Data to Dollars™ - Practical Analytics in the Big Data Era Jaime Fitzgerald April 2012

FSIUG WEBINARJaime Fitzgerald, Founder & President of Fitzgerald Analytics

Turning Data to Dollars™ in the Era of "Big Data":How to avoid common pitfalls of managing large volumes of data, sidestep "big data hype," and 

capitalize on new opportunities

Date: April 18, 2012Time: 2:00 – 3:00 EST

More and more technologists are getting excited about "Big Data", which they often define ashaving greater volume, greater variety, and greater velocity than traditional data assets.Although "Big Data" has great potential to spur innovation, the enabling technology andanalytics create new challenges and risks. Organizations are investing significant time andmoney in "Big Data" strategies, tactics, teams and tools. Yet, despite the hype, most "Big Data"initiatives have not generated concrete and positive ROI.

Today’s Agenda

• Message from our President, Rich Bouthilette

• Message from our Quest Education Specialist, Jenn Abney

• Webinar• Q&A 

The Financial Services Industry User Group  (FSIUG)

• Quest Affliated ‐ Independent User Group  • Comprised of Financial Services Instutions that have licensed an Oracle ERP product

• Main Purpose:  Provide ways for members to share implementation strategies and product experiences and help them shorten the learning curve related to maximizing their ERP platform

Recent Activities

• User Group meetings at various conferences such as Collaborate and Open World

• Held a successful Financial Services Industry Symposium last summer at Adelphi University in Long Island

• Had a Kiosk at Oracle’s Financial Services Industry Meeting in February in NYC

Upcoming Plans

• Lunch and Learns– Suggestions for topics?

• Webinars• Financial Services Industry track at Reconnect

– Peoplesoft Product focused event happening in late August in Hartford, CT

– Submit FSI related abstracts– Send abstracts or ideas to me of what you want to hear:   Richard Bouthillette   rbouthillette@amica.com

800/652‐6422  x24037

Reconnect

• Jennifer Abney, Education Specialist, Quest International User Group

August 27‐29, 2012Connecticut Convention CenterHartford, Connecticut  USAQuestDirect.org/RECONNECT

• PeopleSoft RECONNECT is a new PeopleSoft-focused event, replacing our Regional events. This new event will offer in-depth education into PeopleSoft product modules in a way that isn’t possible at COLLABORATE due to space limitations.

• What content will be available?o Granular content within PeopleSoft modules like:o HCMo Financialso Supply Chaino Tools & Technologyo Upgradeso Enhancement discussions with Oracle development and

support.o SIG meetings around the featured product modules.

Architects of Fact‐Based Decisions™

Turning Data to Dollars™ in the Era of "Big Data"

• Jaime Fitzgerald, Founder and President, Fitzgerald Analytics April 18, 2012

Nice to Meet You!

Jaime Fitzgerald@jfitzgerald

• Key Mission is to Find & unlock opportunitiesvia data, technology, people, + processes.

Principles:

“Begin with the End in Mind” (Covey)

“Quality is Free” (McGregor)

Data to Dollars™ specialist.  Creator of a structured methodology and toolkit to accomplish this.  Will share further at Reconnect!

Introduction

1. Big Data… Big Results?

2. Data to Dollars™

3. Implications of Big Data

4. Key Takeaways and Questions

Table of Contents

Transforming Data to Dollars™

It’s a journey…

Really Big Data

Product of everywhere

Big DataProduct of Alberta

Small Data

1

3

2

Defining Big Data: “Three Vs”

"Big Data“ is often defined as data with:

greater volume…

greater variety…

and/or

greater velocity….

Another Way to Define “Big Data”

What are the optimal methods to accomplish your goal?

• Centralized• Relational DBs (tables)

• Distributed• Non‐relational DBs (key‐value pairs)

Note that this definition hinges on methods applied, not on dataset sizes:

800GB Can Be “Traditional”

80GB Can Be “Big Data”

• SQL queries • Map‐reduce and custom algorithms

• Centralized• Standardized analytics

• Distributed• Custom analytics

• MS SQL Server• Oracle• Tableau• Excel pivot tables

• Hadoop• BigTable• Riak• Amazon S3

Traditional approaches Big‐data approaches

Data storage

Data access

Data analysis

Typical tools

My Perspective Towards “Big Data”

Skeptical (of the hype)…

….yet

Cautiously Optimistic!

Big DataProduct of Alberta

Big Data Hype – Does is Cause a Problem?

“Data is the New Oil”  – World Economic Forum Report 

The Potential is Real…It’s Just Not Easy to Get

Introduction

1. Big Data… Big Results?

2. Data to Dollars™

3. Implications of Big Data

4. Key Takeaways and Questions

Table of Contents

Will Big Data Unlock Big Results?

• It depends…

• ...on the principles you work by.

Stephen Covey

2. Insight You Need

3. Analytic Methods

4. Data You Need

5. Tools, Platforms, Technology, People, and Processes

1. Your Goal

Beginning with the End in Mind

Fitzgerald Analytics: Converting Data to Dollars™

Better Data Better Analysis Better Results

“A Journey of a Thousand Miles….”

Worth The Trip!

1

3

2

Key Steps in the Journey to Results

Data Governance

Data Management

Data Quality

New Data Source Acquisition

Analysis Insight Better Decisions

Better Processes

More Customers

Happier Customers

3. Results2. Analytics1. Data

Introduction

1. Big Data… Big Results?

2. Data to Dollars™

3. Implications of Big Data

4. Key Takeaways and Questions

Table of Contents

Simplify Your Analytic Process via “Causal Clarity”

• …Clearly defining “Cause and Effect” is the most crucial enabler of analysis that is simple, efficient and high impact.

Define Goal

Define Business Model

DefineCausality

1 2 3

Usually net profit

Can be anything!:

– Marketing ROI

– Non‐profit impact

– Customer satisfaction

– Etc.

Products / services

How sold / how delivered

To what customers

At what price

Cost structure (fixed vs. variable)

Known KPIs and rationale for them

Aka “drivers tree”

Makes the causal model visual

Inputs

• A simple example…

Here’s a Simple Example

ProfitProfit

CostsCosts

RevenuesRevenues

VolumeVolume

PricePrice

COGSCOGS

SG&ASG&A

. . . 

. . . 

. . . 

. . . 

Causality Flow and Strategy Planning• Causality flow and strategy planning move in opposite directions…

… but strategy is best developed in this direction (“Beginning with the End in Mind”)

ProfitProfit

CostsCosts

RevenuesRevenues

VolumeVolume

PricePrice

COGSCOGS

SG&ASG&A

. . . 

. . . 

. . . 

. . . 

Causality flows this way…

“Causal Clarity”

• If cause and effect are clear, practical analytics becomes feasible

Key Decisions

1. Drivers of Results…

Better Decisions

2. Optimized by Analysis & Data…

Revenue

Costs

Risks

Profit

3. Unlocking Better Results

Key Business Processes

Better Processes

Causes Effects

Causal Models: A Simple “Base Case”

• Each business model has an inherent “causal model,” but the “core branches” are similar

Revenue

Cost of Revenue

Operating Costs

Marketing

Overhead

Other

Gross Profit

Other Costs

Net Profit

less

less

Example: Drivers of Net Profit

Your Business Model

Has

A Point of Opportunity

Here is an opportunity to enhance ROI on Marketing + Sales efforts:

Volume

Price per Txn

Sales and Marketing

Transactions per Client

# of Clients

X

Point of Opportunity: “Efficiency of New Client Acquisition”Key Driver / KPI:  Acquisition Cost per New Client

Formula:  [spending on new client marketing]/[# New Clients)

Types of Questions Analytics May Answer

We are about to get practical, let’s keep the following in mind…

Source: Tom Davenport in “Analytics at Work”, Harvard Business School Press

Past Present Future

InformationWhat happened?

(Reporting)

What is happening now?

(Alerts)

What will happen?

(Extrapolation)

Insight

How and why did it happen?

(Modeling, experimental 

design)

What’s the next best action?

(Recommendation)

What’s the best/worst that can happen?

(Prediction,optimization, simulation)

What We Need to Get Practical

• To get practical about analytics, we need three things…

What We Need Definition

1. Causal Clarity re: Your Business Model

How You Make Money Key Drivers of Results

2. Definition of Your Points of Opportunity

Gaps vs. Potential Opportunities Recognized

3. A Plan to Capture the Opportunity

Insight You Need Method to Get It

Planning Your Analysis

2. Insight You Need

3. Analytic Methods

4. Data You Need

5. Tools, Platforms, Technology, People, and Processes

1. Your Goal = “Point of Opportunity”

Choosing Analytic Methods

Selecting the right analytic method is a key success factor.  Consider the logic below…

1.  Your Goals

2.  Types of Info you Need

3.  Information Available

Analytic MethodInforms

Introduction

1. Big Data… Big Results?

2. Customer Profitability Analysis

3. Implications of Big Data

4. Conclusion and Questions

Table of Contents

2. Insight You Need

3. Analytic Methods

4. Data You Need

5. Tools, Platforms, Technology, People, and Processes

1. Your Goal = “Point of Opportunity” 

What does “Big Data” change?

Big DataChangesTheseSteps...

Big‐Data Approaches and Tools Make Data Analysis

Possible, for very large data sets that cannot be handled at all with typical relational databases.

Faster, for large data sets that can be handled with typical relational databases, but doing so would take a long time. This is the situation in the example above.

Cheaper, for large data sets that can be handled with typical relational databases, but doing so would be very expensive.

Big Data Allows Us To Work with Large Datasets

• We can analyze datasets larger than ever before

Beyond a certain point, conventional methods just aren’t feasible –Google couldn’t run on a relational DB

For larger datasets, big‐datamethods make more sense

For smaller datasets,conventional methods aremore cost‐effective

Dataset size

IT Costs

For a given desired speed of analysis…

Traditional methods

Big‐datamethods

Big Data Allows Us To Get Results Faster

• We can get results faster than ever before

Analysis speed

IT Costs

For a given dataset size…

Conventionalmethods

Big‐datamethods

SLOW FAST

Introduction

1. Big Data… Big Results?

2. Customer Profitability Analysis

3. Implications of Big Data

4. Conclusion and Questions

Table of Contents

Build/Maintain Customer    Profitability Models:              

Identify costs & revenues Build profiles Integrate data from

“new” sources

Example: Iterative Customer Profitability Enhancement

• Create consistent message • Target action to individuals• Optimize product / service

portfolio Data Warehouse

New Customer Knowledge  Results of our actions

Assess accuracy of our predictive models

Refine segmentation schema

Define new goals, questions, data “wish lists” (big data? Or small…)

Take Smarter Actions w/ Customers Target: Who? 

Message or action: What?

Offering:  Product design

Service:  How delivered? (how experienced by customer?)

External Data 

Sources

Impact of Speed…

Instantly

Daily / weekly / monthlySmall Data 

(+ related tech)

Big Data (+ related tech)

Our understandingOf customers:

Type of data and technology tools:

Impact of “resolution” (quality of picture)

Instantly

Instantly

Instantly

Instantly

Father just started at Bank of America

His son’sfavorite color isblue

All his friends have 

Chase

Big Data (+ related tech)

Helping us Take Smarter Actions w/ Customers Target: Is he one? 

Message or action: What?

Offering:  Product design

Service:  How delivered? (how experienced by customer?)

Customer Segmentation and Lifetime Value (CLV)

Customer Retention

Cross‐sell, Up‐sell

Marketing Optimization & ROI

So how does Big Data + Related Tools Help With…

2

3

1

4

New Financial Product Design & Innovation5

Q&A