ey big data – el oro del siglo xxi
Embed Size (px)
DESCRIPTION
La transformación digital es el nuevo extractor de valor de los clientes. Existe un gran potencial sobre el big data que no está siendo cubierto. Pablo González, Socio de Consultoría de EY en España.TRANSCRIPT
1
Big data Information: the gold of the 21st century
2
Revolución digital SoLoMo En últimos 6 años> impacto significativo
Se funda Facebook
Facebook supera 1b
de usuarios Apple lanza al mercado
App- store
Sale al mercado el
priemr buscador web por MOSAIC
El primer sistema
de compra
online se lleva a
cabo por Pizza Hut
Netscape se hace público
Nokia saca al mercado el primer teléfono
con conexión a
internet
Dot Com bubble
bursts as NASDAQ peaks at
5,048.62
Se acuña el término
2.0
YouTube sele al
mercado
Se funda Foursquare
Facebook consigue
500m usuarios
Ipad sale al mercado
Iphone sale al mercado
Se funda Spotify
Twitter sale al
mercado
Twitter supera el millon de tweets en
¼sec
Se funda Napster
AOL
compra Netscape
Napster taken off-
line by federal judge
Business.com se vende £80k
Se funda Google
6 1.5 0.3 2 Años en llegar a los 50m de
usuarios
Google+
1.8 2.8
2012 2011 2010 2009 2008 2007 2006 2005 2004 2003 2002 2001 1999 1998 1997 1996 2000 1995 1994 1993
Inte
grac
ión
de In
tern
et a
niv
el m
undi
al
28.7%
20%
4%
2%
15.7%
9.4% 8.6%
2013
39%
30.2%
Salida al mercado de
Google Glass
3
217 Nuevos usuarios se conectan desde el móvil cada minuto
1% CISCO estima que a día de hoy solo hemos llegado al
1% de conectividad
50bn De ‘’cosas’’ serán
conectadas en 2020
Durante la próxima década se espera la “Conectividad de las cosas” que permitirá
crecer exponencialmente
Cada vez más gente está conectada y surgen
nuevas vías innovadoras
Cada día que pasa el número de dispositivos
conectados creando datos y dispositivos automáticos
Esto es solo el principio
Page 4
Perspectivas Económicas
Durante el próximo ciclo, la economía española permanecerá estancada, con tasas de paro, implicando un incremento de presión en los precios
Tendencias Sociales
Estancamiento de las renta disponible y mayor tiempo dedicado al trabajo - incremento del tiempo on-line
Cambios Demográficos
Decisiones de compra en manos de la generación de los 70s y 80s que se compone de perfiles mas individuales y con altas demandas de personalización y futuro compradores “millenials”
Desafíos Sociales
Los consumidores obligarán a las compañías a impulsar la ética y transparencia corporativa
El contexto macro como acelerador
Page 5
Perspectivas Económicas
Tendencias Sociales
Cambios Demográficos
Desafíos Sociales
… Nuevas necesidades & expectativas …
.. Cambio en el valor percibido de los productos y servicios
Personalización
Importante y espontáneo
Tranquilidad
Cultura de conveniencia
Consumismo ético
Sensibilidad precio
Fuerte impacto en los consumidores
Page 6
… Nuevas necesidades & expectativas …
Revolución de las tecnologías digitales
Movilidad
Social Media
Localización
Personalización
Importante y espontáneo
Tranquilidad
Cultura de conveniencia
Sensibilidad precio
Soy móvil
Soy 24/7
Soy global
Soy móvil
Soy 24/7
Lo quiero ya
Lo quiero mejor
Lo quiero personalizado
Te compararé con la competencia
Transformación digital modelos de negocio
Page 7
Nuevo “journey del consumidor”
42% Consumidores europeos realizan búsquedas móviles en el punto de venta
Consumidores a nivel mundial utilizan los canales digitales como parte de su proceso de la compra
78% De la actividad móvil son datos (no voz)
38% Consumidores a nivel mundial tiene más de un canal de interacción
61%
Page 8
Presentation title
18
El volumen de los datos
digitales crece rápidamente
SoLoMo genera grandes volúmenes de información en tiempo real
En tan solo 18 meses el volumen de datos
digitales será el doble
Page 9
Presentation title
… Lo estamos extrayendo
10
►La ejecución efectiva de la estrategia de la experiencia del cliente aumenta las ventas y la lealtad a la marca
►Aumentar la capacidad de respuesta al cliente para crear modelos de negocio más ágiles
►Reduce los esfuerzos de marketing ineficaces
Mejorar experiencia de compra Punto de venta referencia
Personalización de la experiencia de compra
Experiencia de compra positiva en tiempo real
Identificación de surtido optimo por POS y canal
Acciones de venta sugerida
Incremento ticket canales
Priorización controlar los costes
Proactividad con los gastos emergentes
Mejorar el servicio de atención al cliente
Analizar los productos para proporcionar el mejor margen en productos
Utilizar la información logística para priorizar y alinear los esfuerzos de distribución menor coste
Gestión de la demanda
Reducir las ineficiencias en las operaciones comerciales (distribución, promociones, comunicación…)
¿Cómo puedo obtener más de mis socios?
Estableciendo relaciones más eficientes e integradas
¿Qué hábitos de compra tiene mi cliente? Análisis datos para
proporcionarnos una visión única experiencia del consumidor
¿En qué se está invirtiendo el dinero?
Enfoque de un objetivo con un ángulo más amplio
¿Cómo incrementar mi ticket medio?
Buscando resultados en formas no tradicionales en lugares no
tradicionales
¿Cómo llegar a mis clientes?
Extrayendo información a partir de datos aparentemente irrelevantes
Eficiencia y Eficacia
Incremento de ingresos
Gestión de costes
Incremento de
rentabildiad
Incremento productividad
Nadie cuestiona su utilidad….. ¿no?
11
Ejemplo de utilidades por funciones identificadas para compañía española
Marketing
Optimización de surtidos Optimización de precios Optimización de diseño y colocación
Transparencia en las gestiones Optimización de los inputs
Gestión del almacén Optimización de la distribución y logística Gestión de proveedores
Comparación de precios Análisis de mercados en redes
Venta cruzada Marketing geolocalizado Análisis de comportamiento en tiendas Micro-segmentaciones Análisis de sentimientos Mejora de la experiencia multicanal del cliente
Promociones
Operaciones
Cadena de suministro
Nuevos modelos de negocio
Palancas Big data Función
12
Nadie cuestiona su utilidad… ¿no?
Operaciones
54%
(Oferta y demanda)
Finanzas
46%
(Gestión de riesgos)
Atención al cliente
26%
(Segmentaciones)
Marketing
47%
(Campañas)
Ventas
37% (Venta cruzada)
Desarrollo de productos
22%
(Análisis de demanda)
IT Analytics
47%
(Seguridad informática)
Investigación
30%
(Simulaciones)
Logística
18%
(Optimización de inventarios)
Page 13
… proyectos de marketing no utiliza un análisis de datos a la hora de tomar decisiones (según CMOs) 63%
(+35%)
(25%-34%)
(15%-24%)
(5%-14%)
(0-4%)
Marketing Mix Modeling mejora una media del 14% los beneficios…
Las compañías que poseen un mayor control sobre sus datos son un 5% más productivas, y
un 6% más rentables
6%
6%
8%
6%
7%
19%
13%
11%
Cliente
Retail
IT
Serviciosfinancieros
Líderes enBig Data
MIT, Wharton y HBR
Page 14 Presentation title
Únicamente utilizan entre 5-10% de sus datos
¿ Qué pasaría si se duplicaran,
triplicaran o cuatriplicaran?
15
Empresas lideres mercado español ya están extrayendo el “PETRÓLEO” en tiempo real
Presentation title
Impacto Reducción Llamadas
15-20%
Reducción abandonos
10-25bps
10-20%
Venta Cruzada
5-10ppts
5-15%
Costes captación
Aumento CSAT
Costes de Operaciones de Servicio
Retención y venta cruzada
Experiencia de cliente (CE)
Operadora Telco
‘Retailer’ nacional
Empresa de servicios
16
¿Por qué no estamos avanzando?
0% 10% 20% 30% 40% 50% 60% 70% 80% 90%
OtrosDatos Multimedia Ricos
Datos de ESB o Web ServiceDatos de Eventos o Mensajes
Web logsDatos de Ficheros No estructurados
Datos de Aplicaciones EmpaquetadasDatos XML
Datos Estructurados de DBMS LegacyDatos de Ficheros EstructuradosDatos Estructurados de RDBMS
Tipos de Datos Fuera de los DW Y Gestores de BBDD Tradicionales
El 53% de las organizaciones luchan para analizar datos que NO están en el DBMS tradicional ni en el DW
Fuente: Analytics Platforms – Beyond the Traditional Data Warehouse,
Variedad y velocidad
17
Nuevo paradigma tecnológico
Presentation title
MÉTODO TRADICIONAL MÉTODO A TRAVÉS DE BIG DATA
Analiza pequeños bloques de información Analiza toda la información
Información analizada
Información disponible
Se analiza toda la información
disponible
MÉTODO TRADICIONAL
MÉTODO A TRAVÉS DE BIG DATA
Cuidadosa selección de la información antes de cualquier análisis
Análisis de l ainformación tal cual está. Se irá eliminando sobre la marcha, cuando así se necesite
Poca cantidad de información cuidadosamen
te ordenada Gran cantidad de información ’desordenada’
1
18
Genera nuevo reto de negocio
Comenzar con hipótesis y contrastarlo con la información seleccionada
Explorar toda la información e identificar correlaciones
Hipótesis Pregunta
Información Respuesta
Información Exploración
Correlación Conocimiento
MÉTODO TRADICIONAL MÉTODO A TRAVÉS DE BIG DATA MÉTODO TRADICIONAL MÉTODO A TRAVÉS DE BIG DATA
MÉTODO TRADICIONAL
MÉTODO A TRAVÉS DE BIG DATA
Análisis de la información una vez que ha sido procesada y enviada a un data warehouse o data mart
Análisis de la información en tiempo real, nada más ser generada
Información
Conocimiento
Análisis Respositorio Conocimiento Análisis Información
Presentation title
2
19
Nuevas capacidades funcionales 3 Pasado Futuro
¿Qué ha pasado ?
¿Por qué ha pasado ?
Query Report Data Mining
Análisis Descriptivo
¿Qué esta pasando?
¿Por qué esté pasando ?
Data Mining en tiempo real
Análisis Predictivo
¿Qué es probable que pase?
Business intelligence
(Reporting y Dashboard)
Análisis en tiempo real
Análisis predictivo
¿Qué puedo hacer?
Análisis prescriptivo
Análisis Predictivo
Dificultad
Valor
20
Amazon : Eficiencia de vanguardia y un modelo de negocio ► Venta Sugerida ► El 35% de las ventas en 2010
fueron procedentes de las recomendaciones
► Sistemas de servicio al cliente automatizados
► 90% automatizados vs 44% media en la competencia
► La mayor satisfacción del cliente en el sector (puntuación de 86 en el ACSI)
► Cadena de suministro ► La mejor eficiencia en el sector, lo que reduce en un 3-4% los COGS (Cost Of Goods Sold)
► Precios dinámicos ► Cambios de precio en el día para mantener el 5-20% de liderazgo en precios sobre la competencia
21
Definir una estrategia de Marketing de clientes, sirviéndose de la movilidad, incremente la frecuencia de visita y el gasto de los consumidores
Sector Retail Nacional >250 puntos de venta
Incremento de ticket medio
7 %
+10% frecuencia
a clientes fieles
+ 60% frecuencia en
clientes Ocasionales
Motor Analítico en Real
Pun
to d
e Ve
nta
Salida
Entrada
Identificación
Pago
Compra
• Gelocalización de clientes • Acciones de captación por proximidad
• Conocimiento a tiempo real del comportamiento en el Punto de Venta
• Automatización del proceso de pago, redención y emisión de cupones
• Comunicación directa a bajo coste • Servicios de valor añadido
• Branding • Sencillez y usabilidad • Valor añadido para el
consumidor (ofertas, mapa de establecimientos, juegos, recetarios, …)
22
Big Analytics Tiempo Real (BATIR) en un mundo “SoLoMizado”
Big Prescriptive
==
Datos en tiempo real
+
Análisis en tiempo real
(datos gráficos)
+
Reacción en tiempo
real
(retroalimentación)
Incremento de ingresos y mejora del margen
23 Presentation title
Muchas gracias
Pablo González Muñoz
Socio Advisory Services
24
Ernst & Young Assurance | Tax | Transactions | Advisory Acerca de EY EY es líder mundial en servicios de auditoría, fiscalidad, asesoramiento en transacciones y consultoría. Los análisis y los servicios de calidad que ofrecemos ayudan a crear confianza en los mercados de capitales y las economías de todo el mundo. Desarrollamos líderes destacados que trabajan en equipo para cumplir los compromisos adquiridos con nuestros grupos de interés. Con ello, desempeñamos un papel esencial en la creación de un mundo laboral mejor para nuestros empleados, nuestros clientes y la sociedad. EY hace referencia a la organización internacional y podría referirse a una o varias de las empresas de Ernst & Young Global Limited y cada una de ellas es una persona jurídica independiente. Ernst & Young Global Limited es una sociedad británica de responsabilidad limitada por garantía (company limited by guarantee) y no presta servicios a clientes. Para ampliar la información sobre nuestra organización, entre en www.ey.com. © 2014 EYGM Limited. All Rights Reserved.