inteligencia de negocios (bi) y analítica de negocios (ba): un enfoque en r

11

Prof. Luis Joyanes Aguilar

INTELIGENCIA DE NEGOCIOS (BI) Y ANALÍTICA DE NEGOCIOS (BA)Herramientas y aplicaciones: Un enfoque en RUNIVERSIDAD TECNOLÓGICA DE PEREIRACENTRO DE INNOVACIÓN Y DESARROLLO TECNOLÒGICO (CIDT) 21 de agosto, 2015

© Luis Joyanes AguilarPereira, Colombia21 de agosto de, 2015

TECNOLOGÍAS DE IMPACTO 2015 1.Cloud computing. Inteligencia de negocios

en la nube 2. Big data. Analítica de macrodatos o

grandes volúmenes de datos. 3. Social media. Inteligencia de negocios

social 4. Movilidad 5. Internet de las cosas, Ciudades

inteligentes, Gamification, Drones… 6. Tecnologías innovadoras: “llevables o

ponibles, conectables” (wearables), gafas, pulseras, relojes… inteligentes, SmartTV, resolución 4H….

Página –2–


HYPE CYCLE DE GARTNER 2013. Agosto 2013 http://www.gartner.com/newsroom/id/2575515

Página –3–


HYPE CYCLE DE GARTNER 2015. Agosto 2015http://www.gartner.com/newsroom/id/3114217

Página –4–


BUSINESS INTELLIGENCE

“ Inteligencia de Negocio se refiere al proceso de

convertir datos en conocimiento y conocimiento en

acciones para crear la ventaja competitiva del

negocio “ The Data Warehousing Institute

Página –5–


Concepto de Inteligencia de NegocioBusiness Intelligence: No es una tecnología Es un conjunto de sistemas de información

que trabajan de forma coordinada. Sistemas de almacenamiento de datos (data warehouse) Sistemas de almacenamiento de grandes

volúmenes de datos (big data) Sistemas de minería de datos (data mining)

Página –6–


Concepto de Inteligencia de Negocios Herramientas de procesamiento analítico de

datos (OLAP) Herramientas de consulta y reporte

(informes) de datos: querying y reporting. Tableros de control o de información

(dashboards) Cuadros de mando integrado (balanced

scorecards) Herramientas de descubrimiento de datosHerramientas de visualización de

datos Sistemas inteligentes de conocimiento Página –7–


Definiciones de BI

Página –8–


Tendencias BI para 2012 (revista CIO.COM) http://www.cio.com.au/article/421700/

top_six_bi_trends_2012/Mobile Business Intelligence

(MBI)BI in the CloudAnalyticsIn-memory analyticsThe Agile approach to BIBig Data

Página –9–


TENDENCIAS 2015 EN BI DE TABLEAU Las 10 tendencias principales de la inteligencia de

negocios para 2015 según tableau1. La gerencia se transforma Tal como el escenario de la inteligencia de

negocios cambio con la incorporacion de los datos de autoservicio, tambien debe cambiar la gerencia. Los enfoques simples, como resguardar todos los datos empresariales o prescindir de procesos por completo, ya no funcionaran. Las organizaciones comenzaran a investigar en que consiste la gerencia en un mundo de analisis de autoservicio.

Página –10–


10 TENDENCIAS 2015 EN BI DE TABLEAU 2. La inteligencia social es una ventaja

competitiva En 2014, las organizaciones comenzaron a analizar

los datos de redes sociales seriamente. En 2015, aquellos con una ventaja competitiva comenzaran a aprovechar sus capacidades. Seguir conversaciones a gran escala en las redes sociales permitira a las empresas enterarse cuando comience a cobrar notoriedad algún tema y saber de que hablan sus clientes. Los analisis sociales abriran las puertas a la optimizacion receptiva de productos.

Página –11–


10 TENDENCIAS 2015 EN BI DE TABLEAU 3. Los análisis emergen en toda la

organización Los analistas de datos actuales suelen ser gerentes

de operaciones, ejecutivos de la cadena de suministro o, incluso, vendedores. Las tecnologias nuevas, que son mas faciles de usar y proporcionan analisis basados en navegacion, les permiten a las personas resolver dudas de negocios ad hoc. Las empresas que reconocen esto como una ventaja estrategica empezaran a proporcionar datos, herramientas y capacitacion a sus analistas para ayudarlos a desempenar sus tareas.

Página –12–


10 TENDENCIAS 2015 EN BI DE TABLEAU 4. Las comunidades se distinguen La integracion de TI ya no es un concepto, es una

realidad. La gente usa productos que disfruta, y el software de analisis no es la excepcion. Las empresas que ofrecen productos que inspiran y conceden capacidades comienzan a ver como prosperanla comunidades. Ademas, los posibles clientes veran el estado de las comunidades

de productos como evidencia importante en mercados colmados.

Página –13–


10 TENDENCIAS 2015 EN BI DE TABLEAU 5. Todo converge Durante los últimos 10 anos se produjeron

muchisimas innovaciones en el espacio de datos. Esto condujo a entornos mixtos integrados por una gran variedad de elementos, desde almacenamiento de datos hasta analisis y aplicaciones de negocios. Ya no se volvera a la era de los sistemas monoliticos. Sin embargo, las organizaciones se estan cansando de los inicios de sesion múltiples y los procesos burdos para trasladar y gestionar datos. La integracion veloz con interfaces simples se convertira en la norma.

Página –14–


10 TENDENCIAS 2015 EN BI DE TABLEAU 6. Los análisis en la nube ya no son solo para

datos en la nube En 2015, se registraran los primeros usos

importantes de analisis en la nube para datos locales. Hasta ahora, los analisis en la nube se usaron principalmente con datos en aplicaciones de nube.

En 2015, las empresas comenzaran a elegir la nube cuando tenga sentido para sus casos de negocios y no solo cuando los datos se encuentren alli.

Página –15–


10 TENDENCIAS 2015 EN BI DE TABLEAU 7. Las conversaciones con datos reemplazan

los dashboards estáticos Estamos entrando en una era en la que los datos

son tan interactivos que se pueden convertir en la base de una conversacion. Ahora que la gente cuenta con herramientas de analisis de alta velocidad, pueden analizar datos rapidamente, combinar datos y redisenar analisis para crear nuevas perspectivas. A raiz de estas conversaciones con datos, las organizaciones tendran una comprension mas profunda de ellos.

Página –16–


10 TENDENCIAS 2015 EN BI DE TABLEAU 8. Los datos y el periodismo se unen por

completo [periodismo de datos] La aparicion deVox y la creciente popularidad de

sitios como fivethirtyeight.com obligaran a mas salas de redaccion a integrar analisis de datos en sus contenidos en linea. Esta tendencia se trasladara del público a las organizaciones e impulsara a las empresas que no aprovechan los analisis a modernizarse.

Página –17–


10 TENDENCIAS 2015 EN BI DE TABLEAU 9. La tecnología móvil evoluciona Los trabajadores pasan cada vez menos tiempo en

sus escritorios. Sin embargo, eso no significa que deban contar con menos informacion basada en datos; de hecho, necesitan mas datos que nunca. Las soluciones moviles para diversos analisis existen desde hace anos y, finalmente, estan llegando a un nivel de evolucion que permite a los trabajadores hacer analisis simples cuando estan fuera de la oficina. Ademas, la gran demanda de tecnologia movil obligo a los proveedores a ofrecer interfaces mas simples e intuitivas en todos sus productos.

Página –18–


10 TENDENCIAS 2015 EN BI DE TABLEAU 10. Comienzan a aparecer los análisis

inteligentes Los avances en el modelado grafico e intuitivo

permitiran a los usuarios profesionales usar analisis de prediccion sin necesidad de extensas consultas a expertos ni secuencias de comando.A medida que los analisis de autoservicio se hagan mas convencionales, las tareas como los pronosticos y las predicciones se volveran mas comunes y mucho menos complicadas.

Página –19–


Cuadrante mágico de Gartner 2013, feb 2013

Página –20–


Cuadrante mágico de Gartner 2013, feb 2013 Para la consultora una plataforma BI y Analytics de debe

cubrir tres categorías de capacidades como lo son: a) integración, b) entrega de información y c)

análisis.

Kurt Schlegel, Rita L. Sallam, Daniel Yuen, Joao Tapadinhas (2013). Magic Quadrant for Business Intelligence and Analytics Platforms en http://www.gartner.com/technology/reprints.do?id=1-

1DYKLUU&ct=130206&st=sb#

Página –21–


Características de proveedoes C. M. Gartner1. Integración

Infraestructura BI Manejo de metadata Herramientas de desarrollo Colaboracion

2. Entrega de información Reporting Cuadros de mando Consultas Ad hoc Integracion con Microsoft Office Búsqueda basada en BI Mobile BI

Página –22–


Características de proveedores C. M. Gartner3. Análisis

o Procesamiento analítico on-line (OLAP)o Visualización interactivao Modelos predictivos y Data Miningo Scorecards

Página –23–


Capacidades de las plataformas BI-Analytics

Página –24–


Cuadrante mágico de Gartner 2013, feb 2013 Descripción del Cuadrante: 1) las líderes son vendedores que son fuertes en

la amplitud y profundidad de las capacidades de sus plataformas BI y pueden suministrar consultoria a las organizaciones de tal manera que puedan tener constante soporte en su estrategia BI. Las plataformas de los pequenos vendedores tales como Tableau, QlikTech y Tibco Spotfire adolecen de criterio y capacidad geografica, asi estrategia vertical en sus plataformas BI. Aún asi son lideres debido a la fortaleza de sus mercados, capacidad de marketing y la simplicidad de sus arquitecturas,

Página –25–


Cuadrante mágico de Gartner 2013, feb 2013 2) Por otro lado, se tienen a las empresas

retadoras, las cuales se estan ubicando con exito en el mercado a pesar de que estan limitadas a casos especificos y sistemas tecnicos concretos, ademas de deficiencias en la integracion estrategica de sus productos, marketing, canales de ventas y presencia geografica,

Página –26–


Cuadrante mágico de Gartner 2013, feb 2013 3) Las visionarias son vendedores que tienen

una fuerte vision sobre la importancia de hacer llegar al usuario una plataforma BI-Analytics lo suficientemente abierta y flexible facilmente integrada a los procesos de la organizacion, ademas de profundizar en areas especificas. No obstante, presentan brechas en cuanto a la amplitud de funcionalidades que muchas veces los usuarios requieren a su paso. Su fortaleza aún asi esta en su vocacion innovadora, 4) Las empresas enfocadas en nichos son aquellas que lo hacen bien en un segmento especifico del mercado de plataformas

Página –27–


C. M. de Gartner 2014. BI y Analytics

Página –28–


C. M. de Gartner 2014. BI y Analytics Jaspersoft y Pentaho, se mantienen en su

cuadrante de jugadores de nicho, desplazandose mas hacia arriba y a la derecha.

SAP, SAS, Qlikview, IBM, MicroStrategy y Microsoft se mantienen en el mismo cuadrante de lideres.

Tableau y Tibco Spotfire, que entraron el ano pasado, sigen en el cuadrante de lideres. Tableau ahora con mas valoracion en “integridad de la vision”.

GoodData, que debuto el ano pasado en el cuadrante de jugadores de nicho, se desplaza considerablemente hacia el centro.

Alteryx y Panorama, se desplazan al cuadrante de visionarios.

Página –29–


Cuadrante mágico de Gartner de BI y analytics

Tibco Spotfire, que entro el ano 2013, se mueve hacia abajo, jugando mas a Visionario que a Lider.

GoodData, se aleja del centro y se posiciona en jugadores de nicho.

Alteryx y Panorama, bajan en habilidad de ejecutar y permanecen en el cuadrante de Visionarios.

Página –30–


Cuadrante mágico de Gartner de BI y analytics, 2015

Página –31–


Cuadrante mágico de Gartner de BI y analytics Si comparamos con la del ano 2014, tenemos que: Pentaho se mantienen en su cuadrante de

jugadores de nicho, desplazandose mas hacia abajo. Jaspersoft desaparece del cuadrante.

SAP, SAS, Qlikview, IBM, MicroStrategy, Oracle y Microsoft se mantienen en el mismo cuadrante de lideres, moviendose un poco hacia abajo y a la izquierda.

Dejando a Tableau mas arriba, que se separa del resto.

Página –32–


Cuadrante Mágico para Plataformas de Business Intelligence y Analytics (2015) Hoy como todos los anos, Gartner libera el

Cuadrante Magico para Plataformas de Business Intelligence y Analytics, que en ingles es conocido como Magic Quadrant for Business Intelligence and Analytics Platforms. Recordar que desde el ano 2013, este cuadrante incluye la palabra “Analytics”.

Página –33–


Cuadrante mágico de Gartner 2015 de plataformas de analítica avanzada

Página –34–

http://www.informationweek.com.mx/wp-content/uploads/2015/03/Gartner-Advanced-Analytics-Magic-Quadrant-2015_11.jpg


Cuadrante mágico de Gartner de Plataformas de Analítica avanzada 2014

Página –35–



Cuadrante mágico de Gartner de Plataformas de Analítica avanzada Las plataformas de analitica avanzada siempre han

sido herramientas construidas para estadisticos y cientificos de datos. Pero en su reporte mas reciente Gartner observo que estas herramientas van “dirigidas cada vez mas a analistas de negocios y ‘cientificos de datos ciudadanos'”. Asi, las clasificaciones de Gartner en sus bien conocidas categorias de “totalidad de vision” y “capacidad de ejecucion” ahora se mueven tanto en “facilidad de uso” como en ofrecer numerosos y novedosos algoritmos analiticos.

Página –36–



Magic Quadrant para Plataformas de Analítica Avanzada No es sorpresa que el de este ano este

encabezado por SAS, el lider perenne de esta categoria. Pero restando fuerza a las fortalezas de SAS, incluyendo “la pila [analitica] mas amplia de la industria”, altas calificaciones de productos y “un alto nivel de lealtad de los clientes”, Gartner advirtio que la “complejidad de la curva de aprendizaje para los productos de SAS es una inquietud para usuarios no expertos”.

Página –37–



Cuadrante mágico de Gartner de Plataformas de Analítica avanzada El cuadrante de “Lideres” de Gartner incluye a

SAS, IBM, Knime y RapidMiner por segundo ano consecutivo. El mayor cambio en el cuadrante de “Visionarios” tiene a Microsoft, Alteryx y Alpine Data Labs ascendiendo puestos y a la derecha.

La salida de Microsoft de la clasificacion de “jugador de nicho” del 2014 esta vinculada al lanzamiento del servicio Azure Machine Learning (Azure ML), que el proveedor hiciera el ano pasado.

Página –38–



Cuadrante mágico de Gartner de Plataformas de Analítica avanzada Aunque el servicio aún se encontraba en fase beta

durante la resena de Gartner, Azure ML promete “una integracion a fondo con R”, el popular lenguaje analitico predictivo, y “soluciones de un ecosistema completo de terceros” que dan soporte a Azure, según indico Gartner. La firma de analistas no se vio impresionada con la actualizacion 2014 de Microsoft SQL Server Analysis Services que, como sus predecesores, carece de “amplitud, profundidad y facilidad de uso en comparacion con soluciones de los Lideres”.

Página –39–



Cuadrante mágico de Gartner de Plataformas de Analítica avanzada De acuerdo con el reporte, “Gartner define la

analitica avanzada como el analisis de todo tipo de datos usando metodos cuantitativos sofisticados (por ejemplo, estadistica, mineria de datos descriptivos y predictivos, simulacion y optimizacion) para producir conocimientos que los enfoques tradicionales de inteligencia de negocio (BI) – como consultas y reportes – es poco probable que descubran”.

Página –40–



Cuadrante mágico de Gartner de Plataformas de Analítica avanzada Recientes iniciativas de analitica avanzada de SAS

aprovechan dos tendencias entre los clientes: un creciente deseo por acercar la analitica a los datos, y una creciente mayor demanda de analitica avanzada que no requiera cientificos de datos entrenados. Para abordar lo primero, SAS ha trasladado su procesamiento en la gran infraestructura de datos distribuidos de Hadoop para varios productos, incluyendo SAS Visual Analytics, y SAS In-Memory Statistics para Hadoop. Y a medida que la demanda de habilidades cientificas de datos supera la oferta, las empresas buscan la analitica suficientemente simple para profesionales de negocios. Con interfaces altamente graficas, de point-and-click, SAS Visual Analytics y SAS Visual Statistics abordan esta necesidad.

Página –41–



Definición de business intelligence y BAInteligencia de negocios abarca una

variedad de herramientas y métodos que pueden ayudar a las organizaciones para tomar mejores decisiones analizando sus datos.

Analítica de datos cae bajo la influencia de BILos big data si se utilizan con el propósito de analítica tambien caen bajo el paraguas de BI.

Página –42–



Business Analytics según SAP Business Analytics es “la práctica iterativa, la

exploración metódica de datos en una empresa u organización con énfasis en el análisis estadístico…para la toma de decisiones basada en los datos“. Y luego definen a Business Intelligence como “las aplicaciones y tecnologías para la recolección, almacenamiento, análisis y acceso a los datos para ayudar a una empresa u organización a tomar mejores decisiones de negocios“.

Business Analytics hace un uso extensivo de los datos, analisis estadistico, modelos explicativos y predictivos para impulsar la toma de decisiones. En cambio, Business Intelligence esta mas ligada a la generacion de los datos e informacion para apoyar el mismo proceso

Página –43–



BI versus BABusiness Intelligence ¿Qué sucedió ? ¿Cúando ? ¿Quién ? ¿Cuántos ?Business analytics ¿Por qué sucedió ? ¿Ocurrirá otra vez ? ¿Qué pasaría si cambiamos X ? ¿Qué otras cosas dicen los datos, que nunca

se nos ocurrió preguntar?

Página –44–



BI versus BA Son métodos y herramientas conectadas

entre sí. La BI proporciona un medio de “amasar” datos para encontrar información, principalmente, a traves de consultas y preguntas, informes y procesamiento analítico en línea.

Mientras que la analítica de negocio toma ventaja de los datos estadísticos y cuantigativos para el modelado predicitivo y exploratorio.

La situación actual es el volumen considerable de información no estructurada que exige herramientas de analítica diferentes. Página –45–



BUSINESS INTELLIGENCE versus BUSINESS ANALYTICS (Analytics)Business Analytics (Analytics) es un

subconjunto de BI basada en estadística, analítica predictiva y optimización.

BA, proporciona la información necesaria para tomar una actitud proactiva en la gestión del futuro de su negocio.

Página –46–



Analítica: tipos de de analítica Analítica descriptiva ¿Qué ha pasado? Analítica de diagnóstico ¿porqué ha

sucedido, ocurrió? Analítica predictiva ¿qué sucederá? Analítica prescriptiva ¿Cómo podemos

hace qué suceda?

Página –47–



BUSINESS INTELLIGENCE Business Intelligence se refiere al proceso de

convertir datos en conocimiento y conocimiento en acciones para crear la ventaja competitiva del negocio “. The Data Warehousing Institute

Página –48–



Componentes (Herramientas) de un sistema de BI… diferentes modelosDatawarehouse 2.0 (manipulación de

datos no estructurados y almacenes de datos tradicionales)

Business Inteligence 2.0Herramientas avanzadas de la WebWeb 2.0

Herramientas Web 2.0 y Web SemánticaHerramientas colaborativas, Groupware

y Workflow,…Manipulación de datos no estructurados…

Página –49–



Componentes principales de BI Los componentes principales de un sistema de BI

son:Data Warehouse (con los datos fuente)Analítica de Negocios (coleccion de

herramientas para manipulacion, minado y analisis de los datos en los almacenes de datos)

Business Performance Management (BPM, monitorizacion y analisis del desempeno –rendimiento)

Interfaz de usuario (tales como “dashboard”… tableros de mando o cuadros electronicos)

Página –50–



Herramientas de BIReporting (KPIs, métricas) Sistemas de Monitoreo/AlertasCuadros de Mando, tableros de

control, tableros de información (Dashboards)

Cuadros de mando integral,. Scorecards

OLAP (Cubos, Slice & Dice, Drilling)Consultas Adhoc / QuerysHerramientas de visualizaciónHerramientas de descubimiento… Página –51–



RETOS DE BI EN 2015 y ANALYTICS BI en la nube BI móvil Analítica predictiva Analítica de sentimientos Big data BI social BI colaborativo BI “en memoria” y “NoSQL” BI embebido … las apps de software como

servicio soportan cada días más funcionalidades de BI

Página –52–



Chapter 3 53

Proceso del ciclo de vida de los datos


Página –54–Página –54–

Arquitectura de alto nivel de BI


ARQUITECTURA DE UN SISTEMA DE BI

Página –55–



PROCESO ETL

Página –56–



PROCESO ETL

Página –57–



Análisis multidimensional

Página –58–



Business analytics (minería de datos)

Página –59–



Página –60–

COMPONENTES DE UN SISTEMA DE BI DATA WAREHOUSING (Almacén de datos)

Flujo de datos desde los sistemas operacionales (p.e. CRM, ERP) a un DW que es una base de datos especial o depósito de datos que han sido preparados para aplicaciones de toma de decisiones, en el rango de informes y consultas simples (reporting y quering) a optimizaciones complejas

El DW se construye con metodologías, principalmente metadatos y ETL

Los data mars , son depósitos o repositorios de un tema específico o departamental (p.e. marketing)

Los almacenes de datos y sus variantes son el elemento fundamental de cualquier sistema de BI. Los DW incluyen datos actuales e históricos de modo que puedan ser utilizados para proporcionar apoyo a decisiones en tiempo real

Página –60–



ESTRUCTURA Y COMPONENTES DE UN SISTEMA DE BI ANALÍTICA DE NEGOCIOS (OLAP, online

analytical processing). Herramientas de software que permiten a los usuarios crear informes y consultas bajo demanda y gestionar análisis de datos.

Existen muchas herramientas de software para los usuarios para crear bajo demanda, informes, consultas y análisis de datos. P.e. los usuarios pueden analizar diferentes dimensiones y tendencias de los datos.

Los usuarios de negocios pueden utilizar herramientas de análisis de tendencias y gráficos para identificar el desempeño del negocio.

Página –61–



Página –62–

ESTRUCTURA Y COMPONENTES DE UN SISTEMA DE BI

OLAPLos usuarios pueden analizar diferentes

dimensiones de datos multidimensionales, tales como series de tiempo y vistas de análisis de tendencias

Los usuarios pueden identificar tendencias de rendimientos o prestaciones

Para manejar un BA (Analítica de negocios) se necesita software de interactividad que se denomina middleware para acceder al DW. Es considerado infraestructura y es una interfaz del usuario del sistema

Página –62–



ESTRUCTURA Y COMPONENTES DE UN SISTEMA DE BI Los usuarios finales pueden trabajar con una gran

variedad de herramientas y tecnicas de BI: Reporting y Queries. Informes estaticos y

dinamicos, todos los tipos de consultas, descubrimiento de informacion, vistas multidimensionales,…

Analítica avanzada. Modelos estadisticos, financieros, matematicos, … que se usan en el analisis de datos y de informacion.

Minería datos, de texto y Web. La DM es el proceso de búsqueda de relaciones desconocidas o no evidentes, o informacion en grandes bases de datos y almacenes de datos, utilizando herramientas inteligentes, tales como computacion neuronal o metodos estadisticos avanzados. Página –63–



Página –64–


Minería de datos (data minig) Es una clase de análisis de información de una base de

datos que examina patrones ocultos en un grupo de datos que se pueden utilizar para predecir comportamientos futuros

El término se utiliza principalmente para describir el software que presenta datos de nuevas maneras ya que no sólo cambia la presentación sino que realmente descubre relaciones desconocidas con anterioridad entre los datos- Este conocimiento se aplica a conseguir objetivos específicos del negocio

Estas herramientas se utilizan para reemplazar la inteligencia humana explorando (minando) en grandes masas de datoss para descubrir nuevas correlaciones , patrones y tendencias utilizando tecnologías de reconocimiento de patrones y estadística avanzada

Página –64–



Página –65–


BPM (Business Performance Management) El componente se basa en la metodología de los cuadros de

mando integral (balanced scorecard) que es un marco de trabajo para definir, implementar y gestiona la estrategia de negocios de una empresa enlazando objetivos con medidas basadas en datos objetivos.

Es un método para enlazar métricas de alto nivel, tales como información financiera creada por el CFO (Chief Financial Officer).BPM utiliza reporting y queries del análisis de datos de BI.

El objetivo de BPM es optimizar el rendimiento o prestaciones (desempeño) globales de una organización

BPM incluye normalmente dashboards (tableros) que proporcionan una visión de las prestaciones corporativas con presentaciones gráficas, similares a los cuadros de mando de los automóviles

Página –65–



ESTRUCTURA Y COMPONENTES DE UN SISTEMA DE BI INTERFACES DE USUARIO: Tableros de mando

(dashboard) y otras herramientas de comunicación (broadcasting).

Los cuadros o tableros de mando organizan y presentan información de un modo que sea más fácil de leer. Presenta medidas del desempeño corporativo (KPI, Key Performance Indicators) , tendencias y excepciones.

Véase busineesobject.com. Se presentan gráficos, cartas, diagramas y tablas que muestrran el desempeño vreal vs métricas deseadas para visualizar el estado real de la organización. Otras herramientas son portales corporativos, herramientas de visualización,etc.

Página –66–



Componentes principales de BIEl entorno de almacenamiento de

datos (data warehousing) es, principalmente, responsabilidad de la plantilla técnica, mientras que el entorno analítico (también conocido como analítica de negocios) es el campo de los usuarios del negocio.

Cualquier usuario se puede conectar al sistema via una interfaz de usuario – p.e un navegador- y los directivos ejecutivos utilizan los componentes de BPM y tableros de mando (dashboard)

Página –67–



Interfaces de usuarioLos dashboards son interfaces de usuario

interactivo.Herramientas de visualización. Existen muchas herramientas de visualizacion que van en el rango desde presentaciones en cubos multidimensionales hasta herramientas de realidad virtual.

Cuadros de mando (scorecards). Cuadros de mando integral (balanced scorecards)

Tecnologias tales como GIS (Sistemas de Informacion Geografica) se utilizan en visualizacion .

Página –68–



Los beneficios de los sistemas de BI Los directores, ejecutivos, …. (managers)

necesitan la información correcta en el momento correcto y en el lugar correcto para trabajar de modo eficiente y más inteligente. Es el mantra de los enfoques modernos d BI.

Los principales beneficios de BI residen en el hecho de proporcionar información precisa cuando se necesita, incluyendo una visión en tiempo real de los detalles del desempeño corporativo.

Esta información es decisiva para todo tipo de decisiones, planificación estratégicos y la supervivencia de la empresa.

Página –69–



Valor del negocio de aplicaciones analíticas de BI (Teradata)Aplicaciones analíticas

Segmentacion de clientesPropension para comprarRentabilidad del clienteDeteccion de fraudesDesgaste/descontento de los clientesOptimizacion del canal

Página –70–



Valor del negocio de aplicaciones analíticas de BI (Teradata)Temas importantes del negocio

¿Qué segmentos de mercados pueden afectar negativamente a mis clientes y cuales son sus características?

¿Qué clientes son más idóneos para responder a mi promoción?

¿Cómo puedo detectar las transacciones propensas al fraude?

¿Qué clientes corren el riesgo de abandonar nuestra empresa?

¿Cuál es el mejor canal para llegara mis clientes en cada segment?

Página –71–



Valor del negocio de aplicaciones analíticas de BI (Teradata)Valor de negocio

Personalizar relaciones con los clientes para comprobar la satisfacción y retención del cliente

Incrementar la fidelidad del cliente. Incrementar rentabilidad de la campaña centrándose en aquellos clientes más propensos a comprar.

Detectar fraudes y tomar acciones inmediatas para minimizar los costes.

Prevenir pérdidas de clientes de alto valor y evitar también a los clientes de bajo valor

Interactuar con los clientes basados en sus preferencias y en la necesidad de gestionar costes

Página –72–



Beneficios importantes Ahorro de tiempos Mejorar las estrategias de negocios Mejora en las tomas de decisiones tácticas Más procesos eficientes Ahorro de costes Mejora de relaciones entre clientes y socios Informes más precisos y más rápidos Mejora en la toma de decisiones Mejora en los servicios de clientes Aumento de ingresos.

Página –73–



Herramientas y aplicaciones de BIMicrosoft: Power BI Power Query Power Pivot Power MapIBMIBM SPSS Modeler (tecnicas de modelado

predictivo/modelado para la segmentacion y perfilado con herramientas de IBM/pronosticos y tendencias )

Página –74–



Herramientas de BiSAS SAS Enterprise Miner (modelado predictivo) Segmentacion y perfilado Reglas de asociacion Pronosticos y tendencias Modelos automaticos y evaluacion de modelos

Página –75–


7676


UNIVERSIDAD TECNOLÓGICA DE PEREIRA Bases de datos NoSQL y en memoria (in-memory)Pereira, 21 agosto de 2015


Categorías de bases de datos Distintos tipos de bases de datos, para distintos tipos de

necesidades. Bases de datos transaccionales/relacionales: para

almacenar informacion critica del negocio, con origen en las aplicaciones de siempre (CRM, ERP, sistemas legacy, …)

NoSQL: para capturar de manera segura y escalable, grandes volúmenes de informacion continua generados por eventos.

In-memory: Procesamiento completo en memoria maquina

Analíticas: para permitir a múltiples usuarios contestar rapidamente preguntas de negocio que requieran de grandes volúmenes de informacion.

Hadoop (HDFS & Hive): para almacenar y procesar grandes volúmenes de informacion estructurada o semi-estructurada.

Big DataPágina –77–



Bases de datosIn-Memory (en-memoria)

SAP HanaOracle IBM solidDBMicrosoft

Relacional Sistemas RDBMS (SGBDR). Oracle, IBM, Microsoft… Transeferencia de datos entre Hadoop y bases de datos

relacionales Legacy (jerarquicas, en red… primeras

relacionales…)

Página –78–



BASES DE DATOS NoSQL, conceptos generales• NoSQL – es un termino utilizado para

describir un subconjunto de bases de datos que difiere de las bases de datos tradicionales (RDBMS). Entre otras:– No tienen schemas, no permiten JOINs, no

intentan garantizar ACID y escalan horizontalmente

• El termino fue acunado en 1998 por Carlo Strozzi y resucitado en 2009 por Eric Evans– El propio Evans sugiere mejor referirse

a esta familia de BBDD como de nueva generación, enfocadas a “Big Data”Página –79–



BASES DE DATOS NoSQL, conceptos generalesNoSQL – "not only SQL” – es una

categoria general de sistemas de gestion de bases de datos que difiere de modelo relacionales clasicos (RDBMS) en diferente aspectos:Estos datastores no requieren esquemas de

informacion fijasEvitan las operaciones JOIN y escalan

horizontalmenteDe hecho, tanto las bases de datos NoSQL

como las relacionales son tipos de Almacenamiento Estructurado

Página –80–



BASES DE DATOS NoSQL, conceptos generalesLa principal diferencia radica en cómo

se guardan los datos : En una RDBMS tendriamos que partir la informacion

en diferentes tablas y luego usar un lenguaje de programacion en la parte servidor para transformar estos datos en objetos de la vida real.

En NoSQL, simplemente se guardan los datos:NoSQL es libre de schemas, no se

diseñan las tablas y su estructura por adelantado

NoSQL no es una herramienta universal Si los datos son relacionales, quedarse con la

RDBMS sería la opción correcta Página –81–



RDBMS vs. NoSQL Las bases de datos relacionales tradicionales

nos permiten definir la estructura de un esquema que demanda reglas rígidas y garantizan ACID: Atomicity Consistency Isolation Durability

Las aplicaciones web modernas presentan desafíos muy distintos a las que presentan los sistemas empresariales tradicionales (e.j. sistemas bancarios):



RDBMS vs. NoSQLDatos a escala webAlta frecuencia de lecturas y escriturasCambios de esquema de datos

frecuentesLas aplicaciones sociales (no bancarias)

no necesitan el mismo nivel de ACID Algunas de las opciones de

NoSQL actualmente disponibles son: Cassandra, MongoDB, Jackrabbit , CouchDB, BigTable y Dynamo

Página –83–



¿Por qué necesitamos NoSQL?Las BBDD relacionales ofrecen bajo

rendimiento ante ciertas aplicaciones intensivas de datos:Indexacion de un gran número de

documentosServir paginas en sites de mucho traficoEnvio de datos de streaming



¿Por qué necesitamos NoSQL?Las RDBMS estan optimizadas para

pequenas pero frecuentes transacciones de lectura/escritura o largas transacciones con pocos acceso de escritura.

NoSQL puede dar servicio a grandes cargas de lectura/escritura:Digg mantiene 3 TB de green badges

(marcadores que indican las historias votadas por otros en una red social)

Facebook que tiene que realizar búsqueda en bandejas de mensajes de más de 50 TB

Página –85–



Arquitectura de las BBDD NoSQLA menudo ofrecen solo garantías de

consistencia débiles, como por ejemplo eventual consistency, o transacciones restringidas a elementos de datos simples

Emplean una arquitectura distribuida, donde los datos se guardan de modo redundante en distintos servidores, a menudo usando tablas hash distribuidas

Suelen ofrecer estructuras de datos sencillas como arrays asociativos o almacenes de pares clave-valor



¿Qué tipo de BBDD elijo?Algunas respuestas pueden encontrarse en:

35+ Use Cases For Choosing Your Next NoSQL Databasehttp://highscalability.com/blog/

2011/6/20/35-use-cases-for-choosing-your-next-nosql-database.html

Five Reasons to Use NoSQLhttp://facility9.com/2010/09/five-

reasons-to-use-nosql/Las mas populares son: Cassandra,

CouchDB, MongoDB, Riak, Neo4j



BASES DE DATOS RELACIONALES (RECORDATORIO) La mayoria de las bases de datos cumplen con las

propiedades ACID (atomicity, consistency, isolation, durability). Estas propiedades garantizan un comportamiento de las base de datos relacionales y el mejor de los argumentos para su utilizacion.

Página –88–



BASES DE DATOS RELACIONALES (ACID)

Página –89–


NoSQL or not NoSQL? Los principales problemas de NoSQL son:

Su complejidad: Instalacion Consultas (comprender bien MapReduce) Los modelos de datos usados

Su falta de madurez ¿Donde usarlas?

Datos sociales Procesado de datos (Hadoop) Búsqueda (Lucene) Caching (Memcache) Data Warehousing

¿Que problema quieres resolver? Transacciones Grandes volúmenes de datos (Exabytes) Estructura de los datos


BASES DE DATOS NoSQL Las bases de datos no-relacionales son

comúnmente llamadas bases de datos NoSQL ya que la gran mayoria de ellas comparte el hecho de no utilizar el lenguaje SQL para realizar las consultas

Es una definicion controvertida, aunque la definicion mas aceptada es “Not only SQL”.

Una de las caracteristicas de las bases de datos no relacionales es que la mayoria de ellas no utilizan esquemas de datos rigidos como las bases de datos relacionales. Esto hace que estas bases de datos tambien se les llame “Schema-less” o “Schema-free (“almacenamiento des-estructurado”).

Página –91–


TIPOS DE BBDD NoSQL Tipos y clasificación de bases de datos

NoSQL Existen unos 150 tipos de bases de datos NoSQL

con diferente arquitectura de datos (basado en documento, en clave/valor, en objetos, en grafos, en columnas, etc). Entre las mas conocidas destacan Cassandra, Hadoop, MongoDB, CouchDB o Redis. Gigantes como Oracle tambien disponen de una implementacion NoSQL .

Página –92–


Taxonomía de Bases de datos NoSQL Los principales tipos de BBDD de acuerdo con su

implementacion son los siguientes: – Almacenes de Clave-Valor – Almacenes de Familia de Columnas

(columnares)– Almacenes de documentos

(orientadas a documentos)– Almacenes de Grafos (orientadas a

grafos)- Otras …Cachés de memoria

Página –93–


TIPOS DE BBDD NoSQL

Página –94–


TIPOS DE BBDD NoSQL

Página –95–


Integración con Big Data. FUENTE: datalytics.com

Página –96–


Integración con Big Data. FUENTE: datalytics.com

Página –97–

9898

IINT


Analítica de datos (Analytics-Business Analytics)


Analítica avanzada Gartner defines advanced analytics as, "the

analysis of all kinds of data using sophisticated quantitative methods (for example, statistics, descriptive and predictive data mining, simulation and optimization) to produce insights that traditional approaches to business intelligence (BI) — such as query and reporting — are unlikely to discover."

Página –99–


PROCESO DE ANALÍTICA Almacén y minería de datos Considerado por muchas companias como la

fuente primaria de su informacion estructurada, data warehouse es una colección de datos históricos, que incluyen la copia de las transacciones de datos especificamente estructurados para la consulta y el analisis. Tal como lo indica su nombre, es el almacen de los datos estructurados.

Una vez que esa informacion esta guardada y organizada en el data warehouse, se usa el data mining para explorarla y clasificarla, en busca de patrones

Página –100–


PROCESO DE ANALÍTICA

“Data mining es un conjunto de tecnicas de extraccion de datos, para detectar patrones de comportamiento a traves de algoritmos matematicos”,

Adicionalmente, sobre la mineria de datos se puede ejecutar un conjunto de tecnicas para realizar analisis predictivos y de tendencias; este metodo se conoce como analítica de datos (data analytics).

Página –101–


ANALÍTICA DE DATOSEl Análisis de Datos (Data Analysis, o

DA) es la ciencia que examina datos en bruto con el propósito de sacar conclusiones sobre la información.

El analisis de datos se usa en varias industrias para permitir que las companias y las organizaciones tomen mejores decisiones empresariales y tambien es usado en las ciencias para verificar o reprobar modelos o teorias existentes.

Página –102–


ANALÍTICA DE DATOS El analisis de datos se usa para describirlo todo,

desde el procesamiento analitico en linea (OLAP, por sus siglas en ingles) hasta el analisis CRM en centros de llamadas. Los bancos y las companias de tarjetas de credito, por ejemplo, analizan los retiros y los patrones de gasto para prevenir el fraude o robo de identidad. Las companias de comercio electronico (Ecommerce) examinan el trafico en el sitio web o los patrones de navegacion para determinar que clientes son mas o menos propensos a comprar un cierto producto o servicio, basandose en compras previas o patrones de visualizacion.

Página –103–


ANALÍTICA DE DATOS El analisis de datos moderno normalmente usa

tableros de informacion que se basan en flujos de datos en tiempo real. El llamado analisis en tiempo real implica analisis e informes dinamicos basados en los datos que introducidos en un sistema un minuto antes del tiempo actual de uso.

El analisis de 'grandes datos' es el proceso de examinar grandes cantidades de datos de una variedad de tipos (big data) para descubrir patrones ocultos, correlaciones desconocidas y otra informacion útil. Tal informacion puede proporcionar ventajas competitivas a traves de organizaciones rivales y resultar en beneficios para el negocio, tales como el marketing mas efectivo y mayores ingresos. Página –104–


ANALÍTICA DE DATOS El objetivo principal del analisis de datos grandes

es ayudar a las empresas a tomar mejores decisiones de negocios al permitir a los cientificos y otros usuarios de datos analizar grandes volúmenes de datos transaccionales, asi como otras fuentes de datos que puedan haber quedado sin explotar por la inteligencia de negocio convencional (BI) programas.

Estas fuentes de datos pueden incluir registros del servidor web y datos de seguimiento de clics en internet, informes de actividades sociales, medios de comunicacion, telefonos moviles registros detallados de llamadas y la informacion captada por los sensores.

Página –105–


ANALÍTICA DE DATOSWhat Is Data Analytics? Data analytics (DA) involves processes and

activities designed to obtain and evaluate data to extract useful information. The results of DA may be used to identify areas of key risk, fraud, errors or misuse; improve business efficiencies; verify process effectiveness; and influence business decisions.

There are many issues to consider when starting a new DA program, including maximizing the return on investment (ROI), complying with project budgets, managing false positives, and ensuring the protection and confidentiality of the source data and results.

Página –106–


ANÁLISIS DE DATOS MULTIDIMENSIONAL Una vez que los datos han sido capturados y

organizados en data warehouses y data marts, se quedan disponibles para analisis futuros utilizando herramientas de inteligencia de negocios

Las herramientas de inteligencia de negocios incluyen software para consulta y reportes (informes) en bases de datos, herramientas paran analisis de datos multidimensional (procesamiento analitico en linea) y herramientas para mineria de datos.

Página –107–


PANEL DE INTELIGENCIA DE NEGOCIOS Un panel de BI es una herramienta de visualizacion

de datos que muestra el estado actual de las metricas e indicadores claves de rendimiento (KPIs) para una empresa. Los paneles consolidan y ordenan números, metricas y a veces hasta marcadores de rendimiento en una sola pantalla. Pueden ser hechos para una funcion especifica y mostrar las mediciones que se desean mostrar para un solo punto de vista o departamento. La caracteristica esencial de un panel de BI es que el producto incluye una interfaz personalizable y la habilidad de extraer datos en tiempo real de múltiples fuentes.

Página –108–


PANEL DE INTELIGENCIA DE NEGOCIOS Oracle y Microsoft estan entre los proveedores de

paneles de inteligencia empresarial. Los paneles de BI pueden tambien ser creados por otras aplicaciones empresariales, como Excel. Los paneles de BI son llamados tambien a veces paneles empresariales.

El analisis de datos no es algo nuevo. Desde hace anos, las empresas tratan de aprovechar la informacion que reciben de sus usuarios, canales, proveedores, etc. con el fin de tomar mejores decisiones de negocios. Sin embargo, la cantidad, calidad, formato y fuentes de la informacion se han ido transformando en los últimos anos, y las herramientas para analizarla se han ido adaptando a estos cambios. Página –109–


BI vs BADDifference between ‘Business Intelligence’ and

‘Business Analytics’ and not many in the industry understand that.

Monitoring and tracking metrics/KPIs in the form of reports/dashboards is ‘Business Intelligence’, but making meaningful sense of these metrics, co-relating them with other factors that influence

them, understanding the trends and using statistical algorithms to predict outcomes is where

the bang for the buck is…and that is ‘Business Analytics’

By - smartdatacollective.com

Página –110–


Intelligence vs. AnalyticsTraditional BI

Standard reports and dashboardsAd hoc reports – Current performanceQuery Drill down Cube analysis – Slice and diceAlertsVs.

Business AnalyticsStatistical AnalysisForecastingPredictive modelingOptimization

Página –111–


Analytics

Página –112–


Inteligencia de negocio analíticaAnalytics (Business Analytics). It uses algorithms to search for patterns and explanations. It looks at historical data to predict future activity for better business decision making. “Organisations using analytics are more than twice as likely to substantially outperform their competitive peers” MIT Sloan Management report and IBM Institute for Business Value (http://sloanreview.mit.edu/reports/analytics-advantage/).

The three biggest trends surrounding analytics the industry is likely to see are: Optimisation—the combination of business rules for optimised decision management; consumable analytics—the visual presentation of increasingly complex data; and new data analytics—the analysis of new types of data, such as social media, location information, etc.

http://www.cio.com.au/article/421700/top_six_bi_trends_2012/

Página –113–


Inteligencia de negocio analíticaAnalytics (Business Analytics) El analisis descriptivo responde a las preguntas

¿que paso y por que sucedio?El analisis predictivo responde a la pregunta ¿que va a pasar?.Analisis perceptivo responde a la pregunta ¿por que va a pasar? Sugiere opciones de decision acerca de la manera

de aprovechar una oportunidad de futuro o mitigar un riesgo futuro y muestra las consecuencias de cada decision.

Página –114–


Inteligencia de negocio analíticaAnalytics (Business Analytics)

El analisis predictivo responde a la pregunta ¿que va a pasar?. Centraremos en el “análisis predictivo” los próximos temas

Página –115–


Inteligencia de negocio analíticaUna solución de Inteligencia de Negocio completa permite:

1. Observar: ¿qué está ocurriendo?

2. Comprender: ¿por qué ocurre?

3. Predecir: ¿qué ocurriría?

4. Colaborar: ¿qué debería hacer el equipo?

5. Decidir: ¿qué camino se debe seguir?

Las soluciones actuales integran múltiples tecnologías

Página –116–


ANALÍTICA DE NEGOCIOS (Analytics) Analítica descriptiva (Descriptive analytics): Logra

un profundo conocimiento a partir de datos historicos con informes, cuadros de mando, agrupacion, etc.

Analítica predictiva (Predictive analytics): Diseno y uso de modelos predictivos a partir de tecnicas de aprendizaje automatica/mineria de datos.

Analítica prescriptiva/perceptiva (Prescriptive analytics): Sugiere opciones de decision acerca de la manera de aprovechar una oportunidad de futuro o mitigar un riesgo futuro y muestra las consecuencias de cada decision.

Analítica de diagnóstico (de descubrimiento). ¿Porque ha sucedido?

Página –117–


Business Analytics (Analytics) Es un termino comercial, definido por diferentes

proveedores de soluciones de inteligencia de negocios y de sistemas de informacion para referirse a las herramientas y tecnicas para analizar y entender los datos.

Se compone de herramientas de procesamiento analitico en linea (OLAP), herramientas estadisticas, mineria de datos, etc.

La analitica de negocios implica el uso de modelos y datos para mejora el desempeno de una organizacion o su posicion competitiva. En analitica de negocios el foco esta en el uso de modelos incluso aunque esten profundamente internos al sistemas.

Página –118–


Business Analytics (Analytics) Los modelos analiticos se utilizan para realizar

analisis de datos. Incluyen modelos estadisticos, modelos de gestion cientifica, algoritmos de mineria de datos, modelos financieros, etc.

A veces se integran con otros modelos, tales como modelos de planificacion estrategica.

Los modelos de analitica de negocios (incluyendo analitica predictiva) abarcar numerosos modelos analiticos.

Página –119–


Business Analytics (Analytics) Se necesita entender no solo QUÉ está

pasando, sino CUÁNDO, DÓNDE, QUIÉN Y PORQUÉ.

Solución a los requerimientos de información con OPORTUNIDAD

Escalar, contribuir y compartir a todos los tipos de usuarios en la organización

Se necesita información y conocimiento a partir de los datos de la empresa.

Página –120–


ANALÍTICA DE DATOS (Analytics) El análisis descriptivo responde a las preguntas

¿que paso y por que sucedio? El análisis predictivo responde a la pregunta

¿qué va a pasar?. Análisis perceptivo responde a la pregunta ¿por

que va a pasar? Sugiere opciones de decision acerca de la manera de aprovechar una oportunidad de futuro o mitigar un riesgo futuro y muestra las consecuencias de cada decision

Página –121–


Analítica predictiva El termino analitica predictiva describe el metodo

de analitica de negocios de prediccion o prevision de problemas y oportunidades en lugar de simplemente de emitir informes (reportes) a medida que se producen.

La analitica predictiva utiliza predicciones avanzadas y modelos de simulacion.

Forecasting (prediccion) es la prediccion del futro. Esta forma de analitica predictiva es esencial para la construccion y manipulacion de modelos, ya que cuando una decision se implementa los resultados normalmente ocurren en el futuro

Página –122–


Analítica predictiva La analitica predictiva utiliza tecnicas de mineria

de datos, datos historicos y suposiciones sobre futuras condiciones para predecir resultados de eventos, tales como la probabilidad de que un cliente respondera a una oferta o compra de un producto especifico.

Página –123–


Analítica en memoria (big data)In-memory Analytics Las herramientas de

“analitica en memoria” permiten la consulta y el analisis de los datos desde la RAM del computador, lo que se traduce en una simple y rapida exploracion de datos y aplicaciones analiticas (no se utiliza el almacenamiento fisico en disco).

Página –124–

125125


UNIVERSIDAD TECNOLÓGICA DE PEREIRA Analítica social Pereira, 21 agosto de 2015


Problemas en la medición social1. Medición externa.

En analitica web estamos acostumbrados a medir y analizar los datos que obtenemos de nuestro sitio web, sin embargo cuando hablamos de medicion social, la medicion se produce en plataformas de terceros y dependemos de la informacion que estos nos faciliten. En muchos casos implementar la huella de herramientas de analitica web no esta permitido o no es materialmente posible (por ejemplo el caso de Twitter) o imposible (como ocurre en el caso de foros o blogs de terceros).

Página –126–


Problemas en la medición social2.Dispersión de la información. Hablamos de plataformas diferentes, donde nos

encontramos con metricas diferentes y en las que los contenidos generados por los usuarios tienen un formato diferente y por tanto no se cuantifican de la misma forma. No podemos decir que un “RT” en Twitter sea lo mismo que un “share” en Facebook y que un “repin” en Pinterest… ¿O si? Es común ver que muchas veces por hacer el dato mas manejable se asume que son lo mismo.

Página –127–


Problemas en la medición social 3. Dependemos de la semántica. La tecnologia usada por la mayoria de

herramientas esta basada en la indexacion de palabras claves, por lo que encontramos limitaciones en la identificacion de subjetividades en el lenguaje como la ironia o los dobles sentidos. En general, las herramientas que identifican el sentimiento entenderian un gracias, como el del tweet de ejemplo, como positivo, cuando realmente podria significar todo lo contrario.

Página –128–


Problemas en la medición social4.Fuera de control. Las personas son las que tienen la última palabra y

seran ellas las que decidan donde, cuando y de que manera se crean o se comparten los contenidos. Al final, aunque a nosotros nos resulte mas facil medir la actividad en el blog, y por mucho que queramos concentrar ahi nuestra comunidad, si esta prefiere volcar sus opiniones en Facebook o en cualquier otro foro, tendremos que adaptarnos a esa plataforma, tanto en relacion a la informacion que nos proporcione como de los mecanismos para poder disponer de ella.

Página –129–


Problemas en la medición social Algunas de estas plataformas cuentan con API

abierta, por lo que no solo dependemos de la informacion que pongan a disposicion nuestra, sino tambien de las condiciones de uso de esta. Un ejemplo de ello lo hemos tenido recientemente con Twitter, quien siempre ha puesto a disposicion de desarrolladores su API, sin embargo, los terminos de uso de esta han ido pasando de menos o mas restrictivos con el paso del tiempo.

Página –130–


Problemas en la medición social5.Falta de estandarización. Aunque existen timidos intentos (como la Teoria de

las 4Rs del IAB) por la estandarizacion de metricas e insights, lo cierto es que todavia no existe unanimidad en el sector. De la misma forma que cuando hablamos en el ambito de la medicion web de la metrica visitas, se entiende de forma general el concepto al que se hace referencia, a pesar de que existan diferencias en la medicion dependiendo de con que herramienta se realice, no ocurre lo mismo cuando hablamos de alcance en medios sociales. Por ejemplo, el alcance tal como lo entiende Facebook no es el mismo que podriamos calcular en Twitter, en un blog o en un foro. Página –131–


¿Qué es Social Analytics?Definition - What does Social Media

Analytics (SMA) mean? Social media analytics (SMA) refers to the approach

of collecting data from social media sites and blogs and evaluating that data to make business decisions. This process goes beyond the usual monitoring or a basic analysis of retweets or "likes" to develop an in-depth idea of the social consumer

Social media is a good medium to understand real-time consumer choices, intentions and sentiments. The most prevalent application of social media analytics is to get to know the customer base on a more emotional level to help better target customer service and marketing. Página –132–


¿Qué es Social Analytics?Analytics is a powerful tool for

discovering customer sentiment from millions of online sources. Businesses are using the power of social media to gain a better understanding of their markets

Página –133–


¿Qué es Social Analytics?Social media analytics*Measuring + Analyzing + Interpreting

interactions and associations between people, topics and ideas. Social media analytics is a powerful tool for uncovering customer sentiment dispersed across countless online sources. The analytics allow marketers to identify sentiment and identify trends in order to accommodate the customer better

*WikipediaPágina –134–


Analítica Social Fases del proceso de Analitica Social de empresas

de Social Media (Social Business): Descubrir Analizar Participar Facilitar Gestionar

Página –135–


Analítica Social (Social Analytics)Es la disciplina que ayuda a las compañías

a analizar, calcular y explicar el rendimiento de las iniciativas de Social Media (Medios sociales) en el contexto de objetivos empresariales específicos.

El análisis social es un método para que las empresas entiendan los efectos de sus esfuerzos en Social Media.

El análisis social (es una disciplina empresarial) le capacita con datos necesarias para tomar decisiones fundadas.

Página –136–


Analítica Social (Social Analytics)

Las tecnologías de análisis para Social Media cambian y evoluciona rápidamente. Asegúrese de desarrollar los requisitos empresariales clave y de tomarse su tiempo para encontrar proveedores que cumplan sus necesidades, porque cambiar de proveedor puede resultar costos

Las métricas para Social Media deben tener significado que se revelará presentando las métricas en el contexto de lo que representan y de lo que significan para su organización.

Página –137–


Analítica Social (Social Analytics)Tipos de métricas importantes para el

éxito de cualquier programa de análisis.

Métricas fundamentalesMétricas de valor empresarialMétricas de resultados (PKI)Métricas de recuento

Página –138–


SOCIALIZAR LA EMPRESAIncorporar los Social Media a la

empresa de forma global.Las inversiones en 2011-2012 y

siguientes han ido creciendo y seguirán creciendo.

Las personas que gestionan los Medios Sociales necesitan buscar proactivamente y hablar con los departamentos de recursos humanos y los equipos de servicio al cliente cpra que tengan lugar las conexionesPágina –139–


SOCIALIZAR LA EMPRESA Los pasos para la socializacion de la empresa son:EscucharColaborarComprometerseFacilitarAprenderSe requieren métricas que

signifiquen algo para la empresa.

Página –140–


SOCIALIZAR LA EMPRESAMétricas de Social media idóneas

para directivos.Ingresos. Los esfuerzos de Social Media

realizados tienen impactos en los ingresos y el balance final de su organizacion. Los analistas deben identificar actividades que logren ingresos. Hacer un cuadro de actividades para Social Media

Participación en el mercado. Evaluar la oportunidad en el mercado. Considerar la inteligencia competitiva.

Satisfacción. Conseguir que los clientes esten satisfechos.. Conseguir un indice de satisfaccion.

Página –141–


Tecnologías de Medios Sociales Herramientas de descubrimiento (búsqueda

social). Casos de Bing y Google. Casos de buscadores Facebook y Twitter

Tecnologias de analisis (analitica social). Analiticas social es la disciplina que ayuda a las companias a medir, evaluar y explicar el resultado de las iniciativas sociales en el contexto de objetivos especificos del negocio.

Plataformas de participacion (participacion/flujo de trabajo)

Herramientas de alojamiento y facilitacion (plataformas sociales)

Soluciones de gestion social TECNOLOGÍAS A UTILIZAR

Página –142–


Tecnologías de Medios Sociales Eleccion del proveedor de analitica social

Configurar la herramienta de analitica social Trabajar con metricas Utilizar filtros de analisis Utilizar las funciones mas importantes Introducir y extraer datos de las herramientas Evaluar las necesidades Seleccionar un proveedor de analitica social: trucos y

consejos Solicitar una demostracion Considerar la configuracion, la formacion y la asistencia Formular las preguntas adecuadas Consideraciones a largo plazo

Página –143–


Análisis del tráfico de redes sociales Analisis de la actividad en Facebook. En Google

Analytics no se puede registrar la actividad que se produce dentro de la pagina de Facebook de la empresa u organizacion, sin embargo, esta rede social incluye una seccion de estadisticas (Me gusta, alcance, personas hablando de e…) que son de gran ayuda.

Los datos son generales, no se pueden segmentar y el periodo de tiempo a analizar no puede exceder de 89 dias

Las estadisticas proporcionan informacion sobre:

Página –144–


Análisis del tráfico de redes sociales Perfil de los visitantes o usuarios a los que se ha

llegado: sexo, edad, pais, ciudad e idioma. Procedencia de las visitas Frecuencia de las visitas Visitas Visitantes únicos Alcance o usuarios a los que se llega Número de interacciones de los usuarios

Página –145–


MÉTRICAS DE SOCIAL MEDIA PARA líderes empresariales, DEPARTAMENTOS LEGALES Y PERSONAL de RR. HH.Métricas para ejecutivos

Impacto de ingresosParticipación en el mercadoSatisfacción

Métricas para abogados Métricas para profesionales de recursos humanos:

Infracciones de la política; Avisos de conducta; reclutamiento social

Página –146–


MÉTRICAS PARA SOCIAL MEDIA, Ventas, Servicios, CRM Social

Métricas para ventasReferencias socialesClientes potenciales socialesCoste por cliente potencial socialPorcentaje de clientes potenciales

cualificadosPorcentaje de clientes potenciales

cerradosCliente potencial para contactos cercanosValor del cliente socialPorcentaje de ganancia social

Página –147–


MÉTRICAS PARA SOCIAL MEDIA, Ventas, Servicios, CRM SocialMétricas para servicio al cliente

Consultas socialesConsultas por categoríaTasa de resoluciónTiempo de resoluciónPorcentaje de clientes satisfechosIngresos por consulta de servicioAhorro de coste por consultaTasa de renovación por clientes

socialesPágina –148–


MÉTRICAS PARA CRM Social Clientes de porcentaje social Canales más eficaces Tasa de respuesta de campaña de CRM Tasa de conversión de campaña de CRM Defensores activos Influencia de defensores Impacto de defensores Intensidad de la lealtad Valor del cliente por segmento Valor de la vida del cliente social

Página –149–


MÉTRICAS PARA RELACIONES PÚBLICAS Y PARA MARKETING

Menciones sociales Participación de una marca en el mercado Alcance de la conversión Citas de prensa influyentes Citas de prensa perjudiciales Tiempo de repuesta de desastre de RP Porcentaje de recuperación de desastre Menciones de la persona de influencia Clientes potenciales / referencias de RP ------------- Visibilidad, conciencia de marca, efectividad de la

campaña, opinión de la marca, etc.

Página –150–

151151


UNIVERSIDAD TECNOLÓGICA DE PEREIRA lenguaje RPereira, 21 agosto de 2015


REFERENCIAS DE R*

1. Garderener, Mark. The Statical Programming Language. Wiley/Wrox, 2012.

2. Toomey, Dam. R for Data Science, Birmingham: Packt Publishing, 2015 (diciembre 2014)

3. Prajapati, Vignesh. Big Data Analytic with R y Hadoop. Birmingham: Packt Publishing, 2013.

4. Gerrard, Paul y Radia, Johnson. Mastering Scientifc Computing. Birmingham: Packt Publishing, 2015. Página –152–


Ranking IEEE. The 2015 Top Ten, julio 2015 Programming Languages

Página –153–


Lenguaje R* R is more than just a computer program; it is

a statistical programming environment and language.

R is free and open source and is therefore available to everyone with a computer. It is very powerful and flexible, but it is also unlike most of the computer programs you are likely used to. You have to type commands directly into the program to make it work for you. Because of this, and its complexity, R can be hard to get a grip on.

Es intérprete-interpretado

Página –154–


INSTALACIÓN DE R1. INSTALACIÓN DE Rwww.r-project.org /clic en CRAN mirror (seleccion SO)… Ayuda, tutoriales…http://cran.r-project.org.

http:// cran.r-project.org, click on Download R for Linux, and then click on ubuntu to get the most up-to-date instructions to install R on Ubuntu. To install R on Windows, click on Download R for Windows, and then click on base for the download link and installation instructions. For Mac OS users, click on Download R for (Mac) OS X for the download links and installation instructions.

Página –155–


INSTALACIÓN DE RStudioTo download RStudio, which is an

integrated development environment that provides a powerful user interface that makes learning R easier and fun. The main limitation of RStudio is that it has difficulty loading very large datasets.

Página –156–


INSTALACIÓN DE RStudioYou may also want to download RStudio, which is an integrated development environment that provides a powerful user interface that makes learning R easier and fun. The main limitation of RStudio is that it has difficulty loading very large datasets. 5. INSTALACIÓN DE RStudiowww.rstudio.com/ide/download/desktopRStudio is a set of integrated tools designed to help you be more productive with R. It includes a console, syntax-highlighting editor that supports direct code execution, as well as tools for plotting, history, debugging and workspace management

Página –157–


Lenguaje R*R is more than just a program that

does statistics. It is a sophisticated computer language and environment for statistical computing and graphics. R is available from the R-Project for Statistical Computing website

(www.r-project.org), and following is some of its introductory material

Página –158–


Lenguaje R* R is an open-source (GPL) statistical environment

modeled after S and S-Plus. The S language was developed in the late 1980s at AT&T labs.The R project was started by Robert Gentleman and Ross Ihaka (hence the name, R) of the Statistics Department of the University of Aucklandin 1995.

It has quickly gained a widespread audience. It is currently maintained by the R core-development team, a hard-working, international team of volunteer developers. The R project webpage is the main site for information on R. At this site are directions for obtaining the software, accompanying packages, and other sources of documentation. Página –159–


Lenguaje R*R is a powerful statistical program but it is

first and foremost a programming language.

Many routines have been written for R by people all over the world and made freely available from the R project website as “packages.”

However, the basic installation (for Linux, Windows or Mac) contains a powerful set of tools for most purposes.

Página –160–


Lenguaje R*Because R is a computer

language, it functions slightly differently from most of the programs that users are familiar with. You have to type in commands, which are evaluated by the program and then executed.

Página –161–


Lenguaje R* R can deal with a huge variety of mathematical

and statistical tasks, and many users find that the basic installation of the program does everything they need.

However, many specialized routines have been written by other users and these libraries of additional tools are available from the R website. If you need to undertake a particular type of analysis, there is a very good chance that someone before you also wanted to do that very thing and has written a package that you can download to allow you to do it.

Página –162–


Lenguaje R* R is open source, which means that it is

continually being reviewed and improved. R runs on most computers—installations are available for Windows, Macintosh, and Linux. It also has good interoperability, so if you work on one computer and switch to another you can take your work with you.

R handles complex statistical approaches as easily as more simple ones. Therefore once you know the basics of the R language, you can tackle complex analyses as easily as simple ones (as usual it is the interpretation of results that can be the really hard bit).

Página –163–


Lenguaje R* R is an open source software package to perform

statistical analysis on data. R is a programming language used by data scientist statisticians and others who need to make statistical analysis of data and glean key insights from data using mechanisms, such as regression, clustering, classification, and text analysis.

R is registered under GNU (General Public License). It was developed by Ross Ihaka and Robert Gentleman at the University of Auckland, New Zealand, which is currently handled by the R Development Core Team. It can be considered as a different implementation of S, developed by Johan Chambers at Bell Labs. There are some important differences, but a lot of the code written in S can be unaltered using the R interpreter engine.

Página –164–


Lenguaje R* R provides a wide variety of statistical, machine learning (linear

and nonlinear modeling, classic statistical tests, time-series analysis, classification, clustering)and graphical techniques, and is highly extensible. R has various built-in as well as extended functions for statistical, machine learning, and visualization tasks such as:

Data extraction Data cleaning Data loading Data transformation Statistical analysis Predictive modeling Data visualization

Página –165–


Lenguaje R* R is one of the most popular open source

statistical analysis packages available on the market today.

It is crossplatform, has a very wide community support, and a large and ever-growing user community who are adding new packages every day. With its growing list of packages, R can now connect with other data stores, such as MySQL, SQLite, MongoDB, and Hadoop for data storage activities.

Página –166–

167167


UNIVERSIDAD TECNOLÓGICA DE PEREIRA

BIBLIOGRAFÍA y REFERENCIASPereira, 21 agosto de 2015


COMPUTACIÓN EN LA NUBE (JOYANES)

Página –168–

169169

ESTADO DEL ARTE DECLOUD COMPUTING


COMPUTACIÓN EN LA NUBELa nueva era de la computación


Página –170–


BIG DATA (JOYANES)

Página –171–



BIBLIOGRAFÍA BÁSICA JOYANES, Luis (2014). Curso de Inteligencia de

negocios. Campus virtual UPSAM, Madrid. JOYANES, Luis (2015). Inteligencia de negocios.

Un enfoque móvil, en la nube y en big data. Barcelona: Marcombo; México DF: Alfaomega

TURBAN, Efraim, SHARDA, Ramesh, DELEN, Dursun Decision Support and Business Intelligence Systems. Ninth edition. New Jersey: Pearson/Prentice-Hall

JOYANES, Luis (2013). Big Data. El análisis de los grandes volúmenes de datos. Barcelona: Marcombo; México DF: Alfaomega.


REFERENCIAS DE R*

1. Garderener, Mark. The Statical Programming Language. Wiley/Wrox, 2012.

2. Toomey, Dam. R for Data Science, Birmingham: Packt Publishing, 2015 (diciembre 2014)

3. Prajapati, Vignesh. Big Data Analytic with R y Hadoop. Birmingham: Packt Publishing, 2013.

4. Gerrard, Paul y Radia, Johnson. Mastering Scientifc Computing. Birmingham: Packt Publishing, 2013.

Página –174–


REFERENCIAS WEB Mobile BI is on the move. http://www.information-management.com/news/mobile-bi-infrastructure-data-quality-adoption-cio-gartner-10022807-1.html LITEBI: Business Intelligence in the Cloud. http://www.youtube.com/watch?v=5hxtZsyx_6w La inteligencia de negocio y su potencial en Redes Sociales http://www.youtube.com/watch?v=yAgJjcVEwlo Observatorio de Redes Sociales 2012. http://tcanalysis.com/blog/posts/infografia-4-c2-aa-oleada-observatorio-de-redes-sociales Informe de Gartner sobre Big Data (Gartner 2013)http://www.gartner.com/technology/topics/big-data.jsp

Página –175–


Referencias Web Teradata.com Datawarehouse.com Bitpipe.com Teradatauniversitynetwork.com www.wiley.com/college/turban www.teradatastudentnerwork.com Teradata Magazine, Volume 6, number 2 DM Review MIS Quaterly Journal of Data Warehousing IBM Systems Journal

Página –176–


Directorio de BI Business Intelligence Product Directory

http://media.techtarget.com/searchDataManagement/downloads/SDMBIDirectory2009.pdf

The Data Warehousing Institutewww.tdwi.org

Teradata University Networkwww.teradata.universitynetwork.com

Bex Systems (bez.com) IT Tiilbox Business Intelligence Knowledge

Base (businessintelligence.itttoolbox.com)

Página –177–


Directorio de BI Datawarehousing.com (datawarehusing.com) Business Intelligence and Data Warehousing

Insight Portal) (datawarehousingonline.com) DM Review (demreview.com) DSS Resources (dssresources.com) AISWorldNet (isworld.com) Teradata Magazine (teradatamagazine.com) Teradata University Network

(teradatastudentnetwork)

Página –178–



Recursos académicosThe Teradata University Network (TUN)

Connectionteradataybuniversitynetwork.com

Página web de Efraim Turbanprenhall.com/turban

Harvard Business School Case Collectionhbsp.harvard.edu/b01/en/academic/

edu_home.jhtml



Revistas y periódicos Decision Support Systems CIO Insight (cioinsight.com) Technology Evaluation

(technologyevaluation.com) Baseline Magazine (baselinemag.com) Business Intelligence Journal (tdwi.org) Advisor (advisor.com) Oracle Magazine (oracle.com) IBM Systems Journal (ibm.com) Intelligence Enterprise

(intelligenceenterprise.com) Business 2.0 (business20.com)


Periódicos y revistas CIO (cio.com) ; CIO Insights (cioinsights.com) Computerworld (computerworld.com) Decision Support Systems (elservier.com) eWeek (eweek.com); InforWeek (iinfoweek.com) InfoWorld (infoworld.com)

Internet Week (internetweek.com) Management Information Systems Quaterly (MIS

Quaterly) (misq.org). Technology Evaluation (technologyevaluation.com) Intelligent Enterprise (intelligententerpise.com) AIIM (takingaiim.com)

Página –181–


REFERENCIAS WEB

Mobile BI is on the move. http://www.information-management.com/news/mobile-bi-infrastructure-data-quality-adoption-cio-gartner-10022807-1.html LITEBI: Business Intelligence in the Cloud. http://www.youtube.com/watch?v=5hxtZsyx_6w La inteligencia de negocio y su potencial en Redes Sociales http://www.youtube.com/watch?v=yAgJjcVEwlo Observatorio de Redes Sociales 2012. http://tcanalysis.com/blog/posts/infografia-4-c2-aa-oleada-observatorio-de-redes-sociales

Página –182–



BIBLIOGRAFÍA BÁSICA JOYANES, Luis (2014). Curso de Inteligencia de

negocios. Campus virtual UPSAM, Madrid. JOYANES, Luis (2015). Inteligencia de negocios.

Un enfoque móvil, en la nube, big data e Internet de las cosas. Barcelona: Marcombo; México DF: Alfaomega

TURBAN, Efraim, SHARDA, Ramesh, DELEN, Dursun Decision Support and Business Intelligence Systems. Ninth edition. New Jersey: Pearson/Prentice-Hall

JOYANES, Luis (2013). Big Data. El análisis de los grandes volúmenes de datos. Barcelona: Marcombo; México DF: Alfaomega.


Página –184–

MUCHAS GRACIASPortal tecnológico y de conocimiento

(Ed.McGraw-Hill)www.mhe.es/joyanes

www.joyanes.es [email protected] /.es

www.alfaomega.com.mx@luisjoyanes

www.facebook.com/joyanesluisgissic.wordpress.com

UNIVERSIDAD PONTIFICIA DE SALAMANCA

185185


UNIVERSIDAD TECNOLÓGICA DE PEREIRA ApéndiceHerramientas de analítica socialPereira, 21 agosto de 2015


Herramientas de analítica social Análisis de la competencia y oportunidades. Google Trends Google Insights for Search DoubleClick Ad Planner Compete Reputación online SocialMention Brandwatch Radian6 UberVU Google Alerts

Página –186–


Herramientas de analítica social Twitter TweetReach TwitterCounter Klout SocialBro Twitalyzer

Página –187–


Herramientas de tiempo real insights de Google Google Trends Google Insights for Search DoubleClick Ad Planner AdWords Keyword Tool Correlate What do you love? Google Blog Search Youtube Trends Dashboard YouTube Comment Search Google Search (More Tools)

Página –188–


Herramientas para Facebook Open Facebook Search. Buscador Facebook Grader (facebook.grader.com).

Monitorizacion de influencia. Ayuda a medir el poder, la autoridad y el alcance de un usuario en Facebook.

FamGager (fangager.com). Monitorizacion de comunidad. Servicio que analiza cualquier pagina en Facebook y ofrece informacion de valor sobre las visitas, me gustas, comentarios y usuarios mas activos dentro del último, mes, semana o dia.

Facebook Lexicon (facebook.com/lexicom) Herramienta de seguimiento de tendencias a

traves de conceptos clave que muestra el número de conversaciones disponibles,. Página –189–


Herramientas para Facebook It´s Trending (itstrending.com) Se trata de un servicio que permite conocer los

detalles del contenido mas compartido en Facebook. En su pagina principal ofrece diferentes columnas que incluyen los temas candentes y varias opciones para conocer lo mas compartido según diferentes tematicas.

Social Page Evaluator (evaluator.vitrue.com). Efectúa una estimacion del ROI generado por una pagina web. Ideal para obtener un analisis aproximado de previsiones o proyecciones basadas en un determinado proyecto social donde intervenga una pagina en Facebook

Conversocial (profiler.conversocial.com). Realiza comparativas de los seguidores y la actividad de una pagina Facebook

Página –190–


Herramientas para Twitter Twitter Analyzer (twitteranalyzer.com). Datos,

estadisticas Hastags (hastags.com).. Evolucion de un hastag

en un peridodo de tiempo Xefer (xefer.com/twitter). Datos estadisticos de

modo grafico (diferencia entre tweets, reweets y conversaciones

Topsy (Analytics.topsy.com). Analiza menciones de terminos o dominio

Trendsmap (trendsmap.com). Analisis de temas y tendencias

Twitter Search (search.twitter.com). Buscador

Página –191–


Herramientas para Twitter Locafollow (locafollow.com). Buscador por

nombre, ubicacion, biografia… Tweepz (tweepz.com). Buscador de terminos

(nombre, ubicacion) Klout (klout.com). Analiza la influencia del usuario

de una cuenta Twitter. Follow Friday (followfriday.com). Sitio basado en

las recomendaciones que se hacen a traves de Twitter mediante #FF o #FollowFriday

Soy Follower (soyfollower.com). Directorio tematico, directorio de cuentas de Twitter que las clasifica por la tematica en que se especializan sus contenidos habituales,.

Página –192–


Herramientas para Twitter Formulists (formulists.com). Generar listas que

guardara en nuestra propia cuenta de acuerdo a unos parametros que previamente le indiquemos.

TwitterGrader( twittergrader.com) Medicion de influencias. Mide el nivel de influencia

que tiene un usario en twitter según tres parametros: fuerza, alcance y autoridad.

Trendistic (trendistic.com) Monitorizacion. Herramienta especializada en

analizar tendencias en Twitter sobre temas concretos. Basta con introducir la palabra o frase en la casilla de búsqueda y pulsar el boton Show Trends.

Página –193–


Herramientas de analítica webTwitterTweetReachTwitterCounterKloutSocialBroTwitalyzer

Página –194–


Herramientas de tiempo real insights de Google Google Trends Google Insights for Search DoubleClick Ad Planner AdWords Keyword Tool Correlate What do you love? Google Blog Search Youtube Trends Dashboard YouTube Comment Search Google Search (More Tools)

Página –195–


http://www.atinternet.com/es/producto/social-analytics/Monitorización de redes sociales Mida y gestione su reputación online El boca a boca (buzz) repercute en la estrategia de

marketing, ya sea como causa o consecuencia. Monitorizar el marketing viral es un desafio clave par alas companias para controlar y mejorar como es percibida su marca online.

BuzzWatcher mide en tiempo real la actividad en todos los soportes web 2.0 (blogs, redes so ciales, plataformas de intercambio de videos y microblogging, flujos RSS…).

Página –196–


Caso de estudio de Social Analytics Principales características Monitorización completa de su ámbito de

influencia• Mida la visibilidad y el impacto de sus

conversaciones• Herramientas de productividad y

colaboración• Segmentación al vuelo: combine filtros de

búsqueda (monitorizacion, keywords, canales y categorias de contenido del lenguaje) para centrar sus analisis en una precisa seleccion de los datos.

Página –197–


Caso de estudio de Social Analytics• Análisis semántico: descubra los diferentes

conceptos asociados, emociones y tendencias de distintas conversaciones para anticiparse mejor y determinar la forma de pensar y expectativas de su area de influencia.

• Informes/exportaciones: beneficiese de la fuerza y flexibilidad del creador de informes (Report Builder) para crear informes, establecer su frecuencia o formato.

Página –198–


BIBLIOGRAFÍAJohn Lovett (2011). Social Media.

Métricas y análisis. Madrid: Anaya.

John Lovett (2011). Social Media Metrics Secrets. Indianapolis: Wiley

Página –199–

inteligencia de negocios (bi) y analítica de negocios (ba): un enfoque en r

Data & Analytics