1. Resumen Breve
   1. Enfoque del podcast
      1. Entrevista con Victoriano Izquierdo, CEO de Graphext.
      2. Propuesta de valor: velocidad y modelos predictivos avanzados.
      3. Retos y oportunidades en el análisis de datos y la inteligencia artificial.
2. La Visión de Graphext: Más Allá del SQL
   1. Innovación tecnológica
      1. Ejecuta el 80-90% de las consultas directamente en el navegador.
      2. Compresión de millones de filas para mejorar la velocidad.
      3. Uso de WebAssembly y C++ para ejecutar el mismo código en frontend y backend.
   2. Beneficios clave
      1. Procesamiento más rápido sin depender del backend.
      2. Reducción de costos operativos.
      3. Interfaces dinámicas para el análisis de datos.
3. Del Análisis a la Acción: El Poder de los Modelos Predictivos
   1. Evolución del enfoque
      1. De la visualización de datos a la creación de modelos predictivos.
      2. Enfoque en revenue operations y conversión de insights en acciones.
   2. Aplicaciones clave
      1. Predicción de churn y conversión de leads.
      2. Optimización de promociones y recomendaciones de productos.
      3. Análisis de datos transaccionales y eventos de usuario.
4. El Rol del Business Scientist
   1. Perfil clave en el análisis de datos
      1. Híbrido entre analista de negocio y científico de datos.
      2. Experiencia previa en Excel pero con necesidades más avanzadas.
   2. Beneficios de Graphext
      1. Interfaz visual accesible sin necesidad de SQL.
      2. Capacidad para manejar grandes volúmenes de datos.
      3. Filosofía similar a Photoshop: curva de aprendizaje con alto poder analítico.
5. Activando los Datos: Más Allá de la Predicción
   1. Importancia de la acción
      1. No basta con predecir, hay que convertir insights en estrategias.
      2. Uso de shap values para interpretar resultados de modelos.
   2. Ejemplo de aplicación
      1. Identificación de clientes en riesgo de churn y acciones para retenerlos.
      2. Ajuste de precios y formación sobre funcionalidades no utilizadas.
   3. Colaboración clave
      1. Equipos de datos y negocio deben trabajar juntos.
      2. Definir métricas de éxito claras antes de implementar modelos.
6. Dos Enfoques Clave con el Churn
   1. Estrategias diferentes
      1. 1. **Retención**: ¿Cómo evitar que los clientes se vayan?
      2. 2. **Atracción**: ¿Por qué se quedan algunos clientes y cómo atraer más como ellos?
7. Desafíos y Oportunidades en el Mundo del Dato
   1. Retos actuales
      1. Escasez de perfiles con experiencia en gestión de equipos de datos.
      2. Problemas con datos heredados y desorganizados.
   2. La IA como solución
      1. Optimización del trabajo de equipos pequeños.
      2. Interpretación de variables mal documentadas.
      3. Aumento de la eficiencia en el modelado de datos.
8. Trabajando con Datos No Estructurados y la IA Generativa
   1. Aplicaciones en Graphext
      1. Uso de embeddings para analizar texto e imágenes.
      2. IA generativa para estructurar datos no organizados.
      3. Ejemplo: análisis de emails para detectar urgencia en ofertas.
9. Casos de Uso Inesperados y el Futuro de Graphext
   1. Ejemplo curioso
      1. Un cliente usó Graphext para organizar las mesas de su boda.
   2. Expansión futura
      1. Construcción de un equipo comercial sólido.
      2. Inspiración en empresas como Dataiku y Palantir.
      3. Posicionamiento de Graphext como líder en Europa.
10. Puntos Clave para Llevártelos
    1. 1. **La velocidad importa** – Optimiza el acceso y procesamiento de datos.
    2. 2. **El contexto de negocio es clave** – La colaboración entre equipos de datos y negocio es esencial.
    3. 3. **No te quedes en la superficie** – De la visualización a la predicción y, finalmente, a la acción.
    4. 4. **La IA como aliada** – Puede optimizar el análisis y comprensión de datos complejos.
    5. 5. **Explora nuevas posibilidades** – Los datos pueden aplicarse de formas innovadoras y creativas.
11. mindmapas.com