Caso 1 Proceso de Creacion de Una Startup

Proceso de creación de una startup.
Caso 1
DATUMIZE (datumize.com)
I. Datos de la empresa
Nacho Lafuente (CEO y socio fundador de Datumize) explica el por qué
del “big no data” y su respuesta hace más comprensible este concepto
casi esotérico: trabajar con el big no data no es otra cosa que guardar,
sistematizar, usar y analizar los datos inexplorados de la propia empresa
con la finalidad de descubrir posibilidades de negocio para las propias
empresas.
Hasta hace poco esto no se hacía o bien porque no se le veía qué in-
terés podía tener o porque no había programas capaces de hacerlo.
Curiosamente, el concepto de big no data se puede traducir por “dark
data”o “data oscura”.
Datumize ha puesto el conocimiento de sus tres socios y de los tres

ingenieros que trabajan en la empresa al servicio de la creación de un
software capaz de hacerlo y extraer conclusiones que abren oportuni-
dades o bien para mejorar su comunicación y atención con los clientes y
para descubrir nuevas vías de negocio.
1
Proceso de creación de una startup. Caso 1
Ofrecen especial valor a:
A partir de estas premisas las empresas han entrado en un cambio de

paradigma respecto a los datos que proporcionan sus páginas y progra-
mas digitales de gestión: guardarlo todo porque todo puede ser impor-
tante en el futuro y técnicamente es factible. Un estudio de IBM (agosto
2016) estimaba que el 80% de los datos almacenados mediante el Big
Data no se aprovechan o no son útiles para la toma de decisiones.
El almacenamiento de datos implica un gasto de dinero importante para

las empresas y no poder utilizar cierta información para más de un pro-
pósito supone un problema.
2
El programa Data Collector se ocupa de recoger todos los datos y guar-

darlos cuando se producen “al comienzo de la cadena de valor”. Esta
tecnología es:
ശശ muy innovadora.
ശശ no es intrusiva.
ശശ permite la captura de datos sin modificar los sistemas y las aplicaciones exis-
tentes.
Por el momento trabajan principalmente con grandes corporaciones

pero tienen planes para que la pyme pueda acceder a sus servicios y
beneficiarse del acceso y sistematización de los datos inexplorados.
Nacho Lafuente y Manel Casasús, son ingenieros informático y electró-

nico respectivamente acostumbrados a trabajar con grandes empresas
informáticas y Albert Pradell (abogado y economista) son los socios
fundadores de esta empresa que ha sido seleccionada por la acelera-
dora StartUpBootcamp para desarrollar su actividad y “cambiar el fu-
turo”.
Para ello están buscando financiación que les permita crecer y ulti-
mando dos productos nuevos:
ശശ uno para dotar de inteligencia las redes de wifi de aeropuertos, hoteles o cen-
tros comerciales.
ശശ otro destinado a la gestión de incidencias de las máquinas industriales a través
de la recolección y análisis de los datos de funcionamiento.
Datumize es una empresa local con visión global que se presentará

próximamente a una ronda de inversores con el fin de recoger unos
450.000 euros que les permita consolidarse, crecer e internacionali-
zarse. Su centro logístico se sitúa en Barcelona.
3
II. Modelo de negocio

Después de desarrollar su carrera profesional en compañías como
Oracle o Siemens entre otras Nacho Lafuente decidió en 2014 iniciar
una aventura por su cuenta, dado que había visto cómo muchas empre-
sas desaprovechaban el potencial de sus datos.
En menos de dos años Datumize ya se ha ganado la confianza de em-

presas como Globalia o Gas Natural-Fenosa. Recientemente ha cerrado
una ronda de financiación por un millón de euros con varios fondos, en-
tre ellos Caixa Capital Risc.
Su trabajo consiste en poner en valor los datos oscuros de las compa-

ñías para ayudarles a entender mejor a sus clientes y a los potenciales
clientes. Las empresas que no se preocupen en entender mejor a sus
clientes se quedarán sin ellos.
Los datos oscuros son aquellos que existen en las empresas pero que
no se capturan y no generan nada. El término Dark Data se aplica a con-
juntos de datos que han sido registrados por los sistemas de informa-
ción pero que no son recolectados, procesados ni gestionados para la
mejora del conocimiento y toma de decisiones.
4
Este tipo de información puede ser analizado por herramientas de BI

convencionales pero requiere un tratamiento previo para identificar,
filtrar y sacar a la luz la información valiosa que hasta ahora permanecía
oculta.
Este software actúa a modo de espía. Los sistemas no se enteran por-

que no es intrusivo. Sin tocar nada de sus sistemas se saca una foto de
cada uno de esos 65 millones de diálogos. De esta forma se genera un
nuevo mundo de posibilidades analíticas. Ahora pueden comprender
esas visitas, qué es lo más demandado, por qué no se concretan más
ventas y un sinfín de preguntas y cuestiones muy importantes.
Normalmente resulta complicado acceder a esos datos pero esta tec-

nología lo hace más fácil. Datumize permite acceder a ellos sin tocar los
sistemas. Hasta ahora no se usaban estos datos por tres motivos:
ശശ por una cuestión de complejidad técnica para capturarlos.

ശശ por los costes, porque incluso clientes que saben que esos datos son útiles para
su negocio tenían que modificar mucho sus sistemas para lograrlos.
ശശ estos datos normalmente son proporcionados por sistemas que son críticos y
los clientes son reacios a tocar ese sistema.
Las ventajas son muchas. Una empresa que paga medio millón de euros
al mes en electricidad puede mejorar la eficiencia energética y saber
si le conviene mejor arrancar las máquinas de forma escalonada, por
ejemplo. Es la diferencia entre estar a ciegas o abrirse a un mundo de
analíticas.
El valor está en proporcionar los datos. Después la empresa se ocupa de

analizarlos o bien es posible facilitar compañías especializadas en ello.
Las empresas grandes que tienen equipos en analítica de datos son

conscientes del potencial de los datos. Saben que el mundo se mueve
por ahí y que la ventaja competitiva que van a obtener en su negocio va
a depender del análisis de los datos.
5
Va a ser un cambio como el que supuso pasar de tener toda la docu-

mentación en papel a informatizarla. No es algo que las empresas pue-
dan elegir. Hoy día ya no vale con tener un CRM con todos los clientes.
Se trata de conocer mejor al cliente.
Se pide:
I. En tu opinión, ¿crees que las empresas y organizaciones pasan

por alto mucha información cuyo valor real puede ser muy impor-
tante?
II. ¿En qué sectores crees que podría ofrecer sinergias y sobre todo
beneficios cuantitativos y cualitativos?
III. ¿Qué valor crees que aportaría este tipo de software a las empre-
sas y organizaciones, en distintos sectores y modelos de negocio?
IV. Buscando en internet, ¿cómo podemos clasificar los datos?
V. ¿Cuáles crees que son los riesgos de mantener datos oscuros en
las organizaciones?
6
Solución
1. ¿Crees que las empresas y organizaciones pasan por alto mucha
información cuyo valor real puede ser muy importante?
El gran dilema de muchas empresas, hoy por hoy, no es cómo almace-

nar la información, sino para qué. En algunos casos, la ausencia de un
motivo que justificara ese esfuerzo se debe, paradójicamente, a la au-
sencia de cierta información invisible, que ayudaría a "cerrar el círculo":
la data oscura (dark data).
Ya existen productos de software que permiten captar y almacenar

datos que hasta ahora se pasaban por alto, como por ejemplo la infor-
mación que generan las propias personas con sus teléfonos móviles, las
cajas registradoras, las impresoras, etc. Del análisis de esos "datos oscu-
ros" surgen nuevas oportunidades.
2. ¿En qué sectores crees que podría ofrecer sinergias y sobre todo
beneficios cuantitativos y cualitativos?
Por ejemplo una empresa cervecera puede estar interesada en saber

cuántas personas entran en los bares donde se vende su producto
(hoy no disponen de esa información porque comercializan a través de
distribuidores, y además los propios bares suelen desconocer el dato).
Otro ejemplo sería el de una entidad financiera que quiere conocer

cómo se trabaja en una de sus oficinas, y analizar si el equipamiento
que tiene está bien dimensionado, el horario es el adecuado, se
optimiza el tiempo y los recursos, etc.
3. ¿Qué valor crees que aportaría este tipo de software a las empresas
y organizaciones, en distintos sectores y modelos de negocio?
Volvamos al para qué de recopilar información. Un dato en sí mismo

no significa nada, y su correlación automatizada puede dar lugar a
conclusiones irrelevantes o patrones que contribuyan a confundir a los
directivos de la empresa.
El principal valor que puede aportar es conocimiento para las industrias
7
de manera que puedan convertir los datos en "inteligencia" real con los
que tomar decisiones.
Los valores serían muy importantes: datos limpios, información precisa,

reducción e errores, mejora en las decisiones, medidas automáticas
inteligentes, optimización de procesos, tecnologías y personas, etc.
4. Buscando en internet, ¿cómo podemos clasificar los datos?
Según, por ejemplo, el informe Databerg Report se clasifican los datos

en tres categorías:
ശശ Datos prioritarios: se analizan frecuentemente y se utilizan para decisiones de
negocio y para la operativa habitual de la empresa. Deben ser protegidos y ges-
tionados correctamente, ya que son claves. Se estima que en España el porcen-
taje de datos prioritarios es del 13%.
ശശ Datos ROT (redundantes, obsoletos y triviales): no se utilizan y no tienen ningún

valor para la empresa, por lo que es importante eliminarlos periódicamente, y
hacerlo de forma segura. El 44% de los datos corresponde a esta categoría.
ശശ Datos Oscuros: con este término, el informe Databerg denomina a aquellos

datos cuyo valor aún no está identificado. Por tanto, no se sabe si pueden ser
prioritarios o ROT, y es muy importante clasificarlos para tratarlos de forma co-
rrecta. La mayoría de los datos, un 56%, son Datos Oscuros.
Los empleados también son responsables de la generación de Datos

Oscuros y ROT, y muchas veces almacenan información de uso tanto
corporativo como personal.
5. ¿Cuáles crees que son los riesgos de mantener datos oscuros en las
organizaciones?
Teniendo en cuenta el tipo de datos que la mayoría de las organiza-

ciones recopilan, esos riesgos pueden incluir algunos, o todos de los
siguientes:
ശശ El riesgo legal y regulatorio. Si los datos cubiertos por el mandato o la regu-

lación, como, información confidencial financiera (tarjeta de crédito u otros
datos de la cuenta) o registros de pacientes, aparece en cualquier parte de las
colecciones de datos oscuros, su exposición podría implicar responsabilidad
legal y financiera.
8
ശശ Riesgo de Inteligencia. Si los datos oscuros abarcan información privada o sen-

sible, reflejo de las operaciones de negocio, prácticas, ventajas competitivas,
importantes alianzas y empresas conjuntas, y así sucesivamente, la divulgación
accidental podría afectar negativamente a la línea de fondo o poner en peligro
las actividades de negocios importantes y relaciones.
ശശ Reputación en riesgo. Cualquier tipo de violación de los datos se refleja negati-

vamente en las organizaciones afectadas por las mismas. Esto se aplica tanto a
los datos oscuros, (especialmente a la luz de otros riesgos) como a otros tipos
de infracciones.
ശശ Los costes de oportunidad. Puesto que la organización ha decidido no invertir

en el análisis y la minería de datos oscuros, por definición, los esfuerzos con-
certados por parte de terceros para explotar su valor representan las pérdidas
potenciales de la inteligencia y el valor en base a su contenido.
ശശ Exposición. Por definición, los datos oscuros contienen información que es de-
masiado difícil o costosa de extraer para ser explotada, o que contiene fuentes
desconocidas, (y por lo tanto sin evaluar) de la inteligencia y la exposición a la
pérdida o daño.

Entre ellos pueden estar secretos o informaciones sensibles de los datos oscu-
ros que pueden ser muy perjudiciales de hecho, pero no se tiene manera de
saber a ciencia cierta. Si estos riesgos no son tenidos en cuenta, las incidencias
y problemas pueden ser de una alta gravedad para la organización desde dife-
rentes puntos de vista (jurídicos, penales, medioambientales, etc).

Caso 1 Proceso de Creacion de Una Startup

Cargado por

Copyright:

Formatos disponibles

Caso 1 Proceso de Creacion de Una Startup

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Caso 1 Proceso de Creacion de Una Startup

Cargado por

Copyright:

Formatos disponibles

Proceso de creación de una startup.

Datumize ha puesto el conocimiento de sus tres socios y de los tres

Ofrecen especial valor a:

A partir de estas premisas las empresas han entrado en un cambio de

El almacenamiento de datos implica un gasto de dinero importante para

El programa Data Collector se ocupa de recoger todos los datos y guar-

Por el momento trabajan principalmente con grandes corporaciones

Nacho Lafuente y Manel Casasús, son ingenieros informático y electró-

Datumize es una empresa local con visión global que se presentará

II. Modelo de negocio

En menos de dos años Datumize ya se ha ganado la confianza de em-

Su trabajo consiste en poner en valor los datos oscuros de las compa-

Este tipo de información puede ser analizado por herramientas de BI

Este software actúa a modo de espía. Los sistemas no se enteran por-

Normalmente resulta complicado acceder a esos datos pero esta tec-

ശശ por una cuestión de complejidad técnica para capturarlos.

El valor está en proporcionar los datos. Después la empresa se ocupa de

Las empresas grandes que tienen equipos en analítica de datos son

Va a ser un cambio como el que supuso pasar de tener toda la docu-

I. En tu opinión, ¿crees que las empresas y organizaciones pasan

El gran dilema de muchas empresas, hoy por hoy, no es cómo almace-

Ya existen productos de software que permiten captar y almacenar

Por ejemplo una empresa cervecera puede estar interesada en saber

Otro ejemplo sería el de una entidad financiera que quiere conocer

Volvamos al para qué de recopilar información. Un dato en sí mismo

El principal valor que puede aportar es conocimiento para las industrias

Los valores serían muy importantes: datos limpios, información precisa,

4. Buscando en internet, ¿cómo podemos clasificar los datos?

Según, por ejemplo, el informe Databerg Report se clasifican los datos

ശശ Datos ROT (redundantes, obsoletos y triviales): no se utilizan y no tienen ningún

ശശ Datos Oscuros: con este término, el informe Databerg denomina a aquellos

Los empleados también son responsables de la generación de Datos

Teniendo en cuenta el tipo de datos que la mayoría de las organiza-

ശശ El riesgo legal y regulatorio. Si los datos cubiertos por el mandato o la regu-

ശശ Riesgo de Inteligencia. Si los datos oscuros abarcan información privada o sen-

ശശ Reputación en riesgo. Cualquier tipo de violación de los datos se refleja negati-

ശശ Los costes de oportunidad. Puesto que la organización ha decidido no invertir

También podría gustarte