1

Informe del Proyecto de Investigación

Lidia M. Acosta, Dania X. Pumayalla, Lucy Y. Mendoza, Norma V. Vargas, Rosmery E.

Quillas, Frances R. Atanacio

Instituto de Educación Superior Certus

Tercer Ciclo Big Data Aplicada a los Negocios

Lic. Enrique E. Aguilar Flores

Abril 19, 2020

 2

Índice

Introducción 2

Marco Teórico 4

Descripción de Data Driven 4

Metodología de procesamiento de datos 5

Casos de Estudio 8

Disney 8

Evidencia 8

Starbucks 9

Evidencia 9

Análisis de movilidad en el Starbucks 10

Conclusiones 13

Referencias 14
 3

Introducción
En el presente informe hablaremos sobre la empresa Disney y Starbucks como

empresas data driven y cómo influye big data para la toma de decisiones en beneficio

de dichas empresas. Disney es una compañía líder en el sector de los medios de

comunicación además de tener un parque de diversiones y un servicio de streaming

(Disney plus) los datos que utilizan en estos medios mayormente son para generar

ideas y tomar decisiones así mismo generar buenas experiencias al cliente.

Starbucks utiliza diferentes herramientas como la búsqueda de nuevos lugares

para hacer un nuevo negocio, lo que le permite a la empresa hacer una base de datos

que incluye esta información, así como otros datos complementarios, como el clima, las

promociones o los feriados.

Los datos recolectados le permiten a la cadena de cafeterías ofrecer a sus

usuarios una experiencia personalizada en todas sus franquicias, ya que recoge

información sobre sus alimentos y bebidas predilectas, y la almacena para

posteriormente hacer sugerencias o encaminar al consumidor a probar nuevos

productos.

Asimismo, la compañía envía un mail con promociones automáticas a los

usuarios que han dejado de visitar Starbucks en un determinado tiempo para volver a

captar su atención, dentro del informe se podrá visualizar ejemplos de ambas empresas

y su análisis con el uso de big data y la toma de decisiones para las oportunidades de

negocio.
 4

Marco Teórico

Descripción de Data Driven

En la actualidad, las empresas han venido implementando la Data driven para

generar resultados y respuestas más precisas, con la pandemia, muchas de las

empresas no sabían qué tan importante era poseer una base de datos que te permita

direccionar tu negocio ya que trabajaban de manera empírica.

Pero así como hubo empresas que empezaron de manera tradicional, hay

empresas que desde un inicio implementaron esta herramienta del Data driven para

posicionarse y plantear sus objetivos a base de datos obtenidos, es por ello que ATISoft

define que “una compañía data driven es, en líneas generales, una empresa basada en

la información, una en la que los datos son el epicentro de los procesos y de la toma de

decisiones (data driven decisions).” (ATISoft, 2021)

Entonces, el data driven nos permite tener un conjunto de datos, de información

relevante y en ocasiones, no tan relevantes para poder filtrar y quedarnos con los

puntos claves para direccionar nuestra empresa al éxito y tener ese plan de

contingencia en caso se nos presente una crisis organizacional.

A todo esto, se ha terminado de dominar “compañías driven” a las que emplean

esta herramienta, que se basa en únicamente recolectar información, filtrar y plantear

sus estrategias de evolución, ya sea con la inteligencia artificial y optimizando el

proceso de toma de decisiones, teniendo como resultado según el blog de Zendesk, “un

estudio de Gartner señala que en los últimos 3 años, las empresas han producido más

del 90% del total de datos almacenados históricamente.” (Douglas da Silva, 2021)
 5

Metodología de procesamiento de datos

1. KDD (Knowledge Discover Database)

Es un proceso centrado en la extracción de conocimiento de la base de datos,

prácticamente se puede considerar como un filtrado con diversas técnicas para facilitar

la obtención de información.

1.1. Selección:

Seleccionar datos ¿Que vamos a hacer? ¿de dónde?

1.2. Preprocesamiento:

Los datos se limpian y adecuan

1.3. Transformación:

Se utilizan métodos de reducción y otros métodos de transformación (valor de

venta)

1.4. Procesamiento de datos

Resolverlas problemas planteadas, se detectan patrones en los datos (analizar)

1.5 Interpretación y evaluación

concluye como puede funcionar

2. SEMMA (Sample, Explore, Modify, Model and Assess)

Aplica a cualquier proceso de minería de datos está ligado al software de Sas para

minería de datos

2.1. Muestrear
 6

Se obtienen de los datos que sean representativas de tamaño adecuado y poder

manipularlas en un tiempo.

2.2. Explorar

Permite analizar preliminarmente los datos, obteniendo las primeras conclusiones y

decidir qué camino seguir.

2.3. Modificar

Se aplican transformaciones y realizan selecciones (limpieza de datos)

2.4. Modelar

Esto funciona y combina las variables elegidas.

2.5. Evaluar

Se evalúa la utilidad y fiabilidad de los insights obtenidos con el mod.

3. CRISP-DM (Cross Industry StandarProcess For Data Mining

Es un proceso iterativo y centrado en el negocio. Es independiente de la herramienta

minería de datos y está ligado a SPSS Clementine

3.1. Entendimiento de datos

Se encarga de la recolección de datos, se iniciará a partir de la Big Data

empresarial la comprensión de su naturaleza y significado del análisis de calidad.

3.2. Preparación de datos:

Es un método probado para orientar sus trabajos de minería de datos. Como

metodología, incluye descripciones de las fases normales de un proyecto, las tareas

necesarias en cada fase y una explicación de las relaciones entre las tareas.

3.3. Modelado:
 7

Buscar a los clientes de cómo les gusta o como prefieren el producto más vendido.

3.4. Evaluación

Se evalúan los modelos y se revisan los siguientes pasos.

3.5. despliegue

Son modelos de industrializan, se puede llegar a desplegar en un sistema o entorno

de prod.

Herramientas o tecnologías analíticas

Son recursos tecnológicos que permiten a las empresas modernas realizar

análisis de una gran cantidad de datos en distintos contextos. Las inmensas cantidades

de información que hoy en día generan los negocios han impuesto la necesidad de

utilizar una serie de herramientas que tienen la capacidad de procesar lo que se conoce

como Big data.

Las ventajas de hacer uso de herramientas analíticas en las compañías son

incontables. Especialmente porque al contar con la capacidad de procesar la

información que se genera en, por citar un ejemplo, todos los departamentos que

componen la empresa son de gran ayuda para la toma de decisiones importantes.

Tipos de herramientas analíticas más utilizadas son las siguientes:

● Data Mining.

● Análisis de datos.

● Visualización de datos.

● Data cleanning.

● Data collection.
 8

● Almacenamiento y gestión de datos.

 9

Casos de Estudio

Disney

Disney es internacionalmente conocido y se asocia a la fantasía infantil y al

mundo del espectáculo. Se trata de una compañía líder en el sector de los medios de

comunicación que se fundó en 1923 en Hollywood, cuando el cine todavía no era

sonoro y las películas de animación eran una auténtica rareza. El nombre de esta

multinacional se debe a su fundador, Walt Disney.

Evidencia

Las pulseras RFID o Disney’s Magic Bands, son pulseras impermeables,

parecidas a un reloj, que vienen en una amplia gama de colores y diseños. Estas están

diseñadas para realizar una recolección de datos más efectiva del usuario para la

compañía, y a su vez, un mejor servicio al cliente por parte de la compañía al usuario;

debido a que estas están interrelacionadas al sistema “My Magic+”.

Los sensores RFID son pequeños dispositivos informáticos que pueden

transmitir información digital sobre el objeto al que están conectados de forma

automática e inalámbrica. esta pulsera sirve como entrada a los parques de

atracciones, llave del hotel, se puede relacionarla directamente a la tarjeta de crédito

para pago en restaurantes y tiendas de merchandising y el acceso a atracciones sin

hacer cola. Lo que permite un viaje más ligero durante el periodo de vacaciones.
 10

Disney recibe informes de horas de entrada y salida de los parques, patrones

dentro del uso de las atracciones, un historial de consumos y compras dentro del

parque, y ubicación en tiempo real dentro del resort. Debido a la ayuda de las pulseras

y la aplicación de “My Disney +”, la aplicación puede realizar acciones como presentar

sugerencias o incentivos para redirigir a personas a las zonas menos congestionadas.

Esta gran afluencia de datos ha sido usada para diseñar campañas de

marketing, basándose en el público objetivo de las pulseras, así como la planificación

de actuaciones temáticas dentro del parque considerando que zonas se encuentran con

un mayor grupo de personas. Debido a la implementación de estas tecnologías, Disney

se ha permitido realizar una optimización más eficiente de los recursos dentro del

parque, al grado que se ha reportado una disminución del 20% de costos internos del

parque. Esta función no solo recolecta datos, sino que a su vez produce una nueva

experiencia para el visitante.

Starbucks

Es considerada la compañía de comercialización de café más grande del mundo,

con más de 24,000 locales en 70 países.1 Starbucks ofrece café elaborado, bebidas y

una variedad de bocadillos. También tiene a la venta productos relativos al rubro como

tazas, termos y café en grano, así como libros y CD de música y películas. Sus

cafeterías suelen encontrarse en lugares con mucha afluencia, como aeropuertos,

centros comerciales, centros históricos, museos, universidades, entre otros.

 11

Evidencia

1. En 2008, cuando el CEO de Starbucks, Howard Schultz, se enfrentó a la difícil

decisión de cerrar cientos de tiendas, insistió en que adoptaran un enfoque más

analítico en el futuro: elegir la ubicación correcta es esencial para el éxito de

negocios como Starbucks. Así que hoy en día la compañía utiliza un sistema

inteligente llamado Atlas, desarrollado por una empresa de análisis de ubicación

llamada Esri. Este enfoque basado en datos tiene en cuenta características como la

densidad de población, los ingresos promedio y los patrones de tráfico para estimar

la rentabilidad y la viabilidad económica de la nueva tienda. Además, predice el

impacto de Starbucks ya existente en el área.

2. Hace más de 15 años surgió una idea de introducir bebidas con sabor a calabaza en

Halloween. Esto se ha convertido en una gama completa de productos globales

inspirados en calabazas. Un resultado es un gran aumento en la pisada durante los

meses de otoño. En el año 2016 lanzaron café en el hogar, fue el lanzamiento

principal de productos en los supermercados, para que los clientes hicieran café en

casa. Los datos en la tienda le dieron una base sólida para decidir qué productos

apuntar para el bebedor doméstico. Incluso podría probar productos para llevar a

casa como café instantáneo y agregó productos como versiones sin endulzar Otra

variación que sugirieron los datos de consumo en la tienda fueron las versiones con

y sin leche.
 12

Análisis de movilidad en el Starbucks

Los análisis de movilidad y la caracterización de zonas por medio de Big Data

está siendo utilizado por los líderes de la industria retail para tomar decisiones de

negocio más inteligentes y con ello, maximizar sus ingresos y optimizar sus costos.

¿Qué beneficios brindan los análisis de movilidad, la inteligencia de localización

y la caracterización de puntos de interés en cafeterías minoristas?

Estas herramientas han revolucionado la forma en que las empresas

implementan estrategias de expansión, comerciales y operativas en el sector minorista.

Con estos análisis, los negocios obtienen un panorama detallado del rendimiento de

sus tiendas, al mismo tiempo que puede predecir o estimar factores como:

● Posicionamiento de marca

● Comportamiento de sus clientes

● Tendencias del mercado

● Facturación

● Modelos de expansión

● Prevención de fraudes

Aplicando técnicas de geomarketing mediante la minería de data geoespacial, se logra

recopilar información valiosa como:

● Cantidad y la clasificación de personas que visitan un establecimiento o zona de

interés.

● Horarios y momentos del día donde existe más concurrencia.

● Tiempo de permanencia dentro y fuera de sus tiendas.

 13

● Recuento de visitas dentro y fuera de las tiendas.

● Potencial de mercado de puntos de venta u otros puntos de interés (POI).

● Otros lugares que más visitan sus clientes.

● Estatus socioeconómico de sus clientes.

Los líderes utilizan estas técnicas para tomar decisiones más eficientes y concisas que

generan una mayor rentabilidad al maximizar ingresos y optimizar costos.

En PREDIK Data-Driven realizamos un estudio detallado de Tata Starbucks, la

tienda física más grande en Bangalore, la India. A través de un análisis de movilidad y

caracterización de la zona y personas que por visitaron ese establecimiento, estimamos

el tráfico peatonal, identificamos los lugares más y menos concurridos, clasificamos a

los usuarios que visitan, habitan o trabajan por la zona, las observaciones por día, los

lugares más y menos visitados por los clientes de establecimiento, así como sus

características socio-demográficas.

En este caso de estudio analizamos el tráfico peatonal y el entorno inmediato del

punto de interés, con el objetivo de identificar los patrones de comportamiento de las

personas que visitan dicho establecimiento.

 14

Conclusiones

Convertirse en impulsado por los datos requiere perspicacia comercial y

experiencia en datos. Cada una de estas empresas se tomó el tiempo para crear una

estrategia para trabajar con sus objetivos comerciales.

Para Disney la transmisión de datos se ha vuelto muy importante ya que a

medida que las personas ven programas de televisión, se ha desarrollado un enfoque

en datos para manejar problemas de los sitios de datos, ya que su nuevo enfoque

garantiza que todos dentro de la organización tengan acceso a los datos que necesitan

cuando los necesitan. Desarrollaron una plataforma de transmisión de datos que

desacopla a los productores y consumidores en el ecosistema para lograr la habilitación

de datos.

El consumidor es un individuo dentro del mercado y cada individuo tiene

diferentes gustos y preferencias.

El uso de datos por cliente hace posible personalizar la oferta según estos

gustos.

Starbucks vio la oportunidad de utilizar estos datos dentro de su programa de lealtad.

Según Forbes Starbucks tiene más de 14 millones de personas inscritas en su

programa de lealtad Starbucks Rewards.

 15

Referencias

Aguilar, K. (4 de junio de 2021). Marketing en 60 segundos. Obtenido de

https://www.youtube.com/watch?v=IPjg8p85wIg

Anónimo. (17 de abril de 2022). Walt Disney Archives. Obtenido de

https://d23.com/disney-history/

Artificial, B. I. (9 de marzo de 2020). Brita Inteligencia Artificial. Obtenido de

https://brita.mx/starbucks-no-es-un-negocio-de-cafe-es-una-empresa-de-tecnologia-de-

datos

ATISoft. (17 de November de 2021). Compañías Data Driven El futuro de todas las

Industrias. Recuperado el 13 de April de 2022, de ATISoft: https://atisoft.com.mx/big-

data/sabes-que-es-una-compania-data-driven/

Company, T. W. (16 de abril de 2022). The Walt Disney Company. Obtenido de

https://thewaltdisneycompany.com/about/#-5

Douglas da Silva. (16 de marzo de 2021). ¿Qué es data driven? Crea un negocio

impulsado por datos. Obtenido de Blog de Zendesk:

https://www.zendesk.com.mx/blog/data-driven-que-es/#:~:text=Para%20transformar

%20la%20informaci%C3%B3n%20generada,recopilaci%C3%B3n%20y%20an

%C3%A1lisis%20de%20informaci%C3%B3n.

KO. (13 de noviembre de 2019). Digital Innovation and Transformation. Obtenido de

https://digital.hbs.edu/platform-digit/submission/big-data-behind-disney-magic/

Ohlhorst, F. (2012). Big Data Analytics. New Jersey: John Wiley & Sons, Inc.
 16

Towards Machine Learning. (18 de abril de 2022). Towards Machine Learning. Obtenido

de https://towardsml.wordpress.com/2018/11/27/the-data-driven-coffee-analyzing-

starbucks-data-strategy/