¿Innovacion o necesidad? Cómo analizar a nuestros clientes. Pablo Reinoso - Data Artificial Intelligence executive Architect IBM

2. Empresas Data Driven
¿Innovación o necesidad?
Pablo Reinoso S.
Data & AI Architect
preinoso@cl.ibm.com
“Cada día hay más empresas que utilizan sus datos y transforman
su estrategia en base a la analítica”

4. Los Toronto Raptors una empresa “Data – Driven”
2015 2019

5. Kyle Lowry -Base/Escolta
Ingresos 2018- 2019: $33MM anuales
Pascal Siakam -Ala-pívot
Ingresos 2018- 2019: $2,3MM anuales
Los Toronto Raptors una empresa “Data – Driven”
ibm.biz/torontonba

6. Los Toronto Raptors una empresa “Data – Driven”
Selección de
Jugadores utilizando
información
Estadística y de
Personalidad
Estrategia
basada en
Datos
Entrenamiento
personalizados
Generación de
múltiples
escenarios de
juego
Analisis +
2500 variables
Centro de
Operaciones
de Analítica

7. RECOLECTAR – Acceso a sus datos corporativos
ORGANIZAR – Crear un fundamento confiable
ANALIZAR – Extraer el valor de sus datos con IA
Datos de todos los tipos,
independiente de donde
se encuentre
MODERNIZAR
Su plataforma de datos
para IA y un mundo
multi Cloud
EXTENDER AI – Gestionar IA con transparencia
IBM y La escalera de IA
Un modelo prescriptivo para acelerar la ruta de adopción de IA
IA

8. Caso Empresa Telecomunicaciones WOM “Word Of Mouth”
2015 2016 2017 2018 2019
Uso de información
estructurada y No
estructurada
Estrategia
basada en
Datos
Entregando
recomendaciones
personalizadas a sus
clientes
Optimizando la
toma de
decisiones
Equipo
Data
Scientist
Marketing
Automatización
de procesos de
datos

9. Historia y Crecimiento Clientes de “Word Of Mouth”
2015 2016 2017 2018 2019

10. Historia y Crecimiento Clientes de “Word Of Mouth”
2015 2016 2017 2018 2019

11. Estrategia basada en los datos: Generación de planes en base al historial
de comportamiento de los clientes de “Word Of Mouth”

12. Publicidad disruptiva y campañas dirigidas a segmentos de clientes
objetivos
ibm.biz/womchile
2003 2019
ibm.biz/entelchile

13. Coherencia, objetivos y trabajo en equipo
Datos
Objetivos
Áreas de
Análisis
Marketing
Medición
de
Resultados
Cliente

14. Componentes técnicos del ciclo de generación de información
Data Lake
Objetivos
Modelos de
Machine
Learning
Marketing
Insights
Optimización
de Campañas
Cliente
Repositorios de datos,
Data Lake
Equipos especialistas de Data
Scientist y herramientas de
analisis
Equipos especialistas
Business Analyst y
herramientas de Marketing
Feedback de Campañas,
indicadores de las
herramientas de Marketing

15. Pablo Reinoso S.
Data & AI Architect
preinoso@cl.ibm.com
Gracias