Sombrea en amarillo mi bb la respuesta (OK)

Pregunta 1
1 punto

Respecto al modelo de datos, indique la respuesta INCORRECTA:

Para construir los modelos conceptual y lógico de datos no necesitamos tener definido el motor
de base de datos (software) a utilizar.

El modelo lógico de datos contiene las entidades y sus atributos, así como las relaciones entre
entidades. Verdadero. AP429 SESIÓN SINCRONA 2024 Fundamentos de Business Analytics.

El modelo de datos de una empresa es la representación tipo organigrama de los elementos de

datos y sus conexiones. falso. La respuesta es Una forma de representarlos es a través de un
diagrama de Entidad-Relación.

Luego de analizar los procesos y procedimientos podemos identificar los datos (entidades) y
sus conexiones para contruir el modelo de datos.(verdadero)

Pregunta 1
1 punto
El modelo de negocio (Business Model Canvas) te permite, a nivel de empresa:
A) Ver reportes analíticos de indicadores de diferentes procesos para una mejor toma de
decisiones.Falso.
B) Definir con claridad qué vas a ofrecer al mercado, cómo lo vas a hacer, a quién se lo vas a
vender, cómo se lo vas a vender y de qué forma vas a generar ingresos. Verdadero.
C) Saber la forma en que vas a ganar dinero teniendo una propuesta de valor para tus clientes.
Verdadero.
Es verdadero:
Todas son verdaderas.
B) y C)
A) y B)
A) y C)
Pregunta 2
1 punto

Dentro de las medidas de posición tenemos:

Cuartiles, deciles, percentiles.

Desviación estándar, Varianza, coeficiente de variación.

Cuartiles, mediana, varianza.

Media aritmética, mediana, moda.

Fuente:
AP429 SESION SINCRONA Análisis descriptivo en Business Analytics 2024

Pregunta 2
1 punto
Tenemos tres grupos de datos que representan la estatura (en metros) de 100 alumnos en cada
grupo:
- Grupo 1: el promedio de los datos es de 1.78, el valor que más se repite es 1.76, el valor que
divide la misma cantidad de datos antes de dicho valor y después de dicho valor es de 1.77, la
desviación estándar es de 3.56.
- Grupo 2: el promedio de los datos es de 1.73, el valor que más se repite es 1.75, el valor que
divide la misma cantidad de datos antes de dicho valor y después de dicho valor es de 1.74, la
desviación estándar es de 2.69.
- Grupo 3: el promedio de los datos es de 1.69, el valor que más se repite es 1.71, el valor que
divide la misma cantidad de datos antes de dicho valor y después de dicho valor es de 1.70, la
desviación estándar es de 4.12.
¿Cuál grupo tiene los datos más dispersos?:
El grupo 3.
El grupo 2.
Se necesita mayor datos para determinarlo.
El grupo 1.
Grupo 1 = 3.56/1.78=2
Grupo 2= 2.69/1.73=1.555
Grupo 3= 4.12/1.69=2.438
Se elige el mayor valor.

Pregunta 3
1 punto

¿Para qué sirve el diseño modelo de negocio (Business Model Canvas)?:

Para aprender sobre empresas.

Para hacer un producto.

Para ser innovador.

Para plasmas de manera sencilla y gráfica una idea de negocio.

Pregunta 4
1 punto

Sobre tipos de datos, indique la afirmación CORRECTA:

Como datos no estructurados podemos mencionar fotos, videos y audios.

Una base de datos es un ejemplo de datos estructurados.

Ejemplos de datos semi estructurados son correo electrónico y páginas web.

Todas son verdaderas. Muy bien mi bb.

Pregunta 3
1 punto
No es un beneficio directo de ser una empresa data-driven:
Ayuda a incrementar ingresos.
Predicciones mas exactas.
Mejora la eficiencia de los controles de seguridad de TI.
Reducir Riesgos.
Fuente: AP429 SESIÓN SINCRONA 2024 Fundamentos de Business Analytics

Pregunta 5
1 punto

Son tipos de modelos de datos:

Funciones, estructuras y registros.

Conceptual, Logico, Fisico.

Clases, datos y atributos.

Campos, relaciones y tablas.

Pregunta 6
1 punto

Indique la afirmación más genérica, un datalake permite:

Almacenar data de audio y video.

Almacenar datos estructurados y no estructurados.

Almacenar datos estructurados en una base de datos OLAP.

Almacenar datos transaccionales e históricos.

Pregunta 7
Caso DANONE
En colaboración con el Departamento Comercial, se creó dentro de la estructura de operaciones de
Danone el área de New Order con el objetivo de generar los pedidos de suministro para los Puntos
de Venta. Gracias a esto Danone es capaz de tener mayor visibilidad de todo lo que ocurre en el
punto de venta con sus productos y entre otras cosas, garantizar que haya una buena visibilidad del
producto en el lineal y que no haya roturas de stock.
En un inicio el departamento creyó conveniente desarrollar varias herramientas de Business
Analytics para centralizar y distribuir todos los datos que se generaban durante el proceso de
creación de pedidos. Esto les permitía tener acceso a todos los datos que se creaban y un análisis
básico que en ese momento era esencial para ellos.
El Reto
Más adelante surgió la necesidad de realizar diagnósticos periódicos de los clientes para poder
identificar e implementar acciones de mejora en los Puntos de Venta. Estos diagnósticos implicaban
cruzar grandes cantidades de datos de fuentes de información muy diversas. Además, para cada
cliente se podía necesitar enfocar el diagnóstico de una manera diferente, por lo que no siempre
servían los mismos KPI’s.
La Solución
Con Business Insights se ha ayudado a Danone a reducir considerablemente los tiempos de
diagnósticos, de 3 meses a 2-3 semanas, gracias a:
Eluso de herramientas avanzadas
Elconocimiento de los orígenes de datos
Laclara vocación de negocio
De esta manera se ha conseguido tener una toma de decisiones más rápida en un menor período
de tiempo. Además de los diagnósticos de clientes se realizaron análisis para medir el impacto de
los planes de acción con el fin de conocer si han tenido éxito y si hay puntos de mejora.
Uno de los ejemplos es el estudio sobre la elasticidad en la disponibilidad y caducidad de los
productos respecto a su rotación que está permitiendo una optimización de la gestión del surtido a
Danone.
El servicio ofrecido hasta la fecha tiene un impacto directo en el desarrollo de New Order.
Se ha aumentado la capacidad analítica del departamento gracias a la creación de nuevos KPI’s y a
la elaboración de informes periódicos de su evolución.
Gracias al servicio de diagnóstico se han elaborado planes de acción para optimizar el
funcionamiento de NwO.
Claves del Éxito
El conocimiento y capacidades analíticas son básicos para poder realizar satisfactoriamente este
servicio, pero por encima de todo, la clave del éxito reside en el trabajo en equipo y la confianza en
los datos. Tal y como comenta Beatriz Montes, Customer Perfomance Manager en Danone: “En la
actualidad, gracias a las nuevas tecnologías, disponer de la información necesaria no es lo más
complejo. Lo difícil es aprender a estructurar los análisis adecuados que nos permitan diagnosticar
a tiempo la situación sin perderse en miles y miles de datos e indicadores. La colaboración con
SDG nos ha permitido avanzar notablemente en este sentido”.
Conclusiones
Hoy en día la mayoría de las empresas lleva a cabo la toma de decisiones sin tener en cuenta todos
los datos de los que dispone en las diferentes fuentes de información, por lo que es de vital
importancia entender todo el valor que se puede llegar a extraer del análisis avanzado de los datos.
Gracias a aplicar Business Insights, Danone ha reducido considerablemente su tiempo en la toma
de decisiones y es consciente de la importancia del análisis de datos y el impacto directo que tiene
en la organización y en los resultados.
Preguntas:
a) ¿Qué tipo de solución analítica (datalake o datawarehouse) implementaría? (sustente su
respuesta) - (3 Puntos)
b) ¿Qué información analizaría para este caso?, ¿qué KPIs definiría? - (3 Puntos)
c) ¿cuáles serían los objetivos empresariales a cubrir con este análisis? - (4 Puntos)

Pregunta 8
1 punto

¿Cuál es la mejor definición de una empresa Data-driven?:

Empresas que recolectan, procesan y revisan sus datos, basando la toma de sus decisiones
estratégicas en la interpretación de estos datos.
Empresas que utilizan métricas, datos, intuición y objetivos subjetivos para guiar las decisiones
de negocio estratégicas.

Aquella empresa que cuenta con una estrategia de datos sólo para construir tableros de mando
y forecast de ventas.

Empresas pequeñas o grandes que tienen implementado un enfoque de analítica sobre el

comportamiento de sus clientes.

Pregunta 3
1 punto
No es un beneficio directo de ser una empresa data-driven:
Ayuda a incrementar ingresos.
Predicciones mas exactas.
Mejora la eficiencia de los controles de seguridad de TI.
Reducir Riesgos.

Pregunta 4
1 punto
En el modelo de negocio, indique la respuesta correcta respecto a la siguiente afirmación "Se basan
en un conjunto de productos y servicios que crean valor para un segmento de clientes":
Inventario de productos.
Propuesta de valor.
Atributos de producto.
Personal de servicio al cliente.

Pregunta 5
1 punto
Referente a los conceptos de Datawarehouse y DataLake, indique la respuesta CORRECTA:
Los datos en un datawarehouse y en un datalake son de alta calidad (datos procesados).
Un datawarehouse contiene datos para fines transaccionales más no para fines analíticos. (F)
Un datalake sólo almacena los datos procesados y estructurados que vienen de sistemas
transaccionales.(F)
Un datawarehouse almacena los datos que se recojen de los diversos sistemas de una empresa
(datos transaccionales y estructurados). (V)

Pregunta 6
1 punto
¿En qué consiste un Datamart dependiente?
Permite combinar las ventajas de un Data Warehouse central o otras fuentes externas.
Se construye a partir de un Data Warehouse central.
Se crea a partir de fuentes externas, sin recurrir al Data Warehouse central.
Está enformado a todas las partes del negocio.

Pregunta 9
1 punto

Es un ejemplo de empresa data-driven:

Empresas que recopilan todos los datos generados en sus operaciones.

Empresas que usan sistemas de información para todos sus procesos.

Empresas que recopilan y analizando sus datos con el fin de mejorar sus operaciones.

Empresas que recopilan, analizan y organizan sus datos con el fin de almacenarlos.

Pregunta 10
1 punto

¿Cuál sería la respuesta correcta en una buena práctica empresarial?; se debería contar con:

Estrategias corporativas, planes a corto y largo plazo, definición de la misión y visión

empresarial y expectativas subjetivas.

Planes a corto y largo plazo, estrategias corporativas, expectativas objetivas y definición de la

misión y visión empresarial.

Todas las anteriores se deberían considerar en una buena práctica empresarial. (me parece
que todas) si mi bb

Definición de la misión y visión empresarial, estrategias corporativas, expectativas subjetivas y

expectativas objetivas.

Pregunta 7
1 punto
Dentro de las formas de recopilación de datos, ¿qué tipo de preguntas realizarías para Afirmar lo
que Sabes en un Ambiente Angosto del problema?
Canalización del problema.
Clarificar el problema. Clarifying. Cruce de Narrow y Affirm what we know.
Buscar un problema similar.
Elevar el problema.
Pregunta 9
1 punto
¿Cuál de las siguientes afirmaciones son beneficios de la preparación de datos?:
A) Recopilación de datos más eficiente. (V)
B) Produce datos de alta calidad. (V)
C) Permite corregir errores.
D) Ayuda a mejor toma de decisiones.(V)
B), C) y D)
A), B) y D)
A), C) y D)
A), B) y C)

Pregunta 11
10 puntos

Así utiliza Zara la tecnología para mantenerse líder en la industria de la moda

Inditex, el minorista de ropa más grande del mundo y dueño de la cadena Zara, se enfrenta una
creciente competencia online de marcas más pequeñas como Boohoo.com y Missguided. Estos
rivales están produciendo ropa a mayor velocidad. Tardan una semana desde que se el diseño
hasta el punto de venta e incluyen nuevos artículos en sus webs de forma diaria.

En un intento por mantener su ventaja, la compañía española está desarrollando nuevas

estrategias de manera coordinada con empresas de tecnología y aprovechando el talento de
empresas emergentes.
El éxito o fracaso de tales esfuerzos podría ayudar a determinar si Inditex puede adaptarse al
cambiante panorama de la venta minorista de ropa, donde Amazon superará a Macy's (los
principales grandes almacenes de Nueva York) como el mayor vendedor de ropa para los
estadounidenses.

En términos más generales, podría indicar si el modelo de combinación de ventas en línea con
una gran red de tiendas físicas puede prevalecer en el mercado masivo, donde los pantalones
a medida se venden por menos de 30 euros (35 dólares) y los vestidos de lentejuelas por
menos de 50 euros.

Inditex tiene una unidad de innovación, liderada por el ex ingeniero de telecomunicaciones

Alejandro Ferrer y el fundador de startups David Alayon. La unidad está probando formas de
mejorar el manejo del stock. Se ha conectado con Fetch Robotics, con sede en California, para
probar robots que trabajen en inventario, según ha explicado la compañía a Reuters. También
se asoció con el fabricante de chips Intel para la creación de dispositivos que pueden medir
rápidamente el volumen de ropa en cajas.

La idea de fondo es aprovechar el activo del que carecen sus nuevos rivales: las tiendas
físicas. Inditex afirma que se está enfocando en áreas como la "inteligencia de ubicación", una
tecnología de ultrasonido utilizada para rastrear los pasos en las tiendas, así como asistentes
virtuales para ayudar a los clientes.

La inteligencia de ubicación permite que las aplicaciones cambien al modo "instore" cuando un
cliente ingresa a una tienda, para que el cliente pueda localizar productos y recibir ofertas.

Una fuente familiarizada con el tema dijo que Inditex también ha formado alianzas de desarrollo
con compañías tecnológicas como Jetlore, que utiliza inteligencia artificial para predecir el
comportamiento del consumidor, y la empresa española de Big Data, El Arte de Medir.

Los ejecutivos de Inditex, que son famosos por su discreción y que rara vez conceden
entrevistas, confirmaron los acuerdos a Reuters, pero afirmaron que los proyectos estaban en
fase de pruebas, sin aportar más detalles.

Sin fórmula secreta

Zara fue pionera en el concepto de moda rápida en la década de 1980. Fue la primera en
desarrollar un método de reacción rápida a las tendencias cambiantes, utilizando cadenas de
suministro ágiles basadas en la producción de abastecimiento cerca de la sede para acelerar
sus "plazos de entrega" que desde el comienzo del proceso de diseño hasta llegar a las tiendas
tardaba semanas.

Pero los nuevos competidores crecen rápidamente, sin presión por la propiedad de las tiendas
físicas, acercan la producción a la distribución y a la constante renovación de la mercancía.

Boohoo.com, fundada en la ciudad británica de Manchester en 2006, opera en un modelo de

"prueba y repetición" por el cual produce pequeños lotes y aumenta la producción de los que
mejor se venden. Más de la mitad de sus productos se fabrican en Gran Bretaña.

La compañía, cuyas ventas se duplicaron el año pasado, dijo que tenía plazos de entrega tan
cortos como dos semanas. Missguided, que también tiene su sede en Manchester, ha dicho
que sus plazos de entrega pueden ser de tan solo una semana.
El modelo de Inditex se basa en la producción de abastecimiento cerca de su sede en Galicia
para que los pedidos puedan enviarse rápidamente a su red de más de 7,000 tiendas en todo
el mundo. Sus proveedores se encuentran principalmente en España, Portugal, Turquía y
Marruecos, en lugar de los tradicionales centros de fabricación asiáticos.

Pero algunos nuevos jugadores en línea están cambiando el juego al acercar aún más la
fabricación, con Boohoo.com que compra más de la mitad de sus productos de Gran Bretaña.
Estrategia acercar más producción con distribución.

ASOS, un retailer británico onlone que tiene muchas fábricas en Europa continental, busca
aumentar la producción en el hogar para mejorar los plazos de entrega, que son de cuatro a
seis semanas.

"Cuando se trata de prendas de vestir, no hay una salsa secreta", dijo Felipe Caro, profesor de
negocios de la Escuela de Administración Anderson de UCLA, quien escribió un estudio sobre
Zara: "Para acortar los plazos de entrega, no hay otra manera que hacer producción local".

Inditex busca integrar las ventas en línea con su red física centrándose en tiendas grandes y
atractivas donde los clientes pueden probar artículos para comprar más tarde en ordenadores y
smartphones.

En febrero, la firma contrató a Sergio Álvarez, cofundador de CARTO, una start-up que se
enfoca en inteligencia de localización, para trabajar en su negocio digital.

Inditex también ha trabajado con su proveedor de alarmas, Tyco, para incorporar un pequeño
microchip en etiquetas de seguridad que llevan información de estilo y tamaño sobre la prenda
y que permite a la compañía ubicar su paradero en cualquier punto de la cadena de suministro.

Cuando la compañía dio a conocer los resultados trimestrales esta semana, el gerente general
de Inditex, Pablo Isla, dijo a los analistas que un control estricto de las prendas mediante el
etiquetado significa que se pueden vender más prendas a precio completo ya que los artículos
en existencia en una tienda también se pueden ofrecer en línea. "Se trata de la integración total
entre la tienda física y los almacenes online", asegura.

Preguntas:

1. De acuerdo a lo revisado en el curso ¿Inditex debe implementar un datawarehouse o un

datalake? Justifique su respuesta. (3 puntos)

Se requiere que la data este alineado a la estrategia de Inditex que es diferenciarse de la

competencia mediante integrar las ventas en línea con su red física centrándose en tiendas
grandes y atractivas donde los clientes pueden probar artículos para comprar más tarde en
ordenadores y smartphones. . Se elige datawarehouse por las siguientes 3 razones:

Un data warehousees un repositorio unificado para todos los datos que recogen los diversos
sistemas de una empresa. Esto permitirá que pueda tener integración ya que se vienen fuentes
de distintos canales tales como Jetlore y el arte de Medir.

Los datos de un Data Warehouse son datos estructurados, hace hincapié en la captura de
datos de diversas fuentes sobre todo para fines analíticos y de acceso a datos. Estos datos que
se registraron cuenta con esa forma de registro ya que son numéricos y permiten tener mayor
disposición.

Undata warehousese aloja en un servidor on-premise (físicamente en un sitio corporativo) o en

la nube. Se puede realizar en un canal online la carga para que sea disponible en cualquier
sede.

2. ¿Considera usted que los datos generan una ventaja competitiva,justifique su

respuesta?¿como usan la data las empresas mencionadas en el caso? (4 puntos)

Si, porque se esta mejorando más la forma de diferenciarse de la competencia conociendo más
a sus clientes y utilizando cadenas de suministro ágiles basadas en la producción de
abastecimiento cerca de la sede para acelerar sus "plazos de entrega". Se cuentan con 4
aliados clave:

Tyco, para incorporar un pequeño microchip en etiquetas de seguridad que llevan información
de estilo y tamaño sobre la prenda y que permite a la compañía ubicar su paradero en
cualquier punto de la cadena de suministro

CARTO, una start-up que se enfoca en inteligencia de localización, para trabajar en su negocio
digital.

Inditex afirma que se está enfocando en áreas como la "inteligencia de ubicación", una
tecnología de ultrasonido utilizada para rastrear los pasos en las tiendas, así como asistentes
virtuales para ayudar a los clientes.

alianzas de desarrollo con compañías tecnológicas como Jetlore, que utiliza inteligencia
artificial para predecir el comportamiento del consumidor, y la empresa española de Big Data,
El Arte de Medir.

Estos casos permiten que la empresa Inditex pueda integrar con mayor aceleración la
información para cumplir su estrategia de conocer más a sus clientes y utilizando cadenas de
suministro ágiles basadas en la producción de abastecimiento cerca de la sede para acelerar
sus "plazos de entrega"

3. ¿Qué tipos de datos se manejan en inditex? brinde un ejemplo de cada uno de ellos. (3
puntos)

Podemos mencionar estos casos de los socios clave:

Tyco, para incorporar un pequeño microchip en etiquetas de seguridad que llevan información
de estilo y tamaño sobre la prenda y que permite a la compañía ubicar su paradero en
cualquier punto de la cadena de suministro. Dato estructurado porque se fija una forma de
como realiza la compra.

CARTO, una start-up que se enfoca en inteligencia de localización, para trabajar en su negocio
digital. Localización por termino numerico en base a la posición del cliente en GPS.

Inditex afirma que se está enfocando en áreas como la "inteligencia de ubicación", una
tecnología de ultrasonido utilizada para rastrear los pasos en las tiendas, así como asistentes
virtuales para ayudar a los clientes. Esto es numerico porque permite tener mayor
profundización de ubicación.

alianzas de desarrollo con compañías tecnológicas como Jetlore, que utiliza inteligencia
artificial para predecir el comportamiento del consumidor, y la empresa española de Big Data,
El Arte de Medir. Estos datos son estructurados porque permiten tener respuestas que son
donde se puede tener rapida visualización.

Pregunta 10
1 punto
Indique la afirmación más genérica, un datalake permite:
Almacenar data de audio y video.
Almacenar datos estructurados en una base de datos OLAP.
Almacenar datos transaccionales e históricos.
Almacenar datos estructurados y no estructurados.

Ahora vamos por los casos

ok
Yo hago zara

tu mi bb blinker
apoyate en el excel y hazlo bien especifico con mucho detalle.(okey)

Contenido del cuestionario

Página 11 de 11
Pregunta 11
10 puntos
Blinker es una compañía líder a nivel internacional que, desde su creación hace más de 25
años, se ha especializado en el suministro de material auxiliar para la reparación, el
mantenimiento y la instalación profesional en los sectores de Automoción, Vehículo
industrial, Construcción, Metal, Madera, Náutica y también para los profesionales del
 Mantenimiento e Instaladores.

Con sede en España y con presencia en más de 40 países y 4 continentes, Blinker cuenta
con un catálogo con más de 20.000 referencias de producto, divididos en 22 categorías y
con más de 150.000 clientes en todo el mundo, su crecimiento ha sido bastante significativo
a lo largo de los años y uno de sus pilares ha sido su sistema de logística, con unas amplias
instalaciones completamente automatizadas que permiten la optimización del tiempo y costo
para sus envíos, los cuales los realizan por vía área, terrestre y marítica, según sea el caso,
pero últimamente ha estado perdiendo mercado en algunas regiones debido a la demora en
el abastecimiento a sus distribuidores en algunos países.

La compañía ha acumulado grandes cantidades de datos en el tiempo pero no les saca el

provecho adecuado debido a que no cuentan con una solución de analítica, por lo tanto,
alineado a su estrategia corporativa, Blinker ha iniciado un proyecto para implementar una
infraestructura de analytics que permita centralizar toda la información a nivel corporativo,
además, creó la división de Business Intelligence interno en la compañía, la cual trabajará
con una empresa consultora para llevar a cabo dicho proyecto. Por ahora, la solución sólo
se enfocará en información interna que traiga de los sistemas transaccionales de todas sus
operaciones ubicadas en más de 40 países, es decir, no se traerá información de fuentes
externas.

La apuesta por la analítica en Blinker ha sido firme, clara y estratégica, y esperan poder
aprovechar toda la información histórica e información actual que se genera día a día para
abastecer a tiempo a sus sedes con costos adecuados.

Preguntas:

a) ¿Qué tipo de solución analítica (datalake o datawarehouse) implementaría? (sustente su

respuesta) - (3 Puntos)
La solución analítica que se emplearía es Datawarehouse, haciendo la captura de los datos
actuales e históricos de la empresa, les permitirá analizar la situación actual de la compañía
y que acciones de mejora se deben plantear para revertir la demora en el abastecimiento a
sus distribuidores en ciertos países.
Esto se aplicaría por 3 razones:
Permitirá abastecer a tiempo a sus sedes con costos adecuados.
Centralizar toda la información a nivel corporativo.
La construcción del DW debe estar alineada a la estrategia del negocio, es decir, a cubrir alguna
necesidad de información del negocio. Esto es porque necesita conocer a tiempo sus
costos.

b) ¿Qué información analizaría para este caso?, ¿qué KPIs definiría?. - (3 Puntos)
Se enfocaría en el porqué de la demora de abastecimiento a sus dristribuidores en ciertos
países y los costos que sean los adecuados. Esto se define porque su principal
preocupación son dos puntos: demora en abastecimiento y costos adecuados.
Se definiría los siguientes KPIs:
- Tipo de mix de pedidos por cliente = variedad de pedidos / total de pedidos.
- Tipo de producto más comprado por el cliente = compras anuales de el pedido más realizado
por cliente / total de pedidos por cliente
- Ratio de beneficio por punto de venta = beneficio por pedido generado / total de costos de los
pedidos.
- Tiempo de demora en abastecimiento = tiempo real de entrega /tiempo estimado de entrega
- Costo por país de pedido= costo del pedido real / costo estimado del pedido
- Cumplimiento del distribuidor = Tiempo real de cumplimiento / tiempo estimado del
cumplimiento

c) ¿cuáles serían los objetivos empresariales a cubrir con este análisis? - (4 Puntos)
Identificar el pedido más mix que realiza el cliente en los puntos de venta de la empresa Blinker.
Esto con el objetivo de poder identificar el pedido y su costo y con ello poder mejorar su
tiempo de entrega a través de la forma sea marítima, aérea o terrestre.
Desarrollar los canales de puntos de venta más óptimos por cliente de la empresa Blinker. Este
objetivo se precisa porque se debe conocer que canal es el más recurrente sea aereo,
maritimo o terrestre y poder ofrecer a los clientes por medio de su pedido online con tiempo
el tipo de abastecimiento.
Analizar los canales de información por producto más vendido del cliente en la empresa
Blinker. Esto permitirá que se cuente con información en tiempo real de los productos más
vendidos y su costo para poder reconocer si es el real o esta sobre eestimado su costo.
 Identificar los tiempos de demora de abastecimiento por pais y por distribuidor para poder tener
mayor fuente de información y poder generar un mayor cumplimiento y mayor satisfacción
de los clientes.

Caso DANONE
En colaboración con el Departamento Comercial, se creó dentro de la estructura de operaciones
de Danone el área de New Order con el objetivo de generar los pedidos de suministro para los
Puntos de Venta. Gracias a esto Danone es capaz de tener mayor visibilidad de todo lo que
ocurre en el punto de venta con sus productos y entre otras cosas, garantizar que haya una
buena visibilidad del producto en el lineal y que no haya roturas de stock.
En un inicio el departamento creyó conveniente desarrollar varias herramientas de Business
Analytics para centralizar y distribuir todos los datos que se generaban durante el proceso de
creación de pedidos. Esto les permitía tener acceso a todos los datos que se creaban y un
análisis básico que en ese momento era esencial para ellos.
El Reto
Más adelante surgió la necesidad de realizar diagnósticos periódicos de los clientes para poder
identificar e implementar acciones de mejora en los Puntos de Venta. Estos diagnósticos
implicaban cruzar grandes cantidades de datos de fuentes de información muy diversas. Además,
para cada cliente se podía necesitar enfocar el diagnóstico de una manera diferente, por lo que
no siempre servían los mismos KPI’s.
La Solución
Con Business Insights se ha ayudado a Danone a reducir considerablemente los tiempos de
diagnósticos, de 3 meses a 2-3 semanas, gracias a:
Eluso de herramientas avanzadas
Elconocimiento de los orígenes de datos
Laclara vocación de negocio
De esta manera se ha conseguido tener una toma de decisiones más rápida en un menor período
de tiempo. Además de los diagnósticos de clientes se realizaron análisis para medir el impacto de
los planes de acción con el fin de conocer si han tenido éxito y si hay puntos de mejora.
Uno de los ejemplos es el estudio sobre la elasticidad en la disponibilidad y caducidad de los
productos respecto a su rotación que está permitiendo una optimización de la gestión del surtido a
Danone.
El servicio ofrecido hasta la fecha tiene un impacto directo en el desarrollo de New Order.
Se ha aumentado la capacidad analítica del departamento gracias a la creación de nuevos KPI’s y
a la elaboración de informes periódicos de su evolución.
Gracias al servicio de diagnóstico se han elaborado planes de acción para optimizar el
funcionamiento de NwO.
Claves del Éxito
El conocimiento y capacidades analíticas son básicos para poder realizar satisfactoriamente este
servicio, pero por encima de todo, la clave del éxito reside en el trabajo en equipo y la confianza
en los datos. Tal y como comenta Beatriz Montes, Customer Perfomance Manager en Danone:
“En la actualidad, gracias a las nuevas tecnologías, disponer de la información necesaria no es lo
más complejo. Lo difícil es aprender a estructurar los análisis adecuados que nos permitan
diagnosticar a tiempo la situación sin perderse en miles y miles de datos e indicadores. La
colaboración con SDG nos ha permitido avanzar notablemente en este sentido”.
Conclusiones
Hoy en día la mayoría de las empresas lleva a cabo la toma de decisiones sin tener en cuenta
todos los datos de los que dispone en las diferentes fuentes de información, por lo que es de vital
importancia entender todo el valor que se puede llegar a extraer del análisis avanzado de los
datos. Gracias a aplicar Business Insights, Danone ha reducido considerablemente su tiempo en
la toma de decisiones y es consciente de la importancia del análisis de datos y el impacto directo
que tiene en la organización y en los resultados.
Preguntas:
a) ¿Qué tipo de solución analítica (datalake o datawarehouse) implementaría? (sustente su
respuesta) - (3 Puntos)
se implementaria Datawarehouse porque es una decisión más alineado a lo estrategico a tener un
modelo de negocio que le permita generar valor para sus clientes y poder tener información en
tiempo real para poder tomar decisiones. Se elige esta estrategia porque se debe tener mayor
foco en está diseñado sobre la base de los sistemas OLAP para realizar agregaciones de datos
con fines analíticos y la construcción del DW debe estar alineada a la estrategia del negocio, es
decir, a cubrir alguna necesidad de información del negocio. El negocio de Danone necesita de
reducir considerablemente los tiempos de diagnósticos, de 3 meses a 2-3 semanas y esto fue ,
gracias a que se tenia la estrategia clara para alcanzarlo mediante:
 Eluso de herramientas avanzadas
Elconocimiento de los orígenes de datos
Laclara vocación de negocio
Tambien se elige DW porque Lo difícil es aprender a estructurar los análisis adecuados que nos
permitan diagnosticar a tiempo la situación sin perderse en miles y miles de datos e indicadores.
La colaboración con SDG nos ha permitido avanzar notablemente en este sentido.

b) ¿Qué información analizaría para este caso?, ¿qué KPIs definiría? - (3 Puntos)

Tipo de mix de pedidos por cliente = variedad de pedidos / total de pedidos,

Tipo de producto más comprado por el cliente = compras anuales de el pedido más realizado por
cliente / total de pedidos por cliente
Ratio de beneficio por punto de venta = beneficio por pedido generado / total de costos de los
pedidos.
Uno de los ejemplos es el estudio sobre la elasticidad en la disponibilidad y caducidad de los
productos respecto a su rotación que está permitiendo una optimización de la gestión del surtido a
Danone.
Elasticidad de disponibilidad = variación de precio / variación de cantidad
Caducidad de los productos= Productos vencidos / Productos totales

c) ¿Cuáles serían los objetivos empresariales a cubrir con este análisis? - (4 Puntos)

Identificar la elasticidad adecuada para cada uno de sus pedidos..

Identificar porque los productos caducan en sus periodos de entrega y porque están
sucediendo ello.
Determinar la rotación óptima para cada uno de sus productos.

Pregunta 2
1 punto
No son formas de recopilar datos:
Busqueda de informacion restringida en internet.
Sensores.
 Digitalización.
Aplicaciones.

Pregunta 5
1 punto
¿Qué es la preparación de datos?
Extraer y almacenar los datos en bruto en una Datawarehouse para análisis.
Recopilar datos de los sistemas transaccionales y llevarlos a un sistema de analítica.
Limpiar y transformar los datos antes de su procesamiento y análisis.
Ninguna de las anteriores define la preparación de datos.

Pregunta 3
1 punto
Un datamart permite:
Almacenar data estructurada y no estructurada.
Almacenar data de fuentes externas.
Almacenar datos bajo un modelo relacional transaccional.
Almacenar los datos necesarios para que un area de negocio o usuario realice sus proyectos
analiticos.

Pregunta 7
1 punto
Indique un beneficio de Business Analytics:
Aumenta la capacidad de planificar y realizar pronósticos.
Mejora la toma de decisiones al estar fundadas en evidencias y datos concretos.
Ofrece una perspectiva más amplia del negocio (mayor control).
Todas las anteriores.