sábado, 29 de diciembre de 2018

Finanzas - Poison Put

Finanzas - Poison Put
Fuente: Financial-dictionary.thefreedictionary.com /  Investopedia

Un veneno puesto es una estrategia de defensa de adquisición en la cual la compañía objetivo emite un bono que los inversionistas pueden canjear antes de su fecha de vencimiento . Un envenenamiento es un tipo de provisión de píldoras envenenadas diseñada para aumentar el costo en el que una compañía incurrirá para adquirir una compañía objetivo.

Podemos decir que es un pacto que permite el tenedor de bonos a exigir la devolución en el caso de una adquisición hostil .

Los ejecutivos pueden emplear una serie de estrategias diferentes cuando defienden a una empresa de una oferta de adquisición hostil . Las píldoras de veneno son una de esas estrategias y están diseñadas para hacer que la perspectiva de adquirir una empresa a través de una oferta pública de adquisición sea costosa y menos probable que ocurra. Este tipo de defensa de adquisición es legal, aunque los ejecutivos de la compañía todavía tienen el deber de actuar en el mejor interés de los accionistas .

Los venenos son un tipo de defensa de pastillas venenosas en la que los tenedores de bonos tienen la opción de obtener un reembolso en caso de que ocurra una adquisición hostil antes de la fecha de vencimiento del bono. El derecho de reembolso anticipado está escrito en el convenio del bono, y la adquisición representa el evento desencadenante.

Las compañías que buscan completar una adquisición hostil deben equilibrar el costo de adquirir una participación mayoritaria en la compañía objetivo con otros costos de adquisición . Un veneno puesto es diferente a otras defensas de pastillas venenosas, ya que no afecta el número de acciones en el mercado, el precio de las acciones o los derechos de voto otorgados a los accionistas. En cambio, afecta directamente la cantidad de efectivo que una empresa adquirida tiene disponible al cambiar las obligaciones de los bonos del futuro a la fecha en que se produce la adquisición hostil. La empresa adquirente debe asegurarse de que tiene suficiente efectivo para cubrir el reembolso inmediato de los bonos.

Ejemplo de Poison Put

Por ejemplo, una compañía cree que un competidor más grande puede adquirirlo en el futuro. Como defensa, la compañía recauda dinero a través de una emisión de bonos, e incluye un convenio de veneno . El valor total de los bonos es de $ 50 millones. Para que el competidor adquiera con éxito la compañía, no solo debe poder pagar la compra de una participación de control de las acciones, sino que también debe pagar un reembolso potencial de $ 50 millones a los tenedores de bonos.

miércoles, 19 de diciembre de 2018

Háganse a un lado millennials, llegó el momento de la generación Z.

Háganse a un lado millennials, llegó el momento de la generación Z. 
Fuente: Natalia Fabeni


En 2019, la generación Z tomará la delantera y superará en número a los millennials, esa generación que nos encantó odiar la última década. "Su energía y sus conocimientos tecnológicos revolucionarán el lugar de trabajo, y por primera vez en la historia moderna cinco generaciones trabajarán a la par", dice Michael Dell, director ejecutivo y presidente de Dell Technologies. La generación Z, que el Pew Research Center define como aquellos nacidos a partir de 1997, serán un tercio de la población global y un quinto de la fuerza de trabajo. ¿Cuál es la ética de trabajo de esta esta nueva generación? "Mi experiencia es que vienen pisando fuerte", dice la autora éxito en ventas Brené Brown. Casi la mitad de sus empleados pertenece a la generación Z. "Son personas muy diferentes entre sí, pero como grupo, mi experiencia es que son curiosos, optimistas, siempre quieren aprender, están conectados con el sufrimiento del mundo y ansiosos por hacer algo para solucionarlo".

domingo, 9 de diciembre de 2018

Tecnologías revolucionarias

Tecnologías revolucionarias
Fuente: Mike Quindazzi

Cada vez las tecnologías facilitan las tareas de la empresa y producen innovación, lo que hace que las empresas que no se suman a estas tecnologías se vayan quedando atrás.

sábado, 1 de diciembre de 2018

Ventajas del Machine Learning para las empresas

Ventajas del Machine Learning para las empresas
Fuente:www.blog.andaluciaesdigital.es
La aplicación de los sistemas de aprendizaje automático son uno de los grandes pilares y retos del futuro más inmediato. Ya existen aplicaciones y procesos que se están aplicando y desarrollando y uno de los puntos de interés está centrado en el mundo empresarial ¿Cuáles son las ventajas del Machine Learning para las empresas? Toma nota:

1) Mayor conocimiento de las necesidades, gustos y hábitos de compra de los clientes. El Machine Learning ya es indispensable para dar un paso más allá en la mejora de la experiencia del cliente (Customer experience) y en la fidelización del consumidor digital.

2) Mejora de la relación y de la comunicación con el cliente. Los sistemas de Inteligencia Artificial como los chatbots promueven una atención 24 horas los siete días de la semana. Los datos que obtienen son indispensables para la mejora del servicio de atención, así como para conocer mejor al cliente.

3) Predicción de tendencias y necesidades a partir de la interpretación de millones de datos. Ya son muchas las empresas que optimizan sus ciclos de producción a partir de la información que es analizada e interpretada a través de los sistemas de Machine Learning.

4) Impulso y desarrollo de nuevos productos y servicios en función de todos estos datos. El Machine Learning favorece la innovación y la búsqueda de nuevas soluciones que, en la mayoría de los casos, se apoyan en la interpretación correcta de los datos que se reciben.

5)Desarrollo del ecommerce  gracias al análisis del comportamiento de los clientes. Automatización y desarrollo de servicios o productos sugeridos en función de los datos interpretados que llevan a una experiencia mucho más personalizada.

6) La capacidad de predicción de los sistemas de Machine Learning será indispensable para la ciberseguridad de las empresas, así como de las amenazas informáticas que ya emplean la Inteligencia Artificial para los ciberataques ¿Quieres conocer más? Pincha este enlace.

7) Desde el punto de vista del funcionamiento interno, las ventajas del Machine Learning para la empresa supone contar con los datos adecuados para una mejor toma de decisiones, así como para la automatización de los procesos en los que hasta ahora se empleaban recursos humanos y materiales.

8) Mejora y optimización de los procesos de selección. Ya son muchas las empresas que están apostando por sistemas de Inteligencia Artificial y de Machine Learning en sus departamentos de recursos humanos ¿Quieres ampliar información? Mira este enlace.

9) Una ventaja competitiva con respecto a la competencia y a sus productos. Los datos que aporta el Machine Learning tienen en cuenta el valor de contar con la información y los usos por parte de la competencia. La obtención de datos no solo es útil desde el punto de vista del cliente, sino en el terreno de obtener un análisis más preciso y certero de los mercados.


10) Optimización de los sistemas y procesos logísticos de la empresa que, de la misma manera, afectan a la experiencia con el cliente y favorecen una mejora en la organización de los procesos productivos que, gracias al Machine Learning, cuentan con una base sólida de datos con la que justificar la toma de decisiones.

Big Data y Machine Learning aplicado a la empresa

Big Data y Machine Learning aplicado a la empresa
Fuente: Andres Gonzales - Consultor de Machine Learning

Una empresa de telefonía quiere saber qué clientes están en “peligro” de darse de baja de sus servicios para hacer acciones comerciales que eviten que se vayan a la competencia. ¿Cómo puede hacerlo? La empresa tiene muchos datos de los clientes, muchísimos: antigüedad, planes contratados, consumo diario, llamadas mensuales al servicio de atención al cliente, últimos cambios de planes contratados… pero seguramente los usa solo para facturar y para hacer estadísticas. ¿Qué más puede hacer con esos datos? Se pueden usar para predecir cuándo un cliente se va a dar de baja y gestionar la mejor acción que lo evite. En pocas palabras, con Machine Learning se puede pasar de ser reactivos a ser proactivos. Los datos históricos del conjunto de los clientes, debidamente organizados y tratados en bloque, generan una base de datos que se puede explotar para predecir futuros comportamientos, favorecer aquellos que mejoran los objetivos de negocio y evitar aquellos que son perjudiciales.

Esa cantidad ingente de datos son imposibles de analizar por una persona para sacar conclusiones y menos todavía para hacer predicciones. Los algoritmos en cambio sí pueden detectar patrones de comportamiento contando con las variables que le proporcionamos y descubrir cuáles son las que han llevado, en este caso, a darse de baja como cliente. La siguiente imagen es un ejemplo de una predicción simplificada basada en datos de una compañía de telefonía ficticia, pero usando una herramienta de Machine Learning real:
           

La visualización en árbol (en esta imagen está simplificado, la predicción real tiene muchos más nodos) permite ver los patrones que han seguido ciertos clientes que se han dado de baja. En este caso está resaltada una de las ramas centrales, que indican un patrón en el que el cliente:

Tiene más de 3 llamadas al servicio de atención al cliente.
Llama menos de 171,95 minutos al día.
Las llamadas en horario nocturno son inferiores a 189,02 minutos.
 

Este es un análisis de los datos históricos, pero… ¿dónde está la predicción? Vamos a ello: si los clientes que tienen estas características ya se han dado de baja de la compañía, es previsible que los que todavía son clientes y tienen este mismo comportamiento estén en riesgo de irse. Según este modelo predictivo, es bastante probable que esto suceda (se dice que la predicción tiene una confianza, en este caso, de 91,97%). Si el departamento de marketing tuviera esta información, podría proponerles proactivamente un cambio de plan de tarificación o podría revisar por qué han llamado al servicio de atención al cliente para intentar mantenerlos.

El árbol de predicción completo sería el siguiente. En este caso hemos resaltado una predicción falsa (es decir, no se daría de baja) con una confianza del 90,59%. A la derecha de la imagen se puede ver el patrón de comportamiento de este grupo de clientes:

            

El reto de sacar partido de los datos se ha simplificado enormemente. El Machine Learning de hoy no es como antes. Esto quiere decir que con datos de calidad, tecnologías adecuadas y análisis propicios es posible actualmente crear modelos de comportamiento para analizar datos de gran volumen y complejidad. Además, los sistemas proporcionan resultados rápidos y precisos sin intervención humana, incluso a gran escala. El resultado: predicciones de alto valor para tomar mejores decisiones y desarrollar mejores acciones de negocio.

Sin embargo, no debe distraer nuestra atención el volumen de datos. No es necesario tener tantos datos como Facebook o como un gran banco para hacer modelos que ayuden al negocio. Es mejor tener datos de calidad (fiables y útiles) que tener miles de millones de datos de los que no se puede extraer valor.

Gobierno de Datos

Gobierno de Datos Fuente: blog.bi-geek.com Podemos definir el Gobierno de Datos como la implementación de políticas y procedimientos...