Predective & Data mining – Página 4

KXEN ya luce logotipo como una «SAP Company»

Percibiamos pequeñas dudas por el anuncio del 10 de septiembre sobre la intención de compra de KXEN por parte de SAP , porque el comunicado sólo fue dado por la parte de SAP. Recién el 1 de octubre hemos leido la confirmación del anuncio por ambas partes. En el caso de KXEN ha sido el CEO de esta compañía el que ha anunciado que KXEN es un nueva compañía SAP.

Percibíamos pequeñas dudas por el anuncio del 10 de septiembre sobre la intención de compra de KXEN por parte de SAP , porque el comunicado sólo fue dado por la parte de SAP. Recién el 1 de octubre hemos leído la confirmación del anuncio por ambas partes. En el caso de KXEN ha sido el CEO de esta compañía el que ha anunciado que KXEN es un nueva compañía SAP.

Con este nuevo anuncio asumimos que KXEN tendrá un tratamiento similar al que tuvo Sybase cuando fue comprada por SAP, respetando su personalidad, manteniendo la imagen de marca y brindándole cierta independencia. Esta unión permitirá combinar la potencia de cálculo y almacenamiento de SAP HANA y los algoritmos y facilidad de uso que tienen los productos KXEN.

Con esta adquisición SAP considera que tendrá argumentos suficientes para competir contra IBM (con SPSS) y SAS, las compañías líderes en minería de datos y análisis predictivo, que juntas logran el 50% de cuota de mercado de este sector. SAP también señala que aspira a incluir la capacidad de KXEN en todos sus productos. El siguiente paso de SAP será la restructuración de toda su propuesta comercial y de producto de la cartera de Análisis Predictivo.

Referencias: Anuncio KXEN y Anuncio SAP

https://twitter.com/#!/anibalgoicochea/status/385529943738036224

Dragons Kings vs. Black Swans (Dragones Reyes contra Cisnes Negros / predictibilidad si o predictibilidad no)

Hemos escrito algunas entradas sobre la obra de Nassim Nicholas Taleb sobre la teoría de “El Cisne Negro”, el cual señala que puede producirse en cualquier momento “hechos raros”, imposibles de predecir, cuyo impacto puede llegar a ser importante y de considerables proporciones, pero desconocíamos que existiera una teoría totalmente opuesta, la de los Dragones Reyes (Dragons Kings) la cual señala que casi todos los hechos son predecibles, teniendo en Didier Sornette su máximo defensor, el cual defiende su concepto del siguiente modo:

Hemos escrito algunas entradas sobre la obra de Nassim Nicholas Taleb sobre la teoría de “El Cisne Negro”, el cual señala que puede producirse en cualquier momento “hechos raros”, imposibles de predecir, cuyo impacto puede llegar a ser importante y de considerables proporciones, pero desconocíamos que existiera una teoría totalmente opuesta, la de los Dragones Reyes (Dragons Kings) la cual señala que casi todos los hechos son predecibles, teniendo en Didier Sornette su máximo defensor, el cual defiende su concepto del siguiente modo:

Los denominados “Dragons Kings” representan eventos extremos que son de una clase particular que aparecen repentinamente y destroza la creencia que todos los cisnes son blancos; refleja la idea de imprevisibilidad, de desconocimiento, de que los acontecimientos extremos son fundamentalmente incognoscibles.

Nada puede ser más alejado del concepto de “Dragón Rey” que propongo, que es exactamente lo contrario, los fenómenos más extremos son realmente cognoscibles y predecibles. Así que podemos sentirnos autorizados, asumir la responsabilidad y hacer predicciones sobre los hechos…. Hagamos que mi “Dragón Rey” desaparezca el concepto del “Cisne Negro”.

De la presentación anterior, sobre la predictibilidad de los hechos, extraemos estas otras frases:

Gobernar es el arte de la planificación y la predicción
La mayoría de los sistemas tienen algo de previsibilidad
Es posible desarrollar diagnósticos anticipados de las crisis para estar preparados para poder tomar medidas y asumir responsabilidades.

Nuestra Opinión

Cuando no se sabe algo se suele negar su validez o utilidad, es lo más fácil o cómodo. Algo similar a sucedido con la minería de datos y el análisis predictivo desde siempre. La minería de datos o data mining requiere cierto conocimiento técnico, especialmente estadístico (por lo visto, no muy fácil de encontrar). Esta carencia de conocimiento técnico aunado a la complejidad de la mayoría de las herramientas de minería de datos que los fabricantes han desarrollado hasta ahora, ha conducido a lograr muy bajos índices de adopción de esta tecnología en la gestión de las empresas.

SAP, con Predictive Analysis dio un paso importante en la minería datos, pero no lo suficientemente transcendente como para ampliar considerablemente la predictibilidad como estilo de gestión. Este paso importante tendría lugar si se llegase a concretar la compra de KXEN, una plataforma Data Mining con una amplia trayectoria y una completa gama de soluciones para los negocios, que se caracterizan por la facilidad de uso, principal barrera que han encontrado los usuarios de otros productos. KXEN acoplado a la capacidad de procesamiento de SAP HANA sería la arquitectura perfecta para gestionar los negocios adelantándose a los hechos.

SAP HANA, ¿segadora de costes o generadora de beneficios?

Es “humano”, luego de una inversión tan importante como puede ser la adquisición de una plataforma SAP HANA, que se quiera saber cómo obtener el retorno de la inversión o lograr beneficios importantes que justifiquen de manera inmediata la inversión realizada. Pero “erramos” cuando comenzamos a calcular cuánto nos ahorraremos prescindiendo de aquellos colaboradores que realizan tareas, que un panorama in-memory computing de HANA, podrían ser “prescindibles”.

Es “humano” que luego de una inversión tan importante como puede ser la adquisición de una plataforma SAP HANA, se quiera saber cómo obtener el retorno de la inversión o lograr beneficios importantes que justifiquen de manera inmediata la inversión realizada. Pero “erramos” cuando comenzamos a calcular cuánto nos ahorraremos con aquellos colaboradores, que un panorama in-memory computing de HANA, podrían ser “prescindibles”.

Efectivamente, algunas tareas de administración de las plataformas informáticas actuales no son necesarias en SAP HANA, pero habrá otras que se deberán realizar con en el fin de monitorizarla y mantenerla adecuadamente. Al final, quizás algún rol podría ser liberado, pero ¿qué ventaja competitiva puede lograr una empresa “ahorrándose” dos o tres nóminas?

Tampoco se trata de hacer más rápido lo mismo que se hace actualmente. En SAP HANA, utilizar sistemas de información que sólo comunican lo que ha sucedido, significaría infrautilizar una plataforma que tiene el mayor potencial disponible de la historia.

Imagen de TimoElliott (02)

Consideramos que la fuente generadora de beneficios y ventajas competitivas es la adopción de una cultura de análisis predictivo en los procesos de negocios, para llevar a cabo tareas que hasta ahora eran imposibles de realizar. Entre otras, las siguientes:

Crear ofertas personalizadas por cada segmento y canal
Controlar constante y proactivamente las tendencias del mercado y las necesidades de los consumidores.
Identificar los lineamientos para la innovación y desarrollo de producto.
Elaboración de previsiones más realistas
Comparación de los resultados con los objetivos previstos.
Identificar las transacciones u operaciones fraudulentas
Análisis más completos sobre los clientes y su comportamiento:
- Localizar anomalías y grupos específicos
- Identificar correlaciones entre los datos de ventas cruzadas y oportunidades de ventas.
- Conocer y comprender las causas de satisfacción o insatisfacción de los clientes
- Identificar los clientes que podrían abandonar y cuáles de ellos podrían ser persuadidos a permanecer.
- Identificar que clientes pueden ser convencidos a comprar o que puedan responder positivamente en una campaña de marketing.

La reducción del coste tiene límites conocidos, la generación de ingresos y beneficios esta limitada por la visión o percepción de los individuos, la cual podría ser reforzada con la capacidad de procesamiento que ofrece SAP HANA y el uso de herramientas de análisis predictivo.

Nota: Imágenes de TimoElliott.com

«Process algorithms» y «Database Predictive algorithms» en SAP Predictive Analysis

Cuando se tiene los datos que se desean analizar en SAP Predictive Analysis (PA), se deberán aplicar algoritmos para identificar patrones en los datos. PA incluye algoritmos propios, (denominados nativos ), adicionalmente se puede utilizar los algoritmos del Lenguaje R (si se ha configurado este componente Open Source) y si se cuenta con SAP HANA, se puede utilizar los algoritmos de la Predictive Analysis Library (PAL) de esta plataforma.

Cuando se tiene los datos que se desean analizar en SAP Predictive Analysis (PA), se deberán aplicar algoritmos para identificar patrones en los datos. PA incluye algoritmos propios, (denominados nativos ), adicionalmente se puede utilizar los algoritmos del Lenguaje R (si se ha configurado este componente Open Source) y si se cuenta con SAP HANA, se puede utilizar los algoritmos de la Predictive Analysis Library (PAL) de esta plataforma.

Cuando los algoritmos se ejecutan en el cliente se denominan de tipo Process algorithms y cuando se ejecuta a nivel de base de datos SAP HANA se denomian del tipo Database Predictive algorithms.

Sólo en el modo de conexión «HANA Online» de PA se puede utilizar los algoritmos de la PAL y combinados con el Lenguaje R, en este último caso, R debería estar configurado para utilizarlo con PA y HANA, así mismo, se deberá contar con la autorización para crear scripts R en HANA (revisar el documento “SAP HANA R Integration Guide”).

¿SAP Predictive Analysis, la evolución de SAP Lumira?

Cuando SAP presentó a Visual Intelligence (SAP Lumira) señaló que se trataba de una evolución de SAP BusinessObjects Explorer, a nuestro parecer, cada vez difiere más. Pero si de evoluciones o similitudes se trata, las encontramos entre SAP Lumira y SAP Predictive Analysis (PA).

Cuando SAP presentó a Visual Intelligence (SAP Lumira) señaló que se trataba de una evolución de SAP BusinessObjects Explorer, a nuestro parecer, cada vez difiere más. Pero si de evoluciones o similitudes se trata, las encontramos entre SAP Lumira y SAP Predictive Analysis (PA).

No nos referimos sólo por la interfaz de usuario o porque se diseñaron uno sobre otro, es por eso que difícilmente se podrá tener instalados los dos programas en el mismo ordenador (prueba nuestra sugerencia para superar este inconveniente), sino por hechos como los siguientes:

Los documentos salvados de PA (*.SVID) pueden ser abiertos en Lumira, pero toda la funcionalidad que ofrece la aplicación de minería de datos y estadística, como el panel Predict, no es accesible en Lumira.
Desde las últimas versiones, es posible utilizar las mismas licencias de evaluación entre ambas aplicaciones.
Si es usuario de SAP Lumira puede solicitar una licencia de evaluación por 30 días para PA, introduciría el número de licencia de prueba en Lumira, saldría de la aplicación, luego volvería a ingresar y podrá acceder a las funcionalidades de PA desde Lumira.
La documentación señala «Currently, no direct upgrade possible from SAP Lumira to SAP Predictive Analysis.» como si en un futuro podría ser posible realizar esta migración.

Es indiscutible que ambos programas tienen un origen común, pero con perfiles de usuarios finales muy distintos, SAP Lumira para usuarios de negocio con necesidades analíticas y gráficas concretas y SAP Predictive Analysis para analistas con conocimientos estadísticos, buscando la obtención de nuevos conocimientos.