Suscríbete a DeepL Pro para poder traducir archivos de mayor tamaño.

Más información disponible en www.DeepL.com/pro.

22 casos de
uso de Big
Data que
debe conocer
INTRODUCE
INTRODUCCIÓN
Hoy en día, las organizaciones pueden acceder a más datos que
nunca. Pero de nada sirven si no se sabe cómo ponerlos en práctica.
Para comenzar su viaje por el big data, eche un vistazo a nuestros
veintidós mejores casos de uso de big data. Cada caso de uso ofrece
un ejemplo real de cómo las empresas aprovechan el conocimiento
de los datos para mejorar...
la toma de decisiones, entrar en nuevos mercados y ofrecer
mejores experiencias a los clientes. Los casos de uso abarcan los
seis sectores que se enumeran a continuación. Si el suyo no está
entre ellos, los casos de uso le resultarán igualmente informativos y
aplicables. Si desea más información, póngase en contacto con
nosotros.

2
3
FABRICACIÓN
La revolución digital ha transformado la
industria manufacturera. Los fabricantes
están encontrando nuevas formas de
aprovechar todos los datos que generan
para mejorar la eficiencia operativa,
agilizar los procesos empresariales y
descubrir información valiosa que impulse
los beneficios y el crecimiento.
4
Casos de uso de Big Data en la fabricación

MANTENIMIENTO PREDICTIVO

Los macrodatos pueden ayudar a predecir fallos en los equipos. Los problemas potenciales pueden
descubrirse analizando tanto datos estructurados (año, marca y modelo del equipo) como datos
multiestructurados (entradas de registro, datos de sensores, mensajes de error, temperatura del
motor y otros factores). Con estos datos, los fabricantes pueden maximizar el tiempo de
funcionamiento de las piezas y los equipos y realizar el mantenimiento de forma más rentable.

Estos datos pueden utilizarse para predecir algo más que el fallo de un equipo. Para muchos
procesos de fabricación, también es importante predecir la vida útil óptima restante de los
sistemas y componentes para garantizar que funcionan dentro de las especificaciones. Salirse de la
tolerancia, aunque no se rompa nada, puede ser tan grave como un fallo. Por ejemplo, en la
fabricación de fármacos, un componente defectuoso pero funcional puede introducir una cantidad
excesiva o insuficiente del principio activo.

Desafíos
Las empresas deben integrar los datos procedentes de distintos formatos e identificar las señales
que conducirán a optimizar el mantenimiento.

EFICACIA OPERATIVA

La eficiencia operativa es una de las áreas en las que el big data puede tener más impacto
en la rentabilidad. Con big data, puede analizar y evaluar los procesos de producción,
responder proactivamente a las opiniones de los clientes y anticiparse a las demandas
futuras.

Desafíos
Los equipos de datos deben equilibrar el volumen de datos con el creciente número de
fuentes, usuarios y aplicaciones.

OPTIMIZACIÓN DE LA PRODUCCIÓN

Optimizar las líneas de producción puede reducir los costes y aumentar los ingresos. Los
macrodatos pueden ayudar a los fabricantes a entender el flujo de artículos a través de sus líneas
de producción y ver qué áreas pueden beneficiarse. El análisis de datos revelará qué pasos
conducen a un mayor tiempo de producción y qué áreas están causando retrasos.

Desafíos
Optimizar la producción requiere que los fabricantes analicen los datos de sus equipos de
producción, el uso de materiales y otros factores. Combinar los distintos tipos de datos puede
plantear un reto.
5
AL POR MENOR
La competencia es feroz en el comercio
minorista. Para mantenerse en cabeza, las
empresas se esfuerzan por diferenciarse.
Los macrodatos se utilizan en todas las fases del proceso
minorista, desde la predicción de productos y la
previsión de la demanda hasta la optimización en
tienda. Gracias a los macrodatos, los minoristas
encuentran nuevas formas de innovar.
6
Casos prácticos de Big Data en el sector minorista

DESARROLLO DE PRODUCTOS

Los macrodatos pueden ayudarle a anticiparse a la demanda de los clientes. Clasificando los
atributos clave de los productos actuales y pasados y modelando después la relación entre
esos atributos y el éxito comercial de las ofertas, puede crear modelos predictivos para
nuevos productos y servicios. Profundice utilizando los datos y análisis de grupos de
discusión, redes sociales, mercados de prueba y primeros lanzamientos en tiendas para
planificar, producir y lanzar nuevos productos.

Desafíos
Las empresas tendrán que analizar lo que puede ser un gran volumen de datos procedentes
de diversos formatos y, a continuación, crear segmentos en función del comportamiento de
los clientes. También tendrán que identificar patrones de uso y comportamiento
sofisticados y asignarlos a nuevas ofertas potenciales.

EXPERIENCIA DEL CLIENTE

La carrera por los clientes está en marcha. Los macrodatos ofrecen a los minoristas una visión
más clara de la experiencia del cliente que pueden utilizar para ajustar sus operaciones.
Recopilando datos de redes sociales, visitas a la web, registros de llamadas y otras interacciones
con la empresa, así como de otras fuentes de datos, las empresas pueden mejorar las
interacciones con los clientes y maximizar el valor aportado. El análisis de macrodatos puede
utilizarse para hacer ofertas personalizadas, reducir la pérdida de clientes y gestionar problemas
de forma proactiva.

Desafíos
Integrar un gran volumen de datos procedentes de diversas fuentes puede resultar difícil.
Una vez integrados los datos, puede utilizarse el análisis de trayectorias para identificar las
trayectorias de la experiencia y correlacionarlas con diversos conjuntos de
comportamientos.

VALOR VITALICIO DEL CLIENTE

Todos los clientes son valiosos. Pero algunos son más valiosos que otros. Los macrodatos le
proporcionan información sobre el comportamiento de los clientes y sus pautas de gasto, lo
que le permite identificar a sus mejores clientes. Una vez que sepa quiénes son, marketing
puede dirigirse a ellos con ofertas especiales. Los equipos de ventas pueden dedicarles
más tiempo. El servicio de atención al cliente puede trabajar de forma más proactiva si
parece que pueden marcharse.

Desafíos
Para identificar a sus clientes de alto valor, necesitará analizar un gran volumen de datos de
transacciones de clientes y crear modelos sofisticados que examinen comportamientos
pasados y predigan acciones futuras.
7
Casos prácticos de Big Data en el sector minorista

LA EXPERIENCIA DE COMPRA EN LA TIENDA

Los macrodatos pueden utilizarse para mejorar la experiencia en la tienda. Muchos minoristas
están empezando a analizar datos de aplicaciones móviles, compras en tienda y
geolocalizaciones para optimizar la comercialización y animar a los clientes a completar sus
compras.

Desafíos
Para identificar las trayectorias y el comportamiento de los clientes se necesitan gráficos
complejos y análisis de trayectorias. A continuación, estos datos deben correlacionarse y
unirse con múltiples conjuntos de datos para analizar correctamente el comportamiento en
tienda.

ANÁLISIS Y OPTIMIZACIÓN DE PRECIOS

Los minoristas necesitan conocer la rentabilidad real de sus clientes, cómo pueden segmentarse
los mercados y el potencial de cualquier oportunidad futura. El análisis de beneficios y márgenes
de extremo a extremo puede ayudar a identificar oportunidades de mejora de los precios y áreas
en las que puede haber fugas de beneficios.

Desafíos
Para analizar correctamente los datos de precios, los minoristas necesitan gestionar millones de
datos de transacciones y trabajar con muchos tipos diferentes de conjuntos de datos.
8
SANIDAD
Las organizaciones sanitarias utilizan los macrodatos
para todo, desde mejorar la rentabilidad hasta ayudar a
salvar vidas. Las empresas sanitarias, los hospitales y los
investigadores recopilan cantidades ingentes de datos.
Pero todos estos datos no son útiles de forma aislada.
Cobran importancia cuando los datos se analizan para
resaltar tendencias y amenazas en patrones y crear
modelos predictivos.
9
Casos prácticos de Big Data sanitario

INVESTIGACIÓN GENÓMICA

Los macrodatos pueden desempeñar un papel importante en la investigación genómica. Gracias a

ellos, los investigadores pueden identificar genes y biomarcadores de enfermedades para ayudar a
los pacientes a identificar los problemas de salud a los que pueden enfrentarse en el futuro. Los
resultados pueden incluso permitir a las organizaciones sanitarias diseñar tratamientos
personalizados.

Desafíos
El volumen de datos genómicos es enorme, y ejecutar algoritmos complejos con los datos es
complicado y puede requerir largos tiempos de procesamiento.

EXPERIENCIA Y RESULTADOS DE LOS PACIENTES

Las organizaciones sanitarias buscan ofrecer un mejor tratamiento y una mayor calidad de la
atención, sin aumentar los costes. Los macrodatos les ayudan a mejorar la experiencia del
paciente de la forma más rentable. Con el big data, las organizaciones sanitarias pueden crear una
visión de 360 grados de la atención al paciente a medida que este pasa por distintos tratamientos
y departamentos.

Desafíos
La mejora de la experiencia del paciente requiere un gran volumen de datos de pacientes, algunos
de los cuales podrían ser datos multiestructurados, como notas médicas o imágenes. Además, para
analizar los viajes de los pacientes, a menudo se necesitan análisis de rutas y gráficos.

RECLAMACIONES FRAUDULENTAS

Por cada reclamación sanitaria, puede haber cientos de informes asociados en una variedad de
formatos diferentes. Esto dificulta enormemente la verificación de la exactitud de los programas
de incentivos de seguros y la búsqueda de patrones que indiquen actividades fraudulentas. Los
macrodatos ayudan a las organizaciones sanitarias a detectar posibles fraudes señalando
determinados comportamientos para un examen más detallado.

Desafíos
El análisis del fraude en las reclamaciones es un proceso complejo que implica la integración de
diferentes conjuntos de datos, el análisis de los datos de las reclamaciones y la identificación de
patrones de fraude complejos.

ANÁLISIS DE FACTURACIÓN SANITARIA

Los macrodatos pueden mejorar la cuenta de resultados. Analizando los datos de facturación y
reclamaciones, las organizaciones pueden descubrir oportunidades de ingresos perdidos y
lugares en los que pueden mejorarse los flujos de caja de los pagos. Este caso de uso requiere
integrar datos de facturación de varios pagadores, analizar un gran volumen de esos datos e
identificar patrones de actividad en los datos de facturación.

Desafíos
Cribar grandes volúmenes de datos puede ser complicado, sobre todo cuando se trata de integrar
distintas fuentes de datos.
10
PETRÓLEO Y GAS
En los últimos años, el sector del petróleo y el gas ha
aprovechado los macrodatos para encontrar nuevas formas de
innovar. El sector lleva mucho tiempo utilizando sensores de
datos para seguir y controlar el rendimiento de los pozos, la
maquinaria y las operaciones petrolíferas. Las empresas de
petróleo y gas han podido aprovechar estos datos para
supervisar la actividad de los pozos, crear modelos de la Tierra
para encontrar nuevas fuentes de petróleo y realizar muchas
otras tareas de valor añadido.
11
Casos de uso de Big Data en petróleo y gas

MANTENIMIENTO PREDICTIVO DE EQUIPOS

Las empresas petroleras y de gas a menudo carecen de visibilidad sobre el estado de sus equipos,
especialmente en ubicaciones remotas en alta mar y aguas profundas. Los macrodatos pueden
ayudar a las empresas a predecir la vida útil restante de sus sistemas y componentes, garantizando
que sus activos funcionen con una eficiencia de producción óptima.

Desafíos
Los datos de máquinas, registros y sensores procedentes de distintos tipos de equipos tienen
distintos formatos. Integrar todos estos datos puede resultar difícil. Además, los datos deben
analizarse con rapidez y ponerse en funcionamiento para evitar eficazmente los tiempos de
inactividad.

EXPLORACIÓN Y DESCUBRIMIENTO DE PETRÓLEO

Explorar en busca de petróleo y gas puede resultar caro. Pero las empresas pueden aprovechar
la gran cantidad de datos generados en el proceso de perforación y producción para tomar
decisiones informadas sobre nuevos yacimientos. L o s datos generados por los monitores
sísmicos pueden utilizarse para encontrar nuevas fuentes de petróleo y gas identificando trazas
que antes se pasaban por alto.

Desafíos
Para descubrir posibles nuevos yacimientos de petróleo, las empresas tendrán que integrar y
analizar un enorme volumen de datos no estructurados.

OPTIMIZACIÓN DE LA PRODUCCIÓN DE PETRÓLEO

Los datos históricos y de sensores no estructurados pueden utilizarse para optimizar la

producción de los pozos petrolíferos. Mediante la creación de modelos predictivos, las empresas
pueden medir la producción de los pozos para comprender los índices de uso. Con un análisis
más profundo de los datos, los ingenieros pueden determinar por qué l a producción real de los
pozos no coincide con sus predicciones.

Desafíos
Este caso de uso implica analizar un gran volumen de datos. También se necesitan algoritmos
complejos para identificar la forma de la curva asociada a esos datos para identificar tendencias.
12
TELECOMUNICACIONES
La popularidad de los teléfonos inteligentes y otros
dispositivos móviles ha brindado a las empresas de
telecomunicaciones enormes oportunidades de
crecimiento. Pero también hay retos, ya que las
organizaciones trabajan para seguir el ritmo de las
demandas de los clientes de nuevos servicios
digitales, al tiempo que gestionan un volumen de
datos en constante expansión.
13
Casos prácticos de Big Data en telecomunicaciones

OPTIMIZAR LA CAPACIDAD DE LA RED

Un rendimiento óptimo de la red es esencial para el éxito de una empresa de telecomunicaciones.

El análisis del uso de la red puede ayudar a las empresas a identificar áreas con exceso de
capacidad y redirigir el ancho de banda según sea necesario. El análisis de big data puede
ayudarles a planificar las inversiones en infraestructura y a diseñar nuevos servicios que satisfagan
las demandas de los clientes. Con nuevos conocimientos, las empresas de telecomunicaciones
pueden mantener la fidelidad de sus clientes y evitar la pérdida de ingresos frente a la
competencia.

Desafíos
Además de crear modelos complejos de relaciones entre servicios de red y clientes, el análisis del
uso de la red requiere analizar un gran volumen de registros detallados de llamadas.

PÉRDIDA DE CLIENTES DE TELECOMUNICACIONES

Analizando los datos que las empresas de telecomunicaciones ya tienen sobre la calidad del
servicio, la comodidad y otros factores, pueden predecir la satisfacción general del cliente. Y
pueden establecer alertas cuando los clientes corren el riesgo de cambiar de proveedor y actuar con
campañas de retención y ofertas proactivas.

Desafíos
Este caso de uso requiere analizar datos pasados y actuales para crear un nuevo modelo de
predicción de la pérdida de clientes, lo que puede hacerse con series temporales y análisis
relacionales para identificar patrones y comportamientos. El análisis de gráficos ayuda a
identificar las relaciones entre los clientes que se han dado de baja recientemente y los
clientes actuales que pueden ser más propensos a darse de baja porque conocen a alguien que
se ha dado de baja.

NUEVAS OFERTAS DE PRODUCTOS

Los macrodatos proporcionan información valiosa para ayudar a las empresas a diseñar nuevos
productos y funciones. Una mejor comprensión del comportamiento de los clientes permite a las
empresas adaptar los servicios a los distintos segmentos de clientes para futuras ofertas.

Desafíos
Este caso de uso requiere analizar un gran volumen de datos de registro de productos en
diferentes formatos. Las empresas de telecomunicaciones necesitan crear segmentos de
visualización según el comportamiento del cliente e identificar asuntos de uso y
comportamientos sofisticados para asignarlos a las características del servicio.
14
SERVICIOS FINANCIEROS
Los bancos y las empresas de servicios
financieros con visión de futuro están sacando
partido de los macrodatos. Desde la captación de
nuevas oportunidades de mercado hasta la
reducción del fraude, las organizaciones de
servicios financieros han sido capaces de
convertir los macrodatos en una ventaja
competitiva.
15
Casos de uso de Big Data en servicios financieros

FRAUDE Y CUMPLIMIENTO

Cuando se trata de seguridad, no se trata sólo de unos pocos hackers deshonestos. El sector
de los servicios financieros se enfrenta a equipos enteros de expertos. Mientras que los
panoramas de seguridad y los requisitos de cumplimiento están en constante evolución.
Mediante el uso de big data, las empresas pueden identificar patrones que indiquen fraude y
agregar grandes volúmenes de información para agilizar los informes reglamentarios.

Desafíos
Estos datos requieren la integración de diferentes conjuntos de datos de transacciones con
información adicional, c o m o eventos de interacción y comportamiento de los clientes. Para
identificar posibles patrones de fraude, las empresas tendrán que cribar un gran volumen de
datos.

IMPULSAR LA INNOVACIÓN

Los macrodatos ofrecen información valiosa que ayuda a las organizaciones a innovar. El
análisis de big data hace más evidentes las interdependencias entre seres humanos,
instituciones, entidades y procesos. Con una mejor comprensión de las tendencias del mercado
y las necesidades de los clientes, las organizaciones pueden mejorar la toma de decisiones
sobre nuevos productos y servicios.

Desafíos
Recopilar y agregar fuentes de datos dispares puede resultar difícil.

LUCHA CONTRA EL BLANQUEO DE CAPITALES

Las empresas de servicios financieros están más presionadas que nunca por los gobiernos que
aprueban leyes contra el blanqueo de capitales. Estas leyes exigen que los bancos demuestren
la diligencia debida y presenten informes de actividades sospechosas. En este ámbito
extraordinariamente complicado, el análisis de big data puede ayudar a las empresas a
identificar posibles patrones de fraude.

Desafíos
Este caso de uso requiere el análisis de grandes volúmenes de datos de transacciones (que pueden
incluir datos estructurados y multiestructurados) y la posterior identificación de transacciones
AML complejas. Además, el análisis de gráficos revelará las relaciones ocultas.

ANÁLISIS DE LA NORMATIVA FINANCIERA Y DE CUMPLIMIENTO

Las empresas de servicios financieros deben cumplir una amplia variedad de requisitos en
materia de riesgo, conducta y transparencia. Al mismo tiempo, los bancos deben cumplir la
Ley Dodd-Frank, Basilea III y otras normativas que exigen informes detallados.

Desafíos
Las empresas de servicios financieros deben reunir un gran volumen de datos, crear modelos de
riesgo avanzados y hacerlo rápidamente sin afectar negativamente a otros proyectos.
16
CONCLUSIÓN
Además de los veintidós casos de uso descritos anteriormente,
hay cientos de otras formas en que los macrodatos pueden
utilizarse para dar a su empresa un valor añadido.
una ventaja competitiva. Si desea más información, póngase en
contacto con nosotros hoy mismo.
O inscríbase en una prueba gratuita para conocer de primera
mano cómo sus big data pueden trabajar para usted.
17
CORPORACIÓN ORACLE

Sede mundial
500 Oracle Parkway, Redwood Shores, CA 94065 EE.UU.

Consultas en todo el mundo

TELE + 1.650.506.7000 + 1.800.ORACLE1
FA X + 1.650.506.7200
oracle.com

CONECTE CON NOSOTROS

facebook.com/oracle youtube.com/oracle linkedin.com/empresa/oracle twitter.com/oracle

Copyright © 2018, Oracle y/o sus filiales. Todos los derechos reservados. Este documento se proporciona únicamente con fines
informativos, y su contenido está sujeto a cambios sin previo aviso. No se garantiza que este documento esté libre de errores, ni está sujeto
a ninguna otra garantía o condición, ya sea expresa o implícita en la ley, incluidas las garantías y condiciones implícitas de comerciabilidad o
idoneidad para un fin determinado. Renunciamos específicamente a cualquier responsabilidad con respecto a este documento, y no se
forma ninguna obligación contractual directa o indirectamente por este documento. Este documento no puede ser reproducido ni
transmitido de ninguna forma ni por ningún medio, ya sea electrónico, electrónico o de otro tipo.
o mecánico, para cualquier fin, sin nuestra autorización previa por escrito.

Oracle y Java son marcas registradas de Oracle y/o sus filiales. Otros nombres pueden ser marcas comerciales de sus respectivos propietarios.

Intel e Intel Xeon son marcas comerciales o marcas registradas de Intel Corporation. Todas las marcas comerciales de SPARC se utilizan bajo licencia
y son marcas comerciales o marcas registradas de SPARC International, Inc. AMD, Opteron, el logotipo de AMD y el logotipo de AMD
Opteron s o n m a r c a s comerciales o marcas registradas de Advanced Micro Devices. UNIX es una marca registrada de The Open
Group.