Sunday, March 25, 2018

Big Data Congress - Keynote speaker - Strategy & deployment: Building Around Data

Quizás la mejor conferencia del Big Data Congress 2017 que se realizó en Barcelona el pasado mes de Octubre de 2017 la realizó Marco Bressan, Chief Data Scientist de Satellogic, titulada Building Around Data


Qué se puede construir alrededor de datos? En primer lugar equipos, y a partir de allí productos, y al final una cultura alrededor de datos.

Su primera experiencia fue anterior del Big Data, y consistió en diseñar el parking en la ciudad de Los Angeles, para que los coches tardaran menos tiempo en estacionar. Un 32% del tráfico era de coches buscando donde aparcar. Y lo solucionaron con un sistema de precios dinámicos

Cualquier producto de datos necesita economistas, diseñadores de servicios, diseñadores de experiencia... y es que cualquier producto lo va a utilizar personas. Así que cualquier industria aunque sea lo más tradicional gira entorno a los datos.

Cuando una empresa decide poner el dato en el centro, puede ocurrir lo de Netflix. Salió en 2002 en bolsa, y en 2007 decidió que toda su estrategia iría en los datos de consumo, y así pudo tomar decisiones correctas. Hoy día en las horas picos 1/3 de todo el tráfico de Internet es contenido de Netflix.

Actualmente Netflix tiene un valor en bolsa tres veces mayor que el del banco BBVA.

Hay que entender los usos de los datos en una organización:

Lo más importante del uso del datos es conseguir la automatización de la toma de decisiones en base a los datos.

Al final lo que se pretende es mejorar la experiencia del cliente, por ejemplo como hace Netflix eliminando la negociación que antes era manual para decidir en qué codec y con qué ancho de banda se va a emitir la película en streaming en cada uno de los dispositivos.

Building Around Data:

  1. Enabling for Data
  2. Building the Business
  3. Building the Culture

Data is not only about:
  • Better models
  • Better reporting & dashboard
  • Better campaigns



Un banco o una entidad tipo Visa o Mastercard tiene información de los pagos con tarjeta que realizan cada día sus usuarios. Pero hasta hace bien poco, en 2011 en BBVA nadie sabía qué hacer con estos datos. Una persona del MIT pudo ver que había una geolocatlización de los datos en cada uno de los pagos. De esta forma se podía segmentar a los clientes en base a su uso diario.


Este último gráfico que también es de 2011, muestra el número de transacciones en 3 meses a lo largo del Passeig de Gràcia de Barcelona. Cada color es un sector. En ese momento había una tienda que se comía un 15% de todas las transacciones de la calle más comercial de Barcelona. Pero el 40% de los clientes que van a esa tienda, compran antes o después en las otras de la misma calle. Así que es muy positiva. Pero también hay otras tiendas que son agujeros negros, porque sus usuarios no consumen en ninguna otra tienda.

La mayoría de avances en Inteligencia Artificial durante estos años han sido permitidos mediante los avances de proceso, pero los algoritmos ya existían. Pero las empresas desconocen en qué algoritmos no pueden fallar.

Data enables Algorithms:

Un banco no puede fallar en los algoritmos de riesgos de sus clientes cuando dan un préstamos, Kayak en precios futuros de vuelos...

Él está trabajando en un proyecto para que el tractor puede tomar decisiones automatizadas en base a los datos para sacar el máximo de productividad de la tierra.

Este es el funnel de desarrollo de producto de Netflix, siempre el dato está en el centro:

En Netflix empezaron con los datos explícitos del nombre de la película o la serie, y la valoración en estrellitas que daban los usuarios. Pero luego fueron a los datos implícitos viendo qué series veía la gente y cuando y hasta qué episodio llegaban a ver.

En definitiva, Data-Driven Culture:

  1. Democratización del dato (entender qué datos tienen)
  2. Data Science culture: Generar la cultura de Data Science 
  3. Known your questions: no pueden ser más de 5 preguntas
  4. Action-driving dashboards
  5. Automate decision making



No comments: