Este documento describe cómo las metodologías de diseño de pensamiento y ágil pueden ayudar a transformar una SOFOM. Se discuten los desafíos comunes como lanzar productos que no se venden a pesar de las horas de desarrollo, y no cumplir con los planes de tiempo, costo y alcance. Se explican brevemente los principios del diseño de pensamiento y ágil, como centrarse en el cliente, iteraciones rápidas y retroalimentación continua. El documento sugiere que combinar estas metodologías puede ayudar a maxim

1. Powered
by
Design thinking y agile para la transformación
de tu SOFOM
Junio 2021
1

2. 2
Miles de horas en
diseño, desarrollo y
estudios de mercado y
el producto no se
vende

3. 3
Nunca hemos
podido acabar un
proyecto a tiempo,
al costo y con el
alcance planeado

4. Información propiedad de Business Data Scientists, SAPI de CV.
Su divulgación puede estar penada en términos de la ley de propiedad industrial
4
¿Cómo maximizar el valor para el cliente de una
solución/producto y hacerlo antes que la
competencia?
¿Cómo minimizar el time to market y los costos
en el desarrollo de una solución/producto?

5. bdatascience.com
Información propiedad de Business Data Scientists, SAPI de CV. Su divulgación puede estar penada en términos de la ley de propiedad industrial 5
Acerca de
Business Data Scientists se estableció en marzo de 2009
como una iniciativa de dos emprendedores y académicos,
especialistas en ciencias sociales, ciencia de datos,
tecnología y economía.
BDS apoya a tomadores de decisiones a enfrentar sus retos
para:
• Identificar y explotar oportunidades de negocio a
través del uso estratégico de los datos.
• Optimizar la ejecución cerrando las brechas datos-
análisis-acciones-resultados.
• Integrar rápida y valiosamente modelos predictivos,
aprendizaje de máquina y optimización a sistemas,
aplicaciones y herramientas cognitivas en
producción.
A través del análisis sistemático de los
datos, BDS ha podido implementar más
de 150 proyectos en diversas industrias
y sectores, entre los que destacan:
• Finanzas
• Productos de Consumo
• Retail
• Telecomunicaciones
Powered
by
5

6. Proceso Stage and Gates
Información propiedad de Business Data Scientists, SAPI de CV.
Su divulgación puede estar penada en términos de la ley de propiedad industrial
6

7. 7
Design Thinking
Pensar/hacer distinto

8. Información propiedad de Business Data Scientists, SAPI de CV.
Su divulgación puede estar penada en términos de la ley de propiedad industrial
8
Estado mental
Herramientas y técnicas para pensar y hacer
Podemos aplicarlo en cualquier contexto, dominio o problema
Explorar nuevos territorios y definir una gama de soluciones potenciales
Es algo que la gente hace, lo que la gente piensa, no sólo un resultado final.
Siempre teniendo al ser humano como el centro de atención.
Design Thinking

9. Proceso design thinking
Información propiedad de Business Data Scientists, SAPI de CV.
Su divulgación puede estar penada en términos de la ley de propiedad industrial
9

10. Información propiedad de Business Data Scientists, SAPI de CV.
Su divulgación puede estar penada en términos de la ley de propiedad industrial
10

11. Inteligencia
Geográfica
Resultados del taller de:
Entendimiento de Negocio
Generación de Hipótesis
11
¿Dónde abrir una nueva
sucursal?
¿Cuáles y cómo reubicar
sucursales?

12. Agenda
12
Introducción (10
mins)
Warm up (10 mins)
Entendimiento del
Modelo de Negocio
de NMP (60
minutos)
Generación de
hipótesis relevantes
(60 minutos)

13. Modelo CRISP-DM
• El proyecto Inteligencia Geográfica promete ayudar a contestar:
• ¿Dónde abrir una sucursal?
• ¿Dónde reubicar una sucursal?
• ¿Dónde enfocar esfuerzos de operación/comercialización?
usando el método científico y por lo tanto basando sus resultados sobre
datos verificables.
• En la realidad de los negocios, estas preguntas de negocio se encuentran
en un contexto particular competitivo de NMP
13
CRISP-DM establece comenzar a partir del Entendimiento de Negocio

14. Entendimiento de
negocio
14

15. Variable
dependiente
Variables dependientes/variables a
predecir en cada nueva ubicación:
• Número de empeños
• Promedio de monto de empeño
• Venta en almoneda
• Qué no vamos a predecir:
• Rentabilidad, porque no estamos
prediciendo costos operativos
¿En qué mes, a partir de la apertura,
debemos de medir la variable
dependiente? www.menti.com code
## ## ## #
Inform
ación
protegi
da por
el
acuerd
o de
confide
ncialida
d

16. Ramp up
• Ramp-up describe el período, en
meses, desde la apertura de la
nueva sucursal hasta que esta
llega a un volumen de negocio
estable máximo posible
• No depende de variables
económicas de estacionalidad,
ciclo o tendencia
• Cada nueva sucursal no inicia
con un volumen de negocio igual
al potencial del micromercado
16
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1 6 11 16 21 26 31
Ventas
Maduraz
Meses
Envios Restaurantes Supermercados Bancos Cafeterias

17. ¿Cómo disminuir el
error de pronóstico?
17
Información propiedad de Business Data Scientists, SAPI de CV
Su divulgación puede estar penada en términos de la ley de propiedad industrial

18. Entendimiento
de Negocio
CRISP-DM recomienda partir de un Entendimiento de Negocio.
Un modelo de negocio
describe la manera en la
que una organización crea,
entrega y captura valor.
18
Información protegida por el acuerdo de confidencialidad firmado entre
SOFOM I.A.B. y EMT Dev House, SC.
…analicemos por ahora clientes y propuesta de valor

19. • ¿Para que clientes
estamos generando
valor?
• ¿Quiénes son
nuestros mejores
clientes?
19
Usa menti.com código ## ## ## #
Información protegida por el acuerdo de confidencialidad firmado entre
SOFOM I.A.B. y EMT Dev House, SC.
Clientes

20. Generación de
Hipótesis
20

21. Ejemplo de
hipótesis:
Clusterización
• ¿Podemos agrupar las sucursales de
NMP para mejorar el poder predictivo de
nuestros modelos?
• Actualmente se agrupan regionalmente
• ¿Esta agrupación mejora los modelos?
• ¿Existe una mejor agrupación?
Análisis de grupos o
clustering analysis es la
tarea de agrupar un
conjunto de objetos de tal
manera que los miembros
del mismo grupo (llamado
clúster) sean más
similares, en algún sentido
u otro.
21
R2: .61
R2: 87
R2: 86
Información protegida por el acuerdo de confidencialidad firmado entre
SOFOM I.A.B. y EMT Dev House, SC.

22. Hipótesis • Una hipótesis es un
enunciado no verificado
• La hipótesis es una conjetura
científica que requiere una
contrastación con los datos.​
¿Qué variables del entorno
hacen una sucursal exitosa?
Para un científico de datos,
todo juicio o incluso
“certeza” es una hipótesis
hasta que sea verificada
usando datos.
22
Información protegida por el acuerdo de confidencialidad firmado entre
SOFOM I.A.B. y EMT Dev House, SC.
Usa menti.com código ## ## ## #

23. 23
Ser ágil

24. Valores de ágil
Individuos e interacciones antes que procesos y herramientas
Productos funcionando antes que documentación completa
Colaboración con el cliente antes que negociación de contratos
Responder al cambio antes que seguir un plan
Información propiedad de Business Data Scientists, SAPI de CV.
Su divulgación puede estar penada en términos de la ley de propiedad industrial
24

25. Información propiedad de Business Data Scientists, SAPI de CV.
Su divulgación puede estar penada en términos de la ley de propiedad industrial
25

26. Información propiedad de Business Data Scientists, SAPI de CV.
Su divulgación puede estar penada en términos de la ley de propiedad industrial
26

27. Principios Ágiles
Existen 12 principios ágiles. Aquí matizamos recuperamos y matizamos 7 de ellos
27
Busines
s Data
Scientis
ts,

28. ​1. La prioridad de nuestro product owner y la nuestra es tener
soluciones de valor en producción mediante liberaciones tempranas
y continuas
28
This Photo by Unknown Author is licensed under CC BY-SA
Busines
s Data
Scientis
ts,

29. 2. Aceptamos que los requisitos cambien, incluso en
etapas tardías del desarrollo,… pero no durante un
sprint.
29
Busines
s Data
Scientis
ts,
This Photo by Unknown Author is licensed under CC BY-SA

30. 3. Nuestros clientes y nosotros trabajamos juntos de
forma cotidiana durante todo el proyecto.​
30
Busines
s Data
Scientis
ts,
This Photo by Unknown Author is licensed under CC BY

31. 4. ​Los proyectos se desarrollan en torno a individuos
motivados (todos).
31
Busines
s Data
Scientis
ts,
This Photo by Unknown Author is licensed under CC BY-SA-NC

32. 5. ​​La solución funcionando es la principal medida de
progreso.
32
Busines
s Data
Scientis
ts,

33. 6. La simplicidad, o el arte de maximizar la cantidad de
trabajo no realizado, es esencial.
33
Busines
s Data
Scientis
ts,
This Photo by Unknown Author is licensed under CC BY-NC-ND

34. 7. A intervalos regulares el equipo reflexiona sobre cómo ser más efectivo
para a continuación ajustar y perfeccionar su comportamiento en
consecuencia.
34
Busines
s Data
Scientis
ts,

35. Product Owner
Busines
s Data
Scientis
ts,
35

36. Atributos esperados de un product owner
• Visionario, pero a la vez aterrizado
• Comunicador y negociador
• Líder y Team player
• Motivador (no one left behind)
• Alta capacidad de frustración
• Apertura de mente
Busines
s Data
Scientis
ts,
36
This Photo by Unknown Author is licensed under CC BY-NC

37. Información propiedad de Business Data Scientists, SAPI de CV.
Su divulgación puede estar penada en términos de la ley de propiedad industrial
37

38. bdatascience.com
Información propiedad de Business Data Scientists, SAPI de CV. Su divulgación puede estar penada en términos de la ley de propiedad industrial 38
Agile BI

39. La realidad de los proyectos de Business Intelligence
39
El 20%
de los datos
tienen un
error
Inexacto
50%de los
datos son
inconsis-
tentes
Incongruente
Imposibilidad
de consulta entre
bases de datos
en el 70%de
los datos de la
empresa
Fuera de
alcance
El 65%del
tiempo, los
ejecutivos no
reciben los datos
que necesitan
No Fit
Lleva +7
días
enviar los
datos al
usuario final
Lento
60%del
tiempo, los
usuarios no
pueden hacer un
análisis
inmediato de los
datos que reciben
No explotable
Wayne Kernochan

40. agileBI
Información confidencial propiedad de Business Data Scientists, SAPI de CV
Su divulgación puede estar penada en términos de la ley de propiedad industrial
40
El enfoque no está en resolver todos los
problemas de BI a la vez, sino en ofrecer
piezas de funcionalidad de BI y documentar
cada ciclo a medida que sucede.
Planeación
adaptativa
Reduce el time to value del BI
tradicional y ayuda a adaptarse
rápidamente a las necesidades
cambiantes del negocio.
Los requisitos y las fases de
diseño se superponen con el
desarrollo para una entrega
más rápida.
Promueve el desarrollo evolutivo y con la entrega
en un enfoque iterativo de tiempo determinado, y
alienta una respuesta rápida y flexible al cambio.
aBI alienta a los usuarios de negocio y
profesionales de TI a pensar en sus datos de
manera diferente y se caracteriza por un bajo
costo total de cambio (TCC).

41. Sprint 0
(2 a 4 semanas)
Información confidencial propiedad de Business Data Scientists, SAPI de CV
Su divulgación puede estar penada en términos de la ley de propiedad industrial
41
PRODUCT
BACKLOG
Documentación de tableros y reportes
existentes
Documentación de
tableros y reportes deseados
Construcción de
historias de usuario
Definición de herramientas y
arquitectura hibrida (ADWA)
Administración de usuarios
Visualización
Explotación
Almacenamiento
ETL y linage
SPRINT
BACKLOG
SPRINT
PLANNING
Puesta a punto
plataforma

42. Desarrollo y puesta en producción en ciclos
cortos (sprints)
Información confidencial propiedad de Business Data Scientists, SAPI de CV
Su divulgación puede estar penada en términos de la ley de propiedad industrial
42
SPRINT
BACKLOG
SPRINT
PLANNING
PRODUCT
BACKLOG
DAILY
STANDUP
SPRINT
REVIEW
SPRINT
RETROSPECTIVE
SPRINT
2 – 4 semanas
Product
Owner
SCRUMTEAM
Tablero Reporte
Alerta
Aproducción
Scrum
Master
Business
Analyst
Ingeniero
de Datos
Ingeniero de
Visualización

43. bdatascience.com
Información propiedad de Business Data Scientists, SAPI de CV. Su divulgación puede estar penada en términos de la ley de propiedad industrial 43
Herramientas
de trabajo

44. Información propiedad de Business Data Scientists, SAPI de CV.
Su divulgación puede estar penada en términos de la ley de propiedad industrial
44
Tenemos un rigor documental en cada uno de nuestros proyectos

45. Powered
by
Información propiedad de Business Data Scientists, SAPI de CV.
Su divulgación puede estar penada en términos de la ley de propiedad industrial
45

46. bdatascience.com
Información propiedad de Business Data Scientists, SAPI de CV. Su divulgación puede estar penada en términos de la ley de propiedad industrial
Jorge Pérez Colín
Managing Director
jorge.perez.colin@bdatascience.com
www.linkedin.com/in/jorgeperezcolin