AIESEC: la organización más grande liderada por jóvenes

Anthony Trujillo – 00321407

AIESEC es una organización global, sin fines de lucro ni políticos, que se destaca principalmente por estar liderada por jóvenes y por buscar el desarrollo del liderazgo joven. Además, está reconocida por la Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura (UNESCO) y mantiene un estatus consultivo con el Consejo Económico y Social de las Naciones Unidas (AIESEC, 2021). Así, AIESEC ofrece la oportunidad de vivir experiencias prácticas desafiantes a los jóvenes de entre 18 y 30 años mediante la adquisición de programas globales de voluntariado o pasantías profesionales, que permiten el desarrollo del liderazgo y otras habilidades como el autoconocimiento, la orientación a soluciones, el empoderamiento y la ciudadanía global. Cabe destacar que AIESEC tiene una estructura global que a su vez está subdividida por región, país y comité local, por lo que este ensayo pretende revisar el impacto del análisis de datos de AIESEC a nivel nacional, en específico, de AIESEC en Ecuador.

AIESEC International (2018) menciona que el inicio de AIESEC se remonta al año 1948 cuando después de la Segunda Guerra Mundial, un grupo de jóvenes estudiantes de diversos países determinaron que el entendimiento intercultural era fundamental para promover la paz mundial y, para ello, propusieron formar una organización que ofrezca experiencias de intercambio globales basadas en el desarrollo del liderazgo para los jóvenes. Más tarde, en 1977, AIESEC logró estar presente en 50 países y haber desarrollado el liderazgo en más de 40000 jóvenes que habían tomado los programas globales de AIESEC hasta ese entonces. Ya en 2010, AIESEC alcanzó el hito de haber proporcionado 10000 experiencias globales en un año a jóvenes, consiguiendo tener en total más de 230000 experiencias en la historia de la organización y, en 2015, AIESEC en colaboración con las Naciones Unidas implementó los Objetivos de Desarrollo Sostenible a sus programas de voluntariado global, buscando generar un mayor impacto social al mismo tiempo que los jóvenes desarrollan el liderazgo a través de su experiencia.

«During the next 10 years about 1.2 billion young 15-to-30-year-olds will be entering the job market and with the means now at our disposal about 300 million will get a job. What will we offer these young, about a billion of them? — or will we leave them to be recruited by criminal leagues and terrorists? … I think this is one of the greatest challenges if we want to achieve peaceful development and hope for these young.»

Martti Ahtisaari, ganador del Premio Nobel de la Paz y ex miembro de AIESEC

Sin embargo, la adquisición de programas globales de voluntariado y pasantías profesionales de AIESEC en Ecuador disminuyó fuertemente debido a la pandemia de Covid-19 y las consecuencias que tuvo fue la inoperatividad de la mayoría de los comités locales que conforman a AIESEC en Ecuador. Este evento incentivó a dar un mayor seguimiento operacional a cada comité local mediante el análisis de sus métricas en cuanto a ventas, sostenibilidad financiera y recursos humanos, e implementar estrategias operacionales idóneas para retomar un crecimiento sostenible.

De tal manera, AIESEC en Ecuador retomó el uso de una plataforma tecnológica llamada Citrix Podio que permite principalmente la gestión de ventas y clientes (CRM) pero también la gestión de proyectos, reuniones, contactos (Citrix Systems, 2021), y que en el caso de AIESEC en Ecuador, Citrix Podio es utilizada mayoritariamente para la gestión de ventas y clientes que están interesados en la adquisición de un programa de voluntariado, pasantía o práctica de enseñanza. Entre los principales beneficios de la implementación de esta plataforma, fue un incremento en la efectividad del tiempo de contacto entre los clientes que se registran en AIESEC con un encargado de AIESEC de un comité local para la venta de los productos disponibles de AIESEC, así como la accesibilidad a datos históricos para la creación de estrategias mensuales de B2C para atraer constantemente clientes nuevos potenciales.

No obstante, la mayor aplicación del análisis de datos de AIESEC en Ecuador que está constantemente en busca de una mejora continua ocurre en el área nacional de Desarrollo organizacional. Esta área está encargada de la creación y revisión de un modelo de desarrollo organizacional basado en el análisis de datos que permita optimizar el desempeño de cada comité local y, en general, de AIESEC en Ecuador para alcanzar los objetivos organizacionales presentes y futuros. Este modelo de desarrollo organizacional está compuesto por una serie de medibles que analizan las operaciones y los recursos humanos y financieros de cada comité local para determinar estrategias óptimas que les permitan alcanzar un crecimiento sostenible y saludable. Para ello, el modelo de desarrollo organizacional se centra en el Índice de desarrollo organizacional compuesto a su vez por dos índices fundamentales, el Índice del desempeño organizacional (PDI) que consiste en la medición de los porcentajes en cuanto al cumplimiento de metas sobre ventas de los programas de AIESEC por parte de cada comité local y el Índice de salud organizacional (HDI) que evalúa la experiencia de la membresía y la sustentabilidad financiera de cada comité local que forma parte de AIESEC en Ecuador. Adicionalmente, existe un sistema de clusters dentro del modelo organizacional que, de acuerdo al puntaje alcanzado en el PDI y HDI, permite clasificar a cada comité local de AIESEC en Ecuador en un grupo y así determinar qué necesidades en común pueden requerir más de un comité local para mejorar su desempeño organizacional. Por ejemplo, el grupo 6 está destinado para comités locales con un muy bajo desempeño ya que los puntajes correspondientes a este grupo en el HDI y PDI son menores a 0.4 y 0.7 respectivamente.

En conclusión, AIESEC en Ecuador está empezando a implementar el análisis de datos dentro de la organización puesto que es una herramienta capaz de optimizar las operaciones y el desempeño organizacional de cada comité local dentro de la organización y así, facilitar la consecución de metas y objetivos. De tal manera, el modelo de desarrollo organizacional permite analizar el estado de cada comité local a partir de la recolección de datos sobre las áreas operacionales, financieras y de recursos humanos y, con ello, determinar qué áreas necesitan mejorar para consolidar un crecimiento en cuanto a ventas de los programas de AIESEC en Ecuador. Asimismo, se puede señalar que retomar el uso adecuado de la plataforma tecnológica Citrix Podio por parte de la membresía de AIESEC en Ecuador ha permitido la gestión optimizada de clientes y ventas después de los primeros meses de pandemia por la Covid-19. En definitiva, AIESEC en Ecuador se encuentra implementando el análisis de datos en una etapa inicial para empezar a transformar sus procesos organizacionales con el propósito de lograr un crecimiento sostenible y conseguir que más jóvenes tomen un mayor número de experiencias prácticas desafiantes a través de los programas de pasantías y voluntariados globales.

Bibliografía

AIESEC. (2021). AIESEC | About us. https://aiesec.org/about-us

AIESEC International. (2018). The History Book of AIESEC. https://issuu.com/aiesecinternational/docs/aiesec_history_book

Citrix Systems. (2021). Citrix Podio. https://www.podio.com/

Big Data de Produbanco

Produbanco es una institución financiera en Ecuador, posicionada como el tercer banco más grande del país, cuenta con 101 agencias a nivel nacional y un personal de 3100 trabajadores. Su enfoque estratégico expuesto en su página web menciona es consolidar su diversificación y crecimiento por medio de la trasformación cultural y de esta manera ser líder digital para ofrecer a sus clientes experiencias valiosas, enmarcado en una administración completa del riesgo, asumiendo el compromiso de sostenibilidad y responsabilidad socio empresarial.

En su página web podemos encontrar información sobre su trayectoria, la cual inicio en 1978 atendiendo únicamente al sector corporativo, a partir de la primera década ampliaron sus segmentos de negocio. En 2014 Grupo Promerica adquirió la mayoría de las acciones de Produbanco, de esta manera inicio un proceso de consolidación con Banco Promerica Ecuador y en octubre se convirtió en una sola institución financiera. Todos los clientes de Banco Promerica Ecuador pasaron a formar parte de Produbanco. En su trayectoria ha sido merecedor de diversos reconocimientos a nivel nacional e internacional que lo posicionan como un banco prestigioso del país. Actualmente su calificación de riesgo es de AAA- que se refiere a los valores cutos emisores y garantes cuentan con una fluida capacidad de pago de capital e intereses, además el signo del que viene acompañado puede ser un más que indica la capacidad de subir de categoría, pero en este caso se encuentra un signo menos a manera de advertencia de un descenso de categoría inferior. A pesar de ser así sigue estando posicionada en una de las mejores categorías emitida por dos Calificadoras de Riesgo: BankWatch Ratings y Pacific Credit Rating.

Produbanco accedió a la transformación digital en 2017 para mejorar la experiencia del cliente, por eso ha usado las soluciones para la protección de información de Veritas Access Appliance migrando sus respaldos en cinta a este almacenamiento de disco. Este cambio tiene varias ventajas, entre estas la protección, gestión, recuperación y almacenamiento de información por diferentes periodos de tiempo y administrando de manera eficiente sus ciclos de vida. A principios de 2020 el 80-90% de los datos y sistemas bancarios, aplicación satélite, máquinas virtuales y correos electrónicos se respaldaron en el disco.

La recuperación de datos en caso de desastre es mucho más rápida. Como institución financiera debe cumplir ciertos requisitos sobre la información que posee y utiliza por diferentes periodos de tiempo, por lo que el banco tiene la responsabilidad de proteger cierta información. El uso de Veritas redujo notablemente el tiempo apropiado para la creación de copias de respaldo y la recuperación de datos de almacenamiento de corto y largo plazo. Con esta actualización digital se realiza el proceso de Batch cada noche en el cual procesan información de transacciones y es más fácil recuperar la información de cualquier sitio y no solo eso, sino que también la recuperación de un sistema completo es mucho más seguro y eficiente.

Actualmente Produbanco cuenta con una estructura organizacional de Transformación Digital de Produbanco encargada de la gestión de datos de manera estadística-matemática. Mediante el uso de análisis descriptivo, predictivo y cognitivo se diseñan ofertas de valor en el lugar y momento adecuado ya que se profundiza el conocimiento sobre de clientes y sus comportamientos al momento de realizar compras.

Cuenta con un sistema tecnológico que le permite la obtención, almacenamiento y análisis de información por medio del uso de técnicas como Machine y Deep Learning, Geo analítica, Inteligencia Artificial y Robotización de Procesos con el fin de tomar decisiones basado en la Data. También aporta en la gestión comercial y de riesgos, en la formación de campañas de marketing e incluso en los procesos de selección de talento humano.

De manera que Produbanco se enfocó en almacenar los datos en Big Data para su uso generalizado para la toma de decisiones. La sostenibilidad y responsabilidad social es un tema importante para Produbanco, por esto almacena la información referente a sus cuentas verdes, sobre clientes, categorías de sostenibilidad, fondeadores, certificaciones y sectores cubiertos de cada proyecto realizado, la cual es analizada y visible mediante el programa de PowerBi.

Mediante una plataforma de negocio propia del banco se realiza una clasificación de riesgos ambientales y sociales que permite mantener a SARAS (Sistema de Análisis de Riesgos Ambientales y Sociales) aliado con el sistema principal Prometeus que es una herramienta B2B Y B2C para analizar información, de esta manera el Big Data de Produbanco es capaz de generar reportes de manera automática y tener información de riesgo ambiental y social en tiempo real.

El análisis de datos, la definición estratégica y la toma de decisiones con base en este, han aportado al cumplimiento de algunas de sus metas y generaron valor para sus clientes. La gestión de la data es indispensable para Produbanco y se ha transformado en un factor clave para la innovación digital del mismo.

Bibliografía

https://www.produbanco.com.ec/qui%C3%A9nes-somos/produbanco/enfoque-estrat%C3%A9gico/

https://www.produbanco.com.ec/qui%C3%A9nes-somos/produbanco/informaci%C3%B3n-institucional/

McDonald’s y su Análisis de Datos Global

McDonald’s es una empresa que se dedica a la venta de comida rápida, bebidas, desayunos, postres y actualmente lidera el segmento de servicio rápido. Para (McDonald´s, 2021) la marca McDonald´s es reconocida universalmente por el servicio de calidad, la cobertura está en los cuatro continentes del mundo, además la constate innovación en base a la digitalización y tecnología ha permitido que McDonald’s sea un lugar acogedor para clientes y colaboradores.

En el año 1940 los hermanos Richard y Maurice abrieron el primer local en San Bernardino California, para (Ruben, 2020) este era un local de comida rápida a través de un proceso para la venta inmediata de sus productos, no obstante el tercer personaje le dio un giro al modelo de negocio, puesto que reestructuraron el negocio creando un modelo que les permitiera generar más ventas, la estrategia fue entregar las ordenes en menos tiempo posible, de esta forma nació uno de los modelos más exitosos en la industria de la comida, el concepto estuvo basado en la velocidad en la entrega de los productos, precios bajos y el volumen, ante el éxito del negocio los hermanos Richard y Maurice decidieron vender el secreto de su modelo de negocio, en 1953 McDonald’s inicia la etapa de expansión por los estados de California y Arizona, estableciendo un sistema de franquicias, en esa época se integró a esta compañía Raymond Kroc con el objetivo de ser el representante de franquicias, llevando la cadena a cada rincón de Estados Unidos, cabe mencionar que la ambición del socio de los hermanos llevo a la empresa a ser líder en la industria de alimentación.

Para (Cruz, 18) Arcos Dorados como franquiciatario de McDonald’s alrededor del mundo tiene como objetivo estandarizar la información de los productos para gestionar el ciclo de vida de los mismos, así como la medición de sus obligaciones fiscales, la administración de sus proveedores y el establecimiento de precios esta aplicación se realizará mediante el análisis del comportamiento del usuario y sus preferencias de compra en las distintas regiones en donde se encuentra ubicado McDonald’s.

Debido a que McDonald’s opera en más de 118 países y cuenta con más de 34000 establecimientos. (SIPSE, 2019) dice que se vuelve un asunto de suma complejidad el gestionar todos estos volúmenes de información Arcos Dorados decidió utilizar la plataforma de integración y análisis de datos TIBCO que es un software encargado de la administración de datos con el objetivo de mejorar el manejo de los datos para ser más analíticos y mejorar la eficiencia de la empresa.

Con la utilización de TIBCO se ha reducido hasta 30% el tiempo de carga de datos sobre el ciclo de vida de un producto desde que se formula una idea hasta que llega a las manos de los clientes, según (Riquelme, 2019) el director de ventas de TIBCO asegura que Arcos Dorados es un caso interesante de uso de integración y análisis de datos ya que la compañía está sumando la información que tiene del inventario, de restaurantes y de cobranzas para mejorar la experiencia del usuario. Mediante el Time to Market se buscó minimizar el tiempo del ciclo de vida de los datos en los que estos son recopilados, publicados y comercializados y reducir el esfuerzo que se requería en el tratamiento de estos datos teniendo una reducción del 40% en el tiempo entre que un producto se plantea para salir al mercado hasta que todos los sistemas estén listos para que dicho producto llegue a las manos del cliente. En donde diferentes áreas de la empresa participan de todos estos procesos para mejorar la experiencia del cliente.

De la misma manera McDonald’s utilizó la herramienta de análisis estadístico JMP de SAS que según (JMP, 2021) utiliza este software para anticipar y monitorear las tendencias, identificar y examinar cualquier oportunidad en las operaciones y asesorar a los involucrados dentro de la corporación sobre cómo mejorar continuamente el servicio al cliente, el encargado de estas mejoras es Mike Cramer director de investigación de operaciones de McDonald’s.

Cramer buscó mejorar todo el proceso que vive el cliente desde que ingresa al parqueadero, realiza la compra, utiliza los predios de la empresa hasta que se va, en donde Cramer asegura que los equipos, desde sus diseños y sus sistemas de información hasta las interfaces Hombre Máquina son aquellos que se deben encargar de recolectar los datos de la experiencia del usuario en McDonald’s.

Con lo expuesto McDonald’s además busca implementar la inteligencia artificial para implementarla en los pedidos por el Auto, donde según (Revista de Robots, 2021) cuando se llega con el vehículo se escanea la matrícula y con eso el sistema accede al perfil del cliente y en base a los anteriores pedidos del mismo la inteligencia artificial le ofrecerá a través de pantallas y comandos de voz menús dinámicos de lo que probablemente el cliente vaya a ordenar. Demás dependiendo de otras variables como el momento del día, la climatología la aplicación le ofrecerá al cliente diferentes menús. Para mejorar los tiempos de ejecución de las ordenes mediante la inteligencia artificial también se evaluará cuantos clientes hay en fila, entonces si hay muchos clientes en fila la aplicación le recomendará al cliente lo más fácil y rápido de preparar para agilizar el movimiento de vehículos. De la misma manera McDonald’s buscará aplicar la misma tecnología para los clientes dentro del local mediante la visión artificial y mediante la aplicación del celular.

Al analizar el comportamiento de sus clientes mediante máquinas que se encargaban de la recolección de datos tanto de las preferencias de consumo, así como de la satisfacción con la marca que tienen los usuarios McDonald’s ha podido implementar planes de mejora continua par que la experiencia del cliente sea totalmente satisfactoria desde el momento que llega a cualquier establecimiento de McDonald’s hasta que este se retira del lugar.

Se concluye que mediante el análisis de datos y la inteligencia artificial McDonald’s busca mejorar la satisfacción de sus clientes, mediante programas que analicen las preferencias de sus clientes para así mediante inteligencia y visión artificial una aplicación le recomiende al cliente varías opciones de menús dependiendo de sus preferencias, y la hora del día reduciendo el tiempo de espera del cliente agilizando los tiempos de producción del pedido del cliente.

Referencias

Cruz, V. (2019 de 09 de 18). McDonald’s apuesta por el análisis de datos. Obtenido de Info Channel: https://infochannel.info/mcdonalds-apuesta-por-el-analisis-de-datos/

JMP. (2021). McDonald’s hace deliciosos descubrimientos con JMP®. Obtenido de https://www.jmp.com/es_es/customer-stories/mcdonalds.html

McDonald´s. (2021). McDonald´s Ecuador. Obtenido de https://www.mcdonalds.com.ec/compania/sobre-mcdonalds

Revista de Robots. (19 de 03 de 2021). MCDONALD´S UTILIZA INTELIGENCIA ARTIFICIAL PARA ADELANTARSE A TU PEDIDO. Obtenido de https://revistaderobots.com/inteligencia-artificial/mcdonalds-inteligencia-artificial-pedidos/

Riquelme, R. (12 de 09 de 2019). McDonald´s analiza datos para venderte hamburguesas. Obtenido de El Economista: https://www.eleconomista.com.mx/tecnologia/McDonalds-analiza-datos-para-venderte-hamburguesas-20190912-0064.html

Ruben. (21 de 02 de 2020). ¿Cuántos McDonalds hay en el mundo? Obtenido de 123 Viajando: https://www.123viajando.com/cuantos-mcdonalds-hay-en-el-mundo/

SIPSE, R. (13 de 09 de 2019). McDonald’s revela uso de inteligencia artificial para ‘vender’ sus productos. Obtenido de SIPSE: https://sipse.com/tecnologia/mcdonalds-revela-uso-inteligencia-artificial-para-vender-productos-344248.html

Analítica de Datos en el Metro de Barcelona

El Metro de Barcelona es una empresa de servicio de transporte público la cual se rige por la “Societat Privada Municipal Ferrocarril Metropolitá de Barcelona” (Barcelona, 2021, p.1) esta sociedad privada se basa en la movilización masiva de personas, de un lugar a otro en la ciudad de Barcelona y fuera de ella, siendo una forma clásica pero a la vez barata de viajar entre ciudades, dicha sociedad privada está conformada por un proyecto moderno de movilización urbana, la empresa desarrolló “(…) redes metropolitanas, establecieron bases que aprovecharon después para el Metro, como trazados o puntos estratégicos para las redes” (Casado López, 2019, p.18) siendo este contexto de mucha ayuda para la empresa privada de Barcelona.

La empresa Metro de Barcelona, ha marcado un antes y un después en lo que se refiere a movilización rápida y segura, el metro se remonta a la antigüedad, por otro lado, dicha empresa lleva una variedad de hitos a través de la historia del metro, “(…) Müller y Zaragoza plantearon el diseño de una red metropolitana (…)”  (Casado López, 2019, p.22) dichos ingenieros cambiaron totalmente lo que era viajar a pie o en tranvía, a viajar en un medio rápido como lo es el metro, de igual forma, otro hito marcado en la historia de Barcelona por la compañía Metro de Barcelona es la modernización del estilo de viajar, debido a que esta compañía implementó la inteligencia artificial llamada RESPIRA para reducir el COVID-19 en las vías.

En otras palabras, el proyecto implementado (RESPIRA) se basa en utilización de “machine learning de predicción” (Bacardí, 2020) , lo cual ayudará a mejorar la calidad del aire que circula en las vías del metro, adentro y afuera de las diferentes líneas, como un claro ejemplo está la línea 1 la cual es la más transitada, sin embargo, el método de ventilación “ (…) se impulsa aire exterior por las estaciones y se extrae aire caliente por los pozos de túnel” (Bacardí, 2020) este siendo no efectivo a la hora de suprimir cualquier tipo de virus, por lo cual RESPIRA realiza varios sondeos del ambiente tanto adentro como afuera de las líneas, con el fin de enfriar el clima, a su vez, ventilar todo tipo de virus o bacteria, causando una reacción de eliminación de calor y humedad con la expectativa de “(…)refrescar los túneles y extraer el calor (…)” (Bacardí, 2020).

Esto quiere decir, que el proyecto RESPIRA está enfocado en ciertos objetivos de desarrollo sostenible como lo la energía asequible y no contaminante, y las ciudades y comunidades sostenibles, cumpliendo ambos objetivos, a causa de, una “(…) mejora de las condiciones ambientales y la eficiencia energética.)” (Bacardí, 2020) esto da a entender que dicho proyecto ha sido de ayuda para millones de españoles consumidores de dicho método de transporte, causando un gran impacto en la sociedad actual del COVID-19, del mismo modo, RESPIRA no fue creado con el propósito de disminuir casos del virus actual, el proyecto estaba enfocado en un plan sin pandemia, sin embargo, con la presente situación el Metro de Barcelona decidió implementarlo ya que era de gran ayuda para combatir el virus.

Con la intención de que las personas se sintieran más seguras viajando en metro y no recayeran las ventas de tickets del metro mismo, ya que, siendo una empresa privada no cuenta con un sustento del estado español ni de ninguna entidad regulatoria pública de España, de manera análoga, la implementación de RESPIRA ha creado un sentimiento de preocupación de parte de las empresas hacia sus consumidores, por lo que, los consumidores han respondido con la misma amabilidad y compromiso, viajando en las líneas del Metro de Barcelona, manteniendo estable la venta de tickets, y de misma forma, la cantidad de viajes más frecuentes que nunca.

A fin de terminar este ensayo se concluye que la empresa privada Metro de Barcelona ha conseguido mantener estables sus ventas y sus viajes, de manera que la inteligencia artificial o mejor dicho el machine learning, mediante un análisis de datos profundo, se tuvo la oportunidad de crear el proyecto RESPIRA, el cual ayuda a que el virus del COVID-19 no se esparza más y poder transformar la forma de viajar en metro de una forma limpia y segura, a través, de bajas de temperatura y frescura en las líneas del metro.

Referencias:

The North Face y el Big Data

The North Face Apparel Corp. es una empresa estadounidense especializada en ofrecer moda activa en vestuario y calzado para actividades al aire libre con sus respectivos equipos. Su sede está en Denver, Estados Unidos. The North Face es el proveedor de ropa más reconocido por sus productos de alta calidad, en su catálogo se pueden encontrar: vestimenta externa, mochilas, zapatillas, botas, tienda de campaña, sacos de dormir, equipamiento deportivo, indumentaria completa, entre otros. La misión fundamental de The North Face es “crear el mejor equipamiento para nuestros atletas y exploradores de hoy en día, apoyando la protección de la naturaleza y promoviendo un movimiento global de exploración del mundo exterior”.

La historia de The North Face comienza en el año 1966, en North Beach de San Francisco en el que dos amigos, uno de ellos llamado Douglas Tompkins, apasionados por el senderismo deciden abrir una tienda minorista de ropa para montañismo. Desde el principio la marca estuvo comprometida en poder servir a cualquier persona que tenga el deseo de explorar el mundo respetando y conversando los lugares naturales. Luego de esto, en 1968 la producción de equipos y ropa para deportes al aire libre se fue perfeccionando y ampliando al punto que al final de la década de 1980 The North Face se había convertido en el único proveedor de ropa y equipos para montañismo (tiendas de campaña, mochilas, sacos de dormir, abrigos) de Estados Unidos. Si bien la marca se iba desarrollando en sus productos anteriores, después lanzaron dos líneas de productos que lo cambiaron todo: Fuseform y Thermoball. Fuseform revolucionó en las técnicas de cómo se produce la ropa térmica y Thermoball introdujo un nuevo conocimiento en su forma sintética que es similar a la capacidad del plumón. Debido a su gran desempeño en sus productos, The North Face ha conseguido hasta ahora seguir traspasando los límites de la innovación que desde un inicio se habían propuesto explorarlos. El nombre de “The North Face” que en español significa “la cara norte” lo eligieron porque el lado norte de una montaña siempre es el más frío y difícil de escalar debido a la gran falta de sol mientras que su logotipo, que es un cuarto de círculo con dos líneas lo eligieron porque es una interpretación de la formación rocosa Half Dome en el parque Nacional de Yosemite en California, Estados Unidos.

El consumidor es una persona que satisface sus necesidades adquiriendo un producto, dependiendo de sus gustos, preferencias decidirá cuales son de su interés y ayudará a que estos se posicionen en el futuro.The North Face vio esto como una oportunidad de análisis de datos y logró implementar varios programas y estrategias para mejorar sus ventas. Estrategias como el poner en práctica a sistemas como WeatherCast, Watson IBM, VIPEAK y abrirse camino en el E-commerce que ha hecho a The North Face una empresa que despunte y sobresalga ante su competencia. El dueño de la empresa, Douglass, apasionado por la naturaleza, llegó al punto en el que sus ganancias eran tan altas que viendo el desarrollo de esta industria de la moda, decidió donar su dinero y salvar la Patagonia, había comprado varias áreas, con lo que también ayudó a la conservación de varios espacios naturales.

The North Face vio un problema en poder insertar su ropa en el mercado de Centroamérica, el 40% de sus productos para climas extremos no tuvo grandes ventas debido al buen clima que existe. Frente a esta problemática Happy Punk Panda, una agencia centroamericana de transformación digital creo “WeatherCast”, una aplicación que anticipa climas extremos: fuertes lluvias, vientos y bajas temperaturas gracias a su alta tecnología, una vez que la aplicación detecta estos cambios climáticos notifica a sus clientes por medio de e-mail o social media para que puedan estar preparados y compren los productos necesarios del catálogo de The North Face y los beneficia con grandes descuentos. WeatherCast fue la perfecta solución a un problema que lo venían analizando desde hace mucho tiempo por lo que el clima en esta región no estaba a su favor, sin embargo vieron esto no como un impedimento para seguir expandiéndose en otras regiones, sino más como una oportunidad que actualmente les ha dado buenos resultados y ahora The North Face tiene un amplio espacio en el mercado de Centroamérica.

Las compras en línea con los años también fueron un problema a resolver, ya que después de un análisis de datos se observó que el 70% de las personas que compran en línea abandonan su carrito de compras antes de finalizar y pagar, esto se debía a varios factores que pueden ser: tiempo en el que se demoran en seleccionar y buscar prendas de su preferencia, no tienen ningún tipo de asesoramiento a la hora de escoger, entre otros. Tomando en cuenta estos factores The North Face decide implementar Inteligencia Artificial y una vez que se descarguen la App de la tienda, automáticamente un servidor artificial los atenderá, este sistema se llama Waston de IBM. Watson es un sistema inteligente que es capaz de responder a preguntas formuladas con normalidad, el comprador podrá tener una experiencia del software Expert Personal Shopper (XPS) de Fluid, es decir, una conversacion en linea mediante un motor de recomendación intuitivos que dan resultado a diálogos impulsados. Este programa fue desarrollado por la empresa estadounidense IBM con la finalidad de que el consumidor tenga una experiencia de compra más atractiva y personalizada. El sistema es capaz de responder y preguntar al consumidor, es capaz de formular preguntas, por ejemplo “¿Qué características quieres que tenga tu chaqueta?”, una vez que el consumidor responde, el sistema empieza a arrojar todas las posibles opciones ante la decisión del cliente, ayudando a que ya no gaste tiempo en la App buscando la chaqueta que quiere y así que su tiempo en línea sea lo necesario como para llegar al paso de pago y no abandone el carrito antes, mejorando así el rendimiento y la eficacia de este servicio.

El marketing digital definitivamente ha tomado mucho más campo en la actualidad, el e-commerce ya no es algo nuevo, muchas empresas han sabido aprovechar la implementación de este servicio, claramente The North Face se ayudó de esta forma de venta para poder analizar qué producto es el más vendido, cuál no, y en cual tal vez están interesados sus clientes sin embargo no los compran. The North Face analizo sus ventas en líneas y se dio cuenta que no muchas personas se dan el tiempo de ver todos los productos del catalogo, solo se enfocan en productos específicos que saben que la marca está especializada en producir, por ejemplo, sus ventas en sacos de dormir, chompas, chaquetas para climas extremos y zapatillas eran los más vendidos, sin embargo no muchas personas compraban ropa o zapatos para correr. Debido a esto se hizo una encuesta a sus clientes, muchos de ellos confían en la marca, la recomiendan, las reseñas que dan son muy buenas sin embargo, no sabían que vendían productos para correr y The North Face aprovecha esta problemática para ampliar sus ventas y darse a conocer en este nuevo espacio, implementó descuentos o imágenes atractivas al consumidor para que logre conocer al producto y así despierte su interés por el.

Otro de los puntos a analizar por la empresa es la fidelización de sus clientes, The North si bien es cierto tiene una manera de analizar si sus clientes siguen activos con su marca, hacen que se suscriban periódicamente al correo electronico para asi poder mandarles informacion actualizada sobre nuevos productos o descuentos que tiene la tienda, pero esto no asegura nada. The North Face quería tener más contacto con sus clientes porque, debido a un análisis se pudo encontrar que como la ropa es de tan buena calidad los clientes no compran con tanta frecuencia con el minorista, sin embargo sus clientes fieles si compran por lo menos una vez al año. Gracias a este análisis The North face puso en práctica su programa de lealtad ViPeak, este programa busca que la lealtad de sus compradores sea recompensada y al mismo tiempo genere más interés en sus productos por medio de sus estrategias, por ejemplo, que en lugar de obtener descuentos en sus compras, logren ir acumulando puntos según la frecuencia con la que asistan a eventos organizados por la marca, logren tener más contacto con el medio ambiente, consejos sobre actividades al aire libre, poder conocer a un reconocido deportista, entre otros. Se dieron cuenta que este tipo de estrategias tenían mucho más valor para el cliente que un descuento, debían impulsar y ayudar en un estilo de vida saludable y amigable para el medio ambiente que genere compromiso con la marca.

En conclusión, el uso de big data y la inteligencia artificial han sido una herramienta de gran ayuda para el desarrollo de la marca. The North Face ha conseguido aumentar sus ventas en regiones en donde el clima no esta a su favor por medio de el programa de WeatherCast, ha logrado que sus ventas en línea sean mucho más personalizadas y atractivas por medio de la aplicación de Watson de IBM que sirve como un vendedor humano, ha logrado crear más interés en productos que los clientes no sabían que la marca produce por medio de un análisis en ventas en línea (e-commerce) y finalmente ha conseguido crear un programa que recompensa a sus clientes por su lealtad haciendo que su interés por los productos y la interacción con la marca sea mucho más notoria. Sin duda The North Face ha evolucionado de una manera significativa gracias a la ayuda que la inteligencia artificial y el big data le han podido brindar.

Referencias

Anon, 2021. El Millonario dueño de North Face DONÓ SU Fortuna PARA salvar La

Patagonia. Ecoosfera. Recuperado de:

Anon, The North face story. The North Face Story. Recuperado de:

https://www.thenorthface.com/about-us/our-story.html

Management, 2018. The north face: Innovación más allá de la marca –

managementsociety. Management Society. Recuperado de:

ca/

Nadia Cameron (CMO) 16 August, 2016 07:24, 7 ways the North face is using data

to make marketing more relevant. CMO Australia. Recuperado de:

https://www.cmo.com.au/article/605113/7-ways-north-face-using-data-make-m

arketing-more-relevant/

Parker, M., 2017. How the North face is using artificial intelligence to close the gap

between the in-store and… Medium. Recuperado de:

https://buzzrobot.com/how-the-north-face-is-using-artificial-intelligence-to-clos

e-the-gap-between-the-in-store-and-bea464ae0293

Sykes, N., 2020. 5 Empresas QUE UTILIZAN EL big Data y la IA para MEJORAR su

rendimiento. El blog de Kolabtree. Recuperado de:

https://www.kolabtree.com/blog/es/5-empresas-que-utilizan-grandes-datos-y-

ai-para-mejorar-el-rendimiento/

MARATHON SPORTS y su Business Intelligence

Data is the new science. Big data holds the answers. – Pat Gelsinger

Marathon Sports es una empresa ecuatoriana que se dedica a la confección, distribución e importación de ropa deportiva. Esta es reconocida a nivel nacional por ser el proveedor principal de los equipos de fútbol ecuatoriano, pues es provee uniformes a grandes equipos como: el Barcelona, Emelec y la liga de Quito. (Pérez, 2019) Asimismo, comercializa marcas como: Nike, Adidas, Reebook, Puma, entre otras. (Guerra, 2018) Por lo que ha tenido un alto reconocimiento en la industria deportiva como en los deportistas informales del país. 

Marathon tiene un alto nivel de transacciones, flujos de venta, tiendas abiertas durante la mayoría del día, entre otros. Lo que exige una gestion de datos avanzada debido a los constantes cambios en el mercado y la gran variedad de productos que se ofrece. Sin embargo, la forma en la que esta gestionaba estos datos era bajo modelos tradicionales como excel y analisis manuales dentro del grupo de TI (Grupo de Tecnología e Inteligencia) que no fue eficiente en su tiempo, pues retrasaban la toma de decisiones como la administración de productos. (Guerra, 2018)  Esto se puede ver en el año 2016 en el cual atendieron 6634 casos el grupo de soporte pero continuan los mismos problemas e incluso los proyectos que se debian realizar incrementaron su retraso en un 20% debido a una mala planificacion y ejecucion. (Guerra, 2018)  Lo que generaba pérdidas e incluso no permitia encontrar los problemas que limitaban la potencializacion de la empresa.  Por lo que la implementacion del big data era necesario para la prosperacion futura de la empresa. 

Esto llevó a que en el año 2016 firmen con SAP, una empresa multinacional alemana que se dedica a la gestión informática empresarial, que entre algunos indicadores generó una reducción del excedente de producto de 20% a 5%. Al igual que permite ver el comportamiento de los deportes, puntos calientes de venta, los productos que más se venden en ciertas temporadas para planificar inventarios, entre otros indicadores. (Expansión, 2016) Lo que ha permitido que la empresa se pueda adaptar al cambio constante y tener cifras inmediatas de los problemas que surgen y las mejoras que se realizan. Entre algunas conclusiones que resultaron del análisis de datos, para implementar cambios con la empresa, es que hay una necesidad para crear una aplicación móvil de Marathon Sports en el cual puedan realizar más facilmente las ventas. Esto se puede visualizar en el siguiente gráfico: 

(Imagen 2. Gallegos, 2015, p. 88) 

(Imagen 3. Gallegos, 2015, p. 87) 

(Imagen 4. Gallegos, 2015, p. 88)

De está forma ya tienen un mercado meta al que dirigirse en la creación de una aplicación, pues permitiria a los usuarios frecuentes poder encontrar facilmente los productos que buscan sin la necesidad de ir a la tienda. De igual manera, se puede ver que hay una necesidad tecnologica por parte de deportista de una cierta edad y con intereses deportivos, en el cual mayoria dio por votación acerca de sí tener una aplicación móvil. Lo que permitió tener un público objetivo al que será dirigido y una correlación entre estos en cuanto a sus preferencias. Lo que implementó a la creación de una aplicación móvil que beneficio a futuro a las ventas de la empresa. 

Por otro lado, se puede ver la relación entre los ingresos netos, ganancias y margen neto desdes el año 2016 al 2019:

(Imagen 4. Superdeporte, 2019. p.1)

En esta tabla se puede ver que los ingresos netos por ventas han incrementado considerablemente desde el 2016, pero se han mantenido e incluso reducido en cierto punto desde el 2017 hasta 2019. Lo que se puede dar por diferentes variables que afectan en la empresa y se pueden evidenciar dentro de los datos estipulados de la empresa. Sin embargo, el cambio tecnologico del año 2016 a 2017 es evidente, tras la contratación del grupo tecnologico “SAP” que incremento notablemente los ingresos netos en un año. 

De igual manera, la creación de la aplicación móvil y la implementación de un sistema de gestión informativo pudo reducir considerablemente los costos del almacén, la publicidad física e incluso el pago a analistas de trabajo manual que probablemente demoraban el proceso de decisiones y el encuentro de problemas.

Por lo que se puede decir que la aplicacion de análisis de datos en Marathon Sports ha tenido un impacto altamente beneficioso para la empresa, pues ha reducido costos de gestion de datos, agilizado la compra y venta de productos, al igual que la facilidad de localizar los problemas por medio de las tablas de datos. Lo que demuestra que toda empresa debería dar uso al analisis de datos para poder tener alcanzar su nivel de ventas esperado, estar al tanto de los cambios sociales, entre otros fenómenos. Así como Marathon Sports, podría mejorar e innovar su forma de evaluar la empresa y como está se ve afectada por factores externos e internos. 

Bibliografía:

Expansión. (2016). El análisis de datos, ¿la clave para vender más?. Recuperado de: 

https://expansion.mx/tecnologia/2016/09/15/el-analisis-de-datos-la-clave-para-vender-más

Guerra Navarrete, C.P. (2018). Análisis de la factibilidad de la aplicación de herramientas informáticas en el seguimiento de los procesos empresariales dentro del área de Tecnología de la Información del Grupo Marathon Sports. Recuperado de: 

Gallegos, R. (2015). Desarrollo del Modelo de Negocios de Canvas, en el diseño de una aplicación móvil que sirva como motor de búsqueda de productos tangibles, aplicable a cadenas de negocio que manejen el modelo de ventas en percha. Recuperado de: 

Pérez Andino, E. M. (2019). Modelo de Gestión de Talento Humano para las empresas comercializadoras de ropa e implementos deportivos. Caso: Marathon Sports. Recuperado de: 

http://www.dspace.uce.edu.ec/bitstream/25000/19301/1/T-UCE-0003-CAD-185.pdf

SAP. (2019). Marathon Sports: integridad y agilidad en los datos para una gestión exitosa a través de SAP. Recuperado de: https://mundodatosblog.files.wordpress.com/2022/01/72ac1-sap_profile_marathon-sports_19-12-12.pdf

Burberry y su uso de big data

Burberry fue fundada por Thomas Burberry en 1856, lo que la convierte en una de las marcas de moda más antiguas que existen en la actualidad. Por aquel entonces, Burberry seguía siendo una empresa familiar, pero debido a su creciente tamaño y estatura, ahora ha asumido el estatus de sociedad anónima. Es una marca de diseño londinense, que lleva más de 164 años en el mercado, tenga la experiencia necesaria para producir algunas de las mejores prendas y accesorios que la industria puede ofrecer a sus clientes. Su historia va incluso más allá de la alta costura y se adentra en el territorio de la Primera Guerra Mundial, donde diseñaron como marca las chaquetas de los oficiales británicos.

Con más de 400 tiendas en 50 países, la marca de herencia británica es uno de los principales actores de la industria de la moda de lujo. Con el cambio a la venta online, la marca, en 2006, decidió reposicionarse hacia la tecnología digital con el objetivo de no ser un mero actor en el espacio digital, sino una fuerza dominante.

Por otro lado, Burberry fue quien invento la gabardina para el uso en telas y prendas de vestir. La marca de moda de lujo Burberry es conocida por muchas cosas. Por ejemplo, los característicos colores de los cuadros escoceses, la clásica gabardina y las bufandas de cachemira. Pero hay dos cosas que quizá no sepa que la marca está abriendo camino: la inteligencia artificial y el big data.

Su éxito, logrado mediante el uso de inteligencia artificial y big data para mejorar las relaciones con los clientes y las ventas, ha sido asombroso.

Burberry se dio cuenta rápidamente de que los clientes estaban dispuestos a compartir sus datos personales, siempre y cuando eso mejorara sus vidas. Este descubrimiento se utilizó para animar a los clientes a proporcionar sus datos personales al inscribirse en programas de fidelidad y recompensas. La información obtenida se utilizó para ofrecer recomendaciones de productos adaptadas a las preferencias de los clientes, tanto en las tiendas como en Internet.

Sabemos que esto no es nuevo: las empresas llevan mucho tiempo utilizando los datos de los clientes para promover ofertas personalizadas. Sin embargo, Burberry ha dado un paso más al compartir datos como los hábitos en las redes sociales y el historial de compras con los asistentes de la tienda a través de una tableta. Así, la próxima vez que vayas a una tienda de Burberry, el asistente de ventas te dará sugerencias de bolsos basadas en el último abrigo que hayas comprado en ellos. Además, los productos de las tiendas están equipados con etiquetas RFID que envían información a los móviles de los clientes, proporcionando información como recomendaciones de productos y sugerencias de estilo. Antes, este tipo de experiencia de compra tan personalizada se limitaba a la venta online. La entonces consejera delegada de Burberry, Angela Ahrendts, explicó que la estrategia consistía en hacer que «pasar por nuestras puertas fuera como entrar en nuestra página web».

La transformación digital hizo que la marca de lujo aumentara en un 50% el número de clientes que repiten, gracias a la tecnología de vanguardia y a la experiencia de compra sin fisuras. En lo que respecta a la tecnología, Burberry fue pionera en la adopción de nuevas tecnologías y diversos canales en el sector del lujo. Fue la primera marca del mundo en utilizar la función Snapchat y también la primera en tener su propio canal de Apple Music. La empresa también aprovechó los chatbots de Facebook durante la Semana de la Moda de Londres en 2016 para ofrecer actualizaciones a los clientes. Desde entonces, el chatbot se ha expandido a otros servicios como la asistencia al cliente. De hecho, incluso se puede utilizar el chatbot para organizar un viaje en Uber a la tienda de Burberry más cercana.

La compañía no se detendrá ahí, ya que sigue buscando nuevas formas de revolucionar la tecnología para mantener su posición como pionera en el segmento del lujo. Burberry quiere introducir la IA en otras áreas de operaciones, como la producción y el desarrollo de productos. Aunque la moda de alta gama y la tecnología pueden ser una pareja poco probable, Burberry sigue prosperando al crear una experiencia de comercio electrónico inmersiva para sus clientes. Será interesante ver si más marcas de lujo se suben al carro y si la IA se convertirá en una fuerza omnipresente en el mundo de la moda de lujo. Hoy en día, no basta con lanzar un sitio móvil o invertir en imágenes de alta calidad. Al fin y al cabo, vivimos en la era digital y no hay forma de escapar de ella.

Fuentes

España, B. (n.d.). Nuestra historia | Burberry. Burberry España. https://es.burberry.com/nuestra-historia/

Jain, V. J. B. (2018, April 18). Big Data Drives Luxury Brands Growth Beyond Digital. Luxe Digital. https://luxe.digital/business/digital-luxury-reports/big-data-drives-luxury-brands-growth-beyond-digital/

Tung, C. (2020, July 4). Burberry: What Makes the Luxury Brand So Unique? Maggwire. http://www.maggwire.com/burberry-what-makes-the-luxury-brand-so-unique/

AliExpress y su análisis de datos.

Mejora de proceso de AliExpress mediante análisis de datos

AliExpress es un servicio minorista ubicado en China propiedad del Grupo Alibaba. Fue lanzado por primera vez en 2010 y está formado por pequeñas empresas en China y otros lugares, como Singapur, que ofrecen productos a compradores internacionales en línea. Dentro de esta plataforma online se puede encontrar una variedad de productos que actualmente pueden ser comprados en grandes volúmenes también (Tollo, 2020).

AliExpress comenzó como un mercado de compra y venta de business-to-business y desde entonces se ha expandido hasta llegar a ser business-to-consumer y consumer-to-consumer. A 2016, el sitio web puede encontrarse en inglés, español, alemán, francés, turco, entre muchos otros idiomas. Se diferencia de Amazon en el hecho de que AliExpress es una plataforma de E-commerce y no está diseñada para vender productos directamente a consumidores, sino que sirve como un intermediario entre compradores y vendedores (Tollo, 2020). En noviembre de 2020, el gobierno de India prohibió AliExpress y otras cuarenta y dos aplicaciones provenientes de China por ser “perjudiciales para la soberanía e integridad de India” (Khaliq, 2020).

El detallista más importante de Rusia es AliExpress. Actualmente, la cuota de mercado de comercio electrónico de AliExpress en Rusia ha crecido de manera exponencial. Sin embargo, no se debe olvidar que la demanda en este mercado está creciendo aún más. Este mercado es de alta tecnología e innovador y, por tanto, muy competitivo (Lukicheva, 2018). Con esto en mente, se buscaba analizar los mejores canales de difusión en redes sociales para alcanzar el máximo de exposición.

En la fase preliminar del estudio, se buscó obtener feedback por parte de los consumidores, viendo los sitios más visitados por ellos, así como las comunidades formadas en redes sociales. Dentro del estudio se consideraron plantearon varios objetivos. Entre ellos identificar el componente clave que hace que AliExpress sea tan popular dentro del mercado ruso, sistematizar las ventajas y desventajas de la plataforma y evaluar el nivel de satisfacción de los consumidores (Lukicheva, 2018).

En la segunda fase, El propósito es evaluar la lealtad de los consumidores al uso de los métodos de Big Data por parte del minorista en línea AliExpress para identificar y seguir utilizando sus preferencias personales. Entre las tareas planteadas se encuentran identificar las características del consumidor promedio en la plataforma, evaluar la relevancia y efectividad de la publicidad mostrada, analizar la actitud de los consumidores hacia la data recolectada sobre ellos para mostrar anuncios personalizados y evaluar la presencia de una conexión estadísticamente significativa entre la relevancia de los bienes ofertados por la empresa y la actitud de los consumidores frente a los datos recogidos sobre ellos (Lukicheva, 2018).

Una vez realizado el análisis, se encontraron ventajas y desventajas. Dentro de las primeras se mencionan la amplia variedad de productos, precios menores en comparación a puntos de venta conocidos, métodos de pago convenientes, ahorro de tiempo de compra, entre muchos otros, mientras que dentro de las desventajas se encuentran que en varias ocasiones existen productos defectuosos, largos tiempos de espera para recibir el producto y la imposibilidad de evaluar el producto en vivo (Lukicheva, 2018).

Para llevar a cabo el procesamiento de datos, se realizó una encuesta en la que se buscó identificar los canales más apropiados para la distribución de información de AliExpress en Rusia, considerando como población a personas de entre dieciocho a veintidós años de edad de 14 regiones diferentes en donde se encontró que las redes sociales más populares fueron VKontakte (94% de usuarios), Instagram (61% de usuarios) y Youtube (61% de usuarios). Una vez acabada la encuesta y, en conjunto con el análisis realizado con anterioridad, se llega a varias conclusiones en donde se demuestra que al calificar la utilidad de la publicidad en las distintas redes sociales, 35% considera que el contenido es intrusivo mientras que un 53,4% se muestra neutral, dejando un 12,2% de personas que piensan que el contenido es relevante. También se halló un coeficiente de correlación del 0.93, lo que quiere decir que existe una relación estadística cercana entre los productos mostrados a los consumidores y su actitud hacia la publicidad mostrada (Lukicheva, 2018).

A raíz de la investigación, se implementaron mejoras como añadir más funciones al sitio web, creación de búsqueda mediante imagen y búsqueda de productos similares. Es así que se concluye que el uso de Big Data es crucial para el desarrollo y crecimiento de una empresa en un mercado en particular así como en mercados internacionales.

Bibliografía

Khaliq, R. U. (25 de 11 de 2020). AA. Obtenido de https://www.aa.com.tr/es/cultura/china-critica-la-prohibici%C3%B3n-a-varias-aplicaciones-m%C3%B3viles-de-su-pa%C3%ADs-en-india/2056088

Lukicheva, T. (2018). BIG DATA AS A SUCCESS FACTOR OF ALIEXPRESS IN THE RUSSIAN MARKET: ADVANTAGES AND OPPORTUNITIES AS SEEN BY THE EYES OF CONSUMERS . St. Petersburg: Atlantis Press.

Tollo. (27 de 5 de 2020). Ebay vs AliExpress. Obtenido de Ebay vs AliExpress: https://www.tollotoshop.com/ebay-vs-aliexpress-better/

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