Se ha denunciado esta presentación.
Se está descargando tu SlideShare. ×

Afc module 1 translated

Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Próximo SlideShare
Data set   module 1 - spanish
Data set module 1 - spanish
Cargando en…3
×

Eche un vistazo a continuación

1 de 29 Anuncio
Anuncio

Más Contenido Relacionado

Presentaciones para usted (20)

Anuncio

Más de SoniaNaiba (20)

Más reciente (20)

Anuncio

Afc module 1 translated

  1. 1. This programme has been funded with support from the European Commission Module 1: Introduccion Big Data
  2. 2. Module 1: Big Data Introducción AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES El objetivo de este modulo es proporcionar una vision general de la informarción básica sobre big data. Una vez completado este modulo serás capaz de: - Comprender el papel emergente de big data - Comprender los términos claves respecto al big y smart data - Saber cómo los macrodatos se pueden convertir en datos inteligentes - Ser capaz de aplicar los términos claves del Big Data Duracion del módulo: aproximadamente 1 – 2 horas
  3. 3. El papel emergente del Big Data en la Formación Profesional y en las Empresas1 – Una breve historia del Big Data – ¿Qué es Big Data? – Fuente de datos – La importancia del Big Data Las 5 V‘s de los datos – Darle valor al Big Data – Aplicaciones de datos inteligentes – Cómo empezar con los datos inteligentes? – Retos Cómo los macrodatos llegan a ser datos inteligentes? – Cómo se usó el poder de los datos Estudio de casos 2 3 4 This programme has been funded with support from the European Commission. The author is solely responsible for this publication (communication) and the Commission accepts no responsibility for any use that may be made of the information contained therein.
  4. 4. El emergente papel de los datos en la formación profesional y empresas AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES 1. Qué es el Big Data? 2. Clasificación de los datos 3. Fuente de datos 4. La importancia del Big Data
  5. 5. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES Big Data es la base de todas las megatendecias que están surgiendo hoy, desde lo social al móvil, a la nube y a los juegos. Chris Lynch
  6. 6. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES “Datos de un tamaño muy grande, generalmente en la medida en que su manipulación y gestión presentan desafíos logísticos significativos " Oxford English Dictionary, 2013 Qué es el Big Data? Hay algunas cosas que son tan grandes que tienen implicaciones para todos, lo queramos o no. El big data es una de esas cosas, y está transformando completamente la forma en que hacemos negocios y está afectando a la mayoría de las otras partes de nuestras vidas. La idea básica del “Big Data” es que todo lo que hacemos está dejando cada vez más una huella digital, que podemos usar y analizar. Big Data, por lo tanto, se refiere a nuestra capacidad para hacer uso de los volúmenes cada vez mayores de datos.
  7. 7. AGE FRIENDLY ECONOMY | FUTURE OPPORTUN CLASIFICACION DE LOS DATOS “Datos” se define como “las cantidades, caracteres o símbolos en los que se realizan las operaciones en una computadora, que pueden almacenarse y transmitirse en forma de señales eléctricas y grabarse en medios de grabación magnéticos, ópticos o mecánicos”, como una búsqueda rápida en Google. “Big Data” se refiere a grandes cantidades de datos los cuales son: -demasiado largos para ser procesados -Demasiado abundante para ser analizado por herramientas tradicionales -no almacenado o administrado de manera eficiente sin embargo, también hay un gran potencial en el análisis de Big Data. La gestión y el estudio adecuados de los datos pueden ayudar a las empresas a tomar mejores decisiones en función de las estadísticas de uso y los intereses de los usuarios, ayudando así a su crecimiento. Algunas compañías incluso han creado nuevos productos y servicios, en función de los comentarios recibidos de las oportunidades de análisis de Big Data. clasificación es esencial para el estudio de cualquier asignatura. Así que Big Data se clasifica ampliamente en tres tipos principales, que son: DATOS ESTRUCTURADOS DATOS NO ESTRUCTURADOS DATOS SEMIESTRUCTURA DOS 1 2 3
  8. 8. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES DATOS ESTRUCTURADOS 1 Los datos estructurados se utilizan para referirse a los datos que ya están almacenados en bases de datos, de manera ordenada. Representa alrededor del 20% del total de datos existentes. Hay dos fuentes de datos estructurados, las máquinas y los humanos. Todos los datos recibidos de sensores, registros web y sistemas financieros se clasifican en datos generados por una máquina. Estos incluyen dispositivos médicos, datos de GPS, datos de estadísticas de uso capturados por servidores y aplicaciones y la enorme cantidad de datos que generalmente se mueven a través de plataformas comerciales, por nombrar algunos. Los datos estructurados generados por humanos incluyen principalmente todos los datos que un humano ingresa en una computadora, como su nombre y otros detalles personales. Cuando una persona hace clic en un enlace en Internet, o incluso hace un movimiento en un juego, se crean datos. Ejemplo de Datos Estructurados Una tabla de 'Empleado' en una base de datos es un ejemplo de Datos estructurados. Employee_ID Employee_Name Gender Department Salary_In_Euros 2365 Rajesh Kulkarni Male Finance 65000 3398 Pratibha Joshi Female Admin 65000 7465 Shushil Roy Male Admin 50000 7500 Shubhojit Das Male Finance 50000 7699 Priya Sane Female Finance 55000
  9. 9. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES DATOS NO ESTRUCTURADOS 2 Los datos no estructurados son lo opuesto a los datos estructurados: no tienen un formato claro en el almacenamiento. Alrededor del 80% de los datos totales contabilizados son datos grandes no estructurados. La mayoría de los datos con los que se encuentra una persona pertenecen a esta categoría, y hasta hace poco no había mucho que hacer excepto almacenarlos o analizarlos manualmente. Los datos no estructurados también se clasifican según su origen, en generados por máquina o generados por humanos. Los datos generados por máquina representan todas las imágenes satelitales, los datos científicos de varios experimentos y los datos de radar capturados por varias facetas de la tecnología. Ejemplo de datos no estructurados Output returned by 'Google Search‚. Los datos no estructurados generados por el hombre se encuentran en abundancia en Internet, ya que incluyen datos de redes sociales, datos móviles y contenido de sitios web. Esto significa que las imágenes que cargamos en Facebook o Instagram, los videos que vemos en YouTube e incluso los mensajes de texto que enviamos contribuyen a la gigantesca pila de datos no estructurados.
  10. 10. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES DATOS SEMIESTRUCTURA DOS 3 Los datos semiestructurados parecen no estar estructurados en una vista simple, por lo que puede ser difícil de analizar. La información que no se encuentra en el formato de base de datos tradicional como datos estructurados, pero que contiene algunas propiedades organizativas que facilitan su procesamiento, se incluye en los datos semiestructurados. Por ejemplo, los documentos NoSQL se consideran semiestructurados, ya que contienen palabras clave que se pueden usar para procesar el documento fácilmente. Un mensaje de correo electrónico es un ejemplo de datos semiestructurados. Incluye campos de datos bien definidos en el encabezado, como el remitente, etc., mientras que el cuerpo real del mensaje no está estructurado. Si desea averiguar quién envía correos electrónicos a quién y cuándo (información contenida en el encabezado), una base de datos relacional puede ser una buena opción. Pero si está más interesado en el contenido del mensaje, las herramientas de big data, como el procesamiento en lenguaje natural, serán mejores. Ejemplo de datos semiestructurados Personal data stored in a XML file.
  11. 11. Fuente de datos Datos de la Máquina consiste en información generada a partir de equipos industriales, datos en tiempo real de sensores que rastrean partes y monitorean maquinaria (a menudo también se denomina Internet de las cosas) e incluso registros web que rastrean el comportamiento del usuario en línea. En el cliente de Arcplan CERN, el centro de investigación de física de partículas más grande del mundo, el Gran Colisionador de Hadrones (LHC) genera 40 terabytes de datos cada segundo durante los experimentos during experiments. Datos transacionales, los grandes minoristas e incluso las empresas B2B pueden generar multitud de datos de forma regular, considerando que sus transacciones consisten en uno o varios artículos, identificaciones de productos, precios, información de pago, datos de fabricantes y distribuidores, y mucho más. Datos de las redes sociales brinda a las compañías información destacada sobre el comportamiento y el sentimiento del consumidor que se puede integrar con los datos de CRM para el análisis, con 230 millones de tweets publicados en Twitter por día, 2.700 millones de Me gusta y comentarios agregados a Facebook todos los días y 60 horas de video subido a YouTube Cada minuto (esto es lo que entendemos por velocidad de datos). AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES
  12. 12. WhatsApp users share 347,222 photos. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES CADA MINUTO DE CADA DÍA E-mail users send 204,000,000 messages YouTube users upload 4,320 minutes of new videos. Google recieves over 4,000,000 search queries.Facebook users share 2,460,000 pieces of content. Twitter users tweet 277,000 times. Amazon makes 83,000$ in online sales. Instagram users post 216,000 new photos. Ejemplos de datos de las redes sociales
  13. 13. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES Datos de máquinas Los datos de la máquina están en todas partes. Lo crea todo, desde aviones y ascensores hasta semáforos y dispositivos de control de estado físico. Más recientemente, los datos de la máquina han ganado más atención a medida que ha crecido el uso de Internet of Things, Hadoop y otras tecnologías de gestión de grandes datos. Los registros de aplicaciones, servidores y procesos de negocios, registros de detalles de llamadas y datos de sensores son ejemplos principales de datos de máquinas. Los datos de la cadena de clics de Internet y los registros de actividad del sitio web también se incluyen en las discusiones de los datos de la máquina. Se espera que la combinación de los datos de la máquina con otros tipos de datos empresariales para el análisis proporcione nuevas vistas y conocimientos sobre las actividades y operaciones comerciales. Los datos generados por una máquina son el alma de la Internet de las cosas (IoT). Internet of Things (IoT) En pocas palabras, IoT es básicamente el concepto de conectar cualquier dispositivo con un interruptor de encendido y apagado a Internet (y / o entre sí). Esto incluye todo, desde teléfonos celulares, cafeteras, lavadoras, audífonos, lámparas, dispositivos portátiles y casi cualquier cosa que se pueda imaginar. Esto también se aplica a los componentes de las máquinas, por ejemplo, un motor a reacción de un avión o el taladro de una plataforma petrolera.
  14. 14. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES Datos transaccionales Los datos transaccionales son información derivada directamente de las transacciones. A diferencia de otros tipos de datos, los datos transaccionales contienen una dimensión de tiempo, lo que significa que existe puntualidad y, con el tiempo, se vuelve menos relevante. En lugar de ser el objeto de transacciones como el producto que se compra o la identidad del cliente, es más bien un dato de referencia que describe la hora, el lugar, los precios, los métodos de pago, los valores de descuento y las cantidades relacionadas con esa transacción en particular, generalmente en El punto de venta. compras Devoluciones Facturas Pagos Creditos Donaciones comercios Dividendos Contratos Intereses Nóminas préstamo Reservas Inscripciones Suscripciones Ejemplos de datos transaccionales
  15. 15. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES LA IMPORTANCIA DEL BIG DATA La importancia de los grandes datos no gira en torno a la cantidad de datos que tiene una empresa, sino a cómo una empresa utiliza los datos recopilados. Cada empresa utiliza los datos a su manera; Cuanto más eficientemente una empresa usa sus datos, más potencial tiene para crecer. La compañía puede tomar datos de cualquier fuente y analizarlos para encontrar respuestas que permitan: Ahorro de costes Algunas herramientas de Big Data pueden aportar ventajas de costo para las empresas cuando se almacenan grandes cantidades de datos y estas herramientas también ayudan a identificar formas más eficientes de hacer negocios. Tiempo de reduccion La alta velocidad de las herramientas y los análisis en memoria pueden identificar fácilmente nuevas fuentes de datos que ayudan a las empresas a analizar datos de forma inmediata y tomar decisiones rápidas basadas en los aprendizajes Nuevo producto desarrollado Al conocer las tendencias de las necesidades y la satisfacción de los clientes a través del análisis, puede crear productos de acuerdo con las necesidades de los clientes Comprendiendo las condiciones del mercado Al analizar Big Data, puede comprender mejor las condiciones actuales del mercado. Por ejemplo, al analizar los comportamientos de compra de los clientes, una empresa puede descubrir los productos que más se venden y producir productos de acuerdo con esta tendencia. Control de la reputación en línea Las herramientas de big data pueden hacer análisis de sentimiento. Por lo tanto, puede obtener comentarios sobre quién está diciendo qué sobre su compañía. Si desea monitorear y mejorar la presencia en línea de su negocio, las herramientas de big data pueden ayudar en todo esto.
  16. 16. LAS 5 V‘s DEL DATA AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES
  17. 17. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES LAS 5 V‘s DEL DATA Volumen Velocidad Variedad Veracidad Valor El 90% de los datos en el mundo de hoy se ha creado solo en los últimos 2 años. Literalmente la velocidad de la luz! Los datos se duplican cada 40 meses. Datos estructurados, semiestructurados y no estructurados.. Debido al anonimato de Internet o posiblemente a las identidades falsas, la fiabilidad de los datos a menudo se cuestiona. Tener acceso a big data no es bueno a menos que podamos convertirlo en valor. La magnitud de los datos que se generan. La velocidad con la que se agregan los datos. Los diferentes tipos de datos La veracidad de los datos El valor económico de los datos Big Data hace un buen trabajo al decirnos lo que sucedió, pero no por qué sucedió o qué hacer al respecto. Los 5 V representan características y propiedades específicas que pueden ayudarnos a comprender tanto los desafíos como las ventajas de las iniciativas de big data.
  18. 18. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES VOLUMEN El volumen se refiere a las vastas cantidades de datos generados cada segundo. Solo piense en todos los correos electrónicos, mensajes de twitter, fotos, videoclips, datos de sensores, etc. que producimos y compartimos cada segundo. Solo en Facebook enviamos 10 mil millones de mensajes por día, haga clic en el botón "Me gusta" 4.5 mil millones de veces y cargue 350 millones de fotos nuevas cada día. Esto hace que los conjuntos de datos sean cada vez más grandes para almacenar y analizar utilizando la tecnología de base de datos tradicional. Con la tecnología de big data ahora podemos almacenar y usar estos conjuntos de datos con la ayuda de sistemas distribuidos, donde partes de los datos se almacenan en diferentes ubicaciones y se unen mediante software.
  19. 19. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES VELOCIDAD La velocidad se refiere a la velocidad a la que se generan los nuevos datos y la velocidad a la que se mueven los datos. Solo piense en los mensajes de las redes sociales que se vuelven virales en segundos, la velocidad a la que se comprueban las actividades de las tarjetas de crédito en busca de actividades fraudulentas o los milisegundos que los sistemas comerciales toman para analizar las redes sociales para detectar señales que desencadenan decisiones para comprar o vender acciones. La tecnología de Big Data nos permite ahora analizar los datos mientras se generan, sin tener que colocarlos en bases de datos
  20. 20. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES VARIEDAD Variedad se refiere a los diferentes tipos de datos que ahora podemos utilizar. En el pasado, nos centramos en datos estructurados que encajan perfectamente en tablas o bases de datos relacionales. Piensa en fotos, secuencias de video o actualizaciones de redes sociales. Con la tecnología de datos grandes, ahora podemos aprovechar diferentes tipos de datos, incluidos mensajes, conversaciones en redes sociales, fotos, datos de sensores, video o grabaciones de voz, y reunirlos con datos estructurados más tradicionales.
  21. 21. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES VERACIDAD Veracidad Se refiere a la confiabilidad de los datos. Con muchas formas de big data, la calidad y la precisión son menos controlables. Solo piense en las publicaciones de Twitter con etiquetas hash, abreviaturas, errores tipográficos y palabras coloquiales, así como la confiabilidad y precisión del contenido. La tecnología de Big Data y análisis nos permite trabajar con este tipo de datos. Los volúmenes a menudo compensan la falta de calidad o precisión.
  22. 22. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES VALOR Valor: es bueno tener acceso a big data, pero a menos que podamos convertirlo en valor, es inútil. De modo que puede argumentar con seguridad que el "valor" es la V más importante de Big Data. Es importante que las empresas hagan un caso de negocios para cualquier intento de recopilar y aprovechar Big Data. Es muy fácil caer en la trampa del buzz y embarcarse en iniciativas de big data sin una comprensión clara de los costos y beneficios. Big Data puede entregar valor en casi cualquier área de negocios o sociedad: ✓ Ayuda a las empresas a comprender y atender mejor a los clientes: los ejemplos incluyen las recomendaciones de Amazon o Netflix. UNA ✓ Permite a las empresas optimizar sus procesos: Uber puede predecir la demanda, tasar dinámicamente los viajes y enviar el controlador más cercano a los clientes. UNA ✓ Mejora nuestra atención médica: las agencias gubernamentales ahora pueden predecir los brotes de gripe y hacerles un seguimiento en tiempo real, y las compañías farmacéuticas pueden usar el análisis de big data para acelerar el desarrollo de medicamentos. UNA ✓ Nos ayuda a mejorar la seguridad: el gobierno y los organismos encargados de hacer cumplir la ley utilizan datos importantes para frustrar los ataques terroristas y detectar delitos cibernéticos. UNA ✓ Permite a las estrellas del deporte mejorar su rendimiento: los sensores en bolas, las cámaras en el campo y los rastreadores de GPS en sus ropas permiten a los atletas analizar y mejorar lo que hacen.
  23. 23. ¿CÓMO LOS DATOS GRANDES SE CONVIERTEN EN DATOS INTELIGENTES? AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES 1. Convertir Big Data en valor 2. Aplicaciones de datos inteligentes 3. ¿Cómo iniciar Smart? 4. Desafíos de Big Data
  24. 24. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES APLICACIONES INTELIGENTES DE DATOS • Detección / Prevención de Fraude • Análisis de sentimiento de marca. • Precios en tiempo real • Colocación de productos • Publicidad micro- dirigida • Monitorear las visitas de los pacientes • Atención y seguridad del paciente. • Reducir las tasas de readmisión • Smart meter-stream analysis • Proactive equipment repair • Power and consuption matching • Diagnóstico de torre celular • Distribución de banda ancha • Mantenimiento proactivo • Disminuyendo el tiempo de comercialización. • La planificación del suministro • Aumentar la calidad del producto. • Network intrusion detection and prevention • Disease outbreak detection • Detección y control de conducción insegura. • Planificación de rutas y tiempos de transporte público. SERVICIOS FINANCIEROS AL POR MENOR TELECOM FABRICACIÓN CUIDADOS DE SALUD UTILIDADES, PETRÓLEO Y GAS Sector público TRANSPORTE Todas las empresas del mundo necesitan datos para prosperar. Los datos son lo que te dice quiénes son tus clientes y cómo operan, y es lo que puede guiarte hacia nuevas perspectivas y nuevas innovaciones, pero primero Es necesario encontrar primero el área de interés correcta.
  25. 25. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES ¿CÓMO COMENZAR SMART? A pesar de que el análisis de datos y las herramientas de visualización han recorrido un largo camino en la última década, el análisis de big data aún depende de la intervención y coordinación humanas para tener éxito. Necesita saber cómo hacer las preguntas correctas, cómo eliminar su propio sesgo y cómo formar ideas procesables en lugar de conclusiones básicas. 1. Revise sus datos. •¿Qué datos tienes? •¿Cómo se usa? •¿Tiene la experiencia para gestionar sus datos? 2. Haga las preguntas correctas. • ¿Qué datos tiene y cómo se utiliza? • ¿Estás siendo lo suficientement e específico? 3. Sacar las conclusiones. •¿Podría un experto ayudar a revisar sus resultados? •¿Puedes validar tus hipótesis? •¿Qué otros datos necesitas?
  26. 26. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES Grandes desafíos de datos FALTA DE TALENTO Para implementar con éxito un proyecto de big data se requiere un equipo sofisticado de desarrolladores, científicos de datos y analistas que también tengan suficiente conocimiento del dominio para identificar información valiosa. Es fácil quedar atrapado en la exageración y la oportunidad de los grandes datos. Sin embargo, una de las razones por las que el big data está tan subutilizado es porque las tecnologías del big data y el big data también presentan muchos desafíos. Una encuesta encontró que el 55% de los proyectos de big data nunca se completan. Entonces, ¿cuál es el problema con big data? Escalabilidad Muchas organizaciones no tienen en cuenta la rapidez con la que un proyecto de big data puede crecer y evolucionar. Las cargas de trabajo de Big Data también tienden a ser ráfagas, lo que dificulta la asignación de capacidad para recursos. IDEAS ACCIONABLES Un desafío clave para los equipos de ciencia de datos es identificar un objetivo de negocio claro y las fuentes de datos adecuadas para recopilar y analizar para cumplir con ese objetivo. CALIDAD DE LOS DATOS Las causas comunes de los datos sucios incluyen: errores de entrada del usuario, datos duplicados y enlaces de datos incorrectos. SEGURIDAD Los desafíos específicos incluyen: Autentificación de usuario para cada equipo y miembro del equipo que accede a los datos. Restricción del acceso en función de las necesidades del usuario. Registro de historiales de acceso a datos y cumplimiento de otras normativas de conformidad. Uso correcto de encryprion en datos en tránsito y en reposo GESTION DE COSTE Las empresas que realizan proyectos de big data deben recordar el costo de la capacitación, el mantenimiento y la expansión.
  27. 27. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES CASO DE ESTUDIO: Cómo AG usó el poder de Big Data ANTECEDENTES Cada vez que va de compras, comparte detalles íntimos sobre sus patrones de consumo con los minoristas. Y muchos de esos minoristas están estudiando esos detalles para descubrir qué le gusta, qué necesita y qué es más probable que le haga feliz. AG: el minorista de golf más grande de Europa, por ejemplo, ha descubierto cómo extraer los datos de manera inminente en las carteras de jubilados inminentes, antes de que realmente se retiren. LA FUENTE DE LOS GRANDES DATOS DE AG AG asigna a cada cliente un número de identificación de invitado, vinculado a su tarjeta de crédito, nombre o dirección de correo electrónico que se convierte en un cubo que almacena un historial de todo lo que compró y cualquier información demográfica que AG haya recopilado de ellos o comprado de otras fuentes. Usando eso, su analista miró los datos históricos de compra de todos los hombres que habían registrado sus registros en el pasado. LA GRAN CONCLUSIÓN DE DATOS l analista realizó una prueba tras otra, analizando los datos, y en poco tiempo surgieron algunos patrones útiles. Guantes, por ejemplo. Muchos hombres compran guantes de golf, pero uno de los colegas de Pole notó que los hombres en el registro de golf estaban comprando periféricos de golf más pequeños, especialmente guantes de golf en los seis meses previos a su retiro. Otro analista observó que en esta ventana de 6 meses, la frecuencia de las visitas a las tiendas aumentó.
  28. 28. AGE FRIENDLY ECONOMY | FUTURE OPPORTUNITIES FOR SMES STUDIO DE CASO: Cómo AG usó el poder de Big Data LA REACCIÓN Así que AG comenzó a enviar bonos para kits de golf, especialmente artículos de entradas más altas, como controladores y juegos completos. Duhigg comparte una anécdota, tan buena que suena inventada. Un hombre enojado entró en una tienda en las afueras de Milton Keynes, exigiendo hablar con un gerente. EL RETO Lo que AG descubrió con bastante rapidez es que asustó a la gente que la compañía sabía de antemano su jubilación. LA SOLUCIÓN AG se volvió más astuto al enviar los bonos. La empresa puede crear folletos personalizados; en lugar de enviar a los hombres bonos de jubilación solo para artículos de alto precio de golf masculino, los distribuyen más sutilmente: descubrieron que mientras un hombre piense que no ha sido espiado, usará los vales. Simplemente asume que todos los demás en su calle recibieron el mismo correo.
  29. 29. Gracias Alguna pregunta? www.website.how www.facebook.com

×