Sesión del Foro de Inteligencia de Negocio (FIN)
Transformando datos en decisiones
El foro FIN nace con la voluntad de convertirse en un lugar de intercambio de experiencias, donde los responsables de TIC de las organizaciones, puedan encontrar soluciones que aportar a sus clientes en el ámbito de la gestión y soporte a la toma de decisiones. Es objetivo del foro presentar la evolución y dirección que están tomando los procesos y sistemas que dan soporte a todas las personas que tienen que analizar y/o tomar decisiones en sus ámbitos de competencia.
Madrid, 29 de Marzo de 2006
El Foro FIN comenzó con la intervención del Presidente de la Fundación DINTEL, D. Jesús Rivero Laguna, el cual comentó someramente la estructura de los foros que organiza la Fundación DINTEL y la necesidad de organizar dicho Foro FIN, ya que era algo que muchas empresas y organizaciones habían demandado.
Seguidamente intervino D. José Manuel del Río, Director Ejecutivo de APARA, empresa patrocinadora del evento. D. José Manuel agradeció a la Fundación DINTEL y a todos los colaboradores la posibilidad de celebración del Foro FIN y se mostró orgulloso de que se hubiera pensado en APARA como empresa para desarrollar este acto. Además hizo una breve descripción de su empresa, comentando que nació en el año 2002 con el objetivo de proporcionar soluciones de inteligencia de negocio, focalizándose en concreto en lo que ellos llaman "las nuevas soluciones de inteligencia de negocio como soporte a los procesos de toma de decisiones", es decir, en áreas con gran volumen de información y donde hay una gran presión del entorno para tomas decisiones. APARA se centra en el factor de la precisión, es decir, aquello que es importante y que es más probable que suceda para saber qué hacer en el caso de que ello suceda; factor de potencia, es decir, dotar a los procesos de inteligencia operacional; y por último el factor de agilidad, que es la posibilidad de automatizar estrategias de acción basadas en decisiones. Explicó que lo que se pretende con este foro es dar una visión de cuáles son las tecnologías que soportan esa nueva generación de soluciones de inteligencia de negocio (Redes Bayesianas, Técnicas Predictivas, Plataformas que reducen tiempos de procesos e incluso nuevas formas de visualización), es decir, soluciones que ayudan a transformar sus datos en decisiones.
Primera Sesión Técnica
 |
 |
Después de la intervención de D. José Manuel del Río, comenzó la primera sesión técnica de la mañana, presidida por D. Pedro Maestre Yenes, Director de Organización y Sistemas de Fraternidad Muprespa. D. Pedro Maestre comentó que el tema de la inteligencia para los negocios es algo que le interesa mucho y que hay dos cuestiones relacionadas con ello que le preocupan bastante y son que se le da muy poca importancia a los Datawarehouse y demás herramientas en las organizaciones ya que una cosa es lo que se dice o desea (debería dedicarse un 30% de los recursos de la empresa a la inteligencia en el negocio) y otra muy diferente es lo que ocurre de verdad (hoy en día se estima que sólo se dedica un 4% de los recursos). El segundo de los problemas que comentó es que es necesario un cambio de mentalidad en este ámbito que evite la mentalidad de las antiguas aplicaciones de gestión y permita una nueva mentalidad basada en la inteligencia de los negocios. Todos debemos luchar por el presupuesto dedicado a la inteligencia de los negocios porque es algo bueno para las organizaciones.
Una vez hechas las anteriores reflexiones, D. Pedro Maestre presentó al primero de lso ponentes, D. Jorge Muruzábal Sanz, Profesor del área de Estadística e Investigación Operativa de la Universidad Rey Juan Carlos, el cual comenzó con su exposición.
El ponente comenzó su exposición definiendo el concepto de Red Bayesiana, diciendo que es un modelo gráfico probabilístico que codifica relaciones de independencia condicional entre las variables, es capaz de incorporar conocimiento experto, puede inducirse automáticamente a partir de una matriz de datos estándar y que resulta útil para describir procesos resultantes de interacciones locales entre componentes.
Explicó que siempre se tendrán redes de mayor o menor complejidad dependiendo de la densidad de las mismas.
Seguidamente el ponente expuso que se trata de calcular (aproximar) un número finito de probabilidades a posteriori (mediante la regla de Bayes) dada la evidencia (datos).
Existen una subclase de Redes Bayesianas que se denominan redes causales en las cuales los arcos deben seguir necesariamente la relación de causalidad, es decir, la dirección natural de proceso. Con respecto al tipo de grafo válido para codificar una distribución sería en principio todo grafo acíclico (DAG).
Una vez explicados los conceptos anteriores D. Jorge Muruzábal comentó varios ejemplos donde se utilizan redes bayesianas como son modelos en meteorología, hospitales, CLIPO (ayudante de la suite de Office), etc.
En este punto, el ponente explicó detalladamente cómo se obtiene una red Bayesiana y cómo se utiliza una red Bayesiana dada.
El ponente concluyó comentando las perspectivas en estos avances, donde se ve un uso intensivo en modelización y predicción de fenómenos estáticos y dinámicos, fructíferos desarrollos matemáticos y algorítmicos y una gran variedad de modelos emergentes en este sentido.
En segundo lugar expuso D. Javier Viñas, el cual hizo de una breve presentación en cuanto a aspectos tecnológicos y diferenciadores de los servidores de Netezza.
En concreto explicó que están formados por un Hardware más un Sistema Operativo más una Base de Datos con componentes revolucionarios hasta la fecha. Básicamente la solución tecnológica propone reducir el coste total (50% menos que otras soluciones), incrementamos performance (10-50 veces más rápido) e incrementamos la capacidad (500 gigabytes - 100 terabytes).
Comentó que existen numerosos problemas hoy en día (no se puede obtener información suficientemente rápido, no se puede analizar toda la propia información, no se tiene suficiente experiencia técnica, etc) y que con sus soluciones es posible atenuarlos.
El servidor Netezza tiene las siguientes características:
o Dispositivo dedicado
o Optimizado para un propósito
o Solución completa
o Interface estándar / Conexión compatible
o Fácil instalación
o Fácil manejo
o Fácil administración y respaldo
o Bajo costo
Finalmente D. Javier Viñas explicó por qué seleccionar Netezza, y argumentó que los dispositivos son el siguiente paso lógico en warehousing. Además Netezza inventó el dispositivo de almacenamiento de datos y trabaja junto a compañías líderes en ELT, BI e integradores de sistemas y el dispositivo es rápido (10-50 veces mas rápido en las consultas más grandes y complejas) y asequible (Bajo costo de adquisición, bajo mantenimiento anual, bajo soporte por parte del DBA).
Segunda Sesión TécnicaUna vez hechas las anteriores reflexiones, D. Pedro Maestre presentó al primero de lso ponentes, D. Jorge Muruzábal Sanz, Profesor del área de Estadística e Investigación Operativa de la Universidad Rey Juan Carlos, el cual comenzó con su exposición.
El ponente comenzó su exposición definiendo el concepto de Red Bayesiana, diciendo que es un modelo gráfico probabilístico que codifica relaciones de independencia condicional entre las variables, es capaz de incorporar conocimiento experto, puede inducirse automáticamente a partir de una matriz de datos estándar y que resulta útil para describir procesos resultantes de interacciones locales entre componentes.
Explicó que siempre se tendrán redes de mayor o menor complejidad dependiendo de la densidad de las mismas.
Seguidamente el ponente expuso que se trata de calcular (aproximar) un número finito de probabilidades a posteriori (mediante la regla de Bayes) dada la evidencia (datos).
Existen una subclase de Redes Bayesianas que se denominan redes causales en las cuales los arcos deben seguir necesariamente la relación de causalidad, es decir, la dirección natural de proceso. Con respecto al tipo de grafo válido para codificar una distribución sería en principio todo grafo acíclico (DAG).
Una vez explicados los conceptos anteriores D. Jorge Muruzábal comentó varios ejemplos donde se utilizan redes bayesianas como son modelos en meteorología, hospitales, CLIPO (ayudante de la suite de Office), etc.
En este punto, el ponente explicó detalladamente cómo se obtiene una red Bayesiana y cómo se utiliza una red Bayesiana dada.
El ponente concluyó comentando las perspectivas en estos avances, donde se ve un uso intensivo en modelización y predicción de fenómenos estáticos y dinámicos, fructíferos desarrollos matemáticos y algorítmicos y una gran variedad de modelos emergentes en este sentido.
En segundo lugar expuso D. Javier Viñas, el cual hizo de una breve presentación en cuanto a aspectos tecnológicos y diferenciadores de los servidores de Netezza.
En concreto explicó que están formados por un Hardware más un Sistema Operativo más una Base de Datos con componentes revolucionarios hasta la fecha. Básicamente la solución tecnológica propone reducir el coste total (50% menos que otras soluciones), incrementamos performance (10-50 veces más rápido) e incrementamos la capacidad (500 gigabytes - 100 terabytes).
Comentó que existen numerosos problemas hoy en día (no se puede obtener información suficientemente rápido, no se puede analizar toda la propia información, no se tiene suficiente experiencia técnica, etc) y que con sus soluciones es posible atenuarlos.
El servidor Netezza tiene las siguientes características:
o Dispositivo dedicado
o Optimizado para un propósito
o Solución completa
o Interface estándar / Conexión compatible
o Fácil instalación
o Fácil manejo
o Fácil administración y respaldo
o Bajo costo
Finalmente D. Javier Viñas explicó por qué seleccionar Netezza, y argumentó que los dispositivos son el siguiente paso lógico en warehousing. Además Netezza inventó el dispositivo de almacenamiento de datos y trabaja junto a compañías líderes en ELT, BI e integradores de sistemas y el dispositivo es rápido (10-50 veces mas rápido en las consultas más grandes y complejas) y asequible (Bajo costo de adquisición, bajo mantenimiento anual, bajo soporte por parte del DBA).
 |
 |
El presidente de la segunda sesión técnica fue D. Francisco Pizarro, Subdirector General de Tecnologías de Análisis de la Información e Investigación del Fraude de la AEAT, el cual quiso agradecer la invitación al Foro y explicó que era el primer evento público desde su nombramiento como Subdirector General. Explicó que en su Subdirección lo que se pretende es que con el análisis de la información se puede conseguir inteligencia en el negocio. Además hizo un reflexión de lo que él entiende por algunos aspectos de las tecnologías de la información.
Una vez terminada su intervención, D. Francisco Pizarro dio la palabra a D. Mario Soro, Director de Tecnologías CRM y Canal Internet de Telefónica Móviles, el cual basó su intervención en la problemática de los centros de atención al cliente de TME.
El ponente inició su ponencia definiendo lo que es un CRC (Centro de Relación con el Cliente), siendo este "el conjunto de recursos tanto técnicos (ACD, VRU, CTI…) como humanos (agentes, supervisores, coordinadores…) organizados adecuadamente y alineados con la estrategia definida por la compañía, con el fin de gestionar y desarrollar la relación con el cliente", o en otras palabras "la voz y el oído de la Compañía con los clientes". La estructura típica de un Call Center esta formada por una unidad de Operación (dividida en back office y front office) y por una unidad de Gestión (Planificación de la actividad, seguimiento y control de indicadores clave, análisis de oportunidades de mejora e impulso de nuevos proyectos, gestión económica de RRHH y técnica, etc.)
El ponente comentó que las funciones del CRC cubren todo el ciclo de vida del cliente con TME (desde la venta y bienvenida hasta que el cliente se da de baja).
Como dato explicó que las dimensiones del CRC de TME está compuesto por más de 20 centros distribuidos, 10 proveedores de telemarketing, más de 150 millones de llamadas al año, un 65% de atención automática, 100 numeraciones de acceso a servicios específicos y más de 10.000 operadores, dando servicio de atención 24x7x365 a cerca de 20 millones de clientes.
El reto del CRC es conocer al cliente de la mejor manera posible para adaptarse mejor a sus necesidades y los objetivos que se persiguieron fueron:
- Descentralizar la explotación de la información
- Reducir los tiempos de toma de decisiones
- Incrementar la precisión de los análisis
Finalmente, el ponente enumeró los beneficios de la solución implantada, que son:
- TBs de información sumarizada de la actividad del CRC
- Conocimiento global del cliente y del canal
- Visión integrada de todos los canales de comunicación y de todas las plataformas
- Mas de 1000 informes de gestión de negocio
- Más de 100 usuarios y receptores de la información de forma diaria
- Exhaustivo control de las promociones comerciales
- Incremento del control sobre la disponibilidad de los sistemas,
lo cual les ha permitido conseguir una mayor precisión en los datos manejados, una mayor eficiencia a la hora de acceder a la información y, en definitiva, elaborar mejores decisiones.
Por último intervino D. Manuel Marín, Responsable de Producto de APARA, el cual habló de un producto propio de APARA dedicado a la decisión Bayesiana. El ponente explicó que un experto de negocio puede usar como soporte a decisiones críticas, una plataforma basada en redes bayesianas, ya que son muy efectivas para modelar situaciones donde parte de la información es conocida y los datos entrantes son inciertos o parcialmente no disponibles, ofrecen también semánticas consistentes para representar causas y efectos a través de una representación gráfica intuitiva, son útiles en escenarios donde se requiere una automatización del razonamiento, tienen aplicación en una gran variedad de dominios y producen resultados muy convincentes cuando la información histórica en las tablas de probabilidades condicionadas o la evidencia conocida es inexacta.
Comentó que la visualización en 2D es muy limitada ya que la visualización 2D de una red bayesiana solo es válida para una cantidad pequeña de nodos. Una red formada por 150 nodos puede resultar ilegible. Una red bidimensional con muchos nodos muestra una disposición intuitiva y nítida, si están conectados siguiendo ciertas normas. La solución a la disposición intuitiva de redes complejas son los modelos tridimensionales debido a que permiten la visualización íntegra del modelo en una sola pantalla. El usuario interactúa con el por medio de rotaciones, translaciones, aplicando un 'zoom'. El ponente explicó que Apara utiliza visualizaciones 3D para tomar sus decisiones.
Finalmente, el ponente hizo una demostración práctica de creación de un modelo 3D en modo guiado, así como la sincronización 3D-2D y la creación de un modelo 3D en modo experto.
Almuerzo
Durante el almuerzo del Foro FIN estuvieron presentes D. Santiago Segarra Tormo, Director del Departamento de Informática Tributaria de la AEAT y D. David Ríos, Vicerrector de Relaciones Internacionales, Nuevas Tecnologías y Promoción Informática de la Universidad Rey Juan Carlos y se produjo un interesante debate entre todos los asistentes de cómo se aplica la inteligencia de negocio en la Agencia Tributaria. También se discutió acerca de la definición y ámbito de la inteligencia de negocio.
Finalmente D. Ricardo Cañizares, Director de la Revista a+ hizo unas conclusiones de la sesión.
Una vez terminada su intervención, D. Francisco Pizarro dio la palabra a D. Mario Soro, Director de Tecnologías CRM y Canal Internet de Telefónica Móviles, el cual basó su intervención en la problemática de los centros de atención al cliente de TME.
El ponente inició su ponencia definiendo lo que es un CRC (Centro de Relación con el Cliente), siendo este "el conjunto de recursos tanto técnicos (ACD, VRU, CTI…) como humanos (agentes, supervisores, coordinadores…) organizados adecuadamente y alineados con la estrategia definida por la compañía, con el fin de gestionar y desarrollar la relación con el cliente", o en otras palabras "la voz y el oído de la Compañía con los clientes". La estructura típica de un Call Center esta formada por una unidad de Operación (dividida en back office y front office) y por una unidad de Gestión (Planificación de la actividad, seguimiento y control de indicadores clave, análisis de oportunidades de mejora e impulso de nuevos proyectos, gestión económica de RRHH y técnica, etc.)
El ponente comentó que las funciones del CRC cubren todo el ciclo de vida del cliente con TME (desde la venta y bienvenida hasta que el cliente se da de baja).
Como dato explicó que las dimensiones del CRC de TME está compuesto por más de 20 centros distribuidos, 10 proveedores de telemarketing, más de 150 millones de llamadas al año, un 65% de atención automática, 100 numeraciones de acceso a servicios específicos y más de 10.000 operadores, dando servicio de atención 24x7x365 a cerca de 20 millones de clientes.
El reto del CRC es conocer al cliente de la mejor manera posible para adaptarse mejor a sus necesidades y los objetivos que se persiguieron fueron:
- Descentralizar la explotación de la información
- Reducir los tiempos de toma de decisiones
- Incrementar la precisión de los análisis
Finalmente, el ponente enumeró los beneficios de la solución implantada, que son:
- TBs de información sumarizada de la actividad del CRC
- Conocimiento global del cliente y del canal
- Visión integrada de todos los canales de comunicación y de todas las plataformas
- Mas de 1000 informes de gestión de negocio
- Más de 100 usuarios y receptores de la información de forma diaria
- Exhaustivo control de las promociones comerciales
- Incremento del control sobre la disponibilidad de los sistemas,
lo cual les ha permitido conseguir una mayor precisión en los datos manejados, una mayor eficiencia a la hora de acceder a la información y, en definitiva, elaborar mejores decisiones.
Por último intervino D. Manuel Marín, Responsable de Producto de APARA, el cual habló de un producto propio de APARA dedicado a la decisión Bayesiana. El ponente explicó que un experto de negocio puede usar como soporte a decisiones críticas, una plataforma basada en redes bayesianas, ya que son muy efectivas para modelar situaciones donde parte de la información es conocida y los datos entrantes son inciertos o parcialmente no disponibles, ofrecen también semánticas consistentes para representar causas y efectos a través de una representación gráfica intuitiva, son útiles en escenarios donde se requiere una automatización del razonamiento, tienen aplicación en una gran variedad de dominios y producen resultados muy convincentes cuando la información histórica en las tablas de probabilidades condicionadas o la evidencia conocida es inexacta.
Comentó que la visualización en 2D es muy limitada ya que la visualización 2D de una red bayesiana solo es válida para una cantidad pequeña de nodos. Una red formada por 150 nodos puede resultar ilegible. Una red bidimensional con muchos nodos muestra una disposición intuitiva y nítida, si están conectados siguiendo ciertas normas. La solución a la disposición intuitiva de redes complejas son los modelos tridimensionales debido a que permiten la visualización íntegra del modelo en una sola pantalla. El usuario interactúa con el por medio de rotaciones, translaciones, aplicando un 'zoom'. El ponente explicó que Apara utiliza visualizaciones 3D para tomar sus decisiones.
Finalmente, el ponente hizo una demostración práctica de creación de un modelo 3D en modo guiado, así como la sincronización 3D-2D y la creación de un modelo 3D en modo experto.
Almuerzo
 |
 |
Finalmente D. Ricardo Cañizares, Director de la Revista a+ hizo unas conclusiones de la sesión.
D. Pedro Maestre
D. Jose Manuel del Río
D. Jorge Muruzábal
D. Javier Viñas
D. Francisco Pizarro
D. Mario Soro
D. Manuel Marin
D. Santiago Segarra
D. David Rios
D. Ricardo Canizares
, auditoría y seguridad - 2006