Archivo de la etiqueta: bases de datos

Aprendiendo de Ciencia de datos para líderes de equipo – manuales datlas

El mes pasado terminamos el curso de “Data Science for Managers”. Este curso tiene un alcance específico para gerentes que están liderando proyectos de analítica y transformación digital en organizaciones. En esta columna compartiremos 5 de los aprendizajes así como un podcast que grabamos alrededor de algunos conceptos de analítica y ciencia de datos que aprendimos.

Sobre los niveles de madurez en analítica para organizaciones

Cuando comienzas a hablar de ciencia de datos en organizaciones es muy importante darse un tiempo para la auto-evaluación. Entender cuál es el nivel de madurez de tu empresa o equipo te ayudará a seleccionar las estrategias adecuadas para ese nivel. En este caso el equipo que nos impartió las clases, Galvanize, nos recomendó este modelo de 5 niveles para medir el nivel de madurez de datos. Estos los identificamos y los discutimos en el podcast que te recomendamos escuchar.

Sobre los lenguajes de programación para ciencia de datos más usados en la industria

En la industria sigue existiendo una variedad cada vez más crecientes de lenguajes de programación con enfoque a paqueterías que habilitan la resolución de problemas de analítica de datos. En general, de software libre Python y R fueron los más mencionados. Por otro lado los que consideran uso de licencia, sería SAS, MATLAB o SPSS. La extracción de información con SQL también fue mencionada. Todos estos apuntes para posible agenda de desarrollo de científicos de datos.

Sobre el pensamiento sistémico en analítica con transformación digital

Lo que continuará pasando al futuro es una mayor integración de hardware especializado que genere y comparta datos. En un pensamiento de proyectos sistémicos no se trata de ciencia de datos o inteligencia artificial por su cuenta sino de un pensamiento sobre sistemas inteligentes.

Este tipo de pensamiento nos ayudará a pensar cuando se contrate un proveedor en una organización si la plataforma que ofrece ¿Se integra con sistemas IOT? ¿Estaría contemplado para complementar un sistema inteligente?

Sobre la priorización

Otro de los beneficios de este curso fue que se lleva con otros expertos de la industria que convoca el Monterrey Digital Hub. Cuando los facilitadores generaron la consulta de cómo se priorizan los datos en las compañías hoy en día estas fueron las respuestas.

La respuesta de 6 de cada 10 asistentes fue que la visión de los ejecutivos (directivos) es lo que dicta la prioridad. Otros miembros complementaron con alternativas de presupuesto, impacto a indicadores clave o asignación de recursos por parte de la organización. Conforme la industria y los proyectos de datos se califiquen con más rigor muy seguramente la prioridad se generará más orientado a KPIs u OKR .

Sobre cómo medir el valor de los proyectos

Otro de los puntos a capitalizar, de lo que esperamos se pueda incrementar la cultura en las organizaciones, es de cómo medir de manera continua el ROI (retorno sobre la inversión) de los proyectos de analítica.

En el curso nos explicaron algunos de los factores como considera talento, productos de datos y tecnología necesarios para calcular el ROI. Y de manera muy importante detectar a qué oportunidad de negocio estamos impactando: Nuevas oportunidades, optimizar o automatizar.

Hubo muchos aprendizajes más, pero quisimos destacar algunos aqui y otros más en nuestro episodio de podcast de analytics “Café de Datos” #Cafededatos.

Hasta aqui la columna de hoy si te gustó la columna te invitamos a recomendar así como SUSCRIBIRTE a nuestro PODCAST Café de datos

Saludos

Equipos Datlas

– Keep it weird-

4 pasos para preparar tus bases de datos para análisis

Hoy en día la transformación digital cuenta con distintos pilares dentro de los que destaca la analítica o análisis de datos. Apalancar todo el valor que esconden las grandes cantidades de información disponibles en la actualidad permite que los negocios y la sociedad, en general, se organice y genere valor de formas innovadoras. Para lograr un análisis de datos, la materia prima es clave: las bases de datos. Como cualquier materia prima las bases de datos guardan atributos y características que las hacen ser mejores o peores al momento de ser utilizadas como input para un análisis. En esta columna vamos a revisar 4 sencillos pasos con los que podrás asegurar que tus bases de datos estén preparadas y listas para realizar análisis de calidad que generen un verdadero valor diferencial para tu negocio. Estos 4 pasos son: limpieza, reestructura, homologación y clasificación.

free_Suscriber

#1 Limpieza de datos

El llamado data cleansing, por su traducción al idioma inglés, es el proceso de descubrir y corregir o, en casos extremos, eliminar registros de datos que han sido identificados como erróneos dentro de una tabla o base de datos. Este proceso de limpieza de datos permite identificar datos incompletos, incorrectos, inexactos, no pertinentes, etc. y luego sustituir, modificar o eliminar estos datos sucios.

Hay distintos métodos para limpieza de datos. Uno de ellos es el análisis gramatical que identifica errores de sintaxis, es decir, si el sistema lo tiene declarado como una variable numérica y el usuario registro una palabra, este tipo de análisis lo identifica. Existe la transformación, que básicamente ajusta los datos dentro de un formato esperado, en la mayoría de las ocasiones la transformación es para normalizar los datos y ajustarse a valores mínimos y máximos. Otra forma es el eliminar duplicados, que como su nombre lo dice, simplemente identifica registros repetidos y elimina uno de ellos. Finalmente, existen métodos estadísticos mediante los cuales la estadística descriptiva hace visualmente reconocibles las anomalías y posteriormente expertos se encargan de ajustar ese tipo de datos mediante la sustitución de los mismos por valores promedios o algún otro tipo de tratamiento, dependiendo de la naturaleza del dato.

Una vez detectados estos datos “sucios” es necesario identificar las causas para poder establecer flujos de trabajo ejecutables de forma automática para que corrijan o excluyan este tipo de datos. En temas técnicos es común el uso de bibliotecas como Pandas para Python o Dplyr para R.

datlas_mx_blog_data_cleansing

#2 Reestructura de bases de datos

Este segundo paso del proceso de preparación de bases de datos tiene que ver literalmente con tomar una base de datos de cierta estructura como, por ejemplo, 10 columnas por 3 filas y alterarla de tal forma que al final quede una base de datos completamente nueva de, por ejemplo, 6 columnas por 7 filas, pero con los mismos datos ya limpios que obtuvimos en el paso anterior. Para ilustrar este punto utilizaremos un ejemplo muy sencillo:

Supongamos que levantamos una encuesta sobre productos y marcas que podemos encontrar en el baño de cada entrevistado. Los resultados de la encuesta nos darían una base de datos de la siguiente forma:

Entrev edad sexo Prod_1 Prod_2 Prod_3 Marca1 Marca2 Marca3 NSE
1 10 F Desodo

rante

Pasta de dientes Jabon líquido AXE CREST NUBELUZ A
2 25 M Pasta de dientes Sham

poo

Jabon en gel COLGATE ELVIVE AMIGO B
3 23 F Crema para peinar Pasta de dientes Jabon de barra SEDAL COLGATE ESCUDO C

Si quisiéramos que los datos nos digan que artículos son los que las mujeres de 24 a 30 años tienen en su baño, necesitamos manipular los datos de forma que podamos obtener como respuesta a esta pregunta un cálculo de frecuencia.

En este segundo paso es donde tomamos en cuenta las hipótesis o los objetivos de análisis para generar la reestructura de la información. En este caso, por ejemplo, la base de datos ya reestructurada quedaría así:

Entrevistado Edad Sexo Num_Prod Descripcion Marca
1 10 F 1 Desodorante AXE
1 10 F 2 Pasta de dientes CREST
1 10 F 3 Jabón Líquido NUBELUZ
2 25 M 1 Pasta de dientes COLGATE
2 25 M 2 Shampoo ELVIVE
2 25 M 3 Jabon en gel AMIGO
3 23 F 1 Crema para peinar SEDAL

Con lo cual podríamos establecer, suponiendo que utilicemos Excel, un filtro en la columna de edad para seleccionar las edades superiores a 24 años e inferiores a 30, al mismo tiempo que filtramos en la columna de sexo la letra F (de femenino) y simplemente calculamos el total de filas que quedan desplegadas de la tabla. De esta manera respondemos la pregunta inicial.

#3 Homologación de bases de datos

En este punto ya comenzamos a jugar con distintas bases de datos, es decir, muchas veces las empresas tienen distintas áreas donde el modo con el que tratan los datos es distinto. Por lo tanto, al momento de tratar de unificar resultados o compararlos, puede que no se estén tomando parámetros similares y eso difícilmente podrá permitir que se realicen cruces de información de manera eficiente.

Al homologar bases de datos es necesario generar estructuras preestablecidas y un glosario de variables que defina claramente los formatos y las especificaciones necesarias para cada tipo de variable registrada. Un caso muy común por ejemplo es el formato de fechas entre dos bases de datos distintas, mientras uno maneja el formato día/mes/año otro tiene registros como mes/día/año con lo que a la hora de hacer un cruce de información las fechas nunca logran empatar y es imposible realizar un cruce de forma adecuada.

datlas_mx_blog_homologacion_bases_de_datos

#4 Clasificación de bases de datos

Finalmente, tenemos el paso de clasificación. En este punto literalmente el objetivo es darle una etiqueta o categoría a cada base de datos de acuerdo al contexto que estemos manejando, la utilidad de la misma base de datos o las necesidades que estas satisfagan al interior de la organización. De forma general existen dos tipos de clasificaciones para las bases de datos: según la variabilidad de los datos o según su contenido.

Dentro de la primera clasificación existen las bases de datos estáticas, que generalmente son bases de datos de consulta, con registros históricos que no van a cambiar. El típico ejemplo aquí son las ventas de hace 5 años para una compañía de artículos deportivos. Por otro lado, están las bases de datos dinámicas, donde la información cambia a través del tiempo por actividades como: actualización, borrado y edición de datos. El mejor ejemplo en este caso son las bases de datos de clientes (CRM) donde hay constantes actualizaciones de información o incluso eliminación de prospectos.

En la segunda clasificación tenemos las bases de datos bibliográficas, que guardan literalmente registros de autor, fecha de publicación, editorial, etc. En contraste existen las bases de datos de texto completo que almacenan el contenido completo de las citas bibliográficas anteriormente citadas, por ejemplo. También existen subclases como directorios, bibliotecas, etc.

datlas_mx_blog_clasificacion_bases_de_datos

De esta forma logramos tener una integridad entre los datos almacenados, la base de datos que los resguarda, las distintas bases de datos dentro de una organización y su capacidad de complementarse al momento de realizar un análisis. Así de fácil podemos cuidar la calidad de nuestros datos para asegurar que podamos aprovechar todo el poder y las ventajas del big data a la hora de realizar analítica.

Si te interesa conocer más acerca de estos procesos o necesitas ayuda con tus bases de datos, visita nuestro Marketplace o contáctanos en nuestras redes sociales

@DatlasMX

 

Diagnóstico de bases de datos: Aprovechando al máximo la información que genera tu negocio

A finales de mayo escribimos una columna en donde establecimos los 5 pasos para aprovechar los datos de tus puntos de venta. Dentro de este proceso el paso #1 eran precisamente los datos, mientras que los siguientes pasos se enfocaban en como transformar estos datos en información y de ahí derivar insights para establecer accionables. En esta ocasión vamos a profundizar en ese primer paso, para hablar de la forma en la que un buen diagnóstico de tus bases de datos, una radiografía, puede ayudarte a preparar los datos para realmente aprovechar y capitalizar al máximo durante los siguientes pasos del proceso de aprovechamiento.

free_Suscriber

Así que comencemos, cuando hablamos de bases de datos nos referimos a ese repositorio de registros que tiene el negocio con el récord de los distintos hechos y sucesos que acontecen durante su quehacer diario. ¿Más fácil? Imagínate una hoja de cálculo en Excel con columnas y filas llenas de datos como: nombre del cliente, producto que compro, precio, etc. Ahora bien, el hecho de capturar la información y tenerla digitalizada sin duda es un primer paso, pero muchos negocios en la actualidad creen que eso es suficiente, como si la transformación digital y las nuevas tecnologías como big data o inteligencia artificial se trataran solo de tener datos y de tenerlos digitales. La realidad es muy distinta, sin duda tener los datos es importante, pero su calidad y su estructura son cruciales para poder capitalizar todos los beneficios que esconden. Para dejarlo más claro, imagínate que llegas a un lugar y pides una silla para poder sentarte, la persona a la que se la solicitaste te responde que efectivamente existe una silla y te la trae, pero de pronto cuando te sientas la silla se vence y caes al suelo. ¿Dónde estuvo el detalle? Precisamente en la calidad y estructura de la silla, es decir, no hace falta simplemente tener lo necesario, sino asegurarnos que eso que tenemos puede soportar y capitalizar las exigencias a las que lo vamos a someter.

datlas_mx_blog_diagnostico_database

Así que ¿por dónde empezar? Lo primero es hacer una pausa, un corte y generar el listado completo de variables que maneja el negocio. En nuestro idioma, cuando trabajamos con un cliente, a esto le llamamos generar un glosario de variables. Esto le permite tanto al negocio como a nosotros entender la situación actual, la radiografía, el estatus. Ahora bien, este listado no es simplemente enumerar y nombrar cada dato o variable, sino realmente diseccionar cuestiones como: el tipo de variable, la periodicidad con la que se actualiza, la categoría a la que pertenece dentro de los procesos del negocio o de los atributos que analiza la compañía, el formato con el que se registra, entre otros. Un caso práctico lo vivimos a finales del año pasado trabajando con Andrés, dueño de una cadena de restaurantes con presencia en Monterrey y Playa del Carmen. Cuando Andrés llegó con nosotros con el reto de generar nuevas iniciativas de inteligencia para su negocio, lo primero que preguntamos fue precisamente “¿Qué datos tienen?” y después de un largo silencio concluimos que era necesario hacer el diagnostico.

Al construir el glosario de variables nos dimos cuenta de algunos detalles interesantes como, por ejemplo: registros con problemas ortográficos, formatos de fecha distintos entre cada sucursal (una registraba día/mes/año y otra lo registraba como año/mes/día), había productos que se registraban por peso mientras otros eran registrados por unidad o paquete, etc. Este primer gran paso nos permite hacer lo que un doctor, guardando sus proporciones, diagnosticar y entender que es lo que tenemos que hacer.

datlas_mx_blog_diagnostico_Model-variable-list-Predictor-variables-used-in-models-type-of-data-categorical-or

Una vez que entendimos los datos en su mayor granularidad y esencia, el siguiente gran paso del diagnostico es evaluar la estructura que guardan esos datos dentro de la infraestructura de la empresa. ¿En español? Tomamos el glosario de variables y nos metemos a las entrañas del negocio a ver literalmente la base de datos donde duerme cada uno de esos datos. La clave en este punto es entender si el acomodo, literal, de filas y columnas es el ideal para generar las manipulaciones y los tratamientos necesarios para generar inteligencia. Volviendo al caso de Andrés, como ejemplo, el dato de ventas se registraba en una base de datos que tenia a los clientes (un cliente por fila) y se iba llenando cada transacción (venta) por columna, es decir, si un cliente había comprado 5 veces tenias una base de datos con una fila (el nombre del cliente) y 5 columnas (una con cada fecha de compra). Claramente esta es una estructura difícil de manipular si te pones a pensar en generar analíticos descriptivos como la cantidad de veces que ha comprado dicho cliente o el total de clientes que han comprado 2 veces o más, por ejemplo. De esta forma, este segundo acercamiento nos permite diagnosticar la forma en la que el dato debe guardar una relación con la estructura de la base donde se esta registrando y guardando para poder capturar su potencial de análisis.

datlas_mx_blog_diagnostico_01-a-basic-flat-file-spreadsheet-database-100739687-large

Finalmente, el paso decisivo del diagnóstico es evaluar la relación que guardan las distintas bases de datos del negocio. Si te fijas, nos hemos ido desde lo más particular, que es el dato, pasando por lo más agregado que es la base de datos y hemos llegado a lo más general que es la relación de estas bases dentro de los procesos de negocio. Esta perspectiva esconde los últimos “síntomas” que necesitamos saber para poder dar un diagnóstico certero. En esta etapa lo que buscamos es entender la forma en la que las bases de datos se conectan entre ellas para contar la historia de cada dato enlistado en la parte del glosario. Lo importante es encontrar los datos conectores, es decir, aquellos datos claves que nos ayudan a interconectar una base con la otra. El ejemplo más claro, en el caso de Andrés, es la forma en la que el dato de cebollas dormía en una base de datos de recetas, donde cada receta tenía un identificador único (ID) que a su vez se conectaba a los datos de las ordenes que el mesero tomaba y enviaba a cocina para su ejecución y finalmente ese mismo identificador servía para descontar de la base de datos de inventarios los productos y la cantidad correspondiente. Se lee mucho más complicado de lo que es, pero el mensaje es muy sencillo y claro, entender la forma en la que se comunican las bases es clave para poder hacer un diagnóstico completo.

datlas_mx_blog_diagnostico_database2

De esta forma, siguiendo la analogía del doctor, podemos darnos cuenta fácilmente en que parte se encuentra el verdadero “dolor” e ir a tomar acciones puntuales sobre cada uno de ellos. En el caso de los datos, por ejemplo, las soluciones son claras: limpieza, clasificación o exploración de fuentes de generación de datos para capitalizar nueva información. En el tema de la base de datos individual donde duerme el dato las alternativas son: reestructura u homologación. Para la parte de la comunicación entre bases de datos lo que se puede hacer es: generar variables de identificación única, optimizar la interconexión entre bases de datos o replantear el diseño de consultas (querys). Con todo esto el negocio esta listo para poder capitalizar sus datos y generar inteligencia, que se traduce en mejor gestión de procesos, segmentación de clientes, mejoras a la oferta, ajustes de precio, control de inventarios y mucho más.

Así que ya lo sabes, si quieres aprovechar la generación de datos de tu negocio lo primero es realizar un diagnóstico. En Datlas estamos a tus ordenes para apoyarte, como a Andrés, en este proceso de descubrimiento para poder descifrar todos los beneficios que se esconden en tus bases de datos.

@DatlasMX

 

 

¡Año Electoral! Tiempo de reflexionar…

Martes 30 de enero, 9:00am y suena la alarma. Listo para comenzar un nuevo día, tomo mi celular, desactivo la alarma y, como todo buen millenial, entro a una red social para ver qué novedades. Un par de frases motivacionales, un par de memes y de pronto esto:

DATLAS_EPN_PIB_Mexico_2018

Como todo buen “numerologo” entiendo que juzgar con un solo dato no es “justo”. Y es por ello que nos dimos a la tarea de ver que es lo que nos dicen los datos acerca del desempeño de nuestro gobierno durante este último sexenio presidencial. Cabe aclarar que no estamos a favor o en contra de ningún partido político o candidato independiente, simplemente buscamos que los datos nos ayuden a tomar mejores decisiones y despertar en ustedes una opinión crítica respecto a la decisión final de la pregunta: ¿por quién voy a votar?

En primer lugar, hemos de comentar que el PIB=Producto interno bruto, es una medida macroeconómica que expresa el valor monetario de la producción total de un país, es decir, es la cantidad total de productos y servicios que nuestro país provee expresada en pesos y centavos. Ahora bien, el hecho de que el PIB crezca o disminuya depende de una serie de factores, entre ellos: el gasto público (el del gobierno), la inversión directa (la que se traduce en nuevas fábricas, etc.), las exportaciones, y más. De igual forma, al ser una medida macroeconómica, se ve impactada por las condiciones macroeconómicas que rodean al país durante el periodo de tiempo determinado. De tal suerte que quizá (con énfasis en el QUIZÁ) un bajo crecimiento del PIB en cierto periodo sea “más admirable” que un crecimiento más alto del PIB en otro cierto periodo.

Siguiendo entonces con esta idea, quisimos adentrarnos un poco más en los datos y ver que nos podían contar. Entonces, nos fuimos a analizar los últimos 20 años de información, específicamente acerca de las inversiones en México y algunos otros datos relevantes. El panorama se ve así:

DATLAS_EPN_Inversiones_Mexico_1997_2018

Por la simple tendencia de la gráfica cualquiera podría pensar que es algo positivo, y quizá así sea, pero expliquemos un poco cada concepto.

  1. El IPyC representa el Índice de Precios y Cotizaciones de la Bolsa Mexicana de Valores (BMV), esto quiere decir, que si hubieses invertido $1 peso en el índice, en diciembre de 1997, hoy tendrías $9.44 pesos.
  2. Si hubieses invertido ese peso en Certificados de la Tesorería (CETES), que son instrumentos de “cero riesgos”, hoy tendrías $5.02 pesos.
  3. Si hubieses cambiado ese peso a dólares, en 1997, y lo hubieses cambiado nuevamente a pesos en diciembre pasado (2017) habrías ganado $2.36 pesos por cada peso invertido.

Pero finalmente, ninguna de estas ganancias es “real” hasta que se compara con la inflación. La inflación es el aumento sostenido en los precios, lo cual afecta directamente el valor de tu dinero a lo largo del tiempo, es decir, el peso que tenías en diciembre de 1997 no compra lo mismo en diciembre del 2017. De hecho, compra menos, es decir, vale menos. De ahí la importancia de ver cada una de estas “ganancias” en términos reales, es decir, menos la inflación. En este ejemplo, nos podemos dar cuenta que el rendimiento real anual del tipo de cambio fue negativo, es decir, a pesar de que suena bien haber obtenido $2.36 pesos por cada peso invertido, en realidad no sirvió de nada porque esos pesos hoy en día valen menos que ese $1 peso que invertimos al inicio, ¿por qué? Porque la inflación obliga a que ese $1 peso de 1997 hoy valga $2.95 o más, no menos, como es el caso de la inversión en el tipo de cambio.

Ahora bien, es cierto que cada inversión tiene un riesgo asociado y este es directamente proporcional al rendimiento obtenido, es decir, invertir en CETES, dado que son “libres de riesgos”, se espera que comúnmente dé al inversionista una menor ganancia que invertir en el IPyC, pues el índice conlleva un cierto riesgo que se espera sea recompensado con mayores ganancias. Siendo así, pasamos a analizar más profundamente el mercado accionario y la historia nos cuenta esto:

El pase de diapositivas requiere JavaScript.

Al igual que hicimos anteriormente, analizamos los rendimientos de forma real, es decir, quitándoles el efecto de la inflación. Y creo que aquí podemos empezar a generar la reflexión: ¿cómo es que durante un periodo de crisis (2008-2010) tuvimos rendimientos positivos y durante un periodo “sin crisis” (2013-2015) tuvimos rendimientos negativos? No podemos culpar a la inflación, dado que se mantuvo en niveles similares durante los citados periodos. ¿Entonces, que pasó? Es cierto que durante este último sexenio hemos visto un deterioro en el rendimiento de nuestro mercado accionario, pero ¿qué tanto tiene esto que ver con las políticas de nuestro gobierno actual? ¿Alguno de los futuros aspirantes nos presenta propuestas que pudieran revertir estos indicadores a niveles más positivos?

Si volvemos a abrir un poco la toma y analizamos el panorama general de inversiones, centrándonos únicamente en este último sexenio, podemos observar lo siguiente:

DATLAS_EPN_Inversiones_Mexico_2012_2018.png

Ahora bien, el rendimiento negativo del mercado accionario ya lo habíamos visto, pero que tal el rendimiento del tipo de cambio ¿es bueno que el peso haya estado devaluado frente al dólar? ¿qué pasará si USA sale del NAFTA (North American Free Trade Agreement)? ¿qué sucede si, como dijeron la semana pasada las autoridades estadounidenses, aceptan una pequeña devaluación del dólar? ¿le favorece al peso? ¿qué pasaría con la balanza de pagos?…

Es cierto que estamos en época electoral, pero eso no es solo una moda o una temporada de ofertas, sino un momento de mucha reflexión. Estos no son todos los datos que podemos explotar acerca de este último sexenio y también es cierto que no todo son “preocupaciones” pero es crucial tomarnos el rol de la reflexión de una manera más seria durante este periodo, sobre todo ante la facilidad de acceso a la información.

En fin, visítanos en nuestras redes y cuéntanos ¿por quién piensas votar y por qué? ¿qué te ha parecido el desempeño de nuestro gobierno en este último sexenio? ¿cuál crees que sea la solución hacia futuro, más allá de las próximas elecciones?

@TheDatlas

-Keep it weird-

6 Tendencias tecnológicas que dominarán el 2018 (Blockchain, ética digital, antifraudes y más…)


Ya estamos en la 2da quincena del 2018  y ya hay en la calle carros que se conducen sólos, los niños pidieron lentes de realidad aumentada en Navidad o tal vez smartwatch  y robots en bares, cruceros y aeropuertos de tus siguientes vacaciones.

¿Este es el futuro o de qué se trata?

El fin de semana pasado fue el CES 2018 (Consumer electronic show) en las Vegas  y este evento siempre nos ayuda a empezar al año visualizando a qué le están apostando las empresas como el mercado. Junto con esto algunos reportes de Silicon Valley y Tel Aviv han dejado ver algunas startups que buscan el mercado del billón de dólares.

Datlas_barra_suscribir

Con base a nuestra investigación te nombramos las 6 tendencias de tecnología más relevante para este 2018.

  1.  Vehículos autónomos
  2. Datos e inteligencia artificial
  3. Ciberseguridad y antifraudes
  4. Gobernanza mediante Blockchain
  5. Nube (continúa vigente, pero más potente)
  6. Mayor ética en Redes Sociales y medios de publicidad

 

Pero este blog no se queda aqui, entramos a una mayor profundidad con cada uno de estos temas y te damos alguna de nuestras visiones:

6 tendencias en 2018 y sus propuestas

1 – La ética de los vehículos autónomos

Hint: Ya hay producciones en masa de sistema de carros autónomos, ahora los avances son hacia el software y la iniciativa necesaria para soportar este procesamiento de todos los sensores que requiere la conducción autónoma.

Lo más relevante: Ciudades como San Francisco están siendo completamente mapeadas por satélites y drones para registrar baches, árboles y hasta basureros. La finalidad es usar todos estos datos para complementar los motores de “ética” que conducirán a los autos

 

2 – Incrementando la “dataficación” en nuestras vidas, Datos e inteligencia artificial

Hint: La inteligencia artificial  se vuelve más robusta y al mismo tiempo está llegando a más sectores de forma más rápido (salud, logística, servicios al consumidor, bots de atención al cliente, entre otros.)

Lo más relevante: Hace un año IBM pivoteo los objetivos de su compañía hacia ser una empresa de Datos y hace unos días en el CES lo hizo Intel. Cada ves más empresas le apuestan a esta revolución y es que los datos allá fuera solamente van a crecer y requerir interfaces donde puedan ser procesadas y consumidas por humanos.

Ejemplo: Amazon Alexia, Google Home, Siri, etc.

Datlas_Intel-Flood-of-Data
Fuente: https://www.businesswire.com/news/home/20180108006981/en/Intel-Partners-BMW-Nissan-SAIC-Motor-Volkswagen

 

3 – Ciberseguridad, ya tenemos tecnología y ahora ¿Cómo nos protegemos?

Hint: El año pasado hubo 3 atentados globales que afectaron millones de equipos, entre ellos algunos mensajes que secuestraban tu equipo y pedian un pago en bitcoins para proteger tu información. Los robos de datos de tarjetas en sitios de ecommerce se vuelve el día a día de muchos. En México  los fraudes por  contracargos sobrepasan los $2M diarios.

Lo más relevante: Las carreras en ciberseguridad se están volviendo la nueva norma en los departamentos de sistemas de facultades de ingeniería. Gobiernos y entidades militares están armando equipos robustos para protegerse de “hackeos” en páginas de gobierno. Proximamente será igual de oportunidad un equipo antihackeo que un batallón de soldados.

Datlas_breach_response-623x432
Fuente: https://www.welivesecurity.com/2018/01/11/ces-2018-price-tech-dropping-kids-can/

 

4 – Democracia y gobernanza mediante Blockchain

Hint El mejor caso de éxito del Blockchain ha sido bitcoin que gana credibilidad día a día.  Ahora todos se preguntan qué más se puede hacer con un libro de registros impenetrable como lo es blockchain.

Lo más relevante: Este año saldrán a la luz fondos de inversión dedicados a proyectos que exclusivamente manejen la tecnología blockchain para aplicaciones distintas de criptomonedas. Se espera que haya bastante disrupción en trámites contables, sistemas de transacciones, registros de salud, seguridad en datos, entre otros.

Ejemplo: te dejamos uno de los ejemplos más claros para entender Bitcoin y blockchain.

 

5 – Apps inteligentes (conectado todo con la nube)

Hint: Entendimos el año pasado que la conexión a la nube desde nuestros celulares nos abre un mundo de posibilidades de procesamiento. Tal es el caso de Google Photos que promete almacenaje ilimitado gracias a este tipo de tecnologías

Lo más relevante: El valor de negocio de la nube se ha duplicado al agregar procesamientos de inteligencia a esta tecnología. Lo que quiere decir que antes estábamos limitados en procesamiento para sistemas robustos que permiten correr apps como Google Lens

Datlas_cloud2.png
Fuente: http://www.aidanfinn.com/?p=20364

6 – Mayor responsabilidad en noticias de Redes Sociales y medios de publicidad

Hint Las “fake news” y la influencia en elecciones políticas ha sido los mayores temas de conversación con lo que se ha atacado a facebook últimamente. Bajo el compromiso de Zuckerberg, se buscará mejorar la forma de informar y discriminar con sistemas inteligentes, todo tipo de contenido sin el respaldo adecuado.

Lo más relevante: Ya startups de todo el mundo han aceptado el reto de desarrollar sistemas de detección de fraude con procesadores de  lenguaje natural (NLP). También los gobiernos de todo el mundo han levantado sus ciberdefensas para evitar campañas de proselitismo que vengan desde el extranjero durante tiempos de campañas.

Datlas_fb-fake-news1

Es todo por la columna de hoy. Son nuestras 6 tendencias del 2018. Si te gustaron comparte y deja tus comentarios. No olvides suscribirte a nuestro demo gratis de Datlas si quieres conocer nuestra plataforma de datos para tu negocio.

 

Datlas_barra_suscribir

Saludos

Equipo Datlas

Referencias en esta investigación de Datlas:

¿Cuánto cuesta una buena UBICACIÓN para tu negocio? – Caso Nuevo León, Datlas research

Durante el año hemos hablado de ¿Dónde ubicar tu negocio? , consejos para las mejores ubicaciones, considerar la dinámica de tu cliente, factores a tomar en cuenta y hoy nos toca profundizar un poco en el factor precio cuando de encontrar la mejor ubicación se trata.

Aclaramos que no somos una empresa de real Estate, lo que hacemos es “analytics” de grandes cantidades de información orientados a insight y conocimiento de mercado comunicado de la forma más clara posible. En ese sentido en esta columna comunicamos nuestros hallazgos de valor de suelo comercial para Nuevo León, México. Una de las 3 zonas con más impulso económico en el país (México).

datlas_fintech_suscribe

En nuestro primer análisis de tipo “real estate” o bienes raíces es sobre Nuevo León. Nos fuimos a evaluar la oferta comercial de bienes raíces en línea de los últimos 2 años. Con ello estimamos los precios por metro cuadrado cuando se trata de operaciones de renta con un presupuesto aproximado de $10,000 MXN. Los hallazgos se muestran en el siguiente gráfico. Respondiendo a la pregunta

¿Cuántos metros cuadrados comerciales se rentan con $10,000 MXN de renta?

($540 dólares mensuales ó €455 euros)

Promos_DATLAS_RE

El top 5 de zonas más caras por metro cuadrado, que hace sentido donde hay más expansión de centros comerciales, son:

  1. San Agustín, en San Pedro GG 19 m2
  2. Carrizalejo, en San Pedro GG 23 m2
  3. Valle oriente, en San Pedro GG 25 m2
  4. Obispado, en Monterrey 30 m2
  5. Mty – Centro, en Monterrey  34 m2

(Saltamos a Monterrey y San Pedro de la posición 3 y 4 porque integran un promedio de otras zonas ya consideradas).

La zona comercial de mayor lujo a destacar es sin duda San Pedro Garza García. Hablamos de que en este municipio se encuentran corredores como el de Lázaro Cárdenas (San Agustin), Gomez Morin (Carrizalejo) y Valle oriente que aportan una gran proporción de PIB (producto interno bruto) al Estado cuando de servicios se trata.

Por otro lado la zona vecina de Monterrey es el corazón de la ciudad. El municipio donde mayor tráfico de personas hay y hay mucho más oficinas pequeñas que son intensiva en mano de obra o que dan servicios profesionales a los grandes corporativos de la ciudad.

Y ya que entramos en tema de perfiles de actividades que realizan quienes trabajan en oficinas con presupuestos de alrededor de $10,000 mxn mensuales. Estos espacios de renta ¿Por qué tipo de negocios son principalmente demandados?

A continuación un análisis con datos de Google, INEGI y otras fuentes.

Promos_DATLAS_REvtabla

Los 5 giros que más demandan espacios en estos presupuestos podrían ser los siguientes

  1. Banca múltiple
  2. Servicios de Acceso a computadoras
  3. Centros de impresiones
  4. Bufetes jurídicos
  5. Servicios de contabilidad y auditoría

Si bien una oficina de banca múltiple suele tener más presupuesto que un servicio de auditoría lo anterior es una estimación según datos de la INEGI y sugerencias de expertos en bienes raíces. Quién quiera ofrecer un espacio de renta para estos presupuestos podrá enfocarse en estos giros.

datlas_fintech_suscribe

¿Cómo quedó tu plan de negocio después de conocer los precios? Posicionarse en alguna buena zona tal ves requiera de un poco más de presupuesto o tratar de buscar opciones de cowork u oficina compartida. Hay que evaluar todas las opciones y como siempre te recomendamos hacer uso de nuestra plataforma DATLAS.

 

Hasta aqui la columna, deja tu opinión ¿ Qué negocio quieres abrir en el 2019?

y comparte con tus amigos emprendedores

 

Saludos

@TheDatlas

Keep it weird

Un sistema bancario ¿sin bancos?… El futuro que presagian las FinTech

Café sin cafeína, refrescos sin azúcar, automóviles sin gasolina, aviones sin pilotos, etc. Estos son solo algunos de los innumerables ejemplos de cosas que creímos “fantasías”, pero que hoy se han vuelto una realidad a la que ya estamos acostumbrados.

datlas_fintech_money

De esta misma forma la revolución tecnología ha gestado una nueva generación de emprendedores que han logrado revertir el modelo tradicional de las instituciones financieras. Mientras que antes la sucursal era el punto de reunión de los clientes, hoy la banca móvil y la conectividad ha hecho que la banca viaje con el cliente, suprimiendo cada vez más su necesidad de asistir a una sucursal. Derivado de esta flexibilidad sin precedentes, el mercado se ha extendido a niveles inalcanzables para los jugadores actuales. Ahí es donde las nuevas startups y empresas de FinTech han encontrado su oportunidad de oro. Las micro finanzas y los préstamos express han creado una ola de inclusión financiera, dando acceso a un gran número de clientes que antes no “existían” dentro del universo bancario. Tan sólo en México, el tercer trimestre del 2017 las FinTech alcanzaron a más del 50% de los casi 120 millones de mexicanos sin cuenta bancaria.

datlas_fintech_suscribe

¿Y cuál es el secreto de estas FinTech? el apalancamiento que logran a partir de estas mega tendencias tecnológicas como el big data, machine learning y la inteligencia artificial. La interconectividad de tus perfiles virtuales y el procesamiento de todas esas bases de datos masivas, junto a un algoritmo intuitivo capaz de aprender basado en la experiencia de los créditos que otorga y una interfaz inteligente que te escucha y habla en tu idioma, tono y lenguaje favorito. Ese es el secreto.

datlas_fintech_banks.png

Los datos nos cuentan que: con una población de 127 millones de habitantes y un 61% de los adultos que carecen de cuenta bancaria, de acuerdo con el Banco Mundial, México representa una de las mayores oportunidades para las FinTech y los préstamos express en Latinoamérica debido a la baja cobertura de sucursales bancarias, tan solo 14 sucursales por cada 100.000 habitantes. Mientras que, según el último reporte de IDB y la aceleradora de startups FinTech Finnovista, el sector de finanzas tecnológicas en Latinoamérica acaparó el 25% de la inversión de venture capital en el sector de IT en 2017. El reporte reconoce que hay más de 700 startups de FinTech en Latam. Tan sólo en México, pasamos de 50 compañías en 2015 a 158 en 2016 y hoy (2017) suman más de 238. Es por ello que consideran que las FinTech en México podrían representar más del 30% del mercado bancario mexicano en la próxima década.

datlas_fintech_radar_mexico

Ante la expectativa de que México tenga 91.6 millones de usuarios activos en internet en 2021 y 75.4 millones de usuarios de smartphones en 2022, las reformas propuestas por el gobierno son de suma importancia para garantizar el desarrollo del sector. Respecto a la ley FinTech, Jorge Ortiz, presidente de la asociación FinTech México, comentó en entrevista a Reuters que: “De ser aprobada tal y como está, la ley podría ser la más vanguardista en el mundo al considerar diferentes esquemas de negocio como los modelos novedosos, conocidos como regulatory sandbox”. Asimismo, la ley contempla la regulación de firmas que utilicen cripto-monedas, como la famosa Bitcoin. Mientras que, por otro lado, algunas de las empresas reguladas están abogando para que algunas disposiciones como capitales mínimos de operación se flexibilicen, así como rebajas en multas.

datlas_fintech_ley_laws_regulation

Sin duda hay que estar atentos a estas nuevas regulaciones y los cambios disruptivos que las FinTech proponen, pero nos da mucho gusto que haya startups, como DATLAS, que estén democratizando algunos de los servicios que anteriormente eran privilegio de un sector social o estrato económico delimitado.

Sin más por el momento, seguiremos informando…

datlas_fintech_suscribe

#DATLAS

Keep it weird