Impacto y valor del Big Data

EJERCICIO 1 – DISEÑO DE UNA ARQUITECTURA PARA VISIÓN CLIENTE 360º

Para obtener una verdadera visión 360 de un cliente, será necesario obtener datos de todas las fuentes posibles, por lo tanto tendremos datos que serán de las tres clases posibles, obtenidos a partir de diferentes fuentes:

ESTRUCTURADOS: A partir de los propios sistemas de la empresa (ERP, MDM), Marketing automatizado y Call-Centers (formularios tipo), otras plataformas de márketing (CDP Customer Data Platform con el fin de usar los datos que la empresa ya tiene del cliente para personalizar el márketing, DMP Data Management Platform para datos obtenidos de manera anónima como pueden ser las cookies de las páginas web), etc…

SEMIESTRUCTURADOS: Datos provenientes de redes sociales, teléfonos móviles, otros sensores (wearables…), etc…

NO-ESTRUCTURADOS: Otras fuentes como llamadas, vídeos, fotos, e-mails…

Con todos estos datos, necesitaremos usar una gran cantidad de herramientas que nos ayuden a la obtención, procesamiento y uso posterior de los mismos. A partir de ellos, proponemos la siguiente arquitectura:

En esta estructura tendremos una base con el hardware físico y los elementos comunes de HADOOP (Common y Yarn) para la gestión de los datos.

Para la ingesta de datos diferenciaremos dos herramientas, SCOOP para datos estructurados y FLUME para los datos semi y no estructurados.

Como almacenamiento usaremos HADOOP NDFS en todos los casos

Para el procesado, usaremos SPARK para los datos estructurados y SPARK STREAMING para los demás, ya que esta herramienta nos va a permitir el procesado en tiempo real de los datos obtenidos.

Finalmente, usaremos HIVE para la consulta y uso de los datos, y otras herramientas “FRONT-END” como PowerBI y otras para el acceso a los mismos por parte de los analistas.

EJERCICIO 2 – ANALIZAR EL ÍNDICE DE MADUREZ DEL MODELO DE NEGOCIO DE BIG DATA EN EL CASO DE JOHN DEERE.

Una vez leído el artículo se puede inferir que John Deere es una empresa con un alto grado de madurez en lo que respecta al Big Data como modelo de negocio, especialmente teniendo en cuenta su comparación con el modelo propuesto.

Pasemos a justificar la respuesta para cada uno de los niveles del modelo propuesto:

BUSINESS MONITORING

En este caso la adopción es clara, teniendo en cuenta que, conforme al artículo, la empresa era capaz en ese momento de estudiar y analizar tendencias conforme a datos de periodos anteriores, era capaz de mejorar sus resultados y los del cliente (aumento de satisfacción) gracias a técnicas de reducción de costes para el usuario final (ejemplo de la tecnología “see and spray”), a la vez que se había posicionado en el mercado mediante la compra de empresas especialistas en el sector como Blue Ray Technology y Navcom, lo que le permitió desde los años 90 implementar tecnologías de adquisición de datos en sus máquinas, para luego poder usar dichos datos.

BUSINESS INSIGHTS

En este caso también podemos confirmar la plena adopción por parte de John Deere, que gracias a la tecnología implementada en sus máquinas es capaz de obtener datos, que luego usará mediante estadística para la mejora de sus productos.

BUSINESS OPTIMIZATION

Un claro ejemplo de que JD también ha completado esta fase de madurez la tenemos en la implantación de tecnologías como “see and spray”, en la que, mediante aprendizaje automático y sistemas de visión artificial, es capaz de reducir el uso de herbicidas al mínimo imprescindible, haciendo que las máquinas sean capaces de distinguir los cultivos de la maleza y reduciendo los costes por este concepto entre 50$

...