Archive for ‘Integración de Datos’ Category

13
feb
Datos en las empresas tradicionales vs. nativas digitales
  • Synergic Partners
  • 1682 Views
  • 0 Comment
  • Arquitectura Big Data . Big Data . Data Science . Data Warehouse . datos . Procesamiento de Datos .

Una vez entendido el proceso de cómo obtener valor del dato, cabe preguntarse si ese proceso varía si estamos hablando de una empresa tradicional, por ejemplo una telco grande o un banco, o si estamos hablando de una start-up basada en la nueva economía digital, como es el caso de empresas como Uber, Cabify, Airbnb o Netflix, entre otras. El dato en la empresa tradicional En una empresa tradicional, especialmente en las empresas grandes, el corazón del procesamiento de los datos siempre ha sido el data warehouse. En el siguiente diagrama podemos ver un esquema general de un típico data warehouse (DWH):   Absolutamente toda la información almacenada y procesada en un DWH es información estructurada y por estructurada nos…

09
feb
No hay 3 sin 4: Hacia la cuarta revolución industrial
  • Carlos Lorenzo
  • 1548 Views
  • 0 Comment
  • Big Data . Digitalización . Eficiencia operativa . Fabricación Aditiva . Industria 4.0 . Inteligencia Artificial . IoT . Realidad Aumentada . Revolución Industrial . Transformación digital .

La personalización en masa del producto es el catalizador del cambio que, entre otras cosas, origina la industria 4.0 Ha llovido mucho desde que la máquina de vapor cambiara el curso de la historia de nuestra civilización con la mecanización de la producción en la llamada Primera Revolución Industrial. Los avances científicos a finales del siglo XIX permitieron vivir una Segunda Revolución Industrial con el descubrimiento de la electricidad que sería la base para la producción en masa, seguida de una tercera revolución en pleno siglo XX gracias al poder de la informática y la electrónica en la automatización de procesos de producción. Hoy, se está gestando ante nuestros ojos una Cuarta Revolución Industrial, producto de la fusión de una…

30
ene
De la sensorización a la Industria 4.0
  • Maria Muñoz
  • 1602 Views
  • 0 Comment
  • Advanced Analytics . Analítica Avanzada . Big Data . Industria 4.0 . IoT . Sector Industrial . Sensorización . Transformación digital .

Actualmente el sector industrial se encuentra inmerso en un proceso de cambio que hace evidente la necesidad de evolucionar su modelo de negocio hacia un modelo de negocio menos tradicional. En los últimos años, han aparecido tecnologías digitales capaces de ayudar a la industria a adaptarse a las demandas del mercado. La incorporación de estas tecnologías en los procesos industriales se convierte en un punto clave para permanecer relevante dentro del sector. Gracias a la integración de estas tecnologías, centradas en IoT y en el análisis y recogida de información de la propia instrumentación de las máquinas, el sector industrial se verá enriquecido con la aparición de una cantidad ingente de información no contemplada ni analizada hasta la fecha. Dicho análisis…

16
ago
Anticiparse a la Fuga de Clientes mediante Palancas de Retención
  • Rubén Granados
  • 2854 Views
  • 0 Comment
  • Big Data . Churn Prediction . Data Science . Fuga de Clientes . Machine Learning . Palancas de Retencion .

  Identificación y análisis de sendas de desvinculación de clientes Saber qué clientes pueden dejar de serlo ha sido el objetivo de los clásicos modelos de fuga (churn) cuyo output final consistía en una probabilidad de abandono asociada a cada cliente en determinado rango temporal. Sin embargo, una vez que sabemos que el cliente se va a ir, nos surge una pregunta: ¿Qué hacer para evitar su marcha? Incluso llegar más allá: ¿Qué hacer para conseguir que el cliente ni siquiera se plantee su marcha? Medidas preventivas de fuga de clientes en el sector bancario En Synergic Partners hemos realizado un proyecto para una de las entidades bancarias más importantes de España en el cual se responde a estas preguntas…

17
sep
Precauciones a la hora de normalizar datos en Data Science
  • Santiago Morante
  • 3998 Views
  • 11 Comments
  • Algorithms . Algoritmos . Analítica Avanzada . Big Data . Blog Synergic . Data . Data Normalization . Data Science . datos . Machine Learning . Normalización de Datos .

Para que funcionen mejor muchos algoritmos de Machine Learning usados en Data Science, hay que normalizar las variables de entrada al algoritmo. Normalizar significa, en este caso, comprimir o extender los valores de la variable para que estén en un rango definido. Sin embargo, una mala aplicación de la normalización, o una elección descuidada del método de normalización puede arruinar tus datos, y con ello tu análisis. Vamos a ver unos ejemplos de los métodos de normalización más usados actualmente. Escalado de variables (Feature Scaling o MinMax Scaler) En este caso, cada entrada se normaliza entre unos límites definidos: El problema de este tipo de normalization, es que comprime los datos de entrada entre unos límites empíricos (el máximo y…

Clientes destacados