Documentación: Soluciones según Casos de Uso
| Sitio: | STRATIO Training & Certification |
| Curso: | Stratio Generative AI Data Fabric Basic Business 14.6 |
| Libro: | Documentación: Soluciones según Casos de Uso |
| Imprimido por: | Invitado |
| Día: | sábado, 10 de mayo de 2025, 11:01 |
1. Gobierno de Datos
El gobierno de datos es la fuente confiable de cualquier empresa moderna. Si no tienes datos fiables, no tienes nada. El Gobierno de Datos permite a la empresa asegurar la calidad y precisión de sus datos, mejorando drásticamente la toma de decisiones.
1.1. Réplica en tiempo real de los datos bancarios básicos con significado comercial, QR y gobernanza
Nuestro cliente enfrentaba costos bancarios centrales significativos debido al rápido crecimiento de los MIP y las múltiples réplicas de datos con fines regulatorios, de riesgo y comerciales. Además, se volvió estratégico acceder a los datos del core bancario como fuente de verdad (datos maestros) y con información en tiempo real sobre las transacciones del cliente.
Los objetivos alcanzados por nuestro cliente: el banco tenía tres objetivos que lograr con la réplica en tiempo real de los datos del core bancario a la plataforma Semantic Data Centric & AI de Stratio.
1. Reducir significativamente los costos bancarios centrales (MIPS) a través de dos iniciativas:
- Llamadas de solo lectura de todos los canales (móvil, web, sucursales) a través de réplica en tiempo real.
- Elimine los procesos por lotes diarios del host, ya que esto se puede hacer desde la réplica en tiempo real.
2. Simplificar la arquitectura de datos y eliminar las replicaciones mediante el uso de réplicas en tiempo real con control de datos, significado comercial y coherencia, disponibles para aplicaciones transaccionales y analíticas (DaaS: datos como servicio).
3. Lanzar casos de uso específicos con cálculo casi en tiempo real de valor "comercial y regulatorio" por igual:
- Cálculo del índice de liquidez y otros KPI casi en tiempo real.
- Soluciones Business BI para datos transaccionales en tiempo real.
- Modelos de Machine Learning en tiempo real para fraude de pago, AML, propensión y otros.
_________________________________________________________________________________________________________________________________________________________
Stratio vertical para la réplica en tiempo real de los datos bancarios centrales permite lanzar un primer caso de uso en solo 2 meses.
_________________________________________________________________________________________________________________________________________________________
Solución
Stratio implementó su plataforma en el entorno del banco en las instalaciones con conexión al sistema bancario central.
Se lanzó una primera versión de la solución vertical de Stratio para la réplica en tiempo real para un primer subconjunto de tablas DB2 de banca central. Estos incluían todos los datos relacionados con los dominios de clientes, riesgos, productos y transacciones para clientes individuales que estaban listos para ser ingeridos en tiempo real en la plataforma Stratio.
El banco implementó varias pruebas de alta disponibilidad y robustez con resultados muy positivos debido a los contenedores y la tecnología distribuida de la solución vertical de Stratio.
El primer lanzamiento incluyó en producción tres soluciones: (i) solo lectura de llamadas de clientes de todos los canales de su posición global y transacciones de tarjetas de crédito pasadas que conducen a una reducción significativa de costos de MIPS; (ii) cálculo casi en tiempo real del coeficiente de liquidez del BCE.
Durante los primeros 6 meses, el banco implementó varios casos de uso ampliando el alcance de los datos replicados en tiempo real en la plataforma de Stratio. Este plan de lanzamiento incluía:
- La eliminación de todas las llamadas de solo lectura de los canales al core bancario.
- La eliminación del 30% de los procesos por lotes.
- La eliminación de 10 réplicas de datos en almacenes de datos internos.
- La implementación de 5 cálculos e informes regulatorios de KPI casi en tiempo real.
- La implementación de 6 modelos de Machine Learning en tiempo real relacionados con varias áreas (fraude, AML, propensión de líneas de crédito, recomendaciones, etc.).
Después del exitoso despliegue de los primeros 6 meses y la solidez de la plataforma de Stratio con un gran volumen de datos (80% de las tablas de core banking de DB2 sincronizadas), nuestro cliente decidió definir un plan estratégico de 12 meses con los objetivos de democratización de datos, simplificación de la arquitectura de datos y capacidades de análisis avanzado y procesos transaccionales en tiempo real.
1.2. Gobierno de datos semánticos automatizado y procesable para reducir los costos de fraude
Descripción
Esta compañía de seguros tenía un serio problema con sus datos debido a grandes cantidades de datos que estaban ocultos en formatos sin procesar sin detalles semánticos que no permitían a los usuarios comerciales aprovecharlos o incluso conocer su existencia. Como resultado, la empresa perdió oportunidades. Algunos datos estaban duplicados o eran inconsistentes, y las opciones para explotar los datos se redujeron significativamente.
Stratio emprendió la tarea de virtualizar todas las fuentes de datos y construyó una capa de datos semánticos unificados para la compañía de seguros dominio por dominio en un plan de 18 meses implementando 5-7 casos de uso. El primer caso de uso fue la reducción de costos por fraude en seguros de automóviles y se implementó en 12 semanas.
____________________________________________________________________________________________________________________________________________
Stratio data virtualization and semantic layer allows building a trusted data layer for real-time insurance fraud management decisions with advanced AI at its core.
____________________________________________________________________________________________________________________________________________
Solución
El primer paso fue implementar la infraestructura Stratio Data Centric completa, basada en su propio y potente sistema operativo Stratio EOS.
Stratio descubrió automáticamente y virtualizó todas las fuentes de datos de la compañía de seguros relevantes para el dominio de datos del caso de uso de fraude (alrededor de 124 tablas de 6 fuentes de datos con > 3000 campos). Stratio aplicó capacidades de calidad de datos y gobernanza para eliminar las inconsistencias de los datos, unificar los repositorios de datos y filtrar los datos malformados o de mala calidad.
Stratio definió junto con la aseguradora los 230 términos comerciales clave para el dominio del fraude (incluyendo datos del cliente, transacción, siniestros, etc). Importamos una ontología de seguros global utilizada como referencia y también usamos un glosario de seguros interno ya construido.
Luego, Stratio BDL usó sus capacidades de mapeo automático para encontrar qué datos sin procesar coincidían con los conceptos comerciales definidos por la empresa, reduciendo las tareas de identificación de datos a solo 2 semanas.
Finalmente, Stratio creó una solución de inteligencia artificial para calcular la probabilidad de fraude de un reclamo de automóvil utilizando todas las fuentes de datos y los datos del inspector de seguros (incluidas las imágenes del automóvil) para definir la probabilidad de fraude y dar una recomendación en tiempo real al inspector de seguros para aceptar o no la demanda.
Después del primer caso de uso exitoso, la compañía de seguros creó una solución de fraude de extremo a extremo en 9 meses con varias soluciones de inteligencia artificial implementadas en los diferentes pasos de la gestión de reclamos.
Como resultado:
- Gracias a la plataforma Stratio la aseguradora construyó por primera vez una visión unificada de datos con significado semántico y DaaS disponible.
- Implementación de una solución de reducción de fraude en 12 semanas como primer caso de uso reduciendo los costos de fraude en un 20%.
- Despliegue de una solución end to end para la gestión de casos de fraude en todas las líneas de negocio en 9 meses adicionales.
2. Fabrica de Datos
La toma de decisiones debe basarse en datos confiables. Stratio Data Fabric ofrece a las empresas un entorno unificado donde los datos están estandarizados, sin duplicados, semánticamente definidos y al alcance de todos en la empresa.
2.1. Datos personales del cliente y construcción de datos de la experiencia del cliente para impulsar las ventas
Descripción
La empresa buscaba una manera de mejorar la experiencia del cliente y la lealtad a través de la máxima personalización. Tenía una gran cantidad de datos acumulados debido a años de interacciones con los clientes, pero estaban dispersos en varias fuentes de datos creadas por diferentes aplicaciones.
Los datos se acumulaban en grandes tablas y fuentes de datos sin que fuera fácil identificarlos sin ayuda especializada. Reorganizar los datos y ponerlos a disposición de los equipos de negocio puede ser un arduo trabajo de meses con un equipo de trabajadores transversales.
Stratio creó una visión de datos unificados para la compañía de seguros con significado comercial semántico y disponibilidad para uso analítico y transaccional a través de Business Data Layer en 12 semanas.
Luego, la aseguradora implementó un primer caso de uso con un modelo de propensión para definir acciones comerciales en varios canales y monitorear el impacto de los modelos de IA.
Como segundo paso, la compañía de seguros apuntó a un aumento de socios como canales de venta. Tener datos confiables disponibles y la capacidad de crear inquilinos en la arquitectura Stratio permitió a la compañía de seguros generar 3 nuevos socios en 6 meses.
___________________________________________________________________________________________________________________________________________________
Consolidación de clientes de la empresa, aplicando gobierno de datos, ontologías y Knowledge Graphs para la personalización de los procesos orientados al cliente de la empresa.
___________________________________________________________________________________________________________________________________________________
Solución
Este fue un proyecto complicado en términos de tiempo de comercialización porque Stratio tuvo que transformar por completo el análisis del cliente del software automatizado de próxima generación para el análisis de datos semánticos y ayudar a tomar decisiones.
El primer paso fue implementar Stratio Data Centric y su innovador sistema operativo Stratio EOS. Luego, Stratio ingirió en la plataforma todos los datos relacionados con los clientes que fueron identificados por los equipos de la empresa.
Como paso obligatorio y clave, Stratio utilizó sus herramientas de calidad de datos dentro de Stratio Governance para limpiar, unificar y crear datos de calidad. La solución no es válida si los datos no son fiables o están incompletos.
Sobre los datos, Stratio implementó su capa de datos comerciales, creando taxonomías, ontologías y dominios de datos y aplicando su innovadora solución de mapeo automático para hacer coincidir los datos técnicos con los conceptos comerciales automáticamente.
Luego, Stratio aplicó su última herramienta de gobernanza de datos de próxima generación, Knowledge Graph, que es un gráfico de conocimiento respaldado por la capa semántica.
Entonces, sobre esta arquitectura innovadora, los usuarios comerciales, los científicos de datos y los algoritmos de IA comenzaron a trabajar de manera semántica para extraer las mejores personalizaciones de los clientes.
El primer caso de uso de modelos de propensión hiperpersonalizar acciones de ventas fue implementado por un equipo combinado de Stratio y los expertos funcionales de seguros en 8 semanas.
Como resultado:
- Gracias a la plataforma Stratio y al gobierno semántico, se logró democratizar los datos reales en la empresa, para que los usuarios empresariales también obtengan todo el conocimiento de la empresa.
- Ahora es posible separar directamente el gobierno del conocimiento de los datos, permitiendo que los usuarios de negocio puedan tener un mayor protagonismo en TI y aplicar inteligencia artificial en los procesos de la empresa.
- Primer caso de uso del modelo de propensión para la personalización de ventas con > 10 millones de dólares de ingresos anuales adicionales después de un mes de optimización.
2.2. Nueva plataforma de incorporación digital en la nube con IA en tiempo real y escalado rápido en varios países
Descripción
Fue muy estratégico para nuestro cliente poder replicar las asociaciones en varios países con costos marginales mínimos de implementación por país.
Los objetivos alcanzados por nuestro cliente: poder poner en marcha el primer proceso de onboarding digital en 5 meses con préstamos al consumo y tarjetas revolving. Poder escalar fácilmente a productos adicionales como depósitos y cuentas corrientes y replicar la estrategia en varios países.
1 - Lanzar la primera incorporación digital para préstamos de consumo con un minorista en 5 meses. La plataforma unificada de Stratio con orquestación de microservicios, gestión de API y puerta de enlace, un DaaS en tiempo real con un enfoque DDD (diseño basado en dominio) y capacidades de IA disponibles en tiempo real permitieron construir el proceso en solo 5 meses.
2 - Aumentar la oferta de productos y servicios para los clientes de onboarding digital. Con la plataforma Stratio en menos de 6 meses después del primer lanzamiento, nuestro cliente pudo ofrecer productos de una PYME fintech, servicios transaccionales a través de la web y el móvil, una solución PSD2 completa para los clientes. Todas estas nuevas soluciones implementadas en la plataforma Stratio.
________________________________________________________________________________________________________________________________________________
Stratio permite "ir en vivo" con una incorporación digital en 3-5 meses y replicar en varios países con una inversión marginal debido a Business Data Layer.
________________________________________________________________________________________________________________________________________________
Solución
Stratio y el banco definieron un equipo conjunto para construir en un período de 5 meses un proceso de incorporación digital completo de extremo a extremo para otorgar préstamos de consumo en un minorista y en canales digitales.
El banco contó con un equipo de alrededor de 15 expertos funcionales de varias áreas (i) expertos en core bancario (ii) procesos de operaciones comerciales (iii) expertos frontales (iv) expertos en datos (vi) expertos en sistemas bancarios.
La plataforma Stratio que unifica todos los procesos de datos, analíticos y transaccionales permite que el equipo trabaje como un equipo unificado de expertos comerciales y técnicos y acelera significativamente el desarrollo de funcionalidades.
Los aceleradores de la plataforma Stratio permitieron al banco alcanzar la meta de 5 meses: solución vertical para el marco de orquestación de microservicios, solución vertical para la autenticación y autorización de API, capa de datos comerciales operativos que permite la generación automática de API (DaaS) por dominios para los datos en tiempo real para consumirse en servicios transaccionales y soluciones analíticas en tiempo real.
Después de la puesta en marcha, el banco pudo desplegar según lo planeado en 1 mes todas las tiendas POS del minorista asociado en el país. No hubo ningún incidente en Producción con impacto en el negocio debido a la plataforma unificada de Stratio.
Finalmente, se construyó un sistema de monitoreo completo de extremo a extremo en la plataforma Stratio que monitorea todas las transacciones, registros y métricas, incluidas Stratio y otras aplicaciones centrales del banco. Esto permite una gestión de la Producción muy eficiente.
Como resultado:
- El costo y el tiempo de comercialización del lanzamiento de la primera incorporación digital fue la mitad del tiempo y los costos esperados inicialmente por el banco.
- Tasas de conversión de clientes en onboarding digital inicialmente 50% y aumentó a 70% en 8 semanas debido a análisis en tiempo real y monitoreo funcional.
- Incorporación digital completa replicable en otros países y más productos a medida que se construye utilizando los términos comerciales y desacoplados de los esquemas técnicos.
3. Artificial Intelligence
La Inteligencia Artificial hace que las tareas repetitivas que requieren gran esfuerzo humano, se realicen automáticamente, analizando toneladas de datos en tiempo real, aprendiendo progresivamente con cualquier nueva interacción y sugiriendo los mejores enfoques basados en datos y patrones confiables. Combinado con el instinto humano y la experiencia lleva a la empresa al siguiente nivel.
3.1. Building a New Hospital Management System data-centric and AI-driven
Descripción
Nuestro cliente, una de las mayores aseguradoras de salud de España, planteó un objetivo: construir el hospital del futuro.
Usando el poder de la plataforma de Stratio, implementamos soluciones de software para lograr este objetivo. ¿Cómo construir el hospital del futuro? Con tecnología y nuevas herramientas que pueden mejorar la experiencia del paciente. Propusimos un Sistema Global PA (Megafonía) efectivo.
Nuestro objetivo: construir juntos una solución que dé respuestas para el futuro pero que aborde lo que se necesita hoy.
_________________________________________________________________________________________________________________________________________________________________
El proyecto
¿Qué es un sistema de megafonía global? Es un sistema de notificación, una solución que notifica a los pacientes a través de una interfaz de voz y una pantalla. Cuando los pacientes esperan su cita en la sala de espera, suele haber una pantalla que muestra notificaciones a través de un texto codificado. Propusimos una solución avanzada y más desarrollada que notificaría a los pacientes que brindan asistencia con direcciones, tiempo de espera esperado e información general que podría ser útil para los pacientes: consejos, recomendaciones, servicios del hospital, anuncios...
Este sistema es fácil de parametrizar, altamente escalable e incluye una interfaz de voz para ayudar a las personas con discapacidad visual. La información proporcionada en las pantallas garantiza la discreción, ya que está asociada a un identificador de ticket personal designado para cada paciente.
Acordamos con el equipo de Arquitectura del cliente implementar una arquitectura reactiva basada en WebFlux. En cuanto a la interfaz de voz, nos pusimos en contacto con una universidad española de renombre para integrar su solución de reconocimiento de voz de código abierto en inglés y todos los idiomas oficiales que se hablan en España.
_________________________________________________________________________________________________________________________________________________________________
Solución
- Se cumplieron los objetivos que el cliente presentó al inicio del proyecto y se logró el valor. La plataforma y las tecnologías cumplieron con los requisitos normativos de procesamiento de datos, funcionales y de rendimiento.
- Este sistema se utiliza actualmente en los centros médicos, enviando avisos y notificaciones a los pacientes en las pantallas de la sala de espera. Admite cientos de salas de espera y está diseñado para pantallas grandes y pequeñas: dispositivos móviles como una tableta.
- Con este caso de uso ayudamos a muchos centros médicos a reinventar la tecnología sanitaria y mejorar la calidad de vida de los pacientes. Seguimos generando soluciones que partieron de un objetivo simple pero muy ambicioso: construir el hospital del futuro.
3.2. Solución integral para realizar una estrategia completa de optimización de precios
Descripción
Nuestro cliente, uno de los mayores retailers de Europa con más de 1000 tiendas en España necesitaba definir y establecer una estrategia de precios, para gestionar de forma dinámica los precios de más de 6 millones de productos, capaz de centralizar todos los datos y gestionarlos con un solo solicitud.
Las variaciones en el precio de un producto a menudo son juzgadas arbitrariamente por el cliente final. Sin embargo, detrás de cada variación de precios hay factores geográficos, competidores feroces y proveedores volátiles. Conseguir una estrategia de cálculo de precios rápida y estable no es fácil.
El principal tema solicitado por nuestro cliente era mejorar la percepción de precio de los clientes asegurando márgenes y objetivos de venta. El proyecto en sí consiste en adaptar la política de precios a las características individuales del cliente según su lugar de compra, su perfil de compra... La solución también analizaría datos sociodemográficos (nivel de ingresos, morosidad, etc.), así como como factores ligados a la demanda que pueden indicar cambios con respecto al comportamiento normal y que requieren ajustes en la respuesta del mercado.
Definimos 3 objetivos principales para llevar a cabo el proyecto:
- Ajustar los precios al valor esperado del cliente
- Mejorar las ganancias comerciales
- Fomentar la reducción de riesgos
________________________________________________________________________________________________
El proyecto
Una vez definidos los requisitos, establecemos los métodos que se aplicarán al proyecto. Estos métodos juntos constituyen un conjunto integral de herramientas que se pueden utilizar para ensamblar modelos de precios dinámicos y personalizarlos de acuerdo con los requisitos y necesidades del negocio:
- Experimentación
- Aprendizaje activo
- Restricciones de la política de precios y optimización
- Modelado de demanda
El modelo: Dynamic Pricing Centric
Nuestra IA avanzada nos permite tener en cuenta todas las opciones en tiempo real y adaptar el comportamiento de la tarificación para optimizar el parámetro deseado (según lo definido por la gerencia).
Además, incluimos un raspado de precios de la competencia paralelo: nuestros raspadores multinivel pueden obtener el precio real al iniciar procesos de compra falsos en los sitios web de la competencia para obtener el precio real de los productos deseados.
Este modelo también agrega hiperpersonalización del cliente según el comportamiento del cliente. Nuestros modelos de comportamiento avanzados pueden realizar una micropersonalización en diferentes tipos de clientes para proporcionar una entrada rica y relevante a los modelos de precios dinámicos. Así, somos capaces de anticipar el comportamiento del consumidor y definir patrones de comportamiento en base al comportamiento histórico de las ventas y combinando fuentes internas con datos externos correlacionados con el consumo -como indicadores meteorológicos o fechas designadas para eventos deportivos-.
La Optimización de Stock, la Reducción de Stock, el Monitoreo de Precios de la Cadena de Suministro, el Monitoreo de Ventas y el Pronóstico son parte de la Estrategia de Precios.
________________________________________________________________________________________________
Solución
- Nuestra plataforma ejecuta el Cálculo Diario de 6,5 MM de artículos de tienda en menos de 30 minutos.
- Incluimos nuevas fuentes agregando arañas sobre competidores web para traer precios a nuestro bot.
- Los precios de la competencia web se verifican varias veces al día.
- Proveedores especialistas, tamaño pequeño-mediano.
- Diferentes webs para diferentes familias de productos: productos frescos vs ordenadores.
- Detección de anomalías: Falta de stock, promoción de la competencia (precio no normal).
- Hemos mejorado nuestros beneficios para los clientes +3% al reducir y automatizar los procesos manuales.
- Optimizamos los márgenes de utilidad de las ventas.
- Alcanzamos una mayor percepción y satisfacción del precio del cliente.