En LUCA ayudamos a nuestros clientes a desarrollar tu estrategia data-driven tanto desde la perspectiva técnica, como desde el área de transformación cultural en tu empresa. Además, nos aseguramos de que la seguridad de los datos está muy presente en todos los proyectos. En la ponencia presentaremos la visión de Telefónica sobre la importancia del dato para la toma de decisiones. Por Jose Aimer Suárez de Telefonica

1. Business Insights
Fortaleciendo Decisiones
Empresariales
Jose Aimer Suarez H
Business Development Manager
LUCA

2. Algunas cifras…
EL 90% DE LOS DATOS EN EL MUNDO DE HOY
SE HAN CREADO EN LOS ÚLTIMOS DOS AÑOS
IDC ESTIMA QUE PARA 2020, LAS TRANSACCIONES
COMERCIALES EN INTERNET LLEGARÁN A 450 MIL
MILLONES POR DIA
MAS DE 5 MIL MILLONES DE PERSONAS ESTAN
LLAMANDO, ENVIANDO MENSAJES DE TEXTO,
TWITTEANDO Y NAVEGANDO POR TELEFONOS
MOVILES EN TODO EL MUNDO
MAS DE 30 MILLONES DE PIEZAS DE
CONTENIDO SE COMPARTEN EN FACEBOOK
CADA MES
LA PRODUCCION DE DATOS SERÁ 44 VECES
MAYOR EN 2020 QUE EN 2009

3. 3

4. Data-driven
Democratización
del Big Data
03Transformation
Acelerar la
adopción de
Big Data
02Exploration
Probando el
gran potencial
de los datos
01
Convertirse
en una
compañía
data-driven
es un largo y
ambicioso camino…

5. Strategy & Transformation
DATA
ENGINEERING
TOOLS &
INFRASTRUCTURE
DATA
SCIENCE
BUSINESS
INSIGHTS
E2E security wrap
… y es crítico
involucrar a todo el
ecosistema
Big Data

6. LUCA
ast niversal ommon ncestorL U C A

7. BUSINESS INSIGHTS

8. Luca Transit
Producto de Big Data que utiliza datos
móviles anónimos y agregados para
proporcionar insights y estimar
movimiento de grupos de personas
Permite a las organizaciones públicas y
privadas a tomar mejores decisiones de
negocio basadas en comportamientos
reales (customer-centric)
Disponibilidad
global
ARGENTINA BRAZIL
CHILE
COLOMBIAECUADOR MEXICOPER
U
SPAINUNITED KINGDOM

9. SMART STEPS COLABORANDO CON MULTIPLES SECTORES
Transporte Media OOH
Viajes AudienciaIndicadores
Turismo
Visualización de millones
de viajes por día para
comprender la movilidad
urbana en las ciudades
La comprensión de
perfiles de audiencia
permite a los medios
más eficaces en medir
alcance y frecuencia
Planificación de
proyectos turísticos y
entender el potencial
económico del evento
bajo análisis
Retail
Consumidores
Sabiendo quiénes visitan
el área donde se
encuentran las tiendas,
permite una mejor toma
de decisiones
comerciales
LUCA TRANSIT COLABORANDO CON MÚLTIPLES SECTORES

10. CASOS DE ÉXITO INTERNACIONALES

11. Telefonica Key Big Data insights – Estadías y Viajes
ESTADIAS Y VIAJES
ORÍGENES
Y DESTINOS
MOTIVOS

12. MODO DE
TRANSPORTE
SEGMENTACIÓN
DEMOGRÁFICA
LUGARES DE
INTERÉS
FRECUENCIA RUTA
Sobreponemos datos O-D en la red de transporte
ESTADIAS Y VIAJES

13. Tower bridge cerrando por
mantenimiento por 3 meses
PROBLEMA SOLUCION BENEFICIOS
Ayudar a TFL a gestionar su red de
transporte de manera más eficiente
Efecto positivo para los consumidores
Analizar a los viajeros regulares
que cruzan el puente
Ofrecer un canal de comunicación
CASE STUDY: Modelos de Transporte

14. Telefonica Key Big Data insights para el Turismo
ESTADIAS VIAJES
AFLUENCIA
DEMOGRAFÍA
MÓVIL
ROAMERS INTERNACIONALES
ORIGEN
ANÁLISIS
EVENTO
ESTANCIAS
DE NOCHE
COMPETENCIA
Segmentación

15. 15
El propósito del estudio es dar a conocer el
movimiento poblacional, perfil y captación de los
turistas de la Municipalidad de León durante el
evento Festival del Globo 2016.
Este trabajo tiene como objetivo proporcionar
mejores decisiones de planificación turística para
la ciudad de Léon.
Para la construcción del estudio se
analizaron datos de:
voz internetSMS

16. 16
01. ¿Quiénes son?
Distribución demográfica por género, edad,
clase, clúster
02. ¿Dónde viven?
Residentes - León
Turistas – Otras ciudades
03. ¿Dónde van más a León?
Movilidad de 6:00 a 24:00, residentes, turistas,
fin de semana
04. ¿Cómo llegan al evento?
Transporte, rutas, tiempo de espera,
estacionamiento
Festival del Globo 2016
05. ¿A qué hora se van?
Horario de llegada por género, edad, clase,
clúster
06. ¿Cuántos van al festival y
con que frecuencia?
Asistencia y frecuencia por día, género, edad,
clase, clúster
07. ¿Dónde van los residentes
de León que salen de la ciudad?
Destino de residentes
08. Anexos

17. 17
395,729
Distribución por Género
34% 24%
42%
58%
Residentes Turistas
29% 13%
Hombres
Mujeres
51%
49%
Población
mexicana en
promedio
Festival vs Población
mexicana
El Festival concentra
más público masculino
que el promedio de la
población mexicana.
Asistentes del Festival
El mayor porcentaje de
asistentes son hombres
y residentes.
¿Quiénes son?
Asistentes diarios
en promedio

18. 18
Aguascalientes
3.8%
CDMX
1.5%
1.1%
0.7%
0.7%
0.7%
0.7%
Gustavo A. Madero
Iztapalapa
Cuauhtémoc
Ecatepec de Morelos
Álvaro Obregón
Benito Juárez
Guanajuato
3.7%
1.5%
1.6%
1.8%
2.4%
2.5%
0.6%
Irapuato
Celaya
Guanajuato
Silao
San Francisco del Rincón
Salamanca
Purísima del Rincón
Distribución geográfica*
¿Dónde viven los turistas? – Otras ciudades
6.8%
5.2%
2.3%
1.8%
1.5%
1.0%
0.9%
0.6%
Jalisco
Guadalajara
Zapopan
Lagos de Moreno
Tlaquepaque
Tonalá
Tlajomulco de Zúñiga
Tepatitlán de Morelos
Ocotlán
Morelia, Michoacán
4.4%
Guadalupe, Mty
0.9%
1.1%
Tepic, Nayarit
0.6% Corregidora
2.6% Querétaro
Querétaro
Soledad de Graciano Sánchez
3.0% San Luis Potosí
San Luis Potosí
0.9%
Zacatecas
0.9%
TOP 5 de ciudades:
1. Guadalajara
2. Zapopan
3. Morelia
4. Aguascalientes
5. Irapuato
*Ver mapas de calor en detalle en anexo

19. BIG DATA & DATA SCIENCE

20. Data Value Pyramid
Big Data
governance & security
Data science / Analytics
Data engineering
Data monetization / Use cases
Big Data infrastructure
Data & connectivity

21. Clientes móviles200millones
Agregación
Datos agrupados en
multitudes
Anonimización
Datos personales
eliminados
Extrapolación
Representación del
total de la población
#2 Fortalecer decisiones
mediante insights basados en
comportamiento real de la
población
#1 Privacidad integrada
en la concepción de la
metodología
Smart Steps en Latinoamérica

22. BUSINESS
QUESTIONS
ASSESSMENT
ADOPTION
ROADMAP
DELIVERY
Big Data Journey
DELIVERY

23. Propensión a la compra

24. Propensión a la compra

25. Conocimiento del Cliente

26. Conocimiento del Cliente

27. Predicción Fuga de Clientes

28. Predicción Fuga de Clientes

29. Mejorar eficiencia y
grandes ahorros
Generación masiva de datos
como oportunidad única
para llegar a ser Data-Driven
Companies
Alrededor 10 países
200+proyectos
CONCLUSIONES