2
Big Data en Telefónica
https://www.elindependiente.com/economia/2019/01/13/asi-ayuda-telefonica-a-otras-empresas-a-seguirte-con-big-data/
3
Bussiness Insights: los datos de Telefónica
Nuestras fuentes de información
Navegación
Trafico fijo
Contrato/Facturación
Trafico móvil
TelevisiónGeolocalización
Datos en tiempo real
4
Bussiness Insights: los datos de Telefónica
Cómo aplicamos nuestras fuentes de información
Geolocalización
Código postal Sección censal
12
millones
de móviles
2-3 mil.
Roamers(extranjeros
+
nacionales)
En
gru
po
s n
o m
en
ore
s d
e 1
5 p
ers
on
as.
Resolución espacialmínima
Resolución temporal 365 días x 24 horas
• Cuantos móviles hay en un área.
• Donde viven.• Donde trabajan.• Cuantos km recorren.• Recurrencia de los
visitantes a una zona
Universo
Agregación
35% del market share móvil
Dependiendo de las zonas
KPI generado
Navegación
Navegación móvil
categorías del IAB.
URL1 -> Categoría 1
URL2 -> Categoría 1
.
.
.
URL1 -> Categoría 1
Ca
teg
orí
as
con
no
me
no
res
de
15
UR
Ls.
Agregación KPI generado
• Tipologías de clientes de una zona
Trafico móvilTráfico fijo
• Volumen de llamadas recibidas en una zona
• Volumen de llamadas emitidas en una zona
• Grafo de relación
KPI generado
Ag
reg
ad
o p
or
áre
a,
NO
PO
R T
ELE
FON
O
Agregación
Llamadas
Modelos
de
scoring
Ag
rega
do
po
r á
rea
, N
O P
OR
TE
LEFO
NO
Contrato/Facturación
• Scoring de riesgo
KPI generado
Creando Valor e Insights con Privacidad
Anonimizado Agregado Extrapolado
Activos
Pasivos
Femto
…
Miles de millones de
6
Casos de uso
Turismo
7
Alcoy.Impacto turístico Semana del Modernismo 2018
Analizar el efecto / impacto económico de distintos actos (mascletá, plantá, cremá, etc.)
Moros y Cristianos Calpe
Oktoberfest Calpe
Ayuntamiento BenidormActividad por rango horario y tipo de día
El mayor numero de visitas se concentra en el
distrito 3.
Puede apreciarse los siguientes patrones en las
visitas al municipio, independiente del periodo
(laboral/festivo):
El distrito 0 y 2 mantienen el mismo número de
visitas a lo largo del día
El distrito 1 pierde visitas conforme sucede el día
El distrito 3 gana visitas conforme sucede el día
11
0%
10%
20%
30%
40%
50%
9:00 a 15:00 15:00 a 21:00 21:00 a 9:00 9:00 a 15:00 15:00 a 21:00 21:00 a 9:00
Lunes-Jueves Viernes-Domingo
0 1 2 3
1
03
2
Cultura
Caracterización de Visitantes | Museo Reina Sofía
● Evolutivo de las visitas: análisis
exploratorio alrededor de los siguientes
conceptos entre otros: visitas recibidas,
canal de venta, tipo de reserva, fecha y
hora de la visita, venta en tienda, etc.
● Segmentación de los visitantes:clusterización no supervisadaincorporando las variables como:procedencia, edad, género, formación,actividad laboral, intereses, satisfacción,etc. para segmentar a los visitantes endistintos clusters con característicassimilares.
● Correlación entre visitas y factores
externos: movilidad, actividad económica,
festividades y meteorología.
● Análisis del Impacto Social Generado en
Redes Sociales.
Solución
● Aumento del número de visitantes.
● Mejora de la imagen del museo y de la ciudad
y reconocimiento mediático.
● Generación de riqueza y motor de desarrollo.
● Fomento de la cultura, conservación e
interpretación del arte y el patrimonio.
● Generación de una experiencia, más allá de un
mero espacio de entretenimiento.
Beneficios
Conocer y analizar el
comportamiento del público que
acude al Museo para optimizar y
enriquecer la toma de decisiones y
para que la experiencia de las futuras
visitas mejore y el impacto de la
institución aumente de manera
positiva.
Reto
Cultura
Caracterización de Visitantes | Museo Reina Sofía
14
Casos de uso
Movilidad
Movilidad
Consorcio de Transporte de Zaragoza | Previsión de la demanda
El consorcio de transporte de Zaragoza necesitaba entender la demanda de transporte entre zonas dentro del área metropolitana de Zaragoza. Para ello se realizó una matriz Origen – Destino (OD) con segmentación del tiempo del viaje, el modo (tipo de transporte), el motivo del viaje, dónde residen, edad, género, nacionalidad, etc.
Objetivo
Diagrama de cuerdas entre zonas Visualización en mapa de la relación entre zonas
16
Casos de uso
Consultoría
Predicción de la calidad del aireMovilidad – Ayuntamiento de Madrid
ENFOQUE TÉCNICO
IMPACTO
En este proyecto se cruzan los datos de la red móvil en la ciudad de Madrid con los datoscapturados por los sensores de contaminación repartidos por la ciudad, con el objetivo deanticipar los días y zonas con mayor probabilidad de tener niveles de NO2 elevados.De esta manera el Ayuntamiento puede gestionar el tráfico con el apoyo de datos, y evitar laexposición de los ciudadanos a niveles de contaminación elevados.
Análisis de la movilidad mediante el seguimiento de eventos de la red móvil
Visualización dinámica e interactiva de rutas más probables.
Análisis predictivo de los niveles de contaminación
Toma de decisionesbasada en datos
Gestión inteligente y preventiva del tráfico
Mejor conocimiento de la situación
Menor incidencia de enfermedadesrespiratorias
El objetivo del proyecto era múltiple;• Entender el distinto rendimiento de tiendas aparentemente parecidas, usando variables
internas y externas (Smart Steps)• Predecir la venta potencial de clientes y no clientes
IMPACTO
Clusterizar, y ordenar por venta potencial y perfildel comprador todos los puntos de venta clientesde PepsiCo en la cataegoría de interés
Identificar nuevas zonas geográficas de oportunidad
Clusterizar, y ordenar por venta potencial y perfil del comprador todos los puntos de venta no clientes de PepsiCo en la cataegoría de interés
Predecir el potencial de venta decada tiendo mediante un modeloRandom Forest con más de 800variables, tanto internas comoexternas
Clusterizar todos los puntos de ventacon respecto a su perfil decomprador, usando un modeloExpectation Maximization
ENFOQUE TÉCNICO CAPACIDADES Analíticas
• Regresión mediante RandomForest
• Clusterización mediante Expectation Maximization
• Integración con datos externos a la organización (plataforma Smart Steps)
Segmentación avanzada y venta potencialGran empresa FMCG – Proyecto Analítico
LÍN
EA
S D
E T
RA
BA
JO C
UB
IER
TA
S:
MA
TR
IZ D
E A
UT
OS
UF
ICIE
NC
IA
IMPACTOVisión 360 del clienteGran empresa Oil&Gas – Assessment Estratégico
Un porblema habitual en las grandes empresas es que cada departamento define el cliente de maneradistinta y que, además, la información se guarda en silos no conectados. El objetivo de este proyectogenerar el Golden Record del cliente, es decir, un repositorio común desde el que se pueda acceder atoda la información que la empresa dispone de ese cliente.
ENFOQUE TÉCNICO
CAPACIDADES Analíticas
• Definición de modelo de datos
• Gobierno del Dato
Definición funcional del modelo de datos para la visión 360 del cliente
Generación de un modelotécnicamente y funcionalmenteescalable (Gobierno del Dato)
Diseño y construcción de un primer MVP
Definición del Roadmap de próximosproyectos
Impulsar la consistenciaen las interacciones y contactos con el cliente
Llevar a cabo campañas con un alto grado de personalización
Facilitar la detección de nuevas oportunidades multi-departamentales a través de una visión total del cliente
LÍN
EA
S D
E T
RA
BA
JO C
UB
IER
TA
S:
FIC
HA
360
HOSPITAL PUERTA DE HIERRO | BALANCED SCORECARD GESTIÓN HOSPITALARIA
RETOSoporte a la toma de decisionesbasada en datos a partir de lamonitorización de la actividadhospitalaria.
SOLUCIÓNDespliegue de plataforma BigData y recogida de datos del HIS.Desarrollo de cuadros de mandode actualización diaria, semanal ymensual para el seguimiento dela actividad asistencial global, laactividad quirúrgica, las consultasexternas y urgencias.Implementación de alertas porobjetivos en función de losumbrales definidos para losdistintos KPIs.
BENEFICIOSSeguimiento de la actividad diariadel hospital y toma de decisionesbasada en datos.Monitorización de los objetivosfijados a través de los KPIsdefinidos para cada uno de ellos.Mejora de la eficiencia operativa.
UNIVERSIDAD INTERNACIONAL DE VALENCIA| CURSOS ON-LINE DATACADEMY
RETOContenido online paraasignaturas específicas (ETL conHadoop, Spark y SparkStreaming) para su Master en BigData y Data Science.Han renovado en 2019 añadiendola tutoría de un Trabajo de Finalde Máster.
SOLUCIÓNDespliegue de la plataformaDatAcademy de LUCA.Soporte de un Senior DataScientist durante 3 meses para ladirección del TFM.
BENEFICIOSVIU no tiene que desarrollarcontenidos, si no que compracursos cerrados con el contenidode interés. Entrega inmediata ycostes ajustados.
22
Casos de uso
Sport Analytics
Análisis de impacto Maratón Valencia 2018
• En general se produce un aumento del 32% de población en la zona. Por orígenes se produce un incremento de 12% de usuarios de Valencia (provincia), un 124% de usuarios del resto de España y un 67% de usuarios extranjeros.
Analizando el impacto de “La Vuelta”
Worldwide. Twitter
3
Midiendo el impacto de “La Vuelta 2017”
< 3000 km. TV Audience
2
< 300km. Mobility
1
Movilidad
Chrono stage: Mobility at
starting location
Hourly peak of
mobility (compared
to 2016)
Number of journeys
that day
Origin locations on map
Top 5 origin municipalities
1
Audiencias TV: Movistar +2
Audience per
day.
Audience per
channel.
Stages crossing a province boost
audience in that province.
Household of TV
watchers.
Twitter: Impacto & Sentiment Analysis
Volume reach and mentions
over the days.
Per minute international vs
national activity.
Top
influencers.Sentiment analysis.
3
Improving
performance in
eSports with Big
Data
Riot Games Server
(Massive Data)
Data ScienceCompetitions and
training sessions Riders Skills
tool
We built a tool to gain insights from thousands of matches
Machine Learning to design a winning strategy and scouting thebest players.
Monitoring of physical activity and
sleep patterns.
Monitoring of stress and focus with
Electro Encephalogram (EEG)
Machine Learning
A/B TestingInsights about how
physiology is affecting
performance
We use wearable devices to monitor their physical and mental
response during the game, to detect contextual factors that influence
performance.
Understanding gamer’s physiology vs performance.
Relax
Getting Ready
Game
EEG: Complexity and Potential.
33
Casos de uso
Big Data for Social Good
Modelling Zika’s spread with mobility data in Colombia
https://data-speaks.luca-d3.com/2018/04/mobile-data-mapping-Zika.html
Análisis de migraciones y movilidadMovilidad – Proyecto con FAO (Naciones Unidas)
El análisis de datos agregados generados por la red móvil permite entender las dinámicas de las poblaciones en undeterminado contexto geográfico. En particular, una aplicación en auge consiste en la detección y cuantificación defenómenos migratorios a escala nacional y/o urbana.
Hemos realizado un análisis de las poblaciones rurales desplazadas en Colombia debido a fenómenos climáticosextremos como son la sequia (https://www.youtube.com/watch?v=uZ5_B4B3fJE) . De modo análogo, la técnicaempleada serviría para cuantificar fenómenos de gentrificación en grandes ciudades, que suelen implicar el cambiode residencia de la población residente en barrios céntricos y tradicionales a la periferia
Toma de decisionesbasada en datos
Información de utilidad para AAPP y ONGs
Mejor conocimiento de la situación
Cuantificación de un fenómeno complejo
IMPACTO
ENFOQUE TÉCNICO
Análisis de la movilidad mediante el seguimiento de eventos de la red móvil
Visualización dinámica e interactiva de orígenes y destinos de los migrantes.
Detección de patrones de movilidadcorrespondientes a migrantes
ProFuturo: Educación DigitalFundación Telefónica y Fundación “la Caixa”
IMPACTOLa educación es el instrumento más poderoso para reducir la desigualdad y construir las basespara un crecimiento sostenible a nivel mundial. ProFuturo, la iniciativa impulsada por FundaciónTelefónica y Fundación Bancaria ”la Caixa” para llevar educación digital a niños y niñas deentornos vulnerables, ha beneficiado ya alrededor de 5,8 millones de niños y niñas de 23 paísesde Latinoamérica, África y Asia.
El objetivo de ProFuturo es promover la igualdad de oportunidades a través de una educaciónde calidad y equitativa utilizando las herramientas digitales. Para cada despliegue, ProFuturoalcanza acuerdos con agentes – privados, públicos y del tercer sector- más relevantes en elámbito del ámbito de la Educación y de la Cooperación Internacional.
Reducción de la desigualdad, ofreciendooportunidadeseducativas a niños y niñas de entornosvulnerables
luca-d3.com
Top Related