Inteligencia Competitiva en Marketing: Dirección Estratégica Del Marketing

Tema 4
Dirección Estratégica del Marketing
Inteligencia competitiva
en marketing
Índice
Ideas clave 3
4.1. Introducción y objetivos 3
4.2. Sistemas de información en marketing y big data
4
© Escuela de Postgrado Neumann
4.3. Fuentes de información en marketing 9

4.4. Nuevas tecnologías de información en marketing
17
4.5. Instrumentos operativos de información: data
warehousing, data mining 20
4.6. Referencias bibliográficas 28
Ideas clave
4.1. Introducción y objetivos
P
ara poder tomar decisiones estratégicas adecuadas es necesario disponer
de información actualizada y fiable que ayude al responsable en la toma de
decisiones a seleccionar la alternativa idónea para resolver un problema
concreto, defenderse de una amenaza externa, desarrollar ventajas competitivas o
aprovechar una oportunidad en el mercado.
En la actualidad existen grandes volúmenes de datos disponibles en comparación a

hace décadas y el problema de las empresas reside en su tratamiento y en los
sistemas que los gestionan para generar información útil de cara a las necesidades
de la empresa. En este tema se hablará de big data y su repercusión en los sistemas
de información de marketing, así como sus efectos en la toma de decisiones. Además,
las empresas necesitan gestionar adecuadamente las fuentes de datos que les
suministran información tanto a nivel interno como externo, aprovechando las
nuevas tecnologías y su influencia en los sistemas de información de marketing.
Por último, para que un sistema de información de marketing aporte resultados y

conocimientos válidos para minimizar el riesgo en la toma de decisiones
empresariales, se explican al final de este tema dos conceptos básicos para su análisis
y gestión: data mining y data warehousing.
Los objetivos de aprendizaje de este tema son los siguientes:

 Valorar los distintos tipos de fuentes de información.

 Juzgar la influencia de las nuevas tecnologías en los sistemas de información de
marketing.
 Comprender el funcionamiento de data mining y data warehousing.

3
Tema 4. Ideas clave
4.2. Sistemas de información en marketing y big
data
L
a creación de valor para los clientes y la construcción de relaciones estables con
ellos implican que los responsables de marketing deben buscar información y
tener una visión actual sobre el mercado y sobre lo que los consumidores están
demandando. Las empresas van a utilizar esta información sobre los clientes para
aprovechar las oportunidades de mercado y desarrollar ventajas competitivas.
En la actualidad, las empresas se enfrentan a un mercado muy competitivo y su

preocupación principal es conseguir una ventaja competitiva a través del conocimiento
de los clientes y del mercado. Para ello es necesario establecer un adecuado sistema de
información en marketing dentro de la empresa.
El proceso de transformación de la información incluye cuatro grandes pasos, partiendo

de la recopilación de los datos hasta pasar a la acción o toma de decisiones dentro de la
empresa. Los datos corresponden a las variables de cada cliente conectadas con los datos
de productos, resultados o cualquier otro elemento de entrada; la información es
elemento de entrada y de salida. El objetivo de cualquier empresa es transformar la
información en acción, es decir, una vez que se dispone de la información, las empresas
la transformarán en la toma de decisiones (véase la figura 1):
Figura 1. Proceso de transformación de la información en acción.

Fuente: adaptado de Esteban-Talaya y Mondéjar-Jiménez (2017).
El sistema de información en marketing se puede definir como el conjunto de personas,

equipos y procedimientos que obtiene, clasifica, analiza, evalúa y distribuye la
información necesaria para la toma de decisiones en el área de marketing (véase la figura

4
Tema 4. Ideas clave
2) (Kotler y Armstrong, 2018). Este sistema incluye el conocimiento de las necesidades
de información, de los datos y las herramientas para realizar auditorías de marketing. Se
trata de un conjunto de procedimientos, analistas, equipos y usuarios a través del cual
se gestiona la información para la toma de decisiones en marketing.
La mayoría de las empresas y responsables de marketing están sobrecargados de

información y, en ocasiones, el análisis es complejo o no saben cómo realizarlo; por
ejemplo, cuando una compañía aérea sigue los comentarios sobre su marca en las
redes sociales intentado buscar palabras clave., Los responsables de marketing
señalan que no tienen suficiente información, a pesar de la cantidad excesiva de esta.
Lo que ocurre en realidad es que necesitan una información más ajustada a sus
necesidades y hacer un mejor uso de ella.
Por ello, el valor de la información radica en cómo se utiliza para que genere
un rendimiento.
Figura 2. Sistema de información en marketing.

Fuente: adaptado de Kotler y Armstrong (2018).

5
Tema 4. Ideas clave
A la hora de interpretar y analizar de manera adecuada los datos obtenidos y
agrupados en un sistema de información en marketing, han de tenerse en cuenta los
siguientes elementos (Esteban-Talaya y Mondéjar-Jiménez, 2017):
Fiabilidad de la información: se trata de conocer el método de obtención de

información y las personas u organizaciones que la han recogido, publicado y
difundido.
Frecuencia de actualización de la información: los datos que se utilicen en el seno de

las empresas deben ser actuales y ajustados a la realidad.
Grado de detalle de la información: es necesario que se pormenoricen claramente

los conceptos analizados.
El sistema de información en marketing está integrado por varios subsistemas que

permiten almacenar los datos (Kotler y Armstrong, 2018):
Sistema de informes internos: las empresas deben obtener información de forma

periódica. En este sistema se incluye información sobre los clientes, producción o
ventas, entre otros. De tal forma que, con estos datos, se puede controlar la eficacia
de las acciones de marketing realizadas por la empresa.
Sistema de investigación de mercados: las empresas pueden utilizar herramientas

cualitativas o cuantitativas para realizar estudios de mercado que den solución a los
problemas de información de la empresa. Se trata de investigaciones ad hoc
realizadas a través de fuentes de información que ofrecen la visión en profundidad
sobre determinados temas. Gran parte de estas investigaciones se centran en el
análisis de la competencia, el estudio de la calidad de servicio o de la satisfacción de

los clientes, entre otras.
Sistema de inteligencia de marketing: consiste en la obtención de información

por diferentes medios y que proceda de cualquier elemento del entorno de

6
Tema 4. Ideas clave
marketing de la empresa. Este sistema permite evaluar y almacenar información
relativa al entorno de la empresa.
Sistema analítico de marketing: consiste en la elaboración de modelos analíticos

más complejos para analizar los datos y apoyar la toma de decisiones. Se incluyen
modelos y herramientas estadísticas que favorecen el análisis, planificación y
control de la información.
A pesar de la importancia de conocer a los clientes y al mercado, suele ser difícil

obtener la información sobre sus percepciones. Las necesidades de los clientes
pueden ser conocidas para todos, sin embargo, los motivos de compra no lo son. Hoy
en día, debido a las nuevas tecnologías, las empresas tienen fácil acceso a una gran
cantidad de información de marketing y se pueden generar grandes volúmenes de
datos (big data).
Big data es un concepto que hace referencia a la gestión y análisis de grandes

volúmenes de datos que deben ser tratados con herramientas informáticas
adaptadas para el tratamiento de enormes cantidades de datos estructurados, no
estructurados o semiestructurados. El objetivo de big data es el mismo que se
persigue con sistemas analíticos convencionales, es decir, consiste en analizar la
información para favorecer la toma de decisiones (Joyanes, 2017).
Los datos que se incluyen dentro de big data proceden, especialmente, de las redes
sociales (social media) y del comercio electrónico. Cada vez se utilizan más estos
datos por parte de las empresas, como por ejemplo el uso que realiza Amazon a partir
de data mining masivo para establecer patrones de compra de un usuario. Otro
ejemplo se puede ver en Google, el buscador que procesa más de 24 petabytes de
datos al día.
También se manejan grandes volúmenes de datos en la asistencia médica o la banca,

por ejemplo (Mayer-Schönberger, 2013). Este autor señala que las mismas
tecnologías que se aplican hoy en día para que Facebook conozca los gustos de las

7
Tema 4. Ideas clave
personas y LinkedIn sepa a quién se conoce son extensibles al diagnóstico de
enfermedades o la predicción de tendencias de los consumidores en el comercio
minorista, gracias al tratamiento de los grandes datos. Big data es una fuente de
innovación y valor económico.
Big data se caracteriza por cinco aspectos relevantes (volumen, variedad, velocidad,
valor y veracidad) que se han resumido tradicionalmente dentro del conocido como
modelo de las 3 V: volumen, variedad y velocidad (véase la figura 3).
Volumen: se habla de big data cuando los volúmenes superan la capacidad del
software habitual.
Variedad: se incluyen datos estructurados, semiestructurados o no estructurados.
Velocidad: los datos se reciben y procesan de forma muy rápida para la toma de
decisiones en tiempo real.
Figura 3. El modelo de las 3 V de big data.

Fuente: adaptado de Beyer y Laney (2012).
Tal y como se ha comentado antes, las redes sociales y el comercio electrónico se han
convertido en las fuentes de datos más representativas de big data. Los datos de
social media se generan a partir de un gran número de aplicaciones de Internet y

8
Tema 4. Ideas clave
páginas web como Facebook, Twitter, LinkedIn, YouTube, Instagram, Google, etc. Se
ha creado una nueva generación de personas que están conectados de forma
permanente y que interactúan y comparten información en diferentes ámbitos como
el comercio o turismo electrónico, aficiones, educación, salud, etc.
La figura 4 representa las tres grandes áreas sociales básicas de datos: los medios
sociales como fuente natural para el análisis de datos; los grandes datos como
paradigma de procesamiento paralelo y masivo y el análisis de datos como un
conjunto de algoritmos y métodos utilizados para extraer y analizar el conocimiento
(Bello-Orgaz, Jung y Camacho, 2016).
Figura 4. El mapa conceptual del social big data.

Fuente: adaptado de Bello-Orgaz, Jung y Camacho (2016).
4.3. Fuentes de información en marketing

L
as fuentes de información en marketing son los instrumentos que
proporcionan los datos para la toma de decisiones dentro de la empresa. En
la siguiente imagen podemos ver cómo se clasifican según su origen (interno

9
Tema 4. Ideas clave
o externo) y según su existencia previa o no (secundarias o primarias) (Kotler y
Armstrong, 2018).
Tabla 1. El mapa conceptual del social big data.

Fuente: adaptado de Bello-Orgaz, Jung y Camacho (2016).
La cuestión principal para las empresas consiste en saber a qué fuentes debe acudir
en primer lugar. El proceso más común, por mayor rapidez y menor coste, es acudir
en primer lugar a las fuentes secundarias internas y externas. En un paso posterior,
cuando la información secundaria no sea suficiente para la toma de decisiones, se
debe buscar información primaria.
Fuentes secundarias internas: los departamentos de las empresas suelen tener

información de diferente índole. A pesar de que esta información no se obtuvo para
resolver el problema que tenga la empresa, es útil para iniciar una primera toma de
contacto, por ejemplo: evolución de ventas, información sobre quejas y
reclamaciones, cuentas de resultados, etc.
Fuentes secundarias externas: se puede realizar una búsqueda de información

secundaria fuera del ámbito de la empresa. Existen numerosas organizaciones e
instituciones públicas y privadas que realizan informes, crean bases de datos, etc., que
pueden contener información útil, aunque tampoco fue generada para resolver el
problema de la empresa. Además de las fuentes offline tradicionales, es muy fácil

realizar búsquedas de información secundaria externa en Internet porque es rápido y
económico.

10
Tema 4. Ideas clave
La figura 5 presenta una clasificación de las fuentes secundarias. Los datos secundarios
externos pueden ser más difíciles de conseguir que los internos y más complejos de
evaluar. Por tanto, antes de la recopilación de datos secundarios externos es necesario
recopilar, analizar e interpretar los datos secundarios internos e inteligencia competitiva
disponibles.
Figura 5. Clasificación de fuentes secundarias.

Fuente: adaptado de Malhotra (2018).
En la tabla 2 se presentan una serie de criterios para evaluar los datos secundarios. Entre
los criterios más destacados se hace referencia a especificaciones/metodología,
error/exactitud, actualidad, objetivo, naturaleza y fiabilidad.

11
Tema 4. Ideas clave
Tabla 2. Criterios para la evaluación de datos secundarios.
Fuente: adaptado de Esteban-Talaya y Molina-Collado (2014) y Malhotra (2018).
Las fuentes secundarias publicadas están disponibles en libros, periódicos y otros

medios. Esta información puede ser localizada empleando guías, directorios o índice.
A continuación, en la figura 6 se presenta un esquema una clasificación de las fuentes
secundarias publicadas:
 Las fuentes gubernamentales hacen referencia a los gobiernos europeos o de

otras partes del mundo, e incluyen gran cantidad de datos secundarios como, por
ejemplo, las oficinas o institutos de estadística, y se incluyen datos censales u otras
publicaciones.
 Los datos censales son publicaciones disponibles que pueden estar desglosadas
geográficamente y hacen referencia tanto a datos de particulares como de la
industria, la vivienda, la construcción, la agricultura, los restaurantes y hoteles, o

los servicios financieros, entre otros.
 Y otras publicaciones gubernamentales incluyen otros departamentos de
estadística con información relevante, con datos sociales o económicos, entre
otros.

12
Tema 4. Ideas clave
 Las guías son una fuente de información recomendada que permite ayudar a
identificar otras fuentes relevantes como directorios o publicaciones comerciales.
Son las primeras fuentes que un investigador debe consultar.
 Los directorios son útiles para identificar a los individuos u organizaciones que
incluyen datos específicos.
 Los índices permiten aumentar la eficiencia en el proceso de búsqueda, y están
disponibles tanto en el ámbito académico como en el privado y fuentes de
negocios.
 Los datos estadísticos no gubernamentales incluyen información relativa a cuotas
de mercado o canales de distribución de empresas, entre otros datos relevantes.
Figura 6. Clasificación de fuentes secundarias publicadas.

Fuente: Malhotra (2018).
Fuentes primarias internas: son fuentes que tienen su origen en el interior de la

empresa y debe ser información que se busque con un objetivo específico. Por
ejemplo, la realización de una entrevista al director general de la empresa o a los
empleados. Se trata de datos que genera la propia empresa relativos a ventas,
clientes, precios, existencias, recursos humanos, finanzas…
La mayor parte de este tipo de información procede de:

• Clientes: actuales, potenciales, captación, fidelización, grado de satisfacción,
etc.

13
Tema 4. Ideas clave
• Ventas: por zonas, clientes, productos, vendedores, etc.
• Comerciales: número de visitas realizadas a los clientes, duración, número de
llamadas, etc.
• Precios: elasticidad.
• Finanzas: rentabilidad por cliente, producto o territorio.
• Personal: productividad, formación, etc., entre otros.
Cada vez más se está inculcando en las empresas la necesidad de la cooperación

entre departamentos, de forma que se trabaje de la forma más eficiente con toda
la información.
Fuentes primarias externas: en este caso, son fuentes que proceden del exterior
de la empresa y es información que se busca para un hecho concreto o un
problema determinado. Por tanto, sería información hecha a medida (ad hoc) para
el problema que tenga la empresa en un momento determinado. Se pueden
utilizar diferentes técnicas cualitativas y cuantitativas para obtener la información
(por ejemplo, una encuesta a los clientes). Obtener información primaria externa
es más caro y conlleva más tiempo, por lo que es necesario asegurarse de que no
se pueden tomar las decisiones con las anteriores. Para obtener esta clase de
información es necesario conocer el proceso de investigación comercial que se
verá en los siguientes apartados. En este tipo de fuentes se incluye información
no solo procedente de clientes, sino de distribuidores, empleados o accionistas,
entre otros.
A continuación, se presenta de forma resumida una comparativa de los distintos

tipos de fuentes de información haciendo relación a aspectos como el coste y la
prioridad. En concreto, se diferencia entre información interna primaria, información
externa primera e información secundaria (véase la tabla 3).

14
Tema 4. Ideas clave
Tabla 3. Comparación de la información que procede de las distintas fuentes.
Los datos secundarios son la fuente de búsqueda de información más habitual en

marketing. En numerosas ocasiones, las fuentes secundarias pueden facilitar el
proceso de investigación mediante otras alternativas de diseño de investigación. Las
fuentes de información secundarias incluyen una serie de ventajas e inconvenientes
frente a los primarios que se incluyen en la tabla 4.

15
Tema 4. Ideas clave
Tabla 4. Ventajas e inconvenientes de las fuentes de información secundarias.
Otro aspecto relevante es la diferenciación entre los datos secundarios y la

inteligencia de marketing (véase la tabla 5). Este segundo concepto se define como
observaciones cualificadas de acontecimientos en el entorno de marketing, es decir,
se incluye una variedad de datos que se han recogido en algunas ocasiones para fines
distintos del problema en cuestión (Malhotra, 2018).

16
Tema 4. Ideas clave
Tabla 5. Comparativa entre las fuentes secundarias y la inteligencia competitiva.
Fuente: adaptado de Malhotra (2018).
4.4. Nuevas tecnologías de información en

marketing
E
n el contexto actual, las organizaciones necesitan disponer de información
precisa con el fin de conseguir una posición competitiva en el mercado. Ha
facilitado esta labor el enorme crecimiento de las TIC. En realidad, existen
numerosas tecnologías y aplicaciones que pueden ser de utilidad a las empresas en
el análisis de la información, pero se debe evaluar y justificar la necesidad real de

adquirir una nueva tecnología o un nuevo sistema en términos de costes y beneficios.
El proceso de planificación y de adquisición de tecnologías de la información
dependerá, en muchas ocasiones, del tamaño de la empresa, si bien es necesario que
se analice el objetivo que se persigue con ese sistema de información.

17
Tema 4. Ideas clave
En la actualidad, el entorno tecnológico que rodea a las empresas es tan extenso que
no es posible abarcar todo ni disponer de todos los sistemas en el seno de las
empresas. A continuación, se indican las dos grandes áreas de tecnología y
aplicaciones de la información que pueden ser de utilidad a las empresas. Por
ejemplo, el hardware y el software, unidos a la mayor capacidad y seguridad de
tratamiento y almacenamiento, han permitido mejorar los procesos de recogida de
datos, procesamiento y difusión de la información.
Los responsables de los departamentos de marketing deben trabajar en estrecha

colaboración con los responsables del departamento de sistemas de información
buscando ventajas competitivas mediante el uso de la información y las TIC. ¿Cuál es
el procedimiento que se puede seguir dentro de las empresas con relación a las
nuevas tecnologías de los sistemas de información? Existen algunos procesos que son
relativamente sencillos como, por ejemplo, la elaboración de bases de datos o de
hojas de cálculo, o el uso de aplicaciones a través de paquetes estadísticos más
sofisticados que permita elaborar modelos.
De forma más concreta, se puede indicar que en los últimos años se han producido
grandes avances en los sistemas de software que han facilitado mucho el trabajo en
lo que se denomina interfaz o el diálogo con el usuario. Las empresas deben tener en
cuenta la importancia de la localización de los datos mediante medios electrónicos,
ya sean de clientes o de la competencia, así como la capacidad técnica de las TIC de
la empresa para organizar esa información y analizarla.
En las empresas se han desarrollado sistemas electrónicos de información que han

permitido la distribución de datos online. Los buscadores han ayudado a localizar la
información, aunque en ocasiones pueden limitar el campo de búsqueda. Por ello,
han ido surgiendo multitud de proveedores de información online que están

obligados a ofrecer algún valor añadido con la información de la que disponen. Por
ejemplo, Google ofrece información más específica, en concreto de carácter
académico, a través de Google Scholar. Es decir, se están produciendo continuas
adaptaciones de las nuevas tecnologías de la información y los sistemas de

18
Tema 4. Ideas clave
información electrónicos porque son los elementos clave para aportar valor y ayudar
a las empresas a seleccionar entre la multitud de fuentes disponibles.
Dada la velocidad de los avances en las nuevas tecnologías de la información durante

los últimos años, han ido apareciendo algunos sistemas que, casi con la misma
velocidad de aparición, han ido desapareciendo. Por ejemplo, en 2010 todavía se
podían almacenar las bases de datos en CD o DVD y, unos años después, ya se ofrecen
directamente online; este tipo de servicios suele tener un servidor de acceso para
que los usuarios puedan conectarse. Algunos ejemplos son información básica para
reservar o comprar vuelos, para comprar entradas de cine o conciertos, para utilizar
el banco desde casa, información bibliográfica de carácter estadístico o información
financiera o bursátil, muy útiles por su carácter económico.
La información que proporcionan estos sistemas se puede clasificar, principalmente,

en sistemas referenciales y sistemas fuente:
 Los referenciales son aquellos que remiten a otra fuente para conseguir la
información. Por ejemplo, la base de datos EBSCO o PROQUEST remiten a varias
publicaciones científicas.
 Los sistemas fuente son aquellos que facilitan la información original de la fuente
primaria. Por ejemplo, cuando el usuario se conecta directamente a la página web
de una revista especializada de marketing que ofrece los artículos que están
publicados.
Durante varios años los sistemas fuente han sido más frecuentes que los sistemas
referenciales, porque se ajustaban más a las demandas del mercado. Por ejemplo,
entre los sistemas de información electrónicos más demandados estaban las bases
de datos de teléfonos y correos electrónicos para realizar campañas de captación de

clientes. Sin embargo, teniendo en cuenta la nueva publicación de la normativa
europea de protección de datos en mayo de 2018, el tratamiento de los datos
requiere de un proceso más cuidadoso que en el pasado y las empresas se enfrentan
permanentemente a nuevos desafíos en este ámbito.

19
Tema 4. Ideas clave
Por último, a lo largo del siglo XXI, las nuevas tecnologías han permitido que se hayan
ido incorporando sistemas, aplicaciones y procesos que han favorecido el
almacenamiento y el tratamiento de la información (data mining y data
warehousing). Algunos ejemplos son las redes neuronales, los expert systems de la
inteligencia artificial, los sistemas de virtualización o los servicios de la nube, entre
otros (Rainer y Cegielski, 2016).
4.5. Instrumentos operativos de información: data

warehousing, data mining
E
l data mining o minería de datos ha atraído en los últimos años gran
atención en la industria de la información, en el mundo empresarial y en la
sociedad en su conjunto debido a la amplia disponibilidad de grandes
cantidades de datos y a la necesidad de convertirlos rápidamente en información y
conocimientos útiles. La información y los conocimientos adquiridos pueden
utilizarse para aplicaciones que van desde el análisis de mercado, la detección de
fallos y la retención de clientes, hasta el control de la producción y la exploración
científica.
Data mining es el resultado de la evolución natural de la tecnología de la información.

La industria de sistemas de bases de datos ha sido testigo de un cambio evolutivo en
el desarrollo de las siguientes funcionalidades:
 Recogida y creación de bases de datos.

Gestión de datos (incluyendo almacenamiento, recuperación de datos y
procesamiento de transacciones de bases de datos).

 Análisis avanzado de datos (involucrando almacenamiento de datos y minería de
datos).

20
Tema 4. Ideas clave
Desde la década de 1960, las bases de datos y la tecnología de la información han
evolucionado desde sistemas primitivos de procesamiento de archivos a sistemas de
bases de datos sofisticados y potentes.
A partir de los 70, la investigación y el desarrollo en sistemas de bases de datos han

progresado desde los primeros sistemas de bases de datos jerárquicos y en red hasta
el desarrollo de sistemas de bases de datos relacionales, herramientas de
modelización de datos y métodos de indexación y acceso. Además, los usuarios han
conseguido un acceso conveniente y flexible a estos a través de lenguajes de
consulta, interfaces de usuario, procesamiento optimizado de consultas y gestión de
transacciones.
Los métodos eficientes para el procesamiento de transacciones online u online

transaction processing (OLTP), en los que una consulta se considera una transacción
de solo lectura, han contribuido sustancialmente a la evolución y a la amplia
aceptación de la tecnología relacional como una herramienta importante para el
almacenamiento, la recuperación y la gestión eficientes de grandes cantidades de
datos.
La tecnología de bases de datos desde mediados de los años 80 se ha caracterizado

por la adopción de tecnología relacional y un aumento de las actividades de
investigación y desarrollo de nuevos y potentes sistemas de bases de datos. Estos
nuevos sistemas facilitan el desarrollo de modelos de datos avanzados y se han
incrementado los sistemas de bases de datos orientados a la aplicación. También han
surgido sistemas de bases de datos heterogéneos y sistemas de información
mundiales basados en Internet, que desempeñan un papel fundamental en la
industria de la información.
El progreso constante y asombroso de la tecnología de los ordenadores en las últimas

tres décadas ha facilitado la adquisición de potentes y económicos equipos de
recogida de datos y medios de almacenamiento. Los datos pueden ahora
almacenarse en muchos tipos diferentes de bases de datos y repositorios de

21
Tema 4. Ideas clave
información. La tecnología de almacenamiento de datos incluye limpieza, integración
de datos y procesamiento analítico online u online analytical processing (OLAP), es
decir, técnicas de análisis con funcionalidades tales como resumen, consolidación y
agregación, así como la capacidad de ver la información desde diferentes ángulos.
Aunque las herramientas OLAP soportan el análisis multidimensional y la toma de

decisiones, se requieren herramientas adicionales de análisis de datos para el análisis
en profundidad, tales como la clasificación de datos, la agrupación en grupos y la
caracterización de los datos que, además, cambian con el tiempo. Un programa
adecuado y muy utilizado para estas tareas es R.
La abundancia de información, junto con la necesidad de potentes herramientas de

análisis de datos, se describe como una situación rica en datos, pero pobre en
información. El rápido crecimiento y la cantidad
Sabías que…
de datos recolectados y almacenados en En esta página puedes comprobar
grandes y numerosos repositorios de datos ha el volumen de datos que se mueve
en el mundo cada segundo.
excedido con creces la capacidad humana de
¡Imagínate analizarlos! The
comprensión sin estas potentes herramientas Internet in real time.
https://www.betfy.co.uk/internet-
de análisis. En consecuencia, las decisiones
realtime/
importantes a menudo se toman basándose no
en los datos abundantes en información almacenados en los repositorios, sino más
bien en la intuición de un responsable en la toma de decisiones, simplemente porque
no tiene las herramientas adecuadas para extraer el conocimiento que hay en estas
grandes cantidades de datos. Las herramientas de data mining realizan análisis de
datos y pueden descubrir patrones importantes, contribuyendo en gran medida a
plantear estrategias empresariales. La brecha cada vez mayor entre datos e
información exige un desarrollo sistemático de herramientas de data mining que
conviertan los datos en perlas del conocimiento.

22
Tema 4. Ideas clave
Figura 7. Sistema de data mining.
Fuente: adaptado de Han, Kamber y Pei, (2011).
En pocas palabras, data mining o la minería de datos se refiere a la extracción o

«minería» de conocimientos a partir de grandes cantidades de datos. El proceso de
descubrimiento de conocimientos para convertirlos en acciones se describe en la
figura y consiste en una secuencia iterativa de los siguientes pasos:
Limpieza de datos: para eliminar el ruido y los datos incoherentes.

Integración de datos: en la que pueden combinarse varias fuentes de datos.
Selección de datos: donde los datos relevantes para la tarea de análisis se
recuperan de la base de datos.
Transformación de datos: donde los datos se transforman o consolidan en formas

apropiadas para la minería mediante la realización de operaciones de resumen o
agregación.
Data mining: un proceso esencial en el que se aplican métodos para extraer
patrones de datos.

23
Tema 4. Ideas clave
Evaluación de patrones: para identificar los patrones verdaderamente
interesantes que representan el conocimiento o la información necesaria basada
en algunas medidas de interés.
Presentación del conocimiento: donde se utilizan técnicas de visualización y
representación del conocimiento para presentar el conocimiento extraído al
usuario.
Las cuatro primeras etapas son diferentes formas de preprocesamiento de datos,

para prepararlos para etapas posteriores. La quinta etapa puede interactuar con el
usuario o con una base de conocimiento para, en la siguiente etapa, presentar al
usuario los patrones interesantes almacenarlos como nuevos conocimientos en la
base de conocimientos. Por lo tanto, de acuerdo con este proceso, data mining es
solo un paso de todo el proceso, aunque esencial, porque descubre patrones ocultos
para la evaluación. Sin embargo, en la industria, en los medios de comunicación y en
el entorno de investigación de bases de datos, el término data mining se ha vuelto
más popular que el largo plazo de descubrimiento de conocimiento e información
esencial a partir de los datos.
Adoptando entonces una visión amplia de la funcionalidad de la minería de datos

como el proceso de descubrir conocimiento e información interesante para la toma
de decisiones, de grandes cantidades de datos alojados en bases de datos, almacenes
de datos u otros repositorios de información, la arquitectura de un sistema típico de
minería de datos puede tener los siguientes componentes principales:
Base de datos, data warehouse, World Wide Web u otros repositorios de

información: se trata de una o varias bases de datos, almacenes de datos, hojas
de cálculo u otro tipo de repositorios de información.
Servidor de base de datos o data warehouse: el servidor de la base de datos o del

data warehouse es el componente responsable de obtener los datos relevantes,
basándose en la solicitud de data mining del usuario.

24
Tema 4. Ideas clave
Base de conocimiento: esta es la información que se utiliza para guiar la búsqueda
o evaluar el interés de los patrones resultantes.
Mecanismo de data mining: esto es esencial para el sistema de data mining y

consiste en un conjunto de módulos funcionales para tareas como caracterización,
análisis de asociación y correlación, clasificación, predicción, análisis de
conglomerados, análisis de valores atípicos y análisis de evolución.
Módulo de evaluación de patrones: este componente emplea medidas de interés

e interactúa con los módulos de data mining para enfocar la búsqueda hacia
patrones interesantes.
Interfaz de usuario: este módulo se comunica entre los usuarios y el sistema de

data mining, permitiendo a aquellos interactuar con el sistema especificando una
consulta o tarea de minería de datos, proporcionando información para ayudar a
enfocar la búsqueda y realizando un data mining exploratorio basado en los
resultados intermedios.
Data warehousing
Los almacenes o bases de datos generalizan y consolidan los datos en un espacio

multidimensional. Tal y como se ha comentado, la construcción de bases de datos
implica la limpieza, la integración y la transformación de los datos, y puede
considerarse como un paso importante de preprocesamiento para data mining.
Además, los almacenes de datos proporcionan herramientas de procesamiento
analítico en línea (OLAP) para el análisis interactivo de datos multidimensionales de
granularidad variada, lo que facilita la generalización y la extracción de datos.

25
Tema 4. Ideas clave
Muchas otras funciones de data mining, Te puede interesar
tales como asociación, clasificación, Van der Ha, B. y Nagtegaal, B. (2015). Data
Centres: Market Archetypes and Case
predicción y agrupamiento, pueden
Studies (Informe D7.1) (pp. 15-46).
integrarse con las operaciones de OLAP Recuperado de
para mejorar la minería interactiva del http://www.renewit-project.eu/wp-
content/files_mf/1402920599D7.1lastversi
conocimiento en múltiples niveles de on.pdf
abstracción. Por lo tanto, una base de
datos se ha convertido en una plataforma cada vez más importante para el análisis
de los datos y el procesamiento analítico en línea que proporcionará una plataforma
eficaz para data mining. Data warehousing y OLAP son elementos esenciales en el
proceso de búsqueda de conocimiento.
El almacenamiento de datos proporciona arquitecturas y herramientas para que los

responsables de negocio organicen, comprendan y utilicen sistemáticamente sus
datos para tomar decisiones estratégicas. Los sistemas de almacenamiento de datos
son herramientas valiosas en el mundo competitivo y de rápida evolución hoy en día.
En los últimos años, muchas empresas han gastado grandes cantidades de dinero en
la construcción de bases de datos. Además, es una idea generalizada que, con el
aumento de la competencia en todos los sectores económicos, el almacenamiento
de datos es una herramienta de marketing imprescindible para retener a los clientes
aprendiendo más sobre sus necesidades.
Los almacenes o bases de datos se han definido de muchas maneras, lo que dificulta
la formulación de una definición rigurosa. En términos generales, un almacén de
datos es una recopilación de datos orientada a un tema, integrada, variable en el
tiempo y no volátil que apoya el proceso de toma de decisiones de la dirección. Los
sistemas de almacenamiento de datos permiten la integración de una variedad de
sistemas de aplicación y apoyan el procesamiento de la información al proporcionar

una plataforma sólida de datos históricos consolidados para su análisis. Esta
definición presenta las principales características de un almacén de datos. Las cuatro
palabras clave (orientadas a un tema, integradas, variables en el tiempo y no
volátiles) distinguen a los almacenes o bases de datos de otros sistemas de

26
Tema 4. Ideas clave
repositorios de datos, tales como sistemas de bases de datos relacionales, sistemas
de procesamiento de transacciones y sistemas de archivos (Inmon, Strauss y
Neushloss, 2010).
Un almacén de datos está organizado en torno a temas importantes, como el cliente,

el proveedor, el producto y las ventas. En lugar de concentrarse en las operaciones
diarias y el procesamiento de transacciones de una organización, se centra en la
modelización y análisis de datos para los responsables de la toma de decisiones. Por
lo tanto, los almacenes de datos suelen ofrecer una visión simple y concisa de temas
concretos al excluir datos que no son útiles en el proceso de apoyo a la toma de
decisiones.
También suele construirse integrando múltiples fuentes heterogéneas, como bases

de datos relacionales, archivos planos y registros de transacciones online. Se aplican
técnicas de limpieza e integración de datos para garantizar la coherencia en las
convenciones de nomenclatura, estructuras de codificación, medidas de atributos,
etc. Los datos se almacenan incorporando la variante tiempo para proporcionar
información desde una perspectiva histórica (por ejemplo, los últimos 5 o 10 años).
Cada estructura clave del almacén de datos contiene, implícita o explícitamente, un
elemento de tiempo.
Es siempre un almacén de datos físicamente separado de los datos de la aplicación

que se encuentran en el entorno operativo. Debido a esta separación, no requiere
mecanismos de procesamiento de transacciones, recuperación y control de
concurrencia. Por lo general, solo requiere dos operaciones en el acceso a los datos:
la carga inicial y el acceso a estos.
En resumen, un almacén de datos es un almacén semánticamente coherente que

sirve como implementación física de un modelo de datos que ofrece soporte a la
toma de decisiones y almacena la información sobre la que una empresa necesita
tomar decisiones estratégicas. Es a menudo visto como una arquitectura, construida

27
Tema 4. Ideas clave
mediante la integración de datos de múltiples fuentes heterogéneas para soportar
consultas estructuradas o ad hoc, informes analíticos y toma de decisiones.
4.6. Referencias bibliográficas
Bello-Orgaz, G., Jung, J. J. y Camacho, D. (2016). Social big data: Recent achievements
and new challenges. Information Fusion, 28, 45-59.
Beyer, M. A. y Laney, D. (2012). The Importance of «Big Data»: A Definition. Stamford,

Estados Unidos: Gartner.
Esteban-Talaya, Á. y Molina-Collado, A. (2014). Investigación de mercados. Madrid:

ESIC.
Esteban-Talaya, Á. y Mondéjar-Jiménez, J. A. (2017). Fundamentos de marketing.

Madrid: ESIC.
Han, J., Kamber, M., y Pei, J. (2011). Data mining: concepts and techniques.
Massachusetts, Estados Unidos: Elsevier.
Inmon, W. H., Strauss, D. y Neushloss, G. (2010). DW 2.0: The architecture for the next
generation of data warehousing. Massachusetts, Estados Unidos: Elsevier.
Joyanes, L. (2017). Big data, análisis de grandes volúmenes de datos en

organizaciones. Madrid: Alfaomega.
Kotler, P. y Armstrong, G. (2018). Principios de marketing. Madrid: Pearson

Educación.

28
Tema 4. Ideas clave
Malhotra, N. K. (2018). Marketing research: An applied orientation. Nueva Jersey:
Pearson.
Mayer-Schönberger, V. (2013). La revolución de los datos masivos. Madrid: Turner

Publications.
Rainer, R. K. y Cegielski, C. G. (2016). Introduction to Information Systems. New York:
John Wiley y Sons.

29
Tema 4. Ideas clave

Inteligencia Competitiva en Marketing: Dirección Estratégica Del Marketing

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Inteligencia Competitiva en Marketing: Dirección Estratégica Del Marketing

Cargado por

Copyright:

Formatos disponibles

Tema 4

Dirección Estratégica del Marketing

4.3. Fuentes de información en marketing 9

4.1. Introducción y objetivos

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

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

Los objetivos de aprendizaje de este tema son los siguientes:

 Valorar los distintos tipos de fuentes de información.

Dirección Estratégica del Marketing

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

El proceso de transformación de la información incluye cuatro grandes pasos, partiendo

Figura 1. Proceso de transformación de la información en acción.

El sistema de información en marketing se puede definir como el conjunto de personas,

Dirección Estratégica del Marketing

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

Figura 2. Sistema de información en marketing.

Dirección Estratégica del Marketing

Fiabilidad de la información: se trata de conocer el método de obtención de

Frecuencia de actualización de la información: los datos que se utilicen en el seno de

Grado de detalle de la información: es necesario que se pormenoricen claramente

El sistema de información en marketing está integrado por varios subsistemas que

Sistema de informes internos: las empresas deben obtener información de forma

Sistema de investigación de mercados: las empresas pueden utilizar herramientas

análisis de la competencia, el estudio de la calidad de servicio o de la satisfacción de

Sistema de inteligencia de marketing: consiste en la obtención de información

Dirección Estratégica del Marketing

Sistema analítico de marketing: consiste en la elaboración de modelos analíticos

A pesar de la importancia de conocer a los clientes y al mercado, suele ser difícil

Big data es un concepto que hace referencia a la gestión y análisis de grandes

También se manejan grandes volúmenes de datos en la asistencia médica o la banca,

Dirección Estratégica del Marketing

Figura 3. El modelo de las 3 V de big data.

Dirección Estratégica del Marketing

Figura 4. El mapa conceptual del social big data.

4.3. Fuentes de información en marketing

Dirección Estratégica del Marketing

Tabla 1. El mapa conceptual del social big data.

Fuentes secundarias internas: los departamentos de las empresas suelen tener

Fuentes secundarias externas: se puede realizar una búsqueda de información

problema de la empresa. Además de las fuentes offline tradicionales, es muy fácil

Dirección Estratégica del Marketing

Figura 5. Clasificación de fuentes secundarias.

Dirección Estratégica del Marketing

Las fuentes secundarias publicadas están disponibles en libros, periódicos y otros

 Las fuentes gubernamentales hacen referencia a los gobiernos europeos o de

industria, la vivienda, la construcción, la agricultura, los restaurantes y hoteles, o

Dirección Estratégica del Marketing

Figura 6. Clasificación de fuentes secundarias publicadas.

Fuentes primarias internas: son fuentes que tienen su origen en el interior de la

La mayor parte de este tipo de información procede de:

Dirección Estratégica del Marketing

Cada vez más se está inculcando en las empresas la necesidad de la cooperación

A continuación, se presenta de forma resumida una comparativa de los distintos

externa primera e información secundaria (véase la tabla 3).

Dirección Estratégica del Marketing

Los datos secundarios son la fuente de búsqueda de información más habitual en

Dirección Estratégica del Marketing

Otro aspecto relevante es la diferenciación entre los datos secundarios y la

Dirección Estratégica del Marketing

4.4. Nuevas tecnologías de información en

el análisis de la información, pero se debe evaluar y justificar la necesidad real de

Dirección Estratégica del Marketing

Los responsables de los departamentos de marketing deben trabajar en estrecha