INTELIGENCIA DE NEGOCIOS Y GESTIÓN

DE DATOS

Escuela para la sostenibilidad empresarial del

Área Metropolitana del Valle de Aburrá
 INTRODUCCION

▪ Las nuevas tecnologías han contribuido enormemente al

desarrollo del marketing, estas han abierto las puertas a nuevos
escenarios, donde no hay las barreras de ubicación o espacio que
anteriormente dificultaban los procesos de estudio de mercado;
actualmente nos brindan un abanico de posibilidades, para crear
nuevas estrategias que impacten positivamente a los
consumidores y clientes y, además, facilita uno de los procesos
más importantes del marketing que es la obtención de datos.
Amoroso y Costales (2016) afirman que “el tratamiento masivo de
datos dado el acelerado desarrollo de las Tecnologías de la
Información y la Comunicación ha dado lugar a un nuevo
concepto o paradigma en la gestión de la información: Big Data”
(p. 3)
▪
▪ El Big Data hace referencia a una masiva cantidad de información
que llega de forma rápida desde diversas fuentes y con diferentes
estructuras. El concepto de Big Data se define por 5 características
principales que son llamadas las 5v: el volumen (cantidad de
información), la variedad (las diferentes fuentes), la velocidad, la
veracidad (qué tan confiable es la información) y el valor (qué tan
importante y pertinente es la información).
▪
La implementación del Big Data en los procesos ha permitido que
muchas empresas y marcas se acerquen a sus clientes,
consumidores y clientes potenciales de una mejor forma, ya que
este les da una visión más completa de sus preferencias,
requerimientos y necesidades.

1
 OBJETIVOS
Objetivo general
Comprender qué es Big Data y cuáles son sus aspectos

básicos.

Objetivos específicos

▪ Reconocer el contexto actual en el cual se implementa el

Big Data.
▪ Entender la importancia de los datos como uno de los
activos más estratégicos.
▪ Conocer las distintas opciones que hay en el desarrollo

de una estrategia de datos.

▪ Dimensionar la importancia del BIg Data en los procesos

de marketing.

2
 TABLA DE CONTENIDO
INTRODUCCION.......................................................................................... 1

OBJETIVOS..................................................................................................... 2

Objetivo general ..................................................................................... 2

Objetivos específicos ............................................................................ 2

BIG DATA ....................................................................................................... 4

DESARROLLO TEMÁTICO ........................................................................ 5

Subtema 1: Introducción al Big Data .............................................. 5

1.1. ¿Qué es Big Data? .................................................................... 5

Subtema 2: Características del Big Data ....................................... 7

2.1. Las 5 V del Big Data ................................................................ 7

2.2. Ciclo de Vida de la Información ....................................... 12
Subtema 3: Big Data e inteligencia de negocios, desarrollo

de una nueva estrategia de datos ................................................. 14

3.1. Características de los datos ................................................ 14

3.2. Principios de gobierno del dato ....................................... 15
3.3. Políticas y procedimientos .................................................. 18
Subtema 4: Tecnologías asociadas al Big Data ........................ 19

4.1. Aplicaciones del Big Data ................................................... 22

4.2. Posibilidades analíticas de Big Data ............................... 22
CONCLUSIÓN............................................................................................. 23

REFERENCIAS ............................................................................................. 23

3
BIG DATA

TEMA 4

4
 DESARROLLO TEMÁTICO

Subtema 1: Introducción al Big Data

plataformas como, por ejemplo, las redes sociales, captaron

nuestros datos. Esto ha originado una masiva cantidad de

información que pueden ser muy útiles en los procesos de

mercado.

1.1. ¿Qué es Big Data ?

Se puede definir el Big Data como la técnica o facultad el

manejo de volúmenes masivos de datos en información por

nuestro comportamiento (reacciones, comentarios, opiniones,

etc.) dentro de Internet que se mueven a una gran velocidad.
Estos datos, luego son capturados y utilizados con la finalidad

de hacer un estudio de mercado y para aportar valor a los

consumidores.
5
El Big Data brinda grandes oportunidades para el desarrollo
del marketing, ya que gracias a este se puede prever los
comportamientos de compra de los consumidores. Además,

hoy en día, los datos se han convertido en un recurso

indispensable para emprender cualquier proyecto de negocio,
dada la ya mencionada necesidad de conocer al consumidor y

también a la competencia.

Los datos del Big Data son originados desde diversas fuentes,

ya que este se alimenta de la información que diariamente

dejamos en los diferentes dispositivos, por ejemplo:

▪ Datos generados por las mismas personas: formularios

con información personal, fotos, vídeos, opiniones,

compras realizadas, reacciones, etc.

▪ Datos generados por los sistemas de computación:
GPG, cámaras de seguridad, dispositivos médicos, datos

generados desde el celular, etc.

▪ Datos generados por las empresas internamente:

información de la operativa interna, de empleados, de

clientes, etc.

Teniendo en cuenta que cada movimiento que realizamos

dentro de la red deja información, es posible comprender que

el volumen de información es tan gigantesco que se necesita

un gran medio de almacenamiento que cumpla con los

requerimientos que el Big Data demanda.

6
La tecnología Cloud Computing es un conjunto de sistemas

de cómputo escalables capaz de almacenar grandes

volúmenes de información. Este ha sido fundamental para
disponer de las capacidades de almacenamiento y
escalabilidad requeridas para Big Data, ya que consiente
tomar una gran cantidad de almacenamiento, manejarlos con

una buena velocidad y no tiene altos costos.

Subtema 2: Características del Big Data

Big Data lleva implícitas las siguientes características

principales y es lo que principalmente establece las diferencias

con la gestión tradicional de la información:

2.1. Las 5 V del Big Data

Figura.
Las 5 V del Big data

Nota. Creación propia a partir de Las cinco V que sirven para explicar el Big Data por
Universidad Camilo Jose Cela (s.f)

7
En este apartado se abordarán algunos aspectos del Big Data,

de acuerdo con la Universidad Camilo Jose Cela (s.f) tiene

cinco ejes principales:

Volumen (cantidad de datos)

Hace referencia al tamaño del conjunto de datos a manejar. En

este momento, procesar datos en la escala de los gigabytes o

terabytes hace parte de las funciones internas de las

empresas, por lo que las técnicas de almacenamiento en

memoria no son viables. Por esto, se han desarrollado nuevas

formas de almacenamiento y procesamiento de datos para su

explotación.

Velocidad (rapidez en la generación de los datos)

Se refiere a la necesidad de gestionar los datos que ingresan

como respuestas a ellos, de manera casi simultánea. Las

nuevas herramientas permiten analizar en tiempo real grandes
volúmenes de datos, agilizando con esto los procesos de

información y comunicación.

Variedad (diferentes fuentes y formatos)

Se refiere a la naturaleza diversa de la información a manejar,

tanto interna como externa. Nos encontramos con dos tipos

de datos:

8
 ▪ Datos Estructurados: datos que encajan en un modelo

de filas y columnas o bases de datos relacionales (por

ejemplo: hojas Excel). La mayoría de los datos utilizados
hoy por las empresas son datos estructurados
almacenados en data warehouses, fáciles de capturar,
almacenar y explotar.

▪ Datos No Estructurados: datos no organizados en un

formato predefinido, por ejemplo: tweets, blogpost,

imágenes, vídeos, etc.

Veracidad (fiabilidad de los datos)

Es el grado de confianza que se establece sobre los datos a

utilizar. Dentro de la caracterización del Big Data la veracidad

es de gran importancia para un analista de datos, ya que la

veracidad de los mismos determinará la calidad de los

resultados y la confianza en los mismos. Por lo tanto, un alto

volumen de información que crece a velocidad muy rápida y
basada en datos estructurados y desestructurados y

provenientes de una gran variedad de fuentes, hacen

inevitable dudar del grado de veracidad de los mismos. Por

ello, dependiendo de la aplicación que se les dé, su veracidad

puede ser imprescindible.

Valor (capacidad de transformar los datos)

Representa el aspecto más relevante del Big Data, a medida

que aumenta el volumen y complejidad de los datos, su valor

9
marginal disminuye considerablemente, debido a su dificultad

de explotación. La principal razón para implantar una

estrategia de Big Data es para extraer valor de los datos.

Las actividades a desarrollar dentro de Big Data se pueden

clasificar de la siguiente manera:

▪ Integración: supone incorporar todos los datos, de las

diferentes fuentes y orígenes, en un único repositorio

que pueda ser compartido por diferentes Data Scientist
para los diferentes usos. Por ejemplo, en una empresa de

distribución se trataría de integrar datos de clientes,

productos vendidos, stock, proveedores, precios,
empleados, contabilidad, información del uso de los

distintos canales, etc. En Big Data una de las tecnologías

que se emplean para poder utilizar un centro de

procesamiento único es Hadoop Distributed File System, o

HDFS (es un sistema que permite organizar la

información en diferentes categorías, es decir, los ubica

en segmentos o “clúster”).

▪ Análisis: es el proceso de desarrollo de información y

conocimiento a través del uso y combinación de los

datos. Por ejemplo, en una empresa de distribución sería

determinar los productos que un cliente desea comprar,

a través de la combinación de datos de comportamiento

10
 en la web, productos que ha visitado y productos que

han comprado otros clientes similares.

▪ Visualización: es el proceso de representación del

conocimiento o ideas generadas de una manera
entendible para los equipos y personas no técnicas. Es

fundamental que en la visualización se ponga de

manifiesto la realidad que se ha identificado o

“storytelling” y sobre la que se puede generar valor y

tomar decisiones. Por ejemplo, en la empresa de

distribución sería visualizar los diferentes tipos de

clientes que tenemos en base a criterios de
segmentación no convencionales (tradicionalmente se

segmentan los clientes por patrones de sexo, edad,

geografía, etc.) como pueden ser sus vinculaciones con

otros clientes, productos ecológicos, sistemas operativos,

etc.

▪ Seguridad: la privacidad de la información es un aspecto

crítico en la era de la información y comunicación. Es

necesario establecer procesos estrictos y robustos para

mantener a salvo los datos de las personas. Igualmente

es necesaria la transparencia sobre cómo se capturan,

almacenan y se usan los datos. Aparte de la seguridad

física de los sistemas es necesario desarrollar una
estrategia de control de acceso a la información, siendo
este precisamente un punto crítico debido a la cantidad

11
 de información y a la naturaleza tan dispar de la misma.

Se debe garantizar la seguridad controlando tanto el

acceso al sistema como la información contenida en él.

▪ Gobierno: la principal finalidad del gobierno es velar por

que los datos estén disponibles, que sean entendibles

por las personas que los van a utilizar y que sean fiables,

que tengan la calidad requerida para el uso que se les va

a dar. El desarrollo de Big Data en una empresa requiere

disponer de nuevos roles y responsabilidades para llevar

a cabo las actividades descritas.

2.2. Ciclo de vida de la información

Cuando se menciona el “ciclo de vida” podemos intuir de

cierta manera los aspectos biológicos del concepto, el cual

desde este ámbito se relaciona con el rango desde

nacimiento, pasando por la productividad y finalmente el
deceso. Es por ello que cuando hablamos de los ciclos de vida

de la información se relaciona con la utilidad que tienen los

datos, esta tiene cinco etapas:

▪ Etapa 1: creación y captura, en esta etapa se produce o

se indaga hasta obtener una cantidad óptima de datos.

▪ Etapa 2: transmisión, transferencia de datos digitales

mediante (cables de par trenzado, fibra óptica, los

12
 canales de comunicación inalámbrica, y medios de

almacenamiento).
▪ Etapa 3: almacenamiento y seguridad, en esta etapa se
categoriza la información y se guarda siguiendo las
políticas de seguridad y privacidad de la empresa.
▪ Etapa 4: gestión, se dispone de un procesamiento de

datos para dar uso a los mismos.

▪ Etapa 5: acceso y compartición, se genera un espacio

en el que los funcionarios de la empresa y/o clientes

puedan verla información.

La gestión del ciclo de vida tiene como finalidad optimizar los

procesos de análisis de la información del Big Data, esto debe:

▪ Desarrollar, validar y productivizar la información.

▪ Mantener el rendimiento de la plataforma.
▪ Prevenir difusión.

Las nuevas tecnologías de Big Data proporcionan la capacidad

de explotación de todos estos datos generando grandes

oportunidades en el desarrollo de la inteligencia de negocio.

Ya que, actualmente los datos se están convirtiendo en un

recurso fundamental para el desarrollo de las actividades

empresariales, el Big Data está transformando industrias y

profesiones por la capacidad de facilitar la gestión de los

datos.

13
Subtema 3: Big Data e inteligencia de negocios,
desarrollo de una nueva estrategia de datos

En los últimos años se están generando grandes

oportunidades para el desarrollo de los negocios alrededor de

la disponibilidad de datos y su adecuado uso, permitiendo
mejorar la toma de decisiones en todos los niveles dentro de

las empresas. Conformar un adecuado gobierno del dato,

permite tener una visión clara de los datos, quién es el

propietario y cuál es la gestión que se les da.

3.1. Características de los datos

Para validar los datos deben ser entendibles y fiables para

poder ser tomados como base en la toma de decisiones. El

establecimiento de un adecuado Gobierno del Dato tiene

como unas de sus finalidades mejorar:

▪ La disponibilidad de los datos: disponer de los

repositorios donde se condensan los datos obtenidos.
▪ El entendimiento de los datos: la codificación de estos

datos debe estar a disposición de todas las personas de

la organización, por esto debe ser clara y concisa.

▪ La fiabilidad de los datos: este paso permite evaluar las

fuentes de procedencia de los datos para establecer su
fiabilidad.

14
3.2. Principios de Gobierno del Dato

Para llevar a cabo un adecuado Gobierno y Gestión de los

Datos, es importante considerar los siguientes principios

básicos, que definen los aspectos más relevantes para su

gestión como un activo estratégico:

▪ Clasificación de los Datos: establecimiento de una

definición única y una clasificación de los datos

entendible por todos los departamentos, estableciendo

categorías y jerarquías estándar.

Almagro (2019) menciona que la mayoría de los datos

procesados y almacenados por las organizaciones del sector

público se pueden clasificar en los siguientes:

▪ Bajo: Efecto adverso limitado en las operaciones de la

organización, los activos de la organización o las

personas.

▪ Moderado: Efecto adverso grave en las operaciones de

la organización, los activos de la organización o las

personas.
▪ Alto: Efecto adverso severo o catastrófico en las

operaciones de la organización, los activos de la

organización o las personas. (p.10)

15
 ▪ Arquitectura de Datos: implantación de los elementos

funcionales y técnicos que permitan la gestión de los

datos de forma unívoca.

Por ejemplo, en el caso del (MinTic) Ministerio de la

Tecnología y las Comunicaciones (2011) determina la

siguiente norma para el diligenciamiento de los nombres de

los usuarios de la siguiente manera:

Guía El metadato “Requiere” DEBE diligenciarse con los

nombres de los elementos de dato que son Requeridos.

Explicación: El metadato Requiere no se DEBE diligenciar

con los identificadores de los elementos de datos, ya

que, debido a las reglas definidas en la Arquitectura de
Datos para su conformación, éstos pueden no ser

significativos para el lector.

Ejemplo: Para determinado elemento de dato, por ejemplo,

Nombre Persona, el metadato “Requiere” se DEBE documentar
de la siguiente manera. (p.14)

Figura.
Documentación del metadato

Nota. Creación propia a partir de Documentación del metadato “Requiere” de MinTic,

2011. https://bit.ly/3lDv49q

16
▪ Protección y Seguridad: Establecimiento de medidas

que proporcionen control y seguridad en el acceso, uso y

almacenamiento de la información.
▪ Calidad, exactitud e integridad: Los datos deben ser
exactos, completos, exhaustivos y fiables, estableciendo
medidas para asegurar que se capturan adecuadamente

y que se mide su calidad.

▪ Prontitud: Los datos deben estar disponibles en tiempo

y forma, considerando sus diferentes usos por lo que la
frecuencia puede variar en función de su utilidad.

▪ Claridad y Utilidad: Los datos deberán comunicarse de

un modo claro y conciso, entendible por las diferentes
personas que los vayan a utilizar y sobre los que se van a

tomar decisiones.

▪ Adaptabilidad: La gestión de los datos deberá

orientarse a dar respuesta a las diferentes necesidades de

los negocios. Debe ser posible generar datos e

información de una manera flexible para responder a una

variedad de requisitos en función de cada

departamento.

▪ Disponibilidad: Los datos deberán compartirse de una

manera transparente, estar accesibles y poder reutilizarse

para diferentes usos. Se deben establecer políticas de

retención de datos de cara a cumplir con los requisitos

legales o normativos.

17
3.3. Políticas y procedimientos

El desarrollo de políticas y procedimientos permiten orientar y

formar a todas las personas sobre la relevancia de los datos, el

papel que cada persona juega respecto a los datos y cómo

llevar a cabo buenas prácticas para mejorar el negocio y la

toma de decisiones.

Políticas

Esta es la normativa que protege los usuarios, su información

y la seguridad de los datos, de esta manera se establecen unas

condiciones óptimas que protejan la privacidad del usuario.

Procedimientos

Se trata de definir cómo llevar a cabo las diferentes

actividades de gobierno y gestión de los datos, de acuerdo a

las políticas establecidas. Dentro de los procedimientos a

desarrollar se deben incluir los siguientes:

▪ Procedimiento de definición de la verdad única,

Diccionario de datos.
▪ Procedimiento de medición de la calidad y de definición

de planes de acción o remediación para la resolución de

problemas de calidad en los datos.

▪ Procedimiento para identificar los diferentes roles dentro

de la empresa.

18
Subtema 4: Tecnologías asociadas al Big Data

La cantidad de datos que se manejan a diario están

aumentando considerablemente con el paso del tiempo, lo
que ha ocasionado el surgimiento o unión de nuevas
tecnologías como el cloud computing asociadas al Big Data; a

la forma como se recogen, almacenan y procesan los datos.

Tecnologías asociadas a la obtención de información:

Va muy relacionada con las nuevas formas de hacer, es decir,

de cómo utilizamos la tecnología en el día a día y esto está

muy relacionado con la obtención de datos ya que, como se

explicó anteriormente, con el uso de los diferentes
dispositivos, los sistemas computacionales capturan

información.

▪ Redes sociales: Son las más fáciles de identificar, ya que

son las más reconocidas y utilizadas habitualmente, en

ellas se comparte todo tipo de información, tanto de

forma intencional; cuando publicamos fotografías,

imágenes, videos y post, como de forma inconsciente;

cuando reaccionamos a algo o incluso vemos mucho de

un contenido específico. Con el tipo de información que

se obtiene de las redes sociales, se puede tener un

perfilamiento completo para un estudio de mercado.

▪ Internet of the Things o Internet de las cosas: Hace
referencia a las redes de dispositivos que se comunican

19
 entre sí de manera autónoma. Un ejemplo de esto son

las neveras o lavadoras que podemos manejar por medio

de celulares.

Y también se han desarrollado y han evolucionado otras

tecnologías como son los dispositivos móviles, GPS y software

conectado a Internet.

Tecnologías asociadas al procesamiento, almacenamiento

y uso del Big Data:

Hace algunos años los volúmenes más grandes de

información se almacenaban en dispositivos físicos de

almacenamiento como discos duros, no obstante, con el

crecimiento exponencial del flujo de información, fueron

surgiendo otras formas de almacenamiento.

▪ Cloud conmputing: Es un conjunto de sistemas de

cómputo escalables capaz de almacenar millones de

gigas de información. Vennam (2020) lo define como:

Acceso bajo demanda, a través de Internet, a

recursos informáticos como aplicaciones, servidores

(físicos y virtuales), almacenamiento de datos,

herramientas de desarrollo, funciones de red y más,

alojados en un centro de datos remoto gestionado

por un proveedor de servicios en la nube (o CSP)

(párr. 2).

20
Por otra parte, también ha evolucionado la forma en la que

maneja y utiliza la información

▪ Open data. Datos para uso libre: Open Data es una

tecnología que se desarrolló gracias al Big Data y Según

la fundación CTIC (s.f) es “la publicación de datos

abiertos, estandarizados, interoperables, en formatos
procesables por máquinas y vinculables entre sí,

constituyen una base de gran valor encaminada a la

mejora de la transparencia y del desarrollo económico”

(párr. 1).

▪ Smart Cities o ciudades inteligentes: para Bouskela et

al. (2016) “Una Ciudad Inteligente es aquella que coloca

a las personas en el centro del desarrollo, incorpora

Tecnologías de la Información y Comunicación en la

gestión urbana” y esto en gran medida, se da gracias al
Big Data y al Internet de las cosas.

▪ RFID (identificación por radiofrecuencia de radio):

este sistema permite la identificación a través de ondas

sonoras. Está en la capacidad de autenticar datos e

intercambiar información de manera electrónica, sus

orígenes se remontan a la segunda guerra mundial con

el radar, usado por los ejércitos japonés y británico.

Algunos ejemplos de su uso en la actualidad, son:

✓ Tarjetas de crédito e identificación.

21
 ✓ Seguimiento de productos.

✓ Automatización venta.

4.1. Aplicaciones del Big Data

El Big Data ofrece múltiples ventajas ya que en todas las

entidades de carácter público o privado requieren de un
sistema que le permita interpretar grandes volúmenes de
información, algunos ejemplos pueden ser: las universidades,

los hospitales, las empresas de diferente índole, entre otros, la

buena gestión del Big Data permite tomar decisiones

estratégicas.

Decisiones estratégicas

En el ámbito empresarial, el objetivo principal del análisis de

datos es la mejora de los procesos de toma de decisiones

(mejores decisiones estratégicas implican mejora del

rendimiento empresarial). Mediante el análisis adecuado de

los datos históricos disponibles, es posible:

▪ Analizar las causas de un problema o situación actual.

▪ Determinar posibles estrategias.

▪ Predecir el resultado de su aplicación El uso de las TIC

ayuda a conseguir una mejora de los procesos en la toma

de decisiones estratégicas.

4.2. Posibilidades analíticas de Big Data

Hasta ahora, los datos históricos que se usaban para el análisis

eran datos internos de la organización almacenados en bases

de datos tradicionales y hojas de cálculo de los distintos
22
usuarios o departamentos y en su mayoría procedentes de los

sistemas de información transaccionales.

Sin embargo, el Big Data permite nuevos tipos de análisis,

pudiendo manejar datos internos y datos externos

consiguiendo la integración de ambos tipos.

23
 CONCLUSIÓN

El Big Data es una herramienta necesaria para las empresas,

esto les permite trazar una serie de conexiones entre la

información y unos descriptores que identifican a los usuarios,
esto a su vez aporta de gran manera al marketing puesto que

se dimensiona un perfil del posible comprador y se le hace

una evaluación de necesidades y las oportunidades que tiene

la empresa de solventarlas.

Este sistema requiere de unas normas y pasos a seguir que

especifiquen un mismo lenguaje para las personas de la

empresa, es decir, desde allí se determina la manera en que se
registran los datos para homogeneizar una información que

puede llegar desde diferentes fuentes. Finalmente, la era

digital facilita unas herramientas capaces de transformar las
corporaciones y las hace cambiar de plataformas, aun con esto

las técnicas como el BIg Data permiten que sin importar el

espacio siempre tengamos acceso a la información de los

clientes y así pueda mantenerse una interacción constante con

los mismos.

24
 REFERENCIAS
Almagro. (2019). Clasificación de datos. https://bit.ly/3lDv49q

Bouskela, M., Casseb,M., Bassi, S., De Luca, C y Facchina, M (2016). La ruta hacia las
smart cities: Migrando de una gestión tradicional a la ciudad inteligente [Archivo
PDF].

https://bit.ly/331IntP

C10. (s.f) LAS 4 FASES DE LA GESTIÓN DEL CICLO DE VIDA DE LOS DATOS.
https://bit.ly/3377YSi

Fernández, Y. A., & Ferrer, D. C. (2016). Big Data: una herramienta para la
administración pública. Ciencias de la Información, 47(3), 3-8. https://bit.ly/3lCxvZZ

Fundación CTIC. (s.f.). ¿Open Data?.

https://bit.ly/3Io85Jr

MinTic. (2011). LENGUAJE COMÚN DE INTERCAMBIO DE INFORMACIÓN NOTAS

EXPLICATIVAS A LA ARQUITECTURA DE DATOS.

https://bit.ly/3rJ4Shx

Politécnico Continental. (s.f). BIG DATA Y BUSINESS INTELLIGENCE.

https://bit.ly/31y1QSC

Universidad Camilo Jose Cela (s.f) LAS CINCO V QUE SIRVEN PARA EXPLICAR EL BIG
DATA.

https://bit.ly/3pAy3k2

Vennam, S. (18 de agosto de 2020). ¿Qué es cloud?.

https://ibm.co/3EsfjcR 25
26