Descargar como PDF, PPTX
Más contenido relacionado
Bi
- 1. Las preguntas quenunca pensó que podría responder! Ahora es posible con Business Intelligence y Data Mining 04/11/2008
- 2. Business Intelligence ¿Qué esBusiness Intelligence?
- 3. Business Intelligence ¿Qué esBusiness Intelligence? “Inteligencia de Negocios (Business Intelligence o BI) suele definirse como la transformación de los datos de la compañía en conocimiento para obtener una ventaja competitiva.” - Gartner Group -
- 4. Business Intelligence Administrar elConocimiento del Negocio para obtener Ventajas Competitivas La utilización de BI está enfocada en la administración y el incremento del conocimiento mediante el análisis de datos existentes en la organización. Los pilares Accesibilidad a la Información de Apoyo en la Toma de Decisiones Business Intelligence Orientación al Usuario Final
- 5. ¿BI es paratodo tipo de empresas? Telcos Banca y Seguros Salud Retail Gobierno y ONGs Industria BI es aplicable a cualquier tipo de sector industrial
- 6. Ventajas para todala organización Solución completa e integrada Accesible a través de herramientas familiares para los usuarios Escalable para la empresa y “alcanzable” para los departamentos
- 7. Aplicable a todaslas funciones que se desarrollan en la empresa Marketing Operaciones Integración de Todo el Negocio Finanzas Recursos Humanos
- 8. Aplicable a todoslos niveles de la organización • Indicadores de Seguimiento del Negocio Nivel Necesidad de Análisis Estratégico • Soporte para la toma de decisiones Nivel Táctico • Información con mayor grado de complejidad Nivel Operacional • Información Básica
- 9. ¿Qué tipo derespuestas puedo obtener de una solución BI? Reportes • Estos reportes pueden incluir gráficos, KPIs, Personalizados mapas y filtros definidos por el usuario • Un scorecard es una representación visual de Scorecards la estrategia de la compañía • Un dashboard es una colección de reportes, Dashboards gráficos, KPIs, scorecards, etc., y es utilizado para monitorear la compañía Alertas • Alertas y notificaciones vía SMS, e-mail, etc
- 10. Etapas de aplicaciónde Business Intelligence ¿Qué está sucediendo? Scorecard y Dashboards ¿Porqué sucede? Analytics ¿Qué sucedió? Reporting Estrategia ¿Qué sucederá? ¿Qué espero que suceda? Data Mining Forecast, Planning y Budgeting
- 11. ¿Qué se debetener en cuenta para implementar BI con éxito?
- 12. Transformando el conocimientoen ventaja competitiva Beneficios de Business Intelligence Mayor velocidad en la toma de decisiones Visibilidad en tiempo real de las tendencias del negocio Acceso a los datos empresariales en cualquier momento y lugar Poderosos sistemas de análisis y elaboración de informes Minimización de costos
- 13. Aplicaciones de BI Aplicacionespara Marketing Análisis de ventas Detección de clientes clave Análisis de performance de productos/líneas de productos Estudio de atractivo de mercado Segmentación de clientes Pronósticos y proyecciones Predicción del comportamiento del cliente Retención de clientes Adquisición de nuevos clientes
- 14. Aplicaciones de BI OtrasAplicaciones Análisis de gastos Rotación de cartera Productividad en línea Análisis de calidad
- 15. ¿Qué se necesitapara implementar BI?
- 16. ¿Cómo implementar BI? Data Warehousing Distribución de Información Orígenes Cliente Portal de Datos Informes Data Marts Empresariales ERP Análisis del Negocio Potentes herramientas familiares de BI CRM Aplicaciones customizadas Reportes … ETL Empresariales Empresarial Data Data Analysis Dispositivos Warehouse (OLAP, Data Mining) Performance Management Plataforma Empresarial Integrada de BI
- 17. Herramientas de Explotación OLAP Data Reporting Mining
- 18. Estructuras Multidimensionales Ventas porRegión para una determinada Categoría de Clientes y abiertas por Año Argentina Ventas Chile Paraguay Industrias Mayoristas Uruguay Construcción Ferreterías 2002 2003 2004 2005 Dimensión Tiempo
- 19.
- 20. Data Mining Conozca susDatos y mejore sus Decisiones Mediante las técnicas de Data Mining se obtienen patrones y reglas útiles para la toma de decisiones El proceso de Data Mining consiste en: Explorar los Encontrar Realizar Datos Patrones Predicciones
- 21. Aplicaciones de DataMining Aplicaciones para Marketing Análisis de Fidelidad Análisis de Churn - Attrition Segmentación de Clientes Market Basket Analysis Category Management Cross Sell / Up Sell Armado de Kits Previsiones de Venta Ruta de clicks en un sitio web Orden en que un cliente agrega productos a su cesta Análisis de Campañas
- 22. Aplicaciones de DataMining Otras Aplicaciones Manejo de Riesgos Detección de Fraude Detección de Anomalías
- 23.
- 24. Caso de Estudio GrupoSolier es un distribuidor mayorista para Ferreterías. La empresa comercializa una gran variedad de productos nacionales e importados. Grupo Solier está presente en Argentina y cuenta con sucursales en Uruguay, Paraguay y Chile.
- 25. Caso de Estudio GrupoSolier necesita mejorar la elaboración de su presupuesto de ventas para el año 2007. Hasta entonces el área de Finanzas cuenta con la información de las ventas mensuales que recibe de cada región en archivos de texto y planillas Excel. Luego de consolidar la información en un único archivo Excel, se procede con la elaboración del presupuesto.
- 26. Caso de Estudio Planilla con ventas diarias por cliente Planilla con ventas diarias por producto Archivo de ventas mensuales por producto
- 27. Caso de Estudio Elproceso de consolidación resulta tedioso y al ser manual los resultados no son totalmente confiables.
- 28. Caso de Estudio GrupoSolier aplicó una solución de BI para elaborar presupuestos de ventas más realistas y certeros. La información de ventas de las distintas regiones se consolidó en un Datawarehouse. Esta información se analiza haciendo consultas a un cubo OLAP. Los datos se pueden visualizar desde distintas perspectivas, llegando al nivel de detalle del cliente.
- 29. Reportes en BIPortal Ventas Anuales por Región y Categoría Para un análisis más detallado se realizan consultas OLAP desde BI Portal
- 30. Caso de Estudio Mediantedashboards se visualiza rápidamente la evolución de las ventas de los períodos anteriores. Se creó un dashboard de Ventas para monitorear la venta por año y por distribuidor. Para un análisis más detallado, a nivel de producto, se creó un dashboard de Ventas por Producto.
- 31.
- 32. Dashboard de Ventaspor Producto
- 33. Caso de Estudio Aplicandoforecasting (Data Mining) se realiza una previsión de las ventas en los próximos períodos.
- 34.
- 35. Caso de Estudio Comoresultado, utilizando herramientas de BI Grupo Solier logró su objetivo elaborando presupuestos realistas y certeros. Además, para realizar el seguimiento posterior de las ventas se definió un scorecard con indicadores (KPIs) por región.
- 36. Scorecard de Ventaspor Geografía
- 37. Caso de Estudio GrupoSolier detectó que la baja de los clientes de su distribuidor Central va en aumento y quiere tomar acciones para retener a estos clientes. Para atacar el problema se lanza una campaña que otorga un beneficio a los clientes que solicitaron la baja y decidan quedarse. Se utiliza el registro de solicitudes de bajas para obtener el listado de clientes. También se contactará a los clientes que no realizaron compras el mes anterior.
- 38. Caso de Estudio Durantela campaña se detectó que gran parte de los clientes que habían pedido la baja ya se habían asociado a otro proveedor. Solicitudes Clientes No están Tienen otro de Baja Retenidos Interesados Proveedor 130 15% 40% 45% Por otra parte, el 80% de los clientes sin compras en el mes anterior estaban conformes con la empresa y no tenían intensión de abandonar.
- 39. Caso de Estudio GrupoSolier quiere localizar los clientes propensos al abandono en forma más precisa, para tomar acciones proactivas y no esperar la solicitud de baja para atacar el problema. Aplicando técnicas de Data Mining es posible detectar las características de los clientes propensos a la baja.
- 40. Árbol de Decisión Análisis de Bajas Cada rama determina una Regla de Decisión
- 41. Análisis de Bajas Lasreglas de decisión indican las características de los clientes más propensos a la baja: Industrias ubicadas en Capital Federal y de nivel socio-económico Bajo Clientes de Tipo “C” del Gran Buenos Aires También se deduce que los clientes más fieles son los de la Provincia de Buenos Aires, los de Patagonia y las ferreterías tradicionales de Bahía Blanca
- 42. Árbol de Decisión Paraobtener los clientes con posibilidad de baja se hacen predicciones desde una planilla con los datos del cliente.
- 43. Árbol de Decisión Losresultados se visualizan en las columnas Baja y Probabilidad.
- 44. Árbol de Decisión Filtrandola lista por el valor Baja = „Si‟ se obtienen los clientes propensos a la baja.
- 45. Caso de Estudio Aplicandotécnicas de Data Mining Grupo Solier detectó cuales eran los cliente propensos a la baja y el departamento de Marketing inició una campaña para aumentar la satisfacción de los mismos. Propensos Clientes Aceptan Solicitan a la Baja Satisfechos Promoción Baja 535 30% 55% 15%
- 46. Caso de Estudio GrupoSolier quiere descubrir qué productos se venden en forma asociada para crear ofertas, packs, bundles y realizar acciones de category management efectivas. Aplicando técnicas de Data Mining se realiza un Market Basket Analysis para detectar asociaciones entre productos.
- 47. Reglas de Asociación “Quien compra Diatool 1.5 Plástico probablemente compre CAT-E 1.5 Plástico“
- 48. Asociaciones Red de Dependencias En la red se visualizan los productos que se venden en forma asociada
- 49. Caso de Estudio Basándoseen las reglas obtenidas, Grupo Solier lanzó las siguientes promociones para impulsar la venta del producto CAT-E: “A quienes compren Diatool 1.5 Plástico se le ofrecerá CAT-E 1.5 Plástico con un 10% de descuento” “El pack Lijadora Diamond + CAT-E 1.5 Plástico se venderá a un precio diferencial”
- 50. Caso de Estudio Comoresultado, las ventas de CAT-E 1.5 Plástico van en aumento desde el lanzamiento de las promociones.
- 51. Acerca de ProcessTechnologies Más de 15 años implementando soluciones de negocios basadas en tecnología. Experiencia en desarrollo e implementación de proyectos locales, regionales e internacionales en más de 15 países en empresas de primera línea. Microsoft Gold Certified Partner en Data Management Solutions, máxima certificación para Business Intelligence. SAP Channel Partner Calidad certificada bajo normas ISO 9001:2000
- 52.
- 53.
- 54.