Fac
ulta
d de
Cie
ncia
s S
ocia
les
y Ju
rídi
cas
DE TÉCNICAS DE ANÁLI
UNIVERSIDAD DE JAÉN
Facultad de Ciencias Sociales y Jurídicas
ESTUDIO DE LAS POSIBILIDADES DEL US
DE TÉCNICAS DE ANÁLIDE BIG DATOS PARA
PYMES
María del Pilar Sánchez Pulido
Julio, 2015
AÉN
Facultad de Ciencias Sociales y Jurídicas
STUDIO DE LAS POSIBILIDADES DEL US O
DE TÉCNICAS DE ANÁLI SIS ATOS PARA
PYMES
María del Pilar Sánchez Pulido
2
Contenido
CONCEPTO DE PYME ................................................................................................... 3
TIPOS DE PYMES .......................................................................................................... 4
PYMES EN ESPAÑA ...................................................................................................... 5
LA COMPETITIVIDAD DE LAS PYMES ESPAÑOLAS ANTE EL RETO DE LA GLOBALIZACIÓN ......................................................................................................... 9
VENTAJAS Y DESVENTAJAS DE LAS PYMES ESPAÑOLAS .............................. 12
QUE ES EL BIG DATA ................................................................................................ 14
TIPOS DE BIG DATA ................................................................................................... 16
ANÁLISIS DE DATOS ................................................................................................. 17
EVOLUCIÓN DEL BIG DATA .................................................................................... 18
CARACTERÍSTICAS DE BIG DATA (5 V’s) ............................................................. 19
EJEMPLO TESCO ......................................................................................................... 19
CÓMO EL BIG DATA AYUDÓ A T-MOBILE A REDUCIR A LA MITAD EL NÚMERO DE PORTABILIDADES ............................................................................. 21
COMO USAN LAS EMPRESAS EL BIG DATA ........................................................ 22
RELACIÓN DE PYMES Y BIG DATA ....................................................................... 25
PROYECTO DE IMPLANTACIÓN DE BIG DATA EN PYMES .............................. 27
SUMMARY . ................................................................................................................. 33
RESUMEN ..................................................................................................................... 34
BIBLIOGRAFÍA ............................................................................................................ 35
3
CONCEPTO DE PYME
Para definir bien el concepto de Pyme lo ideal es buscar en la definición que da la
Unión Europea ya que es la más fiable y actualizada. En el artículo 2 del anexo de la
Recomendación 2003/361/CE podemos encontrar la definición de la sigla “PYME”
como al categoría de microempresas, pequeñas y medianas empresas está constituida
por empresas que ocupan a menos de 250 personas y cuyo volumen de negocios anual
no excede de 50 millones de euros o cuyo balance general anual no excede de 43
millones de euros. Esto nos lleva a hacernos una idea de el tamaño de una pyme.
Buscando en las bases de la Unión Europea nos encontramos con a que se refiere en
término de “PYME”, pues bien estas siglas pertenecen a “pequeñas y medianas
empresas”. Esto está recogido precisamente en “Recomendación 2003/361 de la UE”.
Para poder determinar si una empresa pertenece a la categoría de pyme debemos de
estudiar dos factores principales uno referido a los empleados y otro a su volumen de
negocios.
1. El número de empleados con el que cuenta la empresa, ya que si supera los 250
empleados deja de ser pyme.
2. Volumen de negocios o volumen general debe de estar por debajo de los 50 millones
de euros.
Aquí se adjunta tabla en modo resumen sobre como quedarían las categorías de las
empresas:
Categoría de la empresa
Empleados Volumen de negocios Balance General
Microempresa <10 <2 millones de euros <2 millones de euros Pequeña <50 <10 millones de euros <10 millones de euros Mediana <250 <50 millones de euros 43 millones de euros
Fuente comisión Europea. Empresa e industria
Estos límites solo se deben de aplicar a las cifras correspondientes a las empresas
autónomas. Es posible que las empresas que forman parte de un grupo mayor tengan
que incluir también los datos relativos al número de empleados, volumen de negocios o
balance general del grupo al que pertenecen.
4
En el libro “la nueva definición de PYME” podemos encontrar una declaración de
Gunter Verheugen, Miembro de la Comisión Europea, donde cita lo siguiente:
“las microempresas y las pequeñas y medianas empresas son el motor de la economía
europea .Constituyen una fuente fundamental de puestos de trabajo, generan espíritu
empresarial e innovación de la UE y, por ello son vitales para promover la
competitividad y el empleo”
En la Unión Europea existen alrededor de 23 millones de PYME, estas aportan 75
millones de puestos de trabajo .De esta forma consiguen representar el 99% de todas las
empresas. Por ello es de gran interés para la Comisión Europea promover el crecimiento
económico, la creación de empleo y la cohesión económica y social en apoyar a las
PYME.
TIPOS DE PYMES
Las Pymes se pueden llegar a clasificar de dos formas:
• La primera forma consiste en aquellas empresas en las que constan de una
organización y de una estructura. Estas empresas están constituidas por un
trabajo remunerado, un capital más fuerte, un propietario de la empresa y se
desarrollan de una manera formal en la economía.
• La segunda está formada por aquellas de índole familiar que se caracterizan por
una gestión sin ánimos de crecer. Esto se debe a que su único objetivo es
sobrevivir como negocio y no aprovechar las oportunidades para invertir su
capital.
5
La clasificación de Pymes se podría considerar de la siguiente forma:
El tamaño de la empresa se podría determinar a partir de la siguiente fórmula:
Tamaño = (Número de trabajadores x 10%)+ (Número de ventas anuales x 90%)
Con el uso de esta fórmula podemos calcular el tamaño de la Pyme sin ningún
problema.
PYMES EN ESPAÑA
“Las pymes son la columna vertebral, tanto de la economía española como de la
europea” (Acs & Audretsch, eds., 1990).
Fuente: INE, DIRCE 2012(datos desde 1/1/2012) y Comisión Europea, Anual Report on UE SME
2012.Estimaciones para 2011.
Como se muestra en la tabla se representa la distribución de empresas según el número
de asalariados y porcentaje total en España y en la Unión Europea en el año 2011. En
dicha tabla podemos ver que las cifras de España en cuanto al resto de los otros países
6
europeos no son muy diferentes. Como se puede ver en el total Pyme tanto en España
como fuera la cifra es prácticamente la misma.
Aunque en la subclasificacion se muestran las primeras diferencias más notables. Como
son que las microempresas en España están más presentes que en el resto de la UE, con
un incremento de un 3,3% más en nuestro país. Esto se puede deber a que en España el
sector servicios tiene una gran importancia y una mayor dependencia del turismo frente
a la UE en general.
Al observar la tabla podemos sacar como consecuencia que las microempresas (aquellas
con un máximo de 9 empleados) son el gran motor de la economía tanto europea como
española.
Centrándonos en España podemos tomar como referencia las estadísticas publicadas por
el ministerio de Empleo y Seguridad Social. En ellas podemos ver que en el 2014 por
ejemplo había un total de 1 255613 empresas en nuestro país de las cuales 1251717 eran
de la categoría PYME frente a 3896 que constaban con más de 250 trabajadores.
En términos de 2015 podemos hablar de que las Pymes son las que han aumentado solo
desde enero hasta marzo 9671 empresas más. A diferencia de solo 54 grandes empresas
que han surgido en estos dos meses. En términos de porcentaje podemos hablar de un
aumento de pymes en tres meses de un 0.75% frente a un aumento de un 3% de grandes
empresas.
Aunque las Pymes desde 2011 han descendido, a finales de 2011 contábamos con un
total de 1288171 empresas y en marzo 1247111, lo cual nos indica un descenso de un
3,19%.
Todos estos datos vienen indicados en la siguiente tabla:
7
Fuente: Ministerio de Empleo y Seguridad Social. Estadística de empresas inscritas en la Seguridad Social.
8
Desglosando la tabla podemos ver que todos los tipos de Pymes han disminuido.
Calculando su porcentaje como año base 2011 (diciembre).
Fuente: Ministerio de Empleo y Seguridad Social. Estadística de empresas inscritas en la Seguridad Social.
Como se muestra en la tabla las Pymes han descendido un 3,19% siendo un total de
41060 empresas menos en el mercado español.
El tipo de Pyme que más ha sufrido ha sido la que engloba de 10 a 49 trabajadores ,la
cual ha disminuido 7184 empresas menos con respecto a diciembre de 2011 ,es decir ,
en marzo existía un 5,23% menos que a finales de 2011.
Otro detalle a resaltar es que la que menos ha disminuido ha sido la Pyme más grande
(de 50 a 249 trabajadores), es decir que han disminuido solo un 1,58% con respecto a
finales de 2011 .Actualmente se tiene constancia de que existen 334 empresas menos
que en 2011.
En el campo de las otras empresas las grandes empresas no han sufrido una caída tan
fuerte como las Pymes, incluso las empresas con más de 499 trabajadores han
aumentado un 0,55%.
No obstante la empresas de 250 a 499 trabajadores han disminuido en base a 2011 un
1,83%.
En cuanto al porcentaje de cómo han ido aumentando las empresas en base a un año se
muestra a continuación:
9
Fuente Ministerio de Empleo y Seguridad Social. Empresas según el tamaño de la empresa.
LA COMPETITIVIDAD DE LAS PYMES ESPAÑOLAS ANTE EL RETO DE LA GLOBALIZACIÓN
La competitividad de las empresas de un país es algo muy importante ya que determina
la competitividad del mismo y finalmente el dinamismo de la actividad empresarial, el
crecimiento y el empleo de una nación. Hay que recordar que la economía española está
caracterizada por un peso elevado de las pequeñas y medianas empresas por ello la
competitividad de las pymes es determinante para la competitividad del país.
La dinámica competitiva e internacional de la empresa española durante las tres últimas
décadas relata un fuerte proceso de cambio estratégico y organizativo, determinado
10
también por las profundas transformaciones en el entorno tanto nacional como
internacional. El estímulo a la competencia que supuso la liberalización de la economía
española y su integración en el mercado comunitario han dado lugar a la mejora de la
eficiencia de la empresa nacional, favoreciendo el progreso técnico, la modernización
de las estructuras, la profesionalización de la dirección y la innovación organizativa.
Por ello podríamos decir que la empresa española está lejos de aquella imagen de
antigüedad y poca innovación como estaba vista antes en Europa. Esto se ha logrado
gracias a la adopción de otras prácticas competitivas dado lugar a un continuo
crecimiento que ha dado lugar a una mayor intensidad multinacionalizadora y
exportadora.
Este gran cambio comenzó en el periodo que parte desde 1993 a 2003 la inversión neta
exterior española había alcanzado una cifra sorprendente de 205.000 millones de euros,
un 36% fueron invertidos en Iberoamérica. En el año 2005, España había conseguido
posicionarse en el octavo país inversor directo en el exterior. En 2006, la inversión
aparejada por operaciones corporativas realizada por empresas españolas en el
extranjero consiguió un crecimiento interanual de un 137%, es decir, un incremento de
135000 millones de euros.
Esto se ha conseguido gracias a la aparición de más de 850 empresas multinacionales
españolas desde 1998. Como podemos observar en la siguiente tabla en el año 2007
habríamos llegado a que un total de 6002 empresas españolas, entre ellas Pymes, con
una inversión en el exterior.
11
Fuente: LA COMPETITIVIDAD DE LAS PYMES ESPAÑOLAS ANTE EL RETO DE LA GLOBALIZACIÓN
Un caso interesante de cómo una Pyme andaluza puede crecer internacionalmente con
un producto de calidad es la firma sevillana Industrias Sombrereras Españolas (Isesa),
que ha logrado ser la segunda mayor fabricante mundial de sombreros para los judíos
ortodoxos en 2006, o asumir la producción del tocado exhibido por Indiana Jones en
2008, gracias a su acuerdo con Adventurebilt.
Fuente: de Lucio, Mínguez y Álvarez (2007)
En el grafico de arriba se expone la distribución de las empresas exportadoras españolas
según su tamaño. El 97% de las empresas exportadoras son pymes, y un 44% tienen
entre 1 y 10 empleados.
12
VENTAJAS Y DESVENTAJAS DE LAS PYMES ESPAÑOLAS
Las Pymes son una excelente opción para pensar a lo grande y conseguir desarrollar un
proyecto de empresa con un posible crecimiento. Como cualquier variable que se
estudie cuenta con ventajas y desventajas. Primero veremos sus ventajas y después sus
desventajas
Las ventajas en las Pymes españolas son:
-Cuentan con una enorme flexibilidad ya que mientras menos personas formen una
estructura más independencia habrá y mas rotativita de actividades.
-Pioneras, ya que son un indudable motor importante para el desarrollo del país.
-Garantía de Progreso cuentan con la posibilidad de crecimiento, es extraño que alguna
empresa no tenga objetivo de crecer en vista a un periodo de tiempo determinado.
-Su función consiste en proveer de de bienes y servicios a los ciudadanos.
-Innovadoras y creativas.
-Equilibran la sociedad evitando monopolios por parte de grandes compañías,
consiguiendo una influencia en el precio final del producto.
-Aportan a la productividad global.
-Importantes empleadores, absorben una importante porción de la población
económicamente activa para dar trabajo.
-Evitan la concentración, se establecen en diversas regiones del país de acuerdo a su
giro en la producción, de esta forma el empleo en un país consigue un cierto equilibrio
en cierto modo y de esta forma consiguiendo un equilibrio regional.
-Dinamizan la economía.
-Ayudan a la movilidad social.
13
Los inconvenientes de las Pymes españolas son:
-Sensible a entornos negativos, ya que son las que más sufren la crisis económica
actual, al ser más pequeñas disponen de menos recursos para estar preparadas a los
cambios de economía.
-Desinformadas y no comunicadas, esta desventaja influye notablemente en que los
dueños de las pymes no tienen el mismo interés en formarse que los dueños de grandes
empresas.
-Bajo volumen en su producción y ventas este inconveniente desencadena que no
puedan llegar a igualar la oferta de grandes superficies.
-Retraso tecnológico, no se reciclan con el paso del tiempo consiguiendo una gran
desventaja respecto a las grandes cadenas.
-Falta de organización que trae como consecuencias problemas en las ventas, debilidad
competitiva, mal servicio, mala atención al público, precios altos o calidad baja en sus
servicios o productos, mala ubicación, problemas de impuestos.
-Problemas de acceso al financiamiento adecuado y oportuno.
-Carencia de estrategias para crecer. La calidad de la producción cuenta con algunas
deficiencias porque los controles de calidad son mínimos o no existen.
-Dificultades de gestión, al no poder contratar a un personal eficiente no se pueden
gestionar correctamente siempre.
-Baja productividad. No pueden absorber los gastos de capacitación y actualización del
personal, pero cuando lo hacen, enfrentan el problema de la fuga de personal
capacitado. Esto genera un miedo a invertir en sus trabajadores por ello remitiría a un
efecto “anti reciclaje”.
-Falta de comunicación interna y externa (estrategias de publicidad y marketing).
-Crecimiento no planificado. Es difícil contratar personal especializado y capacitado por
no poder pagar salarios competitivos con las grandes empresas.
14
Una vez visto en qué consisten las pymes, sus tipos, sus características y sus ventajas y
desventajas pasamos a ver que es el famoso término Big Data y su influencia en las
pymes y en la sociedad actualmente.
QUE ES EL BIG DATA
Antes de definir este término tenemos que estudiar que tendencias importantes existen
actualmente las cuales consisten en:
• La digitalización de prácticamente “todo” desencadena la necesidad de nuevos
tipos de grandes datos en tiempo real en un amplio abanico de sectores. Muchos
de ellos son datos no normalizados: por ejemplo, datos en streaming,
geoespaciales o generados por sensores que no encajan bien en los warehouses
relacionales, tradicionales y estructurados.
• Otra importante tendencia se basa en las tecnologías y técnicas de análisis
avanzado de hoy en día que permiten a las empresas extraer conocimientos de
los datos con un nivel de sofisticación, velocidad y precisión nunca antes visto.
Estas dos tendencias desencadenan que el volumen de los datos masivos crezca
constantemente. En 2012 se estimaba su tamaño de entre una docena de terabytes hasta
varios petabytes de datos en un único conjunto de datos. De estas particularidades
desencadena el concepto de “Big Data” que se refiere a la acumulación masiva de datos
aunque también puede ser conocido como “datos masivos” o “datos a gran escala”.
Aunque desde hace años atrás las empresas y administraciones guardaban información
acerca de los ciudadanos estas no contaban con la capacidad para procesar grandes
volúmenes. Por ello El Big Data surgió debido a la bajada de costes de almacenamiento,
el aumento en velocidad de procesamiento y la aparición de la computación paralela
masiva y de software.
Según el MGI podemos definir el término “Big Data” como activos de información
caracterizados por su alto volumen, velocidad y variedad, que demandan soluciones
innovadoras y eficientes procesadas para la mejora del conocimiento y la toma de
decisiones en las organizaciones.
Esto nos lleva a entender “Big Data” como la gestión y análisis de grandes volúmenes
de datos que superan los límites y capacidades de herramientas de software
15
convencionales, ya que son utilizadas para la captura, gestión y procesamiento de datos.
Gracias a esta tecnología las grandes cantidades de datos se pueden analizar de forma
rápida y eficaz sin ningún problema sin importar que provengan de fuentes muy
diversas. Una parte de estos datos se recogen mediante llamadas telefónicas,
transacciones bancarias o búsquedas en Google. Este gran uso de enormes volúmenes
de datos nace de la necesidad en la mayoría de los casos de incluir los datos
relacionados del análisis de un gran conjunto de datos, como pueden ser los análisis de
negocios.
El análisis de datos cuenta con una gran utilidad ya que consigue encontrar relación
entre datos que parecen en un principio no compartir nada en común. Es muy útil para
detectar correlaciones sutiles que pueden perderse al analizar conjuntos de datos más
pequeños para realizar diagnósticos y previsiones en diversas áreas. Por ello cuenta con
una gran utilidad para empresas, organizaciones y el público en general ya que detecta
patrones, tendencias y correlaciones para poder tomar decisiones informadas.
Según el estudio realizado por IBM más del 70% de los directivos dedicados a las
aéreas de banca y de seguros encuestados afirmaron que la utilización de la
información, incluyendo el Big Data, está creando una ventaja competitiva a sus
organizaciones, lo que conlleva a generar notablemente los ingresos de estas
organizaciones. Esta ventaja competitiva se debe a que el Big Data beneficia a las
empresas en marketing, operaciones o gestión del riesgo. Es un gran reto, en especial
para las pymes, poder analizar la información que poseen de sus clientes, competidores,
del mercado, etc y lograr que los resultados puedan influir positivamente en las
decisiones estratégicas de estas a menor escala que las grandes empresas.
Sin embargo muchas personas tienen conceptos diferentes de Big Data en una encuesta
realizada por IBM se observó como un grupo de personas daban definiciones diferentes
del Big Data en cierta medida. Dicha encuesta fue realizada a 1144 personas y dio pie a
los siguientes resultados:
16
Fuente: IBM Global Business Services Business Analytics and Optimisation.
Como podemos observar solo un 7% lo asocio con Datos en redes sociales mientras que
un 18 % lo relaciono con un mayor ámbito de información y un 16% con nuevos tipos
de datos y análisis. Además hay que resaltar que un 15% resalto una información en
tiempo real. Los resultados reflejan que las iniciativas Big Data que se están llevando a
cabo están relacionadas principalmente con el análisis de clientes por parte de las
organizaciones y con la intención de extraer conocimiento de nuevas o existentes
fuentes internas de datos.
Una vez visto en qué consiste el término Big Data nos disponemos a ver cuantos tipos
de Big Data existen.
TIPOS DE BIG DATA
Observando Wikipedia podemos ver que existen tres tipos de Big Data, estos son:
• Unstructured Data (Datos no estructurados): Carecen de un formato específico
ya que los datos conservan el formato en el que fueron recolectados. Esto
conlleva que no se puedan almacenar en una tabla para no desgranar su
información a tipos básicos de datos. Ejemplo de datos no estructurados son los
e-mails, los documentos de texto o los PDF.
• Semistructured Data (Datos semiestructurados): Son datos poco comunes como
para ser gestionados de forma estándar .Este tipo de datos no están limitados a
17
campos determinados pero cuentan con marcadores que consiguen separar los
diferentes elementos. Algunos ejemplos de datos semiestructurados son HTML,
XML o JSON.
• Structured Data(Datos estructurados): Estos datos tienen bien definidos su
longitud y su formato como los números o las cadenas de caracteres. A
diferencia de los datos no estructurados estos si se almacenan en tablas .Un
ejemplo son las hojas de cálculo.
ANÁLISIS DE DATOS
Los datos necesarios se almacenan según diferentes tecnologías de almacenamiento por
ello existen diversas técnicas de análisis de datos. Entre ellas podemos encontrar:
• Text Analytics (Análisis de texto): Actualmente gran parte de los datos generados
por las personas son textos, tal como e-mails o búsquedas en páginas web. Por
ello el “Análisis de texto” permite extraer información de estos datos y poder
modelar los temas para predecir asuntos o palabras.
• Data Mining (Minería de datos): Consiste en encontrar comportamientos
predictivos para ello contiene un conjunto de técnicas que combina métodos
estadístico y de machine learning con almacenamiento de base de datos. La
minería de datos está muy relacionada con los modelos utilizados para descubrir
patrones en grandes cantidades de datos.
• Asociación: Trata de encontrar relación entre diferentes variables. Parte de la
premisa de casualidad encontrando una predicción en el comportamiento de
otras variables.
• Clustering(Agrupación):También es conocido como análisis de cluster ,es un
tipo de minería de datos que consiste en dividir grandes grupos de individuos en
grupos más pequeños de los cuales no se tenía constancia de su parecido antes
del análisis. De esta forma se pueden descubrir nuevas cualidades que definen a
estos grupos. La técnica de Agrupación es una metodología favorable para
encontrar relaciones entre resultados y hacer una evaluación preliminar de la
estructura de los datos analizados. Para el Clustering existen diversas técnicas y
algoritmos. Aunque según otros autores este grupo sería considerado dentro de
Data Mining .
18
EVOLUCIÓN DEL BIG DATA
Se ha creado la segunda revolución industrial debido al creciente uso de dispositivos
móviles y su desarrollo de redes sociales, esto lo afirma la Asociación Profesional
Española de Privacidad. A este uso se le ha unido la existencia de tecnología que
extrapola ingentes cantidades de datos estructurados y no estructurados, de diferentes
fuentes, en información analítica. Todos estos cambios ofrecen la posibilidad de
evaluar, analizar, medir, comparar datos, cifras....Esto ha dado lugar a la era del Big
Data y a la evolución del Internet de las Cosas “IoT”.
Según las estadísticas que se realizaron en 2010, existían aproximadamente 80 millones
de dispositivos M2M (machine to machine) en el mundo. En 2015, la “AAA”
(Asociación de Electrónica de Consumo) espera que se alcancen los 25000 millones de
dispositivos conectados y estiman que en 2017 habrá sobre 42 millones de coches
inteligentes. Sin embargo, se estima que en 2020 la cifra llegue hasta los 50 billones
americanos.
La “GMSA” (Global Telecommunication Association) predice que el “IoT producirá
$4,5 trillones de ingresos en 2020, de los cuales 635000 millones de dólares procederán
de servicios de juego y entretenimiento. Otros expertos lo contradicen llegando a
afirmar que esta cifra será de $7,1 trillones en el 2020.
Todo esto confirma que la inversión en Big Data de las empresas no va a acabar pronto.
19
CARACTERÍSTICAS DE BIG DATA (5 V’s)
En el sitio web Informa BTL podemos encontrar las 5 V’s del Big Data en el cual se nos
explica que para entender mejor el comportamiento del Big Data debemos dividir el
concepto en cinco aspectos, conocidos como las 5 V’s. Estos consisten en:
• Volumen de los datos: una gran cantidad de información producida en muy poco
tiempo. Ésta se genera a través de redes sociales, correo electrónico,
aplicaciones móviles, navegación cotidiana por Internet, etcétera.
• Velocidad con la que se generan los datos: ya se mencionaba la rapidez con que
se genera la información: 5 exabites cada 10 minutos.
• Variedad de los datos: existen tres clases de datos mencionadas anteriormente.
• Valor: qué parte de esos 5 exabites es valiosa. De los datos generados hay que
estudiar qué porcentaje es valioso y cual no.
• Veracidad de los datos: no toda la información generada es confiable, incluso
hay muchas mentiras generadas todos los días. Es necesario analizar los datos y
determinar cuál es confiable y cuál es incorrecta.
Una vez visto en qué consiste el concepto de Big Data, sus características y tipos
nos disponemos a observar como la utilización del Big Data por parte de empresas
les ha supuesto ventajas.
EJEMPLO TESCO
En el sitio web “dataconomy” nos encontramos con el curioso caso de como Tesco supo
aprovechar los datos de sus clientes al máximo. Desde la década de 1990, Tesco se
enfrentaba a numerosos desafíos en su modelo de negocio existente por ello necesitaba
encontrar una manera de superarlos. Nuevos lugares como Greenfield, que se utiliza
20
para convertirse en hipermercados eran difíciles de conseguir y la competencia a través
de las cadenas existentes y los recién llegados en el sector fueron en general muy
fuertes. Así que en 1995, Tesco introdujo una gran novedad que desataría una fuerte
tendencia en un futuro en los grandes comercios. Esto consistió en la tarjeta cliente, su
propio programa de fidelización al cliente. La mayoría de los competidores utilizan sólo
como un medio para orientar descuentos y cupones y tan rápidamente abandonaron el
esquema como no rentable. A diferencia de estas, Tesco se dio cuenta del valor de la
visión que se metía en los comportamientos de sus clientes y ahora recibe datos
detallados sobre dos tercios de todas las cestas de la compra. Tesco no pudo procesar la
avalancha de datos que descendieron sobre ellos y así muy temprano externalizados el
análisis a Dunnhumby, una compañía que más tarde comprar una participación
mayoritaria en ella.
Todo esto desato que Tesco tuviera que segmentar a clientes por grupos diferentes. Eso
dio lugar a dos cosas. La primera fue que Tesco en realidad podría ser más específico
en sus envíos de vales y cupones ya que su tasa de redención de cupones se disparo
luego de un 3% hasta u 70% .Lo segundo trato sobre como al estudiar las demandas de
los clientes podría poner en marcha nuevas líneas de productos para generar más
beneficios en un futuro. Se crearon nuevas líneas de productos diferenciando a los
clientes en grupos distintos para los clientes de lujo como “Tesco Fitnest”, los clientes
sensibles a los precios tuvieron una nueva línea llamada “Valor Tesco”y los clientes
conscientes de su salud podían comprar productos en la línea “Tesco Healthy Living”.
No obstante, este cambio también se llevo a cabo en los envíos que se aumentaron
pasando de 100 envíos a 145000 en 1999. Esto se consiguió por los datos de los
suscriptores Clubcard( tarjeta de fidelizacion) que se hicieron más detalladas de las
variaciones en el correo Clubcard.
Al clasificar Tesco sus clientes en segmentos aumento su alcance con el lanzamiento de
la tarjeta cliente Plus, esta tarjeta era diferente a la tarjeta anterior de fidelización ya que
contaba con un servicio de debito integrada, lo cual aumento el gasto del cliente en
Tesco notablemente. Sin embargo Tesco llego a más ya que un tiempo después decidió
sacar una tarjeta de crédito para los clientes generando mas beneficios que la de debito.
Una de las ventajas que le supuso a Tesco fue el uso de todos estos datos para empezar a
tratar de convertir a los no compradores. Por ejemplo, la búsqueda de que los padres
recientes que estaban gastando su dinero en otros lugares, esto dio lugar a que Tesco
21
empezara a ofrecer en marcha un club de bebe y terminaron capturando el 24% del
mercado de bebé.
Al ver su éxito en la cuota de bebé Tesco comenzó a aplicar a otras cuotas de mercado
también. Otro ejemplo es el sistema de mantenimiento de stock optimizado que prevé
ventas por producto para cada tienda en base a las ventas históricas y datos
meteorológicos esto es un claro ejemplo de Big Data. A través del análisis predictivo
Tesco llegó a salvar 100 millones de libras en acciones. En otro caso Tesco descubrió
que su gestión de las temperaturas del refrigerador y almacenar era sub-optima y por lo
tanto permitido un ahorro significativo en los costos de energía.
Con el uso de estas técnicas Tesco evoluciono de ser un minorista que pensó que sabía
lo que los clientes querían en uno que en realidad sabía y podía controlar las
preferencias a medida que cambian en el tiempo. Así, Tesco consiguió romper sus
clientes en segmentos se entiende mejor y así orientar sus esfuerzos de ventas en
consecuencia.
CÓMO EL BIG DATA AYUDÓ A T-MOBILE A REDUCIR A LA MITAD EL NÚMERO DE PORTABILIDADES
Otro ejemplo de cómo una buena utilización de Big Data ayuda notablemente en los
beneficios de empresas es el referente a la compañía móvil T-mobile y lo encontramos
en el la web Bloggin Zenith. La operadora móvil T-mobile consiguió llegar a reducir la
mitad del número de portabilidades, estas pasaron de 100.000 en el primer trimestre de
2011 a 50.000 portabilidades solo en el segundo trimestre.
Este éxito se consiguió por la aplicación de técnicas de Big Data. T-mobile aprovecho la
gran cantidad de datos que poseía de sus clientes como las horas en las que realizaban
las llamadas o el número de llamadas que se cortaban por problemas de cobertura. A
partir de estos datos, la operadora realizo un análisis de las llamadas y también las
interacciones de sus clientes en medios sociales .Una vez visto los resultados se llevaron
a cabo medidas como rebajar sustancialmente el número de portabilidades hacia otros
competidores en Estados Unidos. Para lograr esto la empresa utilizo tres herramientas
22
básicas: billing systems (sus propios sistemas de cobro), herramientas de monitorización
social, además de Splunk y Tableau Software para analizar la información y presentarla
de una forma visual. Todo esto llevo a cabo una gran ventaja respecto a otras compañías
telefónicas.
De esta manera la operadora descubrió que las expectativas de portabilidades pueden
determinarse a través del análisis de tres factores:
-Facturas.
-Conversaciones de los clientes: negativas, neutrales o positivas.
-Llamadas que se cortan debido a una mala cobertura.
Estos tres factores fueron asociados a la influencia o reputación en medios sociales de
cada uno de sus clientes, partiendo de la hipótesis de que clientes con un gran número
de seguidores o influencia podrían tener un efecto positivo o negativo (según las
circunstancias) en otros potenciales clientes de la marca.
La combinación de todos los aspectos mencionados anteriormente llevó a T-Mobile a
calcular para cada cliente un ‘Customer Lifetime Value‘, un valor monetario diferente
de otro cliente según las expectativas de negocio y permanencia. Esta información era
transmitida en tiempo real a cada agente de la compañía para presentar a los clientes
ofertas personalizadas en función de su valor individual.
De esta forma la empresa pasó de casi 100.000 portabilidades en el primer trimestre de
2011 a tan sólo 50.000 en el segundo trimestre, una reducción del 50% gracias a un
buen aprovechamiento del Big Data y de todos los datos e información que la operadora
tiene de sus clientes.
Visto dos claros ejemplos de cómo el Big Data tiene una clara influencia en las
empresas pasamos a ver cómo funciona el Big Data en las empresas.
Como usan las empresas el Big Data
Según un estudio de IBM Institute for Business Value en colaboración con la Escuela
de Negocios de Said en la Universidad de Oxford investigaron como las empresas más
23
innovadoras usan el Big Data actualmente. Este estudio consta de una encuesta a
personas de 95 países y 26 sectores empresariales diferentes.
Entre las conclusiones, está la dificultad de medir los beneficios proporcionados por los
proyectos Big Data y la gran capacidad de análisis y habilidades profesionales
requeridas por los mismos.
En este estudio se extrajeron importantes conclusiones que reflejan algunas tendencias
y conocimientos comunes e interesantes respecto a Big Data:
• El sector de Big Data está enfocado principalmente en los objetivos del cliente.
• Una base de gestión de la información es un requisito fundamental para el avance
de Big Data.
• Las organizaciones cada vez invierten más dinero en formación de Big Data y en
análisis de datos, esta tendencia va en un aumento fuerte.
• Para que las empresas puedan obtener el máximo valor de Big Data es necesario
añadir valor a las funcionalidades analíticas avanzadas, aunque a menudo carecen de
ellas.
El Big Data puede ser una gran ayuda entre los clientes y las empresas. Un ejemplo de
ello lo podemos observar en el modelo de coche Ford Focus eléctrico el cual produce
ingentes cantidades de datos mientras está siendo conducido y cuando está aparcado. El
automóvil está configurado para que una vez que se encuentra en movimiento el
conductor recibe todo el tiempo información actualizada acerca de la aceleración, la
frenada, la carga de la batería y la ubicación del vehículo. Esto resulta de gran ayuda
para el conductor, pero esos datos no son solo para el conductor del vehículo sino que
también llegan a los ingenieros de Ford, los cuales reciben información acerca de los
hábitos de conducción de los clientes, incluido cómo, cuándo y dónde cargan sus
automóviles. Aunque el vehículo se encuentre sin movimiento, este continúa enviando
datos acerca de la presión de los neumáticos y el sistema de batería al smartphone más
cercano.
Además en el estudio de IBM se preguntó también a los encuestados qué componentes
de la plataforma están siendo probados en la actualidad o están integrados en la
arquitectura. Cada punto de datos se recopiló por separado. El número total de
24
encuestados por cada punto de datos oscila entre los 297 y los 351. Los datos
recopilados se muestran a continuación:
Fuente: IBM Global Business Services Business Analytics and Optimisation.
Como podemos ver el dato del 58% en seguridad y gobierno es recalcable ya que
significa que el 58% de empresas han emprendido procesos de seguridad y gobierno
sólidos. Si bien la seguridad y el gobierno han sido durante mucho tiempo un aspecto
inherente al business intelligence, las nuevas consideraciones jurídicas, éticas y
normativas de Big Data introducen nuevos riesgos y amplían el potencial de fallos
públicos, tal y como hemos tenido la oportunidad de ver con algunas empresas que han
perdido el control sobre los datos o los han utilizado de formas cuestionables.
Una vez que hemos observado como usan las empresas el Big Data nos enfocamos a ver
como existe una gran relación entre las pymes y su uso. Confirmando una vez más que
el uso de Big Data no es solo recomendable para las grandes empresas sino que a una
pequeña empresa también le sería útil.
25
RELACIÓN DE PYMES Y BIG DATA
Según el blog “Sage Experience” las búsquedas realizadas en Google, las redes
sociales, los vídeos que se encuentran en la red YouTube o los datos que generan de
forma anónima los smartphones, las transacciones que se realizan en comercios, etc.
Todo esto ha llevado a que casi tres de cada cuatro empresas vayan a invertir en los
próximos dos años en Big Data. El tratamiento de estos datos es fundamental para las
empresas, para ayudarles a entender el comportamiento de sus clientes o detectar
oportunidades de negocio.
El área que resultará más beneficiada por la inversión en estos datos será la
de marketing, pero puede que también otras como producción tengan datos para mejorar
sus productos e incluir revisiones que hasta ahora, al no reportarlas los clientes, pasaban
desapercibidas. Todo esto va a permitir establecer mejor el foco en la empresa, abrir
nuevas oportunidades y encontrar más clientes que demandan nuestros productos.
En todos los casos va a ayudar a que las empresas no den palos de ciego y usen unas
estrategias con una gran base. De esta forma, con el análisis e información que
recibimos gracias al Big Data en muchos campos puede suponer un fuerte ahorro en las
campañas y saber directamente que herramientas son mejores para cada estrategia.
En una encuesta realizada por IBM el 73 % de las empresas están concienciadas de la
gran cantidad de datos que viene de camino y que esto conllevará otra forma distinta de
actuar .Mientras que el 24 % de las empresas no tiene previsto incluir en sus planes
proyectos de Big Data, sin embargo en el año anterior fueron 36 % las empresas que
estaban en contra de incluirlo en sus proyectos. Frente al 25 % de empresas han
aumentado su presupuesto para llevar a cabo habilidades tecnológicas y analísticas.
La implantación de este uso es gracias a la gran utilización de distintas redes ya que
la población de Internet (la otra ciudad que nunca duerme) es de unos 2.400 millones de
personas. En el mundo de las redes sociales se genera tal cantidad de datos en todo el
mundo como:
� 4 millones de búsquedas en Google,
26
� 277.000 tuits,
� 350.00 fotos con WhatsApp,
� 240 millones de mensajes de correo electrónico,
� 48 millones de descargas en la App Store,
� 2,5 millones de entradas en Facebook,
� 72 horas de vídeo en YouTube y 8.300 vídeos en Vine.
Para implementarlo en nuestra Pyme necesitaríamos de una herramienta que consiguiera
procesar los datos de nuestro negocio y el comportamiento de los clientes junto con un
profesional que consiga interpretarlos de manera correcta. Por ello a la hora de
instaurar el “Big Data” nos encontramos con algunos problemas, estos son:
• Falta de personal cualificado en el procesamiento de datos.
• Falta de medios para almacenarlos.
Una vez visto la importancia del Big Data en la actualidad y que el término “Big Data”
y el término “empresa” tienen una gran relación, pasamos a estudiar una propuesta del
uso de Big Data en el mundo Pyme.
27
Proyecto de Implantación de Big Data en Pymes
Actualmente el pequeño comercio sufre una fuerte crisis que se ha visto agravada en los
años de recesión, esto ha llevado a cabo que sea el tipo de empresa al que más le ha
afectado. En comparación con la crisis de la década de los 90 esta ha sido una crisis
mucho peor ya que el pequeño comercio ha visto un descenso de sus ventas en un 50%.
Esto se debe a diversos motivos ya que la falta de crédito, abrir los domingos o la
reciente subida del IVA agudizan la agonía de autónomos y pymes por la crisis. Otro
gran factor a tener en cuenta es la creciente apertura de grandes superficies comerciales
ya que estas superficies consiguen adaptarse perfectamente a las preferencias del cliente
tanto en horarios como en ofertas. Todos estos factores desencadenan un fuerte aumento
de los establecimientos que han tenido que dejar de ofrecer sus servicios, dando lugar a
que las grandes empresas se apoderen de toda la cuota de mercado. Sin embargo para
poder hacer frente a estos problemas muchos pequeños comercios han tenido que
ofrecer sus productos a precio de coste incluso por debajo de este en algunas ocasiones
debido a la subida del IVA. Estas medidas se han tenido que llevar a cabo debido a que
el precio ha conseguido ser el factor determinante para que los clientes decidan donde
van a realizar sus compras y que van a comprar.
Para solventar estos problemas las pymes necesitan saber cómo sacar el mayor
rendimiento a la variable precio para poder competir con las grandes superficies y tener
las menos pérdidas posibles. Un método para conseguir esto es mediante la utilización
de nuevas tecnologías y estrategias relacionadas con estas e incorporarlas más al
ambiente de trabajo. Mientras más informatizado este un negocio más costes en otras
funciones se ahorraran.
Como hemos visto anteriormente la forma de poder posicionarse mejor podría ser
mediante el uso del Big Data ya que un uso apropiado de este les beneficiaría. Por ello
proponemos la creación una PYME que se encargue de brindar las capacidades de
análisis de Big Data a pequeños comercios (PYMES) para que pudieran aprovecharse
de esta nueva tendencia.
Nuestra PYME tiene el objetivo de conseguir una fidelización del cliente final con
respecto los pequeños comercios de su zona, consiguiendo evitar que se desplace hasta
28
grandes superficies para realizar su compra completa cada semana. De esta forma
nuestra PYME conseguiría competir en precios con las grandes cadenas de
supermercados. Para poder conseguir esto nuestra PYME se encargara de reunir a un
grupo determinado de comercios y conseguir que exista una unión entre ellos de tal
modo que cada uno este enfocado a una actividad distinta para no hacerse competencia
entre ellos o en la medida de posible que se repita la actividad de los mismos en la
menor cantidad posible, de esta manera las beneficios de los comercios crecerían sin
ningún problema y las empresas compartirían cuota de mercado.
Para poder conseguir esto nuestra empresa propuesta se encargaría concretamente de:
1. Recolección de datos: En cada empresa se integraría en su sistema informático la
captura de datos sobre ventas que sería enviado directamente a nuestra empresa,
la integración de este servicio seria cubierta por nuestra PYME. En principio se
trabajaría con datos estructurados. De esta forma se recogen los datos del cliente
mediante unas tarjetas de fidelización para tener una idea de las preferencias de
este.
2. Almacenamiento de datos: La empresa almacenaría todos los datos recolectados,
aplicando las técnicas de almacenamiento de Big Data necesarias.
3. Análisis de datos: Se realizarían sobre el conjunto completo de estos en los
cuales se aplicarían técnicas de minería de datos orientadas a la obtención de su
nuevo conocimiento para permitir a las empresas fidelizar a sus clientes. Una
vez realizado esto nuestra empresa se encargaría de proponer los mejores
descuentos y ofertas para el cliente y para los pequeños comercios.
Debemos recordar que en nuestro proceso se la confidencialidad de los datos aportados
por cada empresa, quedando su acceso restringido a la empresa propuesta y a la fuente
de los mismos.
Nuestra PYME se llamaría “Red Descuento” y consistiría en ofrecer el servicio
integrado a las pequeñas y medianas empresas.
Para que esto sea posible no es suficiente con que un solo comercio se haga socio de
Red Descuento, sino que necesitamos más comercios que no se hagan la competencia
entre ellos en cierta medida y que estén cercanos los unos de los otros, de esta manera se
conseguiría evitar coger un vehículo para cada compra que es lo que consiguen los
grandes almacenes. Un conjunto ideal de comercios sería un grupo formado por
peluquería , cafetería , floristería , frutería , pastelería , mercería ,relojería, tienda de
informática que sea independiente de franquicias, una tienda dedicada a la limpieza en
seco de ropa , una carnicería, una pescadería, una tienda dedicada a la venta de animales
y cuidado de los mismos , una tienda de menaje y decoración , una zapatería, una
autoescuela, un ultramarinos, una para farmacia, una papelería , una freiduría de
pescados, una ferretería, un establecimiento de reparación del calzado , un taller de
reparación de vehículos , un kiosco de chucherías…
Estas tiendas en su conjunto formarí
tiendas no perderían cuota de mercado sino que la incentivarían. Lo ideal es que estén lo
más cercanas posibles evitando desplazamientos largos. No obstante si Red Descuesto
ofreciera su servicio en pueb
una persona no se va a desplazar en coche 30 minutos por una gran ciudad solo para
ahorrarse dos euros en un corte de pelo.
Un logo posible para nuestra empresa podría ser:
El objetivo de “Red Descuento” seria cubrir las necesidades del cliente final
cliente del comercio el cual utilizaría
mediante las cuales podría
repartir estas tarjetas de fidelizació
cual adjuntaría sus datos personales como su domicilio, su número de teléfono fijo y de
móvil, su código postal, su nombre y apellidos, si tiene hijos o no, su estado civil
puesto de trabajo, su DNI.
fidelización desde nuestra app “Red Descuento”. Al usar la app no tendría porque tener
grandes almacenes. Un conjunto ideal de comercios sería un grupo formado por
peluquería , cafetería , floristería , frutería , pastelería , mercería ,relojería, tienda de
nformática que sea independiente de franquicias, una tienda dedicada a la limpieza en
seco de ropa , una carnicería, una pescadería, una tienda dedicada a la venta de animales
y cuidado de los mismos , una tienda de menaje y decoración , una zapatería, una
autoescuela, un ultramarinos, una para farmacia, una papelería , una freiduría de
pescados, una ferretería, un establecimiento de reparación del calzado , un taller de
reparación de vehículos , un kiosco de chucherías…
Estas tiendas en su conjunto formarían una red en la cual al ofrecer descuentos de otras
tiendas no perderían cuota de mercado sino que la incentivarían. Lo ideal es que estén lo
más cercanas posibles evitando desplazamientos largos. No obstante si Red Descuesto
ofreciera su servicio en pueblos con pequeña población no importaría el radio. Ya que
una persona no se va a desplazar en coche 30 minutos por una gran ciudad solo para
ahorrarse dos euros en un corte de pelo.
Un logo posible para nuestra empresa podría ser:
cuento” seria cubrir las necesidades del cliente final
el cual utilizaría este servicio mediante unas tarjetas de fidelización
podría acceder a las ofertas y promociones especiales
stas tarjetas de fidelización el cliente final debería de rellenar una ficha en la
cual adjuntaría sus datos personales como su domicilio, su número de teléfono fijo y de
móvil, su código postal, su nombre y apellidos, si tiene hijos o no, su estado civil
. Si el cliente es joven podría hacerse con nuestra
fidelización desde nuestra app “Red Descuento”. Al usar la app no tendría porque tener
29
grandes almacenes. Un conjunto ideal de comercios sería un grupo formado por
peluquería , cafetería , floristería , frutería , pastelería , mercería ,relojería, tienda de
nformática que sea independiente de franquicias, una tienda dedicada a la limpieza en
seco de ropa , una carnicería, una pescadería, una tienda dedicada a la venta de animales
y cuidado de los mismos , una tienda de menaje y decoración , una zapatería, una
autoescuela, un ultramarinos, una para farmacia, una papelería , una freiduría de
pescados, una ferretería, un establecimiento de reparación del calzado , un taller de
an una red en la cual al ofrecer descuentos de otras
tiendas no perderían cuota de mercado sino que la incentivarían. Lo ideal es que estén lo
más cercanas posibles evitando desplazamientos largos. No obstante si Red Descuesto
los con pequeña población no importaría el radio. Ya que
una persona no se va a desplazar en coche 30 minutos por una gran ciudad solo para
cuento” seria cubrir las necesidades del cliente final, es decir, el
unas tarjetas de fidelización
a las ofertas y promociones especiales. Antes de
el cliente final debería de rellenar una ficha en la
cual adjuntaría sus datos personales como su domicilio, su número de teléfono fijo y de
móvil, su código postal, su nombre y apellidos, si tiene hijos o no, su estado civil, su
podría hacerse con nuestra tarjeta de
fidelización desde nuestra app “Red Descuento”. Al usar la app no tendría porque tener
30
una tarjeta y así ahorraríamos el coste ya que en la app quedarían registradas sus
compras también. Volviendo a las tarjetas de fidelización el prototipo ideal para estas
sería:
Esta tarjeta sería pasada por un escáner en el quedaría registrada la compra del cliente y
a la vez le podrían salir descuentos en otros establecimientos que se dediquen a otras
áreas de negocio. Usando la app saldrían en esta directamente sin necesidad de tener
que imprimir los descuentos ahorrando costes.
La clave de Red Descuento es ofrecer grandes descuentos a los clientes de los
comercios y que estos no generen perdidas a los comerciantes. Esto conseguiría crear
una competencia frente a las grandes superficies de esas zonas. Al ir estudiando las
compras que efectúa cada cliente, se conseguirá crear un patrón de su comportamiento y
se verán que descuentos se le pueden ofrecer que sean más rentables para el cliente, por
ejemplo no tendría sentido ofrecer a un hombre que acaba de comprar una zapatillas de
futbol un descuento en extensiones de pelo ya que la probabilidad de que las use es muy
baja por no afirmar que podría ser nula.
Estas ofertas y descuentos serían en vales impresos si se tiene la tarjeta física ya que la
tercera edad es un segmento muy importante en la cuota de mercado de los pequeños
comercios. Frente a las ofertas y promociones que usarían directamente desde la app las
personas que la usen. Si el cliente deja de comprar en nuestros establecimientos se
intentara re incentivar sus comprar mediantes el envío de promociones a sus hogares.
31
Además la app de “Red Descuento” tendrá el mismo coste que la tarjeta física y se
podría descargar fácilmente en las grandes plataformas. Esto sería otro incentivo para la
juventud y conseguir que se acostumbre a frecuentar los pequeños comercios.
Toda la gestión de las compras y ofertas se irían gestionando mediante un programa
informático que se encargaría de este uso masivo de datos. Dicho programa
automáticamente después de cada compra enviara al cliente una oferta potencial en otro
establecimiento o en el mismo depende de sus gustos. No obstante, si observamos que
el cliente no usa las ofertas ofrecidas se le puede mandar un cuestionario para intentar
solucionar que es lo que está fallando en nuestro negocio. Con unas simples preguntas
cortas como pueden ser:
� ¿Le resulta cómodo comprar en los pequeños comercios de esta zona?
� ¿Cree que existe una buena relación calidad-precio?
� ¿Qué tipo de descuentos cree que le ayudarían mejor en su economía de su
hogar?
El objetivo es seguir fomentando las compras ya que el “boca boca” en el pequeño
negocio es más importante actualmente que internet debido a las personas de avanzada
edad que compran en estos establecimientos.
Nuestras ofertas no pueden lanzarse al mercado sin un estudio detrás, al igual que
nuestras promociones. Siempre tienen que ser desde el punto de vista de generar
beneficios por igual en todos los comercios de Red Descuento. Ya que es fácil poner
descuentos de que los clientes pueden comprar 2 productos y pagar simplemente 1en
una tienda de ropa todo el mes, sin embargo eso hace que las personas gasten más su
poder adquisitivo en la ropa olvidando otros aspectos como puede ser dejar la
peluquería para el mes siguiente o comprar unas zapatillas en rebajas. Algunos ejemplos
de las ofertas especializadas según el cliente serian:
� Una mujer de 53 años con 3 hijos se le podrían ofertar toda clase de ofertas
como descuento en comida , ofertas especiales en la peluquería para mujer o dos
por 1 en cortes de pelo así traería a otra persona con ella y crearía una mejor
imagen de nuestra tarjeta.
� Un chico de 22 años se le pueden ofrecer descuentos en zapatillas deportivas,
corte de pelo, descuento en alcohol de alguna licorería.
32
� Un anciano de 70 años se le pueden ofrecer descuentos en productos
especializados para la tercera edad de la para farmacia o descuento en comida.+
Obviamente podríamos ofrecer premios especiales mientras más gaste el cliente mas
opciones tendrá a obtenerlos. Algunos incentivos ofrecidos al cliente final serian:
� Por el gasto de 100 euros en los comercios de una zona ofrecer un vale de 10
euros descuento en el establecimiento afiliado a la red que el cliente desee.
� Por conseguir que dos amigos sean socios de la tarjeta “Red Descuento” tendrá
un descuento de 5 euros en el establecimiento de la red que desee.
Con estos incentivos y ofertas se le intentara conseguir una fidelización más importante
con estos comercios y conseguir el objetivo de que los clientes vayan perdiendo la
costumbre de comprar en las grandes superficies.
Debemos recordar que nuestro objetivo de este proyecto es evitar la compra en grandes
almacenes y fomentar las ofertas. Como los grandes almacenes invierten mucho en
publicidad Red Descuento también se encargara de ofrecer publicidad a los clientes de
los comercios pero con los mínimos costes posibles en publicidad. Por ello usaríamos
mucho las redes sociales y algún que otro anuncio en televisiones locales.
Otra idea para reducir costes y lograr así una baja inversión es maximizar el uso de los
tickets ya que si el ticket de compra podría ser amarillo por detrás el cliente lo girara
porque le llamara la atención y ya podría ver las ofertas que los pequeños comercios
ofrecen al mercado.
Nuestra implantación en la zona sería ofertando primero el servicio a los pequeños
comercios de una zona o de un pueblo, en un pueblo pequeño o mediano serian
ofertados a todos los pequeños comercios .Hay que recordar que excluiríamos a
franquicias y otro tipo de cadena de negocios. Una vez que tuviéramos un grupo de
empresas que contrarían nuestro servicio ya se podría empezar a ofrecer oficialmente al
cliente final. Nuestra cuota a los pequeños comercios seria reducida ya que nosotros
simplemente haríamos un servicio de mantenimiento el resto de los menos, un ejemplo
de cuota seria de 150 euros al mes.
Nuestra idea principal es implantarlo en la ciudad de Jaén principalmente y empezar a
ofrecer la tarjeta “Red Descuento” diferenciando las zonas para que no haya una
33
competencia y se pisen los negocios entre ellos. Quizás los primeros meses no
consigamos esta diferenciación porque los comienzos no son fáciles y formaran parte
del grupo pocos comercios, sin embargo este tiempo nos beneficiara para mejorar
nuestro software informático. Una vez que nuestra empresa consiga hacerse hueco en
Jaén empezaríamos a contratar comerciales para que fueran ofreciendo nuestro producto
por los pueblos y otras ciudades de Andalucía.
Al conseguir que un hueco en más localidades si el cliente se mudara de lugar con
avisarnos le informaríamos del grupo de “Red Descuento” que se encuentre más cerca
de su lugar de residencia.
No obstante, toda la información iría a nuestra oficina central que estaría situada en la
ciudad de Jaén y allí se estudiaran las ofertas más recomendables a sacar al mercado
cada mes según el lugar. Por ello también asesoraríamos a las empresas para ver qué
productos tienen más ventas y cuales menos consumo. Las ofertas las crearíamos allí
principalmente después de estudiar toda la información que nos llega a la central así una
vez recogida el numero de ventas de productos y los clientes que acceden a cada
comercio pasamos a crear las ofertas más efectivas y personalizadas para cada cliente.
Estas ofertas serian creadas con el uso de Big Data ya que tendríamos una llegada de
grandes volúmenes de datos a nuestra central. Para tratarlos usaremos un programa
especial y evitar así errores graves y que se colapsen. Por lo cual tendríamos que invertir
en nuestro software ya que sería la clave de un funcionamiento eficaz y eficiente en
nuestra empresa. Estos datos se analizarían desde la más estricta privacidad y solo
podrían acceder a ellos los dueños de los comercios y nuestros empleados.
Además con nuestro programa podemos hacer estadísticas de como incrementaría en
consumo de las tiendas y de los productos en las zonas. Por ello nuestras propuestas de
ofertas no serian lanzadas al azar sino con un estudio de fondo y de esta manera los
comercios serian los que tuvieran la última palabra.
Si mediante nuestros estudios observamos que un mes hay un consumo mucho menor
que el mes pasado se estudiaran las causas posibles y se enviarían al azar cuestionarios
a algunos clientes sobre que deficiencias que encuentran en los comercios de la zona o
que sugerencias tienen para mejorar el funcionamiento de los mismos.
34
El uso de la técnica de Big Data puede lograr esta propuesta ya que con la ayuda de
este gestionaríamos la llegada masiva de datos. Sin este las ofertas que ofrecerían a los
clientes no serian ni tan efectivas ni tan rápidas como sin el uso de este. A las empresas
les hace falta un incentivo y explicación sobre como seria el funcionamiento del Big
Data y sus ventajas.
SUMMARY
Big data is a broad term for data sets so large or complex that traditional data processing applications are inadequate. Challenges include analysis, capture, data curation, search, sharing, storage, transfer, visualization, and information privacy.
There are many tools for dealing with Big Data. Names like Hadoop, NoSQL, Cassandra, Business Intelligence, Machine Learning, MapReduce ... are just some of the best known.
Today we live in the era of Big Data. Big Data is used by many companies. Its use is able to generate many benefits for businesses. Therefore increasingly more companies use it.
My project is an idea of a group of businesses that offer deals and discounts between them. The idea is that the customer data is analyzed with Big Data. The analysis of these data provides customers get the best discounts and offers. Thus our company will encourage the use of small and medium businesses.
RESUMEN
Big Data es un término amplio para conjuntos de datos de tamaño grande o complejo que las aplicaciones tradicionales de procesamiento de datos no consiguen tratarlos de una forma eficaz. Los desafíos incluyen el análisis, la captura, la curaduría de datos, búsqueda, intercambio, almacenamiento, transferencia, visualización y privacidad de la información.
Hay muchas herramientas para hacer frente a los grandes datos. Nombres como Hadoop, NoSQL, Cassandra, Business Intelligence, Aprendizaje Automático, MapReduce... son sólo algunos de los más conocidos.
35
Hoy vivimos en la era del Big Data. Big Data es utilizado por muchas empresas. Su uso es capaz de generar muchos beneficios para las empresas. Por lo tanto, cada vez más lo empresas utilizan.
Mi proyecto es una idea de un grupo de empresas que ofrecen ofertas y descuentos entre ellos. La idea es que los datos del cliente se analizan con Big Data. El análisis de estos datos proporciona a los clientes obtener los mejores descuentos y ofertas. Por lo tanto nuestra empresa fomentará el uso de las pequeñas y medianas empresas.
BIBLIOGRAFÍA
[Libro] Bill Schmarzo (2014) “Big Data el poder de los datos”.
[Libro] Comisión Europea (2005) “La nueva definición de PYME. Guía del usuario y
ejemplo de declaración”
Disponible on-line:
http://www.idepa.es/sites/web/idepaweb/Repositorios/galeria_descargas_idepa/nuevade
finicionpyme.pdf
[Artículo] David Ortega Rivas (2013) La importancia de la Pyme en España y Europa.
Disponible on-line:
http://www.colegioeconomistasmadrid.com/afi/libre/ColegioEconomistas/InformeComi
sionUnionEuropea-1.pdf
Diario Oficial de la Unión Europea (2003) Comunicación de la Comisión Ejemplo de
declaración sobre la información relativa a la condición de PYME de una empresa
(2003/C 118/03)
Disponible on-line:
http://www.sifemurcia-
europa.com/servlet/sife.GestionDocs?METHOD=MOSTRARDOCUMENTO&iddocu
mento=1297
Subsecretaria de empleo y Seguridad Social (2010-2015).Estadísticas de empresas
inscritas en la Seguridad Social
Disponibles on-line:
36
http://www.empleo.gob.es/estadisticas/emp/welcome.htm
[Artículo] Michael Schroeck, Rebecca Shockley, Dolores Romero-Morales, Peter
Tufano (2012). Analytics: el uso de big data en el mundo real Cómo las empresas más
innovadoras extraen valor de datos inciertos.
Disponible On-line:
http://www05.ibm.com/services/es/gbs/consulting/pdf/El_uso_de_Big_Data_en_el_mu
ndo_real.pdf
[Artículo] Quiminet.com (2011). ¿Qué son las Pymes?
Disponible on-line:
http://www.quiminet.com/articulos/que-son-las-pymes-2643083.htm
Wikipedia: https://es.wikipedia.org/wiki/Wikipedia:Portada
[Articulo] Blog sobre Business Intelligence (2014) .Las cinco principales aplicaciones
de Big Data: http://www.lantares.com/blog/las-cinco-principales-aplicaciones-de-big-
data
[Articulo]Asociación Profesional Española de Privacidad (2015). Nuevos Negocios y
Aplicaciones: Big Data y la evolución del Internet de las Cosas.
Disponible on-line:
http://www.apep.es/nuevos-negocios-y-aplicaciones-big-data-y-la-evolucion-del-
internet-de-las-cosas/
[Articulo] Bloggin Zenith (2013). Big Data, tres casos de éxito: T- Mobile, Unilever y
MoneyBall.
Disponible on-line:
http://blogginzenith.zenithmedia.es/big-data-tres-casos-de-exito-t-mobile-unilever-y-
moneyball/
[Artículo] Blog Sage (2015). El Big Data para pymes: así pueden sacarle partido las
empresas (infografía).
37
Disponible On-line:
http://blog.sage.es/economia-empresa/el-big-data-para-pymes-infografia/
[Articulo] Informa BTL(2014). 5 Características del Big Data.
Disponible On-line:
http://www.informabtl.com/5-caracteristicas-del-big-data/
[Articulo ] dataconomy(2014). Supermarket Tesco pioneers Big Data.
Disponible On-line:
http://dataconomy.com/tesco-pioneers-big-data/