914-005-1

Centro IBS de Investigación en Gestión

Estrategia de Big Data de Amazon

Este caso fue escrito por Adapa Srinivasa Rao, bajo la dirección de Debapratim Purkayastha,
IBSHyderabad. Fue compilado a partir de fuentes publicadas y está destinado a ser utilizado como base
para
discusión en clase en lugar de ilustrar el manejo efectivo o ineficaz de una situación de gestión.

2014, Centro IBS de Investigación en Gestión

Centro IBS de Investigación en Gestión

(ICMR)Campus IFHE, Donthanapally,
Sankarapally Road, Hyderabad-501 203,
Andhra Pradesh, INDIA.
Teléfono: +91 9640901313
Correo electrónico: info@icmrindia.org

Distribuida por The Case Norteamérica Resto del mundo

Center

casocentrar www.thecasecentre.org
Reservados todos los derechos
t+1781239 5884
F+1781239 5885
t+44 (0) 1234 750903
F+44 (0) 1234 751125
miinfo usa@thecasecentre org miinfo@thecasecentre org
 914-005-1

Estrategia de Big Data de Amazon

“En el equipo de recomendación de Amazon, nos preguntamos cómo tomamos
estos datos y ganamos un poco más de dinero, cómo los aplicamos en este canal
de manera diferente y fue realmente genial. Ahora se le llama 'big data' en el
mundo del marketing y los medios, pero en el momento en que estábamos
haciendo estas cosas, era simplemente poner un pie delante del otro ”1.
- David Sellinger, ex gerente de software (investigación del comportamiento del
cliente),
Amazon.com, Inc. (Amazon), en octubre de 2013.

La empresa líder de comercio electrónico Amazon.com, Inc. (Amazon) y su subsidiaria Zappos se

clasificaron entre los diez principales minoristas en la National Retail Federation Foundation /
American Express Customers 'Choice Awardsa durante dos años consecutivos (2010 y 2011). Los
observadores de la industria sintieron que el codiciado reconocimiento fue el resultado del uso que
hizo Amazon de sus recursos de big datab para brindar una calidad de servicio superior. Desde el
momento en que emergió como un proveedor dominante de servicios de Internet a principios de la
década de 2000, Amazon había comenzado a centrarse en big data para mejorar su rendimiento.
Junto con muchas otras empresas importantes de Internet, se dio cuenta de la importancia de los
macrodatos a principios de la década de 2000 y, desde entonces, se centró en utilizar correctamente
las enormes bases de datos de personas que compraban en sus portales de comercio electrónico.
Amazon aprovechó sus fuentes de big data para brindar a sus clientes buenas recomendaciones de
productos y, por lo tanto, mejorar la relación con ellos. Utilizó sus recursos de big data para
actualizar meticulosamente su famoso sistema de recomendación de clientes. Se utilizaron datos
sobre compras anteriores realizadas por los clientes para brindarles sugerencias de productos
altamente personalizadas. El análisis de los datos de los clientes anteriores también ayudó a
Amazon a dar sugerencias a los nuevos clientes que estaban comprando en su portal por primera
vez. Los macrodatos ayudaron a Amazon a desarrollar perfiles de clientes de 360 ​grados y a crear
mensajes de marketing hiperpersonalizados con respecto a los productos en función de las
necesidades y preferencias de los clientes individuales. Del lado del cliente, Amazon también
utilizó sus recursos de big data para mejorar la calidad de su atención al cliente. El fácil acceso a
los perfiles de los clientes y sus hábitos de compra / navegación anteriores facilitó a los ejecutivos
de servicio al cliente de la empresa brindar soluciones rápidas a las quejas de los clientes. La
adquisición de Zapposc por Amazon en el año 2009 facilitó aún más el uso de big data para
mejorar la calidad del servicio al cliente. Los recursos de big data también se utilizaron de forma
innovadora, como la comprobación del fraude a nivel organizativo.

Los datos del catálogo de productos se analizaron minuciosamente para identificar cuáles de los
3
 914-005-1

artículos tenían más probabilidades de ser robados. Los resultados de este análisis se
retroalimentaron a los almacenes de la empresa para limitar el robo de artículos.
Además de mejorar su propio rendimiento, Amazon también ayudó a otras empresas de comercio
electrónico más pequeñas al permitirles utilizar sus recursos de big data y mejorar su rendimiento.
Un servicio innovador llamado Amazon Webstore, lanzado en 2010, permitió a las empresas más
pequeñas construir sus portales alrededor de la plataforma de comercio electrónico de Amazon.
Los usuarios de Amazon Webstore podrían anunciar sus productos en los portales de Amazon
pagando una pequeña parte de las ganancias de las ventas como comisión a Amazon. Por una tarifa
mensual fija por utilizar el servicio, las empresas asociadas podrían utilizar los recursos de big data
de Amazon. Amazon Webstore tuvo bastante éxito y fue adoptado tanto por pequeños como por
grandes minoristas como Timex y Samsonite, que no querían tener su propio sistema de comercio
electrónico. El conjunto de servicios de Internet basados ​en la nube de Amazon conocido como
Amazon Web Services (AWS) también había presentado soluciones para pequeñas empresas para
que pudieran implementar big data fácilmente. Un nuevo servicio conocido como Kinesis,
anunciado en noviembre de 2013, podría procesar grandes volúmenes de datos que fluyen hacia
AWS en tiempo real. Según algunos observadores de la industria, esta fue la apuesta de Amazon
para cerrar el ciclo en su pila de nube integrada y ofrecer una solución de extremo a extremo para
recopilar y procesar datos. Consideraron que con solo echar un vistazo a los diversos aspectos de
sus capacidades de big data y aprovecharlos de manera efectiva, la empresa podría surgir como
una amenaza para todo el ecosistema de análisis.

NOTA DE ANTECEDENTES

Amazon fue fundada en el año 1994 por Jeffrey Preston Bezos (Bezos). Inició sus operaciones en
un momento en que el alcance de Internet aumentaba y se consideraba a Internet como un medio
comercial potencial. Al comprender la tendencia, a Bezos se le ocurrió la idea de vender libros a
través de Internet. En su opinión, los libros eran los mejores productos para vender en línea, ya que
había millones de títulos impresos y un sitio de comercio electrónico podía albergar y vender
muchos más libros que las librerías tradicionales. Bezos calculó que las tiendas físicas comunes no
podían albergar más de 200.000 libros a la vez y se propuso construir una gran librería en línea que
fuera más grande que cualquier librería física del mundo. Amazon se financió inicialmente con el
dinero que Bezos pidió prestado a amigos y familiares. Bezos y su esposa,
Amazon finalmente se abrió a los clientes en el año 1995. Como muchos otros gigantes de la
tecnología, inicialmente se administraba desde un garaje, el de la casa de Bezos en Washington. En
el momento en que Amazon inició sus operaciones, el mercado de venta al por menor de libros
estaba muy fragmentado y no había ningún actor importante excepto Barnes & Noble, Inc. d
Barnes & Noble tenía una décima parte de la cuota de mercado total, pero no tenía presencia en
línea. Amazon obtuvo así la ventaja de ser el primero en moverse y enfrentó muy poca
competencia en sus días iniciales de operación. Desde que inició sus operaciones comerciales,
Bezos se centró en los clientes y creyó que la lealtad del cliente era la clave para penetrar en el
mercado y aumentar las ventas. Amazon comenzó a enviar productos a los 50 estados de EE. UU.
Y a otros 45 países dentro de un mes de su lanzamiento, y todo esto mientras aún trabajaba desde
el garaje de Bezos. La popularidad de Amazon creció a través del boca a boca a medida que los
clientes lo recomendaban a otros. A los cuatro meses de su lanzamiento, Amazon vendía más de
100 libros al día. El impresionante desempeño de la compañía atrajo inversionistas y Amazon
obtuvo su primera gran inversión de US $ 100,000 de Madrona Venture Group, Inc.e en 1995. La
compañía reportó ventas netas de US $ 511,000 durante los primeros seis meses de sus
operaciones y la confianza de Bezos en que podría hacer que el éxito de la empresa aumentara.

3
 914-005-1

A principios de 1996, Amazon se trasladó a una nueva sede, un pequeño almacén en Seattle. La
empresa empleaba a 11 personas y ofrecía 2,5 millones de títulos de libros. Siguiendo el modelo
japonés, Amazon tenía un inventario muy limitado y, por lo tanto, mantuvo sus costos bajo control.
Comenzó un innovador programa de marketing de afiliados llamado Programa de Asociados de
Amazon en julio de 1996. El programa permitió que sitios web de terceros vendieran libros a
través de enlaces a Amazon publicados en sus sitios por una comisión del 15 por ciento sobre las
ventas totales realizadas. El programa fue un gran éxito y ayudó a expandir el alcance de Amazon
sin que la empresa tuviera que gastar mucho en publicidad. Los expertos opinaron que el programa
no solo generó tráfico a Amazon, sino que mejoró la presencia de la marca en línea, ya que estos
sitios de terceros llevaban el logotipo de Amazon en sus páginas. Posteriormente, el Programa de
Asociados de Amazon se extendió a todos los productos vendidos en el portal de Amazon.
Amazon salió a bolsa en el año 1997 y puso a la venta 3 millones de sus acciones. Las acciones se
abrieron a US $ 18 por acción y la OPI recaudó US $ 54 millones para la empresa. En el año 1998,
Amazon comenzó a vender DVD con la apertura de su tienda de videos, a la que siguió el
lanzamiento de las subastas de Amazon.com en marzo de 1999.4
El éxito de Amazon atrajo al mercado a muchos competidores nuevos como Book Stacks y Book
Zone, lo que generó una mayor competencia para la empresa. Para contrarrestar la competencia de
manera efectiva, Amazon introdujo nuevas características como reseñas de productos en línea
donde los clientes podían escribir su propia reseña de libros, así como leer reseñas escritas por
otros. Para el año 2000, Amazon había realizado un gran cambio en su modelo de negocio y
comenzó a vender otros productos. En 2000, también amplió su presencia y lanzó sitios en Francia
y Japón. En el año 2001, Amazon permitió que otros minoristas vendieran sus productos a través
de su sitio y tomó una parte de las ganancias de las ventas como su comisión. En el último
trimestre del año 2001, Amazon reportó su primer beneficio.5
Las operaciones de Amazon se expandieron aún más en el año 2003 cuando abrió nuevos sitios
web en países de Asia y el Pacífico y Europa. En el año 2006, lanzó una subsidiaria clave llamada
Amazon Web Services.6 Amazon Web Services proporcionó una variedad de servicios de
computación remota basados ​en la nube a sus clientes. El advenimiento de la era digital estaba
cambiando los patrones de consumo de contenido de las personas. Muchas personas comenzaron a
leer libros y revistas en sus computadoras de escritorio y portátiles en lugar de comprar copias
físicas. En respuesta a este cambio, Amazon presentó un lector de libros electrónicos llamado
Kindle en el año 2007. Kindle fue un gran éxito en el mercado y anunció una nueva era de lectura
digital. Más tarde, Kindle se lanzó como una aplicación para otros dispositivos que funcionan en
sistemas operativos como Android e iOSf. Para el año 2011, la capitalización de mercado de
Amazon había alcanzado la marca de los 100.000 millones de dólares, lo que la convierte en una
de las empresas de tecnología líderes en el mundo. Para el año fiscal 2012, Amazon tuvo ingresos
de US $ 61.09 mil millones y una pérdida neta de US $ 39 mil millones (consulte el Anexo II para
conocer las finanzas de Amazon).

GRANDES DATOS EN AMAZON

A lo largo de los años, Amazon había pasado de ser un actor de comercio electrónico puro a una
empresa gigante de servicios de Internet que ofrecía una amplia gama de servicios para individuos
y corporaciones. Comenzó a centrarse en gran medida en big data y se embarcó en su transición de
un minorista en línea puro a una empresa gigante de big data. Amazon junto con otros gigantes
importantes de Internet como Yahoo! Inc.g (Yahoo) y Twitter, Inc.h (Twitter) se dieron cuenta a
principios de la década de 2000 de que tenían enormes cantidades de datos sobre sus usuarios que
podían darles un uso valioso. Mientras que las otras empresas no se concentraron en la importancia
de Big Data, Amazon se apresuró a sacar provecho de la invaluable base de datos de

7
 914-005-1

personas que comprado en sus portales de comercio electrónico en todo el mundo. El equipo de
recomendación de productos de Amazon pensó en formas innovadoras en las que podría utilizar
los datos acumulados por la empresa. El resultado fue la revolución del big data que transformó la
forma en que Amazon hacía negocios.
Como gigante del comercio electrónico, el éxito de Amazon siempre había dependido de poner los
productos adecuados a disposición de sus clientes. Hacer que los productos adecuados estuvieran
disponibles a su vez dependía de la comprensión de los productos precisos que querían los clientes.
Comprender las necesidades y los gustos de los clientes implicaba realizar una investigación de
mercado adecuada, así como analizar su propia base de clientes. Desde sus inicios, Amazon ha
sido reconocida por su sistema de recomendación de productos que brinda sugerencias de
productos a los clientes en función de su comportamiento de compra anterior. Los datos
recopilados de sus clientes fueron la principal fuerza impulsora del sistema de recomendación de
Amazon. Siendo el jugador líder en comercio electrónico, Amazon tenía un gran banco de datos
sobre los me gusta y el comportamiento de compra pasado de su base de clientes. Había utilizado
este banco de datos para construir su sistema de recomendación. Su anterior sistema de
recomendación se había basado en mostrar más artículos similares a los que buscaban sus clientes.
Este método de similitud artículo por artículo se creó sobre la base del filtrado colaborativoi y tuvo
un gran éxito en la profundización de la relación con sus clientes. Desde entonces, su motor de
recomendación se ha mejorado y perfeccionado para ofrecer mejores resultados.
Más tarde, Amazon también comenzó a utilizar los datos históricos de compras de los
consumidores y los datos del flujo de clics de todos sus clientes para mostrar páginas web con
información personalizada de manera única. El uso de dichos datos ayudó a Amazon de muchas
maneras además de mostrar los productos relacionados y alternativos que los consumidores había
estado buscando. La extracción de la gran cantidad de datos ayudó a comprender los sentimientos
internos y los gustos de los clientes que no podían expresar. Al comentar sobre la importancia de
los datos para comprender el comportamiento de los clientes, Michael Driscoll de Datasporaj dijo:
“Puede preguntar a las personas qué influye en su deseo de renovar su contrato de telefonía celular,
y lo que la gente dice y lo que hace a menudo es muy diferente. Los datos son la clave para
diferenciar entre lo que las personas dicen en términos de sentimiento y lo que hacen en términos
de acciones ".

UTILIZANDO BIG DATA

Amazon aprovechó el big data para mejorar su relación con sus clientes y brindar un servicio al
cliente superior. El minorista en línea creó una amplia base de datos de sus clientes y sus
preferencias de compra durante un largo período de tiempo. Fue una de las primeras empresas de
comercio electrónico en comenzar a utilizar el método de venta cruzada / venta ascendente. Este
sistema de recomendación de clientes se amplió posteriormente mediante la utilización de sus
recursos de big data. Usando big data, Amazon comenzó a analizar las compras de productos
anteriores realizadas por sus clientes en su tienda en línea y los otros artículos que se compraron
junto con ellos. Los datos recopilados de sus clientes se utilizaron para dar sugerencias silenciosas
pero altamente personalizadas para hacerles comprar más. Este análisis de datos ayudó a Amazon a
brindar sugerencias de productos a clientes nuevos y existentes que, de otra manera, no hubieran
comprado un producto complementario. Esta fue la razón por la que los sitios de Amazon
mostraban recomendaciones de venta cruzada del tipo `` Otros clientes que compraron este artículo
también compraron ese artículo ''.12 Las recomendaciones relacionadas con el producto también se
personalizaron en función de muchos factores, como la ubicación y la demografía del cliente.
“Incluso puede correlacionar el comportamiento de compra entre las ventas de viviendas y
jardines”, dijo Jeff Kelly, analista líder de big data en Wikibonk.

La desconcertante gama de productos que se exhibían en los portales de comercio electrónico los
hacía parecer difíciles de manejar e incomprensibles para muchos clientes. Según los analistas,
extraer el tesoro de la información y proporcionar recomendaciones de productos relevantes podría
7
 914-005-1

hacer que los sitios de comercio electrónico se sintieran más pequeños e íntimos para los
consumidores. Los macrodatos también ayudaron a Amazon en el desarrollo de su estrategia de
marketing personalizada, una táctica en la que sobresalió. Muchas empresas de comercio
electrónico recurrieron al envío masivo por correo electrónico genérico de los productos y ofertas
que estaban disponibles con ellos. Esta estrategia condujo al desperdicio de los esfuerzos de
marketing de muchas empresas y al etiquetado de los correos electrónicos de comercio electrónico
como spam. Amazon creó perfiles de clientes de 360 ​grados que rastrearon y almacenaron todo lo
relacionado con los clientes, como su historial de navegación, datos sociales, gustos y preferencias.
Amazon también se basó en big data para mejorar la calidad de su servicio posventa a sus clientes.
Se sabía que la mayoría de los clientes estadounidenses tenían una experiencia en gran medida
negativa en sus interacciones de servicio. Amazon trató de resolver este problema aprovechando la
gran cantidad de datos que tenía sobre sus clientes. Tener los datos correctos le ayudó a tener un
intercambio favorable con sus clientes y a resolver sus problemas rápidamente. Los ejecutivos de
servicio al cliente de Amazon tuvieron acceso rápido a los datos sobre las compras pasadas y el
historial de navegación de sus clientes. Esto permitió a la empresa brindar soluciones más rápidas
a los problemas y quejas de sus clientes. Los denunciantes no tenían que deletrear sus detalles
como apellidos, números de contacto y direcciones repetidamente antes de que se resolvieran sus
consultas / problemas. Este enfoque único de utilizar big data para mejorar la calidad del servicio
dio resultados espectaculares. Después de tener una experiencia positiva con el equipo de soporte
de Amazon en uno de esos encuentros, Sean Madden, uno de los principales blogueros de
negocios, dijo: “Después de casi una década de ordenar cosas de Amazon, nunca amé a la
compañía tanto como en ese momento”.
Uno de los factores que facilitó el uso de big data para la atención al cliente fue la adquisición por
parte de Amazon de Zappos, el mayor minorista en línea de zapatos, en el año 2009. Amazon
adquirió Zappos por US $ 1.2 mil millones para expandir su alcance en las categorías de productos
en las que no era fuerte.19 Zappos era famoso por usar su base de datos de clientes para brindar un
toque personal a sus clientes y convertirlos en sus fanáticos y porristas. Amazon adoptó las
estrategias de servicio al cliente de Zappos después de que asumió el control de la empresa.La
aplicación de big data para mejorar el servicio al cliente hizo que Amazon y su subsidiaria Zappos
se ubicaran entre los diez principales minoristas en los premios National Retail Federation
Foundation / American Express Customers 'Choice Awards para los años 2010 y 2011 (consulte el
Anexo III para conocer los diez principales minoristas en los premios National Retail Federation
Foundation / American Express Customers 'Choice Awards para 2010 y 2011) .
En lugar de usar big data para proporcionar mejores sugerencias de productos y mejorar la calidad
del servicio, Amazon lo usó para verificar el fraude en la organización. Un área interesante en la
que Amazon se benefició mediante el uso de big data fue la prevención del robo de almacenes. En
un momento dado, Amazon tenía 1.500 millones de artículos en sus catálogos en sus 200 centros
logísticos en todo el mundo. El robo de estos artículos era una gran amenaza para Amazon. El
problema de identificar cuáles de estos artículos eran más buscados por los ladrones era que se
robaban artículos caros y de bajo precio. Los artículos baratos también eran robados a menudo por
razones como su escasez. Para resolver este problema, Amazon utilizó macrodatos y actualizó los
datos de su catálogo de productos casi 50 millones de veces a la semana. Se recopilaron,
almacenaron y almacenaron datos del catálogo de productos. y se analizó para identificar cuáles de
los artículos tenían más probabilidades de ser robados y la información se devolvió a los
almacenes (consulte el Anexo IV para conocer los cinco componentes del proceso de big data).
Esto ayudó a Amazon a prevenir el robo de artículos en sus catálogos. Werner Vogels (Vogels),
director de tecnología y vicepresidente de Amazon.com, consideró que los datos y el
almacenamiento deberían estar libres de restricciones. “En el viejo mundo del análisis de datos,
sabía exactamente qué preguntas quería hacer, lo que impulsaba un modelo de recopilación y
almacenamiento muy predecible. En el nuevo mundo del análisis de datos, sus preguntas
evolucionarán y cambiarán con el tiempo y, como tal, debe poder recopilar, almacenar y analizar
datos sin estar limitado por los recursos ”. El director de tecnología y vicepresidente de
Amazon.com, consideró que los datos y el almacenamiento deberían estar libres de restricciones.
“En el viejo mundo del análisis de datos, sabía exactamente qué preguntas quería hacer, lo que
7
 914-005-1

impulsaba un modelo de recopilación y almacenamiento muy predecible. En el nuevo mundo del

análisis de datos, sus preguntas evolucionarán y cambiarán con el tiempo y, como tal, debe poder
recopilar, almacenar y analizar datos sin estar limitado por los recursos ”. El director de tecnología
y vicepresidente de Amazon.com, consideró que los datos y el almacenamiento deberían estar
libres de restricciones. “En el viejo mundo del análisis de datos, sabía exactamente qué preguntas
quería hacer, lo que impulsaba un modelo de recopilación y almacenamiento muy predecible. En el
nuevo mundo del análisis de datos, sus preguntas evolucionarán y cambiarán con el tiempo y,
como tal, debe poder recopilar, almacenar y analizar datos sin estar limitado por los recursos ”.

AYUDAR A OTRAS EMPRESAS CON BIG DATA

Además de utilizar big data para mejorar su propio rendimiento, Amazon también ayudó a otros
portales de comercio electrónico a aprovechar sus recursos de big data. Esto lo logró a través de un
servicio innovador para pequeñas empresas de comercio electrónico llamado Amazon Webstore.
Amazon Webstore, lanzada en 2010, permitió a los minoristas construir sus portales alrededor de
la plataforma de comercio electrónico de Amazon.24 Amazon Webstore era una tienda
independiente fuera de la tienda de comercio electrónico oficial de Amazon construida sobre el
nombre de dominio y la marca de terceros. Los usuarios de Amazon Webstore pueden colocar
Amazon Product Adsl en los portales de Amazon. Las personas que hicieron clic en estos anuncios
de productos serían redirigidas al sitio del sitio asociado donde se completaría la venta. Como
parte de esta asociación,
Un caso interesante en el que Amazon Webstore mejoró el rendimiento de un pequeño minorista
fue Anaconda Sports. Anaconda Sports, un exitoso minorista de deportes de Nueva York, EE.
UU., Se encontró atrapado con un sistema de comercio electrónico ineficiente y costoso con
problemas como la imposibilidad de almacenar toda la información del cliente, la falta de una
experiencia única basada en las preferencias del cliente y la mala calidad del servicio al cliente. La
modificación de su portal de comercio electrónico a través de Amazon Webstore le permitió
desarrollar una tienda eficiente que resolvió todos los problemas que venía enfrentando, además de
incrementar sustancialmente sus ventas.
Al comentar sobre los beneficios de la tienda web de Amazon para las pequeñas y medianas
empresas, Scott Pulsipher, director de la tienda web de Amazon, dijo: “Al aprovechar la tecnología
y la infraestructura de Amazon, la tienda web de Amazon nivela el campo de juego para las
pequeñas y medianas empresas, ayudándolas rápidamente y crear fácilmente sus negocios y
mejorar la experiencia del cliente ". Amazon Webstore fue implementado incluso por grandes
marcas como Timex, MTV, Boeing y Samsonite, lo que les permitió mejorar su compromiso con
sus clientes (consulte el Anexo V para ver la captura de pantalla de Samsonite sitio web creado con
Amazon Webstore). Al comentar cómo Amazon Webstore ayudó a aumentar las ventas y recortar
costos en Timexm, su director de comercio electrónico, Cal Crouch, dijo: “Cuando lanzamos
nuestra nueva Amazon Webstore, vimos un aumento inmediato del 40 por ciento en los ingresos y
el tamaño promedio de los pedidos.
Amazon Web Services (AWS) de Amazon ayudó a muchas empresas a desarrollar mejores
aplicaciones, implementar nuevos productos y servicios y reducir sus costos (consulte el Anexo VI
para conocer la arquitectura de AWS). Amazon ofreció su solución utilizando herramientas
familiares como Oracle Database y Microsoft SQL Server, al mismo tiempo que fue pionera y
promovió nuevas plataformas como DynamoDBn, Hadoopo y Redshiftp.30 “Uno de los conceptos
centrales de Big Data es poder evolucionar la analítica con el tiempo . Por eso, una empresa no
puede verse limitada por ningún recurso. Como tal, Cloud Computing y Big Data están
estrechamente vinculados porque para que una empresa pueda recopilar, almacenar, organizar,
analizar y compartir datos, necesita acceso a recursos infinitos ”, dijo Vogels.
Las pequeñas empresas enfrentaron muchas dificultades para adoptar y desplegar big data debido a
los recursos limitados a su disposición. Amazon presentó soluciones para este tipo de empresas
para que pudieran implementar big data fácilmente. En noviembre de 2013, Amazon Web Service
anunció un nuevo servicio para el procesamiento de big data en tiempo real. El servicio conocido

7
 914-005-1

como Kinesis, procesó los grandes volúmenes de datos fluyendo a los almacenes basados ​en la
web de Amazon en tiempo real. La herramienta tenía la capacidad de aceptar cualquier número de
fuentes de datos y podía procesar terabytes de datos por hora.
Su objetivo era permitir a los desarrolladores crear aplicaciones que funcionaran en tiempo real
para tareas como análisis de tráfico de sitios web, transacciones comerciales relacionadas con
marketing y finanzas, datos de redes sociales y registros (consulte el Anexo VII para conocer la
arquitectura de Kinesis). Al comentar sobre la flexibilidad que Kinesis brindaría a las empresas, un
analista de Neoviseq Paul Burns dijo: “A veces, las personas pasan horas o días simplemente
recopilando los datos, luego regresando y procesándolos, por lo que están desactualizados….
Entonces, Amazon dijo que nos encargaremos de todo eso por usted, solo escriba su propio
programa y conéctese con nosotros. ” Se esperaba que la capacidad de crear aplicaciones de big
data a través de Kinesis eliminara uno de los mayores cuellos de botella para las empresas más
pequeñas en la adopción de big data para sus negocios. Pero una limitación de Kinesis era que todo
el procesamiento de datos se realizaría en los centros de datos de Amazon en lugar de en la
ubicación de los clientes.

Responda las siquientes preguntas:

1) Considera segun su analisis que el camino Del Big Data, funcionaria para todos los entornos y
negocios?

2) Amazon Saco partido de su manejo de datos de la mejor manera, encuentra ud un mejor uso a la
informacion obtenida por la empresa.

3) Desarrolle los siguientes pasos:

a. Identifique cual es la innovacion inversa de Amazon y describa en que consiste
b. Si el uso de tecnologias del negocio de Amazon las podria migrar a otro tipo de negocio,
mensione
c. Podria mensionar como actual el negocio de Amazon en cada uno de los pilares de la
innovacion (Tecnologia, Diseño, Negocio).