes y páginas web desde un mismo panel de control. Y que lo hace a través de un modelo de compra de audiencias concretas, de usuarios. Sin embargo mejorará cuando se apliquen estrategias de comportamiento y  retargeting.

 

 

Caso de éxito

Citaremos a Cadreon como caso de éxito, cuando manejaron la publicidad de LATAM, logrando que se llenaran sus aviones con ruta hacia Sudamérica gracias a estrategias de compra programática, las campañas orientadas a performances fueron las elegidas para aumentar el tráfico y la venta a la página web de la empresa. Primero se utilizaron campañas de aprendizaje, para luego afinar la audiencia, siguiendo una campaña de“Always on”.

Avances

Hasta ahora la compra de publicidad en medios digitales ha tenido un enfoque personalizado emparejando anuncios con sitios relevantes para llegar a segmentos óptimos. Sin embargo, la inversión en anuncios online display mediante la compra programática registrará incrementos de dos dígitos anuales hasta 2017.

 

Ventajas de la publicidad programática 

Permite dirigirse a un grupo objetivo  gracias a algoritmos que tienen en cuenta no sólo con el perfil sino su comportamiento en el entorno digital.

Simplifica el sistema: Todos los actores de la publicidad digital (anunciante, agencia, soporte, adserver,…) se reúnen en único canal, con menor intervención humana y el consiguiente ahorro de tiempo, trabajo y dinero que permite la automatización y optimización de campañas.

 

 

 

 

Fuente

 

www.antevenio.com

www.goodrebels.com

www.marketingdirecto.com

 

 

 

 

 

 

Posted in Blog | Tagged , , , | Leave a comment

Analytics revoluciona el mundo de los deportes

zcyrw547dps-josh-calabrese

Cuando hablamos de Analytics inmediatamente nos trasladamos al mundo empresarial, sin embargo esta industria es tan amplia que hay cabida para todos: En la actualidad, la analítica, también se emplea en la industria de los deportes profesionales. Una investigación llevada a cabo por el Instituto Internacional de Analítica, destacó los siguientes atributos:

  • Cantidad de datos disponibles: está creciendo vertiginosamente, desde vídeos de juegos hasta sensores de ubicación y reportes de exploración en línea.
  • Rápido movimiento de entrenadores y directivos: de un equipo a otro ha llevado a una transmisión viral de ideas analíticas en todas las ligas.
  • Principal conferencia de analítica deportiva: patrocinada por el MIT, ha crecido de 175 asistentes en el evento inaugural en 2007 a más de 2,200 en 2013.
  • Múltiples canales de resultados: incluyendo análisis internos por equipos, uso directo de fanáticos y jugadores de ligas de fantasía, sitios de datos y analítica, videojuegos, y análisis de transmisión y comentarios.

Avances 

n13abwv-pic-thomas-schweighofer

El trabajo de la industria con Analytics ha sido reconocido en: Artículos populares, libros y películas (Moneyball en particular otros trabajos de Michael Lewis ).

A medida que los consumidores pasan de tv por pago a medios digitales, esperan una evolución de los medios deportivos. Los datos y la analítica darán forma cada vez más a la parte comercial de la industria del deporte.

La realidad aumentada (AR) y la realidad virtual (VR) permitirán que los equipos y las ligas sean más personalizados e integradas en la vida cotidiana de los jugadores y aficionados.

Las organizaciones deportivas buscarán comprender y reducir el impacto del riesgo cibernético en la industria del deporte. Los propietarios buscarán construir una experiencia deportiva más diversa.

Los líderes empresariales seguirán uniendo sus fuerzas con el gobierno, la policía, la academia y la sociedad civil para proteger sus marcas de la corrupción.

Una tendencia, en particular, que esperamos ver crecer en 2017 es el número de empresas de medios no tradicionales que buscan agresivamente derechos deportivos. La incursión de Twitter en streaming de juegos de la NFL y varios eventos deportivos podría resultar en otras plataformas OTT que busquen paquetes de derechos en vivo, similares. Dos ejemplos de empresas que podrían estar en la licitación de contenido deportivo son Amazon para Amazon Prime y Apple para Apple TV digital media Extensor.

 

Innovador día de juego

dm30yxvmvsm-agberto-guimaraes

Los equipos también continúan buscando formas de optimizar la experiencia de los fanáticos, más allá de las paredes del estadio. Una forma en que los clubes están mejorando la experiencia de los aficionados en los terrenos del estadio es al asociarse con servicios ya populares, como Uber y Amazon Prime. Estas asociaciones apelan a la codiciada población millennials, que ya está bien familiarizada con este tipo de servicios y es probable que participen en vivir la experiencia. La capitalización de los hábitos de consumo de este nicho de mercado es importante, particularmente en los Estados Unidos, donde los millennials ahora superan en número a los baby boomers como la generación viva más grande de la nación.

Los equipos durante años han estado buscando maneras de “innovar”, pero a menudo han tenido dificultades para definir lo que la innovación significa para ellos. Ya sea que apunten a los millenials o los aficionados desplazados al innovar la experiencia del día de juego para ellos, los equipos podrían aprovechar una fuente de ingresos previamente desatendida.

Desbloquear el valor final de AR y VR en deportes tendrá prueba y error para startups y franquicias por igual, pero no se puede negar el impacto de estas tecnologías tendrá en la industria.

En todo caso la analítica deportiva ha inspirado a muchas empresas a tomar decisiones a basadas en datos y análisis. Sin embargo, las compañías más avanzadas son más activas con la analítica y tienen más capacidades que los equipos deportivos. Es tiempo de que exista una sana competencia entre las diferentes disciplinas deportivas.

 

Fuente

 

www2.deloitte.com

www.forbes.com.mx

 

 

 

 

 

Posted in Noticias | Tagged , , , | Leave a comment

Nuevos rumbos para la Inteligencia Artificial

binary-1979478_1280

Quizás no sea tan descabellado pensar que la Inteligencia Artificial  (siglas en inglés AI) seguirá generando titulares en periódicos o en  intranets corporativas y principalmente en empresas que buscan reforzar sus productos y servicios automatizando la toma de decisiones.

La inteligencia artificial (AI) está preparada para tener un efecto transformador en los mercados de consumidores, empresas y gobiernos de todo el mundo. Podría ocasionar un efecto paraguas que se manifiesta en sistemas de información inspirados en sistemas biológicos. La AI abarca múltiples tecnologías, como el Machine Learning, el Deep Learning,  el procesamiento del lenguaje natural (PNL) entre otras.

Al parecer, casi todos en la gran industria de análisis de datos, están de acuerdo que la Inteligencia Artificial continuará creciendo en alcance e importancia. En muchos sentidos, AI está siguiendo los pasos del Big Data.

Al ver el impacto y éxito que mencionamos gigantes como: Facebook y Amazon impulsados ​​por la demanda de los consumidores de dispositivos “inteligentes”, quieren llevar las herramientas y técnicas de AI, para soportar sus grandes colecciones de datos y generar información accionable.

Progreso continuo

Los números asociados con el crecimiento de AI son simplemente llamativos. La firma de investigación de mercado Tractica pronosticó recientemente que el gasto en AI crecerá de 640 millones de dólares en 2016 a 37.000 millones de dólares en 2025. 

Un ejemplo de apuesta por esta teconología es Samsung, el cual quiere realizar más adquisiciones en el creciente sector de la inteligencia artificial, después de que el año pasado se hiciese con el asistente virtual Viv.

Hablando de la venta al por menor, AI probablemente cambie la manera tradicional de comprar. Scott Horn, CMO de la empresa de soluciones de compromiso con el cliente [24]7, dice que un reciente estudio, mostró que el 40% de los consumidores están abiertos a interactuar con chatbots, y que cerca de un tercio de la gente prefiere los bots al teléfono y las comunicaciones basadas en correo electrónico. “Para los minoristas, AI puede automatizar muchos aspectos del servicio al cliente, ahorrando a los agentes humanos para propósitos más altos, como para la retención y upselling”, sostiene Horn.

 

anatomy-1751201_1280

 

 

Aparición de Deep Learning

En 2017, las empresas comenzarán a experimentar el Deep Learning para una mayor gama de actividades, además de hacer predicciones y recomendaciones basadas en diferentes tipos de datos de origen.

Con Deep Learning, se agregan más capas de elementos de procesamiento con la capacidad de agregar no sólo datos textuales, sino también datos más complejos como datos de voz y sensores en patrones significativos. A largo plazo, las capacidades avanzadas de aprendizaje permiten que todos los datos se conviertan en parte de un tejido de red neural, ampliándose más allá de los datos internos y abarcando datos de nivel superior procedentes de fuentes externas.

A medida que se mueven en la empresa, los activos de AI tendrán que ser alimentados y cuidados, al igual que cualquier otro activo de TI.

Algunos casos de uso de inteligencia artificial -como el reconocimiento de imágenes, el comercio de valores algorítmicos y la gestión de datos de pacientes de salud- tienen un enorme potencial de escala, mientras que otros son aplicaciones de nicho.

Del mismo modo, algunos sectores clave de la industria, incluyendo productos de consumo, servicios empresariales, publicidad, finanzas e inversión, medios de comunicación y entretenimiento y aplicaciones de defensa, generarán ingresos significativos para las implementaciones de software de AI, además de las ventas de hardware y servicios.

En la próxima década las tecnologías tendrán un efecto en casi todos los sectores industriales imaginables.

 

 

Fuente

 

www.datanami.com

www.tractica.com

 

 

Posted in Blog | Tagged , , , | Leave a comment

Big Data dentro de las Startups

computer-1185637_1280

 

Teniendo en cuenta que una Startup  es una empresa emergente apoyada en la tecnología, la cual busca emprender o montar un nuevo negocio. La combinación con el Big Data también funciona en dichas empresas,  porque cuantos más datos tengamos sobre nuestros clientes, más fácil será ofrecerles productos o servicios adaptados a sus necesidades.

Y es que, todavía hay empresas que observan un cambio en el comportamiento de sus clientes o no miden el retorno de inversión de una campaña; es aquí donde encontramos el valor de un sistema de procesamiento y análisis de datos que nos permite tomar una acción que nos lleve al éxito de nuestro negocio.

Por lo tanto, el Big Data tiene un gran potencial en cualquier tipo de negocio, y las startups no son la excepción, pero ¿cómo se lo ejecuta? ¿qué necesitamos?Fundamentalmente se requiere de una herramienta que procese los datos del negocio y el comportamiento de nuestros clientes y un profesional que sepa interpretarlos.

Big Data y startups

startup-1805215_1280

Las startups se caracterizan a menudo como pequeñas empresas que se esfuerzan por competir con empresas más grandes y así ganar una cuota de mercado.

Con el aumento de la analítica de datos, los vendedores ahora tienen acceso a información más detallada sobre cosas: como quiénes son sus clientes más valiosos, dónde pasan la mayor parte del tiempo geográficamente, cómo se comportan en Internet y en las aplicaciones de teléfonos inteligentes. Este conocimiento les permite concentrar sus esfuerzos de dinero y marketing sólo en individuos que cumplan criterios calculados basados ​​en los datos, en lugar de dirigirse a grupos homogéneos. Esencialmente, los vendedores pueden ahora abastecer a cada individuo.

Para las startups, este acercamiento personalizado puede ayudarles a adquirir oportunidades en una escala que en un tiempo habría requerido mucho dinero.

¡A tiempo!

La gran analítica de datos puede servir como un estetoscopio virtual, proporcionando a los comerciantes de inicio con actualizaciones en vivo detallando lo que la gente está diciendo sobre la empresa en Internet.

El análisis de datos puede responder a preguntas cuando la gente habla de la empresa en redes sociales, ¿cuál es el sentimiento? Si hay un asunto sensible que requiere atención, como una revisión negativa, un comentario o una consulta al cliente. Las funciones de monitoreo disponibles a través del análisis, permiten a las empresas responder inmediatamente. Esta oportunidad podría dar a las startups una ventaja sobre los competidores, especialmente aquellos que no son expertos en datos.

 

El futuro es brillante

student-849822_1280

El uso de datos para personalizar un enfoque de marketing en línea es un concepto impresionante. El uso de análisis para medir el sentimiento en tiempo real es notable. Pero ninguno de estos métodos captura el aspecto más notable de los grandes datos. A medida que avanza la tecnología, se multiplican las posibilidades de su uso en análisis de datos y marketing, creando soluciones innovadoras y no convencionales para una variedad de problemas.

Un ejemplo de tal desarrollo es el advenimiento de la analítica de vídeo inteligente. Donde sólo una vez el texto es analizado, ahora los programas de vanguardia de reconocimiento de voz y rostro se peinan a través de fotos publicadas y vídeos con fines de marketing. Esta misma tecnología se utiliza en el comercio minorista para analizar cómo los clientes navegan a través de una tienda e incluso para identificar información demográfica sobre los compradores. Si este impresionante desarrollo es cualquier indicación de lo que está por venir, el futuro es brillante para las empresas emergentes y otras empresas que invierten en grandes datos.

Para una startup, aplicar correctamente el análisis de Big Data podría ser el éxito para obtener la anhelada cuota de mercado. El conocimiento de los consumidores siempre será un activo.

 

Fuente

http://data-informed.com

http://www.kinetica.mobi

 

Posted in Noticias | Tagged , , , | Leave a comment