VY&R

BIG DATA, ANALYTICS Y
SUS APLICACIONES EN
MARKETING
OcSTEM Solutions. Jacint Berengueras. N.I.F: 45720210M. 25530, Vielha.

- INTRODUCCIÓN
• ¿Qué es big data? - Data is the new oil.
• ¿Para qué sirve? - Datos, información, conocimiento.
- APLICACIONES
• Sector privado: Marketing, logística, control interno, ahorro, mejora de
procesos y eficiencia.
• Sector público: Transparencia, eficiencia, ahorro, seguridad/inteligencia,
protocolos smart cities.
- BIG DATA & MARKETING
• Consideraciones preliminares – Evolución del marketing.
• Canales de ventas – Presente y futuro.
• Los datos como activo para departamentos y agencias de marketing.
• Ventajas e inconvenientes.
• LOPD. - Datos Vs Metadatos.
• Ejemplos – Google, Facebook, WallMart, Netflix, Caixabank, Vail.
- CONSIDERACIONES FINALES
• Requisitos tecnológicos. - Landscape y ejemplo de arquitectura digital.

- INTRODUCCIÓN
• ¿Qué es big data? - Data is the new oil.
Con la evolución material de los medios de comunicación y de las nuevas tecnologías de
información, después de 40,000 años de existencia, la humanidad ha entrado en otra etapa
evolutiva, donde los sistemas informativos se han convertido en una nueva neo-corteza cerebral
colectiva que mueve el planeta; En este marco, NY, London, Barcelona o Vielha se han convertido
en “barrios” del nuevo mundo.
La transmisión de información es instantánea y global, las fronteras y distancias han desparecido
para el conocimiento, y la cantidad de dicha información crece de forma exponencial.
Los avances tecnológicos, que antaño tardaban décadas o siglos para ser implementados de forma
generalizada, actualmente son adoptados casi inmediatamente por todos los actores sociales y
económicos en cualquier lugar del mundo. A su vez, el sucesivo abaratamiento de los procesos de
producción y el incremento exponencial de tecnología disponible harán factible la economía de
coste marginal 0 en las próximas décadas.

La sociedad del conocimiento, alumbrada por estos avances y motor de un futuro que ya es
presente, es el motor de la nueva economía global.
Vivimos en una época de la historia en la que los datos son una commoditie gratuita, accesible para
todos. Hay multitud de datos y fuentes, con infinitas posibilidades. Con las herramientas y procesos
adecuados, podemos extraer valor de una fuente inagotable de riqueza: La información.
Desde la prevención de catástrofes naturales, la gestión inteligente de ciudades, la mejora de la
eficiencia (social y energética),... pasando a las mejoras en gestión empresarial, supply chain,
defensa, trading, marketing y ventas... La información adecuada en el momento adecuado marcará
la diferencia. La información nos ayudará a construir una sociedad más democrática, justa,
transparente y eficiente.
El cloud, big data y los avances tecnológicos han permitido dar el salto y plantearse situaciones,
estrategias y servicios que hasta hace un par de años resultaban impensables o incluso
inverosímiles.

Big data
• Cada día se generan 2,9 trillones de bytes de datos, equivalente a 5.800 Millones de discos duros
de ordenadores de tamaño medio.
• El 90% de los datos a nivel mundial se generaron en los pasados dos años.
• El 80% de los datos están desestructurados
Nuevo concepto: Big Data
Big Data no es una tecnología en si misma, sino más bien un planteamiento de trabajo para la
obtención de valor y beneficios de los grandes volúmenes de datos que se están generando hoy en
día.

 Consultas y resultados de los motores de búsqueda.
 Datos de redes sociales (tuits, publicaciones, etc)
 Datos meteorológicos
 Datos astronómicos
 Datos de vigilancia militar
 Datos económicos y bursátiles
 Archivos fotográficos/radiofónicos/televisivos
 Datos sobre transacciones
Si estos ingentes volúmenes de datos se capturan y analizan eficazmente, pueden mejorar la
productividad y la competitividad de las empresas y administraciones en una amplia gama de
sectores.

• ¿Para qué sirve? - Datos, información, conocimiento.
El valor no está en los datos;
el valor está en convertir esos datos en información y conocimiento útil.
Una tabla de excel con seis millones de entradas y unas veinte columnas de información ocupa unos
300Mb aproximadamente. Para cualquier pequeña empresa o administración sería una fuente de
información extensa de la que podría extraer patrones ocultos para generar negocio u optimizar
procesos, pero raramente lo hace debido a la carencia de personal cualificado para ello.
Resumiendo: El valor no está en los datos, el valor está en la mente de quién los sabe interpretar.
La misión del científico de datos es la de extraer el conocimiento de los datos disponibles y
transmitirlo a los líderes de las organizaciones para tomar las decisiones de negocio de forma más
eficaz.

La ciencia de datos sólo es útil cuando se utilizan los datos para responder a una pregunta,
independientemente del tamaño de los datos o de la cantidad de herramientas que utilicemos para el
almacenamiento y procesado de dichos datos. Es en este punto dónde la ciencia de datos se separa
de lo tradicionalmente conocido como Big Data, puesto que queda fuera de sus competencias
diseñar y administrar la infraestructura y sistemas para la obtención, almacenaje y gestión de
grandes (o no tan grandes) volúmenes de datos, y para lo que a día de hoy se preparan básicamente
los expertos en Big Data.
1. ¿Cómo capturar, gestionar y explotar todos estos datos?
2. ¿Cómo asegurar estos datos y sus derivados, así como su validez y fiabilidad?
3. ¿Cómo disponer la compartición de estos datos y sus derivados en la organización para
obtener mejoras y beneficios?
4. ¿Cómo comunicar estos datos y sus derivados para facilitar la toma de decisión y posteriores
análisis?

- APLICACIONES
• Sector privado: Marketing, logística, control interno, ahorro, mejora de
procesos y eficiencia.
1. Cumplimiento regulatorio: mayor control, frecuencia y exigencia del reporting financiero
2. Prevención del fraude: blanqueo de capitales, robo de targetas de crédito, fraude interno, etc.
3. Análisis de riesgos financieros, operacionales, sistémicos, liquidez en tiempo real, etc.
4. Valores y bolsa: combinar flujos de datos del mercado con otras fuentes de información
5. Fidelización de clientes: análisis predictivo de comportamientos, segmentación y
personalización.
6. Análisis de sentimientos: alertas por riesgo reputacional, percepción de marca, engagement,
indicadores de mercado, etc.

• Sector público: Transparencia, eficiencia, ahorro, seguridad/inteligencia,
protocolos smart cities.
El Territorio inteligente es un espacio geográfico con el que se puede interactuar, es decir, un
territorio que actúa como un ente vivo en sí mismo y que está compuesto por una multitud de
realidades complejas, que evolucionan de un modo libre y respondiendo a las necesidades de su
población, mediante complejos sistemas integrados y articulados de información y de una amplia
red de sensores, igualmente interconectados en sistemas que tratan y analizan gran cantidad de
datos (Big Data), con información procedente de múltiples fuentes mediante la interacción
ciudadana permanente.
Esto, gracias a la proliferación de sitios web, dispositivos móviles, apps, aplicaciones de imagen y
vídeo, redes sociales, sensores e “Internet de las cosas”, el cual es una red de objetos, en donde cada
uno de ellos en nuestro entorno, está interactuando en un gran ecosistema interconectado que
suministra información permanente sobre su estado y requerimientos, tales como semáforos,
neveras, microondas, vehículos, teléfonos inteligentes o smartphones y aire acondicionado, entre
otros.
Por ello son fundamentales y determinantes en las Smart Cities o Territorios Inteligentes las
tecnologías de código abierto (Open Data) que facilitan su configuración desde el punto de vista
tecnológico, pero al mismo tiempo, ofrecen un modelo participativo, colaborativo y abierto de
creación social del territorio -llámese pequeño o gran municipio, ciudad, área metropolitana o
conurbación-, en la que los diferentes actores participantes pueden trabajar mancomunadamente
-donde todos ponen y todos ganan- para solucionar problemas complejos, tanto desde el punto de
vista de infraestructura, como tecnológico y desarrollo social, económico o político.

Big Data en el Sector Público
1. Mejoras en la eficacia y eficiencia
2. Mejor información a los ciudadanos
3. Ayuda a la toma de decisiones
4. Reducción del fraude
5. Reducción del gasto público
6. Herramienta de política económica y social
7. Acceso a nuevas herramientas tecnológicas
8. Impulso de la formación de los ciudadanos

- BIG DATA & MARKETING
• Consideraciones preliminares – Evolución del Big Data marketing.
Haciendo una breve panorámica, el Big Data tiene su antecedente más cercano en la minería de
datos: ya en los años sesenta del siglo XX se manejaban términos como Data Fishing, Data Mining
o Data Archaeology con la idea de poder encontrar relaciones sin tener ninguna hipótesis previa, en
bases de datos con ruido. Posteriormente, ya en la década de los ochenta, se consolidó el término de
Minería de Datos. La Minería de Datos se refiere al “proceso que intenta descubrir patrones en
grandes volúmenes de conjuntos datos, mediante métodos de inteligencia artificial y aprendizaje
automático, entre otros, con el objetivo de extraer información y transformarla en una estructura
comprensible para un uso posterior”. (Wikipedia)
Como se puede observar, el Big Data, no es algo nuevo, y ya en la Míneria de Datos había
elementos y características del Big Data. Así, según la Wikipedia, podemos definir el Big Data
como “el término que se refiere a un conjunto de datos tan grande y complejo, que resulta difícil de
procesar usando los sistemas de gestión de bases de datos disponibles o las aplicaciones
tradicionales de procesamiento de datos”. La principal diferencia entre ambos términos es, sin
duda, la cantidad de datos que manejan, y la complejidad de los mismos. Podemos situar el inicio
del Big Data en 1995 con la explosión de la World Wide Web, y el gran desarrollo que tuvo la
Inteligencia Empresarial durante la década del 1990. No obstante, no es hasta julio 1997 cuando
encontramos la primera referencia al Big Data: concretamente en un artículo publicado por dos
investigadores de la NASA, Micheal Cox y David Ellsworth, en el que afirman “que el ritmo de
crecimiento de los datos empezaba a ser un problema para los sistemas informáticos actuales”.
Cox y Ellsworth lo llamaron “el problema del Big Data”.
En diciembre de 2008 podemos situar un nuevo salto adelante del Big Data, un avance
revolucionario, con la publicación del artículo “Big Data Computing: Creating revolutionary
breakthroughs in commerce, science and society” en el que se dota al término del necesario apoyo
científico e intelectual para su posterior desarrollo mucho más consolidado. En artículo se afirma
que: “De la misma forma que los motores de búsqueda han cambiado la forma de acceder a la
información, otras formas de informática de Big Data pueden transformar y transformarán las
actividades de empresas, investigadores científicos, médicos y las operaciones de defensa e
inteligencia de nuestra nación…. Probablemente, la informática de Big Data sea la mayor
innovación informática de la última década. A día de hoy, tan solo hemos visto el potencial que
tiene para recopilar, organizar y procesar los datos en todos los aspectos de nuestras vidas. Si el
gobierno federal efectuara una modesta inversión, su desarrollo e implantación podrían acelerarse
enormemente”.

Para 2020 se prevé que el Big Data continúe creciendo, y que en ese año se llegue al 4300% en la
generación de datos anuales, “gracias a los cambios tecnológicos acelerados de transición de lo
analógico a lo digital, y al rápido aumento en la generación de datos, tanto por particulares como
por grandes empresas”.
Los retos principales del big data marketing:
• Saber que información colectar: Hay tanta información que el problema no suele ser de
escases, sino de sobre abundancia. Saber focalizar los esfuerzos en aquella información que
es realmente relevante para tus objetivos de negocio es entonces clave.
• Saber como analizar esta información: Existen dos problemas a la hora de analizar esta
información: Primero el mercado de herramientas para Big Data es cada ves más grande,
con tal diversa selección de herramientas puede ser difícil encontrar aquellas que mejor se
integren a los requerimientos de tu empresa. Segundo muchas veces esta información no está
estructurada de una manera que permite su fácil análisis.
• Saber como conseguir ideas accionables y valiosas de esta información: Toda esta
información es prácticamente inútil amenos que produzca sabiduría que permita a tu negocio
mejorar sus servicios, entender mejor a sus clientes, o conseguir algún tipo de ventaja
competitiva.

• Canales de ventas – Presente y futuro.
Los consumidores contemporáneos navegan el internet a diario, dejando una enorme cantidad de
información sobre quienes son, cuales son sus intereses, con quien se relacionan, en donde
compran, etc. Toda esta información o inteligencia empresarial es recolectada y puede ser utilizada
para crear perfiles sumamente precisos de nuestros consumidores.
El marketing deja de ver al mercado por medio de segmentos, y comienza a verlos como individuos.
La comunicación deja de ser en masa y comienza a ser personalizada en tiempo real. Finalmente el
consumidor deja pasa de ser un recipiente de la información y comienza a ser un coproductor de la
misma.

• Los datos como activo para departamentos y agencias de marketing.
Perfilamiento y micro-segmentación: Por medio de diversas herramientas, las compañías ahora
son capaces de obtener grandes cantidades de datos no relacionados y vincularlos a un solo
individuo. Esta información puede incluir datos históricos de navegación, datos de localización,
datos no estructurados de las redes sociales, historial de compras, entre otros. Esta información
permite crear micro-segmentos mucho mas específicos que lo que era posible hace algunos años en
el mundo analógico.
Optimización del contenido: Basándose se en la información obtenida en los procesos de
perfilamiento y micro-segmentación es posible enseñarle a cada usuario contenido sumamente
personalizado. Este contenido tiene la ventaja de ser mucho mas relevante y persuasivo que lo que
es posible con contenido estático.
Análisis de sentimiento: Gracias a los avances en inteligencia artificial y en las técnicas de
procesamiento de lenguaje natural, muchas compañías son capaces de extraer información subjetiva
basándose en textos no estructurados como pueden aquellos adquiridos de las redes sociales. Esta
información es útil para predecir posibles eventualidades y reaccionar a tiempo a ellos.

Los tres componentes para una estrategia exitosa de Big Data Marketing
El primer componente: Una estrategia bien definida
Una de las mayores causas de fracaso en proyectos de marketing es la falta de una estrategia bien
definida. Muchas veces los departamentos de marketing olvidan la importancia de tener una visión
y objetivos coherentes y se dejan llevar solamente por la tecnología y las implicaciones de su rápida
evolución. Dos de los componentes más esenciales que debe tener una estrategia de Big Data
marketing son:
• Estrategia de interacción con el cliente: Es clave entender las tres etapas de el proceso de
compra del cliente. Definir los puntos de contacto principales para cada etapa ayudará a
entender y servir mejor las necesidades de cada individuo.
• Estrategia de Analytics: Toda estrategia de Big Data necesita una estrategia de analytics.
En ella se deben definir con precisión las métricas va a medir, con qué herramientas, y cómo
se define el éxito para cada métrica.
Segundo componente: Crear canales de comunicación/colaboración abiertos entre
departamentos
Uno de los mayores requerimientos del Big Data es la creación de canales abiertos de
comunicación entre departamentos. Esto conlleva no solo adquirir la infraestructura necesaria
para compartir información, pero también crear las políticas y estandartes adecuados para que esta
información pueda relacionarse entre si.
Un ejemplo claro de un beneficio de esta integración se puede observar a la hora que el
departamento de marketing comienza a tener información en tiempo real del departamento de
ventas. Con datos fiables sobre los principales motivos de abandono de venta, el departamento de
marketing puede tomar acción y proveer a los clientes potenciales la información necesaria para
ayudarles a tomar la decisión de compra.
Tercer componente: Personalización, relevancia, recompensa
Toda estrategia de Big Data debe tener como objetivo crear una mejor experiencia y aumentar el
valor que se le da a cada individuo. Es por eso que el tercer componente se basa en la
personalización, relevancia y recompensa. Un excellente ejemplo es como Amazon utliza el
historial de compras de cada usuario para ofrecerle sugerencias personalizadas, relevantes y que lo
recompensan al ayudarle a encontrar productos de su interés de una manera fácil y rápida.

• Ventajas e inconvenientes.
Las ventajas para aquellas instituciones y empresas que apuesten por implementar estos procesos
son ámplias e importantes: Mayor eficiencia y capacidad de control, mejores servicios a
clientes/usuarios, reducción de costes a medio – largo plazo y mayor velocidad en la toma de
decisiones cuando situaciones de crisis requieran una respuesta rápida por parte de las autoridades
y/o personal pertinente.
En el caso de las administraciones públicas, los retornos de la inversión realizada deben ser medidos
bajo los parámetros anteriormente nombrados, aunque de desarrollar modelos y metodologías
escalables a otros territorios también pueden llegar a generar un retorno económico tangible.
Los inconvenientes van vinculados a la complejidad intrínseca de cada uno de los proyectos que se
quieran desarrollar; los perfiles humanos y profesionales requeridos a tal efecto aportan el valor
añadido, y por ende son la parte más costosa económicamente y difícil de conseguir. Las
infraestructuras también pueden llegar a serlo, pero siempre dependerá del tipo de iniciativas que se
quieran desarrollar.
El big data marketing es muy importante, pero todavía esta rodeado de confusión, temor, e
incertidumbre.

• LOPD. - Datos Vs Metadatos.
Es importante tener en cuenta las fuentes de datos, formatos y volúmenes con las que se trabajará
antes de crear la arquitectura tecnológica. Mezclar datos internos -privativos- con datos abiertos
puede crear grandes sinergias siempre que se respete la LOPD y los protocolos operativos y de
seguridad preestablecidos de antemano.
Datos
Definiremos datos internos o privativos como aquellos que por su naturaleza personal,
confidencial o sensible ni pueden ni deben hacerse públicos. Nombres y direcciones de enfermos,
policias o jueces pueden servir de ejemplo paradigmático.
Son considerados datos abiertos todos aquellos datos accesibles y reutilizables, sin exigencia de
permisos específicos. No obstante, los tipos de reutilización pueden estar controlados mediante
algún tipo de licencia. Los datos abiertos están centrados en material no documental como
información geográfica, genómica, química, fórmulas matemáticas y científicas, datos médicos,
biodiversidad, etc.
Metadatos

La Constitución Española, en su artículo 18 garantiza el derecho al honor, la intimidad personal y
familiar y a la propia imagen. En particular, en su apartado cuarto, establece la necesidad de
proteger estos derechos fundamentales, dentro del ámbito relacionado con el uso de la informática.
De esta manera, el artículo 18.4 de nuestra Constitución dispone:
“La Ley limitará el uso de la informática para garantizar el honor y la intimidad personal y
familiar de los ciudadanos y el pleno ejercicio de sus derechos”.
En el ámbito europeo, el rápido desarrollo de las técnicas de tratamiento informático fue,
igualmente, motivo de preocupación en los Organismos de ámbito internacional. Reflejo de esta
preocupación, representa la promulgación del Convenio 108 (28/01/1981) del Consejo de Europa,
que tenía como objetivo garantizar el respeto de los derechos y libertades fundamentales del
individuo, concretamente su derecho a la vida privada con respecto al tratamiento automatizado de
los datos de carácter personal. España ratificó este Convenio el 27 de Enero de 1984.
Posteriormente, se promulgó en el marco de la Unión Europea, la Directiva 95/46/CEE relativa a la
protección de las personas físicas en lo que respecta al tratamiento de datos personales y a la libre
circulación de estos datos, que tenía como objetivo armonizar la legislación de los países miembros
de la Unión en materia de protección de datos, garantizando, de esta manera, la protección y el
respeto en todos los países de la Unión de este derecho fundamental del individuo, también
conocido como “autodeterminación informativa”. Para ello, el Parlamento Europeo elaboró la
mencionada Directiva, en la que se recogen los principios mínimos de protección que todos los
países de la Unión Europea deberían garantizar en su legislación nacional interna.
Que los datos sean de carácter personal no significa que sólo tengan protección los relativos a la
vida privada o íntima de la persona, sino que los datos amparados por este derecho son todos
aquellos que identifiquen o permitan la identificación de la persona.
Las infracciones en materia de protección de datos aparecen tipificadas en el artículo 44 de la Ley.
Se establece una clasificación en infracciones leves, infracciones graves e infracciones muy graves,
tipificándose multas que ascienden hasta los 601.000 €.
La L.O.P.D. es de aplicación a los datos de carácter personal registrados en soporte físico, que los
haga susceptibles de tratamiento, y a toda modalidad de uso posterior de estos datos por los sectores
público y privado.
El RDLOPD incluye dentro de su ámbito de aplicación los ficheros o tratamientos no automatizados
(esto es, en soporte papel) o parcialmente automatizados.
Particularmente, este nuevo texto regula de modo específico las medidas de seguridad aplicables a
los mismos.

• Ejemplos – Google, Facebook, WallMart, Netflix, Caixabank, Vail.
La publicidad y el marketing están cambiando de una forma asombrosa, y Google es un actor
protagonista en este cambio. Las viejas reglas del negocio de la publicidad han dado un giro de 180
grados; El objetivo es comprar audiencias, no espacios. La publicidad programática permite a los
compradores elegir lo que quieren y a los editores de medios tener completo su inventario. Un
mercado competitivo y rentable basado en oferta, demanda… Y big data.
La publicidad programática es el proceso por el que los anunciantes compran publicidad mediante
procesos de pujas en tiempo real. Se manejan grandes cantidades de datos sobre los usuarios:
perfiles, historial de conversión, target… y esto permite la optimización del precio de compra/venta
gracias al Big Data. El hecho de que el precio se decida en una puja en tiempo real da seguridad a
los anunciantes de que quien gana el espacio es porque fue más competitivo en precio, el sistema es
mucho más transparente que la venta negociada. Además, que el sistema sea automático, tutelado
por algoritmos y datos, reduce los costes y permite controlar el proceso con la modificación de
parámetros técnicos. La publicidad en Internet se ha convertido ya en el negocio del Big Data y los
desarrolladores.

Si Facebook fuera un país, sus más de 1.000 millones de miembros lo harían el tercero más grande
del mundo. Y sobrepasaría por lejos a cualquier régimen pasado o presente en cuán íntimamente
registra las vidas de sus ciudadanos. Las conversaciones privadas, fotos familiares y registros de
viajes, nacimientos, casamientos y fallecimientos llegan a los servidores de la compañía y se quedan
allí.
Facebook tiene toda esta información porque encontró maneras ingeniosas de recolectar datos
cuando las personas socializan. Los usuarios primero llenan sus perfiles con su edad, género y
dirección de e-mail; algunas personas también dan detalles adicionales, como el estado de sus
relaciones y teléfono móvil. Un rediseño introdujo las páginas de perfiles en forma de “timelines”
que invitan a las personas a agregar información histórica como lugares en los que vivieron y
trabajaron. Los mensajes y las fotos compartidos en el sitio se suelen “taggear” con locaciones
específicas y, en los últimos años, Facebook comenzó a trackear actividades en toda Internet, a
través de una herramienta adictiva como el botón “Me gusta”. Esta función aparece en aplicaciones
y sitios web fuera de Facebook y les permite a las personas indicar con un click que están
interesadas en una marca, producto o pieza de contenido digital.
Facebook ha recolectado el conjunto de datos más extenso alguna vez armado sobre el
comportamiento social humano.

El fenómeno del Big Data es una realidad presente en el sector retail de Estados Unidos que está
integrado plenamente en la estrategia y procesos de negocio de las empresas más innovadoras,
informando sus decisiones más importantes en materia de marketing y comercialización
(merchandising) de productos, fijación de precios, servicios post-venta o gestión de la cadena de
suministro.
El volumen de datos e información de clientes de que dispone el sector crece de forma vertiginosa.
Las empresas líderes del sector registran y analizan de forma creciente las transacciones
comerciales y datos asociados de sus clientes procedentes de muy diversos canales de venta (tienda,
online, catálogos, programas de fidelización, club de clientes, etc). Asimismo, monitorizan y
analizan sus preferencias y patrones de compra- online y en tienda- como paso previo para dirigirles
ofertas personalizadas de productos y servicios, empleando para ello las nuevas tecnologías de
comunicación e información: aplicaciones móviles de geolocalización y tecnología RFID ( sistemas
de identificación de productos por radio frecuencia)

A diferencia de lo que ocurre en los canales tradicionales, en la empresa estadounidense los
contenidos no se deciden en base a la opinión de diez personas sentadas en torno a una mesa, sino
fijándose en el comportamiento y hábitos de millones de espectadores.
Las valoraciones de los usuarios, las búsquedas que hacen en la plataforma, qué dispositivos
utilizan, cuánto tiempo invierten diariamente en la web y en cada vídeo, qué día de la semana
prefieren, si ven los capítulos enteros o parcialmente, las preferencias que tienen en común con sus
amigos, la audiencia de su misma región geográfica, además de los metadatos sobre el actor,
director y género de cada título son algunos de los elementos que se tienen en cuenta antes de
recomendar una serie… O decidir si vale la pena producirla.
Los datos que recoge la plataforma sobre los hábitos de los usuarios no sólo le sirven para
personalizar las recomendaciones: Sus expertos en big data los modelan hasta convertirlos en una
especie de gafas para ver el futuro; unas lentes que les sirvieron para valorar si merecía la pena
invertir millones de dólares en reinventar la versión británica de la serie “House of Cards”… Y ya
conocemos el resultado.

1. Enfoque
2. Oportunidades
3. Áreas beneficiadas
Fuente: EY

Vail pone al cliente en el centro del modelo de negocio, permitiendo ésto incrementar el
engagement emocional, la experiencia de usuario y el consumo del mismo durante su estancia en el
resort deportivo.
• Hábitos , costumbres y aficiones de los clientes target fuera del resort.
• Análisis de menús, consumos en restaurantes, demanda culinaria y tiempo promedio en los
mismos.
• Campañas de marketing nacionales e internacionales quasi – personalizadas.
• Seguimiento y rastreo del gasto turístico en la estación.
• Rastreo de movimientos de los forfaits por la estación para establecer patrones de conducta
de los diversos perfiles de clientes.
• Desarrollo o creación de nuevos servicios en base a “demanda oculta” no satisfecha.

- CONSIDERACIONES FINALES
• Requisitos tecnológicos. - Landscape y ejemplo de arquitectura digital.

Cloud computing
La computación en nube es un sistema informatico basado en Internet y centros de datos remotos
para gestionar servicios de información y aplicaciones.
La computación en nube permite que los consumidores y las empresas gestionen archivos y utilicen
aplicaciones sin necesidad de instalarlas en cualquier computadora con acceso a Internet. Esta
tecnología ofrece un uso mucho más eficiente de recursos, como almacenamiento, memoria,
procesamiento y ancho de banda, al proveer solamente los recursos necesarios en cada momento.
La computación en nube es una tecnología que busca tener todos nuestros archivos e información
en Internet y sin depender de poseer la capacidad suficiente para almacenar dicha información.
El cloud computing explica las nuevas posibilidades de forma de negocio actual, ofreciendo
servicios a través de Internet, conocidos como e-business (negocios por Internet).

Toda la información, procesos, datos, etc. se localizan dentro de la red de internet, como en una
nube, así todo el mundo puede acceder a la información completa, sin poseer una gran
infraestructura.
Un ejemplo sencillo de computación en nube es el sistema de documentos y aplicaciones
electrónicas Google Docs / Google Apps. Para su uso no es necesario instalar software o disponer
de un servidor, basta con una conexión a Internet para poder utilizar cualquiera de sus servicios.
La computación en nube se puede aplicar en casi cualquier entorno: desde el pequeño comerciante
que necesita un sitio web seguro de comercio electrónico de forma rápida y barata, hasta el servicio
de bomberos cuando repentinamente necesitan más poder computacional para predecir movimientos
de incendios forestales durante el verano.
Los servicios de la computación en nube cubren desde aplicaciones individuales de negocios, como
el cálculo de impuestos, rentas o contribuciones, hasta la externalización informática de alto
rendimiento para complejos diseños en 3D, películas de cine o investigación científica.
El usuario puede en todo momento decidir qué aplicaciones usar y elegir entre aquellas que son
gratuitas y las que no lo son. En el caso de las aplicaciones de pago, el coste va en función de
diversas variables, como el servicio contratado, el tiempo que se ha usado ese servicio o el volumen
de tráfico de datos utilizado.
Características:
• Bajo coste: Productos gratuitos o pagos mensuales fijos por utilización, sin costes adicionales,
dado que no hay que invertir en gran infraestructura, ni en licencias
• Seguridad: Los datos siempre están seguros
• No hay necesidades de poseer una gran capacidad de almacenamiento
• Mayor rapidez en el trabajo al estar basado en web
• Información a tiempo real
• Fuerte inversión en innovación
• Acceso a toda la información
• Acceso cuando quiera y donde quiera, sólo con una conexión a Internet

Implementación de procesos big data
Es importante tener en cuenta las fuentes de datos, formatos y volúmenes con las que se trabajará
antes de crear la arquitectura tecnológica. Mezclar datos internos -privativos- con datos abiertos
puede crear grandes sinergias siempre que se respete la LOPD y los protocolos operativos y de
seguridad preestablecidos de antemano.
El software de visualización y gestión a las bases de datos y metadatos externas, son en su gran
mayoría open source -gratuítos-, y basan su eficiencia y accesibilidad en una arquitectura de
commoditie hardware (ordenadores “standard” procesando en paralelo, sin necesidad de carísimas
supercomputadoras).
La implementación de estas herramientas es accesible a cualquier particular, empresa y
administración, pues la inversión necesaria en software/hardware es inexistente y/o muy barata.

Solución Big Data open source Standard
• Hardware: Cluster multinodo escalable. Outsourcing.
• Sistema operativo Linux (Ubuntu, OpenSUSE, CentOS)
• Bases de datos: internas y externas (Mongo DB, MySQL)
• Cloudera: Hadoop, MapReduce, Pig, Hive
• Extract, Transform and Load (ETL)
• Modelado de datos y desarrollo de algoritmos (R, Rcmndr, MySql, Python)
• Business Intelligence (Pentaho, Talend…)

BBDD en MySQL

Funcionamiento de Mapreduce
Consola Cloudera

Extract, transform & Load (Kettle ETL)

Modelado estadístico con R

Presentación de resultados en Pentaho (imagen superior) y en Carto (imagen inferior)

- BIBLIGRAFÍA / INFORMACIÓN ADJUNTA.
https://www.google.com/trends/
https://es.wikipedia.org/wiki/Aldea_global
https://es.wikipedia.org/wiki/Big_data
https://es.wikipedia.org/wiki/Ciudad_inteligente
https://es.wikipedia.org/wiki/Computaci%C3%B3n_en_la_nube
https://es.wikipedia.org/wiki/Ciencia_de_datos
http://www.emb.cl/gerencia/articulo.mvc?xid=3503&sec=12
http://www.fao.org/agronoticias/territorios-inteligentes/territorios-inteligentes/en/
http://frajaro.blogspot.com.es/
http://www.elconfidencialdigital.com/dinero/CaixaBank-banqueros-Google-Amazon-
Apple_0_2447155262.html
http://www.nuevarevista.net/articulos/el-cluster-del-conocimiento
http://www.knowledgeatwharton.com.es/article/la-revolucion-urbana-del-siglo-xxi/
http://www.territorioymarketing.com/gestion-de-ciudades-del-siglo-xxi
http://searchdatacenter.techtarget.com/es/definicion/Computacion-en-la-nube
http://www.ticbeat.com/innovacion/data-scientist-trabajador-tech-todas-empresas-buscan/
http://www.puromarketing.com/12/22682/data-scientist-deseado-interprete-profesional-clave-big-
data.html
http://blogthinkbig.com/hadoop-open-source-big-data/
http://www.mediaclick.es/blog/google-trends-y-open-big-data-que-busca-la-gente-en-google/
http://www.inboundcycle.com/blog-de-inbound-marketing/big-data-marketing-los-3-componentes-
esenciales-para-una-estrategia-exitosa
http://www.educacionline.com/instituto-de-marketing-online/big-data-y-marketing-digital-una-
relacion-imprescindible/

Jacint Berengueras Feixa
NIF: 45720210 M
c/ Anglada, 6
25530 Vielha

VY&R

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Destacado

Destacado (7)

Similar a VY&R

Similar a VY&R (20)

Más de Jacint Berengueras

Más de Jacint Berengueras (11)

VY&R