Cuando Big Data es igual a ‘real money’: tres casos de éxito de Big Data orientado a negocio

Grandes Empresas

Los términos Big Data e Inteligencia Artificial están en boca de todos. El mundo de los negocios se maravilla ante la ingente cantidad de datos que se empieza a acumular en todos los frentes, desde la actividad de los clientes potenciales a la gestión de un almacén. Y sueña con máquinas inteligentes que se alimenten de esos datos. Sin embargo, a la hora de la verdad, pocas compañías están apostando por esta tecnología hasta sus últimas consecuencias.

Todavía no son muchas las empresas que entienden que el poder real no está en los ceros y en los unos, está en su análisis. Extraer las conclusiones correctas y convertir los datos en información valiosa permite revolucionar el mundo de los negocios, a todos los niveles. Las compañías de telecomunicaciones son, quizá, de las que más rápido se han dado cuenta del potencial del Big Data.

“El Big Data se utiliza en una gran variedad de casos de uso que involucran diversas áreas. Se centraliza en los estudios, pero toda la compañía participa. Se usa en retención de clientes, despliegue de red o dimensionado de plataformas”, explica Iván Robles, Data Scientist en el área de Datos de Orange. Como explica este científico de datos, el potencial de las telecos está en “la gran diversidad de datos que se pueden obtener del cliente, el consumo, o la movilidad”. Pero empresas como Orange no son las únicas que están haciendo Big Data en España.
 

Radiografía del Big Data en España

En un artículo sobre Big Data, obviar los datos sería pegarse un tiro en el pie. Antes de pasar a explicar tres casos concretos de aplicación de esta tecnología en negocios españoles, vamos a observar, en líneas generales, el estado del mercado de Big Data, qué nivel de penetración tiene esta tecnología en los diferentes sectores y cuáles son los objetivos de negocio que persiguen las compañías que implementan estrategias de Big Data.

[infogram id=»evolucion-del-mercado-de-big-data-1g502y9q9lqdpjd»]

La transformación digital del mundo empresarial y la constatación del aumento de datos disponibles están impulsando el mercado alrededor del Big Data. Según el informe IDC, Big Data Market Forecast – España, con datos de 2016, la mejor señal de la relevancia que está adquiriendo esta herramienta es el crecimiento del volumen de negocio del sector.

Como queda reflejado en el gráfico, entre 2014 y 2019, este mercado crecerá a una media del 20.4% anual. Dentro de dos años moverá más de 310 millones de dólares (unos 270 millones de euros) en España, el triple que en 2014. Además, las soluciones de software seguirán llevando la voz cantante en los próximos dos años, aunque los servicios de Big Data ganarán peso antes del final de la década.

Según el INE, independientemente del tamaño de las empresas, los datos de los dispositivos móviles son los más analizados, seguidos de las redes sociales e Internet

Sin embargo, más allá de los que hacen dinero desarrollando herramientas de Big Data, esta tecnología está empapando, gradualmente, los diferentes sectores, desde la industria y la agricultura hasta los servicios. Según la última encuesta del Instituto Nacional de Estadística sobre el uso de las TIC en empresas, poco más de un 5% de las compañías del sector industrial (de más de 10 empleados) usa Big Data. El porcentaje se mantiene bajo en la construcción y en los servicios, y solo crece por encima del 25% en el sector de las tecnologías de la información y la comunicación.

[infogram id=»gestion-del-big-data-1gk92exnjgv7m16″]

¿Y de dónde vienen estos datos que ya están dando un nuevo valor a las empresas? Pues, la mayoría, del móvil. La información de geolocalización es, de momento, de las más cotizadas. Ya se utiliza, entre otras cosas, para definir dónde abrir una nueva tienda o colocar un cajero automático.

Así, según el INE, independientemente del tamaño de las empresas, los datos de dispositivos móviles son los más analizados. También se sigue de cerca la información obtenida de las redes sociales e Internet, para, entre otras cosas, monitorizar la audiencia, definir nuevos públicos y clientes potenciales o intentar aumentar el ansiado engagement.

Además, en las grandes compañías, se apuesta también por el análisis de la información proveniente de sensores y demás dispositivos conectados para ganar en eficiencia y efectividad. Aquí está una de las grandes potencialidades del Big Data aplicado a negocios, pero, de momento, la inversión necesaria coloca este análisis algo lejos de las pequeñas empresas.

[infogram id=»negocios-y-objetivos-1g0gmjz586nnp1q»]

Por último, antes de abordar qué están consiguiendo algunas compañías españolas gracias al Big Data, cabe preguntarse qué quieren conseguir, cuáles son los objetivos. Curiosamente, según los datos del informe IDC, las prioridades que se le dan a las estrategias de Big Data son bastante diferentes a las prioridades de negocio generales.

Así, mientras que la reducción de costes es la prioridad número uno para un 21.6% de las empresas españoles, solo es el objetivo del 4.3% de las estrategias de Big Data. Una diferencia similar, pero opuesta, se da en la búsqueda de mejorar las relaciones con los clientes (prioridad para el 7.7% de las empresas y para el 17.8% de las estrategias de Big Data) y con la mejora de procesos (15.4% frente a 27.9%).
 

El Lobo, alimentación, turrones e inteligencia artificial

La receta ha permanecido casi invariable desde 1725. Almendra, miel y azúcar sostienen el buen nombre del turrón de Jijona y el de Alicante. Eso no significa que El Lobo y el Grupo Confectionary Holdings no puedan apostar por la innovación. Con la mejora de procesos, el aumento de la competitividad y la agilización de la toma de decisiones entre ceja y ceja, el Big Data ha tomado las plantas de producción de Jijona (Alicante) y Alcaudete (Jaén).


El objetivo final de Confectionary Holdings, como explica su director general Andrés Cortijos, es convertir los datos, la información en bruto, en smart data, primero, y en good data, después. “No solo se trata de transformar datos en información entendible, sino en información que sea comprensible para la persona que tiene que tomar decisiones”.

Así, desde el año 2015, se ha ido conectando de forma gradual toda la maquinaria de las dos plantas de producción y se han establecido diferentes sensores en la cadena de suministros y proveedores. Todos estos datos se ha analizan de forma continua y se ponen a disposición de toda la compañía en tres niveles: uno para la directiva, otro para los mandos medios y otro para cada puesto de trabajo específico.

Al margen de ayudar a la toma de decisiones, el análisis de datos ha contribuido a mejorar la productividad y el desempeño de las fábricas, y a enriquecer y simplificar la organización 

“Aquí está la verdadera potencia, en dotar de información a este segundo y tercer nivel. Ya disponíamos de sistemas de indicadores para la directiva, pero dotar de información al resto de la organización nos ha permitido descentralizar la toma de decisiones, dotar de autonomía a los trabajadores y ganar agilidad de respuesta en un mercado que demanda rapidez”, señala Cortijos.

Así, no solo se ha implicado a una parte importante de la empresa en la toma de decisiones, sino que la intuición y la experiencia, que tanto peso tenían antes, han dado paso a las decisiones tomadas en datos. Esto ha contribuido a mejorar la productividad y el desempeño de las fábricas, así como a enriquecer y simplificar la organización en un entorno cada vez más complejo. Y, claro, ha tenido un impacto directo en la cuenta de resultados.

“El Big Data parece muy intangible y hay muchas empresas que prefieren acometer inversiones en aspectos más concretos, como, por ejemplo, los puntos de venta. Sin embargo, en el medio y largo plazo, el mercado nos está llevando hacia situaciones mucho más complejas que se nos van a hacer muy difíciles de gestionar si, poco a poco, no nos vamos apoyando en la tecnología”, concluye Andrés Cortijos.
 

BBVA, reduciendo el riesgo en el sector bancario

En 1856, un grupo de comerciantes e industriales fundaban el Banco de Bilbao. Más de un siglo después se fusionaría con el Banco de Vizcaya y, en 1999, con Argentaria. Hoy, el BBVA es el segundo banco de España y el primero de México, al mismo tiempo que tiene una fuerte presencia en Perú, Venezuela, Colombia y Turquía. En 2016, manejó activos por valor de 730.000 millones de euros. Y, también, cantidades inmensas de datos.


Hace ya unos años que BBVA tomó la decisión de convertirse en un data-driven bank. Los objetivos están claros: aumentar la rentabilidad de los productos y ser más eficiente en la toma de decisiones. ¿Cómo? Navegando entre miles de millones de datos para obtener información valiosa que potencie el negocio. A través de una unidad propia, BBVA Data & Analytics, se coordinan los proyectos en diferentes áreas de negocio, desde el desarrollo de nuevas aplicaciones para el cliente final hasta potentes algoritmos internos que potencian la eficiencia de la compañía.

La primera aplicación real de RedeX permite a los analistas contar con más información de la que los solicitantes de crédito facilitan, reduciendo el riesgo 

Aunque la mayoría de estos proyectos internos todavía no son públicos, BBVA ha presentado, recientemente, RedeX. Las potencialidades de la ciencia de datos en el sector bancario se reflejan en esta herramienta, que mejora el proceso de evaluación de riesgos en las solicitudes de crédito de clientes nuevos y actuales.

El objetivo de este proyecto fue triple: obtener todos los datos necesarios para construir una red de relaciones; realizar analíticas relacionales distribuidas para extraer los atributos de los clientes más relevantes y las métricas más adecuadas para analizar el contexto del cliente; y construir una herramienta de autoservicio para permitir que los analistas de riesgo exploren los datos, lo visualicen y obtengan nuevas métricas de clientes”, explica Francisco Javier López Peñalver, gerente de proyecto de datos de BBVA.

La primera aplicación real de RedeX permite, a partir de diferentes fuentes de datos (transferencias bancarias, boletines oficiales, operaciones con otras instituciones), ofrecer información sobre el contexto de los solicitantes. Es decir, permite a los analistas contar con mucha más información de la que los solicitantes de crédito facilitan. Esto reduce el riesgo y, por lo tanto, aumenta la rentabilidad del negocio de crédito de BBVA.

En los próximos meses, la intención del banco es ir más allá. “También puede aplicarse en otras áreas como la gestión del fraude, los sistemas de recomendación y la experiencia de usuario en el análisis de canales digitales”, añade López Peñalver.

 

Pago de Carraovejas, la agricultura y el vino de precisión

A unos tres kilómetros de Peñafiel, Valladolid, en plena ribera del río Duero, se extiende un viñedo de más de 160 hectáreas. Bajo el sol y las heladas de la Meseta, las tradicionales labores vitivinícolas de la bodega Pago de Carraovejas conviven con sensores, estaciones climáticas y un moderno sistema interconectado que convierten el agua, la tierra y la uva no solo en vino, sino en Big Data y agricultura de precisión.

big data en viticultura
La innovación tecnológica es algo por lo que llevan apostando desde 2008. Hoy por hoy, el gran desafío que tienen entre manos es seguir sacando la mejor información del inmenso torrente de datos que les llega de la finca. Los datos llegan en tiempo real desde sensores en el suelo y en la vid , que miden el crecimiento o el estrés hídrico de las plantas, del análisis de imágenes tomadas con satélites y drones para definir índices de vigor, del sistema de riego o de la monitorización constante del clima.

Las compañías textiles utilizan ya el análisis de datos para definir sus catálogos, las aseguradoras miden el riesgo a niveles antes imposibles, y algunas cadenas de alimentación optimizan su red de puntos de venta 

Las fuentes son muchas, pero el objetivo final es (casi) único: mejorar la precisión del cultivo y la calidad de la producción. “Queremos llevar una trazabilidad desde la viña y la uva hasta la cuba y la botella, pasando por la vendimia”, explica Mariano Castreño, corresponsable de viticultura en la bodega. Todo para mejorar la toma de decisiones y llegar, esperan, a anticiparlas. “Estamos desarrollando una aplicación para predecir las cosechas. Es un sistema bastante novedoso, pero nos ya acercamos a un 80% de acierto”, añade Elena Rivilla, la otra responsable del departamento.

Como señalaba el informe de IDC, al igual que el 27,9% de las empresas que están aplicando tecnologías de Big Data, Pago de Carraovejas está muy centrada en mejorar el proceso, en unificar todas las fuentes de datos para tomar decisiones rápidas e inteligentes. “El objetivo último es sacar la máxima calidad de cada parcela e incluso cada micro-parcela”, puntualiza Castreño. “Hacer vinos por terreno para lograr una calidad impecable”.

Las particularidades de la viticultura, en que cada añada de vino es diferente debido a factores climáticos que se escapan al control humano, hacen que sea difícil dar datos concretos sobre la influencia de la tecnología en la producción. “Tenemos claro que hay que estar en la viña y que la experiencia y el trabajo de campo siguen siendo fundamentales. Pero cuantas más herramientas se tengan mejores decisiones se podrán tomar”, concluye Rivilla.

Vino, turrones y banca son tres ejemplos de que ni las industrias más tradicionales se escapan al poder del Big Data. Las compañías textiles utilizan ya el análisis de datos para definir sus catálogos cada temporada, las aseguradoras miden el riesgo a niveles antes imposibles, y algunas panaderías y cadenas de alimentación optimizan su red de puntos de venta gracias al Big Data. Y eso que, según los datos INE, solo el 8.81% de las empresas españolas se ha sumado a la revolución.

Juan F. Samaniego

Imágenes: Grupo Confectionary Holdings, BBVA, Pago de Carraovejas, Pixabay

Archivado en
Subir