UNIVERSIDAD TECNOLÓGICA DE PANAMÁ

FACULTAD DE INGENIRÍA DE SISTEMAS COMPUTACIONALES

DEPARTAMENTO DE SISTEMAS DE INFORMACIÓN

SISTEMAS DE INFORMACIÓN GERENCIAL

1LS232
Sede Panamá

Big Data en la logística multimodal

Profesor: José A. Jiménez M.

Estudiantes:

Daniela Aparicio
Cédula: 8-978-2409

Oriel Cedeño
Cédula: 8-926-763

Abraham Chen
Cédula: 8-945-663

Héctor Guerrero
Cédula: 8-942-2275

Victoria Moreno
Cédula: 8-974-420

Edgar Moreno
Cédula: 8-867-1060

Fecha de entrega: 1 noviembre, 2022

 RESUMEN EJECUTIVO

La implementación de avances tecnológicos en la logística despierta la curiosidad

a muchos profesionales y en saber cuáles son los beneficios que Big Data
puede proporcionar, ya que su presencia es cada vez mayor en cualquier sector de
actividad comercial y en esta ocasión nos enfocaremos en la Logística Multimodal.
Antes que todo, es bueno conocer que el Big Data aparece en la logística porque
es un sector que demanda la captura constante de mucha información, la cual es
utilizada en los procesos de gran volumen, alta velocidad y gran variedad que
requieren nuevas y rentables formas de procesamiento para mejorar ideas, tomar
decisiones y automatizar procesos de una manera más efectiva.

Por su parte la logística Multimodal en Panamá tiene varios años perfilándose como
el principal centro de operaciones logístico de la región y sin duda alguna como uno
de los más importantes del mundo.

Pero ¿Qué entendemos por Logística Multimodal? básicamente se encarga de

emplear diversos métodos de transporte, los cuales pueden ser terrestres, aéreos
o marítimos, es decir mientras más modalidades de transporte de carga de
mercancías tengan, más amplio será su sistema de recepción y distribución de
productos.
Tomando en cuenta estos conceptos, La Big data en la industria logística
multimodal se basa en crear, analizar y explotar información que contribuya a la
eficiencia operativa, brinde una mejor experiencia al cliente, desarrolle nuevos
modelos de negocio y proporcione una ventaja competitiva, considerando los
siguientes beneficios: optimización, integración, comercialización, conexión y la
automatización, los cuales se estarán desarrollando a medida que avancemos en
esta investigación.
 ÍNDICE

Contenido
RESUMEN EJECUTIVO .................................................................................................... 2
ÍNDICE................................................................................................................................... 3
1. ASPECTOS GENERALES ........................................................................................ 4
1.1 INTRODUCCIÓN .................................................................................................. 4
2. MARCO TEMÁTICO ................................................................................................... 5
2.1 PLANTEAMIENTO DEL TEMA INVESTIGADO ............................................. 6
2.2 RELEVANCIA CON LAS TICS Y LOS SIG ..................................................... 6
2.3 IMPORTANCIA DEL TEMA EN LA ERA DIGITAL ........................................ 8
3. ANÁLISIS DEL TEMA ................................................................................................ 9
3.1 GESTIÓN Y ORGANIZACIÓN DEL TEMA .................................................... 10
4. ASPECTOS DEL TEMA........................................................................................... 11
4.1 IMPORTANCIAS COMERCIAL O EMPRESARIAL ......................................... 11
4.2 FACTORES CLAVE PARA SU APLICACIÓN O INCORPORACIÓN .......... 11
4.3 BENEFICIOS ACTUALES Y ESPERADOS ...................................................... 12
5. APLICACIONES DEL TEMA INVESTIGADO ...................................................... 13
5.1 ÁREAS DE APLICACIÓN ..................................................................................... 13
5.2 EXPECTATIVAS EMPRESARIA SOBRE SU APLICACIÓN ......................... 14
5.3 USOS Y MODALIDADES ..................................................................................... 14
BIBLIOGRAFÍA ................................................................................................................. 17
ANEXOS ............................................................................................................................. 19
GLOSARIO DE TÉRMINOS ............................................................................................ 20
COMO LOS SISTEMAS DE BIG DATA HAN REVOLUCIONADO LA LOGÍSTICA
MULTIMODAL

1. ASPECTOS GENERALES

1.1 INTRODUCCIÓN

En los últimos años, las empresas y organizaciones han logrado desarrollar distintas
herramientas con el objetivo de recoger y analizar la mayor cantidad de datos
posible. Esta tarea ha sido llevada a cabo por distintas Tecnologías de la
Información y el conocimiento de uso cotidiano en las empresas en su operativa
diaria como los ERP o los CRM.

El Big Data en la logística puede mejorar la eficiencia de las empresas en sus

operaciones, y por consiguiente lograr un impacto positivo en los resultados. La gran
cantidad de datos que se puede recopilar de las empresas las puede ayudar a
realizar estudios de mercado con mayor detalle, planear la demanda con mayor
precisión, actualizar inteligentemente los niveles de stock, preparar pedidos
eficientemente, contratar nuevos y mejores proveedores y comprar oportunamente
insumos.

Con el paso del tiempo la logística y la revolución digital que estamos viviendo se
han vuelto más complejos debido al aumento de los costos de energía, el auge en
los últimos años del comercio electrónico o e-commerce, demanda de las
necesidades de sustentabilidad, aumento de tráfico en carreteras y también el
cambio de las regulaciones del sector y la necesidad de ser más eficientes.
Todos estos cambios requieren de tecnología más integrada, para lograr una
gestión eficiente de todos los procesos de manera más simple y que cumplan con
las necesidades actuales dentro de la logística.
 2. MARCO TEMÁTICO

El Big Data como se refiere al manejo de gran volumen de datos tanto estructurados
como no estructurados que son un producto de las labores diarias del negocio en
donde en función al uso al que se van a destinar puede generar información valiosa
del lado del negocio como para el cliente
Según (Pantoja, 2022) el impacto de la Big Data en la logística es una tecnología
que mejora la eficacia del proceso, obteniendo un mapa detallado de la situación de
la empresa. Por otro lado, también tiene un control exhaustivo de los activos,
pudiendo mejorarlos en la empresa.

Lo cual refiere al uso de la Big Data como una herramienta no solo para el
mejoramiento de procesos sino también para el control detallado de los activos a fin
de mejora para la empresa
A tal punto que ha sido reconocido en diversos países como algo de gran impacto
para la economía.

(COEL, s.f.) el Consejo Empresarial logístico de Panamá cita el uso de la Big Data
en el sector logístico de la siguiente manera “Son incontables las posibilidades que
le permite a las empresas de la industria saber cuántos productos o servicios podrá
comercializar, en determinados periodos de tiempo, no solo a través de
estimaciones, si no a partir de predicciones basadas en datos con márgenes de
error mucho más reducidos.”

El uso del Big Data ha impactado en el sector logístico donde se señala que las
limitantes no es la información sino las personas no capacitadas para la pagina
(mckinsey, s.f.) “el impacto total de los grandes datos en la cadena de suministro
está restringido por dos desafíos principales. Primero, hay una falta de capacidades.
Los administradores de la cadena de suministro —, incluso aquellos con un alto
grado de habilidad técnica — tienen poca o ninguna experiencia con las técnicas de
análisis de datos utilizadas por los científicos de datos. Como resultado, a menudo
carecen de la visión para ver qué podría ser posible con los análisis de big data. En
segundo lugar (y quizás más significativamente), la mayoría de las empresas
carecen de un proceso estructurado para explorar, evaluar y capturar oportunidades
de big data en sus cadenas de suministro.”

En donde señalan que el uso de datos cuantitativos mejora la toma de decisiones

en toda la cadena de suministros aprovechando el uso de los ERP Sistema de
Planificación de recursos empresariales y la SCM gestión de Cadena de
Suministros, el uso del Bid Data es algo real tan real que nos permite con certeza
hacer estimaciones precisas en el sector logístico, por ejemplo: el mejoramiento
de los tiempos de recorridos de las cargas.

2.1 PLANTEAMIENTO DEL TEMA INVESTIGADO

El tema investigado es el Big Data en la logística multimodal. Esto se basa en

plantear y sustentar el porqué y el cómo el big data ha evolucionado hasta tal punto
de ser indispensable y un recurso de gran impacto para las empresas y para el área
de la logística.
El análisis ayuda a empresas y organizaciones a aprovechar sus datos y utilizarlos
para identificar nuevas oportunidades.

Algunas de las ventajas que supone aplicar el Big Data en el día a día del sector
logístico son:

• Ayuda a la planificación de rutas y gestión del tráfico. La analítica es la forma

idónea de planificar recorridos – sorteando al máximo la congestión del tráfico
– y con un control absoluto de las rutas o de los tiempos.
• Reducción y optimización de los costes. La captura de datos sobre la flota
permite, no sólo tener más control sobre la información, sino que se presente
más relevante. A partir de ahí resulta más sencillo tomar decisiones.
• Análisis de los hábitos de conducción como frenazos, excesos de velocidad,
de tiempo al volante, ect. Con esta información se pueden tomar las medidas
necesarias para mejorar la forma en la que se conduce y ahorrar en consumo
de combustible o mantenimiento.
• Disminución del impacto ambiental. En la actualidad, cada día más empresas
intentan controlar y desarrollar estrategias orientadas disminuir su “huella
ambiental”. Estas medidas serán mucho más efectivas si se desarrollan a
partir de los datos extraídos por el día a día de la compañía.
• Marketing y ventas. El big data cada vez se utiliza más para segmentación
avanzada de los consumidores, automatizar la personalización de los
productos, adaptar las comunicaciones al momento del ciclo de venta o
captar nuevas oportunidades de venta.

2.2 RELEVANCIA CON LAS TICS Y LOS SIG

Por lo general la planificación es un proceso basado en datos ahora si centralizamos

toda esa gama de entradas o flujos de datos en una plataforma para la planificación
de recursos empresariales o ERP y herramientas de la cadena de suministros existe
un potencial significativo en donde se puede redefinir de una manera
verdaderamente exitosa el proceso de planificación utilizando las fuentes de datos
internas y externas para hacer realidad la oferta y la configuración de la demanda
en tiempo real.

Según la web McKinsey el uso masivo de datos no solo beneficia a las grandes
empresas sino también a las pequeñas “IBM ha ayudado a desarrollar vínculos entre
la planificación de la producción y las previsiones meteorológicas para las
panaderías. Al incorporar datos de temperatura y luz solar, las empresas de
panadería pueden predecir con mayor precisión la demanda de diferentes
categorías de productos en función de factores que influyen en las preferencias de
los consumidores.”

Estos avances del Big Data van acompañados de tecnologías innovadoras que han
propiciado su crecimiento en donde le han dado al análisis masivo de datos tipos
específicos de acuerdo con las tareas y tipos de datos masivos que se procesan Ej.
Operacional Big data: Se trata de los datos cotidianos normales que generamos.
Esto podría ser las transacciones en línea, las redes sociales o los datos de una
organización en particular, etc. Incluso puede considerar que se trata de un tipo de
datos sin procesar que se utilizan para alimentar las tecnologías analíticas de Big
Data.

Analytical Big Data: Es la versión avanzada de las tecnologías de Big Data. Es más
complejo que el Operacional Big Data. En resumen, el Big Data analítico es donde
la parte del rendimiento real entra en escena y las decisiones comerciales cruciales
en tiempo real se toman mediante el análisis del Big Data operativo.

El sitio web (Ciberseguridad.com, s.f.) mencionan que donde van acompañados con
plataformas como:

Para el almacenamiento de Datos

• Hadoop Framework desarrollado por Apache Software Foundation

(10/12/2011)
• Mongo DB es una de las últimas tecnologías de Big Data NoSQL, alternativa
a las rígidas bases de datos de documentos. Publicado el 02/11/2009 por
MongoDB.
• RainStor se utiliza como DBMS en grandes empresas debido a su función de
duplicación de datos de referencia en tecnologías relacionadas con Big Data.
Para el análisis de Datos

• ApacheKafka es una plataforma distribuida de transmisión de tecnologías de

Big Data y funciona como un sistema de mensajería empresarial o una cola
de mensajes.
• R es un lenguaje de programación de entorno libre para tecnologías de Big
Data, Gráficos y Computación Estadística. Fue lanzado el 29/02/2000 por la
R-Foundation.
• La tecnología Blockchain se utiliza para tecnologías de Big Data,
transacciones financieras y comerciales seguras verificadas por una red de
usuarios en depósitos en garantía, pagos seguros, mitigación de fraudes,
privacidad financiera y más.
Para la visualización de Datos

• Tableau es una herramienta de visualización utilizada en tecnologías de

Big Data introducida por TableAU el 17/05/2013
• Plotly desarrollado en 2012.

Entre otras dan distintos sabores al Big Data donde lo posicionan en el uso
predilecto de él y los sistemas TIC para su uso en variedades de campos y tareas
donde es requerido.

2.3 IMPORTANCIA DEL TEMA EN LA ERA DIGITAL

Como autores definimos su importancia en el presente ya que hace algunos años

atrás de hablaba del como algo innovador, pero a la fecha de hoy la realidad es que
es algo real que se ha venido consolidando y va a seguir creciendo, algo que va a
ser tan cotidiano como lo es el uso de los dispositivos móviles.

En donde su uso es tan frecuente que se realizan 3.8 millones de búsquedas por
minuto en ese mismo tiempo se ven 4.3 millones de videos en YouTube se envían
18 millones de mensajes de WhatsApp y subimos nuestros datos en las redes
sociales, en donde todo es conglomerado de información está a la espera de ser
minada en donde cada algoritmo al navegar en la web sabe exactamente que
queremos todo esto a la capacidad de procesado de información y a la ya
globalizada información.
Cuando hablamos de digitalización Big Data ha tomado un papel muy importante en
los últimos años, esto se debe a el impacto tanto en la industria logística, como en
los negocios y que en todos los ámbitos de la sociedad se necesita la captura
masiva de datos para obtener información que aporten veracidad y utilidad a la hora
de tomar decisiones estratégicas que beneficien el crecimiento empresarial o de
una idea de negocio.

Big Data es una de las disciplinas con mayor crecimiento en la era digital, esto de
acuerdo con lo que indica la CEO de Telefónica Educación Digital, Ana Casilda
Andrés.
Donde explica brevemente que esta tecnología desencadena la generación de
una nueva serie de profesiones que abarca desde el científico de datos, al analista
o gestor, que en estos momentos ya se están demandando. Tomando en cuenta lo
anterior, uno de los retos hoy en día en las empresas es la carencia de personal
calificado que pueden desempeñar este tipo de profesión, por lo que esta sería una
gran área de estudio para nosotros los jóvenes y las próximas generaciones.

3. ANÁLISIS DEL TEMA

La analítica de big data es el uso de técnicas analíticas avanzadas contra conjuntos

de datos muy grandes y diversos que incluyen datos estructurados,
semiestructurados y no estructurados, de diferentes orígenes, y en tamaños
diferentes de terabytes a zettabytes.

Big data es un término aplicado a los conjuntos de datos cuyo tamaño o tipo está
más allá de la capacidad de la tradicional base de datos relacionales para capturar,
gestionar y procesar los datos con baja latencia. Los big data tienen una o más de
las características siguientes: alto volumen, alta velocidad o gran variedad. La
inteligencia artificial (IA), la movilidad, las redes sociales y la Internet de las cosas
(IoT) están impulsando la complejidad de los datos a través de nuevas formas y
orígenes de datos. Por ejemplo, los big data provienen de sensores, dispositivos,
vídeo/audio, redes, archivos de registro, aplicaciones transaccionales, web y redes
sociales. La mayoría de los big data es generada en tiempo real y a una escala muy
grande.

El análisis de big data permite a analistas, investigadores y usuarios de negocios

tomar decisiones mejores y más rápidas utilizando datos que antes eran
inaccesibles o inutilizables. Las empresas pueden utilizar técnicas de analítica
avanzada, como análisis de texto, machine learning, analítica predictiva, minería de
datos, estadísticas y procesamiento de lenguaje natural para obtener nuevos
conocimientos de orígenes de datos previamente sin explotar independientemente
o junto con los datos empresariales existentes.

3.1 GESTIÓN Y ORGANIZACIÓN DEL TEMA

Para poder implementar el análisis de bigdata en la empresa necesitamos definir

previamente los siguientes puntos:

• Objetivo empresarial. Cualquier acción debe encaminarse a lograr un

objetivo. En el caso de la empresa, debemos identificar nuestro problema
y buscar las vías para conseguirlo. Fundamentalmente, vamos a
perseguir reducir costes y aumentar ingresos como norma general.

• Veracidad e integridad de nuestras bases de datos. Las fuentes de

datos que usemos para nuestros análisis deben ser fiables, veraces y
dinámicos, con actualización continua en el tiempo.

• Implementación del análisis. En este punto, debemos determinar qué

herramienta usamos para analizar los datos y qué correlación tiene con
el objetivo perseguido en todos los casos.

• Penetración del análisis. En todo plan de bigdata, tenemos que conocer

previamente el perfil de nuestros clientes actuales como los clientes
potenciales a los que nos dirigimos. Si tenemos un objetivo concreto y un
análisis correcto, debemos ser capaces de anticiparnos a la reacción de
los clientes potenciales para que realmente lo sean.

• Ejecución del plan de bigdata. El procedimiento de implementación y

ejecución es un procedimiento constante y que requiere que revisemos,
analicemos y corrijamos aquellos parámetros que no sean correctos en
cada caso. Este es un proceso vivo que se activa desde el minuto cero
en el que comienza el análisis.

• Distribución de la información obtenida. Una vez realizado el análisis

de bigdata, no nos sirve de nada si no se lo hacemos llegar a los
responsables de cada unidad afectada y se ponen en marcha las medidas
correctoras.

• Innovación. El avance disruptivo se genera realmente en el punto que la

empresa cambia el chip, cambia el proceso y aplica los conocimientos
 adquiridos mediante un proceso innovador. Por ejemplo, cambiar los
sistemas de distribución en la empresa, a partir del análisis de
comportamiento de los compradores, es una vía de innovar en la empresa
con el apoyo del bigdata.

4. ASPECTOS DEL TEMA

La aplicación del big data en el negocio de la logística puede mejorar la eficiencia

de muchas empresas en sus operaciones y, por tanto, tener un impacto positivo en
su cuenta de resultados. Por este motivo, y según varios estudios recientes, más
del 90% de las grandes empresas a nivel mundial están aplicando y aumentando
sus inversiones de tecnologías Big Data en sus procesos de logística.

4.1 IMPORTANCIAS COMERCIAL O EMPRESARIAL

Con la introducción del Big Data se puede mejorar el control de los activos de las
empresas: la flota de transporte, los productos almacenados... De esta manera se
optimizan las operaciones de distribución, se reducen los niveles de inventario; y se
obtiene un ahorro notable en costes y en tiempos de organización.

Las actuales soluciones logísticas se integran perfectamente a la mayoría de los

procesos de producción y distribución, lo cual permite que se cuente con
información actualizada sobre las operaciones del cliente, el mercado y la región. El
big data detalla esta información para evitar y solucionar interrupciones.

Además, permite establecer parámetros de negocio con los que poder predecir la
demanda y de esta forma ajustar los precios de los productos a la de los costes
logísticos e incluso procesar información de eventos pasados para optimizar los
rendimientos operativos futuros y poder ayudar a identificar los inventarios,
procesos y clientes rentables y los no rentables.

4.2 FACTORES CLAVE PARA SU APLICACIÓN O INCORPORACIÓN

Las empresas de logística están entre las que más datos generan, pues diariamente
entregan decenas de millones de paquetes de diversos tamaños en todo el mundo,
usando para ello los más disimiles medios. Estudiar con cuidado los datos que se
generan en el proceso de entrega de las mercancías a los clientes permitirá, ahorros
sustanciales en los gastos de operación de las empresas de logística.

Para obtener éxito en la implementación del big data en las empresas logísticas
existen diversos aspectos a tener en cuenta:

• Alineación entre los departamentos de informática y el resto del

negocio. Los directores de informática deben saber cómo integrar el big data
a sus actuales sistemas de CRM, para aprovechar la existencia de esta gran
cantidad de datos que generan los usuarios y cumplir más efectivamente los
objetivos corporativos.

• Transparencia con el manejo de los datos. Es importante que exista una

total transparencia con el manejo de los datos y que estén al alcance de quien
los necesite y en el momento que los necesite para la buena operación del
negocio logístico

• Privacidad de los datos. Con la explosión de datos que se generan con las
nuevas tecnologías, es imperativo respetar las leyes que en relación con el
uso de estos datos existan en los diferentes países, por lo que es importante
estudiar estas legislaciones y cumplirlas para evitar posibles conflictos con
usuarios y daños a la reputación de la empresa.

4.3 BENEFICIOS ACTUALES Y ESPERADOS

Actuales

• Previsión más segmentada y ajustada de la demanda. Mediante el

análisis de datos es posible ajustar la oferta de un producto concreto a cada
cliente o segmento de cliente en cada momento y por el canal más adecuado.
De este modo, se maximiza la rentabilidad de la actividad.

• Optimización de la red de distribución y los modelos logísticos. La

explotación de los datos permite innovar y crear nuevos modelos en los que
el mercado y el cliente mandan y donde, además de reducir costes en
logística, sea también importante el buen servicio al cliente.
 • Fijación dinámica de precios en función de la demanda y los costes
logísticos. La analítica de datos ofrece la posibilidad de establecer
parámetros de negocio que permitan adelantarse a situaciones predecibles
de demanda para ajustar los precios de los productos a sus fluctuaciones y
a la de los costes logísticos asociados.

Esperados

• Mantenimiento preventivo ligado al Internet de las cosas. El Internet de

las cosas permitirá a corto plazo la emisión de información constante y en
tiempo real desde miles de dispositivos diferentes. Esto permitirá a las
empresas de distribución conocer con antelación el estado de la maquinaria
para llevar a cabo mantenimientos preventivos y evitar imprevistos en la
cadena logística.

• La Inteligencia Artificial (IA) busca ser aplicada en dos áreas principales:

control de calidad y optimización de la cadena de suministro. Con respecto a
este último aspecto, la AI se utilizaría para optimizar la gestión de la cadena
de suministro en un 36%, el riesgo en un 36% y el inventario en un 34%.

5. APLICACIONES DEL TEMA INVESTIGADO

5.1 ÁREAS DE APLICACIÓN

Control de Stock: distintos dashboards que nivel de stock tengo y donde, y cómo
poder inferir el estado de mis almacenes para días posteriores.

Mantenimiento preventivo: predecir averías de forma anticipada a las mismas,

reduciendo de esta forma gastos importantes.

Rutas eficientes: crear rutas en tiempo real y conseguir una mayor eficiencia.

Casos de éxito del Big Data en logística

▪ Walmart: la cadena de supermercados americana ha sido una de las

pioneras en utilizar el dato en sus operaciones, llegando a gestionar 2,5
petabytes de datos a la hora.
 ▪ Rolls-Royce: el fabricante de motores de aviación ha conseguido un sistema
tan eficiente en la gestión de los datos que le permite conocer con antelación
de semanas posibles averías.

▪ Jhon Deere: gestión eficiente en el abonado y tratamiento de sus campos, y

por tanto, una gestión eficiente de compras y logística de pedidos.

5.2 EXPECTATIVAS EMPRESARIA SOBRE SU APLICACIÓN

La aplicación del Big data en el negocio de la logística puede mejorar la eficiencia

de muchas empresas en sus operaciones y, por tanto, tener un impacto positivo en
su cuenta de resultados. Por este motivo, y según varios estudios recientes, más
del 90% de las grandes empresas a nivel mundial están aplicando y aumentando
sus inversiones de tecnologías Big Data en sus procesos de logística.

5.3 USOS Y MODALIDADES

Estilo de vida

La monitorización de nuestras constantes vitales puede ayudarnos a determinar qué

estilo de vida llevamos y conocernos más a nosotros mismos, es una herramienta
de medición que dirá si llevamos un estilo de vida activo o sedentario según nuestro
ritmo cardíaco.

Estas mediciones pueden realizarse a través de pulseras que exportan

directamente los datos en Big Data y con esta herramienta analizar los datos
rápidamente para obtener conclusiones y determinar si realizamos la actividad física
necesaria y llevamos un estilo de vida saludable.

Hay algunos usuarios que comparten sus mediciones en la “nube” a través de

herramientas de Big Data y comparan sus pulsaciones en cada una de las
situaciones con otros usuarios. Incluso hay algunos seguros médicos que ofrecen
hasta un 15% de descuento en la cuota para aquellos usuarios que monitoricen su
actividad física y demuestren que llevan un estilo de vida activo y saludable.

Predicción
Big Data ofrece la posibilidad de predecir acciones y comportamientos a partir del
análisis de datos históricos que muestran las tendencias seguidas en cierto periodo.

Este es el caso de algunas entidades bancarias que han introducido Big Data para
hacer estimaciones del gasto total que representa los recibos domiciliados cada mes
de cada cliente, detectar los meses donde determinados clientes tienen más gastos,
como puede ser en la época de la vuelta al cole o por navidad. Predecir, recibos
domiciliados con importes elevados antes de ser cargados en la cuenta y realizar in
preaviso al cliente o incluso emitir un aviso cuando se detecta un movimiento inusual
en la cuenta.

En cuanto a la concesión de créditos e hipotecas, las entidades bancarias se apoyan

con el uso de herramientas Big Data para el estudio de los comportamientos de
cada cliente en cuanto a gastos e ingresos y valorar el riesgo de la concesión del
crédito.

Optimización de la cadena de subministro

Dentro de la gestión de la cadena de suministro Big Data ha contribuido a manera

provocando grandes transformaciones en la gestión empresarial y permitiendo
grandes optimizaciones gracias al uso de datos cada vez más exactos.

Ha permitido mejoras en la optimización de stocks, planificación y programación de

la producción realizando un exhaustivo análisis de datos de inventarios de productos
almacenados e históricos de ventas de cada producto y cliente para identificar
periodos donde se va a producir un incremento en las ventas de un determinado
producto.

Mejoras en la planificación de la demanda de los clientes ya que con el análisis de

datos históricos podemos predecir el comportamiento de cada cliente y material.

Incluso se consigue mayor visibilidad sobre el estado de una orden, material o

transporte en tiempo real y permite adelantarse en la toma de acciones en caso de
que se prevea alguna fallida en alguno de estos procesos.

Con el análisis de los datos en cada una de estas operaciones podemos identificar
las pérdidas o fallos y tomar decisiones para corregirlo.
Hay algunas empresas que han conseguido incrementar su rentabilidad en un 10%
con técnicas basadas en Big Data para el rediseño de los procesos de
almacenamiento, producción y distribución y optimización de la cadena de
suministro.

Ahorros en transporte

Otro caso de aplicación que puede ser de gran utilidad es en la búsqueda de ahorros
en transporte y combustible, ya sea en empresas de transporte, aerolíneas o incluso
en nuestros vehículos privados. El análisis de datos es útil para poder identificar
aquellas rutas que frecuentemente realizamos y consumen más tiempo y
combustible para estudiar su optimización y economizar el gasto.

Existe el caso de una aerolínea que con la implementación de Big Data consiguió
reducir 2,5 minutos de tiempo en cada vuelo, lo que representa un ahorro anual en
combustible de 26 millones de dólares, sumado al ahorro de tiempo que representa
en horas de vuelo para su tripulación.

Intercambio de datos

Algunos expertos en el tema incluso aseguran que de aquí a un año se creará una
plataforma de intercambio de datos, denominada Marketplace de datos, donde las
empresas y usuarios podrán comprar y vender datos que sean de su interés, ya
sean de proveedores, clientes, de la competencia o consumidores. El análisis de
estos datos puede ayudar a las empresas en la toma decisiones estratégicas para
mejorar el negocio y su posicionamiento dentro del mercado.

Cada vez son más los ámbitos de aplicación en los que los profesionales se están
dando cuenta que el big data puede ser de aplicación. Pero antes de su
implementación debemos asegurarnos de que los datos a analizar son de confianza.
BIBLIOGRAFÍA

• Big Data y su impacto en el Sector Logístico. (n.d.-c). COEL - Consejo

Empresarial LogíStico. Retrieved October 25, 2022, from
https://coelpanama.org/post/big-data-y-su-impacto-en-el-sector-logistico
• Pantoja, G. (2022c, April 27). El Big Data y su revolución en la logística.
PANTOJA Grupo Logístico. https://grupopantoja.com/big-data-y-revolucion-
en-logistica/
• Big data and the supply chain: The big-supply-chain analytics landscape (Part
1). (2020, October 20). McKinsey & Company.
https://www.mckinsey.com/capabilities/operations/our-insights/big-data-and-
the-supply-chain-the-big-supply-chain-analytics-landscape-part-1
• Principales tecnologías de Big Data que debes conocer. (2021, December
27). Ciberseguridad. https://ciberseguridad.com/guias/nuevas-
tecnologias/big-data/tecnologias/
• CEU Alumni. (2019, November 17). EL VALOR DE LOS DATOS EN LA ERA
DIGITAL: BIG DATA. CEU ALUMNI. https://www.ceualumni.com/blog/el-
valor-de-los-datos-en-la-era-digital-big-data/
• El Big Data en logística: usos y ventajas. (2021, September 22). Actualidad
Inmoking. https://inmoking.com/actualidad/big-data-en-logistica/
• Torralba, P. P. (2020, June 25). Cómo el Big Data ha revolucionado la
logística. Thinking for Innovation. https://www.iebschool.com/blog/big-data-
en-logistica-big-data/
• García, X. M., & García, X. M. (n.d.). La importancia de Big Data en la
Logística. Retrieved October 25, 2022, from
https://www.netlogistik.com/es/blog/la-importancia-de-big-data-en-la-
logistica
• Logística multimodal de Panamá. (2020, June 30). Logispa.com.
https://www.logispa.com/logistica/logistica-multimodal-panama/

• Solistica. (s/f). Big data transforma la logística. Solistica.com. Recuperado el

25 de octubre de 2022, de https://blog.solistica.com/big-data-transforma-la-
logistica

• Torralba, P. P. (2020). Cómo el Big Data ha revolucionado la logística.

Thinking for Innovation. https://www.iebschool.com/blog/big-data-en-
logistica-big-data/
• Tips para implementar el big data en logística. (2015, junio 26). THE
LOGISTICS WORLD | Conéctate e inspírate; The Logistics World.
https://thelogisticsworld.com/historico/tips-para-implementar-el-big-data-en-
logistica/

• Profesional, L. (2016, febrero 19). Los ocho beneficios del «Big Data» para
la logística. logisticaprofesional.com.
https://www.logisticaprofesional.com/texto-diario/mostrar/1568641/ocho-
beneficios-big-data-logistica

• Balagueró, T. (2021, 17 diciembre). Los 4 principales usos del Big Data.

Deusto. https://www.deustoformacion.com/blog/gestion-empresas/4-
principales-usos-big-data

• Marcas, P. A. P. Y. (2014, 21 marzo). Qué es big data y cómo se implementa

en una empresa. Pymes y Autonomos.
https://www.pymesyautonomos.com/inspiracionparatunegocio/que-es-big-
data-y-como-se-implementa-en-una-empresa
ANEXOS

Ilustración 1- Usos de la Big Data

GLOSARIO DE TÉRMINOS

a. Big Data: describe un gran volumen de datos, el cual crece de manera

exponencial con el paso del tiempo. En pocas palabras, es un conjunto
de datos tan grande y complejo que ninguna de las herramientas
tradicionales de datos es capaz de almacenarlos o procesarlos de manera
eficiente.

b. Internet de las cosas: red colectiva de dispositivos conectados y a la

tecnología que facilita la comunicación entre los dispositivos y la nube.

c. Rentabilidad: beneficio obtenido de una inversión. En concreto, se mide

como la ratio de ganancias o pérdidas obtenidas sobre la cantidad
invertida.

d. Multimodal: se entiende por multimodalidad el uso de variados sistemas

semióticos para la construcción de significado y el diseño de productos o
eventos semióticos en contextos específicos.

e. ERP: La planificación de recursos empresariales, también conocida como

ERP, es un sistema que ayuda a automatizar y administrar los procesos
empresariales de distintas áreas: finanzas, fabricación, venta al por
menor, cadena de suministro, recursos humanos y operaciones.

f. CRM: significa Customer Relationship Management (gestión de la

relación con el cliente), y puede hacer referencia a una tecnología, un
proceso o una estrategia.

g. E-commerce: El e-commerce o comercio electrónico consiste en la

distribución, venta, compra, marketing y suministro de información de
productos o servicios a través de Internet.

h. Datos estructurados: Se llama datos estructurados cuando

los datos están en un formato estandarizado, tienen una estructura bien
definida, cumplen con un modelo de datos, siguen un orden persistente y
son de fácil acceso para humanos y programas.

i. Analytical Big Data: es el encargado de extraer, agrupar, ordenar y

clasificar esos datos que se han podido recopilar, a partir de estructuras
o un sistema predeterminado para, una vez gestionados, elaborar
 informes de utilidad estratégica que puedan ayudar o fundamentar la
toma de decisiones.

j. Centralización de datos: Cuando hablamos de un sistema

de datos centralizados nos referimos a que dentro de la estructura
organizacional existe un lugar, como un programa ERP, al que los
usuarios acuden en búsqueda de estos datos o de información vital para
la operación de sus propias áreas o departamentos que los hagan trabajar
en conjunto

k. Zettabytes: Un zettabyte (ZB) es una unidad de almacenamiento de

información digital utilizada para denotar el tamaño de los datos. Es
equivalente a 1, 024 exabytes o 1, 000, 000, 000, 000, 000, 000, 000
bytes.

l. Tiempo real: Técnicamente y en su uso original, la expresión en tiempo

real alude a un sistema que es capaz de responder y procesar la
información al ritmo en que esta entra o se introduce. El tiempo de
proceso (para su salida) puede ser corto o largo.

m. Machine Learning: es una disciplina del campo de la Inteligencia Artificial

que, a través de algoritmos, dota a los ordenadores de la capacidad de
identificar patrones en datos masivos y elaborar predicciones.

n. Analítica predictiva: El análisis predictivo utiliza técnicas estadísticas de

modelización, big data y machine learning para extraer datos históricos y
realizar predicciones. En el mundo empresarial es una técnica muy
cotizada por los beneficios que puede reportar a la hora de, por ejemplo,
identificar riesgos y oportunidades.

o. Minería de datos: es el proceso de hallar anomalías, patrones y

correlaciones en grandes conjuntos de datos para predecir resultados.
Empleando una amplia variedad de técnicas, puede utilizar esta
información para incrementar sus ingresos, recortar costos, mejorar sus
relaciones con clientes, reducir riesgos y más.