Tag: Business Intelligence

  1. ALGORITMO.  En Ciencias de la Computación, un algoritmo es un conjunto de pasos para realizar una tarea. En otras palabras, una secuencia lógica  y con instrucciones que forman una fórmula matemática o estadística para realizar el análisis de datos.
  2. ANÁLISIS DE SENTIMIENTO. El análisis de sentimiento se refiere a los diferentes métodos de lingüística computacional que ayudan a identificar y extraer información subjetiva del contenido existente en el mundo digital. Gracias al análisis del sentimiento, podemos ser capaces de extraer un valor tangible y directo, como puede ser determinar si un texto extraído de la red Internet contiene connotaciones positivas o negativas.
  3. ANÁLISIS PREDICTIVO. El análisis predictivo pertenece al área de la Analítica Empresarial. Se trata de utilizar los datos para determinar que puede pasar en el futuro. La AP permite determinar la probabilidad asociada a eventos futuros a partir del análisis de la información disponible (presente y pasada). También permite descubrir relaciones entre los datos que normalmente no es detectada con un análisis menos sofisticado. Técnicas como la minería de datos (data mining) y los modelos predictivos son utilizados.
  4. ANALÍTICA EMPRESARIAL. La Analítica Empresarial comprende los métodos y las técnicas que se utilizan para recopilar, analizar e investigar el conjunto de datos de una organización, lo cual genera conocimiento que se transforma en oportunidades de negocio y mejora la estrategia empresarial. AE permite una mejora en la toma de decisiones ya que éstas se basan en la obtención de datos reales y tiempo real y permite conseguir objetivos empresariales a partir del análisis de estos datos.
  5. BIG DATA.  Actualmente nos encontramos en un entorno en el que cada día se generan trillones de bytes de información. A esta enorme cantidad de datos producidos día a día, la denominamos Big Data. El crecimiento de los datos provocados en Internet y otras áreas (Ej. Genómica) hacen necesarias nuevas técnicas para poder acceder y utilizar estos datos. Al mismo tiempo estos grandes volúmenes de datos ofrecen nuevas posibilidades de conocimiento y nuevos modelos de negocio. En particular, en Internet, este crecimiento comienza con la multiplicación en el número de webs comenzando los buscadores (ej. Google) a buscar nuevas formas de almacenar y acceder a estos grandes volúmenes de datos. Esta tendencia (blogs, redes sociales, IoT …) está provocando la aparición de nuevas herramientas de Big Data y la generalización de su uso.
  6. BUSINESS ANALYTICS (Analítica Empresarial). La Analítica Empresarial o Business Analytics permite conseguir los objetivos empresariales, a partir del análisis de datos. Básicamente permite detectar tendencias y realizar pronósticos a partir de modelos predictivos y utilizar estos modelos para optimizar los procesos de negocio.
  7. BUSINESS INTELLIGENCE (Inteligencia de Negocio). Otro concepto relacionado con la AE es la Inteligencia Empresarial (IE) centrada en el uso de los datos de una empresa para facilitar también la toma de decisiones y anticipar acciones empresariales. La diferencia con la AE es que la IE es un concepto más amplio, no solo se centra en el análisis de datos sino que éste es un área dentro de la IE. Es decir, la IE se trata de un conjunto de estrategias, aplicaciones, datos, tecnología y arquitectura técnica entre las que se encuentra la AE; y todo ello, enfocado a la creación de nuevo conocimiento a través de los datos existentes de la empresa
  8. DATA MINING o minería de datos. Data Mining (minería de datos) es también conocida como Knowledge Discovery in database (KDD). Es comúnmente definida como el proceso para descubrir patrones útiles o conocimientos a partir de fuentes de datos tales como Bases de Datos, textos, imágenes, la web, etc.  Los patrones deben ser válidos, potencialmente útiles y entendibles. La minería de datos es un campo multidisciplinar que incluye: aprendizaje automático, estadísticas, sistemas de base de datos, inteligencia artificial, Information Retrieval, visualización de la información, … El objetivo general del proceso de minería de datos consiste en extraer información de un conjunto de datos y transformarla en una estructura comprensible para su uso posterior.
  9. DATA SCIENCE. La oportunidad que los datos ofrecen para generar nuevo conocimiento requiere de técnicas sofisticadas de preparación de estos datos (estructuración) y análisis de los mismos. Así en Internet, sistemas de recomendación, traducción automática y otros sistemas de Inteligencia Artificial se basan en técnicas de Data Science o Ciencia de datos.
  10. DATA SCIENTIST. El data scientist, como su propio nombre indica, es un experto en la Ciencia de Datos (Data Science). Su trabajo se centra en extraer conocimiento a partir de grandes volúmenes de datos (Big Data) extraídos de diversas fuentes y múltiples formatos para dar respuesta a las cuestiones que se planteen.
  11. DEEP LEARNING o aprendizaje profundo es una técnica dentro del machine learning basado en arquitecturas neuronales. Un modelo basado en deep learning puede aprender a realizar tareas de clasificación directamente a partir de imágenes, texto o sonido, etc. Sin necesidad de intervención humana para la selección de características, esto se puede considera la principal característica y ventaja del deep learning, llamada “feature discovering”. Pueden, además, poseer una precisión que supera al ser humano.
  12. GEOMARKETING. El análisis conjunto de los datos demográficos, económicos y geográficos posibilita estudios de mercado para rentabilizar las estrategias de marketing. El análisis de este tipo de datos se puede llevar a cabo a través del Geomarketing. Tal como su propio nombre indica, Geomarketing es una confluencia entre geografía y marketing. Se trata de un sistema integrado de información -datos de diversa índole-, métodos estadísticos y representaciones gráficas orientados a dar respuestas a cuestiones de marketing de forma rápida y sencilla.
  13. INTELIGENCIA ARTIFICIAL. En computación se trata de programas o bots diseñados para realizar determinadas operaciones que se consideran propias de la inteligencia humana. Se trata de hacer que éstos sean tan inteligentes como un humano. La idea es que perciban su entorno y actúen en base a ello, centrado en el auto-aprendizaje, sean capaces  de reaccionar ante nuevas situaciones.
  14. INTELIGENCIA ELECTORAL. Este nuevo término “Inteligencia Electoral (IE)” es la adaptación de modelos matemáticos y de Inteligencia Artificial a las peculiaridades de una campaña electoral. El objetivo de esta inteligencia es la obtención de una ventaja competitiva en los procesos electorales, ¿sabes cómo funciona?
  15. INTERNET OF THINGS (IoT). Este concepto, Internet de las Cosas, fue creado por Kevin Ashton y hace referencia al ecosistema en el que los objetos cotidianos están interconectados a través de Internet.
  16. MACHIEN LEARNIN (Aprendizaje automático). Este término hace referencia a la creación de sistemas a través de la Inteligencia Artificial,  donde lo que realmente aprende es un algoritmo, el cual supervisa los datos con la intención de poder predecir comportamientos futuros.
  17. MINERÍA WEB. La minería web tiene como objeto descubrir información útil o el conocimiento (KNOWLEDGE) procedente de la estructura de hipervínculo web, contenido de la página y datos de usuario. Aunque la minería web utiliza muchas técnicas de minería de datos, no es meramente una aplicación de técnicas de minería de datos tradicionales, debido a la heterogeneidad y la naturaleza semi-estructurada o no estructurada de los datos de la web. La minería web o web mining comprende una serie de técnicas encaminadas a obtener inteligencia a partir de datos procedentes de la web. Aunque las técnicas utilizadas tienen su raíz en las técnicas de data mining o minería de datos, presentan características propias debido a las particularidades que presentan las páginas webs.
  18. OPEN DATA. El Open Data es una práctica que tiene la intención de disponer de unos tipos de datos de forma libre para todo el mundo, sin restricciones de derecho de autor, patentes u otros mecanismos. Su objetivo es que estos datos puedan ser consultados, redistribuidos y reutilizados libremente por cualquiera, respetando siempre la privacidad y seguridad de la información.
  19. PROCESAMIENTO DEL LENGUAJE NATURAL (PLN). Del procesamiento conjunto de la ciencia computacional y la lingüística aplicada, nace el Procesamiento de Lenguaje Natural (PLN o NLP en inglés), cuyo objetivo no es otro que el de hacer posible la compresión y procesamiento asistidos por ordenador de información expresada en lenguaje humano, o lo que es lo mismo, hacer posible la comunicación entre personas y máquinas.
  20. PRODUCT MATCHING. El Product Matching es un área perteneciente a Data Matching o Record Linkage encargada de identificar automáticamente aquellas ofertas, productos o entidades en general, que aparecen en la web procedente de diversas fuentes, aparentemente de forma distinta e independiente, pero que hacen referencia a una misma entidad real. En otras palabras, el proceso de Product Matching consiste en relacionar para distintas fuentes aquellos productos que son el mismo.
  • Más de 200 propuestas innovadoras presentadas a los desafíos Sacyr i Challenges
  • Sólo 13 proyectos fueron pre-seleccionados para ser expuestas en las sesiones del Pitch Day
  • ITELLIGENT, uno de los agentes innovadores para el reto «Desarrollo de negocio inteligente»

Ayer, 15 de octubre de 2019, tuvo lugar el «Pitch Day» de  Sacyr i Challenges en sus oficinas de Madrid.  Tan solo 13 proyectos de las 200 ideas innovadoras presentadas a esta iniciativa han sido preseleccionadas para darse a conocer en el llamado «Pitch Day». A lo largo de la mañana de ayer, los agentes innovadores han podido dar a conocer durante 5 minutos sus ideas y potenciales ventajas para cubrir cada uno de los desafíos propuestos por Sacyr.

IMG_1611

El pasado mes de junio, Sacyr lanzaba una nueva edición de Sacyr iChallenges 2019.  Se trata de un programa de innovación abierta y co-creación orientado a resolver, en colaboración con agentes del ecosistema innovador, cuatro retos de negocio planteados por la compañía:

  1. Reto 1: Desarrollo de negocio inteligente. Solución tecnológica, que aglutinando la información disponible en la red, permita la identificación temprana de nuevas oportunidades de negocio para la construcción llave en mano de plantas industriales.
  2. Reto 2: Digitalización de la seguridad laboral. Solución tecnológica que ayude a los empleados y supervisores de obra a prevenir en tiempo real los riesgos de seguridad laboral que puedan surgir durante la ejecución de la misma.
  3. Reto 3: Atención social y cuidado remoto.  Solución tecnológica, con enfoque social y que aporte un valor agregado, para monitorizar en remoto y en tiempo real las rutinas de las personas dependientes, con el fin de ofrecer bienestar a los usuarios y tranquilidad a sus familiares.
  4. Reto 4: Peajes inteligentes. Nuevos modos de detección y clasificación automática de tipologías de vehículos para el cobro de peajes que haga más eficiente el proceso actual y aporte valor a los usuarios, a las administraciones públicas y a Sacyr.

IMG_1610

Nuestro director Técnico, Jaime Martel, tuvo la ocasión de presentar ayer nuestra innovación tecnológica ante el resto de participantes y responsables de diferentes áreas de negocio de Sacyr. Desde ITELLIGENT, como agente innovador, presentamos una solución basada en una plataforma para descubrir oportunidades de negocio y capturar fuentes relevantes de forma automática focalizada en resolver el «Reto 1: desarrollo de negocio inteligente» con los siguientes objetivos:

  • Sistematizar y mejorar la detección de oportunidades comerciales a nivel global
  • Automatizar la extracción de oportunidades comerciales de las fuentes identificadas

Y con la posibilidad de:

  • Digitalizar de forma completa el proceso de gestión de las oportunidades comerciales
  • Generar nuevo conocimiento (ej. tendencias, países emergentes, …) a partir de los datos generados

Entre el resto de agentes innovadores, pudimos escuchar las ideas planteadas por compañías como Vodafone España, Kwido, Artobro Tech, Wattio, IECISA, Zereintia Tech, Detector, Isostopy, Be Prevent, Deoban, CAD.42 y Zerentia Tech.

Hoy en día, las organizaciones se enfrentan a una crisis de implicación por parte de sus clientes, empleados y otros públicos, y que son bombardeados con el ruido del Social Media Marketing. Sin embargo, la gamificación posee una ventaja en este sentido: puede ayudar a cambiar comportamientos, motivar el consumo, desarrollar habilidades e impulsar la innovación en las empresas.

¿Cómo se involucran las organizaciones con sus públicos? Motivándolos a alcanzar sus metas. En los últimos años, este método ha ido creciendo su uso con el objetivo de generar una mayor motivación o generar mayor implicación tanto de públicos internos como externos dentro del mundo empresarial.

La gamificación se centra en el uso de mecánicas del juego para impulsar la participación en escenarios empresariales o sociales para cambiar comportamientos a un público objetivo concreto y, de esta forma, lograr algún tipo de beneficio, ya sea lograr resultados comerciales, económicos o de marca.

Existen diversos tipos de gamificación, pero todos ellos incluyen la mecánica del juego: puntos, desafíos, ligas, tablas de clasificación, con reglas e incentivos; que hacen que el juego sea divertido y/o aporte algún tipo de beneficio para aquel que participa en esta dinámica.

¿Por qué hacer uso de la gamificación a nivel empresarial?

El objetivo de la gamificación es motivar a los empleados a tomar acciones que lo ayuden a alcanzar sus objetivos comerciales. Es posible que estas personas no realicen estas acciones por sí mismas, pero se comprometen a hacerlo cuando sienten que se están beneficiando personalmente. Por lo tanto, es fundamental para las empresas identificar continuamente qué motiva mejor a sus empleados y desarrollar los esfuerzos para respaldar eso.

A medida que las empresas deciden si incorporar o no la gamificación, una consideración importante es el creciente número de millennials en la fuerza laboral y el mercado. Aunque la gamificación está dirigida a todos los usuarios, los millennials alcanzaron la mayoría de edad en la era digital y responden bien a la gamificación. Por lo tanto, ya sea que busque aumentar las ventas de clientes o motivar a los empleados, la gamificación puede cambiar la forma en que se presenta y utiliza la inteligencia comercial en toda organización.

Según Statista.com, se espera que el mercado de la gamificación crezca de 4,91 mil millones de dólares estadounidenses en 2016 a casi 12 mil millones en 2021. Por este motivo, también es importante prestar atención a este tipo de estrategias.

Statistic: Value of the gamification market worldwide in 2016 and 2021 (in billion U.S. dollars) | StatistaFind more statistics at Statista

¿Qué puedes conseguir con la gamificación?

En resumen, la gamificación despierta cuatro puntos clave de gran valor para la empresa:

  • Motivación: un empleado motivado es más eficiente o un cliente motivado es más propenso a consumir tu marca
  • Actitudes y comportamientos: transformar el desinterés por el compromiso o por el consumo
  • Esfuerzo y superación: como seres humanos, el afán por superar adversidades y mejorar día a día en cualquier ámbito
  • Concentración: ayuda a captar la atención y retener conocimientos, familiarizarnos con una marca/producto.

¿Cómo se puede aplicar esto a un entorno de inteligencia empresarial?

Proporcionar a los usuarios una experiencia inmersiva y gamificada se considera un instrumento importante para mejorar la productividad y el rendimiento en el lugar de trabajo. Al involucrar a los usuarios y permitirles manipular los datos de forma rápida y sencilla, se dirigen a mejorar su rendimiento a través de la retroalimentación.

La gamificación en otros ámbitos: la educación

A continuación, se expone un vídeo de Karl Kapp quien define el término gamificación, expone dos tipos de gamificación (estructural y contenido) junto a un ejemplo de cada tipo. Aunque el enfoque del vídeo se centre principalmente en los usos educativos de la gamificación, podemos tener una ligera idea del concepto y aplicación de su uso en otros ámbitos fuera del empresarial, en este caso, la educación.

ae

La Analítica Empresarial (AE) comprende los métodos y las técnicas que se utilizan para recopilar, analizar e investigar el conjunto de datos de una organización, lo cual genera conocimiento que se transforma en oportunidades de negocio y mejora la estrategia empresarial. AE permite una mejora en la toma de decisiones ya que éstas se basan en la obtención de datos reales y tiempo real y permite conseguir objetivos empresariales a partir del análisis de estos datos

Algunos factores como el aumento en la obtención de datos big data, los diversos cabales para relacionarse con los clientes-usuarios-consumidores y el crecimiento de la demanda para obtener mejores servicios;  hacen que los responsables de comunicación y marketing deban ser innovadores y efectivo en la toma de decisiones ya que la AE puede ser muy útil para dar apoyo a la estrategia de marketing de la empresa.

¿Qué podemos hacer con la Analítica Empresarial?

La AE permite:

  • Detectar tendencias
  • Realizar diagnósticos a partir de modelos predictivos
  • Utilizar estos modelos para optimizar los procesos de negocios
  • Enriquecer los datos internos de la empresa para diferenciarse de la competencia.

Clasificación de la Analitica Empresarial:

  1. Analítica Descriptiva. Utiliza los datos para explicar el pasado. Consiste en preparar y analizar datos históricos para identificar patrones y tendencias. Técnicas como modelos de regresión, el modelado de datos y visualización suelen ser usados en la Analítica Descriptiva.
  2. Analítica Predictiva. Utiliza los datos para determinar que puede pasar en elfuturo. La Analítica Predictiva permite determinar la probabilidad asociada a eventos futuros a partir del análisis de la información disponible (presente y pasada), además permite descubrir relaciones entre los datos que normalmente no es detectada con un análisis menos sofisticado. Técnicas como la minería de datos (data mining) y los modelos predictivos son utilizados.
  3. Analítica Prescriptiva. Utiliza los datos para prescribir aquellas accionesque incrementen nuestras posibilidades de obtener los mejores resultados. La Analítica Prescriptiva determina nuevos forma de operar que permitan alcanzar nuestros objetivos de negocio. Técnicas como la optimización o la simulación son utilizadas, aunque normalmente se requiere la creación de un modelo predictivo previo.

Business Analytics vs Business Intelligence

Internet ha generado un fenómeno completamente nuevo, en el que el mercado realiza sus propios análisis comparando ofertas, intercambiando experiencias y, en esencia, tomando el control de las marcas. Es por ello que los responsables de marketing deban tener en cuenta: ¿qué es la Inteligencia Empresarial?

Otro concepto relacionado con la AE es la Inteligencia Empresarial (IE) centrada en el uso de los datos de una empresa para facilitar también la toma de decisiones y anticipar acciones empresariales.

La diferencia con la AE es que la IE es un concepto más amplio, no solo se centra en el análisis de datos sino que éste es un área dentro de la IE. Es decir, la IE se trata de un conjunto de estrategias, aplicaciones, datos, tecnología y arquitectura técnica entre las que se encuentra la AE; y todo ello, enfocado a la creación de nuevo conocimiento a través de los datos existentes de la empresa.