1. Analytics
Transforme el futuro con su información
17 de febrero de 2016

2. Página 2
El entorno de negocios se ha transformado como
resultado de las tecnologías emergentes
2015*
~2000
19%
Datos
generados por
máquina
(Ej. Ubicación)
19%
Datos
públicos y de
terceros
25%
Apps móviles
28%
Ventas y
facturación
29%
Redes sociales
44%
Uso de sitios
web
50%
Sistemas de
gestión de
relación con
la clientela
(CRM)
50%
Sistemas de
soporte
(ERP)
Datos
públicos y de
terceros
Sistemas core
de ventas y
facturación
Sistemas de
gestión de
relación con
clientes
(CRM)
Sistemas de
soporte
(ERP)
* Encuesta a 280 ejecutivos senior en relación a Analytics & Data Strategy. Estudio de EY y Nimbus Ninety en 2015.

3. Página 3
¿Qué significa?
► Cambios en las posibilidades y
alternativas comerciales
► Cambios en las economías de
escala
► Cambios en la diferenciación y
ventaja competitiva
Crecimiento explosivo de
información digital
Costo decreciente de procesamiento
y almacenamiento
Democratización de herramientas
Las compañías estan optando por iniciativas de Analytics
para capitalizar las oportunidades
► Analytics está transformando la operación de los negocios (“dónde” y “cómo” se
crea valor).
► Es un asunto de Estrategia, Operaciones y Cultura, NO solo de Tecnología.
Tendencias

4. Página 4
Leer el medidor
cada trimestre
Servicios
públicos
Leer el medidor
cada 5 min.
Analizar flujo de
uso por día
Mercado
masivo
Retail
Datos de
clientes
transversal a los
canales
Ofertas
personalizadas
Precio por nivel
de riesgo
Seguros
deautos
Datos de
sensores en
el auto
Analizar
patrones de
manejo
Precio dinámico
/ aplicación de
incentivos
Aprender y
responder
Precio a nivel
de riesgo
individual
AhoraAntes
Algunos ejemplos de cambios en las operaciones de
negocio a partir de Analytics

5. Página 5
Hoy, es posible responder preguntas de negocio que
antes representaban un gran desafío
Gestión de Riesgos
Mejora del Desempeño
¿Qué tan expuesto
estoy al fraude
interno?
¿Mis deudores
incobrables
realmente lo son?
¿Cómo puedo
medir mejor el
perfil de riesgo de
mis clientes y
proveedores?
¿Qué clientes
tienen mayor
probabilidad de
irse?
¿Existe un patrón
de retención?
¿Los empleados
han adulterado los
archivos de
transferencias de
fondos?
¿Estoy
aprovechando a mis
proveedores
contratados?
¿Mis líneas de
ingresos tienen
fugas debido a
falencias en
tecnología y
procesos?
¿Cómo puedo
identificar el fraude
organizado de “alto
volumen y bajo
valor”?
¿Cómo transformo
mi negocio basado
en volumen a un
modelo enfocado en
el margen?
¿Qué clientes
están generando
pérdidas?
¿Qué clientes
tienen mayor
probabilidad de
interesarse en más
productos?
¿Qué tan productivos
son mis empleados?
¿Existen patrones
para up-selling o
cross-selling de
mis productos?
¿Cómo puedo
movilizar a los
clientes al auto-
servicio?
¿Estoy
pagando muy
pronto?
¿Cómo puedo reducir el
riesgo de
transformación de
datos?
¿Se están
aprovechando las
horas extra?
¿Qué consume
el tiempo de mis
call-centers?
¿Qué segmentos
de clientes genera
mayor valor?
¿Cuál es la
siguiente
mejor oferta?
¿Cómo puedo
posicionarme de
la mente de mis
clientes?
¿Qué motiva la
deserción?
¿Dónde trazo la
línea de
morosidad?

6. Página 6
¿Cuáles son los motivos* que impulsan a las compañías
a iniciativas de Analytics?
73%
72%
47%
41%
40%
35%
35%
34%
29%
20%
Para entender mejor a los clientes
Para mejorar los productos y servicios
Para mejorar la gestión de la data existente
Para crear nuevos flujos de ingresos
Es necesario para nuestro modelo de negocios
Para monetizar la data existente
Para lograr eficiencias internas
Para encontrar y explotar nuevas fuentes de datos
Para mejorar la gestión del gobierno, riesgos y controles
Para mejorar la detección y prevención de fraudes
* Encuesta a 280 ejecutivos senior en relación a Analytics & Data Strategy. Estudio de EY y Nimbus Ninety en 2015.

7. Página 7
Analytics habilita la innovación disruptiva

8. Página 8
Importe
(en miles USD)
# Clientes
(en miles)
USD10,000
USD20,000
USD30,000
USD 18k
USD 25k
USD 25k
90
100
400
USD 20k
USD 15k USD 18k
USD 16k
USD 0.8k
USD 0.1k
Facturación (en miles USD)
10
50
20
70
50
40 40
30
2
-
10
20
30
40
50
60
70
80
USD 0
USD 500
USD 1,000
USD 1,500
USD 2,000
USD 2,500
Camioneros
(A)
Auto con sistema
dual
(B)
Transporte público
(C)
Oficinista
(D)
Provincianos
(E)
Ejecutivos(F) Taxistas
(G)
Solo Tienda (H) Fiesteros (I)
Margen en EESS (en miles USD) Margen en Tienda (en miles USD) Número de clientes (en miles)
Caso de estudio: Customer Analytics
Ventas y Margen por segmento (Conductual)
1
Incremento de base de
clientes corporativos
Nuevo nicho de
mercado
2
Re-evaluación de público
objetivo de campañas
3

9. Página 9
Cantidad de clientes
fugados
Caso de estudio: Customer Analytics
Fuga de clientes por segmento (Churn)
Segmentos
con mayor
valor perdido

10. Página 10
Caso de estudio: Customer Analytics
Del insight a la innovación
Segmento: Camioneros
Segmento: Taxistas
Insight:
Requieren gestionar
mantenimientos de flota e
integración con control de
costos
Insight:
+12 horas manejando al día
produce inconvenientes
crónicos de salud
Servicio de gestión y control de flota on-line
► Registro de vehículos y datos de operación (galonaje, kms, etc.)
► Registro de centros de costo (Unidades de negocio)
► Adquisición de combustible para flota
Programa de salud con
servicios ad-hoc
► Coberturas de salud para el
taxista y su familia
► Servicios médicos específicos
► Gastroenterólogo
► Cardiología
► Urología
► Ginecología

11. Página 11
Estrategias de Analytics en el ámbito comercial
Desarrollar Analytics que
serán consumidas para la
acción
Integración de datos
entre múltiples
sistemas para la
generación de
insights
Desarrollo de capacidad
interna para constante
desarrollo de insights
Genere insights todo el tiempo,
incluso mientras “duerme”
Traducir insights en
acciones disruptivas
TRANSFORMANDO
LOS RESULTADOS
COMERCIALES CON
ANALYTICS

12. SAP Predictive Analytics

13. Página 13
Prácticas líderes identificadas* para propiciar ROI de
inversiones en Analytics
1 Analytics debe ser parte de la agenda Gerencial
2 Diseño organizacional. Estructura y Liderazgo para Analytics
3 Perseverar hasta la “última milla”
4 Entender las diferentes variables del terreno de “juego”
5 Optimización con foco. Mejores preguntas, mejores respuestas
6 Evolución de los modelos
7 Gestión del talento especializado
8 Apostar por la experimentación
9 Datos: De “centro de costo” a “activo estratégico”
* Encuesta a 280 ejecutivos senior en relación a Analytics & Data Strategy. Estudio de EY y Nimbus Ninety en 2015.

14. Página 14
¿Como puede ayudarlo EY en su próxima iniciativa de
Analytics?
Estrategia EY para habilitar la
capacidad de Analytics en las
compañías
• Orientado por sector
Guiado por conocimiento especializado y
soluciones personalizadas
• Orientado a resolución de problemas
Empezar con los problemas y las decisiones que
realmente importan
• Habilitado por tecnología SAP
SAP Predictive Analytics
• Equipo local de “Cientificos de Datos”
en coordinación con equipo global
Trabajo integrado con nuestra red de
profesionales a nivel mundial
• Elemento humano
Foco en el consumo interno de Analytics, clave y
necesario para lograr moverse del insight a la
innovación
Equipo local
y global
Tecnología
(SAP PA)
Orientado a
resolver
problemas
Estrategia EY
Orientado por sector
Elemento
Humano