La importancia de grandes volúmenes de datos para la comprensión de los hábitos de compra del consumidor, aumentando la ventaja competitiva en la venta al por menor

0
725
DOI: ESTE ARTIGO AINDA NÃO POSSUI DOI SOLICITAR AGORA!
PDF

BULIAN, Braian de Souza [1]

ALENCAR, Cícero Aparecido [2]

BULIAN, Braian de Souza; ALENCAR, Cícero Aparecido. La importancia de grandes volúmenes de datos para la comprensión de los hábitos de compra del consumidor, aumentando la ventaja competitiva en la venta al por menor. Revista Multidisciplinar Científica Centro del Conocimiento. Número 08. Año 02, Vol. 03. pp 18-41, noviembre de 2.017 mil. ISSN: 2448-0959

resumen

En la situación actual del mercado, las empresas están necesitando más y más a destacar. Entender cómo los clientes y el mercado en sí se comportan es esencial si las empresas están programados para servir mejor a ellos con el fin de lograr ventajas competitivas frente a sus competidores. El objetivo de este estudio es presentar como Big Data (gran conjunto de datos almacenados) puede ayudar a los minoristas a entender mejor los hábitos específicos de compra y comportamiento de sus clientes, y cómo puede ayudar a que se conviertan en procesos internos más eficientes, que permite aumentar su ventaja competitiva. Además, se presenta un modelo teórico de ejecución de grandes volúmenes de datos. Este estudio progresa de acuerdo a la posición Taurion (2013). " ... Big Data crea valor para las empresas a descubrir patrones y relaciones entre los datos que se perdieron no sólo en los almacenes de datos internas, sino en su propia web, en tweets, comentarios en Facebook e incluso vídeos de YouTube. "Se concluyó que el procesamiento y análisis de grandes volúmenes de datos, si bien implementado, proporciona mejoras en varios procesos dentro de las empresas, tales como el marketing, la logística, la toma de decisiones y otros. Recuerde que las empresas necesitan para llevar a cabo un estudio de viabilidad para la aplicación de esta tecnología con el fin de saber si su empresa cuenta con estructuras mínimas requeridas para la implementación de herramientas capaces de realizar la lectura y el análisis de esta gran cantidad de datos.

Palabras clave: Big Data, ventajas competitivas, al por menor.

1. INTRODUCCIÓN

Aunque es muy importante, debido a la creación de puestos de trabajo formales, el manejo de la economía, el capital de trabajo y otra menor ha sufrido considerablemente negativo. De acuerdo con el tema del globo (G1) [3]de Daniel Silveira y Marta Cavallini, a partir del año 2015, las ventas de la rama están mostrando descensos. Con el escenario político económico inestable hoy en día, la tendencia es que el mercado se vuelve cada vez más competitivo. Como resultado, los clientes están buscando productos más baratos. Prueba de ello es el aumento de las ventas y la expansión de los mercados siguiendo el modelo "atacarejo" modo comercial que combina el autoservicio de tipo mayorista y minorista de hipermercados, que permite la venta de productos a un precio más bajo. Según la revista Exame,[4] la investigación presentada durante la puesta en marcha de la Asociación Brasileña de Mayoristas de autoservicio (Abaas) señala que este tipo de acumulador alcanza el 46,4% de los hogares, superando de este año (2016) este criterio supermercados, ya que ha superado hipermercados en 2015.

De este modo, en consecuencia, la gente cambia sus hábitos de forma para adaptarse, se buscan los precios más bajos o la búsqueda de la mejor relación costo-beneficio de cada producto. Sobre la base de este escenario, las empresas buscan maneras de mantenerse en el mercado que pueden basarse en soluciones sencillas, como los despidos de empleados, o incluso más complejo como mejoras en sus procesos. Todo esto apunta a reducir los costos al tiempo que satisface a los clientes, aumentando su competitividad en el mercado y asegurar la supervivencia de la empresa, o incluso a su punto culminante.

El uso de grandes volúmenes de datos con herramientas específicas se ha convertido en una opción casi necesario para que las empresas se destacan en la actualidad. Un paso dado, una compra realizada, el acceso a su red social, un sitio web, un clic. Cada segundo, por cada acción, se generan los datos. Siempre han existido, pero cada minuto que pasa, que se generan en mayor cantidad y velocidad. Además, la capacidad de almacenamiento y la lectura de estos datos está aumentando drásticamente, lo que también hace que sea posible transformarlos en información útil para el mercado, cualquiera que sea su campo de especialización.

El Big Data se refiere a una inmensa cantidad de datos y, por lo tanto, se requieren herramientas específicas capaces de realizar la lectura, para que todos puedan interpretarse, la generación de información que será de utilidad para el propósito previsto. Las empresas, a no utilizar este gran volumen de datos, no pueden interpretar los datos, de todos modos, se generan. En consecuencia, la información específica acerca de los hábitos como ir de compras y transporte, no se recogen. Por lo tanto, las empresas podrían mejorar los procesos ya realizados, como la logística, marketing y otras decisiones, buscando siempre la mejor manera de servir a sus clientes, sean cuales sean sus necesidades, y así obtener una ventaja competitiva en el mercado actual como en disputa. A través de este contexto, se pregunta: ¿Qué tan grande de datos puede ayudar a los minoristas a comprender los hábitos específicos de la compra de cada consumidor, y cómo puede esto ayudar?

Este estudio tiene como objetivo examinar qué tan grande de datos puede ayudar a los minoristas a entender mejor los hábitos de compra de sus clientes específicos y con ello obtener una ventaja competitiva. En primer lugar se presenta a través de referencias bibliográficas cómo las empresas pueden recopilar datos, encontrar patrones y hábitos de compra de sus clientes y aplicar grandes volúmenes de datos. A continuación, se demostró que la interpretación de los datos recogidos ayuda a aumentar la eficiencia de los procesos operativos ya realizados por estas empresas, aumentando su ventaja competitiva. Por último, un modelo de despliegue de grandes volúmenes de datos se presentó en las empresas, la búsqueda de mejoras en los procesos administrativos de los patrones de consumo y de mercado. Por lo tanto, se puede decir que este trabajo puede ser relevante para los minoristas e información adicional para acadêmica.o zona causada por la aplicación de grandes volúmenes de datos en las empresas en este entorno contemporáneo. Además, la viabilidad de este trabajo es debido al contenido amplio que se puede encontrar sobre el tema que sirve de base teórica, y también disponen de los resultados reales y las comparaciones entre las empresas que utilizan grandes volúmenes de datos, y las empresas que no utilizan.

2. FUNDAMENTACIÓN TEÓRICA

Este capítulo trata de los fundamentos teóricos del proyecto y proporciona información esencial para entender el concepto de grandes volúmenes de datos y su papel en el mundo contemporáneo. Además, muestra la importancia de la aplicación de esta tecnología en las empresas con el fin de aumentar la eficiencia en sus procesos, mejorando así la competitividad de la misma.

2.1 DATOS DE GRANDE

A pesar de su apariencia más o menos al comienzo de los años 90, grandes volúmenes de datos todavía se considera algo nuevo, ya que es cada vez más común sólo en los últimos años. Debido a esto, todavía no existe un concepto exacto que define lo que es en realidad el Big Data. Por lo tanto, uno puede encontrar muchas definiciones de lo que giran en torno a la misma idea.

De acuerdo con Kenneth Laudon y Laudon Jane (2014), hace poco la mayoría de los datos recogidos por las organizaciones consistía en datos transaccionales que podrían ser fácilmente organizado y relacionado con los programas de gestión, sin embargo, últimamente ha habido una explosión de datos debido al gran tráfico web a través de correos electrónicos y contenidos de redes sociales. Siguiendo con los autores, el Big Data no se refiere a una cantidad determinada de información, pero los datos en el rango de petabytes y exabytes, siendo de mil millones de billones de registros, todos ellos de diversas fuentes.

De acuerdo con Enomura (2014), que define el término "Big Data" es muy complicada, y su primera definición de una forma conocida hoy fue en 2001 con Doug Laney empresa Gartner Group, el famoso Tres de V (volumen, velocidad y variedad) . Son bases de datos cuya capacidad requerir formas innovadoras de procesamiento de la información para una mejor comprensión y toma de decisiones.

Mayer-Schönberger y Cukier (. 2013, p 4) llevan la siguiente idea sobre el término:

No existe una definición estricta del término. Al principio, la idea era que el volumen de información que había crecido tanto que la cantidad considerada ya no caben en la memoria de procesamiento de la computadora, por lo que los ingenieros tuvieron que mejorar los instrumentos utilizados para el análisis. Este es el origen de las nuevas tecnologías de procesamiento, tales como Google MapReduce y su equivalente de código abierto, Hadoop, puesto en marcha por Yahoo. Ellos le permiten gestionar muchos más datos que antes, y los datos – esto es importante – no tiene por qué ser asignado en filas o en las listas de música clásica.

Para un mejor desarrollo y comprensión de la obra, entonces hay una tabla que contiene otros conceptos importantes de grandes volúmenes de datos, citados por autores importantes de la zona.

Tabla 1: autores / organizaciones y sus respectivos conceptos de Big Data

Autor / Organizaciónconcepto
Taurion Cesar (2013, p. 26)" … podría decirse que estamos hablando de un volumen muy importante de datos. Pero más allá de los volúmenes abismales, h[..]ay una gran variedad de […]datos y velocidad. […] personalmente añado otras dos variables: la exactitud de los datos […]y el valor del negocio.
McKinsey Global Institute (2011)"El amplio uso de las redes sociales en línea, dispositivos móviles para conectarse a Internet, las transacciones y los contenidos digitales, así como el creciente uso de la computación en nube ha generado una incalculable cantidad de datos. El término Big Data se refiere a este conjunto de datos cuyo crecimiento es exponencial y cuyo tamaño es más allá de la capacidad de las herramientas típicas para capturar, gestionar y analizar datos ".
IBM (2016)"Cada día, creamos 2,5 trillones de bytes de datos – tanto es así que el 90% de los datos en el mundo de hoy se ha creado en los últimos dos años. Estos datos provienen de todas partes: sensores utilizados para recopilar información sobre el clima, los mensajes a los sitios asociados de los medios digitales, imágenes y vídeos, registros de transacciones de compra, y las señales de GPS del teléfono celular para nombrar unos pocos. Estos datos son grandes volúmenes de datos.
ISACA (2013b, p. 05)"El Big Data es un término técnico y de marketing tanto, que se refiere a los recursos de información comerciales valiosos."

Fuente: Adaptado de Big Data, 2013; Big data: La próxima frontera para la innovación, la competencia y la productividad,

2011; ¿Qué es Big Data? 2016; Big Data: impactos y beneficios de 2013.

Entre los conceptos, se cita a menudo sobre el volumen, la variedad y la velocidad de datos. En algunos casos, a menudo más nuevo, existe también el valor y la veracidad de los datos. Por lo tanto, también es importante para la definición y comprensión de qué y por qué impacto sobre el concepto de Big Data.

De acuerdo con Intel (2012), característica de los tres de V sobre lo que el Big Data es en su conjunto, sino también a definir las cuestiones fundamentales y debe ser abordado, a saber:

Volumen: La escala y el crecimiento masivo de datos no estructurados superar el almacenamiento y análisis tradicional;

Variedad: Big Data se recoge de nuevas fuentes que no se extraen en el pasado. los procesos de gestión de datos tradicionales no pueden hacer frente a la diversidad y variación de datos grande, que viene en diferentes formatos, tales como correo electrónico, redes sociales, vídeos, imágenes, blogs, y los datos del sensor; y

Velocidad: Los datos se generan en tiempo real con los requisitos de información útiles para ser servido.

Para Taurion (2013), hay otras dos variables a tener en cuenta, a saber:

La veracidad: porque necesitamos para asegurarse de que los datos tienen sentido y son auténticos; y

Valor: porque es absolutamente necesario para la organización para implementar proyectos de grandes volúmenes de datos obtienen rentabilidad de estas inversiones.

2.1.1 El impacto de grandes volúmenes de datos de negocio

La aplicación de grandes volúmenes de datos en las empresas puede provocar impactos positivos y negativos en diversos sectores. Por lo tanto, se necesita un estudio para que la empresa tiene la información necesaria sobre el sistema antes de su despliegue, evitando las pérdidas y la mayoría de los resultados negativos.

El Big Data puede afectar a los modelos de procesos actuales y futuras de varias maneras. Además del impacto en los negocios, la agregación de datos puede afectar a la gestión y planificación de la gestión, el uso, la garantía, la privacidad (ISACA®2013b):

  • Gobernabilidad – por lo que se tenga cuidado en definir cómo el gobierno de grandes volúmenes de datos, y qué datos se incluirán o no.
  • Planificación – consiste en recoger y organizar los resultados, que ayudan a justificar los ajustes y / o mejoras en los procesos que se pueden identificar mediante técnicas específicas de investigación, desarrollo de programas de mercado a partir de una orientación a ciertas condiciones que desencadenan eventos, el estímulo para ir de compras de normalización quieres como cliente y comparar productos y servicios de investigación, utiliza la información basada en la ubicación junto con otros datos para verificar los datos del cliente (lealtad a un producto o empresa, rutas, las demandas de los diferentes productos y) ayuda en la gestión just-in Time (JIT) de inventario y el inventario en base a cambios en la demanda como los tiempos específicos, asistencia en la gestión de las operaciones de logística en tiempo real.
  • Usar – el uso de grandes volúmenes de datos requiere una buena infraestructura. Las pequeñas empresas pueden tomar mucho más tiempo para la aplicación de este concepto a causa de estos
  • Garantizar – después de desarrollar una buena estrategia para impulsar grandes volúmenes de datos, la empresa debe molestar a establecer una estructura de garantía, siendo así capaces de controlar y proteger el Big Data. Garantía y calidad de los datos, son las principales preocupaciones para las empresas.
  • Privacidad – no debe ser especial atención a los datos e información personal, aun cuando haya sido autorizada por los usuarios, siempre evitando la exposición y proteger a las personas de mala fe. Además, cada gobierno tiene sus respectivas leyes, la prohibición o legalización de ciertas acciones, usted debe ser consciente de eso también.

2.1.2 Como el Big Data puede ayudar a las empresas

Cada momento la gente, e incluso cosas, están generando datos. Con el avance de la tecnología, el volumen de estos datos se ha incrementado significativamente, y una mayor capacidad de seguimiento. Del mismo modo, la tecnología ha proporcionado herramientas capaces de separar, organizar y llevar a cabo la lectura de los datos, de modo que se transforman en información importante.

Investigaciones recientes indican que el uso adecuado de grandes volúmenes de datos puede desempeñar un papel ec[…]onómico en la promoción de la innovación, la competitividad y la productividad en todos los segmentos (Lima, Cecilia A. R;. Calazans, Janaina C. H., 2013). Como complemento, McKinsey Institute (Manyika, James; CP, Michael; BROWN, Brad et al) dice que el uso de grandes volúmenes de datos se convertirá en una base esencial para la competitividad y el crecimiento de las empresas individuales. Desde el punto de vista de la competitividad y el potencial de captura de valor, todas las empresas deben tener grandes volúmenes de datos en serio.

(. 2013b, p 07) ISACA® tiene la siguiente opinión acerca de las oportunidades que los datos pueden aportar grandes:

Las oportunidades de grandes volúmenes de datos son significativos, así como los desafíos. Las empresas que dominan la nueva disciplina de la gestión de grandes volúmenes de datos pueden alcanzar beneficios significativos y diferenciarse de sus competidores. De hecho, la investigación por Erik Brynjolfsson, economista de la Sloan School of Management del Instituto Tecnológico de Massachusetts (EE.UU.), muestra que las empresas que utilizan la "toma de decisiones basada en datos" obtuvieron un aumento de cinco a seis por por ciento de la productividad. El uso apropiado de grandes volúmenes de datos va más allá de la recolección y análisis de grandes cantidades de datos; también requiere una comprensión de cómo y cuándo utilizar los datos para tomar decisiones cruciales.

Figura 1: Análisis de la empresa específica conocimiento del negocio. Fuente: ISACA®2013b, p. 07 - Big Data: impactos y beneficios. Disponible en: <http://www.isaca.org/Knowledge-Center/Research/Documents/Big- Data_whp_Por_0413.pdf srcset=
. Consultado el 12 de agosto 2016.” width=”763″ height=”360″ />
Figura 1: Análisis de la empresa específica conocimiento del negocio. Fuente: ISACA®2013b, p. 07 – Big Data: impactos y beneficios. Disponible en: <http://www.isaca.org/Knowledge-Center/Research/Documents/Big- Data_whp_Por_0413.pdf>. Consultado el 12 de agosto 2016.

El análisis de grandes volúmenes de datos puede impactar positivamente (ISACA®, 2013b) en el desarrollo de un producto, o en el mercado, la eficiencia operativa, la experiencia y la lealtad del cliente, así como las previsiones de demanda de mercado. Según Taurion (2013) el uso de grandes volúmenes de datos de las empresas ayuda a mejorar diversas acciones, antes impensables, tales como:

  • Optimizar la venta cruzada o venta cruzada. Según Taurion (2013), alrededor del 30% de las ventas de Amazon son causados ​​por las recomendaciones "también puede que quiera" o "Usted también puede querer".
  • marketing o comercialización basada en la localización basados ​​en la localización. Al identificar la ubicación de un cliente, la compañía puede enviar un mensaje específico a él con algo de promoción Según Taurion (2013), el 79% de los clientes de Starbucks que reciben el mensaje personalizado a ser más propensos a visitar la tienda.
  • El análisis del comportamiento del cliente en la tienda. Alrededor del 80% del tiempo de los clientes dentro de una tienda se gasta dando vueltas en la búsqueda de productos y en realidad no interactuar o compra. Seguir y analizar el comportamiento de los clientes en la tienda permite invertir en acciones que aprovechan este tiempo perdido.

Tessarolo y Magellan (. 2015, p 03), dan otros ejemplos de cómo ayuda a Big Data empresas brasileñas:

Brasil, las empresas de telecomunicaciones como Globo, Record y SBT utilizar grandes volúmenes de datos para medir la popularidad de sus programas. Utilizan los servicios de medios sociales que buscan información en redes sociales como Facebook y Twitter han dado tema discutido en cualquier programa fue aceptado por el objetivo o no espectadores. Por lo tanto, los productores y directores pueden tomar mejores decisiones de esta información recogida en los medios.

El uso de grandes volúmenes de datos, como se mencionó anteriormente, tiene una alta capacidad para ayudar a las empresas a aprovechar al máximo la eficiencia de todos sus procesos. Por lo tanto, el uso de los recursos disponibles y la reducción general de los mismos residuos, permite a las empresas tener el costo más bajo y por lo tanto el mayor beneficio posible.

2.1.3 recogida y análisis de datos

Como se mencionó anteriormente, el Big Data se trata de recoger datos, organizarlos y los analizados. Actualmente, los datos se dividen en estructurada y no estructurada. La información almacenada en las bases de datos se conoce como datos estructurados, ya que se representa en un formato estricto. Por ejemplo, cada registro de una tabla de base de datos relacional. (Elmasri, 2011, p. 416)

Para Tessarolo y Magallanes (2015), cuando se trata de una enorme cantidad de datos, que provienen de diferentes fuentes y formas. Es un gran reto a la mía, limpio, organizar, correlacionar, enlace y transformar los datos en información relevante. Para que esto sea posible, es necesaria la creación de una base de datos donde toda esta información es capturada a través de las aplicaciones creadas con el propósito de guiar a estos datos, almacenándolos en una manera organizada y clara, lo que facilita la búsqueda y la manipulación tales datos.

Dentro de la red de Internet sólo una cuarta parte de estos datos se presentan almacena en bases de datos. Una gran cantidad de información es diaria crea y menos del 10% puede ser extraído y organizada, haciendo enormes cantidades de información cada día se convierte en basura, lo que dificulta sus búsquedas y con frecuencia se vuelve inútil. (TESSAROLO Y MAGALHÃES de 2015. p. 02)

De acuerdo con la Dama Guía (2012), son los documentos, archivos, gráficos, imágenes, textos, informes, formularios o grabaciones de video o de audio que no se han codificado los datos no estructurados, o de otro modo estructurado en filas y columnas o registros. De acuerdo con muchas estimaciones, alrededor del 90% de todos los datos almacenados se mantiene fuera de las bases de datos relacionales. Los datos no estructurados se presentan como información almacenada en su contexto. De hecho, siempre hay algo de estructura en la que los datos proporcionan información, y esta estructura, incluso se puede tabular en su presentación.

En cuanto a Tessarolo y Magallanes (2012, p 03.):

datos no estructurados comprenden la red. De todos los datos del mundo que se han generado en los últimos años sólo el 10% de los datos se estructura. El 90% restante es estructurado y se reúnen en su mayor parte en las redes sociales como Facebook, Twitter, Pinterest, entre otros.

De acuerdo con Tessarolo y Magallanes (2012), tiene que haber una reorganización y la minería de estos datos digitales de manera que toda la información creada todos los días no se pierde y puede ser útil. La solución a este, sin duda, es el Big Data.

2.1.4 Recursos Humanos para Big Data

A pesar de todos los requisitos de software y hardware, también necesitan personal que saben cómo manejar estas herramientas para que las empresas obtengan resultados positivos. Según Taurion (2013), el escenario de crecimiento de los puntos de datos grandes que están surgiendo nuevas oportunidades de empleo para los profesionales de TI y otros sectores.

Una nueva posición llamada "científico de datos" o científico de datos es un buen ejemplo. La demanda general de formación en informática y matemáticas, así como la capacidad de análisis necesarias para encontrar la aguja en el pajar providencial de los datos recogidos por la empresa. "Un científico de datos es alguien que es curioso, que analiza los datos para detectar tendencias", dijo recientemente Anjul Bhambhri, vicepresidente de Big Data Products, IBM. (TAURION, 2013. p. 79)

El autor resume tres perfiles profesionales básicos que participan en grandes volúmenes de datos pueden ser identificados. La primera se basa en datos científicos que están capacitados profesionales de la estadística, informática y / o matemáticas capaces de analizar grandes cantidades de datos y extraer de ellos nuevas oportunidades de negocio. El segundo se basa en los analistas de negocios que puedan formular las preguntas adecuadas, realizar el análisis de las respuestas y de ellos, tomar decisiones de negocio estratégicas. La tercera y última, se compone de profesionales de la tecnología se encargan de la infraestructura y su soporte técnico para apoyar grandes volúmenes de datos.

Sin embargo, por Taurion (2013) el gran reto de grandes volúmenes de datos en los próximos años es contar con profesionales capacitados, ya que la tecnología está evolucionando rápidamente y se entenderá sin perjuicio. El cuello está entonces en la gente, no la tecnología. Además del científico de datos, también hay espacio para otras actividades profesionales. La fuerte demanda también para los desarrolladores y administradores de sistemas, por ejemplo, que se especializan en herramientas destinadas grandes volúmenes de datos, tales como Hadoop, tecnología diseñada para aplicaciones distribuidas con grandes volúmenes de datos y utilizada por sitios conocidos como Facebook, Yahoo y eBay .

2.1.5 Riesgos y cuidado en Big Data

Definido los conceptos de grandes volúmenes de datos y sus beneficios, también es importante el conocimiento sobre los riesgos y se debe tener cuidado al usar estos datos. Para algo muy potente, es importante que se establecen los límites, y hay una cierta ética en el uso de los datos. Eso es porque de todos estos datos pueden ser datos personales, por lo que poner en riesgo la seguridad de la persona en general.

Según ISACA® (2013b), aunque el Big Data puede proporcionar una ventaja competitiva y otros beneficios, también conlleva riesgos importantes. Ahora que las empresas tienen grandes cantidades de datos no estructurados y estructurados disponibles, la administración debe estar preguntando: dónde almacenar estos datos? Cómo proteger los datos? y el uso de los datos de forma segura y legal?

Para ISACA® (2013th), el riesgo relacionado con grandes volúmenes de datos puede ser categorizado como operativo o basado en tecnología de la información. Estas categorías de riesgo se pueden reducir con la gobernabilidad fuerte. Por lo tanto, el riesgo de explotación se incluyen los factores internos y externos, incluyendo el riesgo geopolítico y la carrera para cumplir con el consejo y la alta dirección, que quieren salir adelante de la competencia. Pero el riesgo de TI (Tecnología de la Información) es también el negocio, en concreto, el riesgo de negocio asociado con el uso, propiedad, operación, la participación, la influencia y la adopción de TI de una empresa. El riesgo se produce cuando se superan las garantías de seguridad.

La seguridad y la privacidad juegan un papel cada vez más importante en los grandes datos, y todos los interesados ​​deben ser conscientes de las consecuencias de almacenamiento y análisis cruzado de grandes cantidades de datos sensibles. (ISACA®, 2013b). El autor también menciona que es necesario entender que algunos datos deben ser considerados tóxicos en el sentido de que la pérdida de control sobre ellos podría ser perjudicial para la sociedad, a saber: información privada o custodia, tales como número de tarjeta de crédito, la información personal, como números de seguro social e información médica personal; información estratégica, como la propiedad intelectual, planes de negocio, y los diseños de productos; y datos tales como indicadores clave de rendimiento, los resultados de ventas, indicadores financieros y de producción utilizados para tomar decisiones cruciales.

La necesidad de gestionar el riesgo de datos dentro de la empresa no puede ser claramente comunicada y entendida en todos los niveles de gestión. Es esencial para demostrar que el direccionamiento de los riesgos y las preocupaciones grandes volúmenes de datos no puede ser visto sólo como un ejercicio de tecnología de la información. La participación de toda la empresa, incluyendo legal, financiera, cumplimiento, auditoría interna y otros departamentos de la empresa, permite que cada uno se centre en los objetivos de negocio en las etapas de planificación. Las empresas pueden mantener la concentración en ambos aspectos técnicos y de negocio de datos grandes. (ISACA®, 2013B. p. 08)

Utilizando grandes volúmenes de datos es esencial para garantizar un mayor nivel de competitividad de las empresas, pero este concepto de gran alcance puede abrir las puertas a un uso ilegal de la misma. Con el fin de evitar riesgos de seguridad de las propias empresas y en especial los clientes, es esencial que tomar algunas medidas que se hace referencia más arriba, con el fin de utilizar solamente su lado beneficioso

2.2 PROCESOS DE NEGOCIO

Las empresas en general se componen de los procesos administrativos que ayudan en el desarrollo de una actividad organizada y eficiente. Ejemplos de procesos son: marketing, ventas, logística y toma de decisiones. Todos estos procesos son de alguna manera entre sí y deben trabajar de manera sincronizada para la empresa a tener mejores resultados.

2.2.1 comercialización

El marketing es un jugador clave para el mercado minorista. La empresa tiene que estar en la mente de los clientes, por lo que será recordado por el momento en que el cliente decide realizar una compra. Además, hay clientes que no conocen la existencia de la empresa, marca o producto que se ofrece, y la mayoría de las funciones de marketing hagalo saber a los clientes.

Según Kotler (2012, p. 03), un objetivo de marketing es la definición de las necesidades de abastecimiento de la generación de beneficios. Comercialización implica identificar y satisfacer las necesidades humanas y sociales. El autor añade que el marketing se aplica a varias cosas, como bienes, servicios, eventos, experiencias, personas, lugares, propiedades, organizaciones, información e ideas.

La Asociación Americana de Marketing ofrece la siguiente definición: El marketing es la acción, conjunto de conocimiento y los procesos de crear, comunicar, entregar e intercambiar ofertas que tienen valor para los clientes, clientes, socios y la sociedad en su todo.7 Tratar con estos proceso de cambio requiere una buena cantidad de trabajo y habilidad. La gestión de marketing ocurre cuando al menos una de las partes en una relación de intercambio potencial está buscando maneras de obtener las respuestas deseadas de los demás partidos. Vemos, por lo tanto, la gestión de marketing como el arte y la ciencia de la selección de los mercados de destino y capturar, mantener y retener a los clientes a través de la creación, distribución y comunicación de un valor superior para el cliente. (Kotler, 2012. p. 03)

El diseño es también un punto importante dentro de la comercialización, que tiene como objetivo proporcionar un mejor uso del espacio y proporcionar una cierta comodidad para el cliente en el momento de la compra. Las Casas (1994. citado CAMARGO, Toaldo, Nephew, 2009) define el diseño como las partes esenciales o elementos que ayudan a una tienda en la consecución de la máxima productividad.

Por lo tanto, Underhill (1999. citaron CAMARGO, Toaldo, sobrino, 2009, P.03) tienen puntos importantes a tener en cuenta en el momento de implementar el diseño:

[…]- Velocidad de captura: se refiere a la forma en que el consumidor ve lo que se expone. Zona de confianza se extiende desde justo encima de los ojos hasta las rodillas. Para el espacio restante debe mostrar grandes productos fácilmente visible (por ejemplo, pañales); – Tasa de boomerang: este es el número de veces que el cliente no ir totalmente corredor. Una forma de minimizar este efecto y la posición de los productos más populares de la mitad de los señuelos sala o lugar en ambos extremos; – las[…] mercancías no deben interrumpir la línea de visión del cliente: deben ser capaces de ver no sólo lo que está delante, sino también en otras partes de la tienda; – que el consumidor la tienda de fondo: para esta posición es en este destino categorías de áreas de modo que cualquier persona en busca de estos elementos va a comprar otros en el ir y venir.

La comercialización alcanza todas las áreas, ya sean bienes, servicios o personas. Por lo tanto su importancia es obvia. Entender cómo funciona el mercado es esencial para aplicar el marketing de una manera que alcanza todos los objetivos positivamente, lo que afecta directa e indirectamente con el fin de mejorar los resultados finales.

2.2.2 Ventas

Es conveniente señalar que el marketing y las ventas son cosas diferentes, aunque la caracterización de una determinada conexión. Weitz et al. (2004. CASTRO NEVES citado y 2005, p. 8) define la venta personal como un proceso de comunicación personal en el que un vendedor identifica y satisface las necesidades de un comprador para el beneficio a largo plazo de ambas partes. En cuanto a Rogers (1993. CASTRO NEVES citado y 2005, p. 8), la venta personal es la parte afilada de la comercialización, ya que es cuando los representantes de la empresa se encuentran cara a cara con los compradores potenciales. La fuerza de ventas funciona como un enlace entre la empresa y los clientes.

Según Castro y Neves (2005, p. 16), el proceso de venta es una secuencia de pasos o etapas a través de el cual los proveedores que venden a. Esta secuencia fue propuesto originalmente por Dubinsky en 1980. Los pasos reconocidos como los entrenadores del proceso de ventas son siete, a saber:

  • Prospección: potencial de identificación del cliente;
  • Pre-enfoque: Recopilación de información por lo que el vendedor para prepararse para la aproximación;
  • Enfoque: Asegurar una buena impresión, además de los intereses y atención al cliente;
  • presentación de ventas: la presentación de las ofertas y beneficios;
  • Manejar las objeciones y superar la resistencia: La superación de la resistencia del comprador a través de respuestas y énfasis en los beneficios del producto;
  • Cierre: Solicitud de pedido de acuerdo al deseo del cliente, en la forma más adecuada y
  • servicio post-venta: Seguir el proceso de entrega y la satisfacción del cliente, proporcionando una mayor credibilidad y una posible futura venta

Los vendedores necesitan entender el comportamiento del mercado y de los clientes, para que puedan tomar cualquier pregunta y proporcionar al cliente lo que necesita y quiere la mejor manera posible. El proceso de venta es un conjunto de pasos que los vendedores necesitan para ir a hacer la venta, pero es importante recordar que el proceso no se detiene la venta del producto, ya que también cubre el mercado de accesorios.

2.2.3 Logística

La logística es uno de los procesos dentro de las empresas y organizaciones que requieren mucha atención. Es el proceso de planificación del flujo de material, que tiene como objetivo ofrecer a las necesidades en el momento adecuado y en la calidad deseada, la optimización de recursos y el aumento de la calidad de los servicios. (Ballou, 1999. citado PAURA, 2012, p. 13). Según PAURA (2012), la logística y las empresas de ayuda, ayuda a la calidad de vida local en relación con el desarrollo de la infraestructura para su funcionamiento. Este tema se encuentra actualmente vital para las empresas, ya que optimiza los recursos y aumenta la calidad, lo que significa un incremento de los ingresos y gastos menores.

La logística de negocios profesionales que estudian la manera de proporcionar de manera eficiente, la rentabilidad (1) los servicios de distribución para el cliente, (2) el flujo de material dentro de la empresa, (3) la compra de la planificación, a través del control y la organización stocks de materias primas y productos acabados, (4) el control de la planificación de la producción, y (5) en el control del transporte de envases. (PAURA 2012. p. 23)

PAURA (2012) explica que la logística para el comercio se considera esencial por varios factores, entre ellos se encuentra la dependencia del comercio es el cumplimiento de los plazos para las industrias que podrían ofrecer los productos a los clientes finales. Además, la gestión de la propia logística comercial es esencial no sólo para controlar lo que entra y lo que sale, sino también para dar información acerca de cuándo y cuánto se necesita para solicitar más solicitudes. Cuando esto se hace correctamente, a menudo este comercio tiene sus productos en las mejores condiciones y con precios justos.

A partir de la información anterior, se entiende la importancia de la logística tiene actualmente en el mercado en general. Tener una buena estructura y la información necesaria, el control ha hecho una mejor calidad, que proporciona más competitiva en este mercado muy competitivo.

Toma de Decisión 2.2.4

La decisión es una elección, una sentencia que tiene en cuenta todo el contexto y el entorno que les rodea y puede interferir directa o indirectamente en el resultado final. Con el fin de obtener los mejores resultados en el futuro, las decisiones deben ser cuidadosamente formuladas. De acuerdo con Pereira y Fonseca (1997, citado Moritz y Pereira, 2006, p. 31), la decisión es un proceso sistémico, paradójica y contextual no puede considerarse por separado de las circunstancias que lo rodean. El conocimiento de las características de las paradojas y desafíos de la sociedad es esencial para entender los procesos de toma de decisiones.

Según Simon (1963, citado en Moritz y PEREIRA, 2006, p. 33), la decisión es un proceso de análisis y elección entre varias alternativas disponibles del curso de acción que la persona debe seguir. También muestra seis elementos clásicos en la toma de decisiones:

  • El tomador de decisiones: la persona que realiza la opción de elegir entre muchos otros disponibles;
  • Los objetivos: lo que el tomador de decisiones desea alcanzar con sus acciones y decisiones;
  • Preferencias: son los criterios que se utilizan como base para la toma de decisiones hacen sus elecciones;
  • La estrategia: la forma en que el tomador de decisiones adopta para lograr sus objetivos de acuerdo con los recursos disponibles;
  • La situación: factores externos que no pueden ser controlados por el tomador de decisiones, y que el impacto de los eventos y resultados, lo que afecta sus elecciones; y
  • El resultado: el resultado final. Los resultados de las estrategias y opciones

En cuanto a Bethlem (. 1987 citado MORITZ y Pereira, 2006, p 34) sugiere un modelo general del proceso de toma de decisiones consiste en cuatro pasos:

Paso 1 – Decisión de decidir – tomar una conducta que da a cualquier decisión es una decisión.

Paso 2 – Una vez que ha decidido iniciar el proceso de toma de decisiones, el siguiente paso es la definición de lo que decidimos. Hay momentos en los que trabajamos en la solución de problemas que no definen, pero estadísticamente el número es menos significativa;

Paso 3 – formulación de alternativas. Las diversas soluciones posibles para resolver el problema o crisis, o las alternativas que permitan aprovechar las oportunidades; y

Paso 4 – elegir las alternativas que consideramos más apropiada. Es la toma de decisiones.

La toma de decisiones es vital para la gestión de las organizaciones, y se entiende que el proceso administrativo es esencialmente decisión. El proceso de toma de decisiones es compleja y contiene varios pasos, mientras que no se ha cumplido dentro de un orden rígido, requiere un cierto orden para que las decisiones tomadas son eficiente y racional, impactando directamente la línea inferior de la empresa u organización.

3. METODOLOGÍA

metodología científica es el estudio de la ruta a seguir hacia un objetivo. Es una forma de pensar con el fin de llegar a la naturaleza de un problema dado, ayudando a su explicación o su estudio.

Para Prodanov y Freitas (2013, p. 14):

La metodología[…] consiste en estudiar, comprender y evaluar los diversos métodos disponibles para la realización de la investigación académica. La metodología aplicada en un nivel, analiza, describe y evalúa los métodos y técnicas que permiten la recogida y tratamiento de la información, cuyo objetivo es el enrutamiento y la resolución de problemas y / o preguntas de investigación de investigación.

De acuerdo con Roesch (1999) metodología tiene como objetivo describir cómo se llevará a cabo el proyecto. A se establecerá esta etapa, a partir de los objetivos finales, qué tipo de proyecto es más apropiado.

3.1 INVESTIGACIÓN O DISEÑO DEL PROGRAMA

La investigación puede ser entendido como procedimiento conocimiento de fabricación, o también como un procedimiento de aprendizaje y por lo tanto son parte del proceso de reconstrucción de conocimiento (DEMO, 2000, p. 20, citado Prodanov y Freitas, 2013, p. 42). Su objetivo es a través de procedimientos científicos, resolver problemas y resolver dudas (BARROS; LEHFELD, 2000, p.14, citado Prodanov y FREITAS, 2013, p.42).

Con base en la información que se presenta a continuación, esta investigación se describe de manera cualitativa y cuantitativa. Para Roesch (1999), cualquier proyecto puede ser abordado desde dos perspectivas, y puede utilizar un enfoque más cuantitativo de los resultados de la evaluación y un enfoque más cualitativo en la evaluación formativa (que se centra en el proceso de enseñanza-aprendizaje).

Según Oppenheim (1993, p. 21, citado ROESCH, 1999, p. 130), el diseño cuantitativo está indicado para encontrar asociaciones y explicación, la descripción menos orientadas y más para la predicción. También de acuerdo con el autor, si el propósito del proyecto es obtener información acerca de cierta población, la opción es usar un estudio descriptivo. En cuanto a Staw (1977), la investigación cuantitativa es adecuado para evaluar los cambios en las grandes organizaciones. Por lo tanto, la investigación tiene carácter cuantitativo en lo que se refiere a la parte en la que hay una separación y la interpretación de la cantidad y la frecuencia de los datos cuantificables para formar la información estadística para la lectura de las mismas.

Ya en el diseño del estudio cualitativo, se argumenta que sus métodos de recolección y análisis de datos son apropiadas para la investigación exploratoria (STAW, 1977 citado ROESCH, 1999, p. 154). Para Roesch (1999), hay otra manera de mirar la investigación cualitativa, donde se puede considerar como un paradigma de investigación diferentes, como en el caso de la investigación-acción, donde la postura del investigador se basa en la captura de la perspectiva de diferentes encuestados un modelo preestablecido. A partir de esta información, esta investigación también puede ser considerado como cualitativo porque la cantidad de datos que no son medibles que serán comparados y estudió.

Según Gil (. 2007 se basaban en Gerhardt; Silveira, 2009, p 35), sobre la base de los objetivos, se puede ordenar la investigación en tres grupos, a saber: exploratorios, descriptivos y explicativos. También de acuerdo con el autor, la investigación exploratoria tiene como objetivo proporcionar una mayor familiaridad con el problema, con el fin de hacerla más explícita. Especialmente relacionados con revisión de la literatura, entrevistas con personas que han tenido experiencias en la práctica con el problema y ejemplos de análisis investigado para fomentar la comprensión. Se pueden clasificar como un estudio de caso y la literatura. Esta investigación es de carácter exploratorio, ya que es en gran medida una búsqueda en la literatura, con el objetivo de poner de relieve el problema y hacer que sea más conocido.

3.2 AJUSTE DEL OBJETIVO AREA de población o

Este trabajo tiene como objetivo exponer las oportunidades potenciales no explotados por los minoristas para dejar de leer e interpretar los datos que se generan en la rutina diaria de la empresa y todos sus grupos de interés. Sin embargo, debido a una serie de requisitos para llevar a cabo la implementación de grandes volúmenes de datos, este trabajo pretende minoristas de tamaño medio y grande, donde se tiene suficiente información y la infraestructura necesaria.

Según Roesch (1999) etapa se puede concentrar en un departamento de la empresa, o abarcar toda la organización. En este último caso, es importante describir la estructura de la zona, incluyendo la cantidad de personas que trabajan en ella.

3.3 PLANES Y los instrumentos de recolección

Según Roesch (1999), si la colección es datos primarios, es importante especificar en esta sección de la fuente de los datos, cuando van a ser elevada y a través de qué instrumentos. En cuanto a los datos secundarios, es necesario informar de la naturaleza y las especificaciones.

En el caso de este trabajo se utilizará únicamente los datos secundarios, ya que toda la información se recoge en libros, revistas, periódicos y sitios web. Todos estos datos son la información sobre lo que el Big Data, cómo funciona y cómo puede ayudar a los minoristas. También se cita son ejemplos reales de las grandes empresas que tienen buenos resultados después de la utilización de sistemas para hacer el análisis de datos.

Plan de análisis 3.4 DATOS

Según Roesch (1999), especifica el tipo de datos recogidos delimita las posibilidades de análisis. Además, aquí es donde el autor puede prever el uso de gráficos, tablas y estadísticas. Pensar en el análisis ayuda a criticar a su propia colección de datos, que puede proporcionar una mejor calidad en el trabajo.

Como se mencionó anteriormente, la investigación se basa en datos secundarios. Por lo tanto, este trabajo se llevará a cabo un análisis de los datos e informaciones que se han utilizado, probado y la mayoría han tenido sus resultados probados. También será un análisis de los resultados positivos y negativos que las grandes empresas tenían después de la ejecución de grandes volúmenes de datos. Estos resultados serán discutidos por la disertación y la voluntad con la ayuda de imágenes y gráficos para una mejor comprensión de la misma.

4. DESARROLLO

Esta parte de los objetivos de trabajo, en base a citas de los puntos anteriores, exponga la forma en grandes volúmenes de datos puede procesar datos importantes acerca de los clientes y de este modo crear una gran ventaja para las empresas que mejoran sus procesos administrativos basados ​​en la información generada a partir de dichos datos recogido. Es importante recordar que este trabajo se hará hincapié en cuanto a la parte administrativa, no en profundidad términos técnicos para el funcionamiento de las herramientas responsables de la recolección, almacenamiento, análisis y transformación de datos en información.

4.1 Herramientas DE APLICACIÓN PARA EL USO DE BIG DATOS sobre los minoristas EMPRESAS tamaño medio-grande Y

La empresa que desee utilizar grandes volúmenes de datos deben seguir ciertos pasos. Estas medidas consisten en decisiones y opciones para implementar una estructura básica que implica herramientas, servicios y personas capaces de almacenar, organizar y analizar estos datos. Teniendo en cuenta que la empresa ya tiene sus propias medidas de gestión del sistema son los siguientes:

  • La contratación de Apoderado: En primer lugar, para llevar a cabo el despliegue de todas las herramientas y sistemas necesarios para el uso de grandes volúmenes de datos Analytics, la empresa debe contar con la ayuda de expertos. Esto implica la contratación de tres tipos de profesionales que sean capaces de dar toda la asistencia necesaria para hacerlo, de la siguiente manera: Los profesionales responsables de la asistencia técnica y la infraestructura suficiente para soportar grandes volúmenes de datos; Profesionales capaces de llevar a cabo el análisis de grandes cantidades de datos y extraer nuevas oportunidades de negocio, desde su formación en estadísticas, matemáticas y / o ciencias de la computación; y analistas de negocios capaces de realizar las preguntas correctas y analizar las respuestas obtenidas a partir
  • Ubicación de la base de datos: La empresa necesita un lugar de almacenamiento para servidores de la nube opción de alquiler es recomendable, y están preferiblemente en diferentes lugares, porque de esa manera el riesgo de pérdida de datos se reducen en los casos de un accidente inesperado, como un incendio o un desastre natural. Además, la estructura de estas empresas suele ser preparado para ello, por lo que estos servidores tienen una vigilancia constante y la seguridad específica, la parte de hardware y software. También existe la posibilidad de que la empresa para adquirir su propio servidor, pero es muy probable que los costos son mucho más altos.
  • Creación de la[5] API: El proceso de transferencia de los datos obtenidos por la empresa a la base de datos no es tan simple. Para el paso de datos a fin

creación automática de una API que se necesita, que será el encargado de realizar la comunicación entre el software y almacenar la base de datos. Por lo tanto, la API será el encargado de obtener los datos deseados desde el software de la tienda, y descargarlos de forma organizada para la base de datos. La creación de API requiere conocimiento técnico y debe ser realizada por un equipo especializado, ya sea un miembro de la propia empresa o subcontratado.

diagrama de flujo
diagrama de flujo

4.2 DIAGRAMA DE FLUJO DE Recopilación y análisis

  • Definir las preguntas correctas;

los profesionales de TI y la gestión administrativa de la empresa deben discutir cuáles son las preguntas correctas con el fin de obtener las respuestas en la estructura que quieren.

  • Definición de los datos de interés;

Los datos que son interesantes para la empresa y que se puede utilizar con el fin de lograr resultados, deben estar bien definidos. El almacenamiento de datos tiene su costo, por lo que cualquier información adicional que se almacena y que no tiene ningún uso significa pérdida para la empresa. En un escenario de lo contrario, la compañía también perdió, en su defecto para recopilar datos importantes a la misma, las ganancias pueden ser reducidos o cero. Es extremadamente importante identificar qué datos deben ser recogidos y los cuales deben ser ignorados.

  • La recolección de datos generados por los clientes;

Una vez que el cliente realiza una compra en la tienda o tienda en línea, se están generando diversos datos. Todos estos datos son recogidos por la empresa. Ejemplos de tales datos incluyen: fecha y hora de la compra, el nombre del cliente, el precio de compra, productos, etc.

  • El envío de datos a la base de datos a través de la API;

El envío de los datos recogidos por la empresa a la base de datos se realiza de forma automática y en tiempo real a través de la API, que es responsable de este proceso.

  • Almacenar los datos en una forma estructurada en la base de datos;

Los datos recogidos serán almacenados de manera organizada en la base de datos ya que el personal de TI se ha definido como la mejor manera, por lo que después de que se procesan y analizan con mayor facilidad.

  • Procesamiento y transformación de datos en información;

Con los datos almacenados y organizados en el servidor se realiza el procesamiento y análisis de datos. Procesamiento de datos consiste en una serie de actividades llevadas a cabo de una manera ordenada, formando una disposición de información, donde se recogen los datos y / o información de manera que puedan ser organizados y analizados resultando en el objetivo de que el sistema o el usuario desea utilizar.

  • Análisis y estudio de la información;

En ese punto, será analizado toda la información generada por el procesamiento de los datos recogidos. Aquí los profesionales responsables buscarán respuestas a las preguntas planteadas inicialmente. Normalmente se encuentran perfiles de clientes individuales o grupos determinados, las tendencias de consumo, patrones de comportamiento y los patrones de compra.

  • La toma de decisiones en base a los análisis de la información;

Tras el análisis y encontró respuestas a las preguntas iniciales, la empresa puede encontrar ideas para posibles ajustes y mejoras en sus procesos basados ​​en esa información. Los patrones de comportamiento y de compra, por ejemplo, pueden influir directamente en el proceso de comercialización, por lo que es mucho más eficiente, pero manteniendo la misma inversión. En resumen, en esta etapa la decisión de cómo comportarse en el mercado y los clientes, que debe ser tomado en base al análisis realizado en la información recogida.

  • modificación de aplicación y mejoras;

En esta etapa el hecho de que las empresas hará que la implementación de mejoras en los procesos identificados en el paso anterior. Estas mejoras se deben implementar de una manera organizada y planificada, por lo que generan el mejor resultado posible.

Ciclo de recopilación de datos, análisis y aplicación. Fuente: Los datos producidos por la investigación.

4.3 IMPACTOS grande de uso de los datos PROCESO de minoristas CORPORATIVOS

El uso de grandes volúmenes de datos en las empresas, si se hace correctamente, puede generar grandes resultados para la misma en su conjunto. Esto se logra por el hecho de que el Big Data puede generar mejoras en muchos procesos de negocio individuales, es decir, que no afecta sólo un proceso al otro. Entre estos procesos que pueden verse afectados por grandes volúmenes de datos, este

el trabajo se limitará a mostrar sólo los de marketing, ventas, logística y la toma de decisiones, incluso a medida que son procesos que sufren gran impacto directo.

4.3.1 Impacto de grandes volúmenes de datos en la comercialización de la empresa

El marketing es esencial para la empresa como para los clientes, por lo tanto, es importante que la atención de la compañía a este punto. Además de tratar de descubrir las necesidades y demandas de un mercado objetivo particular es el marketing que hace que la presentación de un determinado producto o servicio a los clientes con el fin de atraer a ellos y despertar el interés de consumo de los mismos. Con el uso de grandes volúmenes de datos, marketing de la empresa puede llegar a ser mucho más eficiente.

Con las compañías grandes volúmenes de datos puede mucha más información sobre la compra y sus hábitos de comportamiento de los espectadores, y de ese modo lograr los procesos de comercialización de manera más objetiva y eficaz. Además, es posible descubrir otros grupos de clientes con diferentes hábitos o incluso diferentes usos de determinados productos. Con toda esta información, el marketing puede ser personalizado.

Un buen ejemplo es que en lugar de la tienda de lograr ascensos generalizados, las promociones pueden ser personalizados para cada cliente. Ellos pueden ser enviados por e-mails, folletos entregados en casa, o incluso a través de anuncios en las redes sociales de cada cliente. De este modo, la compañía invirtiendo la misma cantidad en la comercialización, usted puede obtener mejores resultados, ya que el producto, marca o servicio para llegar a las personas que tienen una mayor predisposición para adquirirlos.

Mayer-Schönberger y Cukier (2013) ejemplifican en su libro, una cadena americana de tiendas llamada de destino se dio cuenta de los hábitos de consumo de las mujeres embarazadas en el embarazo temprano, donde el consumo de productos hidratantes o similares era muy alta. A partir de ahí la tienda comenzó a enviar folletos y tarjetas promocionales personalizados a los clientes, que acababa de promociones de productos para las mujeres embarazadas y los bebés. Al final, Target encontró que una joven estaba embarazada aún antes de su padre. Objetivo, con esta información, la creación de un plan de marketing específico para estas personas, porque podía hacer proyecciones cuando el hecho de que niño iba a nacer, y en todo ese tiempo, ofrece productos a la venta como cunas, pañales y utensilios para bebés.

El reconocimiento de estos patrones es la clave para grandes volúmenes de datos, ya que con ellos es posible tener una idea del comportamiento del cliente, y la forma de utilizarlo para hacer los procesos de negocio más eficientes. En general, el Big Data puede ayudar a la comercialización proporcionando así información para impulsar dónde, cuándo ya quién ciertas promociones o información sobre productos o servicios a ser enviado. Recuerde que a menudo el Big Data no presentará por qué hacer las cosas funcionan de esa manera en particular, pero en números puede probar que realmente funciona.

4.3.2 Impacto de grandes volúmenes de datos en Ventas y Logística

La venta es el principal objetivo para las empresas, es una de las principales razones para sostener todo este proceso de implementación y uso de grandes volúmenes de datos. A pesar de que todos los procesos están interconectados, la logística tiene una mayor relevancia cuando se trata de ventas, ya que para realizar la venta del producto o servicio, es necesario que la empresa es capaz de proporcionar al cliente. Esto implica no sólo la disponibilidad, sino también

velocidad y la calidad de la entrega, este último se aplica particularmente a las órdenes que se envían por los servicios de entrega, diferentes de cuando el cliente elimina personalmente.

Así como los patrones de comportamiento de compra y ayudar a la comercialización, lo mismo sucede en ventas y logística. Conocer cómo los clientes se comportarán en la cara de ciertas situaciones, la empresa puede prever y organizar el medio ambiente de manera que el cliente consuma más y dejar satisfecho de la misma manera. Organizar el medio ambiente no es sólo el diseño o la exhibición de productos, sino también asegurarse de que el producto que la demanda de los clientes, está disponible, y que la tienda no se sorprende en ciertas situaciones, en su defecto para hacer ventas y causando descontento en el cliente, el cual No encontraste lo que estabas buscando. Uno de los ejemplos interesantes citadas por Mayer-Schönberger y Cukier (2013, p.

37) es de Wal-Mart:

En 2004, Walmart recorrió la enormidad de datos de transacciones pasadas, que cada artículo de consumo compró y el costo total, lo que más estaba en su cesta, el tiempo e incluso el clima. Al hacerlo, la compañía señaló que, ante un aviso de huracán, linternas no sólo de venta aumentaron, así como Pop-Tarts, American dulce típico. Por lo tanto, como una tormenta se acercaba, Walmart golpeó las cajas de Pop-Tarts en la parte delantera de las tiendas, junto a los artículos para huracanes con el fin de hacer la vida más fácil para los consumidores que iban y venían – y por lo tanto cada vez mayores las ventas.

En este ejemplo, se puede observar que ya tenían conocimiento sobre el aumento del consumo de las lámparas cuando no había previsiones de huracanes. Además, lograron la lectura también hubo un aumento en la demanda de un dulce típico americano llamado Pop-Tarts. Por lo tanto, cuando había una advertencia de huracán en una ciudad o estado, Walmart podría preparar para que estos productos fueron encontrados en una manera fácil a la tienda, y también asegurarse de que tienen suficiente producto para satisfacer la demanda. Es de destacar que en livor, Mayer-Schönberger y Cukier informar que no teníamos certeza acerca de la razón de las mayores ventas de dulces Pop-Tarts, pero funcionó.

Mayer-Schönberger y Cukier (2013, p. 37) dan otro ejemplo de Wal-Mart, lo que demuestra que el Big Data ya muestra su poder desde los años 90.

"En la década de 1990, [Walmart]que revolucionó la venta al por menor para registrar todos los productos como los datos a través de un sistema llamado Retail Link, los principales proveedores para controlar la velocidad y el volumen de ventas e inventario. La creación de esta transparencia permitió a la empresa obligue a los proveedores a tomar el cuidado de sí mismos de la oferta. En muchos casos, Walmart no se "apropió" de un producto hasta justo antes de la venta, lo que reduce el riesgo y el costo de las acciones. Walmart utiliza los datos para convertirse, de hecho, la tienda de artículos consignados más grande en el mundo ".

Estos ejemplos muestran cómo los grandes datos podría ayudar a una gran empresa en el mercado al por menor, por lo que podría reducir sus costos, aumentar sus ventas y por lo tanto ser más competitivos en el mercado. El uso de grandes volúmenes de datos ha hecho que estos procesos sufren un impacto positivo importante, aumenta su eficiencia, y por lo tanto afectar el resultado de la tienda en su conjunto.

4.3.3 Impacto de grandes volúmenes de datos en las decisiones

La toma de decisiones son los momentos críticos de las empresas. Este es el momento en que la empresa debe decidir de una forma entre muchas otras. El peso de la decisión es alta, ya que en términos de imagen corporativa e incluso financiera, puede significar una ganancia o pérdida. Por lo tanto, es interesante que la compañía tiene la mayor cantidad de información posible, ya sea a los clientes, el medio ambiente interno o externo. Cuanta más información, mayor es la capacidad de tomar una decisión exitosa.

Se trata de cómo ayuda a grandes volúmenes de datos empresas en la toma de decisiones, proporcionando la mayor cantidad de información útil posible. Que a su vez puede ser utilizado para obtener una vista previa de cómo el mercado puede comportarse en un futuro próximo. El hecho de que las cosas son inciertas, nada puede ser garantizada, pero es así para todo el mundo, y está a la cabeza los que tienen más información. Con el paso de los datos obtenidos acerca de los clientes, cómo se comportan, cuáles son sus hábitos, junto con otras informaciones que pueden ser adquiridos en la geolocalización, o incluso situaciones políticas y económicas, las empresas pueden obtener una buena idea de cómo comportarse este mercado sufre muchas variaciones.

En un mercado como el actual, que cuenta con cambios extremadamente rápidos, el proceso de recolección de datos hasta su transformación en las decisiones no puede ser lento. A medida que el mercado cambia muy rápido, las respuestas de las empresas deben ser lo más rápido. No ayuda a tomar la decisión correcta, si se realiza con retraso. Por lo tanto, el Big Data es sin duda una gran alternativa, ya que con ella, se puede analizar una enorme cantidad de datos, y hacer que se genere valor para la empresa en su conjunto.

Consideraciones finales

Este estudio tuvo como objetivo mostrar la importancia de la utilización de grandes volúmenes de datos en el mercado minorista actual. Esta importancia es el impacto que el uso de esta enorme cantidad de datos, porque los procesos de negocio y el conocimiento del comportamiento de sus clientes y del mercado. Hace algunos años se reconoció la importancia de esta tecnología, y se está convirtiendo día más indispensable para los negocios.

A medida que el desarrollo de la investigación, se puede notar que la implementación de la infraestructura necesaria en las empresas para la lectura e interpretación de datos grandes no es tan simple. la contratación de personas que necesita tener conocimientos en el área de proporcionar el apoyo adecuado. La inversión en equipo no se ha reducido, ya que se requiere una inmensa capacidad de procesamiento de datos para leer y analizar esta gran cantidad de datos. Por lo tanto, un estudio de viabilidad de implementación del sistema, ya que si bien el rendimiento es alto, es necesario, una alta inversión es necesario también que para pequeñas y medianas empresas puede ser poco práctico.

El uso de grandes volúmenes de datos permite a las empresas analizar los datos más allá del espacio físico de sus tiendas o sus propios sitios web y redes sociales. Cualquier dato que se puede recoger y puede generar cualquier tipo de información sobre el usuario, se recogen de forma continua, lo que permite a las empresas controlar los comportamientos, hábitos y formas de pensar de la gente en general, que eran consumidores de sus productos o no. Por lo tanto, el nivel de preparación que la empresa puede tener para ciertas situaciones es extremadamente alta, mucho más allá de lo que era antes.

Fueron presentados y comentados en el desarrollo de la investigación, ejemplos de procesos que pueden ser más eficientes, entre ellos están: mejorar la aplicación del capital invertido en la comercialización, una mejor gestión de la logística de los productos, una mejor exposición del producto y organización de tiendas. Todo ello impacta de manera positiva, reducción de residuos y generando con ello un aumento de beneficios para las empresas.

Cómo los datos se genera cada vez más rápido y en mayor cantidad, siempre hay más datos para ser analizados. Curiosamente, el sistema para el análisis e interpretación de datos es un ciclo. Por lo tanto, después de que la compañía de implementar cambios y mejoras a partir de los datos que han sido analizados, que recogerá los datos generados en respuesta a estas aplicaciones, mejorando más y más procesos como los mercados y los cambios de comportamiento de los clientes. A partir de esta línea de razonamiento se ha creado el modelo de implementación y ejecución de grandes volúmenes de datos, que se presentó en el trabajo. Finalmente, se puede concluir que se han alcanzado los objetivos

sugerencias finales

Este estudio se limita a la producción de información sobre grandes volúmenes de datos y su funcionalidad en las organizaciones, sin embargo, presentar su solicitud y la implementación práctica de la rutina de una organización. Por lo tanto, se sugiere que antes de llevar a cabo la aplicación del modelo en cualquier negocio, ya sea hecho prueba práctica de la misma, con el fin de demostrar en la práctica la eficiencia del modelo.

También se sugiere que se continuó el trabajo de manera que la parte práctica de este modelo a ensayar, que identificaría su funcionalidad real, la importancia y el valor para los minoristas.

referencias

CAMARGO, Shirlei Miranda; Toaldo, Ana Maria M.; SOBRINO, Zaki Akel. El diseño como herramienta de marketing en el comercio minorista. 2009. Disponible en: <http://www.anpad.org.br/admin/pdf/MKT1407.pdf>. Acceso el 25 de mayo. 2017.

CASTRO; NEVES. Gestión de Ventas – Planejkamento, Estrategia y Gestión. Sao Paulo: Editora Atlas SA, 2005.

Elmasri, Ramez; Navathe, Fundamentos de la base de datos B. Sistemas Shamkant. Disponible en: <http://fms.uofk.edu/multisites/UofK_fms/images/pdf/Fundamentals_of_Database_Systems_6t h_Edition.pdf>. Consultado el 12 de agosto 2016.

ENOMURA, Bianca Yuki. Big Data: La era de grandes volúmenes de datos ha llegado. Superinteressante revista. v. 4, p. 7-19, de julio de 2014.

Gerhardt, Tatiana Engel; Silveira, Denise Tolfo. Métodos de investigación. Porto Alegre: Editora de la UFRGS, 2009. Disponible en: <http://www.ufrgs.br/cursopgdr/downloadsSerie/derad005.pdf>. Acceso: 18 Octubre 2016.

IBM. ¿Qué es Big Data?. Disponible en: <https: // www- 01.ibm.com/software/data/bigdata/what-is-big-data.html>. Consultado el 11 de agosto 2016.

INTEL. Integrated Electronics Corporation. Big Data 101: Análisis de datos no estructurados El curso acelerado en el entorno de TI para grandes volúmenes de datos y tecnologías emergentes. Disponible en: <http://www.intel.com/content/www/us/en/big-data/unstructured-data-analytics- paper.html>. Consultado el 12 de agosto 2016.

ISACA®, privacidad y grandes volúmenes de datos. 2013th. Disponible en: <http://www.isaca.org/Knowledge-Center/Research/Documents/Privacy-and-Big- Data_whp_Portuguese_0913.pdf>. Acceso el 12 ago. 2016.

ISACA®. Big Data: impactos y beneficios. 2013b. Disponible en: <http://www.isaca.org/Knowledge-Center/Research/Documents/Big- Data_whp_Por_0413.pdf>. Consultado el 12 de agosto 2016.

Kotler, Philip. Dirección de Marketing. 14. Ed. – Sao Paulo: Pearson Education, Brasil, en 2012.

LAUDON, Kenneth C.; LAUDON, Sistemas de Información de Gestión P. Jane. Ed. 11. Sao Paulo, SP: Pearson Education, Brasil, en 2014.

LIMA, Cecilia A. R.; Calazans, Janaina H. C. Huellas digitales: "Big Data" y la información estratégica sobre los consumidores. Disponible en: <http://gitsufba.net/anais/wp-content/uploads/2013/09/13n2-pegadas_49483.pdf>. Consultado el 11 de agosto 2016.

Manyika, James; CP, Michael; BROWN, Brad et al. Big data: La próxima frontera para la innovación, la competencia y la productividad. Disponible en: <http://www.mckinsey.com/business-functions/business-technology/our-insights/big-data-the- próxima frontera para la innovación>. Consultado el 11 de agosto 2016.

MAYER-SCHÖNBERGER, Viktor; CUKIER, Kenneth. Big Data: Cómo extraer el volumen, la variedad, la velocidad y el valor de la avalancha de información diaria. Río de Janeiro: Elsevier, 2013.

MORITZ, Gilberto Oliveira.; PEREIRA, Maurício Fernandes. Proceso de decisión.

Florianópolis, SC. SEAD / UFSC, 2006.

PAURA, Glávio Leal. Fundamentos de Logística. Curitiba, PR. 2012.

Prodanov, Cleber Cristiano; Freitas, Ernani Cesar. Metodología del trabajo científico:[recurso eletrônico] métodos y técnicas de investigación y trabajo académico. 2ª ed. – Novo Hamburgo, RS: Feevale, 2013.

la revista Exame. Atacarejo lleva en representación de las familias. Por Estadão CONTENIDO. Disponible en: <http://exame.abril.com.br/negocios/atacarejo-lidera-em- representación fines de familias />. Consultado el: 06 de diciembre de 2016.

ROESCH, Sylvia María Azevedo. Etapa de diseño y administración de la investigación. 2ª ed. – Sao Paulo, SP: Editora Atlas SA, 1999.

Silveira, Daniel; CAVALLINI, Marta. Las ventas minoristas caen en febrero de 2017, dice el IBGE. Por G1 de Globo – Economía. Disponible en: <http://g1.globo.com/economia/noticia/vendas-no-comercio-caem-em-fevereiro-de-2017-diz- ibge.ghtml>. Consultado el 25 de mayo 2017.

TAURION, Cezar. Big Data. Río de Janeiro, RJ :. Publisher Brasport Books and Media Ltd., en 2013. ePUB.

TESSAROLO, Peter H.; MAGALHÃES, William B. La era de los grandes datos de contenido digital: Los datos estructurados y no estructurados. Disponible en: <http://web.unipar.br/~seinpar/2015/_include/artigos/Pedro_Henrique_Tessarolo.pdf>. Consultado el 12 de agosto 2016.

DAMA DE LA GUÍA. La Guía DAMA al Cuerpo de Gestión de Datos de Conocimiento. Disponible en: <https://www.safaribooksonline.com/library/view/the-dama- guiar / 9781935504009 / DMBOK% 20Guide.html>. Consultado el 12 de agosto 2016.

[1] Curso académico Administración CEULJI / Ulbra

[2] La Sra UFSC, curso de Administración Maestro CEULJI / Ulbra

[3] Silveira, Daniel; CAVALLINI, Marta. Las ventas minoristas caen en febrero de 2017, dice el IBGE. Por G1 de Globo – Economía. Disponible en: <http://g1.globo.com/economia/noticia/vendas-no-comercio-caem-em- Febrero-a-2017-dice ibge.ghtml>. Consultado el 25 de mayo 2017.

[4] la revista Exame. Atacarejo lleva en representación de las familias. Por Estadão CONTENIDO. Disponible en: <http://exame.abril.com.br/negocios/atacarejo-lidera-em-representatividade-para-familias/>. Consultado el: 06 de diciembre de 2016.

[5] API es un conjunto de rutinas y estándares de programación para acceder a una aplicación de software o plataforma basada en la Web. La API de seguimiento hace referencia al término Inglés "Application Programming Interface", que significa en la traducción al portugués "Application Programming Interface".

DEIXE UMA RESPOSTA

Please enter your comment!
Please enter your name here