Unidad 41 / Escenario 82

Lectura Fundamental

Big DatadeAnalytics
Etapas un plan de comunicación
estratégica

Contenido
1 Big Data Analytics

Palabras clave: Big Data Analytics, Business Intelligence.

1. Big Data Analytics

Hoy en día, la tecnología evoluciona cada vez más rápido; hace menos de una década está-
bamos maravillados e impresionados por el surgimiento de las redes sociales y cómo estas
comenzaron a impactar nuestras vidas. Luego, se observó que los clientes empezaron a utilizar
las redes sociales para contarle al mundo qué tan satisfechos o INSATISFECHOS se sentían con
el uso de los productos y servicios de una determinada marca comercial.

De acuerdo con Evans y Cothrel (2014), a partir de ese momento se creó un antes y un después
en las empresas. ¿Cuál fue la razón? Las empresas perdieron el control de las conversaciones
con los clientes, pues estos no se tenían que limitar a los horarios de atención de los call cen-
ters de las compañías para ser escuchados, y comenzaron a manifestar sus opiniones a través
de Twitter, Facebook, YouTube, etc.

SABÍAS QUE...
El concepto de Marketing 1 to 1 fue creado por Don Peppers y Martha Rogers
a mediados de la década de los 90.

Este concepto está más vigente que nunca. Algunas de las empresas que lo ponen
en práctica son Amazon y Netflix.

Según Goodman (2014), las empresas se vieron en la necesidad de atender las conversaciones
que se generaban en las redes sociales para poder conocer las respuestas a los siguientes inte-
rrogantes: ¿Qué dicen: son comentarios positivos o negativos? ¿Quién lo dice: es un influenciador?
¿Por qué lo dicen: qué fue lo que la empresa hizo o dejó hacer para que se generara el comentario?

Por otra parte, compañías como Amazon le sugiere al cliente productos que otros comprado-
res observaron o adquirieron, y la empresa de entretenimiento Netflix propone películas a sus
suscriptores en función de la similitud encontrada entre los gustos de todos sus clientes. Gra-
cias a los avances de la tecnología, estas dos empresas lograron poner en práctica un concepto
creado a mediados de los noventa por Peppers y Rogers (1996), denominado Marketing 1 to 1,
el cual consiste en dejar de ofrecer múltiples productos a un mismo cliente y, en lugar de ello,
ofrecer un mismo producto a más de un cliente.

POLITÉCNICO GRANCOLOMBIANO 2
Para que las empresas, como las mencionadas en el párrafo anterior, puedan implementar el con-
cepto de Marketing 1 to 1 requieren implementar análisis avanzados en donde se puedan identifi-
car relaciones causa-efecto, así como productos con características similares que puedan ser de
interés para cada uno de los clientes de la compañía. Esto nos lleva hablar del Big Data Analytics.

1.1 Arquitectura del Big Data Analytics

El Dr. Arvind Sathi nos explica en su libro Big Data Analytics (2013) que este está conformado
por 3 capas:

• Conversation layer: es la capa visible de cara al usuario (front-end), en donde este realiza
sus consultas y obtiene las respuestas a sus inquietudes. Entre sus funciones se tiene:

• Almacenar las consultas y acciones que ejecutan los usuarios

• Transferir los datos de los usuarios que se registran en esta capa a la capa orches-
tration layer

• Recibir la información que proviene del orchestration layer y mostrarla a los usua-
rios (respuestas a las consultas realizadas).

• Orchestration layer: representa la capa intermedia del Big Data Analytics. Su principal
función es integrar y coordinar la información de acuerdo con el conocimiento adquirido,
el cual se envía a la capa conversation layer para ser mostrada al usuario. Entre las acti-
vidades que se realizan en esta capa, se tiene:

• Fungir de intermediario entre las capas conversation layer y discovery layer. El

orchestration layer recibe los datos que se originan en la capa conversation layer y
los envía a la capa discovery layer. De igual forma, recibe el resultado de los análi-
sis realizados por esta última capa.

• Con la información recibida desde el discovery layer, la capa orchestration layer se

encarga de buscar, en las diferentes fuentes de datos de la empresa, información
de interés para el usuario que está realizando la consulta.

POLITÉCNICO GRANCOLOMBIANO 3
 • Una vez que la información de interés es ubicada, es enviada a la capa conversa-
tion layer para ser presentada al usuario o consumidor.

• Discovery layer: es la capa que se encarga de realizar los análisis avanzados (estadísti-
cos y matemáticos). Sus funciones son:

• Recibe los datos que provienen de la capa orchestration layer

• Aplica análisis estadísticos y matemáticos para descubrir patrones y tendencias,

que tengan relación con los datos que ingresó el usuario.

• Envía los resultados de los análisis realizados a la capa intermedia, la orchestra-

tion layer.

El Dr. Sathi, para facilitarnos el entendimiento del funcionamiento de la arquitectura del Big
Data Analytics, nos presenta una analogía entre este último y la transmisión/narración de un
juego de fútbol.

1.2 Analogía entre la arquitectura del Big Data Analytics y la transmisión/na-

rración de un juego de fútbol

En un juego de fútbol se producen jugadas que pueden ser muy rápidas para ser analizadas y
comentadas. El gran reto que se le presenta tanto a camarógrafos, locutores, comentaristas y di-
rectores de transmisión es coordinar la secuencia de las imágenes en vivo con las repeticiones;
de igual forma, deben sincronizar las narraciones y comentarios de las jugadas en vivo con los
argumentos y comentarios que desean resaltar en las imágenes asociadas a las repeticiones,
todo esto sin perder la secuencia de lo que está sucediendo en el terreno de juego, ni mucho
menos disipar el interés de los televidentes. Veamos la analogía que nos plantea el Dr. Sathi.

POLITÉCNICO GRANCOLOMBIANO 4
Conversation layer

• Narradores y comentaristas focalizan su atención en la ejecución de lo que se está lle-

vando a cabo, describen lo que acontece en el terreno y hacen comentarios adecuados
sobre cada una de las jugadas.

• En el momento que el director de la transmisión decide hacer una repetición, los narra-
dores y comentaristas deben estar atentos para hacer comentarios pertinentes a las
imágenes en pantalla. Estos comentarios deben enriquecer el contenido de las imágenes
que se están transmitiendo y compartir conocimiento a los televidentes.

• Entre los comentarios que se realicen se deben incluir datos históricos, así como datos
estadísticos que le den contexto a la imagen presentada en TV.

Orchestration layer

• Es trabajo del director de la transmisión revisar constantemente cada una de las cáma-
ras de televisión; en el momento que identifica una imagen que aporte valor a la transmi-
sión del juego, hará que narradores y comentaristas fijen su atención en ella.

• El director tiene bajo su responsabilidad capturar y editar las imágenes que serán re-
transmitidas (repetición), seleccionar el momento adecuado para realizar la repetición e
indicar cuántas veces las van a presentar.

• También es responsabilidad del director incluir, durante la transmisión del juego, los
comerciales de los anunciantes; por lo tanto, es importante que el director seleccione
el momento oportuno para hacerlo, tomando en consideración dos cosas: primero, que
las pautas publicitarias se realicen de acuerdo con lo establecido en el contrato firmado
entre anunciantes y canal de TV y, segundo, que el comercial se presente sin que inte-
rrumpa la transmisión y narración de una jugada determinante del partido.

POLITÉCNICO GRANCOLOMBIANO 5
Discovery layer

• En este punto cobran vital importancia las estadísticas y los hechos históricos que tengan
relación con los jugadores, árbitros, los equipos y el juego en general. Los editores, en con-
junto con sus equipos de trabajo, buscan información histórica y estadística que apoyen
los comentarios. Ejemplo: “Tal día, como hoy, Colombia le ganó 5 x 0 a Argentina”.

• Una vez obtenida la información histórica, es importante que los editores puedan asociar-
la con las imágenes que van a retransmitir y, en paralelo, suministrarla a los narradores y
comentaristas para que la puedan utilizar en el momento que se transmita la repetición.

1.3 Uso del Big Data Analytics en una tienda virtual (e-commerce)

Apreciados estudiantes, ahora que ya saben cómo funciona el Big Data Analytics, veamos un
ejemplo de cómo se usa en una tienda virtual. En el ejemplo, un cliente busca un protector de
pantalla para su teléfono iPhone7.

Conversation layer

• El cliente ingresa a la tienda virtual y busca protectores de pantalla para iPhone 7.

• Aparecen diferentes protectores de pantalla para iPhone 7 de distintos fabricantes y, a su

lado, se muestra la calificación que le han dado los clientes a cada uno de ellos, al igual
que la cantidad de clientes que han calificado cada producto.

• Cuando el cliente selecciona uno de los protectores expuestos en la pantalla, se muestra

mayor cantidad de información, pero esta ya está asociada al artículo seleccionado y hace
referencia a: características, precio, preguntas y preguntas realizadas por compradores y
respondidas por otros clientes que adquirieron el producto o por el proveedor de este, así
como los comentarios hechos por los clientes que compraron dicho protector de pantalla.

POLITÉCNICO GRANCOLOMBIANO 6
 • Otro tipo de información que se muestra son sugerencias que hace la tienda al cliente,
que son productos que pueden tener o no relación con el iPhone 7 y provienen de clien-
tes que compraron el protector de pantalla y que han adquirido otros artículos (aplica-
ción del concepto de Marketing 1 to 1).

Orchestration layer

• La aplicación de la tienda virtual captura los datos ingresados por el cliente.

• Selecciona los datos que puedan ser relevantes para la capa discovery layer y se los
envía con el propósito de que esta última capa encuentre tendencias de productos,
productos relacionados con la búsqueda que está realizando el cliente y gustos de otros
compradores que pueden ser del interés del cliente que quiere comprar el protector de
pantalla para su iPhone 7 (sugerencias de acuerdo al Marketing 1 to 1).

• Al recibir la información que proviene del discovery layer, busca la información en las
diferentes fuentes de información de la empresa y la envía a la capa conversation layer
para ser mostrada al usuario.

Discovery layer

• Al recibir los datos que provienen de la capa orchestration layer, da inicio a los análisis
estadísticos y matemáticos con el propósito de encontrar tendencias de productos,
productos relacionados con la búsqueda que está realizando el cliente y gustos de otros
compradores que pudiesen ser de interés para el cliente que quiere comprar el protector
de pantalla para su iPhone 7.

• Finalizado los análisis avanzados, envía los resultados a la capa orchestration layer.

• En esta capa se realiza la categorización del cliente que consultó el protector de pantalla
para iPhone 7, con el propósito de ir construyendo un modelo estadístico más robusto, el
cual ayudará a realizar sugerencias más certeras; en consecuencia, aumentará la proba-
bilidad de compra de los productos que se sugieran a futuros clientes.

POLITÉCNICO GRANCOLOMBIANO 7
1.4 ¿Cuáles son los beneficios de usar Big Data Analytics en las empresas?

Apreciados estudiantes, durante todo el curso he mencionado que el entorno en el que se

desenvuelven las empresas está cambiando constantemente y estas modificaciones se dan
en lapsos de tiempo cada vez más cortos; por tal razón, el uso del Big Data Analytics ya no es
opcional.

Entre los beneficios que ofrece el implementar este tipo de análisis en la empresa, se tiene:

• Ayuda a identificar los sitios que visitan las personas en Internet y los productos/servi-
cios que son de su interés

• Permite conocer gustos y patrones de compra de los clientes

• Se realizan segmentaciones de clientes más certeras en función de sus gustos y carac-

terísticas

• La identificación de los gustos y las preferencias de los clientes aumentará la probabili-

dad de compra al realizar campañas de marketing.

POLITÉCNICO GRANCOLOMBIANO 8
Referencias
Evans, D. y Cothrel, J. (2014). Social Customer Experience: Engage and Retain Customers through
Social Media. Indianapolys: John Wiley & Sons.

Goodman, J. A. (2014). Customer Experience 3.0: High-Profit Strategies in the Age of Thecno Servi-
ce. New York, Estados Unidos: American Management Asociation - AMACOM.

Peppers, D. y Rogers, M. (1996). Uno por Uno: El marketing del siglo XXI. Buenos Aires:, Argentina
Javier Vergara Editor S.A.

Sathi, D. A. (2013). Big Data Analytics: Disruptive Technologies for Changing the Game. Boise: MC
Press Online, LLC.

POLITÉCNICO GRANCOLOMBIANO 9
 INFORMACIÓN TÉCNICA

Módulo: Estado del Arte de la Gestión y Administración de

la Información

Unidad 4: Business Intelligence Competency Center and

Big Data Analytics

Escenario 8: Big Data Analytics

Autor: Alexander Ibarra

Asesor Pedagógico: Jeiner Leandro Velandia

Diseñador Gráfico: Cesar Felipe Puentes rojas

Asistente: Leidy Alejandra Morales Eslava

Este material pertenece al Politécnico Grancolombiano. Por

ende, es de uso exclusivo de las Instituciones adscritas a la
Red Ilumno. Prohibida su reproducción total o parcial.

POLITÉCNICO GRANCOLOMBIANO 10