¿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.