Desarrollo de contenido

Unidad 1
Fundamentos de Big Data
Publicidad y Marketing Digital
Unidad 1.
Fundamentos de Big Data

Introducción a la unidad 1
Te damos una calurosa bienvenida a la Unidad 1 del curso Big Data y analytics. Con esta,
estudiaremos los fundamentos del Big data, para lo cual, nos adentramos en conceptos como
‘análisis de datos’, es decir, ¿qué es analizar datos?, ¿para qué sirve analizar los datos?, ¿qué
significa y para qué sirve la analítica en el negocio?, ¿qué es la inteligencia de negocio y cómo
nos beneficia?
Adicionalmente, es importante saber que existen diferentes tipos de analítica que nos
ayudarán a avanzar y a mirar más allá de los datos, así como, a visualizar a nivel global y al
detalle cómo se están comportando nuestros datos. En tal sentido, los tipos de analítica son:
descriptiva, diagnóstica, predictiva y prescriptiva.

Por otro lado, tenemos un tema de suma importancia que trataremos antes de entrar en
materia: la pregunta de negocio, ¿qué es? y ¿cómo se formula? Teniendo eso claro, podremos
conocer el mundo del Big Data identificando las diferencias entre este y el Small Data: ¿cuáles
son las tendencias tecnológicas actuales que nos ayudan a manipular Big Data? Finalmente,
como complemento a lo anterior, observaremos algunos casos de uso que nos ayudarán a
interpretar mejor los conceptos estudiados en la primera parte.

Resultado de aprendizaje unidad 1

Conocer los conceptos básicos de análisis de datos y aplicarlos en la inteligencia de negocio y el
Big Data en relación con el marketing.

Cronograma de actividades de la unidad 1

Actividad de aprendizaje Evidencia de aprendizaje Semana Ponderación

Actividad de Foro de conocimientos Semana 0 0%

conocimientos previos. previos

AA. Fundamentos de Big EA1. Estudio de caso Semana 2 25%

Data.

Total 25%
Unidad 1. Actividad de aprendizaje 1.
Fundamentos de Big Data

1. Definición de Small y Big Data

1.1. ¿Qué es Big Data?
En español, se refiere a grandes colecciones de datos, los cuales, por lo general, provienen de
distintas fuentes, entendiendo por éstas, una bodega o la casa en la que se almacenan grandes
cantidades de datos. Los avances tecnológicos que hemos venido enfrentando en los últimos
años, permiten a las empresas recoger y almacenar datos por diferentes medios.
Como puedes observar en la figura 1, para comprender esas grandes cantidades de datos, es
importante profundizar cinco conceptos que se unen entre sí:

Figura 1. Las 5 (V) del Big Data

Fuente: Elaboración propia.

A. Volumen: cantidad de datos – información – registros reales que tiene una empresa a nivel
transaccional.

B. Variedad: hace referencia al tipo de variables que se tienen, es decir, si son numéricas o
categóricas (numérica: 1, 2, 3, 4, 5…; categórica: pequeño, grande, mediano…) y además, los
tipos de datos que se tienen: estructurados o sin estructurar. Así, los primeros, son datos que
están almacenados en una estructura de Filas y Columnas y los segundos, son aquellos que no
tienen una estructura definida, es decir, no tienen columnas o filas, son, simplemente, una lista
de elementos.

C. Velocidad: cuando se tienen grandes cantidades de datos, queremos conseguir la

información de manera rápida y eficiente, por lo tanto, se necesitan herramientas tecnológicas
adecuadas para generar un flujo de información que sea óptimo.

D. Veracidad y Valor: estas dos ‘V’, nos indican que esta información debe tener criterio de
realidad y debe generar valor para la toma de decisiones: ¿Qué nos está diciendo la
información?, ¿qué tipo de decisiones podemos tomar de acuerdo con los datos que
observamos?

Cuando las empresas tienen un modelo de Big Data, existen varios retos que los equipos de
trabajo deben enfrentar:

• Almacenamiento de datos.
• Calidad de los datos.
• Seguridad y privacidad.
• Interoperabilidad.
• Disponibilidad del servicio.
• Desempeño.

Ahora bien, cuando las empresas logran superar esos retos con el apoyo de su equipo de
trabajo, se ven beneficiadas con los siguiente:

• Reducción de costos
• Optimización en la toma de decisiones
• Nuevas ideas de productos para los clientes
• Análisis avanzado de la información
• Autogestión de usuarios.
• Almacenamiento de datos en la nube.
1.1.1. Calidad de los datos
La calidad de los datos, permite que aquellos sean adecuados para el propósito de uso fit for
purpose (ajustar para un propósito). De igual manera, mejora la información que debemos
utilizar en la operación del proceso, la analítica, la inteligencia artificial, etc. ¿Cuáles son las
causas que no permiten generar calidad de datos y cuáles son las consecuencias de ello?
Causas

• Ingreso de datos manuales.

• Falta de estándares.
• Sin procedimientos de validación.
• Transformaciones constantes.
• Errores de sistemas.
• Migraciones incorrectas entre aplicativos.
• Datos externos.

Consecuencias

• Decisiones de negocio erradas.

• Incredibilidad.
• Reprocesos.
• Ineficiencias.
• Desconfianza.
• Inconsistencias.

1.2. Diez conceptos fundamentales del Big Data

En la figura 2, puedes observar los diez conceptos fundamentales del Big Data, los cuales, se
relacionan con todo lo que complementa el mundo de la analítica y debemos de tener en
cuenta a la hora de utilizar de forma correcta nuestros datos.
Figura 2. Componentes del Big Data

Fuente: Elaboración propia.

Importante

Los datos que actualmente tenemos, aumentarán de manera

exponencial y las herramientas existentes para el Big Data
evolucionarán adaptándose de la mejor manera.
Algunas de esas herramientas son:

• Tecnologías de Big Data.

• Real Time.
• Bases de datos NoSql.
• Modelación.
• Nube.
• BI tradicional.
• Privacidad.
• Seguridad.
• Agile.
• Casos de uso.

1.3. La diferencia entre Small Data y Big Data

La diferencia entre Big Data y Small data, se centra en la cantidad de información que puede
procesar cada programa, así como, en las ventajas que aporta a la empresa la posesión de cada
uno (Gutiérrez, 2020).

1.3.1. Big Data

El objetivo del Big Data, consiste en identificar tesoros ocultos sobre el comportamiento de los
clientes, predecir la siguiente decisión o encontrar dónde se debe centrar el esfuerzo en
mercadeo, publicidad o innovación.

1.3.2. Small data

Busca pequeños datos que conectan a las empresas y a las personas con perspectivas
reveladoras y organizadas visualmente para que sean entendibles y procesables en las tareas
de cada día o en los procesos de inspiración.
 Para tener en cuenta

El análisis de grandes cantidades de datos está cambiando la

manera en la que las empresas y las personas toman sus
decisiones, pues ahora, aquellas se basan en información.

1.4. El aporte del Big Data en las empresas

El crecimiento exponencial de los datos en las empresas ha cambiado la forma de almacenar,
organizar e interpretar los datos. Si comparamos la forma tradicional del almacenamiento de
datos desde hace 100 años hasta la actualidad, observaremos que ahora, es más eficaz y
eficiente, gracias a los softwares de análisis masivo de datos.
Así las cosas, un modelo de Big Data bien administrado en una empresa, podría emplearse
para diseñar estrategias de mercadeo que permitan incrementar las ventas, identificar clientes
potenciales, almacenar datos, mejorar los sistemas de información, optimizar procesos, entre
otros.

2. Tendencias tecnológicas y el Big Data

2.1. Fundamentos de Big Data
Hoy en día, podemos evidenciar que las tecnologías informáticas y de sistemas de
comunicación, han venido creciendo de manera exponencial en diferentes ámbitos de nuestra
cultura. Parte de aquella, se utiliza para realizar tareas que requieren inteligencia avanzada,
como, por ejemplo, reconocer imágenes o crear robots que hagan trabajos que antes eran
operativos, pero que ahora, gracias a esas nuevas tecnologías, pueden ser automatizados.
Solamente basta con observar el ejemplo de Facebook o Instagram, dos redes sociales que nos
recomienden productos de acuerdo con nuestros gustos.
 Importante

Para lograr lo anterior, la ciencia de los datos se dedicó a

estudiar cómo reproducir un comportamiento inteligente con
datos. En pocas palabras, los datos son registros que
demuestran el comportamiento de cualquier ámbito, sea
humano, animal o de un producto.

A continuación, analizaremos algunos ejemplos aplicados en analítica avanzada y Big Data,

pues la idea, es contextualizarse en cómo podríamos utilizar las tecnologías con base en los
datos. Estos ejemplos, están dirigidos al marketing, ya que, es uno de los campos que tiene
más uso actualmente.

2.2. Ejemplos de aplicación de analítica avanzada de

Small y Big Data
2.2.1. El Big Data aplicado en el marketing:
Estudios desarrollados en el año 2014 que pretendían conocer la opinión de los jefes de
marketing (CMO por sus siglas en inglés [Chief Marketing Officer]) sobre la importancia de las
herramientas de procesado masivo de datos, revelaron que, el 58 % de esos jefes, afirmaron
que el Big Data era más importante en su departamento que en otros contiguos, tomando
especial relevancia en áreas como el marketing por correo electrónico, el marketing destinado
a dispositivos móviles y la optimización de motores de búsqueda. El éxito del Big Data, está en
aportar más rendimiento a la empresa y conseguir una experiencia positiva para el cliente
(Gutiérrez, 2020).

Para tener en cuenta

El análisis de la información, es un apoyo fundamental al

momento de decidir el precio que los clientes pagarán por
disfrutar del producto. Un ejemplo cercano, es la comercializadora
ÉXITO que, con el uso de los datos y correlacionando con
información del comportamiento del mercado externo, genera
predicciones sobre cómo serían los precios para los siguientes
 meses y, de esta manera, realiza un presupuesto de compra y
venta de productos, algo que, además, permite tener un
inventario óptimo que, a su vez, ayuda a reducir costos de
almacenamiento.

2.2.2. Mercados del SUR – Análisis de ventas y

estrategias de crecimiento
La compañía caleña Mercados del sur, tiene dos cadenas de supermercados: Mercados El
Salsero y Merca Cali.

Al final del año 2021, esta empresa contrató una compañía consultora (Data Geeks SAS) para
que realizara un análisis y estructurara un plan de acción para el 2022, pues notaron que sus
ventas por canales digitales (teléfono, página web) no crecieron durante el año 2021.
En aras de tomar decisiones al respecto, Data Geek SAS tuvo que hacerse algunas preguntas
como:

• ¿Qué porcentaje de clientes nuevos compran una solamente una vez?

• ¿Cuál es el valor de compra esperado por cada cliente en sus primeros seis meses?
• De los clientes que compraron por primera vez en enero, ¿cuántos de esos compraron
en junio?
• ¿Cuándo podemos considerar que un cliente abandonó la marca?
• ¿Cuáles serían las causas del abandono?

Por otra parte, Mercados del Sur utiliza estrategias de inteligencia de negocio con el objetivo
de incrementar ventas en los canales digitales y, las preguntas que acabas de leer, son algunas
de las que se puede hacer el equipo para identificar hitos o patrones significativos entre los
clientes, de forma tal que, sea posible enfocar las estrategias de mercadeo para incrementar
las ventas, mejorar la rotación de los productos o evitar la deserción de los clientes que más
compran.

Para responder estas preguntas, se crea el siguiente camino analítico:

1. Entendimiento de la causa del decrecimiento de ventas por canales digitales.

2. Identificación de las fuentes de datos relacionadas con las ventas en canales digitales y
el historial transaccional de los clientes.
3. Entendimiento de los datos: ¿cuántos datos tengo?, ¿tengo Big Data?, ¿qué tipo de
bases de datos utilizamos?, ¿cuántas variables tengo?, ¿qué tipo de filtros debo hacer?
4. Transformación y preparación de los datos: generar la limpieza de los datos es
fundamental para el proyecto porque en ellos se basará la toma efectiva de decisiones
de negocio (recordemos las ‘V’ de veracidad y valor). En este paso, limpiamos valores
nulos, datos repetidos, eliminamos columnas que no necesitamos, creamos columnas
con base en otras, mejoramos la representación de categorías, arreglamos la ortografía,
mejoramos la representación de los números, filtramos, categorizamos, entre otras
tareas.

5. Análisis descriptivo y exploratorio de los datos: esta fase consiste en analizar las
posibles relaciones entre las variables utilizando metodologías estadísticas como
correlaciones, relaciones lineales, gráficas de tendencia, distribución de datos, análisis
de medidas principales como la media, la moda, la mediana, etc. Además, identificamos
relaciones, patrones o comportamientos inusuales para intentar darle una explicación al
comportamiento comercial.

6. Modelamiento estadístico: llegado el caso, después de analizar los datos mediante

metodologías estadísticas, se pueden proponer modelos predictivos de ventas o de
clasificación de clientes que potencialmente puedan abandonar la marca, con el
objetivo de anticiparse al hecho y evitar la deserción.

7. Evaluación: el modelamiento y los análisis estadísticos, entran a una fase de evaluación

para tener cierto porcentaje de confiabilidad de los datos. Además, dicho modelamiento
entra en auditoría con el equipo experto para luego de ello, utilizar la información
nueva.

8. Despliegue y producción: finalmente, luego de los análisis estadísticos, se puede

realizar un tablero de control que permita monitorear las ventas en los canales digitales
e identificar a tiempo los posibles eventos de decrecimiento en aquellas. Además, dicho
tablero permite conocer las probabilidades o predicciones de los clientes y así, realizar
estrategias de marketing que permitan mejorar el producto o servicio que se muestra.
 Posibles herramientas analíticas para el
desarrollo
Dado que Mercados del Sur es una empresa que tiene transaccionalidad alta e
incremento diario de clientes, aquella cuenta con Big Data y, por tanto, debe utilizar las
siguientes herramientas:

• Herramienta cloud: Hadoop.

• Herramienta de machine learning y tratamiento de datos: Python o R.
• Herramienta de visualización de datos: Power BI
• Herramienta de almacenamiento de datos: SQL o NoSQl

Para entender mejor qué es el Big Data, debes explorar el siguiente recurso:

Video
• Autor: EDteam
• Título: ¿Qué es el Big Data?
• URL: https://www.youtube.com/watch?v=M26iIqmqWkI

Con el video pudimos entender que el Big Data, es un concepto muy importante en el análisis
de datos, los cuales, debemos conocer muy bien si queremos encontrar un verdadero tesoro
en ellos que nos permita aplicar estrategias de mercadeo.

Finalmente, para que termines de conocer cómo se debe aplicar el Big Data en marketing,
observa el siguiente video, pues este te enseña en un minuto la gran riqueza de los datos.
 Video
Autor: Marketing en 60 segundos
Título: Ciclo de Vida del Big Data Analytics
URL: https://www.youtube.com/watch?v=CmeTcvP3Ows

En el video se evidencia que, cuando tenemos Big Data y lo utilizamos adecuadamente,

podemos aplicar diferentes estrategias de mercadeo que nos darán muy buenos resultados en
las empresas.

3. Conceptos de Business Intelligence (BI) y

Business Analytics (BA)
Luego de entender y estudiar el Big Data y sus características, es necesario que aprendamos los
siguientes conceptos.

3.1. Análisis de datos

El análisis de datos o ciencia de los datos es, en pocas palabras, la ciencia que estudia los datos.
Por su parte, un dato es un registro o evento que se realizó en el pasado o en tiempo real,
como, por ejemplo, una transacción bancaria.
La analítica de datos, es un campo que se puede adaptar a múltiples disciplinas que utilizan
principios y procesos técnicos que permitan extraer datos para la comprensión de los
fenómenos a través de ellos, cuyo principal fin consiste en descubrir patrones y relaciones
ocultas que pueden explicar algún efecto positivo o negativo en el análisis.

El Glosario Gartner define la analítica avanzada como…

El análisis de todo tipo de datos utilizando métodos cuantitativos
sofisticados (por ejemplo, estadísticas, extracción de datos
descriptivos y predictivos, simulación y optimización) para producir
información que los enfoques tradicionales de inteligencia
empresarial (BI), como consultas e informes, son poco probable que
lo descubran (s.f.).
3.2. Conceptos de Business Intelligence (inteligencia
de negocio)
Hoy en día, el proceso empresarial va más allá de las ventas de los productos o servicios que se
alinean con la cadena de valor, abarcando la toma de decisiones para generar estrategias de
mercadeo. Esta toma de decisiones, se realiza con base en un conocimiento preciso y
elaborado de los datos, con el apoyo de herramientas tecnológicas analíticas, metodologías
estadísticas y matemáticas destinadas para estos procesos, algo que se conoce como
inteligencia de negocios o, en inglés, Business Intelligence (Araníbar, 2003).

La inteligencia de negocios (BI) es una herramienta sobre la cual muchas organizaciones

pueden sustentar la toma de decisiones con base en los datos que generan información precisa
y oportuna, garantizando, de esta manera, el conocimiento necesario para seleccionar la
estrategia más conveniente para la empresa (Rosado y Rico, 2010).

El estudio realizado por Information Builders Ibéric, demostró que en las organizaciones que
no tienen sistemas de información, se aumentó el costo de las operaciones dado el tiempo que
tomó buscar información. Las estadísticas dicen que, en promedio, un empleado europeo se
toma 67 minutos buscando información, lo que equivale a un 15,9 % de la jornada laboral. Para
una organización de 1000 empleados que gane 50,000 euros al día, ese promedio equivale a
7,95 millones de euros al año de salario perdido, todo ello, debido a solo a la operatividad que
demanda la búsqueda de información.

Para conocer un estudio de Information Builders revela la poca

calidad de los datos en las empresas | Dataprix TI accede al siguiente
enlace.
• url: https://www.dataprix.com/es/prensa/integracion-datos/un-
estudio-information-builders-revela-poca-calidad-datos-
empresas
La finalidad de la inteligencia de negocio, consiste en recopilar, abstraer, presentar, modificar y
distribuir la información de las fuentes de datos corporativos, permitiendo que los empleados
de las empresas puedan visualizar y analizar datos sobre las actividades principales del negocio
y utilizarlos para la planificación de estrategias comerciales y soportar la toma de decisiones.

El volumen de los datos almacenados, está en constante crecimiento, motivo por el cual, los
equipos estratégicos de las empresas, se enfrentan con una gestión de datos que puede ser
muy compleja, pues la mayoría de las empresas no cuentan con las herramientas necesarias
para manipular esos datos y convertirlos en información valiosa.

4. La importancia del dato en la toma de

decisiones

Vercellis sostiene que una decisión es una elección entre múltiples

alternativas, hecha generalmente con un cierto grado de
racionalidad. Cada individuo se enfrenta a una base continua de
decisiones que pueden ser más o menos importantes, tanto en su
vida personal como profesional (2009).

Por otra parte, según Schein “la toma de decisiones es el proceso de

identificación de un problema u oportunidad y la selección de una
alternativa de acción entre varias existentes, es una actividad
diligente clave en todo tipo de organización” (1998).

El proceso de toma de decisiones no puede ser tan aleatorio y sin bases de información. Tanto
así que, la decisión final, se puede desarrollar a través de un proceso de aprendizaje,
comprensión, procesamiento de información, evaluación y, finalmente, la definición del
problema y sus circunstancias. Ten en cuenta que, tomar una decisión, es el proceso de
identificar, recopilar información y evaluar las posibles soluciones.
 Importante

Generar la pregunta de negocio con base en los datos

De acuerdo con la aplicación de marketing, habrá muchos
proyectos en los que el centro es el cliente. Por eso, tener un
conocimiento profundo de este que permita mejorar el servicio
o crear experiencias de compra es fundamental. No obstante,
antes de iniciar cualquier tipo de proyecto, es importante tener
claro qué cuestionamientos nos debemos hacer para,
posteriormente, desarrollar el proyecto, es decir, preguntar
como niños de cinco años.

4.1. Resumen del proceso de un Proyecto de

Inteligencia de Negocio
En la figura 3, podemos observar las escalas de un proyecto de inteligencia de negocio:
Figura 3. Proceso de un Proyecto de Inteligencia de Negocio

Fuente: Elaboración propia.

Como podemos observar, la definición clara de la pregunta de negocio es la base y la raíz y, por
ende, de aquella depende el éxito o el fracaso de un proyecto de analítica.

4.2. Ejemplos de generación de pregunta

Caso 1. Prótesis de pierna, Van Phillips
El periódico New York Times, publicó un artículo sobre Van Phillips, un hombre que perdió su
pierna en un accidente practicando un deporte extremo. En vista de ello, muchos médicos e
ingenieros biomédicos intentaron desarrollar una prótesis que le diera otra vez la oportunidad
de hacer deporte o caminar, sin embargo, las prótesis que desarrollaron eran demasiado
incómodas para Van. Después de varios intentos, él se generó diferentes preguntas, pero la
que más impactó fue: ¿cómo puedo mejorar la prótesis de pierna?
Entonces, empezó a generar ideas de todo tipo y a estudiar el mecanismo de las patas de
animales como los guepardos y el mecanismo de nado de los peces. Además, se dio a la tarea
de conversar con soldados que también habían perdido sus piernas, con el propósito de
investigar cómo se podría mejorar la prótesis.

Luego de obtener la información y con ayuda de biomédicos e ingenieros, Van Phillips hizo
varios ensayos hasta que, finalmente, pudieron crear la Flex Foot Cheetah. Esta, como te
imaginarás, le dio una mejor movilidad, precisión y comodidad con respecto a las otras prótesis
que se habían creado.

Caso 2. Cámara Polaroid, Edwin H. Land

Mientras Edwin estaba con la familia en sus vacaciones en 1944, su hija de 3 años le preguntó
por qué ella no podía ver las fotos justo después de que se tomarán.
Por varios días esta pregunta estuvo en su cabeza y para solucionarla, emprendió una serie de
experimentos que le tomaron más de cuatro años. ¿Cómo tener la foto al instante? Después
de varios intentos, pudo inventar lo que hoy conocemos como cámara Polaroid (aquella que
tiene la capacidad de obtener la foto al instante) y todo empezó con una pregunta que se
generó gracias a una necesidad.

4.2.1 Herramientas para encontrar la pregunta de negocio

4.2.1.1. Preguntas de ciclo.
Figura 6. Ciclo de preguntas abiertas

Fuente: Elaboración propia.

¿Por qué está pasando esto…?, ¿Qué pasa si…?, ¿Cómo está sucediendo …?

Estas preguntas buscan que, inicialmente, entendamos el acontecimiento y el patrón que se

está generando. Por ejemplo, si queremos que nuestros clientes empiecen a comprar cierto
producto que no tiene alta rotación, las preguntas que debemos formular son:

• ¿Por qué no lo están comprando?

• ¿Qué pasa si incluimos este producto con otro producto?
• ¿Qué pasa si movemos estos productos a otro lugar?
• ¿Cómo es el historial de ventas de este producto?
• ¿Cómo lo está consumiendo el cliente?

4.2.1.2. Preguntas abiertas

Estas preguntas se realizan con el objetivo de conocer más a profundidad lo que está
sucediendo, entender el comportamiento, las situaciones, las personas, los lugares y, por
supuesto, los datos.
Tabla 1. Tabla de apoyo para la generación de la pregunta de negocio

Pregunta Uso Aplicación Posibles preguntas

¿Por qué? Razón KPI’s, control ¿Por qué pasa esto?
¿Por qué se necesita?
¿Por qué siempre se
presenta este patrón?
¿Por qué es importante?
¿Dónde? Lugar Situaciones ¿De dónde viene la
(pasado y información clave para los
presente) análisis?
¿Dónde está ocurriendo el
comportamiento inusual?
¿Dónde debería estar
correcto?
¿Dónde se ve más
afectado?
¿Qué? Cosa Causas, hechos ¿Qué crees que está
pasando?
¿Qué pasa si hacemos
esto?
¿Qué se pierde en este
momento?
¿Cuándo? Cambios Opciones, riesgos ¿Cada cuánto están
cambiando los resultados?
¿Cuándo están cambiando
los resultados?
¿Cuándo fue el último
cambio?
¿Cuándo fue el último
análisis?
 ¿Quién? Personas Equipos ¿Quiénes son los líderes?
¿Quién es el dueño de los
datos?
¿Quién o quiénes serán
impactados?
¿Cómo? Procesos presente ¿Cómo está funcionando?

¿Cómo es la toma de
decisiones en este
momento?

Ahora bien; es cierto que las preguntas que acabamos de formular son muy importantes, pero,
ninguna de ellas es la del negocio, motivo por el cual, dichos cuestionamientos deben estar
conectados y así, evitar confusiones respecto al objetivo. Ten presente que, en ocasiones, la
pregunta de negocio puede cambiar en el transcurso del proyecto, es normal que pase, sin
embargo, todos los integrantes del equipo del proyecto deben estar alineados con el objetivo
del trabajo para que este sea exitoso.

5. Herramientas especializadas para la inteligencia

y el análisis empresarial
Actualmente, existen diferentes herramientas que permiten manipular el Big Data en la nube.
Repasemos algunas de ellas:

5.1. Google Analytics

Esta herramienta, es una de las principales de la analítica digital, cuyo objetivo consiste en
almacenar masivamente los datos, ayudar a las empresas a tomar las mejores decisiones con
base en la optimización de recursos y a obtener una mayor eficiencia en los procesos de
marketing.

La herramienta permite:
 • Seguimiento de blogs.
• Seguimiento de redes sociales.
• Seguimiento de páginas web.

Con estos seguimientos, el cliente puede personalizar su servicio y mejorar las métricas de
medición de desempeño. Observa:

Figura 5. Panel de control Google Analytics

Fuente: tomado de Machado (2020).

5.2. IBM Watson Analytics

Al respecto, Gutiérrez indica que…
“IBM Watson Analytics es un servicio inteligente de análisis y descubrimiento de datos
disponibles en la nube”. Como indica INNDOT en su página web, permite descubrir similitudes,
patrones y el significado de datos con el fin de tener información valiosa para la toma de
decisiones (2020, p. 27).

La figura 6, muestra un tablero que enseña diferentes indicadores económicos de una empresa
que quiere monitorear su información mes a mes. Es importante que los equipos gerenciales
tengan el control y la visual de los datos para entender el comportamiento de los clientes
cuando compran productos o servicios, así como, el flujo financiero, pues así se facilita la toma
de decisiones para el negocio.

Figura 6. Ejemplo de tablero de control con Watson

Fuente: Tomado de Gutiérrez (2020), p 28.

5.3. APACHE HADOOP

Es la herramienta de procesado masivo de datos más utilizada. Es tal su importancia que,
algunas de las empresas más grandes del mundo, la utilizan, como son, por ejemplo, Facebook
o The New York Times, pues permite manejar una gran cantidad de datos utilizando modelos
de programación simple. Algunas de las cualidades que hacen a esta herramienta diferenciarse
de las demás son:
 • Automatización: envío de correos electrónicos específicos a un público determinado,
algo que permite agilizar el trabajo a los profesionales del marketing
• Anuncios: compra de anuncios a través de la aplicación, aprovechando, así, gran
cantidad de usuarios de Google Ads o Facebook Ads para incrementar las ventas y
ofrecer nuevos productos.
• Páginas de destino: las páginas de destino son una excelente forma de alcanzar los
objetivos específicos de marketing que son a corto plazo. Por ejemplo, Mailchimp crea
páginas de destino para ampliar su público o promocionar productos.
• Postales: con el paso del tiempo, estas campañas han ido desapareciendo, sin embargo,
Mailchimp sabe que ofrecer la oportunidad de hacer tangible la relación con el cliente,
es un punto que puede llegar a ser ventajoso, pues así, se refuerzan los mensajes que
hemos enviado por correo electrónico.
• Aplicaciones móviles: Mailchimp tiene la posibilidad de descargarse en todos los
smartphones. Así, se puede administrar en cualquier momento y a la vez, realizar un
seguimiento de los suscriptores y de la actividad de las campañas publicitarias.

En la figura 7, podemos observar un ejemplo de un tablero de control realizado en Mailchimp.

Figura 7. Panel de control de Mailchimp

Fuente: tomado de Barquín (2019).

 Para aprender más
Leyendo el siguiente artículo sobre Google Analytics, podrás conocer
cómo, esta herramienta, puede monitorear con eficacia tu actuación en
línea, permitiendo que empieces a crear estrategias consistentes.

Autores: Rebeca Machado

Título: Google Analytics: qué es cómo hacer la configuración inicial
URL: URL: https://www.rdstation.com/es/blog/google-analytics/

¡Felicitaciones!
Has culminado a satisfacción la primera unidad del curso. Ahora, conoces
cuáles son los tipos de analítica y en qué casos utilizarlos; además, ya sabes
cómo encontrar la pregunta de negocio y su importancia en el análisis de
datos. Por tanto, ya cuentas con las herramientas suficientes para entrar en el
mundo de la visualización que será el tema central de la Unidad 2.
 Bibliografía

Referencias de las imágenes

• Rawpixel.com - Freepik.com
Freepik. (2022). Foto gratuita pantalla de proyector de hologramas con tecnología de
sistema en la nube. Recuperado de:
https://www.freepik.com/free-photo/hologram-projector-screen-with-cloud-system-
technology_16016405.htm
Licencia de Freepik. Gratis para uso personal o comercial con atribución.

• Barquín, L. (2019, 13 de mayo). Mailchimp [imagen].

http://marketingsi.net/2019/05/13/mailchimp/

• Blandón, K., A. (2016, 25 de julio). Características del Big Data [ilustración].

https://www.bancolombia.com/empresas/capital-
inteligente/tendencias/innovacion/analitica-empresarial

• ESIC Business & Marketing School. (2016, junio). Big Data para Dummies: 10 conceptos
fundamentales [figura]. https://www.esic.edu/rethink/tecnologia/big-data-dummies-
10-conceptos-fundamentales

• Gutiérrez, F. (2020). IBM Watson Analytics. Panel de control. Dashboard [figura].

https://repositorio.unican.es/xmlui/bitstream/handle/10902/20569/GUTIERREZMARTI
NEZFRANCISCO.pdf?sequence=1&isAllowed=y
Machado, R. (2020, 18 de diciembre). Cómo usar Google Analytics: configuraciones
básicas [imagen]. https://www.rdstation.com/es/blog/google-analytics/

Referencias bibliográficas
• Araníbar, J., C. (2003), Inteligencia de Negocios. Revista Ciencia y Cultura, (12), 95-101.
http://www.scielo.org.bo/pdf/rcc/n12/a10.pdf
• Gartner. (s.f.). Gartner Glossary.
https://www.gartner.com/en/glossary?glossarykeyword=Automation

• Gutiérrez, F. (2020). Big Data y su aplicación para pequeñas y medianas empresas [tesis
de pregrado, Universidad de Cantabria]. Repositorio Institucional UNICAN.
https://repositorio.unican.es/xmlui/bitstream/handle/10902/20569/GUTIERREZMARTI
NEZFRANCISCO.pdf?sequence=1&isAllowed=y
• Redondo, B. (2022, 23 de agosto). ¿Qué es el Big Data y cómo funciona?
https://www.mailjet.com/es/blog/marketing/big-data/

• Rosado, A., A.; & Rico, D., W. (2010). Inteligencia de negocios: Estado del arte. Scientia
Et Technica, 1(44), 321–326. https://www.redalyc.org/pdf/849/84917316060.pdf

• Röpke, J. (2016). Transforming knowledge into action. The knowing-doing-gap and the
entrepreneurial university. SEAG-Workshop.
https://www.researchgate.net/publication/313120273_Transforming_knowledge_into_
action

• Umass Dartmouth. (2022, 8 de junio). Decision-making process.

https://www.umassd.edu/fycm/decision-making/process/

• Vanegas, E.; & Guerra, L. (2013) Sistema de inteligencia de negocios para el apoyo al
proceso de toma de decisiones. Revista Ingeniería UC, 20(3), 25-34.
http://servicio.bc.uc.edu.ve/ingenieria/revista/v20n3/art03.pdf

• Vercellis, C. (2009). Business Intelligence: Data Mining and Optimization for Decision
Making. A John Wiley and Sons, Ltd.
http://www.biomedicahelp.altervista.org/Magistrale/Clinics/BIC_PrimoAnno/Identificaz
ioneModelliDataMining/Business%20Intelligence%20-%20Carlo%20Vercellis.pdf

• Information builders, 2011, “Un estudio de information builders revela la poca calidad
de los datos en las empresas”, Un estudio de Information Builders revela la poca calidad
de los datos en las empresas | Dataprix TI

• Schein, E., H. (1988). Process consultation. Vol. 1 (Rev. Ed.). Addison-Wesley.

 Lecturas
y Material Complementario
A continuación, comparto un ensayo de mi autoría sobre la industria 4.0 que trata sobre
el crecimiento exponencial de los datos y el uso de ellos para generar estrategias que
ayuden a mejorar el rendimiento de las empresas.
• https://drive.google.com/drive/folders/1E4LIaRFhvOypdRVNKfYqaPFd6LtkRsOI?usp=sh
aring

Adicionalmente, el material que encontrarás en el siguiente enlace

• https://drive.google.com/drive/folders/1E4LIaRFhvOypdRVNKfYqaPFd6LtkRsOI?usp=sh
aring , te ayudará a abrir la mente sobre la minería de datos para grandes volúmenes de
información. Los artículos son en inglés, pero son de fácil entendimiento. Puedes
apoyarte del Google Translate.

Por otro lado, también debemos entender que la transformación digital ha llegado para
quedarse, por lo que es importante que, como material complementario, leamos sobre
el contexto actual de las empresas en la actualización de los sistemas de información
por el Big Data:
• https://drive.google.com/file/d/1E8LO6VDV1PCBdGErgFTUMpa2Cb2cpBSV/view?usp=s
haring

Video
• Autor: Simplilearn
• Título: Big Data In 5 Minutes | What Is Big Data?| Introduction To Big Data |Big Data
Explained |Simplilearn
• URL: https://www.youtube.com/watch?v=bAyrObl7TYE

Lectura
• Autor: Beatriz Redondo
• Título: ¿Qué es el Big Data y cómo funciona?
• URL: https://www.mailjet.com/es/blog/marketing/big-data/