Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
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.
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.
Por ello, el valor de la información radica en cómo se utiliza para que genere
un rendimiento.
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
© Escuela de Postgrado Neumann
datos al día.
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.
© Escuela de Postgrado Neumann
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
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).
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
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.
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.
© Escuela de Postgrado Neumann
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.
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
© Escuela de Postgrado Neumann
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.
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
© Escuela de Postgrado Neumann
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 warehousing
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
© Escuela de Postgrado Neumann
Bello-Orgaz, G., Jung, J. J. y Camacho, D. (2016). Social big data: Recent achievements
and new challenges. Information Fusion, 28, 45-59.
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.