Vous êtes sur la page 1sur 22

IBM Global Business Services Business Analytics and Optimisation Informe ejecutivo

En colaboracin con la Escuela de Negocios Sad en la Universidad de Oxford

IBM Institute for Business Value

Analytics: el uso de big data en el mundo real


Cmo las empresas ms innovadoras extraen valor de datos inciertos

IBM Institute for Business Value

IBM Global Business Services, a travs del IBM Institute for Business Value, poneadisposicin de los altos directivos perspectivas estratgicas, basadas en hechos,relacionadas con temas crticos especficos de los sectores pblico y privado. Elpresente informe ejecutivo se basa en un estudio en profundidad realizado por elequipo de investigacin del Instituto. Forma parte del compromiso constante de IBM Global Business Services de proporcionar anlisis y puntos de vista que ayuden alas empresas a conseguir valor de negocio. Para obtener ms informacin, puede ponerse en contacto con los autores o enviar un correo electrnico a iibv@us.ibm.com. Encontrar otros estudios del IBM Institute for Business Value en ibm.com/iibv.

Escuela de Negocios Sad en la Universidad de Oxford

La Escuela de Negocios Sad es una de las escuelas de negocios lderes en el ReinoUnido. En la actualidad est estableciendo un nuevo modelo de educacin empresarial a travs de su profunda integracin en la Universidad de Oxford, unauniversidad de primera clase, y abordando algunos de los retos a los que se enfrenta hoy en da el mundo. Puede ponerse en contacto con los autores o visitar lapgina www.sbs.ox.ac.uk.

IBM Global Business Services

Por Michael Schroeck, Rebecca Shockley, Dra. Janet Smart, la profesora Dolores Romero-Morales y el profesor Peter Tufano

ha dejado de estar limitado al mundo de la tecnologa. Hoy en da se trata de una prioridad empresarial dada su capacidad para influir profundamente en el comercio deuna economa integrada a escala global. Adems de proporcionar soluciones a antiguos retos empresariales, big data inspira nuevas formas de transformar procesos, empresas, sectores enteros e incluso la propia sociedad. Aun as, la amplia cobertura meditica que est recibiendo no nos permite distinguir claramente el mito de la realidad: qu est ocurriendo realmente? Tras nuestra ltima investigacin hemos descubierto que las empresas utilizan big data para obtener resultados centrados en elcliente, aprovechar los datos internos y crear un mejor ecosistema de informacin.
Hoy en da el trmino big data es una constante y, aun as, lamera nocin sigue generando confusin. Esta palabra se hautilizado para trasladar al pblico todo tipo de conceptos entre los que se incluyen grandes cantidades de datos, analtica de redes sociales, herramientas de ltima generacin para gestionar los datos, datos en tiempo real y mucho ms. Independientemente de la etiqueta que le colguemos, las empresas comienzan a comprender y explorar cmo procesar y analizar de nuevas formas una amplia variedad de informacin. Al hacerlo, un pequeo pero creciente grupo de pioneros est logrando resultados empresariales importantsimos. En sectores de todo el mundo los directivos reconocen lanecesidad de aprender ms acerca de cmo explotar bigdata. Sin embargo, a pesar de lo que parece ser una

Big data, un concepto que significa muchas cosas para muchas personas,

implacable atencin meditica, puede resultar difcil encontrar informacin exhaustiva sobre lo que las empresas estn haciendo realmente. En este sentido hemos intentado comprender mejor la visinque las empresas tienen del concepto de big data yenqu medida hacen uso del mismo en la actualidad para que sus organizaciones saquen provecho. El IBM Institute for Business Value ha colaborado con la Escuela de Negocios Sad en la Universidad de Oxford para llevar a cabo el 2012Big Data @ Work Study, para el que han encuestado a1.144 negocios y profesionales de TI de 95 pases diferentes y han entrevistado a ms de dos docenas de acadmicos, expertos en la materia y directivos empresariales.

Analtica: el uso real de big data

Global respondents

Business-driven outcomes

Acerca de este estudio


El IBM Institute for Business Value y la Escuela de Negocios Sad en la Universidad de Oxford han colaborado para elaborar este informe. Est basado en el Big Data @ Work Survey, llevado a cabo por IBM a mediados de 2012 con 1.144 profesionales procedentes de 95 pases y 26 sectores. Las personas encuestadas representan una mezcla de disciplinas entre las que se incluyen profesionales de negocios (54% del total de la muestra) y profesionales deTI (46%). Los encuestados se eligieron a s mismos para participar en la encuesta basada en la web. Las conclusiones del estudio estn basadas en el anlisisde los datos extrados de la encuesta y en lasconversaciones mantenidas con acadmicos delaUniversidad de Oxford, expertos en la materia ydirectivos empresariales. IBM es la principal fuente de las recomendaciones del estudio.
Encuestados a escala global
Total de encuestados = 1144

El 63% (aproximadamente dos tercios) de los encuestados afirma que el uso de la informacin (incluido big data) y la analtica est dando lugar a una ventaja competitiva para sus empresas. Si lo comparamos con el 37% de los encuestados en el IBMs 2010 New Intelligent Enterprise Global Executive Study and Research Collaboration, estamos hablando de un aumento del 70% en tan solo dos aos.1 Como un segmento cada vez ms importante del amplio mercado de la informacin y la analtica, big data est teniendo un gran impacto. Entre los encuestados, aquelloscuyas empresas haban implementado proyectos odespliegues piloto de big data tenan un 15% ms deprobabilidades de afirmar que obtenan una ventaja importante de la informacin (incluido big data) y la analtica que aquellos que seguan confiando nicamente enla analtica tradicional. Una de las conclusiones ms sorprendentes del estudio es elimpacto relativamente pequeo de los datos procedentes de las redes sociales en el mercado actual de big data. Dadala amplia cobertura meditica que recibe el efecto de los datos sociales en las experiencias de los clientes, resultara fcil deducir que big data es sinnimo de datos procedentes de redes sociales, pero solo el 7% de los encuestados defini elconcepto de esta forma. Y menos de la mitad de los encuestados con iniciativas de big data en curso reconoci que recopilaba y analizaba datos procedentes de redes sociales; en lugar de ello, los encuestados afirmaron que utilizaban fuentes internas de datos en sus actuales sistemasde big data. Entonces, qu hace que las actividades de big data de hoy en da sean diferentes? Algunas empresas llevan manejando big data durante aos. Una empresa de telecomunicaciones global, por ejemplo, recopila miles de millones de registros detallados de llamadas al da procedentes de 120 sistemas yestablecimientos diferentes durante al menos nueve meses. Una empresa de extraccin de petrleo analiza terabytes deinformacin geolgica y las bolsas de valores procesan millones de transacciones por minuto. Para estas empresas, elconcepto de big data no es nuevo.

14%

13%
Asia Pacco Amrica Latina

37%

23%

Amrica del Norte Europa Oriente Medio y frica Ningn pas identicado

4%
Amplitud funcional

8%

8%
54% Profesionales de negocios

5%
46% Profesionales de TI

Tecnologa de la informacin Marketing/ventas Gestin/ operaciones generales Direccin ejecutiva Investigacin y desarrollo de productos Gestin nanciera/de riesgos
Total de encuestados 1.144

10%

15%

46%

16%

IBM Global Business Services

No obstante, dos tendencias importantes hacen de esta era de big data algo completamente diferente: La digitalizacin de prcticamente todo da lugar anuevos tipos de grandes datos en tiempo real en un amplio abanico de sectores. Muchos de ellos son datos nonormalizados: por ejemplo, datos en streaming, geoespaciales o generados por sensores que no encajan bien en los warehouses relacionales, tradicionales yestructurados. Las tecnologas y tcnicas de anlisis avanzado de hoy en da permiten a las empresas extraer conocimientos de los datos con un nivel de sofisticacin, velocidad y precisin nunca antes visto. Nuestro estudio ha revelado que, independientemente del sector o la ubicacin geogrfica, las empresas adoptan un enfoque pragmtico de big data. Las soluciones de big data ms eficaces identifican primero los requisitos de negocio y, acontinuacin, adaptan la infraestructura, las fuentes de datos y la analtica a fin de respaldar la oportunidad de negocio. Estas empresas obtienen nuevos conocimientos de fuentes deinformacin internas, tanto de las que ya existan como delas que estn disponibles desde hace poco, definen la estrategia tecnolgica de big data y, posteriormente, actualizan progresivamente sus infraestructuras a lo largo deltiempo. De nuestro estudio hemos podido extraer cinco recomendaciones clave para que las empresas puedan avanzaren sus iniciativas de big data y obtener el mximo valor de negocio: Dedicar los esfuerzos iniciales a obtener resultados centrados en el cliente. Desarrollar un plan de big data para toda la empresa. Comenzar con datos ya existentes para lograr resultados acorto plazo. Desarrollar capacidades analticas sobre la base deprioridades de negocio. Crear un caso de negocio sobre la base de resultadoscuantificables.

Definir big data

Mucha de la confusin que existe en torno al concepto de big data comienza con la propia definicin. Para comprender cul es la definicin que los encuestados dan a este trmino les pedimos que eligieran dos caractersticas de big data. Nohay una determinada caracterstica que predomine sobre el resto, sino que los encuestados mostraron divisin en sus opiniones acerca de si la mejor manera de describir el concepto de big data pasaba por los volmenes de datos en crecimiento de hoy en da, los nuevos tipos de datos y anlisis o los requisitos emergentes de un anlisis de la informacin en tiempo an ms real (vase la imagen 1).
Definicin de big data

Defining big data


18% 16% 15% 13% 13% 10% 8% 7%

Un mayor mbito de informacin Nuevos tipos de datos y anlisis Informacin en tiempo real

Entrada de datos procedentes de nuevas tecnologas Formas no tradicionales de soportes Grandes volmenes de datos

La ltima palabra de moda Datos de redes sociales

Se pidi a los encuestados que de las opciones facilitadas eligieran hasta dos descripciones de la visin que tenan sus empresas de bigdata. Las opciones se han abreviado y las elecciones se han normalizado para alcanzar el 100%. Total deabout encuestados = 1.144. Respondents were asked to choose up to two descriptions how their organizations
view big data from the choices above. Choices have been abbreviated, and selections have been normalized to equal 100%. Total respondents=1144.s

Imagen 1: Clasificacin de los encuestados en funcin de su visin de big data.

Analtica: el uso real de big data

Estos resultados coinciden con una forma til de caracterizar tres dimensiones de big data las tres V: volumen, variedady velocidad. Y si bien estas dimensiones engloban los principales atributos de big data, creemos que las empresas deben tener en cuenta una cuarta e importante dimensin: la veracidad. Incluir la veracidad como el cuarto atributo de big data pone de relieve la importancia de abordar y gestionar la incertidumbre inherente a algunos tipos de datos (vase la imagen 2). La convergencia de estas cuatro dimensiones ayuda tanto adefinir como a distinguir big data:

Variedad: diferentes tipos y fuentes de datos. La variedad tiene que ver con gestionar la complejidad de mltiples tipos de datos, incluidos los datos estructurados, semiestructurados y no estructurados. Las organizaciones necesitan integrar yanalizar datos de un complejo abanico de fuentes de informacin tanto tradicional como no tradicional procedentes tanto de dentro como de fuera de la empresa. Con la profusin de sensores, dispositivos inteligentes y tecnologas de colaboracin social, los datos que se generan presentan innumerables formas entre las que se incluyen texto, datos web, tuits, datos de sensores, audio, vdeo, secuencias de clic, archivos de registro y mucho ms.

Velocidad: los datos en movimiento. La velocidad a la que Volumen: la cantidad de datos. Siendo quiz la caracterstica secrean, procesan y analizan los datos contina aumentando. que se asocia con mayor frecuencia a big data, el volumen Contribuir a una mayor velocidad es la naturaleza en tiempo hace referencia a las cantidades masivas de datos que las real de la creacin de datos, as como la necesidad de organizaciones intentan aprovechar para mejorar la toma incorporar datos en streaming a los procesos de negocio dedecisiones en toda la empresa. Los volmenes de datos y la toma de decisiones. La velocidad afecta a la latencia: continan aumentado a un ritmo sin precedentes. No obstante, eltiempo de espera entre el momento en el que se crean lo que constituye un volumen verdaderamente alto vara losdatos, el momento en el que se captan y el momento enfuncin del sector e incluso de la ubicacin geogrfica en el que estn accesibles. Hoy en da, los datos se generan y es ms pequeo que los petabytes y zetabytes a los que de forma continua a una velocidad a la que a los sistemas amenudo se hace referencia. Algo ms de la mitad de los tradicionales les resulta imposible captarlos, almacenarlos encuestados consideran que conjuntos de datos de entre yanalizarlos. Para los procesos en los que el tiempo resulta unterabyte y un petabyte ya son big data, mientras que otro Big fundamental, data in dimensions tales como la deteccin de fraude en tiempo 30% simplemente no saba cuantificar este parmetro para su real o el marketing instantneo multicanal, ciertos tipos de empresa. Aun as, todos ellos estaban de acuerdo en que sea datos deben analizarse en tiempo real para que resulten tiles lo que fuere que se considere un volumen alto hoy en da, para el negocio. maana lo ser ms.
Dimensiones de big data
Volumen Variedad Velocidad

Datos a escala
De terabytes a petabytes de datos

Datos en muchas formas


Estructurados, no estructurados, texto, multimedia

Datos en movimiento
Anlisis de datos en streaming para una toma de decisiones en cuestin de segundos

Veracidad

Incertidumbre de datos
Gestionar la fiabilidad y previsibilidad de tipos de datos intrnsecamente imprecisos

Imagen 2: Cuatro dimensiones de big data.

IBM Global Business Services

Veracidad: la incertidumbre de los datos. La veracidad hace referencia al nivel de fiabilidad asociado a ciertos tipos de datos. Esforzarse por conseguir unos datos de alta calidad es un requisito importante y un reto fundamental de big data, pero incluso los mejores mtodos de limpieza de datos no pueden eliminar la imprevisibilidad inherente de algunos datos, como el tiempo, la economa o las futuras decisiones de compra de un cliente. La necesidad de reconocer y planificar la incertidumbre es una dimensin de big data que surge a medida que los directivos intentan comprender mejor el mundo incierto que les rodea (vase el recuadro Veracidad, la cuarta V.2 En definitiva, big data es una combinacin de estas caractersticas que crea una oportunidad para que las empresas puedan obtener una ventaja competitiva en el actual mercado digitalizado. Permite a las empresas transformar la forma enla que interactan con sus clientes y les prestan servicio, yposibilita la transformacin de las mismas e incluso de sectores enteros. No todas las organizaciones adoptarn elmismo enfoque con respecto al desarrollo y la creacin desus capacidades de big data. Sin embargo, en todos los sectores existe la posibilidad de utilizar las nuevas tecnologas y analticas de big data para mejorar la toma de decisiones yel rendimiento.

Algunos datos son intrnsecamente inciertos, porejemplo, los sentimientos y la sinceridad de losseres humanos; los sensores GPS que rebotan entre los rascacielos de Manhattan; las condiciones climticas; los factores econmicos; y el futuro. A la hora de tratar con estos tipos de datos, ninguna limpieza dedatos puede corregirlos. Aun as, y a pesar de laincertidumbre, los datos siguen conteniendo informacin valiosa. Lanecesidad de reconocer yabordar esta incertidumbre es una de las caractersticas distintivas de big data. La incertidumbre se manifiesta en big data de muchas formas. Se encuentra en el escepticismo que rodea alos datos creados en entornos humanos como las redes sociales; en el desconocimiento de cmo se desarrollar el futuro y cmo las personas, la naturaleza o las fuerzas ocultas del mercado reaccionarn a la variabilidad del mundo que les rodea. Un ejemplo de esta incertidumbre la encontramos enla produccin energtica: el tiempo es incierto, pero aun as una empresa de servicios pblicos debeprever la produccin. En muchos pases las normativas exigen que una parte de la produccin proceda de fuentes de energa renovables, pero ni elviento ni las nubes se pueden pronosticar con precisin. Entonces, cmo puede planificarlo? Para gestionar la incertidumbre los analistas han decrear un contexto en torno a los datos. Una forma de hacerlo es a travs de la fusin de datos, donde lacombinacin de mltiples fuentes menos fiables dalugar a un punto de datos ms preciso y til, comocomentarios sociales aadidos a la informacin acerca de una ubicacin geoespacial. Otra forma degestionar la incertidumbre es a travs de las matemticas avanzadas que la engloban, como slidas tcnicas de optimizacin y planteamientos delgica difusa. Por naturaleza, a los seres humanos no nos gusta laincertidumbre, pero ignorarla puede crear incluso msproblemas que la propia incertidumbre. En la erade big data, los directivos necesitan abordar la dimensin de la incertidumbre de forma diferente. Deben reconocerla, aceptarla y determinar cmo aplicarla para su beneficio; la nica certeza acerca dela incertidumbre es que no desaparecer.

La veracidad, la cuarta V

Las empresas muestran una actitud prctica ante big data

Pese a la existencia de algn que otro mito, la opinin generalizada es que nos encontramos en las primeras etapas de la adopcin empresarial de big data. En este estudio utilizamos la expresin adopcin de big data para referirnos a una progresin natural de los datos, las fuentes, las tecnologas y las habilidades que resultan necesarias para crear una ventaja competitiva en un mercado integrado a escala global.

Analtica: el uso real de big data

Nuestra encuesta Big Data @ Work confirma que la mayorparte de las empresas se encuentra actualmente en las primeras fases del desarrollo de big data, la mayora de ellas centradas en comprender los conceptos (24%) o definir una hoja de ruta relacionada con big data (47%). No obstante, el28% de los encuestados trabaja en empresas de vanguardia en las que estn desarrollando pruebas de conceptos (POCs) o ya han implementado soluciones de big data a escala (vase la imagen 3). Tras analizar las respuestas a la encuesta hemos extrado cinco conclusiones clave que reflejan algunas tendencias yconocimientos comunes e interesantes: En todos los sectores el caso de negocio de big data est orientado en gran medida a abordar objetivos centrados enel cliente. Una base de gestin de la informacin escalable y extensible es un requisito fundamental para el avance debig data.
Actividad de big data

Las organizaciones estn poniendo en marcha proyectos eimplementaciones con fuentes de datos internas ya existentes o a las que han tenido acceso recientemente. Para que las empresas puedan obtener el mximo valor debig data son necesarias funcionalidades analticas avanzadas, aunque a menudo carecen de ellas. A medida que la concienciacin y la implicacin de las empresas en big data crece observamos cmo surgen cuatro fases en el proceso de adopcin de big data.

La analtica de los clientes impulsa las iniciativas de big data

Big data activity

Al solicitarles que clasificaran sus tres objetivos principales para big data aproximadamente la mitad de los encuestados identificaron los objetivos centrados en el cliente como lamxima prioridad de su empresa (vase la imagen 4). Lasorganizaciones estn comprometidas con la mejora delaexperiencia del cliente y con una mejor comprensin delaspreferencias y el comportamiento de los mismos. Comprender al consumidor de hoy en da, mucho ms capacitado, tambin fue identificado como una prioridad de alto nivel tanto en la Encuesta global a directores de marketing (CMO) de 2011 como en la Encuesta global aCEOs de 2012.3 Las empresas consideran que big data proporciona lacapacidad para comprender y predecir mejor los comportamientos de los clientes y, al hacerlo, mejorar suexperiencia. Transacciones, interacciones multicanal, redes sociales, datos sindicados a travs de fuentes como las tarjetas de fidelidad y otra informacin relacionada con los clientes han aumentado la capacidad de las empresas para crear una imagen completa de las preferencias y demandas delos clientes: un objetivo de los departamentos de marketing, ventas y atencin al cliente durante dcadas. A travs de esta comprensin profunda empresas de todo tipo encuentran nuevas formas de interactuar con sus clientes actuales y futuros. Este principio es aplicable al comercio minorista, pero tambin a las telecomunicaciones, la sanidad, el gobierno, la banca y las finanzas y al sector de productos alconsumidor, donde usuarios finales y ciudadanos estn involucrados en interacciones business-to-business (B2B) entre socios y proveedores.

24% 28%
Dirigen e implementan actividades de big data No han comenzado con actividades de big data

47%
Planean actividades de big data

Pedimos a los encuestados que identicaran el estado actual de sus actividades de big data en el seno de sus empresas. El porcentaje no asciende al 100% debido al redondeo. Total de encuestados = 1.061
Respondents were asked to identify the current state of big data Imagen 3: La mayor parte las empresas se respondents=1061, encuentran en las activities within their de organizations. Total primeras fases de las not iniciativas de desarrollo de big data. percentage does equal 100% due to rounding.

IBM Global Business Services

De hecho, big data puede ser una carretera de doble sentido entre los clientes y las empresas. Por ejemplo, el Ford Focus elctrico produce ingentes cantidades de datos mientras estsiendo conducido y cuando est aparcado. Mientras se encuentra en movimiento el conductor recibe constantemente informacin actualizada acerca de la aceleracin, la frenada, la carga de la batera y la ubicacin del vehculo.4 Esto resulta til para el conductor, pero esos mismos datos tambin llegan a los ingenieros de Ford, quienes reciben informacin acerca de los hbitos de conduccin de los clientes, incluido cmo, cundo y dnde cargan sus automviles.5 Y mientras elvehculo se encuentra detenido contina enviando datos acerca de la presin de los neumticos y el sistema de batera al telfono inteligente ms cercano.6
Resultados basados en el negocio

Big data permite obtener una imagen ms completa de las preferencias y demandas delos clientes; a travs de esta profunda comprensin empresas de todo tipo encuentran nuevas formas de interactuar con sus clientes actuales y futuros.
De este escenario centrado en el cliente se derivan mltiples ventajas, ya que big data hace posibles nuevas y valiosas formas de colaboracin. Los conductores reciben informacin til cada segundo, mientras que los ingenieros en Detroit renen la informacin relativa al comportamiento al volante con el objetivo de extraer conocimientos acerca de los clientes y desarrollar mejoras para los productos. Y lo que es ms, lasempresas de servicios pblicos y otros proveedores externos analizan millones de kilmetros de datos de conduccin para decidir dnde ubicar nuevas estaciones de carga y cmo proteger las frgiles redes de servicio de las sobrecargas.7 Empresas de todo el mundo son capaces de prestar un mejor servicio a sus clientes y de mejorar las operaciones gracias abig data. Empresas como Mcleod Russel India Limited haneliminado por completo el tiempo de inactividad de lossistemas en el comercio del t gracias a un seguimiento mspreciso de las cosechas, la produccin y el marketing dehasta 100 millones de kilos de t cada ao.8 Premier Healthcare Alliance recurri a funciones de intercambio dedatos yanalticas avanzadas para mejorar los resultados delos pacientes y reducir al mismo tiempo su gasto en 2.850millones de dlares.9 Y Santam mejor la experiencia del cliente al implementar el anlisis predictivo con el objetivo de reducir el fraude (vase el recuadro Santam: elanlisis predictivo mejora la deteccin del fraude y agiliza la gestin de siniestros). Adems de los objetivos centrados en el cliente, a travs delas primeras aplicaciones de big data tambin se abordan otros objetivos funcionales. La optimizacin operativa, porejemplo, fue uno de los objetivos citados por el 18% de los encuestados, pero consiste principalmente en proyectos piloto. Otras aplicaciones de big data que se mencionaron con frecuencia incluyen la gestin financiera/de riesgos, lacolaboracin de los empleados y la habilitacin de nuevosmodelos de negocio.

Business-driven outcomes

14%
Otros objetivos funcionales

4%
Resultados centrados en el cliente

15%

49%

18%

Resultados centrados en el cliente Optimizacin operativa Gestin nanciera/de riesgos

Nuevo modelo empresarial Colaboracin de los empleados

Pedimos a los encuestados que clasicaran sus principales objetivos funcionales para big data en el seno de sus empresas. Las respuestas seponderaron y agruparon. Total de encuestados = 1.067 Imagen 4: Aproximadamente la mitad de las iniciativas de big data de los encuestados estn orientadas a los resultados centrados en el cliente.

Analtica: el uso real de big data

Santam: el anlisis predictivo mejora la deteccin del fraude y agiliza la gestin de siniestros10
El fraude es un desafo muy real para las compaas deseguros de todo el mundo. Ya sea un fraude a gran escala, como los incendios provocados, o una pequea reclamacin como puede ser una factura inflada de lareparacin de un coche, los desembolsos por reclamaciones fraudulentas cuestan a las aseguradoras millones de euros todos los aos, y ese coste termina llegando al cliente en forma de primas de seguro ms elevadas. Las compaas de seguros luchan contra el fraude, pero las tcnicas tradicionales tales como las acciones legales y la investigacin privada requieren demasiado tiempo y dinero. Como principal proveedor de seguros a corto plazo deSudfrica, no hay duda de que Santam ha sido vctima del fraude en seguros. Las prdidas por fraude representaban entre el 6 y el 10% del coste de las primas anuales para los clientes de Santam. Y el fraude tena otra consecuencia: una escasa eficiencia operativa. Debido a que los agentes deban tramitar e investigar tanto las reclamaciones de alto como de bajo riesgo, todas las reclamaciones tardaban un mnimo de tres das en ser resueltas y Santam comenz a temer que labuena reputacin de la que gozaba su servicio de atencin al cliente sufriera en una poca en la que losclientes demandaban resultados rpidos. Santam adquiri la capacidad para detectar el fraude de forma temprana con una solucin de analtica avanzada que capta datos procedentes de las reclamaciones presentadas, valora cada reclamacin frente a factores de riesgo identificados y divide lasreclamaciones en cinco categoras de riesgo, separando las reclamaciones que parecen fraudulentas y de riesgo ms alto de los casos de bajo riesgo. Con el nuevo sistema la empresa no solo ahorra millones que antes se perdan debido al fraude, sino que tambin reduce drsticamente el tiempo de procesamiento de las reclamaciones de bajo riesgo, lo que para algunos clientes tiene como resultado una resolucin de su reclamacin en menos de una hora. En los primeros meses tras la implementacin Santam tambin descubri una importante organizacin de fraude especializada en seguros de automviles. Big data, elanlisis predictivo y la segmentacin de riesgos ayudaron a la empresa a identificar patrones que llevarona la deteccin del fraude.

Big data depende de una base de informacin escalable y extensible

La promesa de lograr un valor de negocio importante y cuantificable a partir de big data solo puede hacerse realidad si las empresas crean una base de informacin que respalde elvolumen, la variedad y la velocidad de los datos de rpido crecimiento. Pedimos a los encuestados que identificaran elestado actual de sus infraestructuras de big data. Casi dos tercios afirmaron haber comenzado su viaje hacia big data con una base de informacin integrada, escalable, extensible y segura. Cuatro fueron los componentes de la gestin de la informacin citados con mayor frecuencia como parte de las iniciativas de big data de los encuestados (vase la imagen 5). La informacin integrada es un componente fundamental decualquier esfuerzo analtico y es incluso ms importante sihablamos de big data. Tal y como se apunta en el estudiorealizado por el IBM Institute for Business Value en2011 acerca de la analtica avanzada, los datos de una empresa han de estar disponibles y accesibles para las personas y sistemas que los necesitan.11 La gestin de datos maestros y la integracin de tipos de datos clave (clientes, productos, proveedores, empleados ysimilares) requiere datos interempresariales gobernados segn un nico estndar empresarial. La incapacidad para conectar los datos almacenados en silos empresariales ydepartamentales ha sido durante aos uno de los retos delbusiness intelligence. Esta integracin es incluso ms importante, aunque mucho ms compleja, en el caso de bigdata. De entre las empresas encuestadas que tenan iniciativas de big data en curso, el 62% considera que sucapacidad de integrar informacin es suficiente para respaldar big data. Los dos siguientes componentes de la base de gestin de la informacin que se mencionan con mayor frecuencia en las iniciativas de big data son una infraestructura de almacenamiento escalable y un warehouse de gran capacidad. Ambos respaldan el rpido crecimiento de los datos, actualesy futuros, que llegan a la organizacin.

IBM Global Business Services

A primera vista, el hecho de aadir ms capacidad de almacenamiento y uno o ms servidores grandes puede parecer suficiente para respaldar el crecimiento de una base de gestin de la informacin. No obstante, es importante comprender que prever y configurar la infraestructura resulta clave para alcanzar el valor de negocio del caso de negocio pretendido. Las empresas han de plantearse cmo soportar de la mejor forma posible el vaivn de datos a fin de permitir a los usuarios acceder a los mismos cuando los necesiten ycmo analizar los datos teniendo en cuenta las limitaciones de tiempo de las empresas (ya sean das, horas, segundos omilisegundos). Este equilibrio de configuracin y despliegue de servidores y almacenamiento tiene como resultado una infraestructura ms optimizada.

Big data infrastructure

Estas tecnologas tambin son capaces de gestionar la creciente velocidad de los datos que llegan, y se almacenan, al hacer posible un movimiento coherente y automatizado delos datos en toda la empresa a medida que ms personas necesitan tener acceso a tipos de informacin adicionales ydiferentes. Tecnologas emergentes como la jerarquizacin y compresin de datos y los sistemas de archivos escalables, junto con bases de datos en memoria, hacen posible la gestin de cargas de trabajo mucho ms grandes que los warehouses convencionales. Para muchas organizaciones, mejorar la capacidad para gestionar volmenes de datos en crecimiento es la mxima prioridad de big data, seguida muy de cerca por la capacidad para abordar la creciente variedad de datos. (Vase el recuadro Vestas: una mejor capacidad deanlisis de datos reduce los costes y mejora la eficacia) El 58% de las empresas que afirman haber puesto ya en marcha iniciativas de big data cuenta con unos procesos deseguridad y gobierno slidos. Si bien la seguridad y elgobierno han sido durante mucho tiempo un aspecto inherente al business intelligence, las nuevas consideraciones jurdicas, ticas y normativas de big data introducen nuevos riesgos y amplan el potencial de fallos pblicos, tal y como hemos tenido la oportunidad de ver con algunas empresas que han perdido el control sobre los datos o los han utilizadode formas cuestionables. Como resultado de ello, la seguridad de los datos, yespecialmente la privacidad de los mismos, constituye una parte fundamental de la gestin de la informacin, tal y como afirman varios expertos en la materia y directivos empresariales encuestados para este estudio. La seguridad y el gobierno sern todava ms importantes a medida que las empresas comiencen a utilizar nuevas fuentes de informacin, especialmente datos procedentes de redes sociales. Paracomplicar an ms la situacin, las normativas sobreprivacidad continan evolucionando y pueden variarenormemente dependiendo del pas. Existe la percepcin de que la privacidad y la seguridad son aspectos fciles, pero estn muy regulados y se encuentran bajo un frreo control, seala un directivo del sector de las telecomunicaciones. Y no son solo las agencias gubernamentales las que ejercen este control, sino tambin los propios clientes. Segn este mismo directivo, hay una serie de mbitos nuevos, como pueden ser los datos la navegacin web, donde existe una zona gris entre lo que eslegal y lo que est bien. Nosotros hemos tomado la determinacin de considerar cada accin aplicando la mxima de qu pensara el cliente si la forma en la que utilizamos los datos apareciera reflejada en la pgina principal de nuestra web.

Infraestructura de big data


Integracin de la informacin Infraestructura de almacenamiento escalable Warehouse de alta capacidad Seguridad y gobierno

65% 64% 59% 58% 54% 51% 45% 45% 44% 42% 42% 38%

Herramientas de desarrollo y creacin de scripts Bases de datos por columnas Procesamiento de eventos complejos Optimizacin de la carga de trabajo Aceleradores de analtica Hadoop/MapReduce Motores NoSQL Stream computing

Se pregunt a los encuestados con iniciativas de big data en curso qu componentes de la plataforma estn siendo probados en la actualidad o estn integrados en la arquitectura. Cada punto de datos components either in pilot or integrated into architecture, based on those respondents whose se Platform recopil por separado. El nmero total de encuestados por cada organizations are already engaged in big data efforts punto de datos oscila entre los 297 y los 351. Imagen 5: Componentes de las infraestructuras de big data de losencuestados.

10

Analtica: el uso real de big data

Vestas: una mejor capacidad de anlisis dedatos reduce los costes y mejora la eficacia12
Los aerogeneradores constituyen una inversin multimillonaria con una vida til habitual de 20 o 30aos. Para determinar la ubicacin ptima de un aerogenerador es necesario tener en cuenta una serie de factores entre los que se incluyen la temperatura, las precipitaciones, la velocidad del viento, la humedad y la presin atmosfrica. Para Vestas Wind Systems A/S (Vestas), un fabricante de aerogeneradores dans, el proceso de anlisis de datos utilizado para crear modelos de ubicacin de aerogeneradores para sus clientes resultaba cada vez menos convincente; el proceso tardaba varias semanas en ejecutarse y no poda analizar los ingentes conjuntos de datos que la empresa consideraba necesarios para predecir con precisin la ubicacin del aerogenerador y la potencia. Los ingenieros de Vestas deseaban comenzar a desarrollar sus propias previsiones utilizando datos reales registrados de aerogeneradores de clientes en lugar de modelos preinstalados; segn los planes, el reto era incrementar los requisitos de capacidad de datos a seis petabytes. Gracias al uso de una solucin de big data en unsuperordenador, uno de los ms grandes del mundohasta la fecha, y de una solucin de modelado diseada para aprovechar la informacin de un amplio conjunto de factores, entre los que se incluyen datos estructurados y no estructurados, ahora la empresa puede ayudar a sus clientes a optimizar la ubicacin del aerogenerador y, como resultado de ello, surendimiento. Este nuevo entorno de informacin permite a la empresa gestionar y analizar datos de la ubicacin ydel tiempo de formas que antes no eran posibles afin de obtener conocimientos que puedan llevar auna mejor toma de decisiones sobre la ubicacin delos aerogeneradores y las operaciones, as como previsiones ms exactas de la produccin energtica. Los modelos detallados significan una mayor certeza del caso de negocio, resultados ms rpidos y una capacidad de previsin y una fiabilidad mejoradas, loque disminuye los costes para los clientes por kilovatio/hora producido y aumenta la precisin de losclculos de la rentabilidad de la inversin (ROI) del cliente. Estas tecnologas reducen aproximadamente en un 97% (de semanas a horas) el tiempo de respuesta a las consultas planteadas por los usuariosempresariales y mejoran en gran medida laeficacia dela ubicacin de los aerogeneradores.

Para algunos de los directivos entrevistados los costes asociados a la actualizacin de las infraestructuras constituan otra inquietud. Segn afirmaron, la alta direccin exige un caso de negocio slido y cuantificable, uno que defina las inversiones progresivas junto con las oportunidades para racionalizar y optimizar los costes de sus entornos de gestin de la informacin. Arquitecturas de menor coste, incluido elcloud computing, la externalizacin estratgica y la fijacin de precios basada en el valor, fueron citadas como tcticas que estn siendo desarrolladas en la actualidad. Aun as, otroshan invertido en sus plataformas de informacin sobre la base de la conviccin de que la oportunidad de negocio mereca el incremento de costes asociado.

Las primeras iniciativas de big data se centran enobtener conocimientos de fuentes de datos internas nuevas o ya existentes

La mayor parte de los esfuerzos de big data estn dirigidos aextraer y analizar datos internos. Segn nuestra encuesta, ms de la mitad de los encuestados afirmaron que la fuente principal de big data en sus empresas eran los datos internos. Esto sugiere que las empresas estn siendo pragmticas al adoptar big data y tambin que existe un tremendo valor pordescubrir escondido en esos sistemas internos (vase laimagen 6). Tal y como caba esperar, los datos internos son los datos ms desarrollados y mejor entendidos de las empresas. Estosse han recabado, integrado, estructurado y normalizado a lo largo de aos de planificacin de recursos empresariales, gestin de datos maestros, business intelligence y otras actividades relacionadas. Al aplicar la analtica, los datos internos obtenidos de las transacciones de los clientes, lasinteracciones, los eventos y los correos electrnicos pueden proporcionar conocimientos valiosos (vase el recuadro Automercados Plazas: mayores ingresos a travs de una mejor informacin). No obstante, en muchas empresas el tamao y el alcance de sus datos internos (tales como datos detallados de transacciones y registros operativos) son ahora demasiado grandes o variados como para poder gestionarlos con los sistemas tradicionales. Casi tres de cada cuatro entrevistados con iniciativas debigdata en curso analizan datos procedentes de logs. Setrata dedatos generados por mquinas/sensores quese utilizan para registrar detalles de funciones automatizadas llevadas acabo en el marco de sistemas de informacin oempresariales, datos que han desbordado la capacidad delaque disponen muchos sistemas tradicionales para sualmacenamiento yanlisis. Como resultado de ello, muchos de estos datos serecaban pero no se analizan.

IBM Global Business Services

11

Los directivos entrevistados confirmaron que muchos de los directores de informtica (CIOs) que dirigen las iniciativas de big data de sus empresas estn comenzando con estas fuentes de informacin interna sin explotar utilizando la capacidad de procesamiento adicional que proporciona unainfraestructura ms escalable.
Fuentes de big data
Transacciones Datos de registro

Automercados Plazas: mayores ingresos atravs de una mejor informacin13


Automercados Plazas, una cadena familiar de tiendas de alimentacin de Venezuela, se dio cuenta de que dispona de ms de seis terabytes de informacin sobre productos y clientes almacenada en diferentes sistemas y bases de datos. Como resultado de ello, resultaba difcil valorar las operaciones de cada establecimiento y los directivos saban que stas escondan informacin valiosa. Tenamos un gran lo en lo que respecta los precios,el inventario, las ventas, la distribucin ylacomercializacin, seala Jess Romero, CIO de Automercados Plazas. Tenemos aproximadamente 20 millones de dlares en inventario; rastrebamos lainformacin relacionada con el mismo en diferentes sistemas y la compilbamos manualmente. Necesitbamos una visin integrada para comprenderexactamente lo que tenamos. Al integrar la informacin de toda la empresa, lacadena de tiendas ha visto cmo sus ingresos aumentaban en aproximadamente un 30% y su rentabilidad anual se incrementaba en 7 millones dedlares. El Sr. Romero atribuye estos aumentos auna mejor gestin del inventario y a la capacidad para adaptarse de forma ms rpida a las condiciones cambiantes del mercado. Por ejemplo, la empresa ha evitado prdidas en aproximadamente el 35% de sus productos ahora que pueden programar reducciones de precio para vender productos perecederos antes de que se estropeen.

Big data sources


88% 73% 59% 57% 43% 42% 42% 41% 41% 40%

Eventos

Correos electrnicos

Redes sociales

Sensores

Canales externos Escaneos RFID o datos de TPV Texto sin formato

Geoespacial

Sonido

38% 34%

Big data requiere funcionalidades analticas slidas


No obstante, big data no crea valor hasta que se utiliza parasuperar importantes retos empresariales. Esto requiere un acceso a ms tipos de datos diferentes entre s, as como slidas funcionalidades analticas que incluyen tanto herramientas de software como las habilidades necesarias para utilizarlas.

Imgenes jas/vdeos

Se pregunt a los encuestados con iniciativas de big data en cursoqu fuentes de datos recababan y analizaban en la actualidad. Cadapunto de datos se recopil por separado. El nmero total de encuestados por cada punto de datos oscila entre los 557 y los 867. Imagen 6: Las empresas estn utilizando principalmente fuentes de datos internas para sus iniciativas de big data.

Un anlisis de aquellas empresas inmersas en actividades debig data revela que comienzan con un slido ncleo defuncionalidades analticas diseadas para abordar datos 7% estructurados. A continuacin, aaden capacidades para Respondents were asked which data sources they currently collect and analyze, aprovechar la enorme cantidad de datos que llegan a la based on those respondents whose organizations are already engaged in big data efforts. empresa, tanto datos semiestructurados (datos que se pueden convertir a formatos de datos estndar) y no estructurados (datos en formatos no estndar).

12

Analtica: el uso real de big data

Ms del 75% de los encuestados con iniciativas de big data en curso sealaron que utilizan funcionalidades analticas clave, tales como las consultas, la generacin de informes y la extraccin de datos para analizar big data, en tanto quems del 67% afirma que utiliza modelos predictivos. Comenzar con estas funcionalidades analticas fundamentales es una forma pragmtica de comenzar a interpretar y analizar big data, especialmente cuando estn siendo almacenados enuna base de datos relacional. (Vase la imagen 7). La necesidad de funciones de visualizacin de datos msavanzadas aumenta con la introduccin de big data. Amenudo los conjuntos de datos son demasiado grandes para que las empresas o los analistas de datos puedan visualizarlos y analizarlos con las herramientas tradicionales de generacin de informes y extraccin de datos. En nuestro estudio, los encuestados admitieron que el 71% de las iniciativas de big data en curso dependa de las habilidades devisualizacin de datos. Las empresas inmersas en big data necesitaban funciones cada vez ms avanzadas para descubrir patrones en la inherente complejidad. Para lograrlo, los encuestados aplican modelos de optimizacin y analtica avanzada a fin de comprender mejor cmo transformar los procesos de negocio clave. Utilizan funciones de simulacin para analizar las miles de variables disponibles con big data. Nuestro estudio revel que ms del 50% de las iniciativas de big data en curso utilizan estas funciones de modelacin avanzadas. Hoy en da, la mayor parte de las empresas centran la atencin de sus primeras iniciativas de big data en analizar datos estructurados. Sin embargo, big data tambin genera la necesidad de analizar mltiples tipos de datos, incluida una gran variedad de datos que pueden ser completamente nuevos para muchas organizaciones. En ms de la mitad de las iniciativas de big data en curso los encuestados afirmaron utilizar funcionalidades avanzadas diseadas para analizar texto en su estado natural, como pueden ser las transcripciones de las conversaciones de un centro de atencin telefnica. Esta analtica incluye la capacidad para interpretar ycomprender los matices del lenguaje, tales como lossentimientos, el argot y las intenciones. Disponer de la capacidad para analizar datos no estructurados (por ejemplo, datos de una ubicacin geoespacial, voz y vdeo) o en streaming sigue siendo un reto para la mayora de las empresas. A medida que el hardware y el software de estos mbitos evoluciona, las habilidades siguen siendo escasas. Menos del 25% de los encuestados con iniciativas de big data en curso contaba con las capacidades necesarias para analizar datos no estructurados, tales como voz y vdeo.

Adquirir o desarrollar estas capacidades analticas y tcnicas ms avanzadas necesarias para el avance de big data se estconvirtiendo en un importante reto para muchas empresas con iniciativas de big data en curso. Entre estas organizaciones, la falta de habilidades analticas avanzadas constituye un gran obstculo a la hora de obtener el mximo valor de big data.
Funcionalidades analticas de big data
Consulta y generacin de informes Extraccin de datos

Big data analytic capabilities


91% 77% 71% 67% 65% 56% 52% 43% 35% 26% 25%

Visualizacin de datos Modelado predictivo

Optimizacin

Simulacin Texto de lenguaje natural Analtica geoespacial Analtica de streaming Analtica de vdeo Analtica de voz

Se pregunt a los encuestados con iniciativas de big data en curso qu funcionalidades analticas estaban disponibles en la actualidad ensus empresas. Cada punto de datos se recopil por separado. Elnmero total de encuestados por cada punto de datos oscila entrelos 508 y los 870. Imagen 7: Los encuestados aplican una variedad de analticasavanzadas.

Analytic capabilities currently available within organizations already engaged in big data efforts.

IBM Global Business Services

13

El patrn emergente de la adopcin de big data secentra en generar un valor de negocio que seacuantificable

Para comprender mejor el escenario de big data en la actualidad hemos pedido a los encuestados que describieran el nivel de actividades de big data existente en sus empresas ada de hoy. Los resultados sugieren cuatro fases principales en el proceso de adopcin y evolucin de big data, junto con un continuo que hemos denominado Educar, explorar, interactuar y ejecutar (vase la imagen 8).

Educar: crear una base de conocimiento (24% de

losencuestados) En la fase de educacin la atencin se centra en la concienciacin y el desarrollo del conocimiento. Casi el 25%de los encuestados indic que an no utiliza big data dentro de sus empresas. Si bien algunos siguen teniendo relativamente poca informacin acerca del concepto de big data, las personas entrevistadas sugieren que la mayora de las empresas que se encuentran en esta fase estn estudiando las posibles ventajas de las tecnologas y la analtica de big data eintentando comprender cmo puede ayudarles aabordar importantes oportunidades de negocio en sus propios sectores o mercados. En el seno de estas empresas son principalmente los empleados los encargados de recabar la informacin, a diferencia de los grupos de trabajo formales, ysus conocimientos an no estn siendo utilizados por la empresa. Como resultado de ello, los directivos empresariales an no han comprendido totalmente ni abrazado el potencial de big data.
Fases de la adopcin de big data

Explorar: definir el caso de negocio y la hoja de ruta (47%) En esta fase la atencin se centra en desarrollar la hoja deruta de la empresa para el desarrollo de big data. Prcticamente la mitad de los encuestados reconoci quehaba conversaciones formales en curso dentro de susorganizaciones acerca de cmo utilizar big data para abordar importantes retos empresariales. Los principales objetivos de estas empresas incluyen desarrollar un caso denegocio cuantificable y crear un proyecto de big data. Laestrategia y la hoja de ruta tienen en cuenta los datos, latecnologa y las habilidades existentes y, a continuacin, establecen dnde comenzar y cmo desarrollar un plan en consonancia con la estrategia de negocio de la empresa. Interactuar: adoptar big data (22%)
En la fase de la interactuacin las empresas comienzan acomprobar el valor de negocio de big data, as como allevar a cabo una valoracin de sus tecnologas y habilidades. Ms de una de cada cinco empresas encuestadas est desarrollando en la actualidad POCs para validar los requisitos asociados a la implementacin de iniciativas de bigdata, as como para articular los resultados esperados. Lasempresas que se encuentran en este grupo estn trabajando (dentro de un mbito definido y limitado) para comprender yprobar las tecnologas y habilidades necesarias para aprovechar nuevas fuentes de datos.

Big data adoption pattern

Educar
Centrados en la recopilacin de conocimiento y observaciones del mercado
Porcentaje del total de encuestados

Explorar
Desarrollo de una estrategia y una hoja de ruta sobre la base de las necesidades de negocio y retos empresariales
Porcentaje del total de encuestados

Interactuar
Dirigir iniciativas de big data para validar el valor y los requisitos

Ejecutar
Despliegue de dos o ms iniciativas de big data y continuar aplicando analticas avanzadas

Porcentaje del total de encuestados

Porcentaje del total de encuestados

24%

47%

22%

6%

Pedimos a los encuestados que identicaran el estado actual de sus actividades de big data en el seno de sus empresas. El porcentaje no asciende al 100% debido al redondeo. Total de encuestados = 1.061 Imagen 8: Cuatro fases del patrn emergente de la adopcin de big data.

Respondents were asked to identify the current state of big data activities within their organization.

Total respondents n = 106

Percentage does not equal 100% due to roundin

14

Analtica: el uso real de big data

Ejecutar: implementar big data a escala (6%)

Big datas leadership shift


Respaldo de big data
Educar Explorar Interactuar Ejecutar

En la fase de ejecucin, el nivel de operatividad e implementacin de las funciones analticas y de big data esmayor dentro de la empresa. No obstante, tan solo el 6%de los encuestados confirm que sus empresas haban implementado dos o ms soluciones de big data a escala, elumbral para llegar a esta fase. Este escaso nmero de organizaciones en la fase de ejecucin resulta coherente con las implementaciones que vemos en el mercado. Y, lo que es ms importante, estas empresas lderes estn aprovechando big data para transformar sus negocios, por lo que estn obteniendo el mximo valor de sus activos de informacin. Con la tasa de adopcin de big data aumentado rpidamente (tal y como demuestra el 22% de los encuestados en la fase de interactuacin, ya sea con POCs o con proyectos piloto en curso), esperamos que el porcentaje de empresas en esta fase se duplique a lo largo del prximo ao.

No directivo

Alto ejecutivo de funcin especfica

CIO

CEO

Grupo de directivos

Respondents were asked who is most closely associated with the mandate for the use of big data and analytics insights. Box placement reects the degree to which an executive is dominate in each stage.

Ms cambios por fase a medida que las funciones de big data evolucionan

Adems de las cuatro conclusiones clave del estudio, nuestroanlisis revel otros patrones relacionados con las distintas fases y que tenan que ver con el respaldo ejecutivo, los requisitos de disponibilidad de datos y los principales obstculos. Estos patrones muestran la sucesin de pasos interconectados que las empresas estn dando para desarrollar sus infraestructuras de big data y sus funcionalidades analticas. Respaldo de big data Un anlisis en profundidad de la adopcin de big data muestra un patrn interesante de cambio en el respaldo (vase la imagen 9). En toda nuestra muestra, los encuestados afirmaron que ms de un tercio de las iniciativas de big data estaban impulsadas por el director de sistemas (CIO). Noobstante, la mayor parte de las iniciativas impulsadas porCIOs se encuentran en las primeras fases de adopcin, cuando la empresa comienza a invertir en tecnologa y a identificar oportunidades y requisitos de negocio. A medida que las empresas avanzan hacia las ltimas fases, elrespaldo lo proporciona un director de negocio, ya sea un directivo de funcin especfica como un director de marketing (CMO) o el director financiero (CFO) o incluso el director general (CEO). En concreto, este modelo de respaldo con un nico centro de atencin por parte de un directivo empresarial se considera fundamental para el xito de big data.

Preguntamos a los encuestados quin est ms relacionado con Total respondents n = 1028 elmandato relativo al uso de big data y los conocimientos analticos. Laubicacin de los recuadros reeja el grado de dominio de cada directivo en cada fase. Total de encuestados = 1.028

Imagen 9: Los cambios de liderazgo resultan evidentes a medida que avanzan las iniciativas de big data dentro de una empresa.

Este patrn sugiere que es posible que las empresas secentren inicialmente en la tecnologa y expandan paulatinamente sus infraestructuras de big data, pero amedida que comienzan a desarrollar sus propios casos denegocio y hojas de ruta, el respaldo se traslada a uno oms directivos empresariales. Incluso as, el CIO y el departamento de TI debe seguir desempeando un papel importante en la ejecucin de la hoja de ruta acordada. Disponibilidad de datos Tal y como muestra la imagen 10, vemos cmo los requisitos de disponibilidad de datos cambian drsticamente a medida que las empresas avanzan en sus iniciativas de big data. Unanlisis de las respuestas revel que, independientemente en la fase de la adopcin en la que se encuentren, las empresas se enfrentan a la exigencia cada vez ms acuciante de reducir la latencia desde la captura de datos a la accin. Tal y como parece, los directivos aprecian cada vez ms el valor de unos datos oportunos a la hora de tomar decisiones de negocio cotidianas y decisiones estratgicas. Los datos ya no son algo que sustenta una decisin, sino que se han convertido en un componente fundamental a la hora de tomar dicha decisin.

IBM Global Business Services

15

Creemos que las exigencias de un acceso en tiempo an msreal continuarn aumentando a medida que los modelos de negocio evolucionan y las empresas invierten en las tecnologas necesarias para el streaming de datos, la analtica en memoria, el procesamiento mquina a mquina y otros avances innovadores. Obstculos a big data Los desafos que obstaculizan la adopcin de big data difieren a medida que las empresas avanzan a lo largo de cadauna de las fases de adopcin de big data. Sin embargo, nuestras conclusiones muestran un reto sistemtico, independientemente de la fase, que es la capacidad para articular un caso de negocio convincente (vase la imagen 11). En cualquiera de las fases, las iniciativas de big data se someten a un escrutinio fiscal. El actual entorno econmico global ha dejado a las empresas con un escaso apetito por nuevas inversiones en tecnologa sin beneficios cuantificables, un requisito que, por supuesto, no es exclusivo de las iniciativas de big data. Despus de implementar de forma satisfactoria los POCs, el principal desafo al que se enfrentan las empresas es encontrar las habilidades necesarias para que big data resulte operativo, incluidas las habilidades tcnicas, analticasy de gobierno.
Required data availability

Primary obstacles
Principales obstculos
Educar Explorar Interactuar Ejecutar

Articular un caso de negocio atractivo Comprender cmo utilizar big data Atencin en la gestin y soporte

Calidad de datos

Habilidades analticas

Habilidades tcnicas

and aggregated. Box placement reflects theclasicaran degree to which thatprincipales challenge is prevalent each stage. Pedimos a los encuestados que los retos in de bigdata en el seno de sus empresas. La ubicacin de los recuadros respondents n = 1062 reeja el predominio de dicho reto en cada fase. Las Total respuestas seponderaron y agruparon. Total de encuestados = 1.062

Respondents were asked to rank the top objectives for big data within their organization. Responses were weighted

Imagen 11: Comprender los obstculos clave para la adopcin de big data.

Recomendaciones: fomentar la adopcin de big data


Educar
En una semana

Recomendaciones: Fomentar laadopcin de big data

Explorar

Interactuar

Ejecutar

En 24 horas

El mismo da laborable

El anlisis realizado por IBM de las conclusiones del estudio Big Data @ Work Study proporcion nuevos conocimientos acerca de cmo las empresas promueven susiniciativas debig data en cada fase. Impulsadas por la necesidad de superar los retos empresariales, y a la vista de las tecnologas en desarrollo y de la naturaleza cambiante de los datos, lasempresas estn comenzado a estudiar msde cerca las posibles ventajas de big data. Para obtener ms valor de bigdata ofrecemos un amplio abanico de recomendaciones a las empresas a medida que avanzan enla implementacin de big data.

Como flujo en tiempo real


Respondents were asked how quickly business users require data to be available for analysis or within processes. Box placement reects the prevalence of that requirement within a stage.

Dedicar los esfuerzos iniciales a resultados centrados en el cliente

Preguntamos a los encuestados con qu rapidez tenan que estar Total respondents disponibles los datos para los usuarios o procesos de negocio. Laubicacin de los recuadros reeja el predominio de dicho requisitoen una fase. Total de encuestados = 973 Imagen 10: Asumir el reto de los datos en tiempo real.

n = 973

Es fundamental que las empresas centren sus iniciativas debig data en mbitos que puedan proporcionar el mximo valor para el negocio. Para muchos sectores, esto significar comenzar con una analtica de clientes que permita prestar un mejor servicio a los mismos como resultado de comprender verdaderamente sus necesidades y ser capaces de anticiparse a sus comportamientos futuros.

16

Analtica: el uso real de big data

La digitalizacin masiva, una de las fuerzas que ayud a difundir el concepto de big data, tambin ha cambiado el equilibrio de poder entre el individuo y la institucin. Si las empresas han de comprender y proporcionar valor a clientes y ciudadanos capacitados, debern centrarse en conocer a sus clientes como individuos. Tambin tendrn que invertir en nuevas tecnologas y analtica avanzada para poder entender mejor las interacciones y preferencias de cada uno de ellos. Sin embargo, los clientes de hoy en da, usuarios finales oclientes B2B, desean algo ms que la simple comprensin. En este sentido, para cultivar realmente una relacin de valor con sus clientes las empresas deben poder conectar con ellos de formas que sus clientes perciban como valiosas. El valor puede llegar de la mano de interacciones ms oportunas, informadas o pertinentes; tambin puede surgir a medida que las empresas mejoran sus operaciones subyacentes de forma que sean capaces de mejorar tambin la experiencia global de dichas interacciones. En cualquier caso, la analtica alimenta unos conocimientos obtenidos de big data que resultan cada vez ms fundamentales para crear esenivel de intensidad que necesitan dichas relaciones.

Comenzar con los datos existentes para lograr resultados a corto plazo

Para poder lograr resultados a corto plazo, al mismo tiempo que se crea el impulso y la experiencia para respaldar el programa de big data, resulta fundamental que las empresas adopten un enfoque pragmtico. Tal y como confirmaron losencuestados, el lugar ms lgico y rentable para comenzar abuscar estos nuevos conocimientos es dentro de la empresa. Buscar primero internamente permite a las empresas mejorar sus datos, software y habilidades existentes y ofrecer un valor de negocio a corto plazo, as como obtener una experiencia importante para cuando ms adelante se planteen ampliar suscapacidades para abordar fuentes y tipos de datos ms complejos. La mayor parte de las organizaciones desean hacer esto para aprovechar la informacin almacenada enrepositorios existentes, a la vez que amplan su(s) data warehouse(s) para poder gestionar volmenes y variedades dedatos ms grandes.

Desarrollar funcionalidades analticas sobre labase de prioridades de negocio

Desarrollar un proyecto de big data para toda laempresa

Un proyecto abarca la visin, la estrategia y los requisitos debig data dentro de una empresa y resulta fundamental para armonizar las necesidades de los usuarios de negocio con la hoja de ruta de la implementacin de TI. Crea una comprensin comn de cmo la empresa pretende utilizar big data para mejorar sus objetivos de negocio. Un proyecto efectivo define el alcance de big data dentro dela empresa al identificar los retos empresariales clave alosque se aplicar, los requisitos de proceso de negocio quedefinen cmo se utilizarn esos datos masivos y la arquitectura que incluye los datos, las herramientas y el hardware necesarios para lograrlo. Se trata de la base para elaborar una hoja de ruta que gue a la empresa a travs deun enfoque pragmtico para desarrollar e implementar sussoluciones de big data de forma que cree un valor de negociosostenible.

En todo el mundo las organizaciones han de hacer frente auna creciente variedad de herramientas analticas, al mismo tiempo que han de sobrellevar una escasez de habilidades analticas. La eficacia de big data depende de abordar esta importante laguna. En pocas palabras, las empresas tendrn que invertir en adquirir tanto herramientas como habilidades. Como parte de este proceso se espera que surjan nuevos roles y modelos de trayectorias profesionales para individuos con el equilibrio necesario de habilidades analticas, funcionales y de TI. Centrar la atencin en el desarrollo profesional y el avance de la trayectoria de los analistas internos, que ya estn familiarizados con los retos y procesos de negocio nicos dela empresa, debera ser una prioridad para los directivos empresariales. Al mismo tiempo las universidades y los propios individuos, independientemente de su formacin oespecialidad, tienen la obligacin de desarrollar slidas habilidades analticas.

Crear un caso de negocio sobre la base deresultados cuantificables

Desarrollar una estrategia de big data exhaustiva y viable, ascomo la posterior hoja de ruta requiere un caso de negocio slido y cuantificable. Por lo tanto, es importante contar conla implicacin y el respaldo de uno o ms directivos empresariales a lo largo de todo el proceso. Igual de importante para lograr el xito a largo plazo es una colaboracin empresarial y de TI continua y slida.

IBM Global Business Services

17

Muchas empresas basan sus casos de negocio en las siguientes ventajas que se pueden derivar de big data: Decisiones ms inteligentes Aprovechar nuevas fuentes dedatos para mejorar la calidad de la toma de decisiones. Decisiones ms rpidas Permitir una captura y anlisis dedatos en tiempo ms real para respaldar la toma de decisiones en el punto de impacto, por ejemplo cuando un cliente est navegando por su sitio web o al telfono con un representante del servicio de atencin al cliente. Decisiones que marquen la diferencia Centrar las iniciativasde big data en mbitos que proporcionen unaverdadera diferenciacin. Un principio importante que subyace a cada una de estas recomendaciones es que los profesionales del negocio y de TI deben trabajar codo con codo a lo largo del camino hacia big data. Las soluciones de big data ms eficaces identifican primero los requisitos de negocio y, a continuacin, adaptanla infraestructura, las fuentes de datos y el anlisis cuantitativo a fin de respaldar la oportunidad de negocio.

Explorar para interactuar: convertir los planes en accin

Verifique que existe un respaldo activo por parte de un lder empresarial a medida que desarrolla su estrategia yhoja de ruta de big data. Desarrolle el caso de negocio para una o dos oportunidades de negocio o retos empresariales clave que prevea abordar a travs de POCs o proyectos piloto. Al mismo tiempo que planifica los requisitos a ms largo plazo, verifique que su base de gestin de la informacin ysu infraestructura de TI son capaces de respaldar las tecnologas y funcionalidades de big data necesarias para elPOC o el proyecto piloto. Evale sus actuales procesos de gobierno de la informacin y su disponibilidad para abordar los nuevos aspectos de bigdata. Analice los actuales conjuntos de habilidades de los recursos internos y ponga en marcha un anlisis de carencias en aquellos puntos en los que necesita desarrollar y/o contratar habilidades adicionales.

Interactuar para ejecutar: comprender las oportunidades y los retos que nos aguardan
Promueva activamente los xitos de los proyectos piloto para mantener el impulso al mismo tiempo que comienza ainteractuar con otras partes del negocio. Concrete el caso de negocio con la validacin y la cuantificacin de la ROI y las ventajas previstas, incluidoslos criterios y los parmetros de xito definidos. Identifique las modificaciones y las mejoras que podran realizarse en el proceso de negocio ahora que tiene acceso a una informacin mejor y ms oportuna (por ejemplo, marketing, ventas, atencin al cliente y sitios de redessociales). Desarrolle un plan de competencias para confirmar la disponibilidad de las habilidades tcnicas y cuantitativas adecuadas y necesarias para lograr objetivos tanto a corto como a largo plazo. Documente el plan de proyecto detallado para migrar proyectos piloto a produccin. Este plan debera incluir la confirmacin del valor de negocio, los costes, los recursos y los calendarios de proyecto esperados.

Recomendaciones adicionales por fase: comiencedonde se encuentra

Determinadas actividades son caractersticas de cada una delas fases del ciclo de adopcin de big data. Las siguientes recomendaciones por fase ofrecen un enfoque probado yprctico para pasar de una fase a la siguiente.

Educar para explorar: crear una base para la accin

Contine ampliando sus conocimientos centrndose en aquellos casos de uso donde big data proporciona una ventaja competitiva a las empresas, tanto dentro como fuera de su sector. Trabaje con diferentes unidades de negocio y departamentos empresariales para identificar las oportunidades de negocio y retos empresariales ms cruciales que se pueden abordar con un acceso mejor y ms oportuno a la informacin. Muchas empresas comienzan con datos y analtica de clientes para respaldar su agenda de transformacin defront-office. Cntrese en fortalecer su entorno e infraestructura degestin de la informacin, incluido el desarrollo deunproyecto de big data. A menudo estos proyectos estnbasados en estndares del sector, arquitecturas de referencia y otros marcos y recursos tcnicos disponibles.

18

Analtica: el uso real de big data

Fase ejecutiva: aceptar la innovacin de big data

Documente los resultados cuantificables de los primeros xitos para reforzar futuras iniciativas. Ponga en marcha comunicaciones formales sobre big data en toda la empresa a fin de continuar aumentando el respaldo y el impulso. Cntrese en ampliar las tecnologas y habilidades necesarias para abordar nuevos retos de big data en todas las unidades de negocio, funciones y ubicaciones geogrficas. Mantngase alerta sobre el gobierno de la informacin (incluida la gestin del ciclo de vida de la informacin), laprivacidad y la seguridad. Contine evaluando las herramientas y tecnologas debigdata de rpido desarrollo. Mantenga el equilibrio delaactual infraestructura con tecnologas ms recientes que aumentan la escalabilidad, optimizacin y resistencia.

Si quiere ms informacin sobre este estudio del IBM Institute for Business Value, escriba a iibv@us.ibm.com. Si quiere ver un catlogo completo de nuestras investigaciones, visite ibm.com/iibv. Suscrbase a IdeaWatch, nuestro boletn electrnico mensual que incluye los ltimos informes ejecutivos basados en la investigacin del IBM Institute for Business Value: ibm.com/gbs/ideawatch/subscribe. Puede acceder a los informes ejecutivos del IBM Institute forBusiness Value desde su tablet descargando la aplicacin gratuita IBM IBV para iPad o Android. Para obtener ms informacin acerca de la Escuela deNegocios Sad en la Universidad de Oxford, visite www.sbs.ox.ac.uk.

Comience la evolucin de su big data

Para competir en una economa integrada a escala global esevidente que las empresas de hoy en da necesitan una comprensin exhaustiva de los mercados, los clientes, los productos, las normativas, los competidores, los proveedores, los empleados y mucho ms. Esta comprensin exige un uso eficaz de informacin y analticas. De hecho, junto de sus empleados, muchas empresas consideran que la informacin es su activo ms valioso y diferenciador. Ahora, con el surgimiento y la creciente adopcin de big data las empresas de todo el mundo estn descubriendo formas completamente nuevas de competir y ganar. Se encuentran en proceso de transformacin para aprovechar el amplio abanico de informacin disponible a fin de mejorar la toma de decisiones y el rendimiento en toda la empresa. Un grupo relativamente pequeo de empresas pioneras ya lo est logrando al proporcionar a sus empleados, desde los altos cargos, pasando por el marketing hasta los trabajadores demenor rango, la informacin, las habilidades y las herramientas necesarias para tomar decisiones mejores y ms oportunas en el punto de impacto. No todas las organizaciones necesitarn gestionar todo elespectro de funcionalidades de big data. Sin embargo, entodos los sectores existe en cierta medida la posibilidad deutilizar nuevos datos, tecnologas y analticas. Las empresas generan valor al analizar el volumen, la velocidad y la variedad de datos nuevos y ya existentes y al aplicar las habilidades ylas herramientas adecuadas para comprender mejor sus operaciones, clientes y el mercado en su conjunto. Independientemente de cul sea su punto de partida, lasempresas de todo el mundo continuarn ampliando el uso de big data para obtener valor de negocio y ventajas competitivas en la actual economa globalmente integrada.

Publicaciones relacionadas

Kiron, David, Rebecca Shockley, Nina Kruschwitz, GlennFinch y Dr. Michael Haydock, Analytics: The widening divide: How companies are achieving competitive advantage through analytics IBM Institute for Business Valueen colaboracin con MIT Sloan Management Review. Octubre de 2011. http://www-935.ibm.com/services/us/gbs/ thoughtleadership/ibv-analytics-widening-divide.html 2011 Massachusetts Institute for Technology. LaValle, Steve, Michael Hopkins, Eric Lesser, Rebecca Shockley y Nina Kruschwitz. Analytics: The new path to value: How the smartest organizations are embedding analytics totransform insights into action. IBM IInstitute for Business Value en colaboracin con MIT Sloan Management Review. Octubre de 2010. http://www-935.ibm.com/services/us/gbs/ thoughtleadership/ibv-embedding-analytics.html 2010Massachusetts Institute for Technology. Teerlink, Dr. Marc y Dr. Michael Haycock. Customer analytics pay off: Driving top-line growth by bringing science tothe art of marketing. IBM Institute for Business Value. Septiembre de 2011. http://www-935.ibm.com/services/us/gbs/ thoughtleadership/ibv-customer-analytics.html

IBM Global Business Services

19

Autores

Michael Schroeck es socio y vicepresidente de IBM Global Business Services, donde ha prestado sus servicios como responsable global de Information Management Foundation para la empresa. Michael es tambin un ingeniero distinguido de IBM con el que puede ponerse en contacto en la direccin mike.schroeck@us.ibm.com. Rebecca Shockley es la responsable de investigacin global de Business Analytics y Optimisation para el IBM Institute for Business Value, donde lleva a cabo investigaciones basadas en hechos sobre analtica de negocio con el objetivo de desarrollar liderazgo experto para altos ejecutivos. Su correo electrnico de contacto es rshock@us.ibm.com. La Dra. Janet Smart es miembro y codirectora del grupo deinvestigacin Complex Agent-Based Dynamic Networks en la Escuela de Negocios Sad y combina experiencia en sistemas complejos, ingeniera de sistemas, big data y gestin de proyectos. La Dra. Smart tambin colabora en el proyecto ATLAS del CERN en el mbito de la gestin de proyectos e ingeniera de sistemas en proyectos Big Science. Es profesora de ingeniera de sistemas en el mster en Gestin de Programas y en el programa Major Projects Leadership Academy del Reino Unido. Puede ponerse en contacto conella en la direccin Janet.Smart@sbs.ox.ac.uk. Dolores Romero-Morales es profesora de investigacin deoperaciones en la Escuela de Negocios Sad. Imparte laasignatura principal sobre analtica de datos y decisiones enlos programas de MBA y EMBA y ha publicado docenas de artculos de investigacin en publicaciones lderes en los mbitos de la optimizacin de la cadena de suministro, laextraccin de datos y la gestin de ingresos. Tambin hatrabajado en estos temas con profesionales de toda una serie de sectores. Puede ponerse en contacto con ella en ladireccin Dolores.Romero-Morales@sbs.ox.ac.uk. El profesor Peter Tufano es el decano Peter Moores en la Escuela de Negocios Sad. La investigacin llevada a cabo por el Sr. Tufano se centra en la innovacin, especialmente en cmo las innovaciones pueden mejorar la prestacin de servicios financieros a las familias. Antes de llegar a Oxford elprofesor Tufano trabaj durante 33 aos en Harvard yfund la D2DFund (www.d2dfund.org). Puede ponerse encontacto con l a travs de su oficina en la direccin: claire.eggleton@sbs.ox.ac.uk.

Colaboradores

Fred Balboni, Director global, Optimizacin y analtica denegocio, IBM Global Business Services Dr. Stephen Buckley, Director de investigacin aplicada, BAO, IBM Research Wendy Olivier, Directora de programa de Information Management Foundation, IBM Global Business Services Katharyn White, Vicepresidenta de Marketing, IBM Global Business Services Los autores tambin desean agradecer a los siguientes compaeros de IBM y de la Universidad de Oxford su ayuda a la hora de elaborar este informe ejecutivo: Dr. John Bell, Min Chen, Michael Coleman, Richard Cuthbertson, Tom Deutsch, Angela Finley, Mark Graham, Larry Gosselin, Tina Groves, Bambi Grundwerg, Pamela Hartigan, Bernie Hogan, Matin Jouzdani, Jim Kocis, Eric Lesser, Monica Logan, Eduardo Lopez, Dr. Robin Lougee, Piyush Malik, Helen Margetts, Joni McDonald, Brian Morris, Richard Perret, Nancy Puccinelli, Tarun Ramadorai, Dean Ranalli, Eric Sall, Ralph Schroeder, Stephanie Schneider, Ronald Shelby, Neil Shephard, James Taylor, Owen Tebbutt y Andy Twigg.

Referencias
1

10

LaValle, Steve, Michael Hopkins, Eric Lesser, Rebecca Shockley y Nina Kruschwitz. Analytics: The new path to value: How the smartest organizations are embedding analytics to transform insights into action. IBM Institute for Business Value en colaboracin con MIT Sloan Management Review. Octubre de 2010. http://www-935.ibm.com/ services/us/gbs/thoughtleadership/ibv-embedding-analytics.html 2010 Massachusetts Institute for Technology. 2012 IBM Global Technology Outlook. IBM Research. marzo de 2012. http://www.research.ibm.com/files/pdfs/gto_booklet_executive_ review_march_12.pdf From Stretched to Strengthened: Insights from the IBM Chief Marketing Officer Study. IBM Institute for Business Value. Mayo de2011. www.ibm.com/cmostudy; Leading Through Connections: Insights from the IBM Chief Executive Officer Study. IBM Institute forBusiness Value. Mayo de 2011. www.ibm.com/ceostudy Woody, Todd. Automakers, Tech Companies Mining Electric Car Big Data to Plot Industrys Future. Forbes. 18 de junio de 2012. http://www.forbes.com/sites/toddwoody/2012/06/18/automakerstech-companies-mining-electric-car-big-data-to-plotindustrys-future/

Comunicado de prensa de IBM. Using IBM Analytics, Santam Saves $2.4 Million in Fraudulent Claims. 9 de mayo de 2012. http://www-03.ibm.com/press/us/en/pressrelease/37653.wss Kiron, David, Rebecca Shockley, Nina Kruschwitz, Glenn Finch y Dr. Michael Haydock, Analytics: The widening divide: How companies are achieving competitive advantage through analytics IBMInstitute for Business Value en colaboracin con MIT Sloan Management Review. Octubre de 2010. http://www-935.ibm.com/services/us/ gbs/thoughtleadership/ibv-analytics-widening-divide.html 2011Massachusetts Institute for Technology.

11

12

Pittman, David. Lords of the Data Storm: Vestas and IBM Win Big Data Award. The Big Data Hub: Understanding big data for the enterprise. 28 de septiembre de 2012. http://www.ibmbigdatahub. com/blog/lords-data-storm-vestas-and-ibm-win-big-data-award Caso prctico de IBM: Automercados Plazas increases revenue by 30percent with greater insight into operations. 15 de julio de 2011. http://www-01.ibm.com/software/success/cssdb.nsf/CS/JHUN-8JP JSK?OpenDocument&Site=default&cty=en_us

13

5 6 7

Ibd. Ibd. Ibd. Caso prctico de IBM. McLEOD RUSSEL INDIA LIMITED: Eliminating downtime in the tea trade with IBM Informix. 9 de septiembre de 2011. http://www-01.ibm.com/software/success/ cssdb.nsf/CS/JHUN-8LFLWH?OpenDocument&Site=dmmain&c ty=en_us Caso prctico de IBM. Premier Healthcare Alliance. 30 de abril de 2012. http://www-01.ibm.com/software/success/cssdb.nsf/CS/ JHUD-8TS39R?OpenDocument&Site=wp&cty=en_us

IBM Espaa Santa Hortensia, 26-28 28002 Madrid Espaa IBM, el logotipo de IBM e ibm.com son marcas comerciales deInternational Business Machines Corp. registradas en diversas jurisdicciones de todo el mundo. Otros nombres de productos y servicios pueden ser marcas comerciales de IBM o de otras empresas. Encontrar una lista actual de las marcas comerciales de IBM bajo el ttulo Copyright and trademark information en www.ibm.com/legal/copytrade.shtml. Este documento est actualizado en la fecha inicial de publicacin ypuede ser modificado por IBM en cualquier momento. No todas lasofertas estn disponibles en todos los pases en los que IBM opera. Los ejemplos de clientes citados slo se presentan a efectos ilustrativos. Los resultados reales pueden variar segn la configuracin especfica ylas condiciones de funcionamiento. Es responsabilidad del usuario evaluar y verificar el funcionamiento de cualquier otro producto oprograma con los productos y programas IBM. LA INFORMACIN CONTENIDA EN ESTE DOCUMENTO SE PROPORCIONA TAL CUAL, SIN NINGUNA GARANTA EXPLCITA NI IMPLCITA, INCLUYENDO, SIN LIMITARSE A ELLAS, LASGARANTAS DE COMERCIALIZACIN, ADAPTACIN AFINES CONCRETOS Y CUALQUIER GARANTA O SITUACIN DE NO INCUMPLIMIENTO NORMATIVO. Losproductos IBM tienen la garanta que les otorgan las condiciones delos contratos en virtud de los cuales se suministran. Las ofertas de IBM Global Financing se realizan a travs de IBM Credit LLC en Estados Unidos y de otras filiales y divisiones deIBM en todoelmundo a clientes gubernamentales y comerciales cualificados. Lascondiciones y la disponibilidad se basan en la solvencia crediticia delcliente, las condiciones financieras, el tipo de oferta y los tipos yopciones de equipos y productos, y pueden variar segn el pas. Laspartidas de elementos distintos al hardware son cargos nicos y no repetibles, y se financian con prstamos. Es posible que tambin seapliquen otras restricciones. Las condiciones y ofertas de financiacin estn sujetas a cambio, ampliacin o retirada sin previo aviso, y es posible que no existan en todos los pases. Copyright IBM Corporation 2012 Reciclar por favor GBE03519-ESES-00