En colaboracin con la Escuela de Negocios Sad en la Universidad de Oxford

IBM Global Business Services

Business Analytics and Optimisation
Informe ejecutivo

IBM Institute for Business Value

Analytics: el uso de big data en el mundo real

Cmo las empresas ms innovadoras extraen valor de datos inciertos
 IBM Global Business Services 7

De hecho, big data puede ser una carretera de doble sentido

entre los clientes y las empresas. Por ejemplo, el Ford Focus
elctrico produce ingentes cantidades de datos mientras Big data permite obtener una imagen ms
estsiendo conducido y cuando est aparcado. Mientras se
encuentra en movimiento el conductor recibe constantemente
completa de las preferencias y demandas
informacin actualizada acerca de la aceleracin, la frenada, delos clientes; a travs de esta profunda
la carga de la batera y la ubicacin del vehculo.4 Esto resulta
til para el conductor, pero esos mismos datos tambin comprensin empresas de todo tipo
llegan a los ingenieros de Ford, quienes reciben informacin encuentran nuevas formas de interactuar
acerca de los hbitos de conduccin de los clientes, incluido
cmo, cundo y dnde cargan sus automviles.5 Y mientras con sus clientes actuales y futuros.
elvehculo se encuentra detenido contina enviando datos
acerca de la presin de los neumticos y el sistema de batera
al telfono inteligente ms cercano.6
De este escenario centrado en el cliente se derivan mltiples
ventajas, ya que big data hace posibles nuevas y valiosas
Business-driven outcomes formas de colaboracin. Los conductores reciben informacin
Resultados basados en el negocio til cada segundo, mientras que los ingenieros en Detroit
renen la informacin relativa al comportamiento al volante
con el objetivo de extraer conocimientos acerca de los clientes
4% y desarrollar mejoras para los productos. Y lo que es ms,
14%
lasempresas de servicios pblicos y otros proveedores externos
analizan millones de kilmetros de datos de conduccin para
Resultados centrados en el cliente

decidir dnde ubicar nuevas estaciones de carga y cmo

Otros objetivos funcionales

proteger las frgiles redes de servicio de las sobrecargas.7

49% Empresas de todo el mundo son capaces de prestar un mejor

15% servicio a sus clientes y de mejorar las operaciones gracias
abig data. Empresas como Mcleod Russel India Limited
haneliminado por completo el tiempo de inactividad de
lossistemas en el comercio del t gracias a un seguimiento
mspreciso de las cosechas, la produccin y el marketing
dehasta 100 millones de kilos de t cada ao.8 Premier
18% Healthcare Alliance recurri a funciones de intercambio
dedatos yanalticas avanzadas para mejorar los resultados
delos pacientes y reducir al mismo tiempo su gasto en
Resultados centrados en el cliente
2.850millones de dlares.9 Y Santam mejor la experiencia
Nuevo modelo empresarial del cliente al implementar el anlisis predictivo con el
Optimizacin operativa
Colaboracin de los empleados
objetivo de reducir el fraude (vase el recuadro Santam:
Gestin financiera/de riesgos elanlisis predictivo mejora la deteccin del fraude y agiliza
la gestin de siniestros).
Pedimos a los encuestados que clasificaran sus principales objetivos
funcionales para big data en el seno de sus empresas. Las respuestas
seponderaron y agruparon. Total de encuestados = 1.067 Adems de los objetivos centrados en el cliente, a travs
delas primeras aplicaciones de big data tambin se abordan
otros objetivos funcionales. La optimizacin operativa,
Imagen 4: Aproximadamente la mitad de las iniciativas de big data porejemplo, fue uno de los objetivos citados por el 18% de
de los encuestados estn orientadas a los resultados centrados los encuestados, pero consiste principalmente en proyectos
en el cliente.
piloto. Otras aplicaciones de big data que se mencionaron
con frecuencia incluyen la gestin financiera/de riesgos,
lacolaboracin de los empleados y la habilitacin de
nuevosmodelos de negocio.
8 Analtica: el uso real de big data
Santam: el anlisis predictivo mejora la deteccin
del fraude y agiliza la gestin de siniestros10
El fraude es un desafo muy real para las compaas
deseguros de todo el mundo. Ya sea un fraude a gran
escala, como los incendios provocados, o una pequea
reclamacin como puede ser una factura inflada de
lareparacin de un coche, los desembolsos por
reclamaciones fraudulentas cuestan a las aseguradoras
millones de euros todos los aos, y ese coste termina
llegando al cliente en forma de primas de seguro ms
elevadas. Las compaas de seguros luchan contra el
fraude, pero las tcnicas tradicionales tales como las
acciones legales y la investigacin privada requieren
demasiado tiempo y dinero.
Como principal proveedor de seguros a corto plazo
deSudfrica, no hay duda de que Santam ha sido
vctima del fraude en seguros. Las prdidas por fraude
representaban entre el 6 y el 10% del coste de las
primas anuales para los clientes de Santam. Y el fraude
tena otra consecuencia: una escasa eficiencia operativa.
Debido a que los agentes deban tramitar e investigar
tanto las reclamaciones de alto como de bajo riesgo,
todas las reclamaciones tardaban un mnimo de tres
das en ser resueltas y Santam comenz a temer que
labuena reputacin de la que gozaba su servicio de
atencin al cliente sufriera en una poca en la que
losclientes demandaban resultados rpidos.
Santam adquiri la capacidad para detectar el fraude
de forma temprana con una solucin de analtica
avanzada que capta datos procedentes de las
reclamaciones presentadas, valora cada reclamacin
frente a factores de riesgo identificados y divide
lasreclamaciones en cinco categoras de riesgo,
separando las reclamaciones que parecen fraudulentas
y de riesgo ms alto de los casos de bajo riesgo. Con el
nuevo sistema la empresa no solo ahorra millones que
antes se perdan debido al fraude, sino que tambin
reduce drsticamente el tiempo de procesamiento de
las reclamaciones de bajo riesgo, lo que para algunos
clientes tiene como resultado una resolucin de su
reclamacin en menos de una hora. En los primeros
meses tras la implementacin Santam tambin
descubri una importante organizacin de fraude
especializada en seguros de automviles. Big data,
elanlisis predictivo y la segmentacin de riesgos
ayudaron a la empresa a identificar patrones que
llevarona la deteccin del fraude.
Big data depende de una base de informacin
escalable y extensible
La promesa de lograr un valor de negocio importante y
cuantificable a partir de big data solo puede hacerse realidad
si las empresas crean una base de informacin que respalde
elvolumen, la variedad y la velocidad de los datos de rpido
crecimiento. Pedimos a los encuestados que identificaran
elestado actual de sus infraestructuras de big data. Casi dos
tercios afirmaron haber comenzado su viaje hacia big data
con una base de informacin integrada, escalable, extensible
y segura. Cuatro fueron los componentes de la gestin de la
informacin citados con mayor frecuencia como parte de las
iniciativas de big data de los encuestados (vase la imagen 5).
La informacin integrada es un componente fundamental
decualquier esfuerzo analtico y es incluso ms importante
sihablamos de big data. Tal y como se apunta en el
estudiorealizado por el IBM Institute for Business Value
en2011 acerca de la analtica avanzada, los datos de una
empresa han de estar disponibles y accesibles para las
personas y sistemas que los necesitan.11
La gestin de datos maestros y la integracin de tipos de
datos clave (clientes, productos, proveedores, empleados
ysimilares) requiere datos interempresariales gobernados
segn un nico estndar empresarial. La incapacidad para
conectar los datos almacenados en silos empresariales
ydepartamentales ha sido durante aos uno de los retos
delbusiness intelligence. Esta integracin es incluso ms
importante, aunque mucho ms compleja, en el caso de
bigdata. De entre las empresas encuestadas que tenan
iniciativas de big data en curso, el 62% considera que
sucapacidad de integrar informacin es suficiente para
respaldar big data.
Los dos siguientes componentes de la base de gestin
de la informacin que se mencionan con mayor frecuencia
en las iniciativas de big data son una infraestructura de
almacenamiento escalable y un warehouse de gran capacidad.
Ambos respaldan el rpido crecimiento de los datos,
actualesy futuros, que llegan a la organizacin.

A primera vista, el hecho de aadir ms capacidad de
almacenamiento y uno o ms servidores grandes puede
parecer suficiente para respaldar el crecimiento de una base
de gestin de la informacin. No obstante, es importante
comprender que prever y configurar la infraestructura resulta
clave para alcanzar el valor de negocio del caso de negocio
pretendido. Las empresas han de plantearse cmo soportar
de la mejor forma posible el vaivn de datos a fin de permitir
a los usuarios acceder a los mismos cuando los necesiten
ycmo analizar los datos teniendo en cuenta las limitaciones
de tiempo de las empresas (ya sean das, horas, segundos
omilisegundos). Este equilibrio de configuracin y despliegue
de servidores y almacenamiento tiene como resultado una
infraestructura ms optimizada.
Big data infrastructure
Infraestructura de big data
Integracin de la informacin
Infraestructura de almacenamiento escalable
Warehouse de alta capacidad
Seguridad y gobierno
Herramientas de desarrollo y creacin de scripts
Bases de datos por columnas
Procesamiento de eventos complejos
Optimizacin de la carga de trabajo
Aceleradores de analtica
Hadoop/MapReduce
Motores NoSQL
Stream computing
Se pregunt a los encuestados con iniciativas de big data en curso
qu componentes de la plataforma estn siendo probados en la
actualidad o estn integrados en la arquitectura. Cada punto de datos
se Platform
recopil components either in pilot or integrated into architecture, based on those respondents whose
por separado. El nmero total de encuestados por cada
organizations are already engaged in big data efforts
punto de datos oscila entre los 297 y los 351.
Imagen 5: Componentes de las infraestructuras de big data
de losencuestados.
IBM Global Business Services 9
Estas tecnologas tambin son capaces de gestionar la
creciente velocidad de los datos que llegan, y se almacenan,
al hacer posible un movimiento coherente y automatizado
delos datos en toda la empresa a medida que ms personas
necesitan tener acceso a tipos de informacin adicionales
ydiferentes. Tecnologas emergentes como la jerarquizacin
y compresin de datos y los sistemas de archivos escalables,
junto con bases de datos en memoria, hacen posible la
gestin de cargas de trabajo mucho ms grandes que los
warehouses convencionales. Para muchas organizaciones,
mejorar la capacidad para gestionar volmenes de datos en
crecimiento es la mxima prioridad de big data, seguida muy
de cerca por la capacidad para abordar la creciente variedad
de datos. (Vase el recuadro Vestas: una mejor capacidad
deanlisis de datos reduce los costes y mejora la eficacia)
El 58% de las empresas que afirman haber puesto ya en
marcha iniciativas de big data cuenta con unos procesos
65% deseguridad y gobierno slidos. Si bien la seguridad y
elgobierno han sido durante mucho tiempo un aspecto
64% inherente al business intelligence, las nuevas consideraciones
jurdicas, ticas y normativas de big data introducen nuevos
59% riesgos y amplan el potencial de fallos pblicos, tal y como
hemos tenido la oportunidad de ver con algunas empresas
que han perdido el control sobre los datos o los han
58%
utilizadode formas cuestionables.
54% Como resultado de ello, la seguridad de los datos,
yespecialmente la privacidad de los mismos, constituye una
51% parte fundamental de la gestin de la informacin, tal y como
afirman varios expertos en la materia y directivos empresariales
encuestados para este estudio. La seguridad y el gobierno
45% sern todava ms importantes a medida que las empresas
comiencen a utilizar nuevas fuentes de informacin,
45% especialmente datos procedentes de redes sociales.
Paracomplicar an ms la situacin, las normativas
44% sobreprivacidad continan evolucionando y pueden
variarenormemente dependiendo del pas.
42%
Existe la percepcin de que la privacidad y la seguridad son
aspectos fciles, pero estn muy regulados y se encuentran
42% bajo un frreo control, seala un directivo del sector
de las telecomunicaciones. Y no son solo las agencias
38% gubernamentales las que ejercen este control, sino tambin
los propios clientes. Segn este mismo directivo, hay una
serie de mbitos nuevos, como pueden ser los datos la
navegacin web, donde existe una zona gris entre lo que
eslegal y lo que est bien. Nosotros hemos tomado la
determinacin de considerar cada accin aplicando la
mxima de qu pensara el cliente si la forma en la que
utilizamos los datos apareciera reflejada en la pgina
principal de nuestra web.
10 Analtica: el uso real de big data
Vestas: una mejor capacidad de anlisis
dedatos reduce los costes y mejora la eficacia12
Los aerogeneradores constituyen una inversin
multimillonaria con una vida til habitual de 20 o
30aos. Para determinar la ubicacin ptima de un
aerogenerador es necesario tener en cuenta una serie
de factores entre los que se incluyen la temperatura,
las precipitaciones, la velocidad del viento, la humedad
y la presin atmosfrica.
Para Vestas Wind Systems A/S (Vestas), un fabricante
de aerogeneradores dans, el proceso de anlisis de
datos utilizado para crear modelos de ubicacin de
aerogeneradores para sus clientes resultaba cada vez
menos convincente; el proceso tardaba varias semanas
en ejecutarse y no poda analizar los ingentes conjuntos
de datos que la empresa consideraba necesarios para
predecir con precisin la ubicacin del aerogenerador
y la potencia. Los ingenieros de Vestas deseaban
comenzar a desarrollar sus propias previsiones
utilizando datos reales registrados de aerogeneradores
de clientes en lugar de modelos preinstalados; segn
los planes, el reto era incrementar los requisitos de
capacidad de datos a seis petabytes.
Gracias al uso de una solucin de big data en
unsuperordenador, uno de los ms grandes del
mundohasta la fecha, y de una solucin de modelado
diseada para aprovechar la informacin de un amplio
conjunto de factores, entre los que se incluyen datos
estructurados y no estructurados, ahora la empresa
puede ayudar a sus clientes a optimizar la ubicacin
del aerogenerador y, como resultado de ello,
surendimiento.
Este nuevo entorno de informacin permite a la
empresa gestionar y analizar datos de la ubicacin
ydel tiempo de formas que antes no eran posibles
afin de obtener conocimientos que puedan llevar
auna mejor toma de decisiones sobre la ubicacin
delos aerogeneradores y las operaciones, as como
previsiones ms exactas de la produccin energtica.
Los modelos detallados significan una mayor certeza
del caso de negocio, resultados ms rpidos y una
capacidad de previsin y una fiabilidad mejoradas,
loque disminuye los costes para los clientes por
kilovatio/hora producido y aumenta la precisin de
losclculos de la rentabilidad de la inversin (ROI) del
cliente. Estas tecnologas reducen aproximadamente
en un 97% (de semanas a horas) el tiempo de
respuesta a las consultas planteadas por los
usuariosempresariales y mejoran en gran medida
laeficacia dela ubicacin de los aerogeneradores.
Para algunos de los directivos entrevistados los costes
asociados a la actualizacin de las infraestructuras constituan
otra inquietud. Segn afirmaron, la alta direccin exige un
caso de negocio slido y cuantificable, uno que defina las
inversiones progresivas junto con las oportunidades para
racionalizar y optimizar los costes de sus entornos de gestin
de la informacin. Arquitecturas de menor coste, incluido
elcloud computing, la externalizacin estratgica y la fijacin
de precios basada en el valor, fueron citadas como tcticas
que estn siendo desarrolladas en la actualidad. Aun as,
otroshan invertido en sus plataformas de informacin sobre
la base de la conviccin de que la oportunidad de negocio
mereca el incremento de costes asociado.
Las primeras iniciativas de big data se centran
enobtener conocimientos de fuentes de datos
internas nuevas o ya existentes
La mayor parte de los esfuerzos de big data estn dirigidos
aextraer y analizar datos internos. Segn nuestra encuesta,
ms de la mitad de los encuestados afirmaron que la fuente
principal de big data en sus empresas eran los datos internos.
Esto sugiere que las empresas estn siendo pragmticas al
adoptar big data y tambin que existe un tremendo valor
pordescubrir escondido en esos sistemas internos (vase
laimagen 6).
Tal y como caba esperar, los datos internos son los datos
ms desarrollados y mejor entendidos de las empresas.
Estosse han recabado, integrado, estructurado y normalizado
a lo largo de aos de planificacin de recursos empresariales,
gestin de datos maestros, business intelligence y otras
actividades relacionadas. Al aplicar la analtica, los datos
internos obtenidos de las transacciones de los clientes,
lasinteracciones, los eventos y los correos electrnicos
pueden proporcionar conocimientos valiosos (vase el
recuadro Automercados Plazas: mayores ingresos a travs
de una mejor informacin). No obstante, en muchas
empresas el tamao y el alcance de sus datos internos (tales
como datos detallados de transacciones y registros operativos)
son ahora demasiado grandes o variados como para poder
gestionarlos con los sistemas tradicionales.
Casi tres de cada cuatro entrevistados con iniciativas
debigdata en curso analizan datos procedentes de logs.
Setrata dedatos generados por mquinas/sensores quese
utilizan para registrar detalles de funciones automatizadas
llevadas acabo en el marco de sistemas de informacin
oempresariales, datos que han desbordado la capacidad
delaque disponen muchos sistemas tradicionales para
sualmacenamiento yanlisis. Como resultado de ello,
muchos de estos datos serecaban pero no se analizan.
 IBM Global Business Services 11

Los directivos entrevistados confirmaron que muchos de los

directores de informtica (CIOs) que dirigen las iniciativas Automercados Plazas: mayores ingresos
de big data de sus empresas estn comenzando con estas atravs de una mejor informacin13
fuentes de informacin interna sin explotar utilizando la Automercados Plazas, una cadena familiar de tiendas
capacidad de procesamiento adicional que proporciona de alimentacin de Venezuela, se dio cuenta de que
unainfraestructura ms escalable. dispona de ms de seis terabytes de informacin
Big data sources sobre productos y clientes almacenada en diferentes
Fuentes de big data sistemas y bases de datos. Como resultado de ello,
resultaba difcil valorar las operaciones de cada
establecimiento y los directivos saban que stas
Transacciones 88% escondan informacin valiosa.
Tenamos un gran lo en lo que respecta los
Datos de registro 73% precios,el inventario, las ventas, la distribucin
ylacomercializacin, seala Jess Romero, CIO de
Eventos 59% Automercados Plazas. Tenemos aproximadamente
20 millones de dlares en inventario; rastrebamos
lainformacin relacionada con el mismo en diferentes
Correos electrnicos 57% sistemas y la compilbamos manualmente.
Necesitbamos una visin integrada para
comprenderexactamente lo que tenamos.
Redes sociales 43%
Al integrar la informacin de toda la empresa,
lacadena de tiendas ha visto cmo sus ingresos
Sensores 42% aumentaban en aproximadamente un 30% y su
rentabilidad anual se incrementaba en 7 millones
dedlares. El Sr. Romero atribuye estos aumentos
Canales externos 42%
auna mejor gestin del inventario y a la capacidad
Escaneos RFID
para adaptarse de forma ms rpida a las condiciones
o datos de TPV 41% cambiantes del mercado. Por ejemplo, la empresa ha
evitado prdidas en aproximadamente el 35% de sus
Texto sin formato 41%
productos ahora que pueden programar reducciones
de precio para vender productos perecederos antes
de que se estropeen.
Geoespacial 40%

Sonido 38% Big data requiere funcionalidades analticas slidas

No obstante, big data no crea valor hasta que se utiliza
Imgenes fijas/vdeos 34% parasuperar importantes retos empresariales. Esto requiere
un acceso a ms tipos de datos diferentes entre s, as como
Se pregunt a los encuestados con iniciativas de big data en
slidas funcionalidades analticas que incluyen tanto
cursoqu fuentes de datos recababan y analizaban en la actualidad. herramientas de software como las habilidades necesarias
Cadapunto de datos se recopil por separado. El nmero total de para utilizarlas.
encuestados por cada punto de datos oscila entre los 557 y los 867.
Un anlisis de aquellas empresas inmersas en actividades
Imagen 6: Las empresas estn utilizando principalmente fuentes debig data revela que comienzan con un slido ncleo
de datos internas para sus iniciativas de big data. 7%
defuncionalidades analticas diseadas para abordar datos
estructurados. A continuacin, aaden capacidades para
Respondents were asked which data sources they currently collect and analyze, aprovechar la enorme cantidad de datos que llegan a la
based on those respondents whose organizations are already engaged in big data efforts.
empresa, tanto datos semiestructurados (datos que se pueden
convertir a formatos de datos estndar) y no estructurados
(datos en formatos no estndar).
12 Analtica: el uso real de big data

Ms del 75% de los encuestados con iniciativas de big data Adquirir o desarrollar estas capacidades analticas y tcnicas
en curso sealaron que utilizan funcionalidades analticas ms avanzadas necesarias para el avance de big data se
clave, tales como las consultas, la generacin de informes estconvirtiendo en un importante reto para muchas
y la extraccin de datos para analizar big data, en tanto empresas con iniciativas de big data en curso. Entre estas
quems del 67% afirma que utiliza modelos predictivos. organizaciones, la falta de habilidades analticas avanzadas
Comenzar con estas funcionalidades analticas fundamentales constituye un gran obstculo a la hora de obtener el mximo
es una forma pragmtica de comenzar a interpretar y analizar valor de big data.
big data, especialmente cuando estn siendo almacenados
enuna base de datos relacional. (Vase la imagen 7).
Big data analytic capabilities
Funcionalidades analticas de big data
La necesidad de funciones de visualizacin de datos
msavanzadas aumenta con la introduccin de big data. Consulta y generacin de informes 91%
Amenudo los conjuntos de datos son demasiado grandes
para que las empresas o los analistas de datos puedan
Extraccin de datos 77%
visualizarlos y analizarlos con las herramientas tradicionales
de generacin de informes y extraccin de datos. En nuestro
estudio, los encuestados admitieron que el 71% de las Visualizacin de datos 71%
iniciativas de big data en curso dependa de las habilidades
devisualizacin de datos.
Modelado predictivo 67%
Las empresas inmersas en big data necesitaban funciones
cada vez ms avanzadas para descubrir patrones en la inherente Optimizacin 65%
complejidad. Para lograrlo, los encuestados aplican modelos
de optimizacin y analtica avanzada a fin de comprender
mejor cmo transformar los procesos de negocio clave. Simulacin 56%
Utilizan funciones de simulacin para analizar las miles de
variables disponibles con big data. Nuestro estudio revel
que ms del 50% de las iniciativas de big data en curso Texto de lenguaje natural 52%
utilizan estas funciones de modelacin avanzadas.
Analtica geoespacial 43%
Hoy en da, la mayor parte de las empresas centran la atencin
de sus primeras iniciativas de big data en analizar datos Analtica de
estructurados. Sin embargo, big data tambin genera la streaming 35%
necesidad de analizar mltiples tipos de datos, incluida una
gran variedad de datos que pueden ser completamente Analtica
26%
de vdeo
nuevos para muchas organizaciones. En ms de la mitad de
las iniciativas de big data en curso los encuestados afirmaron Analtica
utilizar funcionalidades avanzadas diseadas para analizar de voz 25%
texto en su estado natural, como pueden ser las transcripciones
de las conversaciones de un centro de atencin telefnica.
Esta analtica incluye la capacidad para interpretar Se pregunt a los encuestados con iniciativas de big data en curso
ycomprender los matices del lenguaje, tales como qu funcionalidades analticas estaban disponibles en la actualidad
lossentimientos, el argot y las intenciones. ensus empresas. Cada punto de datos se recopil por separado.
Elnmero total de encuestados por cada punto de datos oscila
entrelos 508 y los 870.
Disponer de la capacidad para analizar datos no estructurados Analytic capabilities currently available within organizations already engaged
(por ejemplo, datos de una ubicacin geoespacial, voz y vdeo) in big data efforts.
o en streaming sigue siendo un reto para la mayora de las Imagen 7: Los encuestados aplican una variedad de
analticasavanzadas.
empresas. A medida que el hardware y el software de estos
mbitos evoluciona, las habilidades siguen siendo escasas.
Menos del 25% de los encuestados con iniciativas de big data
en curso contaba con las capacidades necesarias para analizar
datos no estructurados, tales como voz y vdeo.

El patrn emergente de la adopcin de big data
secentra en generar un valor de negocio que
seacuantificable
Para comprender mejor el escenario de big data en la
actualidad hemos pedido a los encuestados que describieran
el nivel de actividades de big data existente en sus empresas
ada de hoy. Los resultados sugieren cuatro fases principales
en el proceso de adopcin y evolucin de big data, junto con
un continuo que hemos denominado Educar, explorar,
interactuar y ejecutar (vase la imagen 8).
Educar: crear una base de conocimiento (24% de
losencuestados)
En la fase de educacin la atencin se centra en la
concienciacin y el desarrollo del conocimiento. Casi el
25%de los encuestados indic que an no utiliza big data
dentro de sus empresas. Si bien algunos siguen teniendo
relativamente poca informacin acerca del concepto de big
data, las personas entrevistadas sugieren que la mayora de las
empresas que se encuentran en esta fase estn estudiando las
posibles ventajas de las tecnologas y la analtica de big data
eintentando comprender cmo puede ayudarles aabordar
importantes oportunidades de negocio en sus propios
sectores o mercados. En el seno de estas empresas son Big data adoption pattern
principalmente los empleados los encargados de recabar la
informacin, a diferencia de los grupos de trabajo formales,
ysus conocimientos an no estn siendo utilizados por la
empresa. Como resultado de ello, los directivos empresariales
an no han comprendido totalmente ni abrazado el potencial
de big data.
Fases de la adopcin de big data
Educar Explorar
Centrados en Desarrollo de una
la recopilacin estrategia y una hoja de
de conocimiento ruta sobre la base de las
y observaciones necesidades de negocio
del mercado y retos empresariales
Porcentaje del total Porcentaje del total
de encuestados de encuestados
24% 47%
Pedimos a los encuestados que identificaran el estado actual de sus actividades de big data en el seno de sus empresas. El porcentaje
no asciende al 100% debido al redondeo. Total de encuestados = 1.061
Imagen 8: Cuatro fases del patrn emergente de la adopcin de big data.
Respondents were asked to identify the current state of big data activities within their organization.
IBM Global Business Services 13
Explorar: definir el caso de negocio y la hoja de ruta (47%)
En esta fase la atencin se centra en desarrollar la hoja
deruta de la empresa para el desarrollo de big data.
Prcticamente la mitad de los encuestados reconoci
quehaba conversaciones formales en curso dentro de
susorganizaciones acerca de cmo utilizar big data para
abordar importantes retos empresariales. Los principales
objetivos de estas empresas incluyen desarrollar un caso
denegocio cuantificable y crear un proyecto de big data.
Laestrategia y la hoja de ruta tienen en cuenta los datos,
latecnologa y las habilidades existentes y, a continuacin,
establecen dnde comenzar y cmo desarrollar un plan en
consonancia con la estrategia de negocio de la empresa.
Interactuar: adoptar big data (22%)
En la fase de la interactuacin las empresas comienzan
acomprobar el valor de negocio de big data, as como
allevar a cabo una valoracin de sus tecnologas y
habilidades. Ms de una de cada cinco empresas encuestadas
est desarrollando en la actualidad POCs para validar los
requisitos asociados a la implementacin de iniciativas de
bigdata, as como para articular los resultados esperados.
Lasempresas que se encuentran en este grupo estn trabajando
(dentro de un mbito definido y limitado) para comprender
yprobar las tecnologas y habilidades necesarias para
aprovechar nuevas fuentes de datos.
Interactuar Ejecutar
Dirigir iniciativas Despliegue de dos o ms
de big data para iniciativas de big data
validar el valor y continuar aplicando
y los requisitos analticas avanzadas
Porcentaje del total Porcentaje del total
de encuestados de encuestados
22% 6%
Total respondents
n = 106
Percentage does not equal 100% due to roundin
14 Analtica: el uso real de big data
Ejecutar: implementar big data a escala (6%)
En la fase de ejecucin, el nivel de operatividad e
implementacin de las funciones analticas y de big data
esmayor dentro de la empresa. No obstante, tan solo el
6%de los encuestados confirm que sus empresas haban
implementado dos o ms soluciones de big data a escala,
elumbral para llegar a esta fase. Este escaso nmero de
organizaciones en la fase de ejecucin resulta coherente con
las implementaciones que vemos en el mercado. Y, lo que es
ms importante, estas empresas lderes estn aprovechando
big data para transformar sus negocios, por lo que estn
obteniendo el mximo valor de sus activos de informacin.
Con la tasa de adopcin de big data aumentado rpidamente
(tal y como demuestra el 22% de los encuestados en la fase
de interactuacin, ya sea con POCs o con proyectos piloto
en curso), esperamos que el porcentaje de empresas en esta
fase se duplique a lo largo del prximo ao.
Ms cambios por fase a medida que las funciones
de big data evolucionan
Adems de las cuatro conclusiones clave del estudio,
nuestroanlisis revel otros patrones relacionados con las
distintas fases y que tenan que ver con el respaldo ejecutivo,
los requisitos de disponibilidad de datos y los principales
obstculos. Estos patrones muestran la sucesin de pasos
interconectados que las empresas estn dando para desarrollar
sus infraestructuras de big data y sus funcionalidades analticas.
Respaldo de big data
Un anlisis en profundidad de la adopcin de big data
muestra un patrn interesante de cambio en el respaldo
(vase la imagen 9). En toda nuestra muestra, los encuestados
afirmaron que ms de un tercio de las iniciativas de big data
estaban impulsadas por el director de sistemas (CIO).
Noobstante, la mayor parte de las iniciativas impulsadas
porCIOs se encuentran en las primeras fases de adopcin,
cuando la empresa comienza a invertir en tecnologa
y a identificar oportunidades y requisitos de negocio.
A medida que las empresas avanzan hacia las ltimas fases,
elrespaldo lo proporciona un director de negocio, ya sea un
directivo de funcin especfica como un director de marketing
(CMO) o el director financiero (CFO) o incluso el director
general (CEO). En concreto, este modelo de respaldo con un
nico centro de atencin por parte de un directivo empresarial
se considera fundamental para el xito de big data.
Big datas leadership shift
Respaldo de big data
Educar Explorar Interactuar Ejecutar
No directivo
Alto ejecutivo
de funcin especfica
CIO CEO
Grupo de
directivos
Respondents were asked who is most closely associated with the mandate for the use of big data and analytics
insights. Box placement reects the degree to which an executive is dominate in each stage.
Preguntamos a los encuestados quin est ms relacionado con
Total respondents n = 1028
elmandato relativo al uso de big data y los conocimientos analticos.
Laubicacin de los recuadros refleja el grado de dominio de cada
directivo en cada fase. Total de encuestados = 1.028
Imagen 9: Los cambios de liderazgo resultan evidentes a medida
que avanzan las iniciativas de big data dentro de una empresa.
Este patrn sugiere que es posible que las empresas
secentren inicialmente en la tecnologa y expandan
paulatinamente sus infraestructuras de big data, pero
amedida que comienzan a desarrollar sus propios casos
denegocio y hojas de ruta, el respaldo se traslada a uno
oms directivos empresariales. Incluso as, el CIO y el
departamento de TI debe seguir desempeando un papel
importante en la ejecucin de la hoja de ruta acordada.
Disponibilidad de datos
Tal y como muestra la imagen 10, vemos cmo los requisitos
de disponibilidad de datos cambian drsticamente a medida
que las empresas avanzan en sus iniciativas de big data.
Unanlisis de las respuestas revel que, independientemente
en la fase de la adopcin en la que se encuentren, las empresas
se enfrentan a la exigencia cada vez ms acuciante de reducir
la latencia desde la captura de datos a la accin. Tal y como
parece, los directivos aprecian cada vez ms el valor de unos
datos oportunos a la hora de tomar decisiones de negocio
cotidianas y decisiones estratgicas. Los datos ya no son algo
que sustenta una decisin, sino que se han convertido en un
componente fundamental a la hora de tomar dicha decisin.
 IBM Global Business Services 15

Primary obstacles
Creemos que las exigencias de un acceso en tiempo an
msreal continuarn aumentando a medida que los modelos Principales obstculos
de negocio evolucionan y las empresas invierten en las
tecnologas necesarias para el streaming de datos, la analtica Educar Explorar Interactuar Ejecutar
en memoria, el procesamiento mquina a mquina y otros
avances innovadores.
Articular un caso de negocio atractivo

Obstculos a big data

Los desafos que obstaculizan la adopcin de big data Comprender cmo
Calidad de datos
utilizar big data
difieren a medida que las empresas avanzan a lo largo de
cadauna de las fases de adopcin de big data. Sin embargo,
Atencin en la
nuestras conclusiones muestran un reto sistemtico, Habilidades analticas
gestin y soporte
independientemente de la fase, que es la capacidad para
articular un caso de negocio convincente (vase la imagen
11). En cualquiera de las fases, las iniciativas de big data se Habilidades tcnicas
someten a un escrutinio fiscal. El actual entorno econmico
global ha dejado a las empresas con un escaso apetito por
Respondents were asked to rank the top objectives for big data within their organization. Responses were weighted
nuevas inversiones en tecnologa sin beneficios cuantificables, Pedimos a losBox
and aggregated. encuestados que
placement reflects theclasificaran
degree to whichlos
thatprincipales retos inde
challenge is prevalent each stage.
un requisito que, por supuesto, no es exclusivo de las iniciativas bigdata en el seno de sus empresas. La ubicacin de los recuadros
de big data. Despus de implementar de forma satisfactoria refleja el predominio de dicho reto en cada fase. Las Total respuestas
respondents n = 1062

los POCs, el principal desafo al que se enfrentan las empresas seponderaron y agruparon. Total de encuestados = 1.062
es encontrar las habilidades necesarias para que big data
resulte operativo, incluidas las habilidades tcnicas, Imagen 11: Comprender los obstculos clave para la adopcin
analticasy de gobierno. de big data.
Required data availability
Recomendaciones: Fomentar
Recomendaciones: fomentar la adopcin de big data
laadopcin de big data
Educar Explorar Interactuar Ejecutar El anlisis realizado por IBM de las conclusiones del
estudio Big Data @ Work Study proporcion nuevos
conocimientos acerca de cmo las empresas promueven
En una
semana susiniciativas debig data en cada fase. Impulsadas por la
necesidad de superar los retos empresariales, y a la vista de
las tecnologas en desarrollo y de la naturaleza cambiante
En 24 horas
de los datos, lasempresas estn comenzado a estudiar
msde cerca las posibles ventajas de big data. Para obtener
ms valor de bigdata ofrecemos un amplio abanico de
El mismo da laborable
recomendaciones a las empresas a medida que avanzan
enla implementacin de big data.
Como flujo
en tiempo real
Dedicar los esfuerzos iniciales a resultados
Respondents were asked how quickly business users require data to be available for analysis or within processes.
centrados en el cliente
Box placement reects the prevalence of that requirement within a stage. Es fundamental que las empresas centren sus iniciativas
Preguntamos a los encuestados con qu rapidez tenan que estar
debig data en mbitos que puedan proporcionar el mximo
disponibles los datos para los usuarios o procesos deTotal respondents
negocio. n = 973

Laubicacin de los recuadros refleja el predominio de dicho

valor para el negocio. Para muchos sectores, esto significar
requisitoen una fase. Total de encuestados = 973 comenzar con una analtica de clientes que permita prestar
un mejor servicio a los mismos como resultado de comprender
Imagen 10: Asumir el reto de los datos en tiempo real. verdaderamente sus necesidades y ser capaces de anticiparse
a sus comportamientos futuros.
16 Analtica: el uso real de big data
La digitalizacin masiva, una de las fuerzas que ayud a
difundir el concepto de big data, tambin ha cambiado el
equilibrio de poder entre el individuo y la institucin. Si las
empresas han de comprender y proporcionar valor a clientes
y ciudadanos capacitados, debern centrarse en conocer a sus
clientes como individuos. Tambin tendrn que invertir en
nuevas tecnologas y analtica avanzada para poder entender
mejor las interacciones y preferencias de cada uno de ellos.
Sin embargo, los clientes de hoy en da, usuarios finales
oclientes B2B, desean algo ms que la simple comprensin.
En este sentido, para cultivar realmente una relacin de valor
con sus clientes las empresas deben poder conectar con ellos
de formas que sus clientes perciban como valiosas.
El valor puede llegar de la mano de interacciones ms
oportunas, informadas o pertinentes; tambin puede
surgir a medida que las empresas mejoran sus operaciones
subyacentes de forma que sean capaces de mejorar tambin la
experiencia global de dichas interacciones. En cualquier caso,
la analtica alimenta unos conocimientos obtenidos de big
data que resultan cada vez ms fundamentales para crear
esenivel de intensidad que necesitan dichas relaciones.
Desarrollar un proyecto de big data para toda
laempresa
Un proyecto abarca la visin, la estrategia y los requisitos
debig data dentro de una empresa y resulta fundamental
para armonizar las necesidades de los usuarios de negocio
con la hoja de ruta de la implementacin de TI. Crea una
comprensin comn de cmo la empresa pretende utilizar
big data para mejorar sus objetivos de negocio.
Un proyecto efectivo define el alcance de big data dentro
dela empresa al identificar los retos empresariales clave
alosque se aplicar, los requisitos de proceso de negocio
quedefinen cmo se utilizarn esos datos masivos y la
arquitectura que incluye los datos, las herramientas y el
hardware necesarios para lograrlo. Se trata de la base para
elaborar una hoja de ruta que gue a la empresa a travs
deun enfoque pragmtico para desarrollar e implementar
sussoluciones de big data de forma que cree un valor de
negociosostenible.
Comenzar con los datos existentes para lograr
resultados a corto plazo
Para poder lograr resultados a corto plazo, al mismo tiempo
que se crea el impulso y la experiencia para respaldar el
programa de big data, resulta fundamental que las empresas
adopten un enfoque pragmtico. Tal y como confirmaron
losencuestados, el lugar ms lgico y rentable para comenzar
abuscar estos nuevos conocimientos es dentro de la empresa.
Buscar primero internamente permite a las empresas mejorar
sus datos, software y habilidades existentes y ofrecer un valor
de negocio a corto plazo, as como obtener una experiencia
importante para cuando ms adelante se planteen ampliar
suscapacidades para abordar fuentes y tipos de datos ms
complejos. La mayor parte de las organizaciones desean
hacer esto para aprovechar la informacin almacenada
enrepositorios existentes, a la vez que amplan su(s) data
warehouse(s) para poder gestionar volmenes y variedades
dedatos ms grandes.
Desarrollar funcionalidades analticas sobre
labase de prioridades de negocio
En todo el mundo las organizaciones han de hacer frente
auna creciente variedad de herramientas analticas, al mismo
tiempo que han de sobrellevar una escasez de habilidades
analticas. La eficacia de big data depende de abordar esta
importante laguna. En pocas palabras, las empresas tendrn
que invertir en adquirir tanto herramientas como habilidades.
Como parte de este proceso se espera que surjan nuevos
roles y modelos de trayectorias profesionales para individuos
con el equilibrio necesario de habilidades analticas,
funcionales y de TI.
Centrar la atencin en el desarrollo profesional y el avance
de la trayectoria de los analistas internos, que ya estn
familiarizados con los retos y procesos de negocio nicos
dela empresa, debera ser una prioridad para los directivos
empresariales. Al mismo tiempo las universidades y los
propios individuos, independientemente de su formacin
oespecialidad, tienen la obligacin de desarrollar slidas
habilidades analticas.
Crear un caso de negocio sobre la base
deresultados cuantificables
Desarrollar una estrategia de big data exhaustiva y viable,
ascomo la posterior hoja de ruta requiere un caso de negocio
slido y cuantificable. Por lo tanto, es importante contar
conla implicacin y el respaldo de uno o ms directivos
empresariales a lo largo de todo el proceso. Igual de
importante para lograr el xito a largo plazo es una
colaboracin empresarial y de TI continua y slida.

Muchas empresas basan sus casos de negocio en las
siguientes ventajas que se pueden derivar de big data:
Decisiones ms inteligentes Aprovechar nuevas fuentes
dedatos para mejorar la calidad de la toma de decisiones.
Decisiones ms rpidas Permitir una captura y anlisis
dedatos en tiempo ms real para respaldar la toma de
decisiones en el punto de impacto, por ejemplo cuando
un cliente est navegando por su sitio web o al telfono
con un representante del servicio de atencin al cliente.
Decisiones que marquen la diferencia Centrar las
iniciativasde big data en mbitos que proporcionen
unaverdadera diferenciacin.
Un principio importante que subyace a cada una de estas
recomendaciones es que los profesionales del negocio y de
TI deben trabajar codo con codo a lo largo del camino hacia
big data. Las soluciones de big data ms eficaces identifican
primero los requisitos de negocio y, a continuacin,
adaptanla infraestructura, las fuentes de datos y el anlisis
cuantitativo a fin de respaldar la oportunidad de negocio.
Recomendaciones adicionales por fase:
comiencedonde se encuentra
Determinadas actividades son caractersticas de cada una
delas fases del ciclo de adopcin de big data. Las siguientes
recomendaciones por fase ofrecen un enfoque probado
yprctico para pasar de una fase a la siguiente.
Educar para explorar: crear una base para la accin
Contine ampliando sus conocimientos centrndose en
aquellos casos de uso donde big data proporciona una
ventaja competitiva a las empresas, tanto dentro como
fuera de su sector.
Trabaje con diferentes unidades de negocio y departamentos
empresariales para identificar las oportunidades de negocio
y retos empresariales ms cruciales que se pueden abordar
con un acceso mejor y ms oportuno a la informacin.
Muchas empresas comienzan con datos y analtica de
clientes para respaldar su agenda de transformacin
defront-office.
Cntrese en fortalecer su entorno e infraestructura
degestin de la informacin, incluido el desarrollo
deunproyecto de big data. A menudo estos proyectos
estnbasados en estndares del sector, arquitecturas de
referencia y otros marcos y recursos tcnicos disponibles.
IBM Global Business Services 17
Explorar para interactuar: convertir los planes en accin
Verifique que existe un respaldo activo por parte de un
lder empresarial a medida que desarrolla su estrategia
yhoja de ruta de big data.
Desarrolle el caso de negocio para una o dos oportunidades
de negocio o retos empresariales clave que prevea abordar
a travs de POCs o proyectos piloto.
Al mismo tiempo que planifica los requisitos a ms largo
plazo, verifique que su base de gestin de la informacin
ysu infraestructura de TI son capaces de respaldar las
tecnologas y funcionalidades de big data necesarias para
elPOC o el proyecto piloto.
Evale sus actuales procesos de gobierno de la informacin
y su disponibilidad para abordar los nuevos aspectos de
bigdata.
Analice los actuales conjuntos de habilidades de los recursos
internos y ponga en marcha un anlisis de carencias en
aquellos puntos en los que necesita desarrollar y/o
contratar habilidades adicionales.
Interactuar para ejecutar: comprender las oportunidades
y los retos que nos aguardan
Promueva activamente los xitos de los proyectos piloto
para mantener el impulso al mismo tiempo que comienza
ainteractuar con otras partes del negocio.
Concrete el caso de negocio con la validacin
y la cuantificacin de la ROI y las ventajas previstas,
incluidoslos criterios y los parmetros de xito definidos.
Identifique las modificaciones y las mejoras que podran
realizarse en el proceso de negocio ahora que tiene acceso
a una informacin mejor y ms oportuna (por ejemplo,
marketing, ventas, atencin al cliente y sitios de
redessociales).
Desarrolle un plan de competencias para confirmar la
disponibilidad de las habilidades tcnicas y cuantitativas
adecuadas y necesarias para lograr objetivos tanto a corto
como a largo plazo.
Documente el plan de proyecto detallado para migrar
proyectos piloto a produccin. Este plan debera incluir la
confirmacin del valor de negocio, los costes, los recursos
y los calendarios de proyecto esperados.
18 Analtica: el uso real de big data
Fase ejecutiva: aceptar la innovacin de big data
Documente los resultados cuantificables de los primeros
xitos para reforzar futuras iniciativas.
Ponga en marcha comunicaciones formales sobre big data
en toda la empresa a fin de continuar aumentando el
respaldo y el impulso.
Cntrese en ampliar las tecnologas y habilidades necesarias
para abordar nuevos retos de big data en todas las unidades
de negocio, funciones y ubicaciones geogrficas.
Mantngase alerta sobre el gobierno de la informacin
(incluida la gestin del ciclo de vida de la informacin),
laprivacidad y la seguridad.
Contine evaluando las herramientas y tecnologas
debigdata de rpido desarrollo. Mantenga el equilibrio
delaactual infraestructura con tecnologas ms recientes
que aumentan la escalabilidad, optimizacin y resistencia.
Comience la evolucin de su big data
Para competir en una economa integrada a escala global
esevidente que las empresas de hoy en da necesitan una
comprensin exhaustiva de los mercados, los clientes, los
productos, las normativas, los competidores, los proveedores,
los empleados y mucho ms. Esta comprensin exige un uso
eficaz de informacin y analticas. De hecho, junto de sus
empleados, muchas empresas consideran que la informacin
es su activo ms valioso y diferenciador.
Ahora, con el surgimiento y la creciente adopcin de big data
las empresas de todo el mundo estn descubriendo formas
completamente nuevas de competir y ganar. Se encuentran
en proceso de transformacin para aprovechar el amplio
abanico de informacin disponible a fin de mejorar la toma
de decisiones y el rendimiento en toda la empresa. Un grupo
relativamente pequeo de empresas pioneras ya lo est
logrando al proporcionar a sus empleados, desde los altos
cargos, pasando por el marketing hasta los trabajadores
demenor rango, la informacin, las habilidades y las
herramientas necesarias para tomar decisiones mejores
y ms oportunas en el punto de impacto.
No todas las organizaciones necesitarn gestionar todo
elespectro de funcionalidades de big data. Sin embargo,
entodos los sectores existe en cierta medida la posibilidad
deutilizar nuevos datos, tecnologas y analticas. Las empresas
generan valor al analizar el volumen, la velocidad y la variedad
de datos nuevos y ya existentes y al aplicar las habilidades
ylas herramientas adecuadas para comprender mejor sus
operaciones, clientes y el mercado en su conjunto.
Independientemente de cul sea su punto de partida,
lasempresas de todo el mundo continuarn ampliando
el uso de big data para obtener valor de negocio y ventajas
competitivas en la actual economa globalmente integrada.
Si quiere ms informacin sobre este estudio del IBM Institute
for Business Value, escriba a iibv@us.ibm.com. Si quiere ver
un catlogo completo de nuestras investigaciones, visite
ibm.com/iibv.
Suscrbase a IdeaWatch, nuestro boletn electrnico mensual
que incluye los ltimos informes ejecutivos basados en la
investigacin del IBM Institute for Business Value:
ibm.com/gbs/ideawatch/subscribe.
Puede acceder a los informes ejecutivos del IBM Institute
forBusiness Value desde su tablet descargando la aplicacin
gratuita IBM IBV para iPad o Android.
Para obtener ms informacin acerca de la Escuela
deNegocios Sad en la Universidad de Oxford, visite
www.sbs.ox.ac.uk.
Publicaciones relacionadas
Kiron, David, Rebecca Shockley, Nina Kruschwitz,
GlennFinch y Dr. Michael Haydock, Analytics: The
widening divide: How companies are achieving competitive
advantage through analytics IBM Institute for Business
Valueen colaboracin con MIT Sloan Management Review.
Octubre de 2011. http://www-935.ibm.com/services/us/gbs/
thoughtleadership/ibv-analytics-widening-divide.html
2011 Massachusetts Institute for Technology.
LaValle, Steve, Michael Hopkins, Eric Lesser, Rebecca
Shockley y Nina Kruschwitz. Analytics: The new path to
value: How the smartest organizations are embedding analytics
totransform insights into action. IBM IInstitute for Business
Value en colaboracin con MIT Sloan Management Review.
Octubre de 2010. http://www-935.ibm.com/services/us/gbs/
thoughtleadership/ibv-embedding-analytics.html
2010Massachusetts Institute for Technology.
Teerlink, Dr. Marc y Dr. Michael Haycock. Customer
analytics pay off: Driving top-line growth by bringing science
tothe art of marketing. IBM Institute for Business Value.
Septiembre de 2011. http://www-935.ibm.com/services/us/gbs/
thoughtleadership/ibv-customer-analytics.html
 IBM Global Business Services 19

Autores Colaboradores
Michael Schroeck es socio y vicepresidente de IBM Global Fred Balboni, Director global, Optimizacin y analtica
Business Services, donde ha prestado sus servicios como denegocio, IBM Global Business Services
responsable global de Information Management Foundation
para la empresa. Michael es tambin un ingeniero distinguido Dr. Stephen Buckley, Director de investigacin aplicada,
de IBM con el que puede ponerse en contacto en la direccin BAO, IBM Research
mike.schroeck@us.ibm.com.
Wendy Olivier, Directora de programa de Information
Rebecca Shockley es la responsable de investigacin global Management Foundation, IBM Global Business Services
de Business Analytics y Optimisation para el IBM Institute
for Business Value, donde lleva a cabo investigaciones basadas Katharyn White, Vicepresidenta de Marketing, IBM Global
en hechos sobre analtica de negocio con el objetivo de Business Services
desarrollar liderazgo experto para altos ejecutivos. Su correo
electrnico de contacto es rshock@us.ibm.com. Los autores tambin desean agradecer a los siguientes
compaeros de IBM y de la Universidad de Oxford su ayuda
La Dra. Janet Smart es miembro y codirectora del grupo
a la hora de elaborar este informe ejecutivo: Dr. John Bell,
deinvestigacin Complex Agent-Based Dynamic Networks
Min Chen, Michael Coleman, Richard Cuthbertson, Tom
en la Escuela de Negocios Sad y combina experiencia en
Deutsch, Angela Finley, Mark Graham, Larry Gosselin, Tina
sistemas complejos, ingeniera de sistemas, big data y gestin
Groves, Bambi Grundwerg, Pamela Hartigan, Bernie Hogan,
de proyectos. La Dra. Smart tambin colabora en el proyecto
Matin Jouzdani, Jim Kocis, Eric Lesser, Monica Logan,
ATLAS del CERN en el mbito de la gestin de proyectos e
Eduardo Lopez, Dr. Robin Lougee, Piyush Malik, Helen
ingeniera de sistemas en proyectos Big Science. Es profesora
Margetts, Joni McDonald, Brian Morris, Richard Perret,
de ingeniera de sistemas en el mster en Gestin de
Nancy Puccinelli, Tarun Ramadorai, Dean Ranalli, Eric Sall,
Programas y en el programa Major Projects Leadership
Ralph Schroeder, Stephanie Schneider, Ronald Shelby, Neil
Academy del Reino Unido. Puede ponerse en contacto
Shephard, James Taylor, Owen Tebbutt y Andy Twigg.
conella en la direccin Janet.Smart@sbs.ox.ac.uk.

Dolores Romero-Morales es profesora de investigacin

deoperaciones en la Escuela de Negocios Sad. Imparte
laasignatura principal sobre analtica de datos y decisiones
enlos programas de MBA y EMBA y ha publicado docenas
de artculos de investigacin en publicaciones lderes en los
mbitos de la optimizacin de la cadena de suministro,
laextraccin de datos y la gestin de ingresos. Tambin
hatrabajado en estos temas con profesionales de toda una
serie de sectores. Puede ponerse en contacto con ella en
ladireccin Dolores.Romero-Morales@sbs.ox.ac.uk.
El profesor Peter Tufano es el decano Peter Moores en la
Escuela de Negocios Sad. La investigacin llevada a cabo
por el Sr. Tufano se centra en la innovacin, especialmente
en cmo las innovaciones pueden mejorar la prestacin de
servicios financieros a las familias. Antes de llegar a Oxford
elprofesor Tufano trabaj durante 33 aos en Harvard
yfund la D2DFund (www.d2dfund.org). Puede ponerse
encontacto con l a travs de su oficina en la direccin:
claire.eggleton@sbs.ox.ac.uk.
Referencias 10
Comunicado de prensa de IBM. Using IBM Analytics, Santam
1
LaValle, Steve, Michael Hopkins, Eric Lesser, Rebecca Shockley y Saves $2.4 Million in Fraudulent Claims. 9 de mayo de 2012.
Nina Kruschwitz. Analytics: The new path to value: How the smartest http://www-03.ibm.com/press/us/en/pressrelease/37653.wss
organizations are embedding analytics to transform insights into action. 11
Kiron, David, Rebecca Shockley, Nina Kruschwitz, Glenn Finch y
IBM Institute for Business Value en colaboracin con MIT Sloan
Dr. Michael Haydock, Analytics: The widening divide: How companies
Management Review. Octubre de 2010. http://www-935.ibm.com/
are achieving competitive advantage through analytics IBMInstitute
services/us/gbs/thoughtleadership/ibv-embedding-analytics.html
for Business Value en colaboracin con MIT Sloan Management
2010 Massachusetts Institute for Technology.
Review. Octubre de 2010. http://www-935.ibm.com/services/us/
2
2012 IBM Global Technology Outlook. IBM Research. marzo de 2012. gbs/thoughtleadership/ibv-analytics-widening-divide.html
http://www.research.ibm.com/files/pdfs/gto_booklet_executive_ 2011Massachusetts Institute for Technology.
review_march_12.pdf 12
Pittman, David. Lords of the Data Storm: Vestas and IBM Win Big
3
From Stretched to Strengthened: Insights from the IBM Chief Data Award. The Big Data Hub: Understanding big data for the
Marketing Officer Study. IBM Institute for Business Value. Mayo enterprise. 28 de septiembre de 2012. http://www.ibmbigdatahub.
de2011. www.ibm.com/cmostudy; Leading Through Connections: com/blog/lords-data-storm-vestas-and-ibm-win-big-data-award
Insights from the IBM Chief Executive Officer Study. IBM Institute 13
Caso prctico de IBM: Automercados Plazas increases revenue by
forBusiness Value. Mayo de 2011. www.ibm.com/ceostudy
30percent with greater insight into operations. 15 de julio de 2011.
4
Woody, Todd. Automakers, Tech Companies Mining Electric Car http://www-01.ibm.com/software/success/cssdb.nsf/CS/JHUN-8JP
Big Data to Plot Industrys Future. Forbes. 18 de junio de 2012. JSK?OpenDocument&Site=default&cty=en_us
http://www.forbes.com/sites/toddwoody/2012/06/18/automakers-
tech-companies-mining-electric-car-big-data-to-plot-
industrys-future/
5
Ibd.
6
Ibd.
7
Ibd.
8
Caso prctico de IBM. McLEOD RUSSEL INDIA LIMITED:
Eliminating downtime in the tea trade with IBM Informix. 9 de
septiembre de 2011. http://www-01.ibm.com/software/success/
cssdb.nsf/CS/JHUN-8LFLWH?OpenDocument&Site=dmmain&c
ty=en_us
IBM Espaa
9
Caso prctico de IBM. Premier Healthcare Alliance. 30 de abril de Santa Hortensia, 26-28
2012. http://www-01.ibm.com/software/success/cssdb.nsf/CS/ 28002 Madrid
JHUD-8TS39R?OpenDocument&Site=wp&cty=en_us Espaa

IBM, el logotipo de IBM e ibm.com son marcas comerciales

deInternational Business Machines Corp. registradas en diversas
jurisdicciones de todo el mundo. Otros nombres de productos
y servicios pueden ser marcas comerciales de IBM o de otras
empresas. Encontrar una lista actual de las marcas comerciales
de IBM bajo el ttulo Copyright and trademark information
en www.ibm.com/legal/copytrade.shtml.

Este documento est actualizado en la fecha inicial de publicacin

ypuede ser modificado por IBM en cualquier momento. No todas
lasofertas estn disponibles en todos los pases en los que IBM opera.

Los ejemplos de clientes citados slo se presentan a efectos ilustrativos.

Los resultados reales pueden variar segn la configuracin especfica
ylas condiciones de funcionamiento. Es responsabilidad del usuario
evaluar y verificar el funcionamiento de cualquier otro producto
oprograma con los productos y programas IBM. LA INFORMACIN
CONTENIDA EN ESTE DOCUMENTO SE PROPORCIONA
TAL CUAL, SIN NINGUNA GARANTA EXPLCITA NI
IMPLCITA, INCLUYENDO, SIN LIMITARSE A ELLAS,
LASGARANTAS DE COMERCIALIZACIN, ADAPTACIN
AFINES CONCRETOS Y CUALQUIER GARANTA O
SITUACIN DE NO INCUMPLIMIENTO NORMATIVO.
Losproductos IBM tienen la garanta que les otorgan las condiciones
delos contratos en virtud de los cuales se suministran.

Las ofertas de IBM Global Financing se realizan a travs de

IBM Credit LLC en Estados Unidos y de otras filiales y divisiones
deIBM en todoelmundo a clientes gubernamentales y comerciales
cualificados. Lascondiciones y la disponibilidad se basan en la solvencia
crediticia delcliente, las condiciones financieras, el tipo de oferta y los
tipos yopciones de equipos y productos, y pueden variar segn el pas.
Laspartidas de elementos distintos al hardware son cargos nicos
y no repetibles, y se financian con prstamos. Es posible que tambin
seapliquen otras restricciones. Las condiciones y ofertas de financiacin
estn sujetas a cambio, ampliacin o retirada sin previo aviso, y es posible
que no existan en todos los pases.

Copyright IBM Corporation 2012

Reciclar por favor GBE03519-ESES-00