Tema 5

Tema 5
Marketing Integral
Tema 5. Inteligencia
competitiva en marketing
Índice
Ideas clave
5.1. Introducción y objetivos
5.2. Sistemas de información en marketing y big data
5.3. Fuentes de información en marketing
5.4. Nuevas tecnologías de información en marketing
5.5. Instrumentos operativos de información: data

warehousing, data mining
5.6. Referencias bibliográficas
A fondo
Big Data: ejemplos reales del uso
Arquitectura Business Intelligence: comparativa entre

Inmon y Kimball
Planetic
Test
Ideas clave
5.1. Introducción y objetivos
Para poder tomar decisiones estratégicas adecuadas es necesario disponer de
información actualizada y fiable que ayude al responsable en la toma de decisiones a
seleccionar la alternativa idónea para resolver un problema concreto, defenderse de
una amenaza externa, desarrollar ventajas competitivas o aprovechar una
oportunidad en el mercado.
En la actualidad existen grandes volúmenes de datos disponibles en comparación a
hace décadas y el problema de las empresas reside en su tratamiento y en los
sistemas que los gestionan para generar información útil de cara a las necesidades
de la empresa. En este tema se hablará de big data y su repercusión en los sistemas
de información de marketing, así como sus efectos en la toma de decisiones.
Además, las empresas necesitan gestionar adecuadamente las fuentes de datos que
les suministran información tanto a nivel interno como externo, aprovechando las
nuevas tecnologías y su influencia en los sistemas de información de marketing.
Por último, para que un sistema de información de marketing aporte resultados y
conocimientos válidos para minimizar el riesgo en la toma de decisiones
empresariales, se explican al final de este tema dos conceptos básicos para su
análisis y gestión: data mining y data warehousing.
Los objetivos de aprendizaje de este tema son los siguientes:
▸ Valorar los distintos tipos de fuentes de información.
▸ Juzgar la influencia de las nuevas tecnologías en los sistemas de información de
marketing.
▸ Comprender el funcionamiento de data mining y data warehousing.
Marketing Integral 3
Tema 5. Ideas clave
© Universidad Internacional de La Rioja (UNIR)
Ideas clave
5.2. Sistemas de información en marketing y big

data
La creación de valor para los clientes y la construcción de relaciones estables con
ellos implican que los responsables de marketing deben buscar información y tener
una visión actual sobre el mercado y sobre lo que los consumidores están
demandando. Las empresas van a utilizar esta información sobre los clientes para
aprovechar las oportunidades de mercado y desarrollar ventajas competitivas.
En la actualidad, las empresas se enfrentan a un mercado muy competitivo y su
preocupación principal es conseguir una ventaja competitiva a través del

conocimiento de los clientes y del mercado. Para ello es necesario establecer un
adecuado sistema de información en marketing dentro de la empresa.
E l proceso de transformación de la información incluye cuatro grandes pasos,
partiendo de la recopilación de los datos hasta pasar a la acción o toma de
decisiones dentro de la empresa. Los datos corresponden a las variables de cada
cliente conectadas con los datos de productos, resultados o cualquier otro elemento
de entrada; la información es elemento de entrada y de salida. El objetivo de
cualquier empresa es transformar la información en acción, es decir, una vez que se
dispone de la información, las empresas la transformarán en la toma de decisiones
(véase la figura 1):
Figura 1. Proceso de transformación de la información en acción. Fuente: adaptado de Esteban-Talaya y
Mondéjar-Jiménez (2017).
Tema 5. Ideas clave
Ideas clave
E l sistema de información en marketing se puede definir como el conjunto de
personas, equipos y procedimientos que obtiene, clasifica, analiza, evalúa y
distribuye la información necesaria para la toma de decisiones en el área de
marketing (véase la figura 2) (Kotler y Armstrong, 2018). Este sistema incluye el
conocimiento de las necesidades de información, de los datos y las herramientas
para realizar auditorías de marketing. Se trata de un conjunto de procedimientos,
analistas, equipos y usuarios a través del cual se gestiona la información para la
toma de decisiones en marketing.
La mayoría de las empresas y responsables de marketing están sobrecargados de
información y, en ocasiones, el análisis es complejo o no saben cómo realizarlo; por
ejemplo, cuando una compañía aérea sigue los comentarios sobre su marca en las
redes sociales intentado buscar palabras clave., Los responsables de marketing
señalan que no tienen suficiente información, a pesar de la cantidad excesiva de
esta. Lo que ocurre en realidad es que necesitan una información más ajustada a sus
necesidades y hacer un mejor uso de ella.
Por ello, el valor de la información radica en cómo se utiliza para que
genere un rendimiento.
Figura 2. Sistema de información en marketing. Fuente: adaptado de Kotler y Armstrong (2018).
Tema 5. Ideas clave
Ideas clave
A la hora de interpretar y analizar de manera adecuada los datos obtenidos y
agrupados en un sistema de información en marketing, han de tenerse en cuenta los
siguientes elementos (Esteban-Talaya y Mondéjar-Jiménez, 2017):
▸ Fiabilidad de la información: se trata de conocer el método de obtención de
información y las personas u organizaciones que la han recogido, publicado y

difundido.
▸ Frecuencia de actualización de la información: los datos que se utilicen en el
seno de las empresas deben ser actuales y ajustados a la realidad.
▸ Grado de detalle de la información: es necesario que se pormenoricen claramente
los conceptos analizados.
El sistema de información en marketing está integrado por varios subsistemas que
permiten almacenar los datos (Kotler y Armstrong, 2018):
▸ Sistema de informes internos: las empresas deben obtener información de forma
periódica. En este sistema se incluye información sobre los clientes, producción o

ventas, entre otros. De tal forma que, con estos datos, se puede controlar la eficacia
de las acciones de marketing realizadas por la empresa.
Tema 5. Ideas clave
Ideas clave
▸ Sistema de investigación de mercados: las empresas pueden utilizar
herramientas cualitativas o cuantitativas para realizar estudios de mercado que den

solución a los problemas de información de la empresa. Se trata de investigaciones
ad hoc realizadas a través de fuentes de información que ofrecen la visión en
profundidad sobre determinados temas. Gran parte de estas investigaciones se
centran en el análisis de la competencia, el estudio de la calidad de servicio o de la
satisfacción de los clientes, entre otras.
▸ Sistema de inteligencia de marketing: consiste en la obtención de información por
diferentes medios y que proceda de cualquier elemento del entorno de marketing de

la empresa. Este sistema permite evaluar y almacenar información relativa al entorno
de la empresa.
▸ Sistema analítico de marketing: consiste en la elaboración de modelos analíticos
más complejos para analizar los datos y apoyar la toma de decisiones. Se incluyen
modelos y herramientas estadísticas que favorecen el análisis, planificación y control
de la información.
A pesar de la importancia de conocer a los clientes y al mercado, suele ser difícil
obtener la información sobre sus percepciones. Las necesidades de los clientes
pueden ser conocidas para todos, sin embargo, los motivos de compra no lo son.
Hoy en día, debido a las nuevas tecnologías, las empresas tienen fácil acceso a una
gran cantidad de información de marketing y se pueden generar grandes

volúmenes de datos (big data).
Big data es un concepto que hace referencia a la gestión y análisis de grandes
volúmenes de datos que deben ser tratados con herramientas informáticas
adaptadas para el tratamiento de enormes cantidades de datos estructurados, no
estructurados o semiestructurados. El objetivo de big data es el mismo que se
persigue con sistemas analíticos convencionales, es decir, consiste en analizar la
Tema 5. Ideas clave
Ideas clave
información para favorecer la toma de decisiones (Joyanes, 2017).
Los datos que se incluyen dentro de big data proceden, especialmente, de las redes
sociales (social media) y del comercio electrónico. Cada vez se utilizan más estos
datos por parte de las empresas, como por ejemplo el uso que realiza Amazon a
partir de data mining masivo para establecer patrones de compra de un usuario. Otro
ejemplo se puede ver en Google, el buscador que procesa más de 24 petabytes de
datos al día.
También se manejan grandes volúmenes de datos en la asistencia médica o la
banca, por ejemplo (Mayer-Schönberger, 2013). Este autor señala que las mismas
tecnologías que se aplican hoy en día para que Facebook conozca los gustos de las
personas y LinkedIn sepa a quién se conoce son extensibles al diagnóstico de
enfermedades o la predicción de tendencias de los consumidores en el comercio
minorista, gracias al tratamiento de los grandes datos. Big data es una fuente de
innovación y valor económico.
Big data se caracteriza por cinco aspectos relevantes (volumen, variedad, velocidad,
valor y veracidad) que se han resumido tradicionalmente dentro del conocido como
modelo de las 3 V: volumen, variedad y velocidad (véase la figura 3).
▸ Volumen: se habla de big data cuando los volúmenes superan la capacidad del
software habitual.
▸ Variedad: se incluyen datos estructurados, semiestructurados o no estructurados.
▸ Velocidad: los datos se reciben y procesan de forma muy rápida para la toma de
decisiones en tiempo real.
Tema 5. Ideas clave
Ideas clave
Figura 3. El modelo de las 3 V de big data. Fuente: adaptado de Beyer y Laney (2012).
Tal y como se ha comentado antes, las redes sociales y el comercio electrónico se
han convertido en las fuentes de datos más representativas de big data. Los datos de
social media se generan a partir de un gran número de aplicaciones de Internet y
páginas web como Facebook, Twitter, LinkedIn, YouTube, Instagram, Google, etc. Se
ha creado una nueva generación de personas que están conectados de forma
permanente y que interactúan y comparten información en diferentes ámbitos como
el comercio o turismo electrónico, aficiones, educación, salud, etc.
La figura 4 representa las tres grandes áreas sociales básicas de datos: los medios
sociales como fuente natural para el análisis de datos; los grandes datos como
paradigma de procesamiento paralelo y masivo y el análisis de datos como un
conjunto de algoritmos y métodos utilizados para extraer y analizar el conocimiento
(Bello-Orgaz, Jung y Camacho, 2016).
Tema 5. Ideas clave
Ideas clave
Figura 4. El mapa conceptual del social big data. Fuente: adaptado de Bello-Orgaz, Jung y Camacho
(2016).
Tema 5. Ideas clave
Ideas clave
5.3. Fuentes de información en marketing
Las fuentes de información en marketing son los instrumentos que proporcionan los
datos para la toma de decisiones dentro de la empresa. En la siguiente imagen
podemos ver cómo se clasifican según su origen (interno o externo) y según su
existencia previa o no (secundarias o primarias) (Kotler y Armstrong, 2018).
Tabla 1. El mapa conceptual del social big data. Fuente: adaptado de Bello-Orgaz, Jung y Camacho
(2016).
La cuestión principal para las empresas consiste en saber a qué fuentes debe acudir
en primer lugar. El proceso más común, por mayor rapidez y menor coste, es acudir
en primer lugar a las fuentes secundarias internas y externas. En un paso posterior,
cuando la información secundaria no sea suficiente para la toma de decisiones, se
debe buscar información primaria.
▸ Fuentes secundarias internas: los departamentos de las empresas suelen tener
información de diferente índole. A pesar de que esta información no se obtuvo para
resolver el problema que tenga la empresa, es útil para iniciar una primera toma de
contacto, por ejemplo: evolución de ventas, información sobre quejas y
reclamaciones, cuentas de resultados, etc.
Tema 5. Ideas clave
Ideas clave
▸ Fuentes secundarias externas: se puede realizar una búsqueda de información
secundaria fuera del ámbito de la empresa. Existen numerosas organizaciones e

instituciones públicas y privadas que realizan informes, crean bases de datos, etc.,
que pueden contener información útil, aunque tampoco fue generada para resolver el
problema de la empresa. Además de las fuentes offline tradicionales, es muy fácil
realizar búsquedas de información secundaria externa en Internet porque es rápido y
económico.
La figura 5 presenta una clasificación de las fuentes secundarias. Los datos
secundarios externos pueden ser más difíciles de conseguir que los internos y más
complejos de evaluar. Por tanto, antes de la recopilación de datos secundarios
externos es necesario recopilar, analizar e interpretar los datos secundarios internos
e inteligencia competitiva disponibles.
En la tabla 2 se presentan una serie de criterios para evaluar los datos
secundarios. Entre los criterios más destacados se hace referencia a
especificaciones/metodología, error/exactitud, actualidad, objetivo, naturaleza y
fiabilidad.
Tema 5. Ideas clave
Ideas clave
Tabla 2. Criterios para la evaluación de datos secundarios. Fuente: adaptado de Esteban-Talaya y Molina-
Collado (2014) y Malhotra (2018).
Las fuentes secundarias publicadas están disponibles en libros, periódicos y otros
medios. Esta información puede ser localizada empleando guías, directorios o índice.
A continuación, en la figura 6 se presenta un esquema una clasificación de las
fuentes secundarias publicadas:
▸ Las fuentes gubernamentales hacen referencia a los gobiernos europeos o de otras
partes del mundo, e incluyen gran cantidad de datos secundarios como, por ejemplo,
las oficinas o institutos de estadística, y se incluyen datos censales u otras
publicaciones.
▸ Los datos censales son publicaciones disponibles que pueden estar desglosadas
geográficamente y hacen referencia tanto a datos de particulares como de la

industria, la vivienda, la construcción, la agricultura, los restaurantes y hoteles, o los
Tema 5. Ideas clave
Ideas clave
servicios financieros, entre otros.
▸ Y otras publicaciones gubernamentales incluyen otros departamentos de estadística
con información relevante, con datos sociales o económicos, entre otros.
▸ Las guías son una fuente de información recomendada que permite ayudar a
identificar otras fuentes relevantes como directorios o publicaciones comerciales.

Son las primeras fuentes que un investigador debe consultar.
▸ Los directorios son útiles para identificar a los individuos u organizaciones que
incluyen datos específicos.
▸ Los índices permiten aumentar la eficiencia en el proceso de búsqueda, y están
disponibles tanto en el ámbito académico como en el privado y fuentes de negocios.
▸ Los datos estadísticos no gubernamentales incluyen información relativa a cuotas de
mercado o canales de distribución de empresas, entre otros datos relevantes.
Figura 6. Clasificación de fuentes secundarias publicadas. Fuente: Malhotra (2018).
Tema 5. Ideas clave
Ideas clave
▸ Fuentes primarias internas: son fuentes que tienen su origen en el interior de la
empresa y debe ser información que se busque con un objetivo específico. Por
ejemplo, la realización de una entrevista al director general de la empresa o a los
empleados. Se trata de datos que genera la propia empresa relativos a ventas,
clientes, precios, existencias, recursos humanos, finanzas… La mayor parte de este
tipo de información procede de:
• Clientes: actuales, potenciales, captación, fidelización, grado de satisfacción, etc.
• Ventas: por zonas, clientes, productos, vendedores, etc.
• Comerciales: número de visitas realizadas a los clientes, duración, número de

llamadas, etc.
• Precios: elasticidad.
• Finanzas: rentabilidad por cliente, producto o territorio.
• Personal: productividad, formación, etc., entre otros.
Cada vez más se está inculcando en las empresas la necesidad de la cooperación
entre departamentos, de forma que se trabaje de la forma más eficiente con toda la
información.
▸ Fuentes primarias externas: en este caso, son fuentes que proceden del exterior
de la empresa y es información que se busca para un hecho concreto o un problema

determinado. Por tanto, sería información hecha a medida (ad hoc) para el problema
que tenga la empresa en un momento determinado. Se pueden utilizar diferentes
técnicas cualitativas y cuantitativas para obtener la información (por ejemplo, una
encuesta a los clientes). Obtener información primaria externa es más caro y
conlleva más tiempo, por lo que es necesario asegurarse de que no se pueden
Tema 5. Ideas clave
Ideas clave
tomar las decisiones con las anteriores. Para obtener esta clase de información es
necesario conocer el proceso de investigación comercial que se verá en los
siguientes apartados. En este tipo de fuentes se incluye información no solo

procedente de clientes, sino de distribuidores, empleados o accionistas, entre otros.
A continuación, se presenta de forma resumida una comparativa de los distintos
tipos de fuentes de información haciendo relación a aspectos como el coste y la
prioridad. En concreto, se diferencia entre información interna primaria, información
externa primera e información secundaria (véase la tabla 3).
Tabla 3. Comparación de la información que procede de las distintas fuentes. Fuente: adaptado de
Esteban-Talaya y Mondéjar-Jiménez (2017).
Los datos secundarios son la fuente de búsqueda de información más habitual en
marketing. En numerosas ocasiones, las fuentes secundarias pueden facilitar el
proceso de investigación mediante otras alternativas de diseño de investigación. Las
fuentes de información secundarias incluyen una serie de ventajas e
inconvenientes frente a los primarios que se incluyen en la tabla 4.
Tema 5. Ideas clave
Ideas clave
Tabla 4. Ventajas e inconvenientes de las fuentes de información secundarias. Fuente: adaptado de
Esteban-Talaya y Mondéjar-Jiménez (2017).
Otro aspecto relevante es la diferenciación entre los datos secundarios y la
inteligencia de marketing (véase la tabla 5). Este segundo concepto se define
como observaciones cualificadas de acontecimientos en el entorno de marketing, es
decir, se incluye una variedad de datos que se han recogido en algunas ocasiones
para fines distintos del problema en cuestión (Malhotra, 2018).
Tema 5. Ideas clave
Ideas clave
Tabla 5. Comparativa entre las fuentes secundarias y la inteligencia competitiva. Fuente: adaptado de
Malhotra (2018).
Tema 5. Ideas clave
Ideas clave
5.4. Nuevas tecnologías de información en

marketing
En el contexto actual, las organizaciones necesitan disponer de información precisa
con el fin de conseguir una posición competitiva en el mercado. Ha facilitado esta
labor el enorme crecimiento de las TIC. En realidad, existen numerosas tecnologías y
aplicaciones que pueden ser de utilidad a las empresas en el análisis de la
información, pero se debe evaluar y justificar la necesidad real de adquirir una nueva
tecnología o un nuevo sistema en términos de costes y beneficios. El proceso de
planificación y de adquisición de tecnologías de la información dependerá, en
muchas ocasiones, del tamaño de la empresa, si bien es necesario que se analice el

objetivo que se persigue con ese sistema de información.
En la actualidad, el entorno tecnológico que rodea a las empresas es tan extenso
que no es posible abarcar todo ni disponer de todos los sistemas en el seno de las
empresas. A continuación, se indican las dos grandes áreas de tecnología y
aplicaciones de la información que pueden ser de utilidad a las empresas. Por
ejemplo, el hardware y el software, unidos a la mayor capacidad y seguridad de
tratamiento y almacenamiento, han permitido mejorar los procesos de recogida de
datos, procesamiento y difusión de la información.
Los responsables de los departamentos de marketing deben trabajar en estrecha
colaboración con los responsables del departamento de sistemas de información
buscando ventajas competitivas mediante el uso de la información y las TIC. ¿Cuál
es el procedimiento que se puede seguir dentro de las empresas con relación a las
nuevas tecnologías de los sistemas de información? Existen algunos procesos que
son relativamente sencillos como, por ejemplo, la elaboración de bases de datos o de
hojas de cálculo, o el uso de aplicaciones a través de paquetes estadísticos más
sofisticados que permita elaborar modelos.
Tema 5. Ideas clave
Ideas clave
De forma más concreta, se puede indicar que en los últimos años se han producido
grandes avances en los sistemas de software que han facilitado mucho el trabajo en
lo que se denomina interfaz o el diálogo con el usuario. Las empresas deben tener
en cuenta la importancia de la localización de los datos mediante medios
electrónicos, ya sean de clientes o de la competencia, así como la capacidad técnica
de las TIC de la empresa para organizar esa información y analizarla.
En las empresas se han desarrollado sistemas electrónicos de información que
han permitido la distribución de datos online. Los buscadores han ayudado a localizar
la información, aunque en ocasiones pueden limitar el campo de búsqueda. Por ello,
han ido surgiendo multitud de proveedores de información online que están obligados
a ofrecer algún valor añadido con la información de la que disponen. Por ejemplo,
Google ofrece información más específica, en concreto de carácter académico, a
través de Google Scholar. Es decir, se están produciendo continuas adaptaciones de
las nuevas tecnologías de la información y los sistemas de información electrónicos
porque son los elementos clave para aportar valor y ayudar a las empresas a
seleccionar entre la multitud de fuentes disponibles.
Dada la velocidad de los avances en las nuevas tecnologías de la información
durante los últimos años, han ido apareciendo algunos sistemas que, casi con la
misma velocidad de aparición, han ido desapareciendo. Por ejemplo, en 2010
todavía se podían almacenar las bases de datos en CD o DVD y, unos años
después, ya se ofrecen directamente online; este tipo de servicios suele tener un
servidor de acceso para que los usuarios puedan conectarse. Algunos ejemplos son
información básica para reservar o comprar vuelos, para comprar entradas de cine
o conciertos, para utilizar el banco desde casa, información bibliográfica de
carácter estadístico o información financiera o bursátil, muy útiles por su carácter

económico.
Tema 5. Ideas clave
Ideas clave
La información que proporcionan estos sistemas se puede clasificar, principalmente,
en sistemas referenciales y sistemas fuente:
▸ Los referenciales son aquellos que remiten a otra fuente para conseguir la
información. Por ejemplo, la base de datos EBSCO o PROQUEST remiten a varias

publicaciones científicas.
▸ Los sistemas fuente son aquellos que facilitan la información original de la fuente
primaria. Por ejemplo, cuando el usuario se conecta directamente a la página web de

una revista especializada de marketing que ofrece los artículos que están
publicados.
Durante varios años los sistemas fuente han sido más frecuentes que los sistemas
referenciales, porque se ajustaban más a las demandas del mercado. Por ejemplo,
entre los sistemas de información electrónicos más demandados estaban las bases
de datos de teléfonos y correos electrónicos para realizar campañas de captación de

clientes. Sin embargo, teniendo en cuenta la nueva publicación de la normativa
europea de protección de datos en mayo de 2018, el tratamiento de los datos
requiere de un proceso más cuidadoso que en el pasado y las empresas se
enfrentan permanentemente a nuevos desafíos en este ámbito.
Por último, a lo largo del siglo XXI, las nuevas tecnologías han permitido que se
hayan ido incorporando sistemas, aplicaciones y procesos que han favorecido el
almacenamiento y el tratamiento de la información (data mining y data warehousing).
Algunos ejemplos son las redes neuronales, los expert systems de la inteligencia
artificial, los sistemas de virtualización o los servicios de la nube, entre otros (Rainer
y Cegielski, 2016).
Tema 5. Ideas clave
Ideas clave
5.5. Instrumentos operativos de información: data

warehousing, data mining
El data mining o minería de datos ha atraído en los últimos años gran atención en la
industria de la información, en el mundo empresarial y en la sociedad en su conjunto
debido a la amplia disponibilidad de grandes cantidades de datos y a la necesidad de
convertirlos rápidamente en información y conocimientos útiles. La información y los
conocimientos adquiridos pueden utilizarse para aplicaciones que van desde el
análisis de mercado, la detección de fallos y la retención de clientes, hasta el control
de la producción y la exploración científica.
Data mining es el resultado de la evolución natural de la tecnología de la
información. La industria de sistemas de bases de datos ha sido testigo de un cambio
evolutivo en el desarrollo de las siguientes funcionalidades:
▸ Recogida y creación de bases de datos.
▸ Gestión de datos (incluyendo almacenamiento, recuperación de datos y
procesamiento de transacciones de bases de datos).
▸ Análisis avanzado de datos (involucrando almacenamiento de datos y minería de
datos).
Desde la década de 1960, las bases de datos y la tecnología de la información han
evolucionado desde sistemas primitivos de procesamiento de archivos a sistemas de
bases de datos sofisticados y potentes.
Tema 5. Ideas clave
Ideas clave
A partir de los 70, la investigación y el desarrollo en sistemas de bases de datos
han progresado desde los primeros sistemas de bases de datos jerárquicos y en red
hasta el desarrollo de sistemas de bases de datos relacionales, herramientas de
modelización de datos y métodos de indexación y acceso. Además, los usuarios han
conseguido un acceso conveniente y flexible a estos a través de lenguajes de
consulta, interfaces de usuario, procesamiento optimizado de consultas y gestión de
transacciones.
Los métodos eficientes para el procesamiento de transacciones online u online
transaction processing (OLTP), en los que una consulta se considera una transacción
de solo lectura, han contribuido sustancialmente a la evolución y a la amplia
aceptación de la tecnología relacional como una herramienta importante para el
almacenamiento, la recuperación y la gestión eficientes de grandes cantidades de
datos.
La tecnología de bases de datos desde mediados de los años 80 se ha
caracterizado por la adopción de tecnología relacional y un aumento de las
actividades de investigación y desarrollo de nuevos y potentes sistemas de bases de
datos. Estos nuevos sistemas facilitan el desarrollo de modelos de datos avanzados
y se han incrementado los sistemas de bases de datos orientados a la aplicación.
También han surgido sistemas de bases de datos heterogéneos y sistemas de

información mundiales basados en Internet, que desempeñan un papel fundamental
en la industria de la información.
Tema 5. Ideas clave
Ideas clave
El progreso constante y asombroso de la tecnología de los ordenadores en las
últimas tres décadas ha facilitado la adquisición de potentes y económicos equipos
de recogida de datos y medios de almacenamiento. Los datos pueden ahora
almacenarse en muchos tipos diferentes de bases de datos y repositorios de
información. La tecnología de almacenamiento de datos incluye limpieza, integración
de datos y procesamiento analítico online u online analytical processing (OLAP), es
decir, técnicas de análisis con funcionalidades tales como resumen, consolidación y
agregación, así como la capacidad de ver la información desde diferentes ángulos.
Aunque las herramientas OLAP soportan el análisis multidimensional y la toma de
decisiones, se requieren herramientas adicionales de análisis de datos para el
análisis en profundidad, tales como la clasificación de datos, la agrupación en grupos
y la caracterización de los datos que, además, cambian con el tiempo. Un programa
adecuado y muy utilizado para estas tareas es R.
La abundancia de información, junto con la necesidad de potentes herramientas de
análisis de datos, se describe como una situación rica en datos, pero pobre en
información. El rápido crecimiento y la cantidad de datos recolectados y
almacenados en grandes y numerosos repositorios de datos ha excedido con creces
la capacidad humana de comprensión sin estas potentes herramientas de análisis.

En consecuencia, las decisiones importantes a menudo se toman basándose no en
los datos abundantes en información almacenados en los repositorios, sino más bien
en la intuición de un responsable en la toma de decisiones, simplemente porque no
tiene las herramientas adecuadas para extraer el conocimiento que hay en estas
grandes cantidades de datos. Las herramientas de data mining realizan análisis de
datos y pueden descubrir patrones importantes, contribuyendo en gran medida a
plantear estrategias empresariales. La brecha cada vez mayor entre datos e
información exige un desarrollo sistemático de herramientas de data mining que
conviertan los datos en perlas del conocimiento.
Tema 5. Ideas clave
Ideas clave
Sabías que…
En esta página puedes comprobar el volumen de datos que se mueve en el
mundo cada segundo. ¡Imagínate analizarlos! The Internet in real time.

https://www.betfy.co.uk/internet-realtime/
Figura 7. Sistema de data mining. Fuente: adaptado de Han, Kamber y Pei, (2011).
En pocas palabras, data mining o la minería de datos se refiere a la extracción o
«minería» de conocimientos a partir de grandes cantidades de datos. El proceso de
descubrimiento de conocimientos para convertirlos en acciones se describe en la
figura y consiste en una secuencia iterativa de los siguientes pasos:
Tema 5. Ideas clave
Ideas clave
▸ Limpieza de datos: para eliminar el ruido y los datos incoherentes.
▸ Integración de datos: en la que pueden combinarse varias fuentes de datos.
▸ Selección de datos: donde los datos relevantes para la tarea de análisis se
recuperan de la base de datos.
▸ Transformación de datos: donde los datos se transforman o consolidan en formas
apropiadas para la minería mediante la realización de operaciones de resumen o

agregación.
▸ Data mining: un proceso esencial en el que se aplican métodos para extraer
patrones de datos.
▸ Evaluación de patrones: para identificar los patrones verdaderamente interesantes
que representan el conocimiento o la información necesaria basada en algunas

medidas de interés.
▸ Presentación del conocimiento: donde se utilizan técnicas de visualización y
representación del conocimiento para presentar el conocimiento extraído al usuario.
Tema 5. Ideas clave
Ideas clave
Las cuatro primeras etapas son diferentes formas de preprocesamiento de datos,
para prepararlos para etapas posteriores. La quinta etapa puede interactuar con el
usuario o con una base de conocimiento para, en la siguiente etapa, presentar al
usuario los patrones interesantes almacenarlos como nuevos conocimientos en la
base de conocimientos. Por lo tanto, de acuerdo con este proceso, data mining es
solo un paso de todo el proceso, aunque esencial, porque descubre patrones ocultos
para la evaluación. Sin embargo, en la industria, en los medios de comunicación y en
el entorno de investigación de bases de datos, el término data mining se ha vuelto
más popular que el largo plazo de descubrimiento de conocimiento e información
esencial a partir de los datos.
Adoptando entonces una visión amplia de la funcionalidad de la minería de datos
como el proceso de descubrir conocimiento e información interesante para la toma
de decisiones, de grandes cantidades de datos alojados en bases de datos,
almacenes de datos u otros repositorios de información, la arquitectura de un sistema
típico de minería de datos puede tener los siguientes componentes principales:
▸ Base de datos, data warehouse, World Wide Web u otros repositorios de
información: se trata de una o varias bases de datos, almacenes de datos, hojas de

cálculo u otro tipo de repositorios de información.
▸ Servidor de base de datos o data warehouse: el servidor de la base de datos o
del data warehouse es el componente responsable de obtener los datos relevantes,

basándose en la solicitud de data mining del usuario.
▸ Base de conocimiento: esta es la información que se utiliza para guiar la búsqueda
o evaluar el interés de los patrones resultantes.
▸ Mecanismo de data mining: esto es esencial para el sistema de data mining y
consiste en un conjunto de módulos funcionales para tareas como caracterización,
Tema 5. Ideas clave
Ideas clave
análisis de asociación y correlación, clasificación, predicción, análisis de

conglomerados, análisis de valores atípicos y análisis de evolución.
▸ Módulo de evaluación de patrones: este componente emplea medidas de interés e
interactúa con los módulos de data mining para enfocar la búsqueda hacia patrones
interesantes.
▸ Interfaz de usuario: este módulo se comunica entre los usuarios y el sistema de
data mining, permitiendo a aquellos interactuar con el sistema especificando una

consulta o tarea de minería de datos, proporcionando información para ayudar a
enfocar la búsqueda y realizando un data mining exploratorio basado en los

resultados intermedios.
Data warehousing
Los almacenes o bases de datos generalizan y consolidan los datos en un espacio
multidimensional. Tal y como se ha comentado, la construcción de bases de datos
implica la limpieza, la integración y la transformación de los datos, y puede
considerarse como un paso importante de preprocesamiento para data mining.
Además, los almacenes de datos proporcionan herramientas de procesamiento

analítico en línea (OLAP) para el análisis interactivo de datos multidimensionales de
granularidad variada, lo que facilita la generalización y la extracción de datos.
Muchas otras funciones de data mining, tales como asociación, clasificación,
predicción y agrupamiento, pueden integrarse con las operaciones de OLAP para
mejorar la minería interactiva del conocimiento en múltiples niveles de abstracción.
Por lo tanto, una base de datos se ha convertido en una plataforma cada vez más
importante para el análisis de los datos y el procesamiento analítico en línea que
proporcionará una plataforma eficaz para data mining. Data warehousing y OLAP son
elementos esenciales en el proceso de búsqueda de conocimiento.
Tema 5. Ideas clave
Ideas clave
Te puede interesar
Van der Ha, B. y Nagtegaal, B. (2015). Data Centres: Market Archetypes and
Case Studies (Informe D7.1) (pp. 15-46). Recuperado de http://www.renewit-

project.eu/wp-content/files_mf/1402920599D7.1lastversion.pdf
El almacenamiento de datos proporciona arquitecturas y herramientas para que los
responsables de negocio organicen, comprendan y utilicen sistemáticamente sus
datos para tomar decisiones estratégicas. Los sistemas de almacenamiento de datos
son herramientas valiosas en el mundo competitivo y de rápida evolución hoy en día.
En los últimos años, muchas empresas han gastado grandes cantidades de dinero
en la construcción de bases de datos. Además, es una idea generalizada que, con el
aumento de la competencia en todos los sectores económicos, el almacenamiento de
datos es una herramienta de marketing imprescindible para retener a los clientes
aprendiendo más sobre sus necesidades.
Los almacenes o bases de datos se han definido de muchas maneras, lo que dificulta
la formulación de una definición rigurosa. En términos generales, un almacén de
datos es una recopilación de datos orientada a un tema, integrada, variable en el
tiempo y no volátil que apoya el proceso de toma de decisiones de la dirección. Los
sistemas de almacenamiento de datos permiten la integración de una variedad de
sistemas de aplicación y apoyan el procesamiento de la información al proporcionar
una plataforma sólida de datos históricos consolidados para su análisis. Esta
definición presenta las principales características de un almacén de datos. Las cuatro
palabras clave (orientadas a un tema, integradas, variables en el tiempo y no
volátiles) distinguen a los almacenes o bases de datos de otros sistemas de
repositorios de datos, tales como sistemas de bases de datos relacionales, sistemas
de procesamiento de transacciones y sistemas de archivos (Inmon, Strauss y
Neushloss, 2010).
Tema 5. Ideas clave
Ideas clave
Un almacén de datos está organizado en torno a temas importantes, como el
cliente, el proveedor, el producto y las ventas. En lugar de concentrarse en las
operaciones diarias y el procesamiento de transacciones de una organización, se
centra en la modelización y análisis de datos para los responsables de la toma de
decisiones. Por lo tanto, los almacenes de datos suelen ofrecer una visión simple y
concisa de temas concretos al excluir datos que no son útiles en el proceso de apoyo
a la toma de decisiones.
También suele construirse integrando múltiples fuentes heterogéneas, como
bases de datos relacionales, archivos planos y registros de transacciones online. Se
aplican técnicas de limpieza e integración de datos para garantizar la coherencia en
las convenciones de nomenclatura, estructuras de codificación, medidas de atributos,
etc. Los datos se almacenan incorporando la variante tiempo para proporcionar

información desde una perspectiva histórica (por ejemplo, los últimos 5 o 10 años).
Cada estructura clave del almacén de datos contiene, implícita o explícitamente, un
elemento de tiempo.
Es siempre un almacén de datos físicamente separado de los datos de la aplicación
que se encuentran en el entorno operativo. Debido a esta separación, no requiere
mecanismos de procesamiento de transacciones, recuperación y control de
concurrencia. Por lo general, solo requiere dos operaciones en el acceso a los datos:
la carga inicial y el acceso a estos.
En resumen, un almacén de datos es un almacén semánticamente coherente que
sirve como implementación física de un modelo de datos que ofrece soporte a la
toma de decisiones y almacena la información sobre la que una empresa necesita
tomar decisiones estratégicas. Es a menudo visto como una arquitectura, construida
mediante la integración de datos de múltiples fuentes heterogéneas para soportar
consultas estructuradas o ad hoc, informes analíticos y toma de decisiones.
Tema 5. Ideas clave
Ideas clave
Data mining es para todos
Big Data está en todas partes donde se mire hoy en día. Las empresas se
están esforzando por contratar a expertos en datos, los defensores de la
privacidad están preocupados por los datos personales y su control, y los
ingenieros se apresuran a encontrar nuevas formas de recopilar, controlar
y dar valor a los datos. Nadie puede negar en la actualidad que los datos
son valiosos y dan poder de mercado a al que los controle. ¿Pero cómo?
Aquí se ha hecho un intento por explicar cómo funciona data mining y su
almacenamiento (data warehousing) y por qué las empresas deberían
preocuparse por esta actividad. En realidad, a nivel personal, si se piensa
en cómo se están utilizando nuestros datos, es esencial conocer el poder

de esta práctica. Sin data mining, cuando un usuario le da a alguien
acceso a información, todo lo que pueden saber es lo que el usuario les
diga. Con data mining, pueden saber lo que les ha dicho y pueden adivinar
mucho más. En otras palabras, la minería de datos permite a las
empresas, organizaciones y gobiernos utilizar la información que un
usuario proporciona para revelar más de lo que piensa.
Para los profanos en el tema es algo así: se recopilan enormes cantidades
de datos, luego los «magos de los números» utilizan sus poderes y
descubren cosas asombrosas. Pero, ¿cómo? ¿Y qué tipo de cosas
pueden saber? A pesar de que el funcionamiento técnico específico de los
algoritmos es bastante complejo, a menos que alguien sea un estadístico
profesional o un informático, los usos y capacidades de estos enfoques
son, de hecho, bastante comprensibles e intuitivos con muy pocas
nociones.
Temas relacionados: big data / investigación de mercados / mercados
Tema 5. Ideas clave
Ideas clave
Puedes consultar en la sección A fondo para ampliar tus conocimientos sobre
este tema.
Tema 5. Ideas clave
Ideas clave
5.6. Referencias bibliográficas
Bello-Orgaz, G., Jung, J. J. y Camacho, D. (2016). Social big data: Recent
achievements and new challenges. Information Fusion, 28, 45-59.
Beyer, M. A. y Laney, D. (2012). The Importance of «Big Data»: A Definition.
Stamford, Estados Unidos: Gartner.
Esteban-Talaya, Á. y Molina-Collado, A. (2014). Investigación de mercados. Madrid:
ESIC.
Esteban-Talaya, Á. y Mondéjar-Jiménez, J. A. (2017). Fundamentos de marketing.
Madrid: ESIC.
Han, J., Kamber, M., y Pei, J. (2011). Data mining: concepts and techniques.
Massachusetts, Estados Unidos: Elsevier.
Inmon, W. H., Strauss, D. y Neushloss, G. (2010). DW 2.0: The architecture for the
next generation of data warehousing. Massachusetts, Estados Unidos: Elsevier.
Joyanes, L. (2017). Big data, análisis de grandes volúmenes de datos en
organizaciones. Madrid: Alfaomega.
Kotler, P. y Armstrong, G. (2018). Principios de marketing. Madrid: Pearson
Educación.
Tema 5. Ideas clave
Ideas clave
Malhotra, N. K. (2018). Marketing research: An applied orientation. Nueva Jersey:
Pearson.
Mayer-Schönberger, V. (2013). La revolución de los datos masivos. Madrid: Turner
Publications.
Rainer, R. K. y Cegielski, C. G. (2016). Introduction to Information Systems. New
York: John Wiley y Sons.
Tema 5. Ideas clave
A fondo
Big Data: ejemplos reales del uso
BBVA. (12 de abril de 2018). Big Data: ejemplos reales del uso [Blog post].
https://www.bbva.com/es/ejemplos-reales-uso-big-data/
En los últimos años, se encuentran algunos ejemplos muy llamativos en el uso y
análisis de datos y Big Data que, en muchas situaciones, sirven tanto para crear
nuevos productos como para predecir comportamientos, tendencias y optimizar
acciones de marketing. Big Data son dos de las palabras más de moda en el
ecosistema de la innovación y el emprendimiento. Sin embargo, ¿se conocen casos
reales y concretos en los que se haya utilizado? Desde BBVA hasta Obama,
pasando por el deporte y las actividades culturales, el uso de datos y su análisis para
predecir tendencias y comportamientos llevan ya un tiempo entre la sociedad y
promete quedarse mucho más.
Tema 5. A fondo
A fondo
Arquitectura Business Intelligence: comparativa

entre Inmon y Kimball
Dertiano, V. (2 de mayo de 2016). Arquitectura BI (parte IV): comparativa entre
Inmon y Kimball [Blog post]. https://blog.bi-geek.com/arquitectura-comparativa-

inmon-y-kimball/
En esta lectura se presentan las principales diferencias entre los dos enfoques
propuestos por dos de los más destacados científicos en data mining y data
warehousing, Kimball e Inmon, sobre cómo desarrollar la arquitectura del data
warehouse. Dentro de la lectura se incorporan enlaces muy interesantes para
comprender ambas perspectivas de manera sencilla.
Tema 5. A fondo
A fondo
Planetic
Página de http://planetic.es
PLANETIC pretende ofrecer una visión global e integrada del sector TIC español, el
atender a las necesidades TIC de los diferentes sectores económicos españoles,
impulsar el posicionamiento internacional del sector TIC español y servir como
espacio de trabajo común para agentes I+D+i y empresas del sector. Navegando en
su página puede encontrarse mucha información sobre Big Data, IoT, Data Mining y,
en general, sobre el uso de la información y las nuevas tecnologías.
El panorama actual de las plataformas tecnológicas muestra una tendencia excesiva
a la especialización con base en segmentos de mercado más que en una visión

global de las TIC como sector e industria generador de valor. Esto conduce a una
duplicidad de esfuerzos y una visión sesgada del panorama de las TIC no
propiciando la aparición de sinergias entre los distintos segmentos.
Otro aspecto a considerar es el grado de madurez que se aprecia en las diversas
plataformas que constituye tanto un éxito como una señal de renovación, con nuevas
metas e intercambios de ideas, planteamientos fuera de lo ya establecido y
conseguido para llevar el estado del arte de las TIC en España a un nuevo nivel, en
línea con las tendencias actuales del mercado global en el que las empresas
españolas y la ciudanía tienen que competir y convivir.
Tema 5. A fondo
A fondo
Se aprecia la necesidad de aprovechar todos los esfuerzos en una misma dirección
dando una visión más homogénea del sector de las TIC en una única plataforma que
aglutine a aquellas entidades que mayor representación aportan para generar el
mayor valor para la ciudadanía y el tejido industrial españoles. Con este objetivo
nace PLANETIC, la plataforma española para la adopción y la difusión de las
tecnologías electrónicas, de la información y la comunicación
Tema 5. A fondo
Test
1. El sistema de información en marketing está integrado por varios subsistemas
que permiten almacenar los datos: sistema de informes internos, sistema de
investigación de mercados, sistema de inteligencia de marketing y ___________:
A. Sistema de grandes cantidades de información.
B. Sistema analítico de marketing.
C. Sistema de previsión.
D. Sistema de control.
2. El proceso de transformación de la información incluye cuatro grandes pasos
partiendo de la recopilación de los datos hasta pasar a la acción o toma de
decisiones dentro de la empresa:
A. Verdadero.
B. Falso.
3. A la hora de interpretar y analizar de manera adecuada los datos obtenidos y
agrupados en un sistema de información en marketing han de tenerse en cuenta
varios elementos excepto:
A. Fiabilidad de la información.
B. Frecuencia de actualización de la información.
C. Grado de detalle de la información.
D. Coste de la información.
4. ¿Cuál de las siguientes opciones no es una fuente de información?:
A. Primaria.
B. Externa.
C. Económica.
D. Secundaria.
Tema 5. Test
Test
5. Las fuentes de información en marketing son los instrumentos que proporcionan
los datos para la toma de decisiones dentro de la empresa y se clasifican según su
origen (en secundarias o primarias) y según su existencia previa (en interno o
externo):
A. Verdadero.
B. Falso.
6. ¿Cuál de las siguientes opciones no es una ventaja de los datos secundarios?
A. Facilidad para localizar a los encuestados.
B. Se encuentran fácilmente.
C. Ya están publicados.
D. Gran parte de la información es gratuita.
7. ¿Qué tipo de información está disponible gracias a los nuevos sistemas y
tecnologías de la información?
A. Información básica de como buscar vuelos.
B. Información bibliográfica de carácter estadístico.
C. Información financiera o bursátil.
D. Todas las respuestas son correctas.
8. Data mining o la minería de datos se refiere a la extracción o «minería» de
conocimientos a partir de grandes cantidades de datos:
A. Verdadero.
B. Falso.
Tema 5. Test
Test
9. Antes de realizar el proceso de data mining los datos deben limpiarse, integrarse,
seleccionarse y ______________:
A. Almacenarse.
B. Comprarse.
C. Transformarse.
D. Analizarse.
10. Data warehouse es una recopilación de datos orientada a un tema, integrada,
variable en el tiempo y no volátil en apoyo del proceso de toma de decisiones de la
dirección.
A. Verdadero.
B. Falso.
Tema 5. Test

Tema 5

Cargado por

Copyright:

Formatos disponibles

Tema 5

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema 5

Cargado por

Copyright:

Formatos disponibles

Tema 5

5.1. Introducción y objetivos

5.2. Sistemas de información en marketing y big data

5.3. Fuentes de información en marketing

5.4. Nuevas tecnologías de información en marketing

5.5. Instrumentos operativos de información: data

5.6. Referencias bibliográficas

Big Data: ejemplos reales del uso

Arquitectura Business Intelligence: comparativa entre

5.1. Introducción y objetivos

Para poder tomar decisiones estratégicas adecuadas es necesario disponer de

información actualizada y ﬁable que ayude al responsable en la toma de decisiones a

seleccionar la alternativa idónea para resolver un problema concreto, defenderse de

una amenaza externa, desarrollar ventajas competitivas o aprovechar una

En la actualidad existen grandes volúmenes de datos disponibles en comparación a

hace décadas y el problema de las empresas reside en su tratamiento y en los

de la empresa. En este tema se hablará de big data y su repercusión en los sistemas

de información de marketing, así como sus efectos en la toma de decisiones.

nuevas tecnologías y su influencia en los sistemas de información de marketing.

Por último, para que un sistema de información de marketing aporte resultados y

conocimientos válidos para minimizar el riesgo en la toma de decisiones

empresariales, se explican al ﬁnal de este tema dos conceptos básicos para su

análisis y gestión: data mining y data warehousing.

Los objetivos de aprendizaje de este tema son los siguientes:

▸ Valorar los distintos tipos de fuentes de información.

▸ Juzgar la influencia de las nuevas tecnologías en los sistemas de información de

▸ Comprender el funcionamiento de data mining y data warehousing.

5.2. Sistemas de información en marketing y big

La creación de valor para los clientes y la construcción de relaciones estables con

aprovechar las oportunidades de mercado y desarrollar ventajas competitivas.

En la actualidad, las empresas se enfrentan a un mercado muy competitivo y su

preocupación principal es conseguir una ventaja competitiva a través del

adecuado sistema de información en marketing dentro de la empresa.

E l proceso de transformación de la información incluye cuatro grandes pasos,

partiendo de la recopilación de los datos hasta pasar a la acción o toma de

decisiones dentro de la empresa. Los datos corresponden a las variables de cada

de entrada; la información es elemento de entrada y de salida. El objetivo de

cualquier empresa es transformar la información en acción, es decir, una vez que se

dispone de la información, las empresas la transformarán en la toma de decisiones

(véase la figura 1):

Figura 1. Proceso de transformación de la información en acción. Fuente: adaptado de Esteban-Talaya y

E l sistema de información en marketing se puede deﬁnir como el conjunto de

personas, equipos y procedimientos que obtiene, clasiﬁca, analiza, evalúa y

distribuye la información necesaria para la toma de decisiones en el área de

marketing (véase la ﬁgura 2) (Kotler y Armstrong, 2018). Este sistema incluye el

conocimiento de las necesidades de información, de los datos y las herramientas

para realizar auditorías de marketing. Se trata de un conjunto de procedimientos,

analistas, equipos y usuarios a través del cual se gestiona la información para la

toma de decisiones en marketing.

La mayoría de las empresas y responsables de marketing están sobrecargados de

información y, en ocasiones, el análisis es complejo o no saben cómo realizarlo; por

redes sociales intentado buscar palabras clave., Los responsables de marketing

señalan que no tienen suﬁciente información, a pesar de la cantidad excesiva de

necesidades y hacer un mejor uso de ella.

Por ello, el valor de la información radica en cómo se utiliza para que

Figura 2. Sistema de información en marketing. Fuente: adaptado de Kotler y Armstrong (2018).

A la hora de interpretar y analizar de manera adecuada los datos obtenidos y

agrupados en un sistema de información en marketing, han de tenerse en cuenta los

siguientes elementos (Esteban-Talaya y Mondéjar-Jiménez, 2017):