Analítica Digital en Empresas Data-Driven

Presentación de dos empresas data-driven que lograron:
1. Transformar y automatizar sus procesos de negocio bajo una estrategia customer centric.
2. Aplicar analítica predictiva para desarrollar modelos de machine learning a fin de predecir el comportamiento de sus consumidores y competencia.
3. Crear nuevos e innovadores modelos de negocio basado en los datos.
4. Tomar decisiones estratégicas impulsada por los datos.

Transcript

1. UNIVERSIDAD RICARDO PALMA Analítica Digital en Empresas Data-Driven Maestría en Ciencia de los Datos Analítica de Mercado Arnaldo Ramirez F. arnaldo.ramirez@urp.edu.pe Gonzalo Chacaltana B. gonzalo.chacaltana@urp.edu.pe
2. Fundación: 2015 (Colombia) Oficinas centrales: Colombia, México, Brasil, Argentina Presencia: 09 paises, + 100 ciudades (Latinoamerica) Usuarios: +25 millones de usuarios activos Couriers: +100,000 couriers conectados Comercios: +80,000 tiendas, restaurantes, comercios Búsquedas: +40,000 consultas por minuto. Data Science Teams: En 9 ciudades (CDMX, Monterrey, Bogotá, Medellín, Barranquilla, Sao Paulo, Buenos Aires, Lima,Santiago de Chile) INTELIGENCIA ARTIFICIAL COMO VENTAJA COMPETITIVA “Gran parte del valor de Rappi está en la data que tenemos y en lo que podemos hacer con esa data” Alejandro Correa VP of Artificial Intelligence Rappi Fuente: Inteligencia Artificial de Rappi (Junio 2020)
3. ¿Cómo usan los datos? Fuente: Inteligencia Artificial en Rappi
4. Ecosistema de aplicaciones Rappi
5. Fundación: 1999 (Argentina) Oficinas centrales: Buenos Aires, Córdoba (Argentina) Presencia: 18 países (Latinoamerica) Usuarios: +378 millones de usuarios registrados Transacciones: 10 compras por segundo. Búsquedas: + 6,000 consultas por segundo. Ingresos: + $ 3,900 millones (2020) Data Science Teams: En 2018 adquiere a Machinalis, incorporando a su equipo de profesionales quienes desarrollan las tecnologías de inteligencia artificial a nivel mundial. Fuente: Statista (Marzo 2021) MACHINE LEARNING PARA AUTOMATIZAR UNA PLATAFORMA E-COMMERCE
6. ¿Cómo usan los datos? Desafío 3 Fuente: Conferencia Data Science a escala en Mercado Libre (Enero 2020) • Sistema de recomendaciones • Prevención de fraudes • Predicción de churn de usuarios • Respuestas automáticas de chat • Prediction cache • Métricas avanzadas