Starbucks

Emily Velásquez 00210898 – Análisis de datos

Starbucks

«We establish the value of buying a product at Starbucks by our uncompromising quality and by building a personal relationship with each customer.»

Howard Schultz

Starbucks Corporation es una cadena multinacional estadounidense de cafeterías con sede en Seattle, Washington. Starbucks es la cadena de cafeterías más grande del mundo. La compañía opera en más de 30.000 ubicaciones en todo el mundo en más de 70 países. Las ubicaciones de Starbucks sirven bebidas frías y calientes, café en grano, café instantáneo, espresso, café latte, tés de hojas enteras y sueltas que incluyen productos de té, jugos, capuchino, pasteles y bocadillos. La misión de Starbucks es “inspirar y nutrir el espíritu humano: una persona, una taza y un vecindario a la vez.”

La historia de Starbucks comienza en el año 1971 con su primera tienda fundada por Jerry Baldwin, Gordon Bowker y Zev Siegl, Los tres fundadores de Starbucks tenían dos cosas en común; todos venían de la academia y amaban el café y el té. Starbucks comenzó con un modelos de negocio de venta de granos de café y equipos de alta calidad. En 1881 comenzó una nueva era para Starbucks también conocida como “La era de Howard Schultz”. Esta era se diferenció dado que Starbucks contrató a Howard Schultz como su primer director de marketing y ventas. Schultz inspirado por su viaje a Italia donde conoció múltiples cafés, quiso expandir a Starbucks hacia otra dirección. De todas maneras los dueños Baldwin y Bowker no apoyaron la  idea de Schultz, dado que querían mantenerse en su antigua venta de café y equipos. Baldwin y Bowker confirmaron que no querían que Starbucks se convirtiera en una cafetería de servicios de café o capuchinos. En marzo de 1987 Baldwin y Bowker decidieron vender Starbucks, y Schultz se apresuró a comprar la empresa. Cambió la visión de la empresa hacia la venta de granos de café equipo e incluir la visión de preparar café y convertirse en un lugar de reunión de la comunidad. Poco tiempo después  en 1996 Starbucks Abrió riendas en otros países fuera de Norteamérica. En el 2016 Schultz salió de la empresa y fue reemplazado por kevin Johnson como el nuevo CEO de la empresa y Mryron Ulliman como el nuevo presidente. 

El consumidor es un individuo dentro del mercado y cada individuo tiene diferentes gustos y preferencias. El uso de datos por cliente hace posible personalizar la oferta según estos gustos. Starbucks vio la oportunidad de utilizar estos datos dentro de su programa de lealtad. Starbucks.  Según forbes Starbucks tiene más de 14 millones de personas inscritas en su programa de lealtad Starbucks Rewards. Las recompensas representaron el 36% de las ventas operadas por la compañía en Estados Unidos el año pasado y el pago móvil fue el 29% de las transacciones. A través de esto, Starbucks puede ver las preferencias del cliente y ajustar las ofertas en consecuencia. Al saber qué pedidos de los clientes de lealtad y con qué frecuencia lo hacen, pueden enviar a los consumidores ofertas personalizadas y materiales de marketing para ayudar a impulsar más ventas usando 

Starbucks supo usar a su favor los datos de los clientes para poder crear nuevos productos basándose en los gustos y preferencias de los clientes. Logrando así conocer los hábitos de compra de sus consumidores. Un gran ejemplo de esto son los gustos de temporada de los clientes como en Halloween. Hace 15 años Starbucks tuvo la idea de crear bebidas con base en las calabazas que son símbolo de esta festividad. Esto ha llamado a miles de nuevos consumidores a probar bebidas y productos de temporada. 

Otro enfoque de uso de datos en Starbucks fue su exitosa decisión del 2016. Donde comprendieron que sus consumidores ordenaban café para sus hogares y fue así como en 2016 la empresa sacó productos de café en casa. Esto significa productos en supermercados para que sus consumidores sean capaces de preparar café en casa. Los datos obtenidos en las tiendas dieron a Starbucks una guía de que productos sacar a la venta en supermercados, como café instantáneo, café sin lactosa y café sin azúcar.

Starbucks es conocido por sus múltiples tiendas en todo el mundo, pero sobre todo por la gran cantidad de cercanía una a la otra. Starbucks usa soporte de AI para decidir en dónde abrir una tienda. Starbucks analiza millones de datos como “población, niveles de ingresos, tráfico, presencia de competidores, etc.” Logrando así pronosticar cuál es la mejor ubicación que logra proveer con mayores ingresos sin reducir los ingresos de tiendas Starbucks cercanas. A este análisis se lo conoce como GIS que significa sistema de información geo espacial. 

Starbucks ha implementado menús digitales para así poder manejar y beneficiarse de la recopilación de datos de su empresa. Estos menús digitales permiten que Starbucks cambie los menús de acuerdo a las estrategias de cada sector, logrando así presentar productos, precios y promociones personalizadas según el análisis de datos de cada sector. Estos menús pueden presentar promociones o productos de acuerdo a la hora del día, el clima, la estación,etc

Starbucks como toda empresa que usa maquinaria necesita realizar mantenimiento a sus máquinas de café. En la realidad de Starbucks, el mantenimiento de una máquina de café tiene un costo relativamente bajo. El verdadero costo de este mantenimiento es el tiempo que la máquina está dejando de producir y por lo mismo el tiempo que Starbucks deja de vender por mantenimiento de máquinas. Y por lo mismo si una máquina se descompone puede crear desinterés de los consumidores y perder esa fidelidad de Starbucks 

El uso de análisis de datos de forma regular ayuda a recopilar datos permite predecir o encontrar patrones que ayudarán a saber cuando la maquinaria necesita mantenimiento. Starbucks ha decidido llevar esto a un nuevo nivel mediante el uso de AI. Starbucks usa Clover x que es una maquinaria nueva que permite realizar mucho más café, pero sobre todo está conectado con la nube. Lo que permite recopilar datos de manera más completa que ayudará a Starbucks a aumentar su gran cantidad de datos. También Clover x permite realizar diagnósticos de manera automática mediante el uso de datos recopilados de fallas y mantenimiento predictivo. 

En conclusión la inteligencia artificial y el uso de big data ha sido un acierto de parte de la corporación Starbucks gracias a esta, Starbucks ha conseguido ahorrar tiempo dinero al automatizar los procesos y tareas de cambios de menú y mantenimiento de máquinas. Ha logrado de la misma manera aumentar la productividad mediante su análisis de sistema de información geo espacial. Ha logrado mejorar sus decisiones comerciales acerca de los gustos y preferencias de sus consumidores, logrando así conectar más con ellos. Ha logrado crear fidelización de marca mediante su promoción personalidades y su Starbucks Rewards, logrando también extrae y analizar gran cantidad de datos. Como lo dice el CEO de Starbucks “Cada tienda tiene su propia personalidad. Cada tienda tiene su propio conjunto de clientes y su propio conjunto de características, y la IA puede ayudarnos a comprender mejor esas características individuales de la tienda”. Sin duda alguna LA ha llevado a Starbucks a una nueva época llena de grandezas.




Referencia

Starbucks, stories.starbucks.com/press/2019/company-profile/.

“Starbucks: Using Big Data, Analytics And Artificial Intelligence To Boost Performance.” Bernard Marr, bernardmarr.com/default.asp?contentID=1462.

Eric Wilson, CPF. “Starbucks, Big Data & Predicitve Analytics.” Demand Planning, Demand Planning, 4 Jan. 2019, demand-planning.com/2018/05/29/how-starbucks-uses-predictive-analytics-and-your-loyalty-card-data/.

Rachel. “Starbucks’ Secret Ingredient: Data Analytics.” Digital Innovation and Transformation, digital.hbs.edu/platform-digit/submission/starbucks-secret-ingredient-data-analytics/#:~:text=Starbucks%20contracts%20with%20a%20location,areas%20for%20a%20new%20store.

Capital One

Capital one es un banco estadounidense, fundado por Richard Fairbank. El día de hoy Capital One es el 5to banco más grande en Estados Unidos y en todo el mundo está rankeado en el 8to lugar. La misión de Capital One es ayudar a los clientes a lograr el éxito bancario, y fueron fundados con la ideología de que iban a ser revolucionados por la tecnología y la información. Capital One es mejor conocido por las tarjetas de crédito que ofrece y por las excelentes cuentas, préstamos y negocios que manejan, algo que también hace resaltar en Capital One es su reputación en ser un banco que se maneja más tecnológicamente.

            Capital One fue fundado el 21 de Julio de 1994. Empezó en Estados Unidos y fue creciendo hasta llegar a países como Canadá, El Reino Unido, etc. En el 2016 ya era uno de los bancos con más usuarios con tarjetas de crédito en el mundo. Un dato importante es que es el segundo banco más grande en tener un auto financiero en los Estados Unidos. Capital One no siempre fue el nombre del Banco, en Octubre de 1994 fue renombrado a Capital One de su anterior nombre que era Oakstone Financial. Capital One siempre se ha especializado en las tarjetas de crédito y siempre ha tenido éxito por la manera de manejar a los clientes y la recolección de información para así personalizar sus servicios.

            Capital One ha sido uno de los primeros bancos en formalizar su estilo de comunicación hacia los clientes y su manera de hacer negocios. Capital One transformó su manera de hacer negocios al hacerlos digital y han creado una nueva manera de personalizar el servicio que les brindan a sus clientes mejorando el nivel de atención. Como dice Rob Alexander “We were creating a better consumer financial services company using data and analytics.  We were in many respects the first big data company.” fueron la primera compañía en el mundo en usar Big Data lo cual les dió una ventaja inmensa en cuanto a su competición. El propósito de la compañía era reinventarse y poder ofrecer el mejor servicio posible a través de la tecnología, creando nuevas aplicaciones y tener más roles digitales dentro de la compañía.

            Los logros que Capital One ha conseguido durante su tiempo trabajando con Big Data han sido grandes y han ayudado a crecer mucho a la empresa. Capital One creó máquinas para agilizar el business de las credit cards y tener mucha más seguridad en las cuentas de sus clientes, pronto van a seguir creando estas máquinas para así poder mejorar su atención al cliente y diferentes aspectos que tiene el negocio. El call center ha sido siempre un factor importante a considerar en un negocio, es por eso que Capital One está aplicando con tecnología AI para así poder tener una extra ayuda en cuanto a customer service. Capital One ha implementado AI, llamado Eno,  para poder avisar al usuario y ayudar en situaciones de fraude o ayuda general.

            EL futuro del banco ha dependido siempre de la evolución de la tecnología. No solo para un negocio, la tecnología es ahora un factor importante para todos los negocios del mundo pero hay otros que saben aprovechar su máximo. Capital one sigue implementando nuevas mejoras a su software y a su base de datos para así ofrecer el mejor servicio posible y ser capaz de llenar las necesidades de los clientes, una nueva implementación en el servidor ha habilitado más movimiento de la información con el cloud que han creado. Este cloud ha sido de gran ayuda para Capital One porque cada vez se aumenta el nivel de información y es mucho más accesible.

            En conclusión, Capital One ha sido una empresa que ha sabido aprovechar al máximo la tecnología de hoy en día para así convertirse en una empresa exitosa. De las cosas mas importantes que Capital One tiene es su tarjeta de crédito y habilidades para hacer negocios lo cual han logrado a ponerle en el puesto que está ahorita y seguramente también con la ayuda de Big Data van a mejorar sus niveles de atención al cliente. Sus implementaciones de inteligencia artificial al negocio han dado un boost para seguir innovando y seguir creciendo para algún día llegar a ser el número 1 en Estados Unidos y en el mundo. 

Bibliografía

Davenport, T. (2021, 7 enero). From Analytics First to AI First at Capital One. Forbes.

https://www.forbes.com/sites/tomdavenport/2019/07/10/from-analytics-first-to-ai-first-at-

capital-one/?sh=30b3d1922f1b

Inline XBRL Viewer. (2021, 25 febrero). United States Securities and Exchange Commission.

https://www.sec.gov/ix?doc=/Archives/edgar/data/927628/000092762821000094/cof-202

01231.htm

Our Company. (2021, 21 marzo). Capital One.

https://www.capitalone.com/about/corporate-information/our-company/

Casabaca S.A: Transformación Digital

Modelos - TOYOTA - CASABACA

Casabaca S.A es una empresa familiar que cuenta con más de 60 años de experiencia y es un referente en la industria automotriz. La empresa se dedica a la venta de vehículos, exonerados, talleres, repuestos y accesorios. Casabaca es la empresa más grande dentro del grupo Baca en la cual se encuentran otras empresas cómo 1001carros.com, Peugeot, Changan y Suzuki. Casabaca cuenta con 8 puntos de venta en los alrededores de la ciudad de Quito y uno en la ciudad de el Coca. La empresa se rige en dos pilares fundamentales que son el Kaizen, el mejoramiento continuo, y el respeto por las personas. Casabaca es una empresa líder en el mercado automotriz contando con más del 7% de participación. Debido a la pandemia, el sector automotriz fue uno de los más afectados pero a través de una buena administración lograron salir con un flujo neto positivo en el 2020. Uno de los cambios más radicales dentro de la empresa fue la transformación a un negocio digital para así lograr captar más ventas en estos tiempos de incertidumbre. 

La historia de la empresa comienza en 1835 cuando la familia Baca inicia sus negocios cómo “Jose Baca y Torres”. Sin embargo, sus negocios en la industria automotriz no comienzan hasta 1927 cuando se funda Baca Hermanos donde se firma un contrato de distribución con Ford Motor Corp. Para 1959 se funda la empresa Casabaca S.A con un millón de sucres en capital y logran obtener la distribución de Toyota, Skoda y Chrysler. Para 1964 la empresa logró vender 300 unidades. Esta empresa no ha sido inmune a la crisis ya que estuvieron al punto de la quiebra en 1982 cuando inició la crisis de devaluación del sucre. Para ese entonces la empresa debe 2 millones de dólares habiendo vendido todos sus activos y patrimonio lo cual los obligó a vender electrodomésticos y cosas del hogar. Sin embargo, por la buena reputación que la familia Baca ha construido a través de los años, lograron salir adelante y fortalecer su posición en el mercado. En 1999 Casabaca vuelve a sufrir otra crisis por el feriado bancario pero logra salir adelante liderando la recepción de certificados de depósitos. Estas crisis fueron grandes momentos de aprendizaje, principalmente mantenerse siempre líquidos por lo cual lograron ser ganadores con la crisis del Covid 19. Desde ahí en adelante Casabaca crece exponencialmente de 3000 unidades en el 2016 hasta 6000 unidades en el 2018. En el 2019 Casabaca cumple 60 años de aniversario y lanzan su iniciativa digital. 

Es extremadamente importante que una compañía logre satisfacer y anticiparse a las necesidades del cliente. Casabaca al ver cómo se estaba comportando la industria automotriz mundialmente hace un énfasis en la analitica y en el manejo de data. Esto llevó a la compañía a crear dos áreas cruciales para la empresa que son CRM y BI. A continuación se presentarán estas iniciativas y el impacto que han tenido en el negocio. 

CRM, en inglés Customer Relationship Management, es una estrategia de gestión de relaciones con el cliente. A través de una herramienta llamada Sugar, la empresa recopila y centraliza todas las interacciones de la empresa y sus clientes, manteniendo información histórica detallada. También permite compartir y maximizar el conocimiento de los clientes, entender sus necesidades y así anticiparse a ellas. La herramienta genera más oportunidades de venta para la empresa, agilizando la gestión comercial, el marketing y el servicio postventa. Esta ha sido una de las iniciativas más importantes dentro de la empresa ya que reconceptualiza lo que es el marketing y las relaciones con los clientes. Esto fue un arduo trabajo ya que tocó programar todos los flujos de la empresa dentro de la herramienta para que exista seguimiento y trazabilidad en todas las etapas del customer journey. También se tuvo que realizar un proceso extensivo de capacitación a la fuerza de ventas para que ingresen correctamente la información en el sistema. Al fin y al cabo el potencial de la herramienta recae en que existe información detallada y completa dentro de todos nuestros clientes. Esto es un gran uso de análisis de datos ya que podemos tener información detallada de miles de clientes. A raíz de esto se pueden aplicar estrategias comunicacionales dependiendo del segmento y el buyer persona. Se utiliza el email marketing para promocionar productos de interés del cliente según la información recopilada dentro de nuestro CRM.

“Los datos son el activo estratégico de las compañías por excelencia”

Christian Gardiner

Hoy en día la fortaleza de una empresa recae sobre el poder de su data. Viendo el potencial que tiene un buen manejo de data, Casabaca decidió crear un departamento de BI. Business Intelligence es la habilidad para transformar los datos en información, y la información en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones en los negocios. En el 2019 Casabaca crea el departamento de BI en Casabaca. El equipo está conformado por 5 personas, un jefe de área, dos ingenieros de datos y dos analistas BI. El proyecto inicia con la implementación del DataWarehouse. El DataWarehouse es un repositorio organizacional de datos, en otras palabras es una base madre en la cual se almacena toda la data de la empresa. Este repositorio busca aglomerar toda la información de las distintas áreas de la empresas para tenerlas en un solo lugar. Este proceso tomó alrededor de un año ya que presentaba un inmenso desafío para los programadores. Una vez realizada esta labor se entró a una fase analitica. En ella se utiliza la herramienta de Power BI para desplegar tableros informativos. El propósito de estos tableros es sintetizar la información para facilitar y agilizar la toma de decisiones. En adelante se puede observar el ejemplo de un tablero de la empresa.

Este es un tablero extremadamente interactivo en el cual se puede filtrar por año, mes, modelo, agencia, tipo de vehículo, modelo y asesor. Esta herramienta permite a la gerencia tener mayor control de la empresa y de su equipo. Todas las mañanas la gerencia tiene reuniones cortas con cada área en la cual presentan sus respectivos KPI. Esto logra dar a la empresa mucha más eficiencia y seguimiento. Hoy en día el equipo de BI está replicando esta estrategia para las diferentes líneas de negocio y empresas del grupo. Una aplicación práctica de esta herramienta es la creación del RFM. El RFM es una clasificación estadística de clientes dependiendo de sus hábitos de consumo. Dependiendo de la recencia, frecuencia y monto de sus compras se clasifica a los clientes en diferentes clusters ranqueados del 1-6. Esto quiere decir que un cliente que nunca lleva el vehículo al taller tiene un ranking de 1 mientras que un cliente apóstol que gasta mucho dinero en mantenimiento y accesorios tiene un ranking de 6. Esto permite a las diferentes áreas clasificar a nuestros clientes y así poder tener más conocimiento de ellos.

En el mundo de hoy, es imperativo contar con un buen manejo de data si se quiere potencializar la empresa. En acorde con las palabras de Diego Baca, Gerente general de la empresa «Casabaca es una empresa pionera en desarrollo digital para la industria automotriz ya que ninguna otra empresa cuenta con un departamento de CRM y BI tan sofisiticado cómo el nuestro. El manejo inteligente de la data presenta una ventaja competitiva sobre el resto.» Estas dos áreas han ayudado a exponenciar la empresa y posicionarla para el futuro. 

HEWLET PACKARD Y SU ACERCAMIENTO AL ANALISIS DE DATOS

La empresa Hewlett Packard empezó sus actividades en un pequeño garaje en palo alto california en 1939. Esta es una empresa de software y hardware que ha crecido con el paso de los años y el desarrollo de la tecnología. Bill hewlett y David packard son sus respectivos fundadores quienes asistieron juntos a la universidad de Stanford. Esta empresa es mayormente conocida por el desarrollo de Pc y impresoras en el mundo moderno. Sus cuarteles principales como en sus inicios son en el estado de california específicamente en la ciudad de palo alto. En la actualidad la empresa tiene 349,600 empleados. Además de computadores e impresores HP también estuvo envuelto en el negocio de cámaras digitales, teléfonos inteligentes y calculadoras científicas donde destaca hasta el día de hoy teniendo los mejores productos del mercado.

Como mencione anteriormente la empresa HP empezó en un garaje en california en 1939. Ha desarrollado varios negocios y ha estado envuelto en varias industrias a través de su historia. Su primer producto comercializado no fue un ordenador sino un oscilador acústico que fue vendido a walt Disney company quien a su vez su primer cliente. Durante la segunda guerra mundial la empresa también estuvo dedicada a desarrollar productos de uso militar. Después de esto se enfocaron en el desarrollo del negocio y en 1956 la empresa comenzó a cotizar en bolsa. HP ha desarrollado calculadoras científicas durante años, campo en el que son expertos ya que comenzaron a comercializar este producto en 1968 hasta la fecha. En 1966 sacaron su primer ordenador. En 1984 Hp saco otro de sus productos estrella que fue la impresora LaserJet que fue diseñado para uso corporativo y que tuvo un éxito instantáneo.  En 2002 la compañía creció exponencialmente efectuando su compra mas grande cuando adquirieron la empresa Compaq y se fusionaron con ellos.

HP comenzó a involucrarse en productos de big data y análisis de datos en el ano 2013. Se realizo un análisis de la situación mundial actual y la empresa tomo la decisión de empezar a incursionar en este campo ofreciendo softwares y modelos para agilizar el análisis de grandes grupos de datos. El objetivo principal de Hp era incursionar en diferentes industrias con este nuevo proyecto, Estas industrias eran las siguientes; compañías de video juegos con recomendaciones de contenido, empresas de salud publicas y privadas con análisis de información de pacientes y finalmente con instituciones financieras y empresas de e commerce para segmentar clientes y clasificarlos de diferentes maneras.

Uno de los productos de big data análisis de Hp es el Haven Predictive analytics. Este producto fue lanzado al mercado en marzo del 2015. Esta herramienta permite a su usuario acelerar y ejecutar el aprendizaje automático y el análisis de datos en grandes niveles. El objetivo principal de esta herramienta es que sus clientes puedan obtener un mejor análisis de las grandes bases de datos que evolucionan día a día para obtener mejores resultados sea cual sea el campo en el que se desarrolla. Este software utiliza la tecnología Distributed R que es un motor de análisis de alto rendimiento basado en el lenguaje R de código abierto. Esto fue desarrollado en conjunto con Hp labs para enfrentarse a las tareas de análisis predictivo de big data más exigentes. El lenguaje R de código abierto es usado por millones de usuarios en el mundo que estudian datos con el fin de visualizar, interactuar y interpretar datos. Este modelo ha sido muy útil durante años en el descubrimiento de modelos financieros y rastreos de drogas, pero debido a su diseño ha tenido problemas para procesar grandes bases de datos que pueden ayudar a cumplir el objetivo. Para superar este obstáculo en el uso de la herramienta Hp labs y Hp software desarrollaron distributed R. Esta es una extensión que permite mejorar el rendimiento al dividir tareas entre nodos de procesamiento. Esta iniciativa dio como resultado la primera versión de código abierto de una plataforma distributed R que esta diseñada para enfrentarse a las tareas de análisis predictivo de big data tan cambiantes que existen en la actualidad.

HP ha empezado a incursionar en el análisis de datos de diferentes maneras. Ellos presentaron un nuevo software que utiliza el big data para gestionar las aplicaciones de una compañía. El nombre de este software es HP app pulse Mobile. El objetivo de ellos es que sus clientes puedan desarrollar aplicaciones móviles aptas y que a la ves deja que los usuarios de las aplicaciones tengan una mejor experiencia basado en el análisis de sus datos en diferentes bases.  Este producto utiliza las innovaciones de la compañía en este campo para la analítica de big data, gestión y seguridad de las aplicaciones y gestión del ciclo de vida de las aplicaciones. Este producto permitirá a diferentes negocios hacer uso del software para acelerar el lanzamiento de las aplicaciones además podrán probar y monitorizar las aplicaciones en diferentes dispositivos y sistemas operativos para prevenir cualquier problema a futuro. El objetivo de los negocios que adquieran este producto es que los usuarios móviles tengan experiencias excepcionales y seguras.

               “HP está posicionado de forma única para liderar el mercado móvil integrando nuestros activos en desarrollo de aplicaciones, gestión de operaciones, seguridad y big data para ayudar a los negocios a entregar aplicaciones móviles ganadoras que satisfacen a los clientes e impactan positivamente en su marca, beneficios y cuota de mercado” (Branko Bugarski, 2015)

Hp ha estado envuelto en varios casos de éxitos con su producto y el análisis de datos en empresas que han tenido resultados positivos en cuanto al manejo de big data. Uno de estos casos es el de Orange que es una empresa de telecomunicaciones que contrato los servicios y software de Hp para mejorar el rendimiento del análisis de las llamadas de sus empleados. Ellos necesitaban recolectar información relevante y clave para análisis ya que antes solo llegaban a analizar solo el 8% de sus llamadas.  El software que Orange contrato es HP QFINITI WORKFORCE Y QFINITI ANALYZE.  Orange obtuvo grandes mejoras con este servicio. Después de varios meses del uso del producto, Orange redujo 30% de los costos previos que tenían en call center además aumentaron el 25% en la productividad en la gestión de calidad con clientes y lograron mejorar la efectividad de sus campanas en un 10%. Además de estos datos mencionados Orange pudo atacar el problema de los call centers desde la raíz y hicieron una mejora en los entrenamientos y capacitaciones de sus empleados.

El ultimo caso de Hp en el desarrollo del análisis de datos es la alianza que hicieron con GSN games que es una empresa de juegos de casino online. El objetivo de GSN era análisis de datos rápidos y al minuto para poder crecer estratégicamente analizando tales datos. El software que HP le otorgo a esta empresa es el HP VERTITCA ANALYTICS PLATFORM. Los objetivos de GSN eran reducir el tiempo de prueba de los usuarios de 36 horas a menos de la mitad y además analizar billones de data points en tiempo real para darle una mejor experiencia al usuario. Además de cumplir estos objetivos ellos lograron que con el uso del producto de HP se obtengan nuevos indicios e información sobre nuevas funciones que atraerán nuevos usuarios y que darán ingresos constantes a la empresa.

HP como toda empresa ha tenido que evolucionar con el paso del tiempo. Con estos casos revisados anteriormente podemos ver que Hp ha tomado en cuenta el desarrollo de la tecnología y las nuevas formas de crear ingresos así ellos han desarrollado varios softwares que han dado grandes resultados en el análisis de datos.  Hoy en día todo tipo de empresa necesitara usar un software de este tipo ya que con la capacidad tecnológica del siglo 21 no podemos dejar pasar tantos datos e información relevantes que en muchos casos no esta siendo usada correctamente. Hp ha demostrado en varios casos que sus productos son de alta calidad y que con el paso del tiempo podrán ofrecer mejores softwares y servicios a sus clientes que dejarán grandes ganancias para ambas partes.

FUENTES :

Business Analytics de Nike

               NIKE es una empresa que diseña, desarrolla, comercializa y vende calzado, indumentaria, equipos y accesorios deportivos en todo el mundo. La compañía ofrece productos de la marca NIKE en seis categorías, que incluyen correr, baloncesto, la marca Jordan, fútbol, ​​entrenamiento y ropa deportiva. También comercializa productos diseñados para niños, así como para otros usos deportivos y recreativos, como fútbol americano, béisbol, cricket, golf, lacrosse, patineta, tenis, voleibol, caminar, lucha libre y otras actividades al aire libre; y ropa con logotipos de ligas y equipos profesionales y universitarios con licencia, así como también vende ropa deportiva. Aparte, la vende una línea de equipos para alto rendimiento. Antes de que se llame ¨Nike”, la empresa llevaba el nombre de Blue Ribbon Sports. El nombre de Nike viene a ser inventado en el año de 1971. La empresa fue fundada en el año de 1964.

Nike es una empresa fundada por el atleta de pista Philip Knight y su entrenador Bill Bowerman en enero de 1964. Al inicio, esta compañía empezó como un distribuidor de un calzado de Japón, llamado Onitsuka Tiger. Hoy en día mas conocido como ASICS. En el mismo año, siendo el primero año de negocio, se vendieron mas de 1300 pares de zapatos para correr. Esto dio un ingreso de $8,000, siendo tan solo la primera vez que venden. Con el pasar del tiempo, la empresa obtuvo empleados de tiempo completo y logro vender mucho mas de lo que vendían antes. Alcanzando un total de ventas de $20,000. En 1966, Nike abrió su primera tienda minorista. Esta estaba ubicada en Santa Monica, California. Luego, en 1967 debido al incremento de ventas, Nike se ve obligado a expandir sus tiendas minoristas y abre su primera tienda en la costa este de los Estados Unidos. Esta tienda esta ubicada en Wellesley, Massachusetts. Con este mismo proceso, es que Nike empezó a crecer por Estados Unidos y por todo el mundo. Llegando a ser una de las marcas deportivas mas reconocidas del mundo.

Al pensar en ropa deportiva, una de las primeras marcas que se nos viene a la mente es probablemente Nike, Adidas, Puma, etc. Sin lugar a duda, Nike esta entre las primeras en la mayoría de las personas. La compañía tiene una sola meta, crear innovación y la alineación necesaria para atletas como lo fue y es Michael Jordan. Con mas de 30 años en la industria es convertido en una :potencia: para la empresa, una leyenda. Nike tiene la mayoría de sus ingresos por las ventas al por mayor que tiene. Por otro lado, Nike direct  ha tomado la iniciativa de ser mas directo con el consumidor de la compañía. En el año 2018 con mas de 10 mil millones en ventas. En el 2020, aumento a mas de 16 mil millones.

Nike utiliza una aplicación para poder reforzar su relación con sus clientes. Esta aplicación tiene acceso a Nike Plus, el cual ofrece productos de primera y con anticipación. Los expertos te recomiendan cualquier tipo de ayuda, accesorio o tema con el que necesites. También ofrece entrenamientos con personal trainer. Otra de las maravillas que tiene Nike es la prueba de zapatos durante 30 días. Los consumidores ahora tienen la opción de no preocuparse cuando realicen compras en línea, ya que puedes probar los zapatos durante el periodo de tiempo mencionado anteriormente.

Nike ha logrado obtener todas las capacidades debido a una empresa que cambio por completo su trayectoria. El año pasado, la empresa obtuvo una empresa líder en Análisis de Datos llamada “Zodiac”. Básicamente, lo que esta empresa hace es recolectar todos los datos de los clientes, para que así, en una futura compra, esta pueda tener una idea de que es lo que le gusta a los consumidores. De esta manera, lo convierte en una “alerta” de compra para los consumidores. Por ejemplo, si un cliente suele comprar un producto en Nike cada seis meses y ha pasado un año, la aplicación sabrá como hacer para comunicarle al consumidor de que ya es tiempo de que compre algo en la tienda. De esta manera, es que Nike logro incrementar sus ventas y su reconocimiento en el mundo virtual.

Nike direct no es una aplicación cualquiera, pues esta se enfoca en que sus clientes sean ofrecidos mejores productos y servicios. Todos sabemos que cuando se trata de niños, es muy difícil saber que comprar. No sabemos en cuanto tiempo el niño crecerá y es un problema. Esta aplicación ayuda a que el cliente no solo sepa que producto comprar, si no que te dirá porque específicamente ese producto es para ti ya que con el análisis de datos de varios años han podido captar el tipo de consumo para niños. Esto ha facilitado mucho la vida de los padres ya que al momento de comprar par sus hijos, el estrés es mucho menor que antes y hay mas momentos de satisfacción.

Se puede analizar que el Business Analytics aplicado en Nike tuvo una importancia enorme para que la empresa pueda llegar a donde esta hoy. Siendo la marca de ropa más conocida en el mundo no se logra sin primero haber tenido un plan bien sobrellevado como lo hizo Nike. La manera en que esta empresa logro llegar a donde esta ahora es por haber podido desarrollar la habilidad de adaptarse al cliente, gracias a los datos.

Referencias:

Boyd, C. (2020, June 11). How Nike Uses Predictive Analytics. Retrieved from https://medium.com/swlh/how-nike-uses-predictive-analytics-821907a90187

Marketing & SEO Services. (n.d.). Retrieved April 01, 2021, from https://profitworks.ca/
Modaes. (2018, March 23). Nike Refuerza su apuesta por El 'big DATA' Y cierra La compra DE ZODIAC. Retrieved April 01, 2021, from https://www.modaes.com/empresa/nike-refuerza-su-apuesta-por-el-big-data-y-cierra-la-compra-de-zodiac-es.html

Marvel uno de los monstruos más grandes de la industria del cine y los comics

Marvel es una editorial norteamericana de comics en sus inicios y películas desde 1993 que ha creado grandes personajes en su historia como lo son Los 4 Fantásticos, Spider-Man, Ant- man, Capitán América, Los Vengadores, Iron Man, El increíble Hulk, Wolverine y Deadpool, que está localizada en Nueva York.

Las primeras huellas de Marvel se conocen como Red Circle Comics, después siendo llamada y creada por Martín Goodman donde su primera publicación oficial con el nombre en 1939 donde apareció por primera vez la antorcha humana original, aunque no fue la que todos conocemos de los 4 fantásticos y Namor el sub-marinero, siendo un éxito en esos años, además de protagonistas de sus propias series, donde después de 2 años en 1941 fue creado el Capitán América.

En los años 50 fue donde tuvo una caída por los problemas del final de la segunda guerra mundial, por ello en 1957 se declara en bancarrota y cierra sus puertas, y tuvo que cambiarse a llamar Atlas comics que simplemente haciendo historietas de monstruos con un poco de ciencia ficción.

En los 60, la idea de los superhéroes estaba en auge y ahí es donde Marvel entra creando todos sus éxitos, posicionándose como la mayor editorial de comics en Estados Unidos, ahí es donde se nombra la era Marvel del comic, cambiando el rumbo del mercado de los superhéroes, además de crear vínculos únicos en la época conociendo a los superhéroes no solo como dioses todopoderosos sino también como personas con defectos y virtudes,  algunos con poderes que al mismo tiempo de ser ventajosas como lo pintaban otras industrias, Marvel hacia ver las 2 caras de la moneda ya que los superhéroes también cargaban con sus las consecuencias de sus actos y pagaban por los mismos, los primeros superhéroes propios y con el sello personal de Marvel son los cuatro fantásticos creados en el 61, después con el increíble Hulk, pero uno de los personales más representativos y más conocidos de esta industria es el Hombre Araña, siendo este el personaje más querido por la comunidad, y así se van creado grupos de superhéroes como los X-Men, así se van expandiendo más y más personajes, mundos y universos siendo cada vez más complejo por no decir que una de las compañías más complejas y ricas.

Teniendo en cuenta muchos genios creativos que han pasado por esta industria , los más relevantes llegarían a ser Stan Lee, Jack Kirby y Steve Ditko que regalaron personajes tan reconocibles en el ahora así como crear tantas aventuras y fantasías que hemos disfrutado todos.

Años más tarde Marvel studios (un estudio filial a Marvel comics) en 1993 empieza la idea de dar vida a obras cinematográficas algunos de sus personajes protagonizaron increíbles y muy remunerables franquicias como es el caso de X-Men en el año 2000 y los vengadores.

Esta empresa es una de las más exitosas, siendo en el 2009 adquirida por Disney por la gran cantidad de 4.000 millones de dólares, por su gran éxito en ventas y creatividad. Así tomando el nombre Marvel Studios, que creo la segunda película más taquillera de la historia End Game con 2 797 800 564 en recaudación mundial.

El análisis de datos de esta empresa es un amplio territorio por no decir uno de los más grandes que van desde lo más simple que son el nivel por puntos de Inteligencia, fuerza, velocidad, durabilidad, energía y combate de cada personaje que han creado en un juego de cartas, número de personajes creados, cuantos de ellos son femeninos y masculinos, Cuantos de ellos son mutantes, humanos, aliens, etc, datos de todos sus villanos, además de características físicas de cada personaje, peso, altura, musculatura, etc personajes con más número de poderes, pareja de cada personaje, hijos de cada personaje, universo de cada personaje y la lista no hace más que alargarse en los comics. Por otra parte el análisis de datos también se ve reflejado en sus películas y series donde se destacan fráncicas más queridas por el público, la popularidad de cada superhéroe, los análisis de rentabilidad por año de cada película y serie, el crecimiento de ventas y espectadores, así ayudándolos a saber qué serie o película es la más probable a ser exitosa o rentable para una segunda temporada o secuela dependiendo los gustos de la audiencia, ya sea a personajes o tendencias, así aprovechando el máximo potencial en los datos en clientes actuales y potenciales, incluso libretos de diálogos en películas, trailers, posters y algunos personajes nuevos están hechos a base de análisis de datos y algoritmos de recomendación del que es lo que quiere ver el público y así maximizar la popularidad de sus películas o series para generar más ganancia.

Marvel seguirá siendo uno de los monstruos más grandes de la industria del cine y los comics, siendo esta misma creada en 1939, y viva hasta la actualidad, con una gran variedad de personajes creados, a su vez una enorme base de datos y análisis con un futuro muy brillante en la industria cinematográfica.

Referencias:

Marvel Comics. (2019). MCU (Marvel Cinematic Universe) – Verse – Superhero Database. SHDb. Recuperado el 29/03/2021 de https://www.superherodb.com/mcu/900-100/

DC Comics vs Marvel Comics – Análisis de datos exploratorios y visualización de datos con R. (2021, 24 febrero). ICHI.PRO. Recuperado el 29/03/2021 de https://ichi.pro/es/dc-comics-vs-marvel-comics-analisis-de-datos-exploratorios-y-visualizacion-de-datos-con-r-240060629959414

CC-BY-SA. (2019). Marvel Cómics | Marvel Wiki | Fandom. Marvel Wiki. Recuperado el 29/03/2021 de https://marvel.fandom.com/es/wiki/Marvel_C%C3%B3mics#:%7E:text=Marvel%20Comics%20fue%20fundada%20por,nombre%20y%20fracasos%20de%20lanzamiento.&text=Durante%20este%20tiempo%20la%20compa%C3%B1%C3%ADa,ligera%20ambientaci%C3%B3n%20de%20ciencia%20ficci%C3%B3n.

H. (2019). Marvel-superhelden – Marvel Avengers Infinity War-film – Hasbro. Marvel. Recuperado el 29/03/2021 de https://marvel.hasbro.com/nl-nl

Analítica Predictiva, El gran éxito de Tik Tok

Tik Tok básicamente es una de las principales aplicaciones móviles la cual cuenta con el mayor número de descargas en los últimos meses. La misma que es de origen chino la cual obtuvo lo mejor de Facebook, Instagram y Twitter para de esta manera lograr juntar los puntos más relevantes en una sola aplicación, la cual a logrado posicionarse entre las apps móviles más utilizadas en la actualidad principalmente por jóvenes y adolecentes.

Bytedance es la empresa de tecnología china que lanzo la aplicación de Tik Tok cuyo nombre original en china es Douyin lo cual significa “sacudir la música” sin embargo fuera de china la app toma el nombre de Tik Tok la cual podemos descargar en las plataformas de iOS y Android. Tik Tok fue lanzada en septiembre de 2016. Para el desarrollo de esta únicamente se tardo 200 días. En 2017 la empresa que creó Tik Tok compró Musically una app que se basaba en crear videos los cuales tenían una duración de entre 15 a 60 segundos, mediante la cual se podía usar efectos, filtros y opciones de velocidad. La cual pago la cifra de 1000 millones de dólares. La cual se encargo que todas las cuentas de esta migren a Tik Tok haciendo desaparecer por completo a Musically.

Tik Tok se aposesionado como una de las aplicaciones más populares la cual claramente a logrado quitarle algo de popularidad a Instagram. El éxito de Tik Tok se debe al algoritmo que han usado la cual es muy similar a la de YouTube la cual utiliza una serie de herramientas para de esta manera cada persona pueda personalizar el contenido acorde sus gustos. También cabe destacar que esta llama mucho más la atención que cualquier otra plata forma debido a que es mucho más fácil que un video se viralize en Tik Tok que en otra aplicación. 

Este debido al uso de la tecnología de machine learning ya que gracias a la misma es posible evaluar el grado de calidad de cada uno de los contenidos subidos a la plataforma y de esta manera se lo viraliza. Esto ha causado que Tik Tok logre incrementar sus usuarios debido a que al ingresar a la aplicación encontramos una pestaña “Para ti” en la cual podemos observar diferentes tipos de videos los cuales diversifican el contenido de los videos para que los usuarios no se fatiguen del mismo contenido. 

Cabe destacar que el algoritmo usado por Tik Tok lleva la cuenta de el número de veces que se ha visto un video y de igual manera mide el enganement que esta ha alcanzado como, por ejemplo: cuantos likes, compartidas, comentarios, descargas y seguidores obtuvo la publicación.

Tik Tok usa un algoritmo muy similar al que usa YouTube el cual se basa principal en las recomendaciones de contenido que te brindan ambas. La cual se basa en personalizar de acuerdo con el gusto de cada persona el contenido el cual te gustaría que salga en recomendaciones lo cual es de gran agrado para los usuarios debido a que el contenido mostrado es potencialmente de su interés lo cual genera en los usuarios una gran fidelidad hacia la aplicación. 

Uno de los factores que también han llevado al éxito a Tik Tok es su diseño simple el cual fue llevado a su máximo esplendor ya que es muy fácil ver videos en esta aplicación únicamente debes deslizar hacia arriba si quieres pasar al siguiente video o hacia abajo si quieres retroceder al video anterior.

Finalmente, como conclusión es claro que el gran éxito que ha obtenido Tik Tok ha sido en gran parte gracias al uso de los algoritmos y sobre todo al uso de machine learning ya que gracias al mismo Tik Tok puede descifrar lo que cada consumidor está buscando, lo cual cabe mencionar que no es una ciencia exacta debido a que puede generar un mínimo grado de error. Sin embargo, Tik Tok es el claro ejemplo que el éxito está principalmente en comprender que está buscando el consumidor usando el análisis de datos.

Bibliografía

Hera, C. d. (18 de febrero de 2020). M4rketing Ecommerce. Obtenido de https://marketing4ecommerce.net/historia-de-tiktok-aplicacion-movil-atrae-nuevas-generaciones/

datamall. (11 de noviembre de 2020). datamall. Obtenido de http://datamall.com.ec/tik-tok-la-aplicacion-que-esta-arrasando-gracias-a-su-algoritmo/

González, R. (1 de octubre de 2020). BigData magazine. Obtenido de https://bigdatamagazine.es/asi-funciona-el-algoritmo-secreto-de-tik-tok

Big data en Booking

Booking.Com es una página web y aplicación móvil de agencia de viajes. A través de booking el individuo puede escoger su alojamiento en una ciudad determinada. El individuo tiene la libertad de escoger el tipo de alojamiento (hotel, motel, villa, etc)con las características que desee(gimnasio, piscina, parqueadero, etc.)Esta plataforma digital brinda una gran variedad de alojamientos para que el individuo tenga varias opciones para escoger desde 1 estrella a 5 estrellas. Cada vez que el individuo use booking y pague a través de ello, Booking gana una tarifa por brindar el servicio. Se ha convertido sumamente popular utilizar esta plataforma para buscar alojamiento debido a su facilidad de uso y su servicio al cliente de 24 horas todos los días. Esta es internacional, está en 229 países, 126,958 destinaciones en 43 idiomas diferentes. 

Ofrece un aproximado de 28 millones opciones de variedad de alojamiento. 

Booking.com se fundó en el año 1996 por Geert-Jan Bruinsma en Amsterdam, Holanda. A Geert le surgió una idea de un posible emprendimiento desde su oficina en Amsterdam. El quería crear un servicio en línea para que los viajeros que venían a visitar los Países Bajos encuentren alojamiento de una manera fácil, rápida y segura. Esto se le ocurrió cuando él fue a Estados Unidos y quería reservar una habitación en el hotel Hilton pero solamente podía hacer la reservar desde la página web de Hilton (Hilton.com) y no a través de Internet. Aunque Geert no tenía mucho conocimiento de la industria de los hoteles, igual creó una empresa en línea y la llamó Bookings.nnl. El dio la libertad a los hoteles que ellos decidan las tarifas de las habitaciones con una comisión para Booking del 5%. A medida que crecía la empresa más hoteles comenzaban a formar parte de la plataforma digital.  Para hacerlo más conocido, Geert en 1997 quiso promocionarlo a través de los periódicos, pero no pudo publicarlo debido a que no podía promocionar una dirección de una página web. Sin embargo, esta empresa creció, en 1999 comenzó con un empleado y en 2002 ya tenía cincuenta empleados. En el 2005 Geert vendió la empresa a Priceline Group en $133 millones.

Booking salió al mercado en el año 1996 y desde ese entonces Booking ha utilizado análisis datos. Booking se encarga de procesar datos y recopilar información de tarifas, habitaciones y detalles específicos de las reservas. A través de los años Booking ha mejorado su manera de analizar datos. Esta tecnología le ha ayudado a ser más competitiva y a tener éxito en comparación con su competencia la cual es expedia, tripadvisors, trivago, etc. Estas plataformas digitales entregan el mismo servicio que Booking, pero Booking logró su popularidad gracias al marketing digital y las buenas comisiones que daba a los hoteles. Cada día Booking busca diferentes herramientas para mejorar el análisis de datos y darle al cliente lo que busca. Su nueva herramienta es Booking.com Analytics, Booking Insights y otras características de Booking.

Cabe recalcar que Booking.com es considerado líder mundial en la conexión de viajeros con propiedades. Por lo tanto, en su base de datos contiene más de un millón de propiedades que es analizada continuamente. Booking.com Analytics es una herramienta de softwares que se basa en Big Data que ha sido recopilado a través de los años de Booking. Esta herramienta es la que  permite y ayuda a los dueños de los hoteles a crecer sus negocios con datos y consejos personalizados y procesables. Estos datos y consejos son entregados en tiempo actual, por lo tanto, es más eficiente. Esta información es impulsada por un panel personalizado. Este producto está disponible a nivel mundial, y es considerado una de las ventajas más grandes que tiene Booking.com.  

Booking está al tanto que cada usuario es diferente, por lo tanto, cada uno tiene sus propias preferencias y gustos. Ellos se encargan de ordenar los resultados del usuario dependiendo del comportamiento pasado que tuvo en su búsqueda.  Para que booking pueda comprender y analizar los datos de una manera más eficiente les pide a los usuarios constantemente la opinión del alojamiento no solamente en un comentario sino también con una calificación al hotel de 1 a 5 estrellas. Booking recopila información de cada usuario para que a la próxima que el usuario entre a booking este pueda proveer información más eficaz y darle al consumidor exactamente lo que estaba buscando. Esto significa que personaliza los resultados de búsqueda para coincidir con sus preferencias. Por lo tanto, booking estudia los patrones de búsqueda de los usuarios, gracias a esto el ranking ahora es más sofisticado. A cada cliente le va a salir un diferente orden de alojamientos con la preferencia que tiene el usuario. Esto hace más fácil que el usuario encuentre el alojamiento que estaba buscando y que el hotel gane un cliente. 

Booker Insights es una característica que tiene Booking. Booker Insights da información sumamente detallada sobre qué es lo que está sucediendo dentro de la página web de Booking. Por ejemplo, gracias a esto se puede saber el país de origen en el cual se hizo la reserva, en que dispositivo fue utilizado para reservar y cual fue el propósito de que la persona/familia viaje.  También se puede saber con cuanto tiempo antes se hizo la reserva del alojamiento. Adicionalmente nos da información sobre el porcentaje de reservas que fueron canceladas, el puntaje de reseñas, tarifas. Con estos datos es más fácil comprender al cliente. El Informe Pace que es una característica de Booking permite a los dueños de hoteles comparar sus ventas con las del año pasado y también comparar su desempeño con su competencia. Y así entender que es lo que el hotel está haciendo bien o mal. 

En conclusión, Booking.com es una empresa que ha crecido abruptamente estos años. Gracias al análisis de datos Booking puede brindar un excelente servicio al cliente y ayudar a sus usuarios a encontrar eficientemente lo que está buscando. Existe una gran mayoría de hoteles que están en booking desde hoteles que tienen 1 estrella hasta 5 estrellas. Debido a que booking gana por cada reserva, esto le ayuda a crecer, conocer a su consumidor y ayudar al hotel para que de un mejor servicio. Como se ha visto anteriormente Booking.com tiene varias formas de analizar datos y eso demuestra su éxito y popularidad.  

Referencias

«Booking.Com: The Largest Selection of Hotels, Homes, and Holiday Rentals». Booking.Com, https://www.booking.com/index.en-gb.html. Accedido 11 de febrero de 2021.

Booking.com | You can’t put our dreams on lockdown – YouTube. https://www.youtube.com/watch?v=EoAvM4BcQgw. Accedido 11 de febrero de 2021.

Number, Australian. «The Story Behind Booking.Com Success Story». Medium, 26 de noviembre de 2018, https://medium.com/@australiannumbers/the-story-behind-booking-com-success-story-d0b6b3c5fb94.

Sklyar, Vladimir & Kharchenko, Vyacheslav. (2019). Application of the Booking.com Analytics Software Tools in Reliable Processing of Big Data in Hotels Management. 

Team, Keycafe. «The History of Booking.Com». Medium, 24 de mayo de 2019, https://medium.com/keycafe/the-history-of-booking-com-cc213a735380.

«Todo lo que necesitas saber sobre el ranking, los resultados de búsqueda y la visibilidad». ayuda, 10 de octubre de 2018, https://partner.booking.com/es/ayuda/desarrollo-de-tu-negocio/todo-lo-que-necesitas-saber-sobre-el-ranking-los-resultados-de.

Yanbal y el Analisis de Datos

Yanbal y el Analisis de Datos

Yanbal nace en Perú en 1967 y en 1977 entra al mercado ecuatoriano, es la primera empresa de cosmetología de origen latino, su primer paso fue crear un sistema de venta directa para alentar a las mujeres a ser emprendedoras y salir adelante. Al pasar el tiempo empezó a crecer la marca produciendo cosméticos de calidad alta y así logró expandirse fuera de Perú para que más mujeres emprendedoras conozcan la compañía y se motiven a participar en ella; también su portafolio creció porque comenzaron a comercializar fragancias y joyería. 

Yanbal cuenta con 3 mil colaboradores, 80 millones de productos vendidos al año, 600 mil empresarias de belleza, 8 países en América y Europa, 4 plantas de producción y 3 centros de innovación e investigación. En 1982 nace Unique Yanbal en Perú y por consiguiente nacen las “beauty parties” las cuales evolucionan el sistema de venta multinivel. En 1993 la empresa crea Cosmos International Fragances la cual produce fragancias exclusivas por prestigiosos perfumistas. En 2011 “Fernando Belmont entrega la Presidencia Ejecutiva a su hija Janine Belmont” (Yanbal, 2020)

Debido a la pandemia y también a restricciones de movilidad en el país y en los países donde opera Yanbal, la compañía implementa una solución denominada “Yanbal Delivery”. es una herramienta mediante la cual las consultoras (fuerza de ventas) pueden solicitar pedidos de sus clientes finales y la empresa entrega directamente en el domicilio del cliente, tomando todas las medidas de bioseguridad en cumplimiento de las regulaciones en cada país debido a la coyuntura sanitaria. Como herramientas que apoyan a esta estrategia, Yanbal se apoya en su portal de negocios para la recepción de los pedidos de la fuerza de ventas, así como también herramientas de comunicación y servicio al cliente como chatbot y un área de callcenter que permiten resolver y dar seguimiento a los casos de venta. 

Internamente y con el objetivo de hacer un seguimiento la empresa se apoya con herramientas de análisis de información (Business Intelligence). Business Intelligence es la habilidad para transformar los datos en información, y la información en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones en los negocios. 

Mediante las herramientas de análisis de información se definen e identifican indicadores claves (KPI) los cuales muestran el desempeño de la estrategia. Estos indicadores pueden ser la evolución de las ventas, número de clientes, cantidad de pedidos, el producto más comercializado, el primer desafio fue el diseñar adecuadamente los dashboard con los indicadores principales y viendo la problemática a esto existió una fase de capacitación a los usuarios para que ellos mismos puedan generar sus propios indicadores. El beneficio mas importante es el acceso visual a la información de tal manera que la revisión de la data y la toma de decisiones sea mas simple y efectiva. En toda esta implementación el equipo de tecnología fue clave, puesto que lidero la implementación de esta herramienta dentro de la organización. Esta  estrategia fue implemetada en mayo hasta el dia de hoy 

En conclusión, Yanbal ha cambiado su modelo de negocio como efecto de la pandemia, el uso de Business Intelligence siempre ha estado en la compañía, pero con la situación actual ha tenido que recurir a nuevas estrategias como son los chatbot que permiten tener una comunicación continua con su fuerza de ventas y llevar a cabo los procesos de la mejor manera evitando equivocaciones por falta de comunicación. 

Referencias

Información obtenida por Benavides. M. Yanbal, Ecuador. 2021

Yanbal. (2020). Yanbal . Obtenido de NUESTRA HISTORIA: https://www.yanbal.com/ec/corporate/nuestra-historia

Wells Fargo y el Análisis de Datos

Wells Fargo es una reconocida compañía de servicios financieros estadounidense que funciona a nivel internacional. Ha sido nombrado como el cuarto mejor banco de E.E.U.U. Ofrece distintos servicios que van desde hipotecas hasta inversiones, motivo por el cual ayuda a sus clientes a alcanzar sus metas financieras. La página oficial de Wells Fargo destaca sus servicios por una ventaja competitiva que radica en recomendaciones personalizadas para soluciones financieras. Esto incluye asesorar una persona natural o asesorar a una compañía grande, es decir, Wells Fargo tiene una amplia gama de clientes. Otro aspecto relevante de Wells Fargo es su preocupación por la educación financiera, por ello ofrece recursos y consejos relacionados a este tema de manera gratuita.

Respecto a la trayectoria de Wells Fargo, este posee un largo camino ya que se fundó en 1852 y posee 150 años de experiencia. Uno de los hitos de la empresa es su publicación de un informe de normas comerciales llamado Learning from the past, transforming to the future, uno de sus principales argumentos es el siguiente: “El informe aborda las acciones que Wells Fargo ha tomado, y continúa tomando, para mejorar su cultura, hacer lo correcto para los clientes que sufrieron perjuicios, renovar su estructura organizativa y fortalecer la administración y controles del riesgo.” (Folk, M. 30 de enero del 2019). Esto se hace tomando en cuenta las posteriores crisis económicas como la del 2008 y los problemas generados a la comunidad de Wells Fargo en caso de mal manejo de los escándalos financieros. Además, de este informe que significó un progreso para Wells Fargo, también se considera la empresa con mayor cantidad de préstamos a empresas pequeñas y prestamistas minoritarios. Es por ello que el 11% de la población de Estados Unidos lo considera su banco primario, en adición a su extensa red multinacional que no posee oficinas fuera del país, pero que está disponible globalmente.

En cuanto a las dificultades que se ha enfrentado Wells Fargo se encuentra el manejo de información. Al ser una compañía de servicios financieros con alrededor de 70 millones de clientes, no es fácil organizar toda esa información y mucho menos analizarla. Un solo cliente puede recibir servicios distintos y todos esos datos estaban en desorden. Fue en ese momento que Wells Fargo se dio cuenta de la necesidad de renovarse e implementar la reciente analítica de datos. Después de utilizar recursos que involucran inteligencia artificial y análisis de datos la empresa notó la mejoría en su servicio: “Ahora, muchos de nuestros recursos en nuestro pequeño equipo se centran en convertir el análisis de datos en conocimientos.” (Secil Watson, s.f.). Secil Watson es la jefa de soluciones de internet al por mayor, y ella menciona un pequeño equipo porque el análisis de datos no solo optimizó el procesamiento de información, sino que disminuyó significativamente el tiempo y personal necesario para realizarlo.

Para profundizar en el problema que experimentó Wells Fargo frente a su gran volumen de información, es necesario aclarar que toda la data residía en distintos lugares, algo que complejizaba mucho más la atención al cliente y su valoración como sujeto de crédito. Es así que el objetivo principal se basó en la centralización de datos para evitar pérdidas de información y problemas para encontrarla. Una de las acciones que tomó la corporación fue la siguiente: “(…) el gigante bancario se ha embarcado en un viaje que lo han denominado «Gestión de datos e información», para compilar los datos en un entorno de datos empresarial central organizándolos en 17 dominios.” (Express Computer, enero 2020). El motivo por el que se originaron estos dominios es para que la información sea mejor organizada, por ejemplo, los datos del cliente se guardarían en un dominio y por otro lado su historial crediticio se guardaría en otro dominio. Esto facilitaría encontrar los datos necesarios para hacer un préstamo o asesoramiento personalizado ya que los datos se guardan según distintas categorías.

En los mercados financieros del mundo actual la tecnología ha permitido información actualizada en tiempo real y mejoras en la eficiencia del sector bancario. La Universidad Atlantis afirma esta posición, pero también indica las posibles complicaciones: “Pero una mayor tecnología y optimización también conlleva una mayor responsabilidad en cuanto a seguridad.” (Atlantis University, s.f.). Definitivamente, la incorporación tecnológica en el sector financiero puede tener potenciales riesgos de seguridad. Pero si tomamos el caso de Wells Fargo, el manejo de seguridad digital fue tomado con seriedad e incluso se garantiza la devolución de todo el dinero de un cliente si una persona no autorizada llegase a tomar su dinero mediante las vías digitales autorizadas de Wells Fargo. La corporación brinda información a sus clientes acerca de todas las medidas que se deben tomar a la hora de hacer una transacción digital, porque asegura que tanto los clientes como la empresa deben ser responsables de ello.

Wells Fargo tuvo un proceso de alrededor de tres años para acoplarse a los nuevos avances en análisis de datos. Uno de sus reconocidos contribuyentes ha sido la plataforma Tableau, según los comentarios del personal encargado de datos en Wells Fargo, esta herramienta les permitió tomar decisiones de manera más rápida, así como mejorar sus servicios hacia los clientes. Además de la centralización de datos en dominios, la empresa financiera tuvo que reconocer que se necesitaban equipos por cada línea de negocio: “Wells Fargo tiene diferentes líneas de negocios y cada una de ellas tiene su propio equipo de análisis. (…) PVSIpayments y canales virtuales es una línea de negocio con su propio equipo de análisis. El marketing es otro, etc.” (Express Computer, enero 2020). De esta manera cada equipo se especializa en su área y posteriormente la información procesada por cada equipo se puede concatenar para ofrecer una solución que abarque una sola área o varias áreas a la vez. Sin duda la optimización y eficiencia se incorporaron a Wells Fargo mediante la analítica de datos correctamente planificada y utilizada por los distintos componentes de la corporación financiera.

En términos de tecnología, se puede especificar que Wells Fargo se concentró en inteligencia artificial, machine learning y análisis de datos. Un ejemplo concreto de la utilización de inteligencia artificial en Wells Fargo lo define la misma empresa:

 “(…) crear una experiencia personalizada para los clientes del banco. (…) nos enfocamos mucho en tecnologías y algoritmos que nos ayudan a comprender las interacciones y comentarios de los clientes con el banco a través de varios canales. También contamos con asistentes virtuales o bots para ayudar a los usuarios, tanto clientes como empleados, a acceder a los datos correctos.” (Nallayam, R. 14 de noviembre de 2019).

Lo que esta corporación financiera ha adquirido en tecnología se puede denominar vanguardista dado que se ha ido incorporando un método de procesamiento de datos optimizado que concentra toda la información en un sistema que sea de fácil comprensión y utilización. La reducción de mano de obra debido al desplazamiento de empleos por la tecnología no sólo debe ser visto como algo negativos ya que de igual manera se han creado muchos más empleos con las cualidades necesarias para mejorar estas tecnologías constantemente.

            En síntesis, Wells Fargo ha demostrado ser uno de los pioneros del sector bancario en la implementación de tecnologías de información y procesamiento de datos. El proceso tomó tres años, teniendo como punto de partida la desorganización y dispersión de información tanto de clientes como de servicios financieros. El machine learning, la inteligencia artificial y el análisis de datos han jugado un papel clave en el desarrollo de un sistema bancario optimizado y eficiente. Wells Fargo ahora puede tomar decisiones informadas de forma rápida, tomando en cuenta que la forma en la que centralizó y organizó sus datos fue acorde con sus objetivos. Los clientes de esta empresa también se han beneficiado mediante la personalización que permitió la creación de dominios para cada set de datos. De esta manera, Wells Fargo puede ser considerado como un caso exitoso de aplicación de análisis de datos que tampoco descuidó la seguridad en los medios digitales que estuvo dispuesto a utilizar.

Bibliografía

Asociación de Especialistas Certificados en Delitos Financieros. (2 de julio del 2019). Wells Fargo derrumba los silos de auditoría interna para defenderse de los escándalos. http://www.delitosfinancieros.org. ACFCS Recuperado de https://www.delitosfinancieros.org/wells-fargo-derrumba-los-silos-de-auditoria-interna-para-defenderse-de-los-escandalos/

Atlantis University. (s.f.). Why is big data the future of banking? The Wells Fargo case. atlantisuniversity.edu. Atlantis University Recuperado de https://atlantisuniversity.edu/why-is-big-data-the-future-of-banking-the-wells-fargo-case/

Express Computer. (Enero 2020). Why data and analytics is so significant for Wells Fargo. Magzter . magzter.com Recuperado de https://www.magzter.com/stories/Computer-Mobile/Express-Computer/Why-data-and-analytics-is-so-significant-for-Wells-Fargo

Folk, M. (30 de enero del 2019). Wells Fargo publica Informe de Normas Comerciales. newsroom.wf.com. Wells Fargo Recuperado de https://newsroom.wf.com/English/news-releases/news-release-details/2019/Wells-Fargo-publica-Informe-de-Normas-Comerciales/default.aspx

Moumita, D. (6 de enero del 2020). Why data and analytics is so significant for Wells Fargo. expresscomputer.in. EXPRESS COMPUTER Recuperado de https://www.expresscomputer.in/news/why-data-and-analytics-is-so-significant-for-wells-fargo/44940/

Nallayam, R. (14 de noviembre de 2019). Wells Fargo’s data analytics & AI programs are changing up. http://www.moneycontrol.com. moneycontrol Recuperado de https://www.moneycontrol.com/news/technology/wells-fargos-data-analytics-ai-programs-are-changing-up-4640751.html

Tableau. (s.f.). Wells Fargo wrangles data from over 70 million customers to redesign customer banking portal. tableau.com. tableau Recuperado de https://www.tableau.com/solutions/customer/storytelling-big-data-wells-fargo

Vaishnavi, J . (1 de noviembre del 2019). How analytics helps Wells Fargo tackle NPAs. cio.economictimes.indiatimes.com. ETCIO Recuperado de https://cio.economictimes.indiatimes.com/news/strategy-and-management/how-analytics-helps-wells-fargo-tackle-npas/71846934

Wells Fargo. (s.f.). Analytics and Data Program. http://www.wellsfargojobs.com. Wells Fargo Recuperado de https://www.wellsfargojobs.com/analytics-earlycareers

Wells Fargo. (s.f.). International Locations. http://www.wellsfargo.com. Wells Fargo Recuperado de https://www.wellsfargo.com/com/international/locations/

Wells Fargo. (s.f.). Garantía de Seguridad en Internet. http://www.wellsfargo.com. Wells Fargo Recuperado de https://www.wellsfargo.com/es/privacy-security/guarantee/

Business Intelligence en Toyota Motor Corporation

Una forma revolucionaria de utilizar Business Intelligence para la expansión de un negocio

Toyota Motor Corporation tiene matriz en Aichi, Japón, emplea en innovar y crear tendencias en el sector automotriz con sus tecnologías híbridas (mezcla de motor a gasolina y eléctrica) de la cual ha permitido el ahorro de combustible y fomentar a reducir la huella de carbono de las personas notablemente. En el área de la robótica, se logró formar alianzas con la compañía local; de la cual se enfoque es en el área de enviar autos autónomos a el espacio, por ese medio recibir información y excluir él envió de seres humanos. Además, de fomentar ayuda hacia las personas de tercera edad, al área de elaboración, y entretenimiento con el fin de alivianar muchas cargas laborales que se enfocan actualmente a seres vivos. Las tecnologías inteligentes, han sido fabricadas enfocadas en el modelo LQ un vehículo autónomo con el fin de ser “un purificador de aire mientras circula por las calles: de esta manera no sólo ahorra emisiones a la atmósfera gracias a su mecánica eléctrica, sino que ayuda a eliminar la contaminación” (Otero, 2019, p.1); por otro lado, ayudar en la conversión de posiblemente no enfocarse en la mano de obra humana como punto principal dentro de la fabricación de manera automatizada y que se agilicen procesos para su envio dentro de las áreas de cobertura que envían sus productos.

Toyota es una empresa japonesa que se remonta desde 1933, en donde Kiichiro Toyoda, fundador de la empresa, emplea un trabajo de focalización hacia la elaboración y producción de carros; a partir de Toyoda Automatic Loom empresa comandada por su padre. En 1937 decidió emprender un viaje solitario a partir de su desvinculación de Toyoda Automatic Loom y desde ahí comenzaría su expansión hacia el resto del mundo. Obtuvo en años posteriores de 1950 hasta la actualidad alianzas estratégicas con compañías tales como “Hino Motors y Daihatsu, abriendo puertas a la internacionalización de la marca. En este período se establecieron dos divisiones, Toyota Motor Sales Inc., en Estados Unidos y Toyota do Brazil, S. A. en Brasil.” (Toyota Guatemala, 2021, p.1). Desde ahí ha fundado empresas cómo Lexus; asimismo, ha incrementado su confianza a los clientes con un alto estándar de calidad, mantenimiento, servicio, entre otros que asegura a sus clientes tener su producto del portafolio Toyota en el menor tiempo posible.

Durante el transcurso del tiempo dentro de la empresa japonesa se ha podido ver que es renombrada por una característica en particular, que llevo su negocio al siguiente nivel: con la organización, planeación, y ha resultado en un motivo de su expansión. Con la implementación de Business Intelligence, un tipo de inteligencia de la que “sirven como un conjunto de metodologías, aplicaciones y tecnologías para reunir, depurar y transformar los datos extraídos de los sistemas transaccionales. El resultado: información estructurada para su explotación directa.” (MAS Analytics, 2021, p.1) En Toyota vieron una oportunidad de utilizar dicha herramienta de analítica en sus datos, a partir de una necesidad de enfocarse en la reducción de costos al momento de producir y comunicación de datos entre todas su red de concesionarios y la fábrica. De aquello acudió a poder realizar una reestructuración de la empresa con enfoques más hacia beneficios que tendrán efectos a corto plazo y que generara más ingresos.

Durante una época en la década de los 90 fue dónde se acorraló la empresa japonesa y en su desempeño había una latente falencia al momento de comunicarse. En Toyota E.E.U.U esa información no fue aprovechada a su máximo, es decir, con respecto a las ventas se vio en decadencia de la que no pudo alcanzar expectativas deseadas. Esto se debió a un tema interno; sin embargo, a la final se vuelve un tema preocupante para el cliente porque no recibe la asistencia necesaria; además, influye en un tema de dejar esa confianza y lealtad del cliente ser cuestionada. No obstante, la empresa decidió recortar gastos dentro de la mano de obra y en la manipulación de la información al automatizarla con Endeca para tener una mejor visualización de los datos y recolectar varios tipos de información para compartirla entre su red de concesionarios.

Hoy en día, el sistema Endeca se utiliza una fuente que permite ser la base para que todos en la compañía tengan una actualización del momento acerca de cualquier repuesto, vehículo, o solo información interna que permita tener al comprador actualizado. Toyota Technical Information and Diagnostics Group. Este es un grupo que trabaja conjunto a Toyota IT para innovar en softwares para ser eficientes y eficaces con alianzas de otras compañías y así tener un sistema de entrega en el menor tiempo posible a cualquier parte que desee el consumidor. Invertir altos costos en tecnología da frutos que beneficia a la empresa y al cliente final; esto se debe a que el cliente es siempre el motivador principal y cualquier comentario es una sugerencia también para mejorar e incrementar las ventas.

En conclusión, Toyota Motor Corporation es un excelente ejemplo que la organización y que emprender no solo en el producto es crucial para generar más ingresos; sino, también invertir en la infraestructura interna de la cual será una herramienta que ayudará a largo plazo. El software de una empresa debe ser importante para estos tiempos donde los avances toman posesión de los métodos antiguos y por mas eficientes que sean, siempre hay espacio para la mejora. Las alianzas estratégicas con empresas de tecnología se están apoderando de todas las industrias y el tiempo que uno les dedique será ganado con más ventas, clientes y espacios para innovar en el portafolio general.

Referencia Bibliográfica:

4 Ejemplos de Empresas que Utilizan Inteligencia de Negocios. (2018, 26 octubre). Analítica de Retail. http://analiticaderetail.com/empresas-que-utilizan-inteligencia-de-negocios-ejemplos/

Briceño, J. (2019, 13 junio). 4 Empresas que utilizan Inteligencia de Negocios. FacturaSoft. https://facturasoft.com/4-empresas-que-utilizan-inteligencia-de-negocios/

CIOinsight. (2021). Toyota’s Business Intelligence: Oh! What a Feeling. https://www.cioinsight.com/c/a/Case-Studies/Toyotas-Business-Intelligence-Oh-What-a-Feeling

Editorial. (2011, 10 mayo). Toyota Motors obtiene visibilidad de sus datos con nuevo sistema de Business Intelligence. BI-Spain.com. https://www.bi-spain.com/articulo/toyota-motors-obtiene-visibilidad-de-sus-datos-con-nuevo-sistema-de-business-intelligence/#:%7E:text=La%20empresa%20automotriz%20Toyota%20Motors,m%C3%BAltiples%20fuentes%20de%20datos%20como

MAS Analytics. (2019). Conozca los ejemplos prácticos de business intelligence. https://www.masanalytics.com/bi/ejemplos-practicos-de-business-intelligence/

Miller, J. (2020, 3 septiembre). TBP: Toyota Business Practice. Gemba Academy. https://blog.gembaacademy.com/2009/02/22/tbp_toyota_business_practice/

Otero, A. (2019, 12 octubre). Toyota LQ Concept: un coche eléctrico que purifica el aire de la atmósfera y ayuda a reducir la contaminación. Motorpasión. https://www.motorpasion.com/toyota/toyota-lq-concept

Toyota ES. (2020a, mayo 25). Toyota y su mundo de robots a nuestro servicio. https://www.toyota.es/world-of-toyota/articles-news-events/robots-Toyota-movilidad

Toyota ES. (2020b, noviembre 17). ¿Qué es un coche híbrido eléctrico? | Toyota España. https://www.toyota.es/hybrid-innovation/preguntas-hibridas/que-es-un-hibrido

TOYOTA GUATEMALA. (2021). Conoce la increíble historia de Toyota ¿Cómo empezó todo? Toyota. https://www.toyota.com.gt/blog-para-comprar-carro-en-guatemala/conoce-la-increible-historia-de-toyota-como-empezo-todo#:%7E:text=Toyota%20Motor%20Corporation%20fue%20fundada,hijo%20del%20fundador%2C%20Kiichiro%20Toyoda.

TOYOTA INDUSTRIES CORPORATION. (2021). The Story of Sakichi Toyoda | Toyota Industries Corporation. Toyota. https://www.toyota-industries.com/company/history/toyoda_sakichi/

Vijayan, J. (2011, 4 mayo). Business, IT collaboration drives new BI system at Toyota. Computerworld. https://www.computerworld.com/article/2508492/business–it-collaboration-drives-new-bi-system-at-toyota.html

Instagram Business Analytics

Introducción

            Instagram es una aplicación y red social creada por Kevin Systrom y Mike Krieger, fue lanzada al público en San Francisco en el 2010. Su principal función es permitir que los usuarios compartan videos e imágenes del contenido que quieran, ya sea de su vida personal o profesional para que puedan interactuar con otros perfiles. En el año actual 2021, esta red social está disponible internacionalmente y cuenta con “Instagram stories” dónde se permite que las personas compartan una foto o video por 24 horas, “Reels” que son videos cortos instantáneos, “IGTV channel” que consiste en un video prolongado de hasta 1 hora, las publicaciones regulares (fotos o videos) que se suben al perfil, mensajes directos, “Instagram shop” que permite que se adquiera productos directamente desde la aplicación y finalmente los perfiles profesionales y herramientas comerciales que serán explicadas en profundidad en los párrafos que siguen.  

Historia

Después de recibir el financiamiento de Baseline Ventures, Kevin Systorm continuó programando la aplicación que inicialmente se llamaba “Burbn”, este consistía en una red social de fotografía. Pronto Mike Krieger se convirtió en cofundador y con su ayuda lanzaron la aplicación por primera vez en octubre del 2010, llegó a 1 millón de usuarios en 3 meses. Después de recibir comentarios de sus amigos y público, realizaron algunas mejoras y también nombraron la aplicación “Instagram”. Dentro de un año, esta llegó a 10 millones de usuarios, después de lanzar la misma para Android en el 2012, Facebook adquirió la red social por un billón de dólares. Más adelante en el 2016, la aplicación se enfocó en los emprendimientos y negocios que las personas mostraban a través de la red social, decidieron incluir herramientas comerciales y perfiles profesionales, aquí están incorporadas las analíticas que permiten a los usuarios ver la demografía de la audiencia, impresiones de las publicaciones y el alcance que tienen estas. Finalmente, después de implementar las “stories” en el 2016, una herramienta que es muy parecida a las historias de 24 horas de Snapchat, Instagram lanzó IGTV que consistía en videos más largos, y los “reels”, una idea sacada de la popular aplicación TikTok. 

Presentación del caso: Instagram Business Analytics

Como ya mencionado brevemente en los párrafos anteriores, el uso de las herramientas comerciales fue uno de los cambios que revolucionó como las personas veían Instagram y también lo que empezó a generar mayoría de ingresos para la aplicación. Ahora no solo era una aplicación para compartir fotografías y videos, también era muy útil para vender y promocionar productos y servicios, una forma de ingreso. Con más de un billón de usuarios activos por mes, se puede decir que mayoría de las personas viven su vida frente a la pantalla, por esta razón vender a través de la red social puede tener un alcance mayor y constar con un proceso fácil porque esta al alcance de cualquier Smartphone. Esta herramienta se basa en Business Analytics, la “exploración iterativa y metódica de los datos de una organización, con énfasis en el análisis estadístico. La analítica empresarial es utilizada por empresas que utilizan la toma de decisiones basada en datos.” (TechTarget, 2021) ya que las cuentas comerciales pueden hallar información sobre sus seguidores y las reacciones que tienen hacia sus contenidos e historias. Si estos datos se interpretan de manera adecuada, es posible desarrollar un plan de acción para el crecimiento de un perfil. Al implementar Business Analytics Instagram transformó su empresa por completo, se convirtió en la aplicación que todo empresario debe tener, esto aumentando su popularidad e ingresos por billones de dólares.

Problemática por resolver

            Ya que Instagram se ha vuelto una de las plataformas más usadas por el público, muchas personas vieron a esta red social como una oportunidad para compartir sus productos y servicios. El problema dentro de esto era que era muy difícil para los emprendedores y dueños de las empresas saber que contenido era el que buscaban sus seguidores, dado esto una gran mayoría no tenían el crecimiento que deseaba, la gente dudaba si en realidad esta red social era la adecuada para llegar a su público objetivo. Aunque Instagram ya empezó a probar y medir el éxito de los formatos de anuncios que incitan a los usuarios a realizar acciones tales como; subscribirse a boletines o instalar aplicaciones en el 2015, esto no era suficiente, se buscaba una herramienta que tenga aún más alcance. Esto generó cerca de 63,000 de dólares para la aplicación, pero por su tamaño, se identificó rápidamente que se podía lograr mucho más si se generaba una red profesional para las empresas. También, a pesar de que Instagram cuenta con millones de usuarios, era complicado llegar a ellos sin un sistema de promoción mejorado.  Entonces aquí nació la pregunta, ¿Por qué no introducir una herramienta diseñada específicamente para los negocios de Instagram? La plataforma reconoció “la importancia del marketing de influencers y la necesidad de que las empresas comprendan la tasa de éxito de sus propias cuentas de Instagram, nació Instagram Analytics.” (JumperMedia, 2019) Por esta razón, en el 2016, la red social introdujo una forma de analizar la actividad, contenido y audiencia de las empresas.

Herramientas implementadas

Para poder alcanzar los usuarios adecuados, se debe tener en cuenta toda la información con la que cuenta Instagram dentro de los perfiles profesionales. Inicialmente, está el área de los “Insights”, este se enfoca en tres áreas principales; los datos demográficos de los seguidores, el crecimiento de la cuenta y el análisis de las publicaciones. Dentro de la sección “tu audiencia” se puede ver cuantos usuarios han dejado de seguir o han comenzado a seguir a la cuenta y en donde específicamente se encuentran demográficamente. Además de esto, se halla el porcentaje del género predominante de la audiencia. Finalmente, se encuentra un gráfico que muestra en que días los usuarios están más activos y a que hora.

            Dentro de la sección “visión general” se puede ver las “cuentas alcanzadas” es decir, el número de cuentas que han visto las publicaciones, historias, publicaciones promovidas o los videos de IGTV al menos una vez. También se ve el “alcance promocionado” que es el número de usuarios que han visto tu historia o publicación promocionada y la “actividad de cuenta” que tiene detalle del número de veces que las cuentas visitaron el perfil e interactuaron con él.

            Otra herramienta muy útil de este tipo de perfiles es la oportunidad de crear promociones, esto consiste en escoger una publicación, ya sea video o fotografía, o una historia. Una vez escogida la publicación, se debe determinar el destino, es decir a donde se quiere que la gente llegue, el perfil, la página web o el shop de Instagram. Más adelante en el proceso se selecciona el público objetivo, aquí hay la opción “automática” donde Instagram identifica usuarios parecidos a los seguidores de la cuenta especifica, la opción “local” la cual permite seleccionar personas de una ubicación especifica, y finalmente la opción “manual” donde el mismo usuario selecciona la ubicación, intereses y la edad y el género. Después de finalizar con este paso se identifica el presupuesto y la duración de la promoción, si se quiere que la publicación dure 6 días, entonces el usuario tendrá que pagar $5 cada día, un total de $30, este precio iría aumentando a medida que aumente la duración de la promoción. El último paso consiste en definir el método de pago, ahora la publicación estará pendiente a la aprobación de Instagram.

Finalmente, dentro de este proyecto diseñado para empresas y negocios, está la función de “Comprar en Instagram” esta herramienta permite que las personas puedan comprar directamente desde los perfiles de la red social.

El antes y después de Instagram

En los años posteriores al 2016, Instagram contenía varias herramientas para publicar fotos, historias y videos. Generalmente, sus usuarios, que para el 2013 eran 90 millones, utilizaban su Instagram para comunicarse con sus seguidores, ganar más contactos, publicar aspectos de su vida tales como; vacaciones, eventos con amigos y familia, mascotas, logros, ropa y más temas de su interés. En otras palabras, el uso de esta red social tenía fines más personales que lucrativos para las personas.

Ahora, después de la implementación de Business Analytics, la empresa creció hasta llegar a 1 billón de usuarios activos mensuales en el año actual, este número sigue creciendo cada vez más. En el 2020, 73% de adolescentes estadounidenses dicen que esta red social es la mejor manera de llegar a ellos con nuevos productos y servicios ya que está dentro de su red social preferida y encontrar lo que les interesa es muy fácil con la función de “Comprar en Instagram”, mayoría de empresas cuentan con sistema delivery, esto satisface la comodidad de las personas.

Por la gran acogida de la herramienta de promoción, la red social ha ganado $13.86 billones de ingresos anuales en el 2020. Este incremento se da debido al alcance de 928 millones de usuarios de la red social, un porcentaje de 69% empresarios estadunidenses vieron la oportunidad que daba la plataforma y por esto invierten mayoría de su presupuesto en la publicidad que ofrece la misma que cuesta $5 dólares al día dependiendo del alcance que se quiera. Mencionado esto uno se puede dar cuenta la cantidad de ingresos que la red generaba gracias a su gran demanda.

Con un gran incremento en sus ingresos y en el número de usuarios que utilizan la herramienta, Instagram se volvió uno de los medios más importantes para generar reconocimiento y dinero para las empresas, este cambio fue el que hizo que Instagram sea la red social más grande del mundo con 1 billón de usuarios y con una valoración de 100 billones de dólares.

Por último, cabe recalcar que Marc Zuckerber, el director ejecutivo de Facebook, el servicio de redes al cual pertenece Instagram menciono que “Instagram no sería lo que es hoy sin [los cofundadores Kevin Systrom y Mike Krieger], pero tampoco sería lo que es sin todo lo que ponemos en él, ya sea la infraestructura o nuestro modelo publicitario, nuestros servicios de seguridad ampliados y mucho más.” (CNBC, 2019) Esto expone como la aplicación no hubiera generado tanto impacto e ingresos si no fuera por su gran transformación. La meta deseada se ha cumplido ya que la red social cuanta con más de 75% de negocios ya implementados y funcionando dentro de la plataforma en Estados Unidos.

Desafíos

El desafío principal para Instagram durante la creación e implementación de “Business Analytics” y todas las herramientas mencionadas fue que sean datos confiables. Aunque la información que provee para cada cuenta está muy cerca a un valor exacto, muchas de sus métricas son estimadas. Por esto Instagram ha trabajado en mejorar el área de los “insights” para que tengan una precisión más realista y por supuesto, personalizado para cada perfil profesional.

Otro desafío que también tomó parte en la nueva tecnología implementada es que muchas personas con negocios en la red no sabían como utilizar la información que Instagram les estaba dando. Al ser un concepto nuevo, existió un poco de confusión en cuento a las metodologías más adecuadas para crecer, por esta razón, la plataforma se aseguró de proveer un breve resumen de la función de cada herramienta dentro de “insights” y promoción, de esta manera la información podría ser mejor interpretada por los vendedores y así pudieron lograr el alcance que querían.

Conclusión

Este cambio fue sin duda una transformación considerable para Instagram, la implementación de perfiles profesionales con tecnología “Business Analytics” fue precisamente lo que hizo que el mundo no solo vea a Instagram como un lugar para compartir contenido sobre su vida personal y preferencias, pero también como una excelente plataforma para introducir negocios y hacer que estos crezcan apoyándose en sus herramientas profesionales y promociones que se ofrece. Con esto, Instagram aumento sus ingresos y número de usuarios tras los años, para todo empresario, tener presencia dentro de esta red social, es algo vital.

Referencias

Aslam, S. (2021, January 6). Instagram by the Numbers: Stats, Demographics & Fun Facts. Omnicore. https://www.omnicoreagency.com/instagram-statistics/#:%7E:text=An%20estimated%2075.3%25%20of%20US,least%20one%20business%20profile%20daily.

Bloomberg News. (2019, December 26). How Instagram Changed the Way We Shop. Financialpost. https://financialpost.com/pmn/business-pmn/how-instagram-changed-the-way-we-shop

colaboradores de Wikipedia. (2021, February 3). Instagram. Wikipedia, La Enciclopedia Libre. https://es.wikipedia.org/wiki/Instagram#:%7E:text=Instagram%20es%20una%20aplicaci%C3%B3n%20y,y%20v%C3%ADdeos%20con%20otros%20usuarios.&text=Creada%20por%20Kevin%20Systrom%20y,lanzada%20en%20octubre%20de%202010.

Hart, K. (2019, December 19). A Practical Guide to Instagram Analytics for Business Accounts. Jumper Media. https://jumpermedia.co/instagram-analytics-for-business/#:%7E:text=Recognizing%20the%20importance%20of%20influencer,Instagram%20Analytics%20came%20into%20being.

instagram-business. (2016, May 31). Coming Soon: New Instagram Business Tools. Instagram for Business. https://web.archive.org/web/20160918213802/http://blog.business.instagram.com/post/145212269021/new-business-tools

Instagram Revenue and Usage Statistics Breakdown. (n.d.). BuildFire. Retrieved February 22, 2021, from https://buildfire.com/instagram-revenue-and-usage-statistics-breakdown/

How Instagram Makes Money. (n.d.). Investopedia. Retrieved February 22, 2021, from https://www.investopedia.com/articles/personal-finance/030915/how-instagram-makes-money.asp

 Lutkevich, B., & Burns, E. (2021, January 4). business analytics (BA). SearchBusinessAnalytics. https://searchbusinessanalytics.techtarget.com/definition/business-analytics-BA

R. (2018, June 5). La historia detrás de Instagram [Infografía]. TreceBits – Redes Sociales y Tecnología. https://www.trecebits.com/2018/02/05/la-historia-detras-instagram-infografia/

Rodriguez, S. (2019, October 31). Mark Zuckerberg is adamant that Instagram should not be broken off from Facebook. CNBC. https://www.cnbc.com/2019/10/30/mark-zuckerberg-is-adamant-that-instagram-should-remain-with-facebook.html

¿Qué es Domestika? (2021, February 10). Domestika. https://support.domestika.org/hc/es/articles/360003052398–Qu%C3%A9-es-Domestika-#:%7E:text=Domestika%20es%20una%20de%20las,y%20aprender%20unos%20de%20otros.

TechCrunch is now a part of Verizon Media. (2016, May 16). Tech Crunch. https://techcrunch.com/2016/05/16/instagrams-analytics-will-offer-audience-demographics-post-impressions-reach-more/

Wikipedia contributors. (2021, February 10). Timeline of Instagram. Wikipedia. https://en.wikipedia.org/wiki/Timeline_of_Instagram#cite_note-MyUser_Blog.business.instagram.com_September_11_2016c-47Thomas, M. (n.d.). How to Use Instagram Analytics to Grow Your Following. Bluehost Blog. Retrieved February 15, 2021, from https://www.bluehost.com/blog/how-to-use-instagram-analytics-to-grow-your-following/?utm_source=google&utm_medium=genericsearch&gclid=CjwKCAiA65iBBhB-EiwAW253W5zLHeCapncgLCY63y3v1jz6UJWT_yMVdHyITQ5_rrNh54-1XShqOBoCO6oQAvD_BwE&gclsrc=aw.ds

Tesla y el Big Data

¿Qué hace? ¿Qué comercializa? ¿Donde?

Tesla es una empresa estadounidense que se ha dedicado a la fabricación, venta de vehículos eléctricos, componentes para autos eléctricos y baterías de litio.

Su plan maestro fue:

  • Concentrarse en las baterías de litio donde veían un gran potencial
  • Comenzar con un coche eléctrico de alto rendimiento para quitar esa idea de que son autos lentos y aburridos
  • Lograr una economía a escala, esto quiere decir que los costos por unidad sean los mas bajos posibles
  • A mediano plazo también quería alcanzar un almacenamiento de energía para el hogar 

Principales hitos en su historia

2003: Jeffrey Straubel y Mark Everhard se juntaron con Elon Musk para fundar Tesla y esta empresa obtiene su nombre en tributo a Nikola Tesla.

2006: Tesla Roadster

Este se vio inspirado en el Lotus Elise pero al personalizarlo demasiado se elevaron sus costos y estuvieron varias ocasiones cerca de la quiebra y experimento varios problemas administrativos

2008: Elon Musk admite el cargo de CEO (director ejecutivo) y realizo cambios drásticos para salvar la empresa como despedir el 25% de la plantilla, recaudo 40millones de dólares por deudas, formo una asociación con Daimler que es una empresa que produce mercedes Benz y pidió prestado 465millones de dólares al gobierno de los estados unidos y con esto fabrico 2450 Tesla Roadster

29 de enero del 2010: Tesla salió en el Nasdaq y ahí cualquier persona puede adquirir acciones en la compañía y recaudo 226millones de dólares, con esto tesla lanzo el Model S y el Model X.

En 2013 anuncio su gigafactory 1 que estaba especializada en alcanzar la economía escala en la producción de batería de iones de litio y de esta forma hacer los vehículos Tesla mas económicos, durante este tiempo también anuncio el piloto automático en el Model S, lanzo el powerwall el cual almacena energía de fuentes renovables y por último en el 2016 lanzo el Model 3

A finales de 2017 Tesla supero a Ford en capitalización de mercado solo en 7 años desde su lanzamiento.

Gigafactory 2 ubicada en estados unidos especializada en paneles solares

Gigafactory 3 ubicada en China para producir baterías y coches para el mercado asiático

Gigafactory 4 Ubicada en Alemania que tiene como objetivo conquistar el mercado europeo la cual terminara su construcción a finales del 2021

Tesla con el uso del big data consiguió y seguirá consiguiendo mejoras en sus vehículos eléctricos ya que se encarga de aprender de las quejas propuestas por sus usuarios. Tesla se ve favorecido por que el auto en si recopila datos todo el día y aprende de igual forma de estos y uno de estos autoaprendizajes se ve involucrado en la creación de un mapa mas preciso que el de propio Google.

Como tesla usa el Deep Learning

Tesla se asoció recientemente con NVIDIA y está utilizando su tecnología de aprendizaje profundo para mejorar la capacidad de su automóvil para aprender de sus propios datos y lidiar con nuevos conjuntos de datos con los que nunca se le ha enseñado a lidiar. NVIDIA ha declarado: “No programamos ningún componente explícito de detección de objetos, mapeo, planificación de rutas o control en este automóvil. En cambio, el automóvil aprende por sí solo a crear todas las representaciones internas necesarias para conducir, simplemente observando a los conductores humanos” (Ahdoot, 2016).

Tesla usa el big data para hacer un mapa

La compañía afirma que ha adquirido datos de 100 millones de millas. Tesla utiliza todos estos datos para crear mapas enriquecidos con datos que muestran todos los matices, como zonas de peligro, aumento de velocidad en carreteras específicas, donde en promedio los automóviles disminuyen la velocidad, etc. Se cree que estos datos son 100 veces más precisos que los de los sistemas de navegación estándar. Sin embargo, la información de la carretera no es lo único que recopila un automóvil. Supongamos, en un viaje, las cámaras están analizando el entorno y por extraña coincidencia, debido a una situación inesperada, el usuario tuvo que frenar a raya. Lo que Tesla hace aquí es que combina datos de la cámara, el volante y los pedales para utilizar como información. Entonces, Tesla también está utilizando las acciones y reacciones del conductor para comprender mejor el entorno y la situación alrededor del automóvil.

Big Data para el conductor

Tesla utiliza el análisis de datos para sus usuarios. Con información casi en tiempo real, puede prevenir y corregir problemas antes de la catástrofe. Y Tesla por otro lado. También obtienen datos de foros en línea, donde permiten a sus clientes presentar cualquier tipo de duda o queja que manifiesten. Usan estos datos para realizar mejoras en el próximo vehículo.

Esto es muy diferente a otras empresas, que no tienen este tipo de relación con sus clientes.

Para concluir Tesla es una empresa dedicada a las energías renovables especialmente en el sector automovilístico y como toda empresa tiene sus altos y sus bajos, pero, esta con el ingenio de Elon Musk consiguió salir adelante y aprovechar cada una de las ventanas abiertas que se le presentaron y por ende sabe lo que es arriesgarse en darlo todo y aprender de cada uno de sus usuarios y automóviles para ser de ellos una mejor empresa.

Bibliografía:

Lobzhanidze. G. (s.f). Improving experience through data, the tesla way. Qminder. https://www.qminder.com/tesla-experience/

Ahdoot. A. (19 de octubre de 2016). How big data drives tesla. Colocation America. https://www.colocationamerica.com/blog/how-big-data-drives-tesla

Bolsa para principiantes. (30 de abril de 2020). Historia de tesla | Como surgio la empresa de Elon Musk [Archivo de video]. Youtube. https://www.youtube.com/watch?v=OEQGhErGjBQ

Nestlé y su «Digital Aceleration Team»

Nestlé es una de las empresas más grandes del mundo en bebidas y alimentos. Esta empresa Suiza esta presente en más de 150 países con más de 400 fábricas en 85 países distintos. La empresa es dueña de marcas como Nescafé, Amor, Nido, Cerelac, Maggi, Natura, Dog Chow, Galak, Tango, Milo, Ricacao, entre otras. Nestlé es número 1 en el mundo en varios sectores de la industria de la alimentación uno de ellos es la nutrición infantil, también es número 1 en café instantáneo y número 1 en confitería. La misión y visión de esta empresa es que sus productos mejoren la calidad de vida de las personas mediante la nutrición y consumo de sus distintos productos, lo cual muchas empresas que son parte de la industria alimenticia no lo hacen y además su objetivo es cumplir con los accionistas y la sociedad en la que operan (Nestlé, s.f.). Para ofrecer valor agregado a sus productos en el empaque además de presentar la información nutricional, este ofrece un contexto más general donde te da consejos de como cocinar este producto y tiene el contacto de servicio al consumidor, esto se lo llama Nestlé Nutritional Compass. (Nestlé, 2006) Nestlé al ser una empresa global tiene el concepto de que el alimento es local, esto se refiere a que a pesar de tener productos alrededor del mundo esta empresa adapta sus productos dependiendo de la cultura de cada región o país ya que los gustos varían en todo el mundo, esta es otra estrategia de valor agregado para tener mayor acogida a nivel mundial.

El farmacéutico Henri Nestlé fue el fundador de la actual empresa Nestlé. En 1866, Hanri lanza al mercado un producto para niños pequeños los cuales no podían tomar del pecho de sus madres con el fin de disminuir la tasa de mortalidad de niños en esa época en Suiza. Es en este primer lanzamiento de su producto que nace el logotipo de nido (Nestle, s.f.). La marca fue registrada como una marca suiza llamada Farine Lactee en 1875, en ese momento como vieron que fue un éxito decidieron que iban a exportar su producto. La empresa de Henri empezó a trabajar con la compañía Anglo-Swiss Condensed milk la cual se fundo en la misma época y de esta alianza, sale Nestlé. Henri también fue parte importante de la creación del chocolate en polvo con su vecino Daniel Peter, el fundó Peter-Cailler-kholer empresa que vendía chocolate en polvo, y en 1929 estas dos empresas hicieron una alianza para que la empresa de Nestlé siga creciendo. Años después en 1938 se inventó Nescafé, el cual fue reconocido mundialmente y era el café que usaba Estados Unidos para sus ejércitos en la Segunda Guerra Mundial. Hasta 1970 Nestlé logró expandirse de una manera extraordinaria, se juntó con la compañía Maggie que inventó sopas instantáneas, entró en el ámbito de las comidas refrigeradas y compró una empresa de agua mineral. En la siguiente década, Nestlé amplía su negocio a otra industria la cual es la medicina, compraron el laboratorio más grande de oftalmología del mundo, Laboratotios Alcon (EcuRed, 2012).   Entre 1980 y 2000 Nestlé empieza con la comida para mascotas en toda Europa. Se expande a Italia comprando Buitoni-Perguina una de las mejores compañías del país y se empieza a consolidar en el mercado de los helados (Estrategia Magazine, 2020).

Nestlé al ser una empresa mundial tiene muchos clientes de los cuales puede extraer datos. Al interactuar con sus clientes y consumidores la empresa durante muchos años a tenido una base de datos inmensa. Nestlé se da cuenta que la Big Data es un activo que puede ayudar mucho al desarrollo de su empresa y generar una ventaja competitiva sobre su competencia debido a su extenso número de clientes. Es por eso que en el año 2017 la empresa decidió usar un programa de aceleración digital en todos los niveles de la corporación. Los directivos se dieron cuenta que hay que buscar una nueva forma de vender y comunicar al mundo sus productos. Para finales del 2017 Nestlé logro desarrollar programas que integran los datos de la compañía para acabar proyectos más rápido y de forma más eficiente uno de estos es el scrum (Saborit S. , 2017). Scrum es un proceso para trabajar en conjunto y obtener resultados de manera más rápida en entornos donde hay mucha competitividad e innovación. SCRUM  Para finalizar, Nestlé capacitó a casi 1000 empleados los cuales se dividieron para que sean expertos en redes sociales, comercio electrónico y técnicas de posicionamiento SEM y SEO.

Nestlé tiene un equipo especializado en monitorizar las redes sociales de las distintas marcas denominado Digital Aceleration Team conformado por community managers. Ellos están encargados de interactuar con los clientes o seguidores mediante redes, Hasta el 2017 Nestlé tenia 45 perfiles de 21 marcas diferentes lo cual completaba un total de 5,2 millones de seguidores (Saborit S. , 2016). Los community managers estan encargados de varias redes sociales  y están especializados en distintas redes sociales como Facebook, Instagram y Twitter. Este equipo es “escuchar al consumidor, conectar con él y ayudar a la transformación interna de la empresa” (Saborit S. , 2016). Otra de las responsabilidades de este equipo es generar contenido en las redes sociales como tweets, fotografías, información de los nuevos productos, concursos etc. Una de las marcas más famosas en redes sociales es Nestlé postres con más de 1.2 millones de seguidores debido a todas las recetas que son publicadas, otra marca bastante importante en Twitter es nescafé la cual tiene 49,000 seguidores Kit Kat también es una marca importante en la presencia en redes que tiene 45,000 seguidores. Mediante redes Nestlé es capaz de analizar lo que es exitoso y lo que no y así lograr publicar para las distintas marcas, se puede obtener información de las publicaciones, videos y las fotos que tiene mas éxito en reacciones como likes y se puede observar el interés que generan los Give Aways (Saborit S. , 2016).

Nestlé extrae información de los clientes o de los posibles clientes que entran a sus páginas web o a sus aplicaciones. En ciertas ocasiones se pide información demográfica como la edad, el género, los gustos y hábitos para así tener una base de datos más amplia. También, se pide información para identificar o comunicarse con la persona que entró a este sitio web en caso de qué sea necesario, por ejemplo suelen pedir el nombre la dirección domiciliaria, la dirección de correo electrónico y el número telefónico. Todo este tipo de información usualmente es tomada mediante alguna subscripción o encuestas en las distintas plataformas digitales (Nestlé, 2019). Por ejemplo, una de las formas en que Nestlé recolecta datos es mediante una pagina llamada ¨Recetas Nestlé¨ ya que debes crear una cuenta, ingresando tu correo electrónico, datos personales y aceptar los términos y condiciones. Otro ejemplo en el cual Nestlé recolecta datos es en la aplicación Nestlé cocina, la cual de igual modo al crear una cuenta se debe ingresar datos como correo electrónico, nombre y edad. Esto permite que Nestlé sepa que grupos de edades estan interesados en su variedad de productos. La recolección de datos de Nestlé se utiliza de forma ética, se usa la base de datos para generar publicidad y tener un alcance más amplio y eficiente al momento de realizarla. La información otorgada por los clientes a Nestlé es utilizada en estudios de marketing internos para así poder personalizar los productos y satisfacer las necesidades de los distintos clientes y lugares en donde venden sus productos, como mencioné anteriormente el producto es local y es así como logran conseguir la especialización de productos en distintas regiones.

En conclusión, los datos obtenidos por Nestlé de forma eficiente han sido un éxito para la generación de contenido, campañas de marketing, comunicación y eficiencia en sus procesos. El análisis de datos es muy importante para conseguir más clientes y conocer las necesidades de estos. Esto conlleva a que Nestlé sea la empresa líder en la industria de los alimentos desde hace muchos años, sus productos están presentes en los hogares de muchos y sus productos se han convertiddo necesarios en el día día de las personas eso lo han logrado mediante alianzas estratégicas clave, un buen manejo de marca y sobre todo poner el bienestar del cliente sobre todas las cosas.

Referencias Bibliográficas

Estrategia Magazine. (14 de 04 de 2020). Estr@tegia Magazine. Obtenido de La Compañia de Alimentos del Mundo: https://www.estrategiamagazine.com/glosario-de-marcas-famosas/nestle-histora-de-nestle-imagen-de-nestle-logo-de-nestle-origenes-de-nestle/

Nestle. (s.f.). Nestle. Obtenido de 1866-1905 : https://empresa.nestle.es/es/sobre-nestle/nestle-en-el-mundo/historia/1866-1905

EcuRed. (2012). EcuRed. Obtenido de Nestlé S.A: https://www.ecured.cu/Nestlé_S.A

Nestlé. (s.f.). Nestlé. Obtenido de Misión y Visión: https://www.nestle.cl/aboutus/mision-y-vision

Nestlé. (2006). Nestlé. Obtenido de El Mundo Nestlé: https://www.nestle.com.bo/sites/g/files/pydnoa271/files/es/media/documents/the_world_nestle_esp.pdf

Saborit, S. (20 de 07 de 2017). Expansión Economía digital. Obtenido de Nestlé quiere exprimir el ¨big data¨, el nuevo activo empresiaral: https://www.expansion.com/economia-digital/companias/2017/07/20/596fa4f9ca474132268b45e9.html

Saborit, S. (03 de 07 de 2016). Expansión economíca digital. Obtenido de Nestlé conecta con sus ¨fans¨ en las redes sociales: https://www.expansion.com/economia-digital/companias/2016/07/03/5776b2f146163fc5798b45f1.html

Nestlé. (2019). Nestlé. Obtenido de Politicas de privacidad: https://www.nestle.com.ec/es/info/yourdata#pregunta1

YouTube, la estrecha relación entre las recomendaciones y redes neuronales.

YouTube es una plataforma digital perteneciente al grupo Alphabet. Inc. Cuya sede principal se encuentra ubicada en San Bruno, California en Estados Unidos que brinda el servicio de alojamiento de videos. El sitio web es un repositorio dinámico donde miles de millones de usuarios, denominados como “YouTubers”, en el mundo cargan contenido día tras día para que otras personas activas en la plataforma lo puedan visualizar; el contenido puede ser sumamente variado en cuánto a temática y en cuánto a finalidad o propósito.  

            YouTube fue creada por tres trabajadores de PayPal el 14 de febrero en el año 2005, llamados: Steve Chen, un informático y empresario; Jawed Karim, un ingeniero que además fue el primer usuario en publicar un video dentro de la plataforma y Chad Hurley, diseñador que fue el primer director de la empresa. El sitio web tuvo un crecimiento acelerado, en sus inicios recibió inversiones de Sequoia Capital por 8.5 millones de dólares y también de una compañía televisiva nombrada Time Warner Cable. Sus visitas crecieron de gran manera con dos sucesos específico, el primero, cuando Nike publicó un video publicitario con el jugador de fútbol Ronaldinho y el segundo, cuando se publicó la canción Lazy song donde pasaron de 50 millones de visitas diarias a 250 millones de visitas diarias. En octubre del 2006 Google compró el sitio por la suma de 1650 millones de dólares, pero los fundadores, cofundadores y los trabajadores ocuparon los mismos puestos que antes tenían después de la adquisición.

            En los primeros años de operación de YouTube la plataforma era relativamente sencilla en cuanto al funcionamiento y la experiencia de los usuarios, ya que se basaba en que los videos que se subían eran los mismos que estaban disponibles para ver sin ningún tipo de categorización por usuario, lo único que hacía el algoritmo de recomendación usado por la empresa era mostrar o sugerir prioritariamente los videos con más vistas y más likes dentro de la plataforma, pero esto podía resultar contraproducente puesto que no todos los videos tendrían una temática que les interese a todos los usuarios de manera uniforme.

 Posterior a esta situación inicial de programación para las recomendaciones YouTube empezó a focalizarse en el usuario y en el año 2012 tenía implementado un algoritmo de grafos que lo que hacía era brindar una experiencia más personalizada al usuario, reduciendo la ingente cantidad de videos existentes en la plataforma a una lista calculada en base a variables como las búsquedas realizadas por el usuario, el historial de videos, los videos gustados e introdujo el concepto de videos relacionados que seleccionaba de un material semilla, la forma en que se veía en conjunto con otros materiales audiovisuales y tenía candidatos de sugerencias que mediante una puntuación en base a número de visitas, likes y número de veces que se compartió con otros usuarios los ordenaba en un ranking que finalmente era presentado. Sin embargo, la problemática estaba todavía vigente puesto que el algoritmo no era práctico, tampoco tenía en cuenta variables como el tiempo de estancia dentro de un video y se volvía cada vez más complicado seleccionar buenos videos porque constantemente crecían por millones dentro del sitio.

Entonces fue en el año 2016 cuando YouTube decidió usar las redes neuronales artificiales para hacer las recomendaciones lo que marcaría un antes y un después en el entorno y el funcionamiento del sitio. Una red neuronal muy groso modo es una inteligencia artificial que sin ningún tipo de reglas o leyes aprende a hacer tareas de forma automática mediante los ejemplos que se le den y con el propósito que tenga. YouTube usa dos redes neuronales en específico una que genera los candidatos de videos y otra que los categoriza y puntúa de mayor a menor para luego sugerirlos, estas redes tienen en cuenta propiedades más intrínsecas del usuario y de los videos disponibles, forma un mejor vínculo y puede hacerlo en tiempo real, cada vez aprende más de acuerdo a la forma en la que los mismos usuarios le den ejemplos segundo a segundo sobre sus comportamientos y preferencias, básicamente la red se alimenta de los videos que consumen y por eso nunca deja de aprender, se cambia constantemente la forma en la que se hace las recomendaciones porque tiene un entorno dinámico. Todo el uso que le han dado al deep learning gira alrededor del concepto de la “retención” que tiene motivos empresariales por detrás ya que, de forma simplificada, mientras la red haga mejor su trabajo al recomendarte videos que te mantengan mayor tiempo dentro de la plataforma, la cantidad de anuncios que verás en ese tiempo será mayor y la cantidad de dinero que ellos cobren por anunció igual crecerá, porque es la fuente de ingresos principal que tiene YouTube y ha ido creciendo desde el año 2017  de forma significativa con valores de  facturación solo por anuncios de: 8 mil millones para el 2017; 11 mil millones para el 2018 y en el último año declarado 2019 el ingreso ascendió a los 15 mil millones.

YouTube es sin duda un caso exitoso desde el principio que se a través de la implementación de tecnologías como el deep learning ha mejorado su funcionamiento y ha beneficiado a ambas partes tanto al usuario como la empresa. Sin embargo, aún existen desafíos por delante y posibles conflictos de intereses, ya que la red neuronal se enfrenta a un entorno sumamente cambiante y no hay manera certera de saber si es que ha alcanzado la forma perfecta de hacer recomendaciones, lo que provoca que el trabajo de muchos actores intermedios que son los YouTubers dentro de la plataforma pueda verse beneficiado o perjudicado y sin importar cualquiera de los dos escenarios si a la empresa esta situación la beneficia de alguna forma no va a tomar en cuenta el canal que se tenga que cerrar o el que no.

Bibliografía:

Alphabet Inc. (2020). Alphabet Announces Fourth Quarter and Fiscal Year 2019 Results. Mountain view, California.

Camacho, J. G., & Alonso, A. J. (2010). La baja interacción del espectador de vídeos en Internet: caso YouTube España. Revista Latina de Comunicación Social, (65), 421-435.

Izaurieta, F., & Saavedra, C. (2000). Redes neuronales artificiales. Departamento de Física,Universidad de Concepción Chile.

Crespo, J., L. QuatumFracture. (2017). El Algoritmo de YouTube YA NO EXISTE | RedesNeuronales. Obtenido de: https://www.youtube.com/watch?v=JBZx03342eM

Sotaquirá, M. Codificandobits. (2021) Los SECRETOS de la RED NEURONAL de YouTube. Obtenido de: https://www.youtube.com/watch?v=QsprAfFSbxk

Big Data y el Mundo del Fútbol, una Nueva Forma de Hacer Fichajes

Sin lugar a duda, tanto la recopilación como analítica de datos tiene una gran importancia dentro de nuestras vidas, a tal punto que es uno de los pilares a considerar en cada ocasión posible para la toma de decisiones. El análisis de datos no se limita únicamente al estereotipo de grandes compañías para su mejora y crecimiento, asimismo una persona natural puede recurrir a ella con la finalidad de cerciorarse que se encuentra en la alternativa ideal. Por otra parte, es de particular interés el impacto y desarrollo de estas herramientas que han tenido en el mundo deportivo llegando a ser protagonistas de muchos éxitos, siendo uno de los mas recientes el rey de todos ellos: el balompié.

Es así como encontramos uno de los clubes más importantes de los últimos años, el Manchester City con el reciente acontecimiento que uno de sus jugadores estrella y emblema del equipo Kevin De Bruyne, firmó su renovación el día 7 de abril en la que se destaca la nula participación de un representante, siendo la Big Data el intermediario e instrumento utilizado para concretar el trato entre ambas partes. Para los amantes del futbol europeo y mundial es bien conocido que De Bruyne es considerado uno de los mejores jugadores de la actualidad, ejerciendo como una de las piezas claves en el juego de los “Citizens” y ahora, la ficha mejor pagada en toda la Premier League -dato que será de relevancia a tomar en cuenta posteriormente.

El otro integrante de este proceso fue la empresa Analytics FC (Sierra, 2021), una institución que ha colaborado con clubes y agencias que a su vez según su página se describe como “una empresa de análisis de datos de fútbol con experiencia probada en la entrega de soluciones basadas en datos” (Analytics FC, s.f.) Esta empresa de analítica fue fundada por Jeremy Steele en 2015, quien fue cazatalentos del West Ham y entrenador del Brentford B. A su vez, Analytics FC es propietario en conjunto con la consultora de pensiones e inversiones LCP de un software cuyo nombre es “TransferLab” que usa un algoritmo tomando como eje central el “valor de contribución” que un jugador aporta. (Austin, 2021)

Con respecto al algoritmo de TransferLab esta toma como base factores como goles y asistencias esperadas y sumado a ello se realiza el cálculo de trascendencia y efectos en cuanto a las posibilidades de generar jugadas de peligro. Una vez estos datos son obtenidos, se someten a comparación con otros jugadores que posean un perfil similar, es decir coincidencia en el rango de edad, posición y siendo el índice que mas difiere la liga en la que cada jugador se encuentra. Es importante comprender el funcionamiento de este algoritmo ya que algunos de los índices y datos que De Bruyne solicitaba se tomaron de este sistema, complementándolos con otros más específicos que eran petición directa, dentro de los que se puede reconocer: “su contribución al equipo e incluso qué tan preparado está el Manchester City para el éxito en los próximos años, según la edad y la calidad de los jugadores.” (Austin, 2021) Por motivos de confidencialidad, solo se mencionan en rasgos breves estos datos requeridos, que como resultado dieron la satisfacción y la ya mencionada renovación del jugador en el club el cual cumplirá 10 años de haber fichado al finalizar su nuevo contrato.

En gran parte, la contratación de los servicios de esta empresa se debe a las condiciones negativas que se le presentaron en un primer borrador de contrato para renovar al jugador belga, ya que incluso las primeras cifras monetarias que se plantearon eran menores que las de su anterior contrato -en aquel entonces actual. Por ello, era preciso demostrar con datos fuertes que la remuneración no era justa con los servicios y aportaciones de Kevin de Bruyne. En resumidas cuentas, el trato resultó favorable ya que el futbolista recibió un aumento -como se mencionó anteriormente, gracias a su nuevo contrato es el jugador mejor pagado en su liga- y el Manchester City está a un paso de jugar la final del trofeo que hasta ahora se les ha resistido, la Champions League; por supuesto todo esto de la mano del dorsal 17. Adicional a ello, al suprimirse la comisión del agente, este presupuesto puede pasar directamente a los roles de pago acordados.

Ya que se conoce todo el panorama sobre las victorias de Big Data en el fútbol, ¿qué consecuencias depara este acontecimiento tanto para las superestrellas del deporte como para los clubes? Debe resaltarse que si bien es cierto Kevin De Bruyne no es el primer individuo en el mundo del fútbol en tomar una decisión con respecto a elegir un equipo sobre otro para desarrollarse profesionalmente, -por ejemplo el caso de Memphis Depay al elegir el Olympique Lyon cuando Salió del Manchester United y el resurgimiento de su carrera en el equipo francés, todo esto de la mano de Scisports- trasciende por ser todo un hito en las negociaciones al no precisarse de un agente, pues la comisión de estos suele ser hasta del 10%. Es aquí donde se tiene que hacer otro paréntesis, ya que la posición del Manchester City en cuanto a cumplir con las demandas salariales del jugador y el estatus de jugador ampliamente reconocido con De Bruyne permitió ser un trato directo; y estas situaciones no siempre se verán favorables para todos los casos como puede ser un jugador sin un nombre reconocido aun que no cuenta con el conocimiento ni las relaciones para poder fichar por un gran club. Adicional a ello, al ser un caso tan reconocido, seguramente las agencias de representantes se plantearán incluir departamentos de analítica o como fue en este caso, el outsourcing de estas para tener una mayor precisión con las decisiones que mas convengan a sus representados. De igual forma, se pronostica que incluso las superestrellas del deporte sean más interesados e informados de estos datos para su mejora de juego y si se diera el caso, el poder de defensa y negociar con otros equipos sobre lo que merece recibir por sus aportes.

Definitivamente el análisis de datos cada día pasa a ser mas trascendente para las personas, así como para las diversas industrias, y su inclusión en el caso de Kevin De Bruyne no hará más que cambiar por completo el panorama de los movimientos entre jugadores y equipos al punto de renovar las jerarquías de instituciones intermediarias e incluso impacto en los porcentajes y astronómicas cantidades que algunos agentes pueden llegar a ser pagados. Igualmente, los analistas que ya pertenecen a los clubes tendrán mas importancia ya no solo para los movimientos con jugadores, sino también con participación en el aspecto táctico y de mejora de actitudes y capacidades de la plantilla.

Los jugadores de fútbol buscan dinero, títulos y, claro, no estar tristes. Lo primero era fácil de valorar (me ofrecen más, allá que me voy), pero lo segundo y lo tercero no tanto. Al menos, no hasta que llegó el Big Data, que es capaz de (intentar) dar respuesta a esas preguntas. (Pastor, 2021)

Bibliografía

Analytics FC. (n.d.). Retrieved from Analytics FC: https://analyticsfc.co.uk/

Austin, S. (2021, 04 11). Cómo Analytics FC ayudó a De Bruyne a negociar un nuevo acuerdo con el Man City. Training Ground Guru.

EDITORIAL MEDIOTIEMPO. (2021, 04 07). Kevin De Bruyne utilizó big data para calcular y firmar renovación con el City. Mediotiempo.

Gantman, M. (2021, 13 04). Datos y contratos: Kevin De Bruyne lidera la nueva era del fútbol. La Nación.

Hirst, P. (2021, 04 08). Kevin De Bruyne negoció £ 385k a la semana con el Manchester City, el más alto de la Premier League. The Times.

PALCO23. (2021, 04 20). La Fifa limitará al 10% la comisión de agentes y acota el número de cesiones por club. PALCO23.

Pastor, J. (2021, 04 07). Las estrellas del fútbol ya no solo renuevan por el dinero: De Bruyne contrató a analistas de datos para valorar su futuro en el Manchester City. Retrieved from Xataca: https://www.xataka.com/investigacion/estrellas-futbol-no-solo-renuevan-dinero-bruyne-contrato-a-analistas-datos-para-valorar-su-futuro-manchester-city

Redacción Primicias. (2021, 04 08). Kevin De Bruyne exigió una renovación por ‘Big Data’ en Manchester City. Primicias.

Scisports. (2016). OUR ROLE IN HIS DECISION MAKING PROCESS/ NUESTRO PAPEL EN SU PROCESO DE TOMA DE DECISIONES. Retrieved from Scisports: https://www.scisports.com/track-record/our-role-in-his-decision-making-process/

Sierra, A. (2021, 04 17). Kevin De Bruyne lidera la revolución de los contratos. Diario AS.

Uso de datos en la Industria Automotriz

Jaguar Land Rover

Jaguar Land Rover, es una compañía inglesa de diseño, desarrollo, producción y venta de automóviles de alta gama, es el resultado de la compra de Jaguar y Land Rover a la compañía estadounidense Ford por parte de la empresa India Tata Motors en el año 2008. Jaguar Land Rover cuenta con sus oficinas centrales en Whitley, Coventry, Reino Unido. Jaguar y Land Rover dos marcas inglesas, cada una desarrollada y creada en diferentes segmentos de mercado, Jaguar dirigido hacia un grupo de personas apasionados por los automóviles y la velocidad, mientras que Land Rover destinado hacía un público más aventurero.

Cada una de estas marcas segmentan su mercado después de la segunda guerra mundial, donde Jaguar comienza aventurarse en la creación de modelos más deportivos, es así que en el año de 1951, Jaguar participa en su primera carrera de resistencia, sin embargo, es hasta el año de 1953 cuando los ingenieros de Dunlop desarrollan el sistema de frenado de disco, los mismo que favorecieron a la marca para lograr frenar después que sus contrincantes previo a una curva, lo que permitió que los coches de Jaguar culminaran en primer, segundo y cuarto lugar en aquella carrera.

Mientras que Land Rover es un vehículo diseñado en el año de 1947 por los hermanos Wilks, directivos de la fábrica inglesa Rover, quienes con la idea de fabricar un vehículo todoterreno para el público civil utilizaron el chasis del famoso Jeep Willys usado en la segunda guerra mundial y le adaptaron un motor de la marca Rover. Su diseño original tenía la ubicación del volante en el medio, debido a que suponían que iba ser de gran atracción para el público y por ello se iba exportar hacia todo el mundo, donde la conducción se realizaba con el volante al lado izquierdo o derecho dependiendo el país al cual se dirigía. Sin embargo, la marca no tuvo gran renombre hasta el año de 1981 donde se organizó el Camell Trophy auspiciado por la marca de cigarrillos Camel; Camell Trophy, una dura prueba todo terreno donde participaron todos los vehículos de Land Rover, es en esta competencia donde la marca se hace conocida por haber superado tan difícil prueba. Hoy en día se conoce que un vehículo Land Rover tiene más de 100 millones de líneas de código, es decir, posee más líneas de código que un Boeing 777. Land Rover a lo largo de su historia ha pasado por varias empresas reconocidas de la industria automotriz como es BMW y Ford.

El principal reto para la empresa es arreglar el problema integral de administración de datos con el único fin de analizar hasta 500 GB de datos en periodos de tiempo corto, este proceso es generado por más de 200 analizadores o registradores de datos, los mismo que son recopilados continuamente, de igual manera se realizan mediciones ad-hoc realizadas por más de 200 ingenieros. La principal solución propuesta para Jaguar Land Rover es crear un sistema usando como base el software DIAdem y DataFinder Edition, ambos sistemas proporcionan soluciones eficientes que ayudan a los ingenieros a analizar y acelerar el análisis de grandes conjuntos de datos.

Jaguar y Land Rover icónicas marcas británicas, se especializan en generar satisfacción, tanto en calidad y confiabilidad de sus productos para sus clientes. La tecnología y la inversión en el desarrollo de nuevas tecnologías es lo que les ha posicionado para ser una de las mejores marcas de automóviles producidas en Reino Unido. Al momento de recopilar los datos para análisis se percataron que había veces en las que se repetían las pruebas porque no se podían localizar correctamente los resultados específicos, esto se presenta porque a diario deben de gestionar más de 500 GB de datos de series temporales. El análisis original de datos se realizaba manualmente, esto producía que el tiempo de resolución de un problema fuese 20 veces más lento que el sistema actual de análisis. Esto se daba porque se usaba un sistema de múltiples herramientas de análisis en las que todas estas requerían un script especial para implementar algoritmos, por ello nunca se logró estandarizar nada, incluso los metadatos y los nombres de canales. Este proceso permitía analizar únicamente el 10% de datos de los vehículos producidos, lo que producía ineficiencia en el proceso de diseño.

Jaguar Land Rover decidió construir su solución en base al software DIAdem y DataFinder Server Edition, debido a que estos pueden indexar metadatos para poder generar consultas y proporcionar resultados de pruebas específicas. Así mismo DIAdem permite cargar más de 1000 formatos de archivos, esto proporciona cierta tranquilidad al cambiar el proceso de adquisición de datos, ya que, no existe problema con la compatibilidad del programa de análisis de datos utilizado en el momento, de igual manera se pueden producir panales de análisis de forma interactiva sin necesidad de un programador. La recopilación de datos se obtiene de diferentes formas, mediante registradores de datos, que capturan datos de sensores durante una prueba de manejo o conectando un dispositivo portátil al vehículo para recolectar datos de red, protocolos CAN, MOST, FlexRay, CCP, XCP, ETK, todos estos son datos que le sirven al ingeniero para poder determinar problemas en determinadas partes del vehículo. Esto permite que cualquier ingeniero de Jaguar Land Rover pueda consultar y realizar un análisis en todas las pruebas y generar mejoras en el caso que sea necesario. Es de esta manera que Jaguar Land Rover ha conseguido analizar un 95% de todos los datos obtenidos reduciendo sus costos de pruebas y el tiempo en realizar estas, de esta manera este método ha permitido resolver los problemas de los vehículos antes de producirlos en masa y entregar el producto final a los clientes.

El mejoramiento en el sistema de análisis de datos en la compañía Jaguar Land Rover ha producido reducción en costes de pruebas y tiempo en la ejecución de estas, esto se debe a que anteriormente se corría el riesgo de repetir la misma prueba por la falta de datos certeros. Esto producía cierta incertidumbre e inseguridad entre los clientes, debido a que no se sabía con certeza cuales eran los errores que tenía el vehículo. Con esto podemos darnos cuenta cuán importante es el uso correcto del análisis de datos en las empresas que buscan mejoras en sus productos, reducción de costes de producción, investigación, entre otros.

Bibliografía

Anónimo. (2017, May 24). Historia de la marca de coches Jaguar. Autobild.es. https://www.autobild.es/coches/jaguar/historia#:~:text=La%20marca%20es%20fundada%20por,ya%20moldean%20carrocer%C3%ADas%20para%20autom%C3%B3viles.&text=En%201931%20se%20lanza%20el,que%20ser%C3%A1%20el%20primer%20Jaguar.

Anónimo. (2017, May 24). Historia de la marca de coches Land Rover. Autobild.es. https://www.autobild.es/coches/land-rover/historia

Jaguar Land Rover Analyzes Up to 95 Percent of Data Using NI Big Analog Data Solution. (2021). Ni.com. https://www.ni.com/en-gb/innovations/case-studies/19/jaguar-land-rover-analyzes-up-to-95-percent-of-data-using-ni-big-analog-data-solution.html

El papel de los Datos en Fórmula 1

El primer gran Campeonato de fórmula 1 se originó en 1950 en el circuito de Silverstone en el Reino Unido quedando campeón el piloto Giuseppe Farina a bordo de un alfa Romeo, escoltado por el piloto argentino Juan Manuel Fangio, su compañero de escudería. En la primera década de la Fórmula Uno, Fangio conquistó el primer gran récord de la categoría y ganó cinco campeonatos del mundo, una marca que romperá Michael Schumacher casi medio siglo después.

El primer gran salto tecnológico comenzó a tomar forma, cuando el motor que avanzaba se ubicó detrás del piloto. Ya en la década de 1960, Lotus dio el siguiente gran salto, cuando lanzó su primer chasis de aluminio, que, junto con el rendimiento aerodinámico consolidado de la década de 1970, permitió a la Fórmula 1 alcanzar velocidades sin precedentes. Las lamentables muertes de Ayrton Senna y Roland Ratzenberger en la década de 1990 obligaron a la Federación Internacional del Automóvil (FIA) a realizar cambios drásticos para mejorar la seguridad de los vehículos. En la actualidad la Fórmula 1 se convirtió en un espectáculo mundial, con la participación de más de 500 millones de personas. Es la categoría automovilística internacional más cotizada de la historia. Ha provocado una respuesta inusual en América Latina, y la afición no se vió afectada por ella. Crece a pasos agigantados.

El progreso tecnológico y el análisis de datos han llegado al mundo del automovilismo. La Fórmula Uno es uno de los deportes que requiere de innovación y tecnología. Se estima que un monoplaza genera 300 GB de información en cada carrera. Esto da al equipo infinidad de posibilidades de analizar posibles errores o puntos fuertes. El director de TI de Mercedes-AMG Petronas, aseguró que «los coches son el Internet de las cosas». Mercedes-AMG Petronas ha equipado los vehículos con aproximadamente 200 sensores. Recolecta datos durante todo el fin de semana. Aproximadamente el 80% se tomó antes del juego (viernes y sábado).

Mercedes-AMG Petronas coopera con varias empresas en los campos de las telecomunicaciones y los datos, a través de las cuales puede maximizar el rendimiento y reducir el tiempo. Cuando un equipo de ingenieros está trabajando en boxes, un segundo equipo en su base también analiza datos y recopila información. La empresa Tibco, experto en software de análisis e integración de datos, trabaja de la mano con Mercedes-AMG Petronas para crear un modelo que pueda analizar y crear diferentes escenarios para que puedan superar a sus competidores de la manera más segura. Qualcomm una empresa que comercializa y diseña productos y servicios de comunicación inalámbrica y también es su socio. Mercedes utiliza el procesador Snapdragon de Qualcomm, que recopila información y la transmite a la caja a través de una conexión Wifi.

En cuanto al contacto con la pista, el neumático es el único punto de contacto entre el conductor y el asfalto, y los neumáticos son fundamentales para ganar o perder tiempo. Los neumáticos más blandos proporcionan un mayor agarre en el asfalto, pero deben cambiarse con más frecuencia, lo que significa más paradas en boxes. Los neumáticos rígidos son más duraderos, pero tienen menos agarre. Los pilotos a menudo tienen que tomar decisiones instantáneas (fracciones de segundo). ¿Completar las vueltas con el mismo par de neumáticos o detenerse y cambiar por neumáticos nuevos? La elección incorrecta puede costarles tiempo, y en la Fórmula Uno, el tiempo es un factor muy importante.

Es importante realizar un seguimiento del rendimiento de cada tipo de neumático en cada vuelta y controlar su temperatura para verificar qué neumático es el mejor para cada equipo. Pirelli lanzó recientemente dos nuevos neumáticos, Hypersoft (rosa) y Superhard (naranja). Hypersoft es adecuado para velocidades más bajas y es adecuado para pavimentos de asfalto débilmente abrasivos como en los circuitos de Mónaco o Canadá. Aunque el rendimiento del coche es fundamental, lo más importante es la salud del conductor. Con este fin, se han desarrollado guantes biométricos que pueden medir la frecuencia cardíaca y los niveles de oxígeno, lo que le permite monitorear los signos vitales durante, antes y después de una colisión. Esto es importante porque al rastrear de forma remota los signos vitales, el personal médico puede conocer el estado del conductor cuando llega al lugar del accidente. Lo mismo ocurre con el seguimiento de los signos vitales del personal en boxes.

En la actualidad estos datos recogidos en la fórmula uno ha hecho que grandes empresas fabricantes de automóviles como Mercedes Benz puedan implementar en sus autos una mecánica diferente para la vida en la ciudad, y un claro ejemplo es la caja de cambios con levas en el volante, ya que este método fue utilizado en un inicio en os autos de fórmula uno y ahora podemos encontrar este mecanismo en varios autos que vemos en las calles dando así al conductor más comodidad al momento de aumentar o reducir la marcha.

En conclusión, el uso de big data en la fórmula uno ha hecho que las escuderías puedan tener un pronóstico más real en cuanto al desempeño del carro y también poder tener un control saludable del piloto, en la actualidad es bastante interesante como grandes fabricantes de automóviles usan el estudio y análisis de las ingenierías de los monoplazas de fórmula uno para poder implementar en los carros en nuestra vida cotidiana.

34 ideas de Senna | fórmula 1, ayrton senna, carreras de autos

Autor: Hugo Iza

¿Cómo el Big Data y Machine Learning transformaron a American Express?

American Express o AmEx es una institución financiera fundada el 25 de marzo de 1850 en New York por Henry Wells, William Fargo y John Warren Butterfield; la cual es rankeada dentro de las 100 empresas más grandes del mundo según la revista Forbes. (Forbes) La empresa comercializa globalmente servicios brindando a sus clientes tarjetas de crédito o de cargo y servicios relacionados con viajes. (American Express, 2015)

Todo comenzó cuando un empleado de la empresa, Marcellus Berry, creó el “money order” o giro postal en 1882 el cual es un cheque en papel prepagado para realizar pagos a terceros y; como consecuencia se originó el Cheque de Viajero para resolver las necesidades de aquellos que deseaban tener una forma fácil y confiable de transferir fondos internacionalmente. (American Express, 2021) Posteriormente, se lanzó la Tarjeta American Express en 1958 en Estados Unidos y Canadá con una gran acogida por su “fortaleza de marca, su excelente servicio al cliente y sus oficinas alrededor del mundo.” (American Express, 2021) Actualmente, la empresa cuenta con más de 2200 oficinas en más de 140 países focalizada en un papel de “proveedor global” de los servicios mencionados anteriormente. (American Express, 2021)

Sin embargo, mantenerse en esta alta posición en el mercado no ha sido fácil. AmEx, como muchas otras empresas, se ha visto amenazada por los avances rápidos en la tecnología que ocurren actualmente; pero ha sido una de las pocas compañías que ha sabido aprovecharlos para mejorar su negocio. Por lo que American Express ha logrado dar valor a sus clientes en el espacio de pagos y comercio utilizando el Big Data juntamente con el Machine Learning. La empresa vio su vasta base de datos como una ventaja sobre las demás instituciones financieras ya que gracias al “bucle cerrado”, AmEx puede analizar las transacciones de los clientes y del lado comerciante, mientras que Visa o MasterCard tienen un acceso limitado a los datos de los clientes porque los bancos contratantes son cerrados en compartir información. (Manglani, 2017)

Al tener esta ventaja competitiva, el grupo de “American Express´ Risk and Information Managment” con el de “Technology”, decidieron construir habilidades de Big Data de clase mundial. Logran mejorar su dinámica de negocio transformando su modelo de comercialización por ser capaces de analizar tendencias e información de gastos de los clientes y así crear algoritmos que proporcionen ofertas personalizadas para atraer y retener a sus clientes y además, aprovechar esta ventaja para mantener relaciones con los comerciales utilizando marketing dirigido. (Manglani, 2017)

Por lo tanto, gracias al análisis de datos, AmEx cambia su modelo de comercialización ya que se aleja de lo tradicional de dar crédito a los clientes y servicios al comerciante por realizar transacciones y se acerca más a los clientes de una manera especializada por lo que gana mayor clientela; pero en lo que se destaca la empresa y está definido en su visión: “Brindar la mejor experiencia a nuestros clientes, todos los días, en todo el mundo.” (American Express, s.f.); es generar confianza en el cliente para que este los prefiera, aumentando sus ventas.

Como consecuencia, gracias al acceso al Big Data, AmEx ha empleado modelos de “Machine Learning” para incrementar la seguridad de sus clientes y atraer a nuevos por lo que generan mayores ingresos. Por ejemplo, logran detectar transacciones fraudulentas comparando la información de la tarjeta con un patrón creado por un algoritmo de posible fraude y así, la empresa minimiza sus pérdidas y mantiene su imagen. También, el uso del internet y del marketing dirigido ha aumentado un 40% de nuevas adquisiciones por este medio, lo que igualmente reduce los costos y aumenta sus ventas. (Manglani, 2017)

Sin embargo, aunque AmEx ha logrado mucho al cambiar su manera de comercialización con el análisis de datos, aún se enfrenta a equilibrar la inversión en el Big Data con las necesidades inmediatas, y la investigación que se tendrá que llevar a cabo con los siguientes avances tecnológicos.

En conclusión, a pesar de que American Express tenga el anterior desafío, ha creado una empresa poderosa por su transformación en su comercialización por el uso del Big Data y Machine Learning que caracteriza a la empresa en seguridad y transacciones personalizadas, brindándole un valor distintivo a la marca que puede siempre aprovechar mientras se adapta a nuevos cambios.

Bibliografía

American Express. (2015). Acerca de American Express. Obtenido de https://www.americanexpress.com/ve/network/content/about-the-company.html

American Express. (2021). American Express Company. Obtenido de https://www.americanexpress.com/argentina/about/historia.shtml#:~:text=Informe%20de%20RSE&text=American%20Express%20Company%20nace%20en,transporte%20de%20cargas%20y%20valores.&text=Emitida%20en%201958%20por%20primera%20vez%20en%20EE.

American Express. (s.f.). Acerca de la Compañía. Obtenido de https://www.americanexpress.com/mx/about-the-company.html#:~:text=VISI%C3%93N%3A%20Brindar%20la%20mejor%20experiencia,CUMPLIMOS%20CON%20NUESTROS%20CLIENTES.

Forbes. (s.f.). American Express (AXP). Obtenido de https://www.forbes.com/companies/american-express/?sh=6e06b7144669

Manglani, C. (02 de abril de 2017). American Express: Using data analytics to redefine traditional banking. Obtenido de https://digital.hbs.edu/platform-digit/submission/american-express-using-data-analytics-to-redefine-traditional-banking/

La importancia del análisis de datos para McLaren F1 Team

McLaren Racing Limited, conocida más comúnmente como McLaren F1 Team, es un equipo de Fórmula 1 que se dedica a construir autos de Fórmula 1 para poder correr y competir en los Grandes Premios que componen el Mundial de la Fórmula 1. McLaren F1 Team pertenece al Grupo McLaren, la función principal de este grupo se basa en la industria productiva de automóviles de alta gama. La sede principal de McLaren se encuentra en Woking, Reino Unido. Esta escudería fue fundada en 1963 y consta con una historia muy amplia y reconocida en el campo de los deportes automovilísticos. Es por eso que está considerado dentro de los 4 grandes equipos de la Fórmula 1 junto con Mercedes, Williams y Ferrari.

McLaren ha sido parte de la Fórmula 1 desde el año 1966, en este año la escudería británica hizo parte, por primera vez, de un Gran Premio de Fórmula 1. Solamente 3 años después de su fundación McLaren logró entrar a la máxima competencia automovilística. A partir de este año, McLaren comienza a hacer historia en el automovilismo y se gana un puesto dentro de los 4 grandes. A la fecha, McLaren cuenta con 8 campeonatos Mundiales, 182 victorias, junto con 155 pole positions y 158 vueltas rápidas. Asimismo, McLaren se ha hecho acreedor al título “Donde las leyendas nacen”, ya que en este equipo muchos pilotos han marcado épocas dentro del deporte como: Alan Prost, Niki Lauda, Kimi Raikkonen, etc.; o pilotos han comenzado una carrera exitosa en la escudería británico como es el caso de Lewis Hamilton (7 veces campeón mundial – 1 vez con McLaren).

McLaren tuvo un rendimiento muy notorio a lo largo de los años destacando entre los mejores equipos del deporte automovilístico más grande del planeta. Desde el año 2007 al 2012 tuvieron un rendimiento estable y con poca variación. En el año 2013 comienza su declive, y en el 2015 caen a penúltimo lugar del campeonato de constructores. Por lo que a partir del 2016 McLaren decide hacer alianzas con empresas tecnológicas para poder mejorar su rendimiento en la pista, asimismo lo hizo en el año 2018. A partir de estas alianzas que consolidó McLaren, lograron tener un mejor rendimiento en los últimos años y escalar posiciones en el campeonato mundial. Ha sido notable la mejora ya que McLaren pasó del penúltimo puesto (9°) al segundo lugar en 3 años.

Ilustración 1

En el año 2016 McLaren-Honda decide aliarse a la compañía tecnológica IBM. Gracias a este acuerdo, se decide colocarle al monoplaza de McLaren más de 160 sensores inteligentes que recopilen información en tiempo real y se tenga información de todas las partes del coche. Todos estos sensores le permitieron a McLaren hacer análisis en tiempo real con el fin de optimizar el rendimiento del coche en los Grandes Premios. “De esta forma podrán tener mucha más información durante la carrera para optimizar ajustes del coche y programar las paradas en boxes.” (Valero, 2016).  Para poder realizar todo esto IBM introduce su plataforma analítica de Big Data llamada IBM Watson Internet of Things, todo el flujo de datos que los sensores y las demás aplicaciones que recopilen datos envían dichos datos a través de esta plataforma hacia la central de Honda en Japón y la de McLaren en Woking. Después, usando IBM Streams la información se envía a la nube donde los mecánicos e ingenieros de McLaren con sus tablets y computadores tienen acceso en tiempo real a toda la información que se recopile acerca de todos los componentes del auto.

Esto es importante porque todos los mecánicos de McLaren Honda que veas con un tablet es probable que estén consultando parte de esta información para poder tomar decisiones en tiempo real para ajustar la presión, la energía eléctrica o los niveles de temperatura de los sistemas para poder mejorar el rendimiento del monoplaza. Son solo algunos datos, pero pueden suponer la diferencia entre ganar o perder. El resto de información se queda en los data centers de las empresas para su análisis post carrera y que sirvan para plantear mejoras en los monoplazas. (Valero, 2016).

“El que tenga más datos es más probable que pueda mejorar”.

En el año 2018, McLaren hace uno de sus mejores acuerdos para la analítica de datos con la multinacional estadounidense Dell. Dentro de este acuerdo se hace participe a las filiales de McLaren: McLaren Racing y McLaren Applied Technologies. Gracias a este acuerdo, todas las ramas de McLaren y la misma compañía McLaren son acreedores para utilizar el portafolio de soluciones, que proporciona Dell, para asistir en el diseño y fabricación de los McLaren, optimizar el rendimiento de las operaciones en pista y el almacenamiento de dichos datos. (Expansión, 2019). Una de las funciones principales que tiene este acuerdo va de la mano con la división de McLaren IT, donde se ofrece y analiza los datos con el fin de realizar un diseño y fabricación óptimos para cada fin de semana de competición. Por ende, se recopilan alrededor de 100 gigabytes de información en cada fin de semana que se corra una carrera de Fórmula 1; con esto, los ingenieros y mecánicos tienen acceso en tiempo real a la información recopilada para conseguir mejores resultados en pista.

Gracias a todas estas plataformas de análisis de datos se pueden realizar proyecciones, comparaciones e incluso simulaciones de como se comportarán los autos, las llantas y el ritmo de carrera de los monoplazas de las distintas escuderías. Por ejemplo, en la Ilustración 2 se muestra una simulación del promedio de carrera y rendimiento de llantas de un piloto de McLaren del año 2018. Por otro lado, en la Ilustración 3 I se muestra la comparación del ritmo de las diferentes escuderías entre los años 2019 y 2020.

Cuadro de texto: Ilustración 3 I
Ilustración 3

Podemos concluir que la analítica de datos juega un papel muy importante en el deporte automovilístico debido a que es una herramienta de gran importancia que permite a los equipos analizar sus fallas o puntos débiles y realizar proyecciones o mejoras en los mismos monoplazas para garantizar un mejor rendimiento y mejores resultados en los Grandes Premios. El caso McLaren ha sido realmente notorio ya que, gracias a las plataformas de IBM, Dell y McLaren IT, han logrado escalar posiciones en los últimos años y conseguir el histórico tercer lugar en el año 2020.

BIBLIOGRAFIA:

-Así es la tecnología detrás de la F1. (2019). Expansión. Recuperado de: https://expansion.mx/tecnologia/2019/10/24/asi-es-la-tecnologia-detras-de-la-f1

-McLaren. (2021). Wikipedia. Recuperado de: https://es.wikipedia.org/wiki/McLaren

-Molina R. (2018). ANÁLISIS: El ritmo de carrera de los equipos de F1 en la semana 2 de pretemporada. SoyMotor. Recuperado de: https://soymotor.com/articulos/analisis-el-ritmo-de-carrera-de-los-equipos-de-f1-en-la-semana-2-de-pretemporada-94673

-Valero, J. (2016). Big Data en la Fórmula 1, el caso del equipo McLaren Honda. Hipertextual. Recuperado de: https://hipertextual.com/2016/03/big-data-en-la-formula-1 (Ilustración 2).

-Muñoz, J. (2019). McLaren establece su mayor prioridad: mejorar su ritmo en curva lenta. Motor. Recuperado de: https://www.motor.es/formula-1/mclaren-establece-mayor-prioridad-mejorar-ritmo-curva-lenta-201959279.html

-Ramírez, L. (2021). El orden de los equipos en 2021, según la propia F1. Motorsport. Recuperado de: https://es.motorsport.com/f1/news/orden-equipos-2021-formula1-valoracion/5775173/?nrt=54

La BIG DATA en los bancos: BBVA

BBVA son las siglas de Banco Bilbao Vizcaya Argentaria. Es un banco español con sede en Bilbao que en la actualidad se le considera una de las empresas financieras más grandes e importantes en el mundo. Sus mercados principales se encuentran en España, Hispanoamérica, Estados Unidos y Turquía donde tiene sus filiales.

La historia de este banco inicia en 1857, en la ciudad española de Bilbao, donde la Junta de Comercio promueve que se cree esta entidad como banco de emisión y descuento (entidad que pone en circulación cheques, créditos documentarios, bonos y otros títulos valores, así como con los fondos obtenidos, se invierte en operaciones de activos como descuentos en títulos de valores y letras de cambio) el cual también imprimía billetes. En 1878 pierde la facultad de emitir billetes por lo que se reorganiza como banco de préstamos y descuento. Banco Vizcaya se funda 1901, el cual se extiende a través del país e interviene en la creación y desarrollo de una parte de la industria española. Un año después, en 1902, se fusiona Banco Bilbao con el Banco del Comercio. En 1920, se crea un consorcio de banqueros e industriales, el BCI, con el objetivo de impulsar la instalación y consolidación industrial, del cual forman parte Banco Bilbao y Banco Vizcaya. A través de la década de 1960, los dos bancos crecen a pasos acelerados, ya que mientras Banco Bilbao va integrando otros bancos y comienza a crear todo un grupo financiero, el Banco Vizcaya se consolida como banco universal moderno, el cual amplía su red comercial. En 1980, Banco Bilbao comienza una estrategia para acceder a nuevos negocios financieros que surgen con el avance tecnológico en el mundo. A su vez, Banco Vizcaya contribuye al reflote de bancos afectados así como desarrolla una política de crecimiento por adquisiciones. En 1998, es cuando se integra en una sola marca como Argentaria a la Corporación Bancaria de España, el Banco Exterior de España (que se fusionó con el BCI), el Banco Hipotecario y la entidad de Caja Postal. Un año después es cuando finalmente se anuncia la unión de BBV con Argentaria y se crea lo que conocemos actualmente como BBVA.

Creemos que el conocimiento derivado de los datos financieros puede transformar la industria bancaria, su relación con los clientes y su papel en el mundo.

BBVA Al Factory

Esta frase es la presentación de BBVA Al Factory, este es un grupo de científicos de datos y profesionales tecnológicos que son los encargados de desarrollar y crear nuevos servicios y productos de datos que tienen como objetivo situar a BBVA como protagonistas en la banca en la sociedad. Para BBVA, es importante generar una cultura que se base en los datos y lo que estos representan para sus clientes; pensando en esto, se han creado nuevas propuestas que tienen como objetivo ayudar a sus clientes con su servicio y así mismos utilizando los datos para mejorar y expandir su negocio.

            Uno de sus productos más conocidos es Commerce 360, es una herramienta tecnológica que ofrece una serie de indicadores importantes para un negocio, como la hora a la que gente produce más compras, los días que se producen más compras, la fidelidad de los clientes, el perfil de clientes extranjeros, etc. Es importante resaltar que esta herramienta agrega los datos a un conjunto y los anonimiza para evitar detectar comportamientos individuales que afecten la confidencialidad de sus clientes. Este producto es ofrecido para sus clientes comerciales, es decir, aquellos que tienen negocios o desean iniciar uno, además también tienen herramientas que los ayuda a gestionar los datos financieros de sus negocios para que tengan una vista de cómo les está yendo. Además, Commerce 360 tiene varios artículos y páginas informativas para negocios con varias categorías, como marketing, redes sociales, creadores web, entre otros.

            Otras aplicaciones del análisis de datos es la de crear una cuenta inteligente que permita predecir gastos futuros, el análisis del comportamiento del cliente en base a sus gastos generados, la categorización automática de movimientos, la capacidad de comparar gastos con otros clientes de forma anónima y la de recomendar al cliente varias herramientas o productos de acuerdo a su estilo de vida. Es decir, según los datos de cada cliente, con una actividad económica distinta, se podrán detectar patrones y comportamientos para ofrecerles productos financieros personalizados que logren una mayor satisfacción.

Además, BBVA puede también generar recomendaciones de servicios o productos financieros según los gustos de cada cliente. Con el análisis de datos del ambiente externo, como las tendencias en redes sociales o el comportamiento en internet, permite que el ecosistema de datos que rodea a cada cliente se enriquezca lo cual da nuevas oportunidades de negocio al banco, por ejemplo, si un cliente expresa por redes sociales su deseo de un carro, el banco puede generar un crédito especial para él. O este análisis de todos sus clientes, también puede resultar en un estudio sobre dónde deberían ubicar su siguiente oficina física o el siguiente cajero automático según sus usuarios lo necesiten más y cuánto dinero cargar a este, lo cual permite obtener más beneficios y evitar un gasto innecesario.

Así mismo, permite predecir cuándo un usuario planea dejar el banco según sus movimientos o datos externos, de esta forma, el banco puede comunicarse o recomendarle nuevas herramientas o productos para retener al cliente que se adapten a su actividad. En esta misma línea de gestión de clientes, también está el de decidir cuál es la vía más adecuada para comunicarse; por ejemplo, si para el cliente es mejor las notificaciones por mensaje o por email, cuál sería el canal prioritario y de facilidad para el usuario; de esta forma también evita que el banco invierta en canales innecesarios.

En conclusión, el análisis de datos en el sector bancario y específicamente en BBVA, ha permitido la optimización de muchos de sus procesos y sus recursos, a través de la gestión de los datos incluso les ha permitido desarrollar herramientas innovadoras que buscan siempre la felicidad y satisfacción del cliente, al igual que les ha permitido ver nuevas oportunidades de negocio y la de evitar gastos innecesarios o minimizarlos. Además, ha permitido que sus clientes se sientan seguros e importantes debido al nivel de personalización de las recomendaciones y ayudas que el banco les brinda. Para esta entidad financiera es notoria la importancia que le da a los datos ya que desde hace algunos años han creado el departamento de analítica de datos que actualmente lleva el nombre de Al Factory y también tiene un departamento de investigación y búsqueda de datos.

Uso de datos en Coca-Cola Company

Coca-Cola es la empresa líder de bebidas en el mundo. Su oficina matriz se encuentra en Atlanta, Georgia y tiene operaciones en más de 200 países. Esta empresa lleva operando en el mercado desde 1886 y tiene más de 134 años de trayectoria. Coca-Cola Company dispone de diferentes líneas de productos muy conocidos en todo el mundo, como son: Powerade, Schweppes, Ades, Fanta, Frugos, Dasani, Kin, Sprite, Aquarius, Crush, Tropical, Coca-Cola, Smartwater, Minute Maid, Fuze Tea, entre otras. Esta empresa se caracteriza por tener un sistema que opera a través de múltiples canales locales y socios embotelladores que a la vez trabajan con tiendas, restaurantes, vendedores ambulantes, cines, parques, etc., para así llegar a cada rincón del mundo.  Su visión se basa en refrescar el cuerpo y espíritu de las personas de manera sustentable para un mejor futuro que marque la diferencia en la vida de las personas, comunidades y nuestro planeta (Coca-Cola Company, 2021).  

Todo empieza un 8 de mayo de 1886 en Atlanta, Georgia cuando el farmacéutico John S. Pemberton intentaba crear un medicamento que aporte energía y trate los problemas digestivos (se dice que la formula inicial llevaba cocaína, pero hasta la actualidad la empresa lo niega). La farmacia Jacobs fue la primera en vender la bebida a 5 centavos. Al darse cuenta de que la bebida era un éxito, Frank Robinson ideo la marca y el logotipo. En 1897, la bebida salió al mercado por primera vez con el nombre de Coca-Cola. En 1899, se firma el acuerdo para embotellar Coca-Cola en Estados Unidos, aquí empieza su modelo de negocio: la empresa les daba la mezcla y los embotelladores hacían la bebida y se encargaban de distribuirla y venderla. A inicios del siglo 20 ya existían más de 400 plantas en Estados Unidos, Cuba, Canadá y Panamá. Tras experimentar problemas con las botellas que eran diferentes y que confundían a los consumidores, en 1915 se hace un concurso para decidir la botella oficial. El ganador del concurso fue Alexander Samuelson con una botella única que podía reconocerse aún si no tenía la etiqueta o si estaba rota (Santamaría, 2019). 

En 1919, Ernest Woodruff compró todas las acciones de la empresa a los Candler. En 1920 aparece por primera vez papa Noel en su publicidad con una Coca-Cola en la mano. En los años 20 ya se creó el six pack de la bebida que permitía transportarla de manera más fácil. En la segunda guerra mundial la bebida adquiere popularidad gracias a los soldados estadounidenses quienes la consumían. En este mismo momento se cambió el envase a una lata para que sea más fácil transportar la bebida. La palabra Coke fue registrada como marca en 1945, ya que se popularizo este nombre (TIk Tak Draw, 2017). En 1984 presentan su primera bebida sin calorías la Diet Coke. En 2006, la empresa hace un lanzamiento muy importante y es de su famosa bebida Coca-Cola Zero, resultando todo un éxito. En el 2013 lanzan la Coca-Cola Life con Stevia (Coca-Cola Argentina, 2019). Coca- Cola ha sido una empresa de rápido crecimiento, en la actualidad cuenta con 24 millones de puntos de venta en más de 200 países. Además, tiene más de 500 marcas y 3500 productos adaptados para cada mercado y país. La empresa da empleo a más de 71.000 personas y vende más de 1.900 millones de bebidas al día. Actualmente es considerada la marca más valiosa y reconocida del mundo (TIk Tak Draw, 2017).  

Según Forbes, Coca-Cola es la primera marca reconocida fuera del sector de tecnología en hablar de Big Data. Al ser una de las empresas más exitosas del mundo, Coca-Cola ha implementado el análisis de datos en varios campos de la empresa. Como ejemplo, el lanzamiento de sus nuevas bebidas, que son pensadas a través de los datos recolectados por medio del self-service. La información recolectada por estas permite conocer las preferencias de los consumidores, ya que se pueden hacer bebidas ajustadas a cada gusto, lo que genera muchos datos que permiten estudiar el mercado. Un ejemplo de uso de la información de máquinas self-service es el lanzamiento del sabor Cherry Sprite en 2017. Coca-Cola también usa realidad aumentada en atención a clientes y en sus plantas de embotellado por medio de gafas, cascos o audífonos, los técnicos pueden recibir información de la gestión en los servicios, procesos de embotellado y obtener respaldo de expertos (Arcángel, 2017). 

Otra forma muy popular de uso de datos en la empresa es en su publicidad y campañas. Existen innumerables campañas exitosas que se han hecho en base a datos recolectados de los consumidores en todo el mundo. Algunas de las más interesantes se nombrar a continuación. La campaña I love you hater de su bebida Sprite que celebra la actitud de los jóvenes frente a las críticas (Journey Paraguay, 2019). La campaña Share a Coke que se inició en el 2014 con las icónicas botellas con nombres, que fue creada gracias a datos recolectados en Australia enfocados en los aspectos que provocan felicidad y emoción en las personas. Esta campaña es hasta ahora la más exitosa de la empresa (Moye, 2014). En 2021 fue mejorada gracias a la recolección de datos de experiencias pasadas pero esta vez con un enfoque diferente por la pandemia, esta campaña usa como elemento las Coca-Colas con palabras como respeto y solidaridad y también con letras para formas palabras como amar (Compañía Coca-Cola, 2021). Sus máquinas expendedoras interactivas no se pueden quedar atrás como la máquina de la felicidad, que consistía en una maquina alta para que las personas junto a su amigo alcanzaran el botón para obtener dos Coca-Colas. Generalmente estas máquinas tienen cámaras para que expertos puedan estudiar el comportamiento al usarlas (Cabrera, 2015). 

Otro uso de esta información es empleada para el análisis de problemas en las máquinas expendedoras en ciertas localizaciones lejanas o difíciles de alcanzar. Un proyecto muy interesante que lanzo Coca-Cola con goPuff, basado en big data, fue los pedidos por aplicación en campus universitarios. Aprovechando el crecimiento del comercio electrónico, la empresa pensó en una manera de llevar las bebidas en poco tiempo a los jóvenes y personas que trabajan. Por esto se alió con goPuff para llevar bebidas a los estudiantes en el campus en pocos minutos. En otro proyecto, Coca-Cola sacó el dispensador Freestyle con Bluetooth. Esto permite a los consumidores conectarse con la aplicación y ver información nutricional, la combinación de bebidas de su preferencia y mucho más, lo que ayuda a Coca-Cola a recolectar datos desde la aplicación. Existen muchos otros proyectos enfocados a la tecnología digital y preferencias del consumidor como es el uso de Sip &Scan. Esto permite a los consumidores escanear con su celular los logos de su bebida favorita de Coca-Cola y así ganar premios y crear nuevas experiencias. Esto resultó un gran éxito y permitió a la empresa obtener datos sobre que bebidas se escaneaban más y quienes eran los que las consumían (Coca-Cola Paraguay, 2018). 

Otra manera en la que Coca-Cola aplica los datos es por medio de las redes sociales. En el 2015, la empresa seguía las menciones a sus productos lo que les permitió sacar estadísticas y saber que cada dos segundos se habla en redes de sus productos. Actualmente, miden la presencia de sus productos en redes en comparación con los de sus competidores por medio de las publicaciones. Además, por medio del logaritmo, determinan que anuncios le interesan a quien y así tienen 4 veces más probabilidad de que la publicidad reciba un clic. Gracias a todas estas interacciones que reciben por redes, han podido identificar quien es su cliente, sus características y gustos. Coca-Cola también usa los datos para la creación de bebidas saludables, debido a que los consumidores se preocupan más por su salud y son conscientes de las consecuencias de ingerir ciertos alimentos y bebidas azucaradas. Por esto, ha creado Minute Maid que es un zumo de naranja natural. Parte de los datos que se usaron para el desarrollo y producción de Minute Maid salieron de datos meteorológicos, calificaciones de dulzura y acidez, rendimiento de cultivos, imágenes por satélite, oscilación de precios, entre otras para mantener el sabor de la naranja y que sea saludable al mismo tiempo (Management Society, 2017).  

Minute Maid no es el único producto que ha sido creado a base de datos de los consumidores, Coca-Cola ha usado los datos locales para crear productos de acuerdo con un segmento especifico. Por ejemplo, el High Mountain Oolong, un té que fue creado en base a datos recolectados en China que es una de las ciudades que más consume esta bebida. Coca-Cola se dio cuenta de que el té Oolong es el segmento más importante dentro del mercado del té y creo High Mountain Oolong que se prepara con hojas cosechadas en las montañas dándole el sabor preferido por los consumidores, un sabor agridulce pero no astringente. Igualmente, en Coca- Cola China, se introdujo en 2009 el primer producto lácteo llamado Minute Maid Pulpy. Esta también creada en base a datos de las preferencias del consumidor en China y a la lista de bebidas más populares, inspirado por el consumo de té con leche. Esta bebida es con crema y pedazos de coco.  Otro producto muy exitoso creado a base de datos e investigación es Fanta Limón +C. Esta bebida se la hizo en base a un estudio realizado en Japón en el que se descubrió que las personas toman vitamina C durante el invierno porque les permite enfermarse menos. La bebida tiene una gran concentración de vitamina C equivalente a 80 limones. Como último ejemplo del uso de datos en creación de productos tenemos a Mojito Finley enfocado en los gustos de adultos que, como se descubrió, les gustaba las bebidas carbonatadas que no tengan muchas calorías. Coca-Cola saco Mojito Finley con un empaque sofisticado enfocado al buyer persona al que querían llegar, viene en diferentes sabores. Por medio de las redes sociales se pudo recolectar información del éxito y acogida de estos productos en el mercado (Equipo Editorial Journey, 2017). 

En conclusión, Coca-Cola es una empresa que usa los datos para muchos de sus procesos como creación de nuevos productos, mejoramiento de empaque y eficiencia. Así como el uso de los datos recolectados de sus clientes para acercarse más a ellos y entender sus necesidades y deseos. Además, aplica estos conocimientos sobre sus consumidores en inteligencia artificial y máquinas expendedoras para mejorar la experiencia. Sin duda, Coca-Cola sabe aprovechar muy bien la información y es por esto por lo que es una de las empresas más exitosas del mundo.  

Referencias Bibliográficas

Arcángel, J. (03 de 10 de 2017). Big Data Magazine. Obtenido de https://bigdatamagazine.es/coca-cola-se-apoya-en-el-big-data-para-impulsar-aun-mas-su-exito

Coca-Cola Argentina. (2019). Coca-Cola Journey. Obtenido de https://www.cocacoladeargentina.com.ar/historias/bienestar-linea-de-tiempo-recorre-la-historia-de-coca-cola-en-la-argentina

Coca-Cola Company. (2021). Coca-Cola Company. Obtenido de https://www.coca-colacompany.com/company/purpose-and-vision

Santamaría, P. (07 de 05 de 2019). ABC Gastronomía. Obtenido de https://www.abc.es/viajar/gastronomia/abci-historia-coca-cola-nacio-farmacia-201805080832_noticia.html

TIk Tak Draw. (19 de 01 de 2017). Obtenido de https://www.youtube.com/watch?v=wF2seiqVDaM

Arcángel, J. (03 de 10 de 2017). Big Data Magazine. Obtenido de https://bigdatamagazine.es/coca-cola-se-apoya-en-el-big-data-para-impulsar-aun-mas-su-exito

Coca-Cola Paraguay. (23 de 07 de 2018). Coca-Cola Journey. Obtenido de https://www.coca-coladeparaguay.com.py/historias/innovacion-tecnologia-digital-y-big-data-aceleran-la-estrategia-de-innovaci

Management Society. (21 de 09 de 2017). Management Society. Obtenido de https://www.managementsociety.net/2017/09/21/como-utiliza-coca-cola-los-millones-de-datos-que-obtiene/#:~:text=Concretamente%2C%20la%20compa%C3%B1%C3%ADa%20combina%20datos,as%C3%AD%20mantener%20un%20sabor%20consistente.

Equipo Editorial Journey. (11 de 07 de 2017). Coca-Cola Journey. Obtenido de https://journey.coca-cola.com/historias/innovacion–17-productos-nuevos-de-coca-cola-refrescan-a-consumi

Journey Paraguay. (04 de 02 de 2019). Coca-Cola Journey. Obtenido de https://www.coca-coladeparaguay.com.py/historias/i-love-you-hater–la-campana-de-sprite-que-celebra-la-autenticid

Moye, J. (25 de 09 de 2014). Coca-Cola Journey. Obtenido de https://journey.coca-cola.com/historias/comparte-una-coca-cola-como-la-innovadora-campana-empezo-en-australia-y-nueva-zelanda

Coca-Cola, C. (18 de 01 de 2021). Coca-Cola Journey. Obtenido de https://journey.coca-cola.com/historias/comparte-una-coca-cola-comparte-sentimientos-positivos

Cabrera, M. (2015). Marianocabrera.com. Obtenido de https://www.marianocabrera.com/10-creativas-campanas-btl-de-coca-cola-por-sus-100-anos/

Crunchyroll

Crunchyroll es la empresa con mayores licencias para distribución de anime alrededor del mundo, considerada como la marca más reconocida para el streaming del anime, su objetivo es llegar a ser la empresa más reconocida y legal, con la mayor amplitud de catálogos, y poder rivalizar con grandes empresas de streaming, esta empresa toma en cuenta a cada uno de sus consumidores, conteniendo animes, mangas, juegos, de igual forma comercializa productos físicos tales como figuras de acción, además de realizar eventos para promocionar las nuevas inclusiones de material dentro de la plataforma, Crunchyroll busca crear experiencias para su consumidor, a fin de afianzar su vinculo con el mismo, y de este modo aumentar la fidelidad hacia la página web por encima de otras, cabe destacar de la misma que ha logrado tener más de 190 eventos en vivo patrocinados, principalmente en Francia y Alemania.

Crunchyroll nace en el año 2006 como un sitio web de streaming ilegal, y aunque eliminaba una gran cantidad de sus contenidos por el copyright, de cierto modo incluía otros, en 2008 realiza una inversión de 4 millones de dólares, de esta forma comenzaría a asociarse con empresas de anime japonesas populares, tales como TV Tokyo y Gonzo, este es el punto desde el cual empieza a verse la determinación de la empresa por solo almacenar contenido legal dentro de su sitio web, su expansión continuaría de forma local hasta 2012 donde llega por primera vez a Latinoamérica, y de igual forma a España en 2013, a pesar de sus intentos por tener todo el contenido posible e intentar a habilitar todo su catálogo en todas las partes del mundo, esto no se ha logrado, aunque entre sus logros se encuentra el aumento en la tasa de visualizaciones de anime alrededor del mundo, convirtiéndose en un fuerte competidor para Netflix.

Crunchyroll es de las empresas más reconocidas alrededor del mundo en la distribución del entretenimiento japonés, en el año 2012 esta empresa tendría la opción de priorizar el contenido que le gustaría ver a cada uno de sus usuarios, de esta forma empezaría a ver los gustos personales y poder generar recomendaciones de contenido a partir del mismo, además generaría encuestas enviadas por correo electrónico, o generando spam dentro de ciertas plataformas para llegar a una audiencia más alta, de esta forma podría ver los intereses de consumidores potenciales para la aplicación, debido a esta actividad Crunchyroll tiene un gran incremento del 172%, además dentro de sus eventos los objetivos de la empresa es ser originales en todo momento, a fin de destacar, de cierto modo alimentan la pasión de cada uno de sus espectadores, esto mediante sus mensajes de inclusión hacia todo el mundo, en sí atribuyen en el crecimiento del anime, buscando la manera de diversificarse y llegar a ser más fuerte que sus competencias, en la actualidad a logrado asociarse con Cartoon Network para la distribución limitada de su contenido y de cierto modo lograr publicitarse por un medio más conocido, así ampliando su publico objetivo, de este  modo logra generar confianza no solo en sus clientes, sino también en sus accionistas.

Anime News Network (ANN) publicó en 2015 sobre cómo Crunchyroll estableció su contenido de manera personalizada para sus usuarios. Los datos se adquirían en base a la forma de registro, puesto que se pedía especificar géneros de anime con los cuales le gustaría interactuar, además para aquellos que todavía no formaban parte de la comunidad, se realizaron eventos conjuntos, como por ejemplo en el anime expo de 2014 donde anunció la salida de un nuevo anime conocido como “Los 7 pecados capitales”, después de la exposición pidió opiniones al público a fin de afianzar la confianza que se tenía generada con los mismos, de la misma forma se les pidió rellenar una forma a cada uno de los invitados, con el fin de conocer sus tendencias relacionadas con el anime, se estaba dando el incremento del entretenimiento del anime en Japón con TV Tokyo, puesto que esta empresa estaba incrementando sus visualizaciones con animes nuevos y populares como Pokémon, de esta forma Crunchyroll vería a su primer socio a fin de ganar el derecho de reproducir el contenido del cual era parte TV Tokyo, de este modo incremento sus ganancias, de igual forma modifica su modelo de negocios basándose en los datos de popularidad de contenido, pasando de ser un sitio web con animes solo para menores de edad a aumentarlo, esto gracias a sus alianzas y colaboraciones con programas de televisión de Japón y a fin de no aumentar el riesgo de ventas en el mercado mundial, Crunchyroll en base a sus estadísticas obtuvo un promedio de visualización por persona de 85 minutos al día en el cual consumían el contenido de la página, entonces esta plataforma de streaming monitoreando sus alcances y tiempo de visualización por cada consumidor contrata una reserva de bando de ancha promedio con el fin de poder ejercer cierta autoridad sobre sus consumidores donde ofrece una velocidad de conexión superior durante los primeros 60 minutos de cada consumidor, de ahí este se reduce a fin de pasar esta gran capacidad de conexión hacia nuevos usuarios, el nombre de estas interconexiones son Cogent, Crunchyroll lo mantiene en constante actualización, de tal forma que generar ralentización en ciertos programas para que sus usuarios exploren dentro de otras categorías, es de esta forma que el porcentaje de visualizaciones de sus usuarios fuera de su zona de confort va en aumento con un 40% aproximadamente, Las subdivisiones de este programa ayudan cuando existe tráfico en las redes ISP, entonces para poder aplicar el programa de la manera correcta necesitaban pedir de manera casi obligatoria una forma con los análisis de las visualizaciones de cada anime con el cual adquiría sus derechos, esta forma tan detallada de generar vínculos con distintas plataformas generaba una confianza hacia la plataforma muy alta y esto la beneficiaba,  a fin de que otros admiradores del entretenimiento japonés se unieran a su comunidad, regresando un poco en el tiempo, en el año 2012 tras el lanzamiento de la nueva serie de Pokémon, Crunchyroll empezaría a promocionar figuras de acción de los personajes favoritos, comenzó como una idea que se vio afianzada tras la arrasadora popularidad de los animes estrenados en aquella época, se calculaba las visualizaciones por anime, a fin de tener un estimado sobre los que sobresalían en popularidad, a fin de que lograran sacar las figuras de acción con un riesgo de inestabilidad en el mercado muy inferior. Se modificó sus elementos de comercialización, de esta forma el nicho de mercado cambiaria a fin de aumentar a sus clientes y afianzar a otros que desconocían sobre esta faceta de la aplicación, es de este modo que se vería el abismal incremento de entretenimiento japonés en países ajenos al mismo en el año 2013.

Crunchyroll con el pasar del tiempo para ir adquiriendo los derechos de animes poco conocidos para ayudarlos en su desarrollo, realizaba primero un análisis de visualizaciones de las plataformas que contaban con estos animes para ver si podían ser atractivos al público, una vez realizado esto; Crunchyroll analizaba las tendencias de visualización de cada uno de sus usuarios, con el fin de al finalizar un anime poder recomendarle un con poco reconocimiento que podría llamar la atención de su consumidor, esto variaba dependiendo los gustos de los usuarios. De esta forma su crecimiento en su nicho de mercado iría en incremento, esta tendencia de aumento se siguió dando en los años venideros, tal es así que en el año 2015 se vuelve a registrar un incremento del 10%, a partir del 2016 Crunchyroll empieza a generar encuestas a sus usuarios para poder modificar su contenido dependiendo las recomendaciones que le brindaban sus usuarios, generando así un trato más personal y personalizado, además de proporcionar mejores actualizaciones a su página, es así como la plataforma para la conformidad de sus consumidores genera ciertas aplicaciones dentro de Crunchyroll, como la implementación del segmento de noticias, para que sus clientes se mantuvieran actualizados con los contenidos y modificaciones que se iban a generar dentro de la misma.

Crunchyroll a partir del 2019 debe tratar con problemas como la saturación de multi suscripciones por parte de sus usuarios con el aumento de plataformas de streaming tales como Amazon Prime Video, Disney+, HBO Max, etc. Además el churn empieza a ser un problema de cierto modo determinante para la solvencia de la empresa, ya que cerca de un 70% de sus consumidores cancelan sus suscripciones a fin de regresar cuando uno de sus shows vuelva a estar al aire con nuevas temporadas. Toma en cuenta la migración de la televisión tradicional y la publicidad al ámbito digital, como la publicidad en línea, además se da cuenta que un 80% de ciertos videos comienzan su visualización en dispositivos inteligentes como celulares, El churn se convirtió dentro de Crunchyroll en un comportamiento cíclico dependiendo la popularidad de los animes que se encuentren en emisión, a fin de evitar el churn Crunchyroll utiliza su análisis de datos para brindar recomendaciones a fin de mantener a sus consumidores ligados a la plataforma de una forma más amplia. Es entonces cuando Crunchyroll da un giro total en su modelo de negocios, ya que al ver cuan factible es el público al cual se dirige, ya que su competencia aumentaba y se encontraba tratando de atraer al público otaku, Crunchyroll modifica su propuesta de valor pasándola a ser traer un pack completo sobre lo que involucra un anime (Manga, anime, figura de acción), además sus canales de distribución se ven en la necesidad de aumentar, es de esta forma que se vincula con empresas como Sony, Apple, Samsung, de este modo sus socios claves también cambian, a fin de ejercer más presión sobre su competencia, ya que sus nuevos socios lo ayudaron a posicionarse en nuevas plataformas, como consolas de videojuegos o Smart TV, de este modo sus vínculos con sus consumidores se vieron fortalecidos, esto viene a contrarrestar el “churn” hasta cierto grado, ya que tomando en cuenta los datos tomados por cada consumidor por medio de encuestas el hecho de encontrarse en plataformas de videojuegos como consolas le da un plus a la plataforma, ya que por el momento tratándose de la época de la pandemia esta plataforma es una de las más utilizadas en casi un 70% de los hogares cuentan con una y además de este porcentaje casi un 90% de los mismos se encuentran en constante uso, Crunchyroll basándose en estos datos brinda ciertos beneficios a quienes cuentan con esta plataforma, a fin de una gama amplia de animes y ciertos descuentos por vinculación de cuentas, además de ciertos aportes dentro de videojuegos populares como Fortnite, Resident evil y hasta casos como FIFA donde te brinda ciertos equipamientos visuales dentro de los mismo, de este modo afianzando la confianza de sus consumidores.

En conclusión, Crunchyroll es un emprendimiento en constante crecimiento, que supo apuntar de manera eficaz a su nicho de mercado logrando anteponerse ante grandes entidades tales como Netflix o Amazon Prime Video, ya que basó su contenido en uno de los públicos mas fieles dentro del ámbito del entretenimiento, además de continuar generando vínculos de confianza con cada uno de sus consumidores, intentando en todo momento buscar asociaciones a fin de cubrir sus necesidades y tapar sus debilidades, es así que en este año llegó a superar los 4 millones de usuarios nuevos, entonces así puede de igual forma afianzar sus vínculos con socios, de este modo se puede asumir que Crunchyroll es una excelente inversión para futuros proyectos, además nos damos cuenta como la plataforma utiliza el análisis de datos para mantenerse estable dentro del mercado del entretenimiento, esto basándose en sus encuestas privadas hacia sus consumidores y basándose en cómo son los movimientos de visualizaciones por parte de sus asociados y de sus competidores, Este emprendimiento utiliza su base de datos para varias cosas tales como saber el bando de ancho aplicado para cada usuario tomando como foco principal su contenido principal y además para combatir el “Churn”, puesto que este punto se ha convertido en una problemática no solo de esta plataforma sino de varias tales como Netflix o Amazon Prime Video con la aparición de nuevas plataformas de streaming.

Referencias

Crunchyroll. (25 de Enero de 2021). Crunchyroll Official. Obtenido de https://www.crunchyroll.com/about/es/what/index.html

Jiménez, A. (07 de Julio de 2019). Crunchyroll: cómo funciona el Netflix del anime. Obtenido de https://www.espinof.com/animacion/crunchyroll-como-funciona-netflix-anime-siete-recomendaciones-para-empezar-a-disfrutar-plataforma

Pérez, C. (03 de Mayo de 2018). Un estudio revela que el anime crece más allá de las fronteras de Japón. Obtenido de https://vandal.elespanol.com/noticia/r1250/un-estudio-revela-que-el-anime-crece-mas-alla-de-las-fronteras-de-japon

Ressler, K., & Hodgkins, C. (30 de Abril de 2018). Anime Industry Report Shows Continued Growth in Overseas Market. Obtenido de https://www.animenewsnetwork.com/news/2018-04-30/anime-industry-report-shows-continued-growth-in-overseas-market/.130302

Skyscanner, el magnate del análisis de datos

Skyscanner es un buscador global que compara vuelos, automóviles y hoteles. Este servicio es totalmente gratis para el público, siendo que la empresa los redirecciona a la aerolínea, hotel o proveedor del servicio que están necesitando. Estátanto en plataforma web como en app para celulares, ofrece búsquedas de vuelo en 30 idiomas y está presente en Europa, Asia-Pacífico y EE.UU.Skyscanner encuentra, de forma inmediata, los precios más bajos que ofertan las diferentes compañías, para después direccionarlos con la compañía en específico para así completar su reserva.

La empresa fue fundada en 2001 por GarethWilliams, Barry Smith y Bonamy Grimes. En 2004, la empresa instauró su sede en Edimburgo, aunque también tiene oficinas en Miami, Singapur y Londres. A medida que la empresa fue creciendo recibió diferentes inversiones lo cual aumentó el valor de la compañía, de la misma manera el rápido crecimiento permitió a Skyscanner de comprar otras empresas de viajes a lo largo del mundo, así logrando obtener nueva tecnología de búsqueda y análisis de datos, que por consiguiente fue una ayuda significativa para el control y posicionamiento de mercado.

Para el caso de estudio sobre la empresa de viajes online Skyscanner se analizaron las principales funciones en las cuales se utiliza el análisis de datos para llegar a más consumidores e intentar ofrecer al cliente una mejora constante, se tomaron en cuenta las funciones las cuales están presentes en la página web de la compañía siendo así visible a todo el público, funciones como el mapa interactivo de precios, mapa de restricciones mundiales covid-19, entre otras… A su vez se analizaron las repercusiones que estas tienen en la percepción del usuario.

En los inicios de la compañía Skyscannermostraba una estructura no definida aun, los buscadores de viajes eran algo totalmente revolucionario y en muchas ocasiones no tenían la acogida que se esperaba, con el pasar del tiempo se fueron instituyendo como la mejor forma de realizar compras de pasaje de manera económica, segura, fácil y rápida, al crecer la compañía se fueron implementando tecnologías de análisis de datos los cuales lograron que la compañía sea un atrayente para miles de viajeros en todo el mundo.

La página la cual utiliza la empresa, está en constante actualización y evolución un claro ejemplo es la implementación del mapa mundial de restricciones por la pandemia del corona virus, el cual empezó el anterior año, con esto Skyscannermostro una vez más ser el líder en cuanto trata del cliente, dado que proporciona una ayuda eficaz y veloz con la cual los viajeros pueden enterarse de los países los cuales podrán o no visitar, a su vez potenció la imagen de la compañía por su compromiso social, esta herramienta recolecta en forma general todos los datos referentes a las situaciones ante el covid-19 a nivel 

mundial, analizando, cuarentenas obligatorias o no, pruebas obligatorias, restricciones en cuanto cines, restaurantes, bares etc…

En definitiva, los datos los cuales Skyscannerutiliza para proporcionar su meta buscador son fundamentales para el buen funcionamiento e información proporcionada a los clientes. Otro ejemplo del utilizo de los datos, es el calendario de precios los cuales muestran las temporadas y días los cuales hay mayor demanda, también la sección de recomendaciones para viajeros, sección de lugares que visitar, actualizaciones sobre las situaciones sociopolíticas de los países y la facilidad con la cual se puede entrar a dicho país, pudiendo así escoger de manera rápida y segura los mejores precios, destinos y atracciones, son estas herramientas y otras más las cuales hacen de esta compañía el líder en el sector de buscadores de vuelos, hoteles y carros.

En conclusión Skyscanner es una más de las empresas las cuales utilizan el análisis de datos para atraer más clientes, a pesar desde el inicio utilizar el análisis de datos, ha ido evolucionando e implementando mayor tecnología y rapidez para así lograr los resultados visibles hoy en día, hay que recalcar que esta empresa tiene su propio sistema de análisis de datos, así pudiendo multiplicar las ventas, sin embargo esta compañía se ha destacado por el trato al cliente, proporcionando herramientas la cuales potencian la experiencia de viaje, llegando a ser no solo un buscador de vuelos, si no que una institución del viajero el cual busca información,seguridad y precios accesibles. Skyscannerconsidero que es una empresa de éxito la cual ha sabido utilizar de la mejor manera los requerimientos y necesidades de los consumidores, así llegando a la cima, pudiendo cumplir la misión y visión de ser el buscador más confiable y usado del mundo.

Bibliografía

Skyscanner(2021) https://www.espanol.skyscanner.com/?previousCultureSource=COOKIE&redirectedFrom=www.skyscanner.com.mx

Reportur (2017) Skyscanner: el éxito del intermediario que no cobra. https://www.reportur.com/argentina/2016/07/09/skyscanner-el-exito-del-intermediario-que-no-cobra/

Economia digital (2016) Skyscanner: «Nuestra tecnología es única para localizar los vuelos más baratos» https://www.expansion.com/economia-digital/companias/2015/11/10/5641bf92e2704e935f8b4625.html

Airbnb

Airbnb es una plataforma destinada al alquiler de alojamientos en cualquier lugar del mundo, de manera virtual.  

Esta aplicación consta de dos tipos de sujetos; los anfitriones y los huéspedes. Los anfitriones son los dueños de las propiedades que se ofertan en la aplicación. Los huéspedes son las personas que alquilan las propiedades. Ambos tienen la opción de evaluarse y dejar comentarios, sobre el otro. Esto es con el fin de que tanto huéspedes, como anfitriones futuros, puedan guiarse para sus próximas decisiones. 

  •  Actualmente ofrece millones de alojamientos en más de 191 países.  
  • Esta empresa nace en San Fransisco, California. Fue fundada por Brian Chesky, Joe Gebbia y Nathan Blechar, en el año 2008.  
  • La historia empieza en el año 2008, con los fundadores teniendo problemas para pagar el alquiler de su departamento, con ello llegaron a la conclusión de crear una página web, que llevaba el nombre de “Air bed and breakfast”. En esta página se ofrecía el alquiler de cuartos de su casa con camas inflables, incluyendo el desayuno por las mañanas. 
  •  Con esto, en el 2009 deciden incrementar la calidad de la página web, y obtienen una inversión de 20 000 dólares, por la empresa Combinator, en el año 2009.  
  • En 2010, obtienen una inversión aún más grande de alrededor de 600 000 dólares por parte de Sequoia Capitals y Greylock Partners.  
  • Airbnb, ha utilizado la herramienta de análisis de datos desde su comienzo, esto es lo que lleva a esta empresa a ser tan exitosa. Actualmente, cuentan con una gran cantidad de expertos en la ciencia del análisis de datos, en cada departamento. La razón por la que esta empresa usa estas herramientas es para tomar decisiones, tomando en cuenta las opiniones de las personas que utilizan esta plataforma. Recolectan los datos de las interacciones de las personas y buscando la manera de implementar ciertas cosas que ayudarían al mejoramiento de la aplicación. Todo esto lo logran siguiendo una organización que consta de tres áreas; insights del producto, experimentación y modelado predictivo.  

Primero, el área de insights del producto consta de analizar la información del producto de Airbnb, en este caso sería la aplicación para smartphones y la página web. Esta área estudia el comportamiento de los usuarios, para así lograr la experimentación de nuevas ideas referentes al producto. Toda la información desde el ingreso a la plataforma es recolectada y grabada en la base de datos que utiliza la empresa. Permite acceder de manera rápida y precisa a los datos que queremos analizar. Para esta etapa se utilizarla herramienta de Exploratory data analysis.  

Segundo, en el área de experimentación se realiza el testeado de una idea, para descartarla o implementarla. En esta etapa, cuando se validan las propuestas, se realiza experimentos asignados aleatoriamente. Se utiliza la herramienta de “magrittr pipes” que permite facilitar la creación y el análisis de estadísticas, para tener una predicción de su impacto. Logra la interacción con los datos y la construcción de modelos. Esto logro una gran mejora en la experimentación, ya que antes se utilizaban tecnologías que no eran tan precisas y tomaban más tiempo para analizarlas.  

Tercero, en la etapa del moldeado predictivo se utiliza Machine Learning y Predictive Analytics, en el que se construyen modelos predictivos como prototipos para probar si, las características más inteligentes implementadas, son una buena inversión antes de ponerlas en el sistema de producción. Se crean diferentes conexiones a partir de las preferencias y ciertas características del usuario; un ejemplo es el moldeado predictivo en el precio. Este puede variar dependiendo del subtotal a pagar, mientas mas alto el valor, más bajo es el porcentaje de servicio que se cobra. 

Finalmente, Airbnb ha implementado este tipo de tecnologías para incrementar el funcionamiento de su producto y mejorar la manera de analizar sus datos. Esta empresa se ha mantenido en constante intento de mejorar e implementar la calidad de sus plataformas para lograr que el usuario tenga una interacción personalizada y fácil al usarlas. Permite que los expertos sean más precisos en él testeo del producto y logra que se tengan más ideas viables y no solo hipótesis.