Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.

Cómo construir un proyecto de machine learning desde la Dirección de Márketing

157 Aufrufe

Veröffentlicht am

Noé Fernandez, CIO Good Rebels

Veröffentlicht in: Technologie
  • Als Erste(r) kommentieren

Cómo construir un proyecto de machine learning desde la Dirección de Márketing

  1. 1. Machine Learning BARCELONA, 27 NOVIEMBRE 2018 desde la Dirección de Marketing? ¿Cómo construir un proyecto de
  2. 2. Noé Fernández. CIO Good Rebels Ingeniero en Informática con más de 12 años de experiencia en multinacionales dentro de las industrias de TI, Seguros y Telecomunicaciones liderando y gestionando programas estratégicos y de transformación. noe.fernandez@goodrebels.com
  3. 3. Artificial intelligence Machine learning
  4. 4. Recomendación de productos
  5. 5. Generación de contenido
  6. 6. COMSCORE 2017 50% of all searches will be voice searches by 2020 Reconocimiento de voz y texto
  7. 7. Reconocimiento de imágenes
  8. 8. ¿Por dónde empezamos?
  9. 9. 24% 0 7,5 15 22,5 30 4 8 12 16 target nº#1 churn
  10. 10. Cultura Data Driven Data Proactive Data Active Data Reactive Data Blind Tecnología Generación proactiva datos Deep insights Reporting No se usan datos Datos no recogidos Datos por áreas Data Lake Predictivo Madurez del dato
  11. 11. Machine Learning Project GuideMachine Learning Project Guide
  12. 12. Business TechnologyMaths ConnectedEdge
  13. 13. Camino de ejecución de proyecto Pregunta Madurez Data Driven Set-up Prueba de Concepto Validación Go / No Go Despliegue Evolución continua
  14. 14. Camino de ejecución de proyecto Pregunta Madurez Data Driven Set-up Prueba de Concepto Validación Go / No Go Despliegue Evolución continua STOP STOP Problema real de negocio Impacto en la organización y clientes Proyecto de datos vs. Datos para el proyecto
  15. 15. Camino de ejecución de proyecto Pregunta Madurez Data Driven Set-up Prueba de Concepto Validación Go / No Go Despliegue Evolución continua STOP STOP Proyecto in-house vs. Proyecto con partners Seleccionar herramientas Entrenar, probar, ajustar,… Contraste de resultados con expertos de negocio
  16. 16. Camino de ejecución de proyecto Pregunta Madurez Data Driven Set-up Prueba de Concepto Validación Go / No Go Despliegue Evolución continua STOP STOP Evaluar impactos en sistemas Integración Verificación de resultados
  17. 17. Pregunta Madurez Data Driven Set-up Prueba de Concepto Validación Go / No Go Despliegue Evolución continua STOP STOP Camino de ejecución de proyecto
  18. 18. Camino de ejecución de proyecto Las respuestas generan nuevas preguntas Nuevas fuentes datos Nuevas herramientas
  19. 19. 󰀁X • Seleccionar una pregunta que provenga de un problema real de negocio. • Evaluar el impacto interno y al cliente en la
 resolución del problema. Takeaways • Existen productos y herramientas en el mercado que dan solución a problemas a través del Machine learning • Un buen conocimiento y selección de las herramientas es fundamental para la resolución del problema • Si no se cuenta con expertos internos, es necesario colaborar con partners que puedan proveer una visión completa: Negocio - Tecnología - Matemáticas Una buena pregunta es vital No es necesario reinventar la rueda Las personas son la clave del proyecto
  20. 20. goodrebels.com • @GoodRebels Barcelona • Bogotá • Brighton • Ciudad de México • Madrid A world powered by people

×