¡Felices fiestas!

.

10 tecnologías de Big Data que debes conocer

A medida que el mercado del análisis de Big Data se expande rápidamente para incluir a los principales clientes, es importante conocer las tecnologías de Big Data que realmente importan.

Todo el mundo habla de la ciencia de datos, con su modelo predictivo, minería de datos y aprendizaje automático (Machine Learning). Pero la mayor parte de esto no sería posible, especialmente a gran escala, sin ingeniería de datos. A continuación se enumeran algunas tecnologías de Big Data que todo ingeniero de datos debe conocer.

1. Análisis predictivo: Esta tecnología, que incluye soluciones de hardware y software, ayudará a su empresa a descubrir, evaluar, optimizar y desplegar modelos predictivos. Esto lo hace mediante el análisis de fuentes de Big Data, mejorando así el rendimiento comercial o mitigando el riesgo.

2. NoSQL Base de datos: En comparación con sus contrapartes RDBMS, las bases de datos NoSQL están disfrutando de un crecimiento exponencial. El tipo de base de datos NoSQL ofrece un diseño de esquema dinámico, que otorga la posibilidad de una mayor personalización, flexibilidad y escalabilidad, que es muy necesario cuando se almacenan grandes volúmenes de Big Data.

3. Descubrimiento de búsqueda y conocimiento: Necesita conocer estas herramientas y tecnologías para la auto extracción de información. El descubrimiento de búsqueda y conocimiento consiste en obtener nuevos entendimientos de grandes repositorios de datos estructurados y no estructurados que residen en fuentes, como sistemas de archivos, flujos de datos, bases de datos, APIs (Application Programming Interface) y otras plataformas y aplicaciones.

4. Análisis de flujo: Necesita agregar, filtrar, enriquecer y analizar un alto rendimiento de datos. El análisis de flujo examina los datos que provienen de fuentes de datos múltiples, dispares, en vivo y en distintos formatos.

5. Tejido de datos en memoria: Esta tecnología proporciona acceso de baja latencia y le permite procesar grandes cantidades de datos. Distribuye datos a través de la memoria de acceso aleatorio dinámica (DRAM), SSD o Flash de un sistema informático distribuido.

6. Almacenes de archivos distribuidos: Una red informática que almacena datos en más de un nodo, a menudo de forma replicada, para ofrecer redundancia y rendimiento.

7. Virtualización de datos: Si necesita información entregada desde varios orígenes de Big Data, como Hadoop y tiendas de datos distribuidos, en tiempo real y casi en tiempo real, la virtualización de datos es su tecnología.

8. Integración de datos: La integración de datos se trata de herramientas que permiten la orquestación de datos en soluciones como Apache Hive, Apache Pig, Amazon Elastic Map Reduce (EMR), Hadoop, Couchebase, MongoDB, Apache Spark, etc.

9. Preparación de datos: Para aliviar la carga de dar forma, limpiar, buscar y compartir conjuntos de datos desordenados y diversos que aceleran la utilidad de los datos para el análisis.

10. Calidad de datos: La tecnología que lleva a cabo la limpieza y el enriquecimiento de datos en grandes conjuntos de datos de alta velocidad. Utiliza operaciones paralelas en bases de datos distribuidas y almacenes de datos.

Tecnologías de Big Data: A tener en cuenta

Todas estas herramientas contribuyen a la comprensión en tiempo real, predictiva e integrada; y es exactamente lo que Big Data quiere de los clientes ahora. Para obtener la ventaja competitiva que ofrece Big Data, debe infundir análisis en todas partes, explotar el valor en todos los tipos de datos y hacer un diferenciador de velocidad. Todo esto requiere una infraestructura que pueda administrar y procesar volúmenes masivos de datos estructurados y no estructurados. Las tecnologías de Big Data deben admitir los servicios de búsqueda, gobierno, desarrollo y análisis de datos que abarcan desde datos de transacciones y aplicaciones hasta datos de máquinas y sensores, datos geo espaciales, sociales y de imágenes.

Fuente: Naveen Joshi. Fundador y CEO de Allerin. Experto en Big Data, IoT, AI y Blockchain.

5 consejos para implementar Business Intelligence

Obtener la correcta estrategia de Business Intelligence, es mucho más que crear un almacén de datos.

Martin Draper, director de tecnología en el retail Liberty, dice que su gran prioridad para 2017 es el Business Intelligence. La empresa recopila información de diversas fuentes y Draper desea crear una estrategia basada en datos que ayude a los ejecutivos de la empresa, a tomar decisiones más inteligentes de forma rápida y efectiva.

A lo largo de su carrera, Draper ha estado ansioso por impulsar la transformación a través de la información. Pasó una década dirigiendo su propia consultora de Business Intelligence antes de convertirse en CIO (Chief Information Officer) retail, ayudando a las organizaciones de todos los sectores a convertir los datos en información.

Draper, basándose en su experiencia, proporciona cinco consejos de mejores prácticas para ejecutar una estrategia de BI exitosa:

1. Vea su iniciativa como un enfoque cultural generalizado

Los analistas están dispuestos a hablar sobre la inversión continua en BI y analytics. Gartner dice que el 48% de las empresas, en el 2016, invirtió en Big Data un 3% más que en el 2015. Mientras tanto, IDC (International Data Corporation) espera que el gasto global en Big Data y Business Analytics crezca de $ 130.1 billones en 2016 a más de $ 203 billones en 2020.

Sin embargo, Draper dice que la tecnología es solo un elemento de un fuerte enfoque de BI. Él dice que el éxito en BI es mucho más que la suma de herramientas y procesos. Demasiados CIO aún no reconocen que el elemento cultural es esencial. "He ganado una buena vida con los tecnólogos que construyen plataformas de datos y luego veo que la realización del beneficio no se ha materializado", dice, refiriéndose a su experiencia previa como consultor de BI.

"Tienes que tener la tecnología correcta y una hoja de ruta de arquitectura de datos clara, pero también debes tener una organización que pueda consumir información y desarrollar conocimientos. Ese es absolutamente el consejo número uno: Si no ves tu proyecto de BI como un enfoque cultural generalizado para las empresas, es mejor que no te molestes en comenzar".

2. Obtenga respaldo de alto nivel para sus objetivos a largo plazo

Draper dice que los CIO deben reconocer que una iniciativa analítica es mucho más que lograr objetivos a corto plazo. "La inteligencia empresarial es para siempre", dice. "Si va a hacerlo correctamente, debe comprender todos los aspectos de su organización y planificar una hoja de ruta para la implementación hasta donde pueda ver".

Los CIO, dice Draper, deberían ver su proyecto de BI como un programa, en lugar de un solo golpe. "Puede llevar años crear un programa de BI en algunos casos", dice. La naturaleza prolongada (y, a veces, costosa) de una iniciativa analítica significa que el soporte de alto nivel es esencial.

"Asegúrese de que la persona número uno es su organización, es el patrocinador clave de su programa de BI", dice Draper. "La idea de usar los datos para decir la verdad y tomar decisiones significa que el apoyo del director ejecutivo es absolutamente clave".

3. Utilice la capacidad de un especialista para desarrollar ganancias tempranas para el negocio

Mientras que Draper cree que BI debe ser visto como un "programa para siempre", también reconoce que las ganancias rápidas pueden ayudar a demostrar los beneficios de sus ideas a los escépticos, particularmente en los primeros días de una iniciativa. Estas ganancias tempranas pueden ayudar a dictar la dirección futura.

"No prediga el clima antes de subirse al barco. La belleza de la capacidad y tecnología actual es que las personas experimentadas, ya sea interna o externamente, pueden ayudar a su negocio a obtener algunos beneficios de BI bastante rápido", dice Draper.

"Siempre debe pensar en términos de objetivos a largo plazo, pero también puede lograr el éxito a corto plazo rápidamente, si crea un equilibrio efectivo entre la tecnología, la capacidad de IT (Information Technology), el talento comercial y la arquitectura de datos. Reconozca que el mundo es un conjunto de procesos de negocios: Nuestro trabajo en tecnología es automatizar tantos de esos procesos como podamos y dejar los elementos creativos a los expertos humanos".

4. Enganche de nuevo a la demanda de la organización de forma continua

Draper dice que los CIO deben definir qué aspecto tiene el éxito en términos de BI. Para algunas personas, el éxito se trata de informes comerciales. Para otros, podría implicar autoservicio, capacidades analíticas avanzadas o una versión única de la verdad.

"La realidad es que, dependiendo de la audiencia, puede ser todos esos elementos o solo uno", dice Draper. "Darse cuenta de que BI es un facilitador para mejorar la toma de decisiones y definir lo que necesita entregar para permitir esa visión es absolutamente crítico".

Las expectativas ejecutivas en torno al poder potencial de la analítica siguen siendo altas. Draper dice que los requisitos comerciales pueden flexibilizarse y cambiar, por lo que los CIO deben asegurarse de que sus programas de BI coincidan con la capacidad técnica con conocimiento comercial. "Tendrá que conectarse de nuevo al negocio de forma continua, y para siempre", dice Draper.

"BI no se trata solo de construir un almacén de datos SQL Server, sino de crear beneficios en un punto definible más adelante. De lo contrario, es solo otra plataforma, y ​​su empresa no verá el valor de su inversión".

5. Intente una comprensión matizada de la información que proporciona

Draper advierte a los ejecutivos que no se centren únicamente en la representación visual de los datos. La verdadera percepción, dice, proviene de un nivel más detallado de comprensión.

"A menos que su organización pueda mirar el tablero y entender cómo convertir el indicador rojo en naranja y verde, entonces las ganancias serán pequeñas", dice. "El nuevo enfoque en Big Data y en tiempo real es potencialmente brillante. Pero si su organización no puede reaccionar a la información, entonces la información no tiene sentido".

Draper dice que los jefes de finanzas le enseñaron al principio de su carrera que la conversación en torno a los datos siempre debe centrarse en los objetivos. "La gran inteligencia de negocios se trata de entender lo que usted y sus colegas van a hacer de manera diferente mañana debido a la visión que tiene hoy", dice.

"A menos que pueda decidir y actuar, todos los análisis brindan un número en la pantalla. Por lo tanto, definir qué éxito y ejecución son las claves es muy fácil. Es muy fácil generar números y opiniones, es muy difícil de ejecutar".

Fuente: Mark Samuels. Periodista de negocios especializado en temas de liderazgo de IT.

Los mitos del Big Data y el marketing

Big Data se ha convertido en una gran industria, promovido como cura para todo lo que aflige el marketing. Sin embargo, tenemos un largo camino por recorrer antes de que Big Data proporcione su potencial. Consideremos un par de ejemplos. Me registro en Facebook desde Lausana en Suiza. Ya estuve registrado hace un par de años en el mismo ordenador portátil, usando el sitio social en idioma inglés. Sin embargo, lo que veo es la página de registro de Facebook en alemán. Tal vez, la ubicación supera la dirección IP del portátil. Sin embargo, incluso si se basa en la ubicación, en Lausana, la página de registro debería estar en francés. De manera similar, recientemente me mudé a Singapore Management University y ahora veo numerosos anuncios para inscribirse en varios programas de esta universidad.

A pesar de ser un creyente en Big Data, necesitamos tener expectativas realistas de Big Data. Como vendedores, estamos en el comienzo de un viaje muy largo.

EL MITO DE BIG DATA

El mito más grande es que hay algo llamado Big Data. En realidad, la construcción de una base  útil de datos, requiere unir muchos datos pequeños de múltiples fuentes. Esto es lo que hace que sea un trabajo duro.

• ¿Cuántas fuentes diferentes se pueden unir para capturar todas las rutas digitales de un cliente. Y, ¿Qué es lo que simplemente se nos escapa en la atmósfera?

• ¿Cómo combinar los datos de varias fuentes, cada uno con su propio enfoque para recopilar, mantener y actualizar los datos, y vincularlo a un individuo único?

A medida que uno mejora en esto, permite una mayor integración a través de los diferentes puntos de contacto donde los clientes experimentan la marca.

MÁS DATOS ES MEJOR

Los vendedores, motivados por el interés propio, siguen empujando la idea de que mientras más granular sean los datos es mucho mejor. Pero Big Data es como los granos de arena, pueden crear una tormenta de arena y puede cegarte y desorientarte. Hay un viejo beduino diciendo que seis minutos en una tormenta de arena, es suficiente para hacer que un hombre se vuelva loco.

• Al principio de una investigación, aprende que siempre hay demasiados datos y no suficientes datos simultáneamente. Una gran cantidad de los datos que inicialmente parece agradable tener es innecesario para resolver el problema en cuestión. Además, siempre hay más datos que uno quisiera, pero no están disponibles.

• Los datos, en sí mismos, no tienen ningún valor. Es sólo un costo hasta que se unió con la analítica para extraer información accionable. Las decisiones clave son qué mantener y qué ignorar. El agua en un vaso es manejable, pero en una inundación, es abrumadora.

Para que los marketeros exploten Big Data, deben aprender a vivir con ambigüedad. En lugar de simplemente buscar más y más datos, la tecnología y la comprensión para utilizar los datos disponibles es quizás más importante.

LOS DATOS EN TIEMPO REAL SON MEJORES

Parece obvio que los datos que se actualizan lo más cerca posible del tiempo real son mejores. Si bien esto puede ser cierto en algunos casos, pero el acompañamiento "ruido" puede conducir a una mayor confusión y errores. A menudo, en lugar de una respuesta rápida, es mejor tomar el tiempo para reflexionar. Sólo después de limpiar los datos, entender el problema y mejorar el modelo, se debe pasar a la acción.

No importa, la forma en que los datos son en tiempo real, son datos pasados ​​y uno está tratando de predecir el comportamiento futuro.

Para que los modelos sean útiles, los gerentes de marketing deben adoptar lecciones del antiguo movimiento japonés de calidad de mejora continua. Pero esto requiere la prueba de modelos rigurosamente. Antes de aceptar un modelo, uno debe tener la disciplina para utilizar muestras de espera y experimentos aleatorios.

CONCLUSIÓN

La mayoría de las cosas en la vida que son importantes y que valen la pena son difíciles de hacer. Big Data no es una excepción. Los modelos puestos en práctica no pueden simplemente ser exteriorizados a analistas de datos o algoritmos de máquinas. Los vendedores tienen que ensuciarse las manos y lidiar con la obtención de una comprensión más profunda de lo que entró en la elaboración del modelo y la calidad de los datos que se utilizaron. Si los modelos basados en Big Data se convierten en una "caja negra" para los vendedores, será una continuación de las prácticas de un marketing pasado, "basadas en la fe".

Fuente: Nirmalya Kumar. Lee Kong Chian Profesor de Marketing

¿Por qué ninguna empresa debe iniciar un proyecto de Big Data en este momento?

Si este año, una de sus metas es comenzar un proyecto de Big Data, es posible que desee pensarlo de nuevo. Ninguna empresa debe comenzar un gran proyecto de datos en este momento. Pero déjame ser claro. No es porque predigo un descenso importante en la economía o una innovación increíble que cambiará la forma en que se debe ejecutar un proyecto de datos. Es muy simple. Si planea un gran proyecto de datos, le falta el aspecto más importante. Y no debe tratarse de los datos, sino sobre su negocio.

Mientras que los datos y la analítica están revolucionando nuestro mundo y cambiando la manera en que vivimos y trabajamos, son las ideas que proporcionan que los hacen poderosos. Por lo tanto, a menos que sepa qué preguntas de negocios necesita responder y qué problema de negocio desea resolverse, no debe iniciar un proyecto de datos.

Todavía veo demasiados proyectos de Big Data que no tienen metas de negocio claramente definidas y resultados mensurables, por lo que no es sorprendente que tantos proyectos de Big Data fallen. Cuando ayudo a las empresas a identificar las maneras más estratégicas de cómo los datos y la analítica pueden transformar su negocio, enlazamos cada proyecto con prioridades estratégicas e identificamos KPIs de negocios que ayudan a medir el éxito de estos proyectos.

Tomemos Citibank como un buen ejemplo, cada proyecto de datos comienza con requisitos de negocio específicos. Antes que cualquier proyecto de datos sea aprobado, tiene que ser validado a través de pruebas de conceptos y será monitoreado usando métricas de rendimiento empresarial.

Lo mismo ocurre con Caterpillar, donde cada proyecto de datos está vinculado a un problema empresarial y se mide con KPIs de negocios, lo que a su vez ayuda a mostrar rendimientos impresionantes en sus proyectos de datos.

Usos clave de datos en los negocios

Existen cinco áreas clave que pueden ayudar a identificar las aplicaciones más estratégicas de datos en cualquier negocio:

1. Mejorar la toma de decisiones: Armados con datos precisos, los líderes empresariales pueden tomar decisiones de negocios más inteligentes. Pueden determinar qué preguntas necesitan ser contestadas para impulsar su compañía al éxito.

2. Entender a los clientes: Cuando los datos se recopilan y analizan adecuadamente, ayudan a las empresas a entender quiénes son sus clientes y por qué compran, así como las principales tendencias de los clientes que están en el horizonte.

3. Mejorar la oferta del cliente: Los datos también ayudan a las empresas a ofrecer un mejor producto o servicio a sus clientes e integran datos y análisis en sus ofertas de clientes.

4. Mejorar las operaciones: Los datos y análisis pueden ayudar a las empresas a optimizar sus operaciones, producción y procesos.

5. Crear una nueva corriente de ingresos cuando los datos se monetizan: Los datos pueden crear un flujo de ingresos adicional para muchas empresas cuando venden sus datos a otras empresas que lo valoran. Los datos también se consideran un activo en la valoración de las empresas.

Comience con una estrategia de datos

Una vez que las empresas han identificado las áreas que quieren abordar con los datos, el primer paso es identificar el verdadero problema de negocio para que ellos conduzcan los proyectos de datos con las preocupaciones del negocio en lugar de los datos. Una buena estrategia de datos se determina por lo que su empresa desea lograr y cómo los datos pueden ayudarle a llegar allí.

Desarrollar medidas de éxito

A continuación, debe desarrollar KPIs o métricas de éxito que deben vincular a los objetivos de negocio de nivel superior, tales como el aumento de los beneficios y los ingresos, o metas intermedias, como ganar cuota de mercado, la satisfacción del cliente, mejorar la utilización de la capacidad o aumentar la participación del personal. Aquí hay una lista de 25 métricas empresariales de nivel superior que puede usar.

El poder de Big Data no es lo mucho que reúne, sino la forma en que utiliza la información que recopila de los datos que clasifica. Con el fin de obtener la participación de los líderes y empleados de su empresa, tendrá que ayudarles a entender los beneficios tangibles del negocio que su proyecto puede dar a su organización y cómo los datos le ayudarán a obtener esos beneficios. Es imprescindible ayudar a su gente a ver cómo va a utilizar los datos para trabajar más inteligentemente y hacer mejores negocios para que puedan apreciar en lugar de temerlo.

No base sus proyectos de Big Data sobre los datos o la tecnología, asegúrese proyectos empresariales para lograr una meta estratégica, medidos por métricas empresariales.




Fuente: Bernard Marr es un autor best-seller y orador principal de negocios, tecnología y Big Data. Su nuevo libro es Estrategia de Datos.

10 sencillos pasos para desarrollar KPIs efectivos en cualquier negocio

Los KPIs (Key Performance Indicators) son importantes en los negocios, pero son realmente útiles si usted los identifica correctamente. Este artículo presenta 10 pasos esenciales que le ayudarán a analizarlos y mejorar sus decisiones, asegurando que su negocio no caiga en errores comunes de las grandes y pequeñas empresas.

1. Comience con la estrategia.

Siempre debe comenzar con la estrategia. Sin una participación firme alrededor de lo que su negocio está tratando de lograr, quizás termine con una desalentadora y larga lista de posibles indicadores que podría o debería medir.

Por lo tanto, su estrategia actúa como punto de partida para diseñar los KPIs apropiados. Con demasiada frecuencia, las empresas crean un documento de estrategia de 30 a 40 páginas que nadie nunca lee ni entiende. Debemos crear una estrategia simple, de una página. Esto le ayudará a definir claramente sus objetivos y a determinar lo que necesita para implementarlos.

2. Defina las preguntas que necesitan respuestas.

Vincular sus KPIs a su estrategia enfocará inmediatamente su visión y hará que sean relevantes y más evidentes. La identificación de las preguntas que necesitan respuestas limitará aún más su enfoque, porque las preguntas dan el contexto de los indicadores.

Es por eso que, además de los KPIs, siempre aconsejo a mis clientes pensar en los KPQs (Key Performance Questions). Estos le ayudarán a determinar qué datos necesita recopilar y, por lo tanto, qué KPIs encontrará más útiles. Por ejemplo, si planea ejecutar una estrategia simple para aumentar sus ingresos concentrándose en las áreas más rentables de su negocio, podría preguntar "¿Dónde estamos obteniendo ganancias y qué procesos son más costosos en comparación con los beneficios que recibimos?".

Una vez que haya aclarado las preguntas que debe responder, puede asegurarse de que cada indicador que elige o diseña posteriormente es relevante no sólo para su estrategia, sino que también proporciona respuestas a preguntas muy específicas que guiarán su estrategia e informarán su decisión.

3. Identificar sus necesidades de datos.

Una vez que conozca las preguntas que está tratando de responder, debe definir las necesidades de datos para establecer qué KPIs, métricas o datos necesita para responder a esas preguntas.

En esta fase, olvídese de la realidad por un momento y considere qué información y conocimiento quiere tener en un mundo ideal. Después de todo, ¡Todo se puede medir!

4. Evaluar todos los datos existentes.

Después de haber elaborado sus datos ideales en el paso anterior, debe realizar un análisis mediante la comparación de los datos que idealmente le gustaría tener con lo que ya tiene, de esa manera usted puede ver fácilmente lo que falta. Pregúntese lo que necesita para cambiar, modificar o implementar para asegurarse de que la recopilación de datos está completamente alineada con la estrategia y responderá completamente a las preguntas que necesita responder. Luego llegará a los indicadores adecuados para lograr esos objetivos.

Recuerde, la mayoría de las compañías están llenas de datos. A menudo, los KPIs ya están siendo recopilados por diferentes razones, diferentes divisiones y diferentes gerentes. Por lo tanto, para determinar si lo que necesita ya está siendo recogido por alguien en algún lugar de la empresa, o tal vez está casi siendo recogido, unos pocos ajustes en el proceso de recolección le entregarán exactamente lo que necesita.

5. Encuentre los datos de apoyo adecuados.

Los KPIs son increíblemente poderosos en las manos correctas, pero debemos reconocer que también tenemos acceso a grandes cantidades de datos de apoyo que son tan intuitivos y útiles como los KPIs tradicionales. Al encontrar los datos adecuados de apoyo, ya sea información relevante de la industria, datos demográficos, estadísticas de tendencia, o lo que sea referente a su estrategia, se puede triangular y verificar sus resultados. Además de ayudarlo a tomar mejores decisiones de negocios mucho más rápido.

6. Determinar la metodología correcta de medición y la frecuencia.

Saber lo que necesita es una cosa, elaborar cómo acceder y medir esa información es otra. Encontrar la metodología de medición correcta es crítico. Por lo tanto, una vez que sepa qué información necesita recopilar, necesita encontrar la metodología de medición adecuada para obtenerla. Especialmente si tiene que desarrollar nuevos KPIs o modificar los ya existentes.

Siempre es preferible alinear la frecuencia de medición con "cómo y cuándo se utilizan los datos en la organización", porque todos los datos tienen una "vida útil". Esto significa que la frecuencia de medición debe estar en línea con la frecuencia de presentación de informes. Si no es así, los datos pueden perder impacto y/o relevancia. Por ejemplo, si recoge los datos de satisfacción del cliente a través de una encuesta en el verano e informa sobre los hallazgos en el invierno, los resultados ya están seis meses desfasados.

7. Asigne la propiedad de sus KPIs.

Los KPIs efectivos requieren dos tipos de propiedad. La primera es en términos de su significado e interpretación. Alguien tiene que estar a cargo de mirar los KPIs, interpretar su significado, el seguimiento de cómo está cambiando y decidir lo que eso significa para el negocio.

La otra propiedad se refiere a la recopilación de datos. A veces se puede automatizar el proceso pero, más a menudo que no, la recopilación de datos requerirá de alguna interacción humana. Tal vez cierto personal está involucrado en la transferencia de datos de una base de datos a otra, o tienen que recogerlo manualmente. Una vez más, esta propiedad debe ser claramente establecida y seguida.

8. Asegúrese de que los KPIs sean entendidos por personas dentro de su organización.

Es esencial que todo el mundo en su negocio sea consciente de lo que está tratando de lograr, y cómo está midiendo el progreso hacia esos logros. Esto es especialmente importante para aquellos que se encargan de la propiedad de los KPIs, pero también es importante para las personas a través del negocio, en cualquier nivel. Los KPIs deben formar parte del proceso de toma de decisiones para cada empleado, y todos deben ser capaces de responder a la pregunta, "¿Cómo lo que estoy haciendo hoy afectan a nuestros KPIs?"

Por lo tanto, debe asegurarse de que todo el mundo entienda cómo las métricas que está recopilando están vinculadas a sus prioridades estratégicas. Esto aumentará el "buy in" (colaboradores entusiastas e involucrados acerca de sus prioridades) y garantizará que la revisión y mejora constante están en el corazón de todo lo que su gente hace. Si simplemente le dices a todos que tienen que recoger un montón de datos adicionales a partir de ahora, sin explicar por qué, es probable que terminen con una mano de obra muy cínica y desconectada.

9. Encuentre la mejor manera de comunicar sus KPIs.

Siempre es aconsejable pensar en la mejor manera de comunicar sus KPIs para que sus percepciones sean obvias, atractivas y evidentes para todos. Muchos KPIs se informan en informes largos, llenos de números o tablas, e incluso con un gráfico de semáforo para indicar la urgencia. Esto no es suficiente. 

Las visualizaciones realmente efectivas ilustran claramente tendencias y variaciones en los datos, y atraen al lector. Trate de encontrar la imagen correcta para sus KPIs y cree una explicación de los puntos de vista para que los datos sean claros, inequívocos, accesibles y, lo más importante, factibles de acción.

10. Revise sus KPIs para asegurarse de que ayudan a mejorar el rendimiento.

Si un KPI no es útil para ayudarlo a usted o a otros en su negocio a tomar mejores decisiones, lo que, a su vez, mejorará el rendimiento de su negocio, entonces es sólo ruido. Por lo tanto, debe revisar constantemente las métricas que está midiendo para asegurarse de que son realmente útiles y no estar pasando horas (o pidiendo a su personal que pasen horas) midiendo los datos simplemente para marcar las casillas.

Utilizados correctamente, los KPIs proporcionan una herramienta vital para mejorar el rendimiento, tomar mejores decisiones de negocios y obtener una ventaja competitiva. Espero que estos 10 pasos ayuden a desmistificar los KPIs y proporcionar un marco sencillo para hacer que funcionen correctamente en su negocio.

Fuente: Bernard Marr. Autor de gran éxito de ventas, orador principal y asesor de empresas y gobiernos. Ha trabajado y asesorado a muchas de las organizaciones más conocidas del mundo.

¡Felices Fiestas Patrias!

.

¡Viva el Perú!

Aceptan limpiar inodoros para obtener WiFi porque no leyeron los términos

Tim Berners-Lee, el padre de la World Wide Web, a principios de este año enumeró sus principales preocupaciones por el futuro de su creación. Una de la más alarmante, es el cada vez más denso contrato de servicios que las compañías piden firmar a los usuarios. Una empresa pública de WiFi ha demostrado lo peligroso que resultan estos complicados acuerdos, mediante la inserción de condiciones absurdas que miles de personas aceptaron, sin darse cuenta.

Purple es una empresa con sede en Manchester que se especializa en la ejecución de puntos de accesos WiFi, para marcas como Legoland, Outback Steakhouse y Pizza Express. Hace poco, la compañía fue transparente para realizar un experimento de dos semanas, en el que insertó una Cláusula de Servicio Comunitario en sus términos de acuerdo de servicio. Más de 22,000 personas se inscribieron para realizar 1,000 horas de trabajo de mano de obra, por la oportunidad de acceder a su Facebook y tal vez buscar algunas otras páginas web.

En un blog de su site, un portavoz de Purple explica que el acuerdo requiere que los usuarios realicen cualquiera de las siguientes acciones:

• Limpieza de desechos de animales en los parques locales
• Proporcionar abrazos a perros y gatos callejeros
• Aliviar manualmente los bloqueos de alcantarillado
• Limpieza de lavabos portátiles en festivales y eventos locales
• Pintar conchas de caracol para alegrar su existencia
• Raspar chicles de las calles

También hubo una oferta de premios para cualquier persona que contacte con la compañía y señale la cláusula. Sólo una persona recibió un premio.

No está claro si Purple podría estar legalmente autorizado para hacer cumplir la cláusula, pero dijeron que ni siquiera lo intentarán. Esta campaña pretende aumentar la conciencia sobre la necesidad de leer las condiciones de servicio, además de hacer un poco de marketing para anunciar que Purple es el primer proveedor de WiFi, compatible con el nuevo Reglamento General de Protección de Datos (GDPR - General Data Protection Regulation).

Las directrices del GDPR serán aplicables desde el 25 de mayo de 2018 para los países que forman parte de la Unión Europea. Los nuevos reglamentos pretenden simplificar los términos y condiciones, así como proporcionar más transparencia a los consumidores para entender cómo se utilizarán sus datos personales.

En los EEUU y la mayoría de países sudamericanos, las protecciones al consumidor son muy ambiguas, por lo tanto, es posible que desee tener cuidado.

Fuente: Rhett Jones. @rhettjonez

Inteligencia artificial y gestión de decisiones

AI (Artificial Intelligence: Inteligencia artificial) y los sistemas de gestión de decisiones, pueden ayudar a las empresas a tomar decisiones válidas, proporcionando información actualizada y relevante, realizando funciones analíticas.

Las empresas basan sus decisiones en los datos disponibles de los sistemas de información de gestión, ya que reflejan la información que proviene de las operaciones de su empresa. La combinación de AI y sistemas de gestión de decisiones, puede llevar la toma de decisiones a diferentes niveles. Las capacidades de AI ayudan a estos sistemas de gestión de decisiones, a traducir datos de clientes en modelos predictivos de tendencias clave. Esto ha ayudado a los departamentos de marketing y consumo, a personalizar sus esfuerzos de acuerdo con la demografía clave.

AI y Gestión de Decisiones: Beneficios

• Decisiones más rápidas
• Reconociendo los riesgos
• Procesos de automatización

Desde sus inicios, AI ha jugado un papel revolucionario en la automatización de actividades basadas y no basadas en el conocimiento. Hoy en día, una gran cantidad de datos se utilizan para generar varios modelos sobre una base semanal o incluso sobre una base diaria, que ayudan a una organización en la toma de decisiones en cantidades fraccionarias de tiempo. Esto ha ayudado a obtener grandes ingresos para las empresas. Pero, los seres humanos tienen su capacidad para hacer el trabajo, no pueden ser estresados ​​más allá de esos límites. Aquí es donde AI ha desempeñado un papel fundamental en la ampliación de estos límites, aumentando los beneficios. Por ejemplo, algunas compañías médicas están integrando sus sistemas de gestión de decisiones con AI para proporcionar recomendaciones en el tratamiento de pacientes específicos.

Estos sistemas ayudan a superar información compleja y dinámica para generar hipótesis. En el sector financiero, los sistemas de gestión de decisiones con IA también actúan como un detector de fraude. AI puede desempeñar un papel determinante en los sistemas de gestión de decisiones automatizando los requerimientos de los mercados financieros, empujando los límites actuales y llevando la competencia al siguiente nivel.

AI puede hacer que su sistema de gestión de decisiones sea fiable y eficiente, y por lo tanto, le ayudará a hacer productos innovadores y obtener buenos beneficios.

Los expertos se centran ahora en desarrollar tecnología comercial de IA para sistemas de gestión de decisiones en tres sectores particulares: 

• El comercio electrónico
• El comercio de los mercados financieros
• Los seguros

La inteligencia artificial se ha vuelto omnipresente desde la perspectiva tanto de los consumidores como de las organizaciones. Las empresas han aumentado su dependencia de AI para la recopilación de datos, el desarrollo de métodos informáticos para la percepción automatizada, el aprendizaje, la comprensión y el razonamiento con los datos recogidos. Las organizaciones ahora deben centrarse en priorizar el cultivo de la innovación tecnológica y tomar esfuerzos para mantenerse por delante de los competidores en el mercado. Es un hecho conocido ahora que esas empresas, que implementan inteligencia artificial y pueden utilizarla eficazmente, eventualmente serán más valoradas.

Fuente: Naveen Joshi. Especialista en Big Data. Powered de IoT.

POR QUÉ LAS EMPRESAS DEBEN CONSIDERAR MACHINE LEARNING

Si aún no está seguro de Machine Learning (aprendizaje automático) y de sus beneficios, considere estos escenarios.

El 2016, se informó que el patrimonio neto de Google era de $ 336 mil millones, y esto se debe en gran parte a los algoritmos de aprendizaje avanzado que la empresa emplea. Google fue la primera empresa en darse cuenta de la importancia de incorporar Machine Learning en los procesos de negocio. Y la potencia tecnológica no se detiene en ningún punto, sigue modificando sus algoritmos para adaptarse mejor a las necesidades de sus usuarios de forma continua.

¿Y cómo se logra la difícil tarea de observar el patrón de navegación de miles (o millones) de sus usuarios?

La respuesta es simple. Mediante el análisis de los datos, que se ha acumulado mediante la introducción de Machine Learning a su modelo operativo de negocio.

Este es sólo un ejemplo de cómo los procesos de Machine Learning en la grabación y procesamiento de datos pueden ayudar a las empresas a crecer.

Aquí hay otras tres maneras en las que Machine Learning puede ayudar a varios sectores empresariales:

1. Elimina las restricciones físicas.

Si hemos logrado algo al automatizar y digitalizar los procesos de negocio, es que hemos eliminado las limitaciones físicas que restringen el crecimiento. Antes de la era tecnológica, ¿Cuál era el mayor problema que enfrentaban las empresas? Operar dentro de un espacio limitado, accesible sólo para un número limitado de personas. Para un diseñador, era necesario limpiar completamente el inventario anterior antes de utilizar el espacio de la estantería para los nuevos diseños. Al considerar Machine Learning y moverse en el mundo del comercio electrónico, usted no tiene que preocuparse de quedarse sin estantes.

2. Proporciona una comprensión más profunda de sus consumidores.

Con la introducción de procesos automatizados, las empresas se han centrado mas en el consumidor. Para poder sobrevivir a la competencia de satisfacer las necesidades de sus clientes, usted como propietario de un negocio tiene que entender las necesidades de sus consumidores.

Si usted no entrega lo que los consumidores están buscando, hay una alta probabilidad de perder clientes potenciales frente a la competencia. Machine Learning juega un papel importante en la solución del misterio de las preferencias de los consumidores. Toda la información requerida se oculta detrás de los datos acumulados por el negocio. Usted sólo tiene que exprimir los códigos, y descubrirá lo que sus clientes están buscando activamente.

3. Procesos automatizados, aumentando la eficiencia.

Imagine estar en una fila larga de un supermercado. Alguien está parado delante de usted y la máquina del cajero se rompe repentinamente. Es una pesadilla, ¿verdad? Usted podría estar pasando esos preciosos minutos viendo su serie favorita en Netflix.

Ahora imagine que la máquina no está rota, pero de hecho nunca fue inventada. El cajero tiene que introducir manualmente cada compra y compararla con el stock existente. La incorporación de procesos automatizados para registrar el stock de inventario y los datos de pedidos no es un lujo, es una necesidad en el mundo de hoy. Machine Learning ha aumentado la eficiencia de las empresas y ha minimizado el margen de error.

Fuente: Ronald van Loon. Director Adversitement. Top10 Big Data, Data Science, IoT, BI Influencer.

En el Internet de las cosas no hay reglas

En el salvaje oeste no había leyes, pero había un "código de vaquero" y tenía un conjunto de reglas de conducta. Algo así como:

• Cuidado con los suyos.
• Siempre llena el vaso de whisky hasta el borde.
• Practica la gratitud.
• Ayudar a alguien en la necesidad, incluso si es un extraño o un enemigo.

Cuando se trata del Internet de las cosas (Internet of things), no hay ninguna ley. No hay directrices. No hay un lenguaje estándar. No hay código.

La seguridad, la privacidad y el Internet de las cosas (IoT) son tres entidades separadas. Con una adopción masiva de la IoT, hay un potencial de estos tres mundos colisionando.

El objetivo de IoT es mejorar la calidad de vida y proporcionar beneficios a las empresas. Sin embargo, el IoT es una tecnología emergente que se está expandiendo rápidamente, con grandes lagunas de seguridad. Está plagado de vulnerabilidades, malware y el potencial de interrumpir la infraestructura.

Para 2020, habrá 8 mil millones de dispositivos en IoT. Incluyendo automóviles, rastreadores de actividad, entre otros. El impacto comercial es enorme. El Internet nos ha dado la oportunidad de conectar estas cosas de manera que nunca pensamos posible. Además, las interacciones entre los dispositivos están creando nuevos tipos de oportunidades tales como transporte y ciudades inteligentes, y salud y casas inteligentes.

Muchos de nosotros no somos conscientes de cómo la IoT va a cambiar la forma en que vivimos el trabajo y el juego. El objetivo de IoT es mejorar la calidad de vida y proporcionar beneficios a las empresas.

Cada día, el IoT recoge pasivamente petabytes de datos. Con eso, hay mucho que puede ir mal, y hay muchos desafíos de seguridad. Los datos pueden caer en manos equivocadas, afectando nuestra privacidad. Todos necesitamos ser más conscientes de la necesidad de seguridad en el IoT.

Algunas maneras de abordar la gran brecha en la seguridad de IoT incluyen:

• Garantizar la confidencialidad proporcionando flujos de comunicación cifrados.
• Garantizar la integridad al proporcionar almacenamiento de datos cifrados y utilizar controles de integridad.
• Proporcionar métodos de autenticación para que los dispositivos se comuniquen con entidades conocidas y de confianza.
• Proporcione actualizaciones de seguridad en forma de parches y correcciones de errores.

La Unión Europea ha empezado a investigar la posibilidad de requisitos de seguridad, ya que han reconocido que los dispositivos tienen poca o ninguna seguridad. La medida es una revisión de las leyes actuales de telecomunicaciones. La propuesta incluirá una práctica de etiquetado que identificará que el dispositivo está aprobado y seguro, esto podría proporcionar que los consumidores tomen decisiones educadas sobre la selección de dispositivos.

Es muy probable que los consumidores paguen más como compensación. La industria del IoT sigue evolucionando. Lograr el objetivo de la seguridad no será fácil sin desafíos. A medida que nos movemos en un mundo completamente nuevo, habrá dolores de crecimiento.

Fuente: Lisa Bock. Author: Ethical Hacking: Penetration testing.

¡Feliz día del padre!

Este domingo 18 de junio, celebramos el día del padre y no queremos dejar de saludarlos, deseándoles un feliz día junto a sus familiares.

Estrategias CIO: 5 consejos para implementar inteligencia de negocios

Como responsable de los sistemas de tecnologías de información de una empresa, a nivel de procesos y desde el punto de vista de la planificación, el CIO (Chief Information Officer) tiene nuevos retos y uno de los más importantes es conseguir que el uso correcto de la inteligencia de negocios sea más que construir un almacén de datos.

Martin Draper, Director de Tecnología del retail Liberty, dice que su gran prioridad para 2017 es la inteligencia de negocios. La empresa reúne información de diversas fuentes y Draper quiere crear una estrategia basada en datos que ayude a los ejecutivos de la empresa, a tomar decisiones más inteligentes de manera rápida y eficaz.

Draper se unió a este retail de renombre mundial en marzo del 2016, después de haber sido responsable 13 años en el área de IT (Information Technologies) en Harrods. A lo largo de su carrera, Draper ha estado ansioso por impulsar la transformación a través de la información. Pasó una década dirigiendo su propia consultora de inteligencia de negocios (Business Intelligence) antes de convertirse en un CIO minorista, ayudando a las organizaciones de todos los sectores a transformar los datos en información.

Basándose en su experiencia, Draper ofrece cinco consejos de mejores prácticas para ejecutar un BI de éxito imitativo:

1. Vea su iniciativa como un potente enfoque cultural.

Los analistas están dispuestos a hablar de la continua inversión en BI y analítica. Gartner dice que el 48% de las empresas invirtieron en Big data en 2016 y un 3% desde 2015. IDC (International Data Corporation), por su parte, espera que el gasto global en Big Data y análisis de negocios crezca de 130.100 millones de dólares en 2016 a más de 203.000 millones de dólares en 2020.

Sin embargo, Draper dice que la tecnología es sólo un elemento de un enfoque de BI fuerte. Él dice que el éxito en BI es mucho más que la suma de herramientas y procesos. Demasiados CIOs todavía no reconocen que el elemento cultural es esencial. "He hecho una vida buena de los tecnólogos que construyen plataformas de datos y luego el beneficio no ha regresado", dice, refiriéndose a su experiencia anterior como consultor de BI.

"Tienes que tener la tecnología adecuada y un mapa de la arquitectura de datos claro, pero también tienes que tener una organización que puede consumir información y desarrollar la visión. Si no ves tu proyecto de BI como un potente acercamiento cultural al negocio, no se moleste en comenzar".

2. Obtenga un respaldo de alto nivel para sus objetivos a largo plazo.

Draper dice que los CIOs deben reconocer que una iniciativa de análisis es mucho más que alcanzar metas a corto plazo. "La inteligencia de negocios es para siempre", dice. "Si usted va a hacerlo correctamente, tiene que entender todos los aspectos de su organización y planificar un plan de trabajo para la implementación en la medida de lo que pueda ver."

Los CIO, dice Draper, deberían ver su proyecto de BI como un programa, en lugar de una intervención. "En algunos casos puede tomar años crear un programa de BI", dice. La naturaleza prolongada (y a veces costosa) de una iniciativa analítica, requiere esencialmente el apoyo de alto nivel.

"Asegúrese de que la persona número uno de su organización sea el patrocinador clave para su programa de BI", dice Draper. "La idea de que vas a usar los datos para decir la verdad y tomar decisiones, significa que el apoyo del jefe ejecutivo es absolutamente clave".

3. Utilizar la capacidad del especialista para desarrollar éxitos rápidos para el negocio.

Aunque Draper cree que BI debe ser visto como un "programa para siempre", también reconoce que los éxitos rápidos pueden ayudar a demostrar los beneficios de sus ideas a los que dudan, en particular en los primeros días de una iniciativa. Estas ganancias tempranas pueden ayudar a dictar la dirección futura.

"La belleza de la capacidad y la tecnología de hoy en día es que las personas con experiencia, ya sea interna o externamente, pueden ayudar a su empresa a ofrecer algunos beneficios de BI con bastante rapidez", dice Draper.

"Siempre debe pensar en términos de objetivos a largo plazo, pero también puede obtener éxito a corto plazo rápidamente, si crea un equilibrio eficaz entre la tecnología, la capacidad de IT, el talento comercial y la arquitectura de datos." Debemos reconocer que el mundo es un conjunto de procesos de negocios y nuestro trabajo en tecnología, es automatizar tantos procesos como podamos y dejar los elementos creativos a los expertos.

4. Recuperar la demanda organizacional de forma continua.

Draper dice que los CIOs deben definir lo que es el éxito en términos de BI. Para algunas personas, el éxito se trata de informes empresariales. Para otros, podría implicar autoservicio, capacidades analíticas avanzadas, o una sola versión de la verdad.

"La realidad es que, dependiendo de la audiencia, puede ser todos esos elementos o sólo uno", dice Draper. "Darse cuenta de que el BI es un facilitador para una mejor toma de decisiones y definir lo que necesita para ofrecer esa visión, es absolutamente crítico".

Las expectativas de los ejecutivos en torno al poder potencial de la analítica siguen siendo altas. Draper dice que los requisitos del negocio pueden flexionar y cambiar, por lo que los CIO deben asegurarse de que sus programas de BI coincidan con la capacidad técnica y la conciencia comercial. "Tendrá que volver a conectarse al negocio continuamente, y para siempre".

"BI no se trata sólo de crear un almacén de datos de SQL Server, sino de crear beneficios en un punto definible de la línea, de lo contrario, es sólo otra plataforma y su negocio no verá el valor de su inversión".

5. Objetivo de una comprensión matizada de la información que proporciona.

Draper advierte a los ejecutivos que no se centren únicamente en la representación visual de los datos. El verdadero entendimiento, dice, proviene de un nivel más detallado de comprensión.

"A menos que su organización pueda mirar el tablero, y entender cómo convertir el indicador rojo en naranja y verde, entonces las ganancias serán pequeñas", dice. "El nuevo enfoque en Big Data y en tiempo real es potencialmente brillante, pero si su organización no puede reaccionar ante la visión, entonces la información es inútil".

Draper dice que a principios de su carrera los jefes de finanzas le enseñaron que la conversación en torno a los datos debería centrarse siempre en los objetivos. "BI es entender lo que ustedes y sus colegas van a hacer diferente mañana debido a la visión que tienen hoy", dice.

"Es muy fácil de producir números y opiniones, es muy difícil de ejecutar".

Fuente: Mark Samuels. Periodista de negocios especializado en temas de liderazgo de IT. www.zdnet.com