Predective & Data mining – Página 5

SAP, en el podio de la Predicción para Big Data

El informe «Forrester Wave: Big Data Predictive Analytics» el cual evalúa a ocho fabricantes de herramientas de análisis predictivo, posiciona a SAP como tercera mejor propuesta, gracias a su reciente herramienta de predictividad, SAP Predictive Analysis, liberada en 2012.

El informe «Forrester Wave: Big Data Predictive Analytics« el cual evalúa a ocho fabricantes de herramientas de análisis predictivo, posiciona a SAP como tercera mejor propuesta, gracias a su reciente herramienta de predictividad, SAP Predictive Analysis, liberada en 2012.

A nuestro parecer, dado del necesario conocimiento de técnicas matemáticas y estadísticas, el sector de análisis predictivo y minería de datos se ha caracterizado por pocas propuestas fáciles de utilizar y de usuarios con muchas dificultades para aplicar su uso en la gestión de sus organizaciones. Un reflejo de esta situación, por un lado, es la presencia de sólo ocho empresas en el estudio de la consultora Forrester (en orden según el ranking): SAS, IBM, SAP, Tibco, Oracle, StatSoft, KXEN, Angos Software, Revolution Analytics y Salford Systems. Por otro lado, empresas como SAS e IBM (SPSS y Netezza), con muchos años en el sector, cuentan a nivel mundial con alrededor de 3.000 y 1.500 clientes respectivamente.

Según el informe, la presencia de SAP obedece a la integración de SAP Predictive Analysis con SAP HANA, la cual incluye biblioteca de funciones con procesamiento en la base de datos in-memory computing, conectividad con el lenguaje estadístico R, así como la interfaz de la herramienta, con funcionalidades similares como las que ofrecen las herramientas de SAS y SPSS (IBM). Estas características, en su conjunto, brindan mayor escalabilidad para el procesamiento de grandes volúmenes de información (Big Data).

Referencia: InformationWeek y Forrester.com

El BI y BA de SAP, según #Gartner

Gartner comienza este informe explicando muy brevemente el motivo del cambio de nombre de Cuadrante Mágico de «Business Intelligence Platforms» a «Business Intelligence and Analytics Platforms», apuntando que es para para “enfatizar la importancia creciente de las capacidades analíticas de los sistemas de información que las organizaciones están adoptando”

Continuamos revisando el resumen del informe “Magic Quadrant for Business Intelligence and Analytics Platforms 2013″ de Gartner:

Gartner comienza este informe explicando muy brevemente el motivo del cambio de nombre de Cuadrante Mágico de «Business Intelligence Platforms» a «Business Intelligence and Analytics Platforms«, apuntando que es para para “enfatizar la importancia creciente de las capacidades analíticas de los sistemas de información que las organizaciones están adoptando” (como si el BI de siempre no hubiera tenido este objetivo desde sus orígenes. Más creíble hubiera sido si se señalara que es para ir en línea con las estrategias comerciales y de marketing de los fabricantes, más aún, si tenemos presente que el principal impulsor del término Analytics en el BI, ha sido Gartner).

Gartner, tras analizar la información de los 38 proveedores que ha considerado en su estudio, de SAP señala lo siguiente:

SAP, LIDER dEL SECTOR POR NUMERO de CLIENTES y USUARIOS

SAP es el líder por cuota de mercado de las plataformas de Business Intelligence y Business Analytics.
Su amplia base de clientes es una garantía de ingresos futuros por la prestación de servicios de mantenimiento.
Los despliegues de SAP BI son de gran envergadura, algunos con alcance mundial y con un número de usuarios dos veces superior a la media del sector.
Para muchos clientes, SAP es el estándar.

¿Todo por su estrategia comercial?

Según Gartner, el éxito comercial de SAP es debido a los esfuerzos en marketing de producto dirigido a clientes SAP ERP, así como su capacidad para despliegues de gran tamaño. Un mensaje “agresivo” a contribuidos a importantes ventas.
El mensaje “se integra con las aplicaciones empresariales” ha primado en la elección de los productos BI de SAP.
SAP cuenta con el mayor canal comercial y ecosistema de servicios.
La relativa facilidad para acceder a perfiles SAP BW o SAP BusinessObjects BI es otro de los motivos que han contribuido a la elección del fabricante por parte de los clientes.

Nuevos Productos, Responden a nuevas tendencias

SAP responde a las nuevas tendencias del mercado como el “data discovery” con SAP Visual Intelligence, una herramienta dirigida a los usuarios de negocio, que incluye características ETL para facilitar el uso y el análisis de los datos.
SAP en el 2012 ha mejorado considerablemente su propuesta Mobile BI. Ofrece una serie de recursos para desarrolladores integrados en la plataforma SAP Mobile (basada en Sybase Unwired Platform) ofreciendo diseño de aplicaciones, administración y seguridad de dispositivos.
Se destaca la integración SAP BusinessObjects BI con SAP StreamWork, propuesta cloud para la toma de decisiones en un entorno colaborativo utilizando documentos BI.
SAP Predictive Analysis, ha reforzado el análisis predictivo de SAP, explotando las capacidades analíticas que brindan la integración con R y el procesamiento en memoria de SAP HANA.
También se menciona las aplicaciones analíticas construidas sobre SAP HANA, como CO-PA Accelerator o SAP Business Planning and Consolidation (SAP BPC). (?) Pero Gartner, mencionar estos aspectos podría ser más idoneo considerarlos en un informe sobre plataformas de Enterprise Performance Management (EPM) que en un informe sobre Business Intelligence. En todo caso, se ha debido destacar más la integración de BI4 con SAP HANA.

Las valoraciones de los clientes, depende que versión utilicen

Limitaciones para un despliegue más amplio: Calidad de Software 20,17%, el promedio de sector es 6,2%.
Problemas con el software: SAP es el fabricante con mayor porcentaje de todo informe que obtiene el calificativo “No confiable, inestable o con errores” especialmente señalada a la falta de integración de SAP BW con Web Intelligence, Crystal Reports y Dashboards (Xcelsius). Pero esta respuesta tiene una mejora significativa en los clientes que utilizan una versión más reciente:
- SAP BusinessObjects XI 3.1 (BO XI 3.1) 29,63% y SAP BusinessObjects BI 4.0 FP3 (BI 4.0 FP3) 16,67%.
La valoración de la experiencia con el producto y la calidad de servicio percibida por los clientes (customer experience y sales experience) ha mejorado pero también recibe una calificación por debajo de promedio y diferente según la versión del producto que se utiliza (escala del 1 al 7):
- Customer experience (Soporte): BO XI 3.1 (4,32), BI 4.0 FP3 (5.0) y media del sector (5,71)
- Sales experience: BO XI 3.1 (4,15), BI 4.0 FP3 (4.94) y media del sector (5,77).
Los clientes identifican, de las 15 funcionalidades de una plataforma BI & BA, el reporting y consultas definidas por el usuario, como las fortalezas de SAP. La valoración de las funcionalidades es muy dispar según qué versión utilizan los usuarios (escala del 1 al 10):
- Reporting y Ad hoc query: BO XI 3.1 (7,74) y BI 4.0 FP3 (8.75)
- Integración con MS Office: BO XI 3.1 (7,05) y BI 4.0 FP3 (8.10)
- Mobile BI: BO XI 3.1 (5,9) y BI 4.0 FP3 (8.10)
Otros indicadores:
- Complejidad de integración (escala del 1 al 4, mayor número señala más complejidad): BO XI 3.1 (2,67), BI 4.0 FP3 (2.06) y media del sector (1,65)
- Número promedio de días para crear un informe: BO XI 3.1 (6,77), BI 4.0 FP3 (5.43) y media del sector (3,95 días)

El Business Intelligence y Business Analytics, según #Gartner

Comenzando a leer el resumen del informe «Magic Quadrant for Business Intelligence and Analytics Platforms 2013» de Gartner:

Según la visión de Gartner, el Business Intelligence (BI) y Business Analytics (BA) deberían conformar una plataforma única, la cual debería ofrecer hasta 15 principales funcionalidades, agrupadas en tres grandes categorías:

Comenzando a leer el resumen del informe «Magic Quadrant for Business Intelligence and Analytics Platforms 2013» de Gartner:

Según la visión de Gartner, el Business Intelligence (BI) y Business Analytics (BA) deberían conformar una plataforma única, la cual debería ofrecer hasta 15 principales funcionalidades, agrupadas en tres grandes categorías:

Integración

Infraestructura BI. Debe ser única y común para gestionar todos los recursos y funcionalidades de la plataforma.
Gestión de metadatos. Deben ser reaprovechables y base para definir nuevos objetos. La plataforma de brindar las herramientas para gestionarlos.
Herramientas de desarrollo. Debe brindar los recursos necesarios para diseñar aplicaciones analíticas que puedan ser integradas a los procesos de negocio u otras aplicaciones.
Colaboración. Debe facilitar el intercambio de idea o diálogos entre usuarios que analizan la información a través del uso de anotaciones, chats o foros.

Distribución de la información (Information Delivery)

Informes (Reporting). Facilidades para crear informes con formato e interactivos, con o sin parámetros y posibilidades de programar su distribución
Tableros de datos (Dashboards). Informes para Web o dispositivos móviles con pantallas táctiles que indiquen el estado de una métrica de rendimiento en comparación con un objetivo o valor objetivo.
Consultas personalizadas (Ad hoc query). Permitir a los usuarios elaborar sus propias consultas, para lo que resulta muy necesario contar con una capa semántica.
Integración con Microsoft Office. Especialmente con MS Excel, ofreciendo las posibilidades de análisis integradas con todas las características que ofrece este programa de hojas de cálculo.
Búsquedas (Search-based BI). La interfaz de usuario deberá ofrecer funcionalidades de búsqueda de datos estructurados y no estructurados.
Movilidad (Mobile BI). Facilitar la distribución de contenidos BI o analíticos a través de los dispositivos móviles ya ea a través de publicaciones y/o modo interactivo.

Análisis (Analysis)

Procesamiento analítico en línea (Online analytical processing – OLAP). Permite a los usuarios acceder a los datos a través de consultas ad hoc con cálculos y resultados rápidos, posibilitando los análisis desde diferentes niveles de agregación de la información utilizando técnicas como “slicing and dicing” o “drilldown / drillup”. Del mismo modo, esta característica debería facilitar la construcción de escenarios “What if”. La posibilidad de esta característica podría implicar arquitecturas da datos multidimensionales, relacionales o inclusive técnicas de procesamiento en memoria.
Visualización interactiva (Interactive visualization). Posibilidad de mostrar los importes a través de imágenes y gráficos, en vez de tablas de filas y columnas.
Minería de datos y modelado predictivo (Predictive modeling and data mining). Aplicación de algoritmos matemáticos y técnicas estadísticas para facilitar la identificación de características en un conjunto de datos a través del tratamiento de variables (Variable = atributo o propiedad que admite diversos datos. Las Variables Categóricas clasifican a los sujetos facilitando su agrupación. Las Variables Continuas toman un número infinito de valores).
Cuadros de mando (Scorecards). Alineación de los indicadores claves de rendimiento (KPIs) con los objetivos estratégicos de los negocios a través del diseño de paneles.
Modelado Prescriptivo, simulación y optimización (Prescriptive modeling, simulation and optimization). El análisis prescriptivo es el siguiente paso o un complemento del análisis predictivo, el cual, a partir de un modelo predictivo sugiere la decisión o decisiones que podrían tomarse.

La utilidad de la “Predicción”, otra vez en duda.

Nos parece, al menos en el mundo de la informática, que cuando alguien nos dice que algo no es útil, sin brindar mayores explicaciones, lo más probable es que el autor de esta afirmación desconozca su uso. Una de las técnicas que más ha sufrido estas aseveraciones, es la minería de datos, en especial, el análisis predictivo.

No creemos que el Análisis Predictivo sea la máxima panacea para la mejor toma de decisiones, ni que nos ofrecerá una verdad absoluta. Creemos que la Predicción puede brindar a los negocios información muy útil que con la simple observación o utilizando otras técnicas, podremos obtener.

Dependiendo del área de negocio, técnicas como la minería de datos serán más o menos útiles y quizás la innovación, como lo explica Jay Rao en una entrevista en La Contra de La Vanguardia, requiera menos predicción, necesite más creatividad, inventiva y constancia. Leyendo el artículo de referencia extraemos las siguientes ideas:

Sobre las Predicciones

No se debe centralizar muchos datos y con ellos crear un modelo que realice proyecciones de lo que va a suceder («escenarios»). Así sólo predice lo predecible, pero no se inventa.
Los modelos proyectan el pasado mecánicamente en el futuro.
Las proyecciones suelen equivocarse porque son incapaces de incluir lo que todavía no existe, que es lo que crean los innovadores. Tampoco incluyen otros «cisnes negros» imprevisibles como una recesión.
Para apostar en una sola línea hay que adivinar demasiadas variables y es imposible acertarlas todas

Sobre los estudios de mercado

Preguntar a la gente qué quiere, sirve de poco.
La gente no sabe lo que quiere hasta que ve a otro usarlo.
La gente sólo sabe lo que quiere cuando lo tiene en la mano. Y sólo quiere comprarlo cuando lo envidia en la mano de otro

Sobre la Innovación

Si le hubieran preguntado cómo quería su móvil hace 10 años sólo hubiera dicho: más ligero, duradero y barato… Eso son sólo mejoras incrementales: es un progreso lineal, no cuántico.
Leonardo Da Vinci ya escribía que la diversidad de edades, procedencias e intereses de su equipo favorecía su inventiva.
La experimentación barata falla mucho, sí, pero proporciona datos valiosos para rectificar y tomar nuevas decisiones.
Copiar así es innovar: copiamos los éxitos, pero con mejoras incrementales.
Si mejoras el original, es innovar.
Mantener muchas puertas abiertas. No apuestes jamás todo a una carta.
Equivocarse mucho, rápido y barato para acertar.

Sobre el Innovador

El innovador no trata de predecir el futuro, porque el futuro es impredecible.
El innovador no predice, crea el futuro.

Referencia: «La Contra de La Vanguardia»

Esperando a SAP BO Predictive Analysis

Ha transcurrido una semana desde que se comunicara la liberación o disponibilidad general de SAP BusinessObjects Predictive Analysis, y aún no lo vemos. SAP BO PA, a nuestro parecer, es muy importante para SAP y para sus usuarios, es una herramienta que no se solapa con otra propuesta que tuviera SAP hasta este momento, lo más similar era una compleja adaptación de IBM SPSS que requería muchas habilidades para su configuración y uso.

Ha transcurrido una semana desde que se comunicara la liberación o disponibilidad general de SAP BusinessObjects Predictive Analysis, y aún no lo vemos. SAP BO PA, a nuestro parecer, es muy importante para SAP y para sus usuarios, es una herramienta que no se solapa con otra propuesta que tuviera SAP hasta este momento, lo más similar era una compleja adaptación de IBM SPSS que requería muchas habilidades para su configuración y uso.

Con esta propuesta, SAP prescinde de terceros para brindar una completa plataforma de análisis y dirige sus esfuerzos en una línea de productos de creciente demanda, hasta ahora mal cubierta por fabricantes especializados o de nicho.

SAP define a SAP BusinessObjects Predictive Analysis como una solución de análisis estadístico y minería de datos que permitirá a los analistas y usuarios de negocio construir modelos predictivos para descubrir conocimientos y relaciones ocultas en los datos, modelos que permitirán hacer predicciones sobre futuros eventos.

Mientras esperamos contar con este nuevo producto, debemos tener en cuenta que se trata de una aplicación cliente (requiere ser instalada en cada ordenador donde se desea utilizar), no es indispensable contar con la plataforma de BI de SAP y podremos analizar los datos de una amplia variedad de fuentes tales como ficheros de textos, MS Excel, SAP HANA database, bases de datos relacionales (Oracle, Mysql, MS SQL,…) y universos BusinessObjects (UNV y UNX). La documentación sugiere 2 GB de memoria, pero nos parece lo mínimo, sugerimos el doble, sobre todo si tenemos presente que la calidad o certeza de los modelos estará determinada por el volumen de datos que se procese (a mayor cantidad de datos históricos, mayores posibilidades que las predicciones y relaciones identificadas reflejen la realidad).

Referencia: (aquí)