1. Qu es Big Data?

Es la gestin y anlisis de enormes volmenes de datos que no pueden

ser tratados de manera convencional, ya que superan los lmites y
capacidades de las herramientas de software habitualmente utilizadas
para la captura, gestin y procesamiento de datos. Engloba
infraestructuras, tecnologas y servicios que han sido creados para dar
solucin al procesamiento de enormes conjuntos de datos estructurados,
no estructurados o semi-estructurados. (LPEZ, 2014)

2. Cules son las caractersticas del Big Data?

El Big Data se puede clasificar a travs de sus cuatro caractersticas

principales, conocidas tambin como las cuatro V del Big Data:

Volumen
Variedad
Velocidad
veracidad

A stas, se pueden aadir tres ms:

viabilidad
visualizacin
valor

3. Quines pueden implementar Big Data? Justifique

Cuando se habla de Big Data, las pequeas empresas piensan que eso
no va con ellos, ya que lo asocian mas a las grandes empresas, el big
data puede ser un recurso muy valioso para todo tipo de empresas. Segn
un estudio llevado por IBM, el 80% de los datos almacenados en las
empresas no se utilizan o no son tenidos en cuenta a la hora de tomas
decisiones. De esta forma, los datos que tenemos de nuestros clientes no
se aprovechan y se convierten ms en una molestia que en una
oportunidad.

4. Para qu se puede usar el Big Data?

El Big Data ha tenido victorias claras en campos como:

La deteccin de tarjetas de crdito.

Promete identificar enfermedades a partir de gotas de sangre.
Muestra cmo la gente usara tu producto de una forma que no
habas considerado, proporciona excelente visin de cmo se
puede mejorar el software del producto, comunicarse con los
clientes y crear lealtad. (STAFF, 2013)
 Decisiones que conciernen a las funciones de Marketing, Ventas,
Atencin y Soporte al Cliente, todas ellas con incidencia directa en
el ciclo de vida de nuestros clientes.
Tcnicas de anlisis estadstico avanzado y minera de datos.
Mejorar la venta cruzada e incrementar el ingreso medio por
cliente.
Aplicacin de polticas de atencin y fidelizacin segmentadas que
permitan optimizar costes. (marketingdirecto.com, 2014)

5. Qu diferencia existe entre Big Data y BI?

Ambas tecnologas tienen como objetivo analizar datos para sacar la

mayor informacin y conocimiento posible que ayude a las empresas,
pero tienen matices que las diferencian. BI es la parte de la gestin
empresarial encargada de la recogida, procesamiento y presentacin de
informacin relevante que facilite la toma de decisiones.

Principales diferencias entre Big Data y Business Intelligence:

Lugar de almacenaje: Con el Big Data, los datos se almacenan en

un sistema de ficheros distribuido y con el Business Intelligence en
un servidor central.

Datos analizados: Una compaa puede analizar datos en

diferentes formatos, estructurados como no estructurados, al hacer
uso del Big Data. El BI realiza un tratamiento de datos nicamente
estructurados, es decir, se almacenan en una base de datos
tradicional.

Tipo de informacin: Los datos analizados a travs del Big Data

pueden ser histricos o en tiempo real.

Funciones-datos: Las soluciones de Big Data llevan las funciones

de proceso a los datos; mientras que el Business Intelligence lo
hace, al contrario, de los datos a las funciones.

Procesamiento Paralelo Masivo: Con el Big Data se emplea este

tipo de procesamiento, lo que mejora la velocidad del anlisis, ya
que muchas instrucciones se ejecutan de forma simultnea.
 6. Mencione y explique casos exitosos de Big data

Cmo el Big Data ayud a T-Mobile a reducir a la mitad el nmero de

portabilidades

T-mobile consigui reducir a la mitad el nmero de portabilidades (de 100.000 el

primer trimestre de 2011 a 50.000 en el segundo trimestre) gracias a la aplicacin
de tcnicas sobre Big Data. Las operadoras de telefona mvil e Internet tienen
un nmero impresionante de datos sobre sus clientes: la cantidad de llamadas
que realizan, las horas en las que tienen lugar, sus nmeros favoritos, el nmero
de llamadas que se cortan por problemas de cobertura.

Con todos estos datos en la mano y analizando las interacciones de sus clientes
en medios sociales, en T-Mobile se propusieron rebajar sustancialmente el
nmero de portabilidades hacia otros competidores en Estados Unidos. Para ello
la empresa utiliz tres herramientas bsicas: sus propios sistemas de cobro
(billing systems), herramientas de monitorizacin social, adems de Splunk y
Tableau Software para analizar la informacin y presentarla de una forma visual.

Combinando toda esta informacin en T-Mobile descubrieron que las

expectativas de portabilidades pueden determinarse a travs del anlisis de tres
factores:

Facturas
Llamadas que se cortan debido a mala cobertura
Conversaciones de los clientes: positivas, negativas o neutrales

Todos estos factores fueron asociados a la influencia o reputacin en medios

sociales de cada uno de sus clientes, partiendo de la hiptesis de que clientes
con un gran nmero de seguidores o influencia podrn tener un efecto positivo o
negativo (segn las circunstancias) en otros potenciales clientes de la marca.

La combinacin de todos los aspectos mencionados anteriormente llev a T-

Mobile a calcular para cada cliente un Customer Lifetime Value, un valor
monetario individual segn las expectativas de negocio y permanencia. Esta
informacin era transmitida en tiempo real a cada agente de la compaa para
presentar a los clientes ofertas personalizadas en funcin de su valor personal.

De esta forma la empresa pas de casi 100.000 portabilidades en el primer

trimestre de 2011 pasaron a tan slo 50.000 en el segundo trimestre, una
reduccin del 50% gracias a un buen aprovechamiento del Big Data y de todos
los datos e informacin que la operadora tiene de sus clientes. (ZENITH, 2013)

Unilever: Las conversaciones en redes sociales al comportamiento real de

los consumidores

Durante el Mobile World Congress de Barcelona, el CMO de Unilever Keith

Weed, afirm que a la hora de integrar el Big Data en las tomas de decisiones
de la empresa la medicin de datos y comportamientos es clave para afrontar
el proceso.
Hace unos meses Unilever se plante el reto de conocer si las conversaciones
de los potenciales consumidores en medios sociales difieren mucho de su
comportamiento real de compra. Para ello se aprovecharon de software
proporcionado por Compete (para medir el ROI), Cymfony (social media
listening) y de su propia herramienta de analtica, CybrTrack90, que realiza dos
funciones principales: seguir las menciones de sus marcas (o a las categoras
de productos en los casos en los que la marca no fuese mencionada
expresamente) en medios sociales y tambin analizar el comportamiento de los
usuarios en las bsquedas que stos realizan en internet.

Lo que los directivos de marketing de Unilever descubrieron es que existen tres

actividades diferentes en el proceso de compra: conversaciones, soluciones y
compras. Las conversaciones sobre las diversas marcas de comida de Unilever
tenan lugar fuera de los comercios y espacios de compra, por lo que la empresa
debera encontrar una forma de acercarse a ellos en esos momentos.

Otra conclusin a la que llegaron en la compaa fue que las decisiones de

compra de los consumidores estn influenciadas por una serie de factores que
van ms all del precio o la comunicacin, como por ejemplo factores
relacionados con la salud, el bienestar o la preparacin de las comidas. Por ello
desde la empresa se plantearon atacar tambin estos momentos, con el objetivo
de facilitar el consumo a los potenciales compradores y que stos tuviesen una
experiencia ms simple y satisfactoria con los alimentos de la marca.

En definitiva, con la combinacin de tres herramientas como CybrTrack90,

Compete y Cymfony, Unilever fue capaz de comprobar que lo que los
consumidores dicen en entornos online difiere, en ocasiones, de la vida real. Y
que acercarse a sus consumidores ms fieles para simplificar la compra y el
consumo pueden ser claves en el futuro de la marca y en el bienestar de sus
clientes.

Unilever combin los resultados provenientes del sistema de social media

listening y los datos de clicks en sus diferentes pginas web asociadas para
entender el comportamiento de sus potenciales consumidores y adaptar su
oferta y comunicacin a dichos hbitos en tiempo real, definiendo estrategias
diferentes en sus canales segn el da y momento de la semana para que los
consumidores encontrasen aquello que se ajusta a sus necesidades. (ZENITH,
2013)

Creditreform, empresa lder en el mercado alemn de los informes de negocio

(una especie de Dicom en Chile), recientemente implement un proyecto de Big
Data que tena como objetivo analizar 650 millones de datos de transacciones
de sus clientes que se producen en las 130 oficinas que ellos poseen en todo el
mundo.

Gracias a la analytics, aceler procesos hasta 30 veces ms rpido, lo que le

signific bajar sus costos a la mitad y entregarles a sus clientes informacin
valiosa para sus transacciones comerciales. (PulsoSocial, 2015)
 7. Cmo aplicara Big Data en la empresa o sector donde labora?

Implementando un anlisis de datos que permitan contribuir con la eficiencia en

resultados rpidos y verdicos en cuanto a reportes o informes que lleven una
gran cantidad de tiempo por generar, como es el caso de las cuentas por pagar,
esto a su vez permite entregarle al cliente un estado de cuenta confiable en
donde se permita implementar una entrega electrnica del documento, aplicando
un valor agregado para la organizacin.

8. Cmo usa Netflix el Big Data?

Uno de los ejemplos que aparecen en todos los estudios sobre usa el big
data puede ayudar a mejorar los resultados de una empresa es el de
Netflix. La compaa ha pasado de ser una empresa especializada con un
mercado muy concreto a un asalto del mercado a nivel global y, sobre
todo, a convertirse en la gran amenaza pata supervivencia de la televisin.
En este camino, el big data y el anlisis de datos han sido los grandes
aliados que les han permitido ir creciendo.

En general, se podra decir que el big data les ha ayudado a conocer

mucho mejor a sus consumidores y a por tanto tomas decisiones ms
acertadas, lo que funcionara como la gran leccin que podran aprender
las compaas de esta historia. La clave de su xito y de lo que han hecho
en big data est en cmo han usado la informacin para comprender a su
nicho de mercado y como esto los ha puesto en una situacin destacada.
Y esto es, en realidad, lo que toda marca y toda empresa puede hacer
cuando se trata del big data y de cmo aplicarlo a su relacin con sus
clientes. (Puromarketing, 2017)