INNOVACION TECNOLOGICA

TALLER AMAZON

DOCENTE:
ING. JOHN STEVE GUERRERO JAIME

INTEGRANTES:
DEYMER JULIAN MONCADA GRISALES
CODIGO:30840
FELIPE ARTURO GIL CARMONA
CODIGO:46358
BRANDO MERLO CASTELLANOS
CODIGO:
ANDRES FELIPE PEREZ BUSTAMENTE
CODIGO:70529
JULIAN ANDRES VALENCIA SILVA
CODIGO:71052

UNIVERSIDAD ECCI
BOGOTA D.C.
2021
 914-005-1

Centro IBS de Investigación en Gestión

Estrategia de Big Data de Amazon

Este caso fue escrito por Adapa Srinivasa Rao, bajo la dirección de Debapratim Purkayastha, IBSHyderabad.
Fue compilado a partir de fuentes publicadas y está destinado a ser utilizado como base para
discusión en clase en lugar de ilustrar el manejo efectivo o ineficaz de una situación de gestión.

2014, Centro IBS de Investigación en Gestión

Centro IBS de Investigación en Gestión

(ICMR)Campus IFHE, Donthanapally,
Sankarapally Road, Hyderabad-501 203, Andhra
Pradesh, INDIA.
Teléfono: +91 9640901313
Correo electrónico: info@icmrindia.org

Distribuida por The Case Center Norteamérica Resto del mundo

www.thecasecentre.org t+1781239 5884 t+44 (0) 1234 750903
centrar Reservados todos los derechos F+1781239 5885
miinfo.usa@thecasecentre.org
F+44 (0) 1234 751125
miinfo@thecasecentre.org
 914-005-1

Estrategia de Big Data de Amazon

“En el equipo de recomendación de Amazon, nos preguntamos cómo tomamos estos
datos y ganamos un poco más de dinero, cómo los aplicamos en este canal de
manera diferente y fue realmente genial. Ahora se le llama 'big data' en el mundo
del marketing y los medios, pero en el momento en que estábamos haciendo estas
cosas, era simplemente poner un pie delante del otro ”1.
- David Sellinger, ex gerente de software (investigación del comportamiento del
cliente),
Amazon.com, Inc. (Amazon), en octubre de 2013.

La empresa líder de comercio electrónico Amazon.com, Inc. (Amazon) y su subsidiaria Zappos se

clasificaron entre los diez principales minoristas en la National Retail Federation Foundation /
American Express Customers 'Choice Awardsa durante dos años consecutivos (2010 y 2011). Los
observadores de la industria sintieron que el codiciado reconocimiento fue el resultado del uso que
hizo Amazon de sus recursos de big datab para brindar una calidad de servicio superior. Desde el
momento en que emergió como un proveedor dominante de servicios de Internet a principios de la
década de 2000, Amazon había comenzado a centrarse en big data para mejorar su rendimiento.
Junto con muchas otras empresas importantes de Internet, se dio cuenta de la importancia de los
macrodatos a principios de la década de 2000 y, desde entonces, se centró en utilizar correctamente
las enormes bases de datos de personas que compraban en sus portales de comercio electrónico.
Amazon aprovechó sus fuentes de big data para brindar a sus clientes buenas recomendaciones de
productos y, por lo tanto, mejorar la relación con ellos. Utilizó sus recursos de big data para
actualizar meticulosamente su famoso sistema de recomendación de clientes. Se utilizaron datos
sobre compras anteriores realizadas por los clientes para brindarles sugerencias de productos
altamente personalizadas. El análisis de los datos de los clientes anteriores también ayudó a Amazon
a dar sugerencias a los nuevos clientes que estaban comprando en su portal por primera vez. Los
macrodatos ayudaron a Amazon a desarrollar perfiles de clientes de 360 grados y a crear mensajes
de marketing hiperpersonalizados con respecto a los productos en función de las necesidades y
preferencias de los clientes individuales. Del lado del cliente, Amazon también utilizó sus recursos
de big data para mejorar la calidad de su atención al cliente. El fácil acceso a los perfiles de los
clientes y sus hábitos de compra / navegación anteriores facilitó a los ejecutivos de servicio al cliente
de la empresa brindar soluciones rápidas a las quejas de los clientes. La adquisición de Zapposc por
Amazon en el año 2009 facilitó aún más el uso de big data para mejorar la calidad del servicio al
cliente. Los recursos de big data también se utilizaron de forma innovadora, como la comprobación
del fraude a nivel organizativo.

2
 914-005-1

Los datos del catálogo de productos se analizaron minuciosamente para identificar cuáles de los
artículos tenían más probabilidades de ser robados. Los resultados de este análisis se
retroalimentaron a los almacenes de la empresa para limitar el robo de artículos.
Además de mejorar su propio rendimiento, Amazon también ayudó a otras empresas de comercio
electrónico más pequeñas al permitirles utilizar sus recursos de big data y mejorar su rendimiento.
Un servicio innovador llamado Amazon Webstore, lanzado en 2010, permitió a las empresas más
pequeñas construir sus portales alrededor de la plataforma de comercio electrónico de Amazon. Los
usuarios de Amazon Webstore podrían anunciar sus productos en los portales de Amazon pagando
una pequeña parte de las ganancias de las ventas como comisión a Amazon. Por una tarifa mensual
fija por utilizar el servicio, las empresas asociadas podrían utilizar los recursos de big data de
Amazon. Amazon Webstore tuvo bastante éxito y fue adoptado tanto por pequeños como por grandes
minoristas como Timex y Samsonite, que no querían tener su propio sistema de comercio
electrónico. El conjunto de servicios de Internet basados en la nube de Amazon conocido como
Amazon Web Services (AWS) también había presentado soluciones para pequeñas empresas para
que pudieran implementar big data fácilmente. Un nuevo servicio conocido como Kinesis, anunciado
en noviembre de 2013, podría procesar grandes volúmenes de datos que fluyen hacia AWS en tiempo
real. Según algunos observadores de la industria, esta fue la apuesta de Amazon para cerrar el ciclo
en su pila de nube integrada y ofrecer una solución de extremo a extremo para recopilar y procesar
datos. Consideraron que con solo echar un vistazo a los diversos aspectos de sus capacidades de big
data y aprovecharlos de manera efectiva, la empresa podría surgir como una amenaza para todo el
ecosistema de análisis.

NOTA DE ANTECEDENTES

Amazon fue fundada en el año 1994 por Jeffrey Preston Bezos (Bezos). Inició sus operaciones en
un momento en que el alcance de Internet aumentaba y se consideraba a Internet como un medio
comercial potencial. Al comprender la tendencia, a Bezos se le ocurrió la idea de vender libros a
través de Internet. En su opinión, los libros eran los mejores productos para vender en línea, ya que
había millones de títulos impresos y un sitio de comercio electrónico podía albergar y vender muchos
más libros que las librerías tradicionales. Bezos calculó que las tiendas físicas comunes no podían
albergar más de 200.000 libros a la vez y se propuso construir una gran librería en línea que fuera
más grande que cualquier librería física del mundo. Amazon se financió inicialmente con el dinero
que Bezos pidió prestado a amigos y familiares. Bezos y su esposa,
Amazon finalmente se abrió a los clientes en el año 1995. Como muchos otros gigantes de la
tecnología, inicialmente se administraba desde un garaje, el de la casa de Bezos en Washington. En
el momento en que Amazon inició sus operaciones, el mercado de venta al por menor de libros
estaba muy fragmentado y no había ningún actor importante excepto Barnes & Noble, Inc. d Barnes
& Noble tenía una décima parte de la cuota de mercado total, pero no tenía presencia en línea.
Amazon obtuvo así la ventaja de ser el primero en moverse y enfrentó muy poca competencia en sus
días iniciales de operación. Desde que inició sus operaciones comerciales, Bezos se centró en los
clientes y creyó que la lealtad del cliente era la clave para penetrar en el mercado y aumentar las
ventas. Amazon comenzó a enviar productos a los 50 estados de EE. UU. Y a otros 45 países dentro
de un mes de su lanzamiento, y todo esto mientras aún trabajaba desde el garaje de Bezos. La
popularidad de Amazon creció a través del boca a boca a medida que los clientes lo recomendaban
a otros. A los cuatro meses de su lanzamiento, Amazon vendía más de 100 libros al día. El
impresionante desempeño de la compañía atrajo inversionistas y Amazon obtuvo su primera gran
inversión de US $ 100,000 de Madrona Venture Group, Inc.e en 1995. La compañía reportó ventas
netas de US $ 511,000 durante los primeros seis meses de sus operaciones y la confianza de Bezos
en que podría hacer que el éxito de la empresa aumentara.

3
 914-005-1

A principios de 1996, Amazon se trasladó a una nueva sede, un pequeño almacén en Seattle. La
empresa empleaba a 11 personas y ofrecía 2,5 millones de títulos de libros. Siguiendo el modelo
japonés, Amazon tenía un inventario muy limitado y, por lo tanto, mantuvo sus costos bajo control.
Comenzó un innovador programa de marketing de afiliados llamado Programa de Asociados de
Amazon en julio de 1996. El programa permitió que sitios web de terceros vendieran libros a través
de enlaces a Amazon publicados en sus sitios por una comisión del 15 por ciento sobre las ventas
totales realizadas. El programa fue un gran éxito y ayudó a expandir el alcance de Amazon sin que
la empresa tuviera que gastar mucho en publicidad. Los expertos opinaron que el programa no solo
generó tráfico a Amazon, sino que mejoró la presencia de la marca en línea, ya que estos sitios de
terceros llevaban el logotipo de Amazon en sus páginas. Posteriormente, el Programa de Asociados
de Amazon se extendió a todos los productos vendidos en el portal de Amazon. Amazon salió a
bolsa en el año 1997 y puso a la venta 3 millones de sus acciones. Las acciones se abrieron a US $
18 por acción y la OPI recaudó US $ 54 millones para la empresa. En el año 1998, Amazon comenzó
a vender DVD con la apertura de su tienda de videos, a la que siguió el lanzamiento de las subastas
de Amazon.com en marzo de 1999.4
El éxito de Amazon atrajo al mercado a muchos competidores nuevos como Book Stacks y Book
Zone, lo que generó una mayor competencia para la empresa. Para contrarrestar la competencia de
manera efectiva, Amazon introdujo nuevas características como reseñas de productos en línea donde
los clientes podían escribir su propia reseña de libros, así como leer reseñas escritas por otros. Para
el año 2000, Amazon había realizado un gran cambio en su modelo de negocio y comenzó a vender
otros productos. En 2000, también amplió su presencia y lanzó sitios en Francia y Japón. En el año
2001, Amazon permitió que otros minoristas vendieran sus productos a través de su sitio y tomó una
parte de las ganancias de las ventas como su comisión. En el último trimestre del año 2001, Amazon
reportó su primer beneficio.5
Las operaciones de Amazon se expandieron aún más en el año 2003 cuando abrió nuevos sitios web
en países de Asia y el Pacífico y Europa. En el año 2006, lanzó una subsidiaria clave llamada
Amazon Web Services.6 Amazon Web Services proporcionó una variedad de servicios de
computación remota basados en la nube a sus clientes. El advenimiento de la era digital estaba
cambiando los patrones de consumo de contenido de las personas. Muchas personas comenzaron a
leer libros y revistas en sus computadoras de escritorio y portátiles en lugar de comprar copias físicas.
En respuesta a este cambio, Amazon presentó un lector de libros electrónicos llamado Kindle en el
año 2007. Kindle fue un gran éxito en el mercado y anunció una nueva era de lectura digital. Más
tarde, Kindle se lanzó como una aplicación para otros dispositivos que funcionan en sistemas
operativos como Android e iOSf. Para el año 2011, la capitalización de mercado de Amazon había
alcanzado la marca de los 100.000 millones de dólares, lo que la convierte en una de las empresas
de tecnología líderes en el mundo. Para el año fiscal 2012, Amazon tuvo ingresos de US $ 61.09 mil
millones y una pérdida neta de US $ 39 mil millones (consulte el Anexo II para conocer las finanzas
de Amazon).

GRANDES DATOS EN AMAZON

A lo largo de los años, Amazon había pasado de ser un actor de comercio electrónico puro a una
empresa gigante de servicios de Internet que ofrecía una amplia gama de servicios para individuos
y corporaciones. Comenzó a centrarse en gran medida en big data y se embarcó en su transición de
un minorista en línea puro a una empresa gigante de big data. Amazon junto con otros gigantes
importantes de Internet como Yahoo! Inc.g (Yahoo) y Twitter, Inc.h (Twitter) se dieron cuenta a
principios de la década de 2000 de que tenían enormes cantidades de datos sobre sus usuarios que
podían darles un uso valioso. Mientras que las otras empresas no se concentraron en la importancia
de Big Data, Amazon se apresuró a sacar provecho de la invaluable base de datos de

4
 914-005-1

personas que comprado en sus portales de comercio electrónico en todo el mundo. El equipo de
recomendación de productos de Amazon pensó en formas innovadoras en las que podría utilizar los
datos acumulados por la empresa. El resultado fue la revolución del big data que transformó la forma
en que Amazon hacía negocios.
Como gigante del comercio electrónico, el éxito de Amazon siempre había dependido de poner los
productos adecuados a disposición de sus clientes. Hacer que los productos adecuados estuvieran
disponibles a su vez dependía de la comprensión de los productos precisos que querían los clientes.
Comprender las necesidades y los gustos de los clientes implicaba realizar una investigación de
mercado adecuada, así como analizar su propia base de clientes. Desde sus inicios, Amazon ha sido
reconocida por su sistema de recomendación de productos que brinda sugerencias de productos a los
clientes en función de su comportamiento de compra anterior. Los datos recopilados de sus clientes
fueron la principal fuerza impulsora del sistema de recomendación de Amazon. Siendo el jugador
líder en comercio electrónico, Amazon tenía un gran banco de datos sobre los me gusta y el
comportamiento de compra pasado de su base de clientes. Había utilizado este banco de datos para
construir su sistema de recomendación. Su anterior sistema de recomendación se había basado en
mostrar más artículos similares a los que buscaban sus clientes. Este método de similitud artículo
por artículo se creó sobre la base del filtrado colaborativoi y tuvo un gran éxito en la profundización
de la relación con sus clientes. Desde entonces, su motor de recomendación se ha mejorado y
perfeccionado para ofrecer mejores resultados.
Más tarde, Amazon también comenzó a utilizar los datos históricos de compras de los consumidores
y los datos del flujo de clics de todos sus clientes para mostrar páginas web con información
personalizada de manera única. El uso de dichos datos ayudó a Amazon de muchas maneras además
de mostrar los productos relacionados y alternativos que los consumidores había estado buscando.
La extracción de la gran cantidad de datos ayudó a comprender los sentimientos internos y los gustos
de los clientes que no podían expresar. Al comentar sobre la importancia de los datos para
comprender el comportamiento de los clientes, Michael Driscoll de Datasporaj dijo: “Puede
preguntar a las personas qué influye en su deseo de renovar su contrato de telefonía celular, y lo que
la gente dice y lo que hace a menudo es muy diferente. Los datos son la clave para diferenciar entre
lo que las personas dicen en términos de sentimiento y lo que hacen en términos de acciones ".

UTILIZANDO BIG DATA

Amazon aprovechó el big data para mejorar su relación con sus clientes y brindar un servicio al
cliente superior. El minorista en línea creó una amplia base de datos de sus clientes y sus preferencias
de compra durante un largo período de tiempo. Fue una de las primeras empresas de comercio
electrónico en comenzar a utilizar el método de venta cruzada / venta ascendente. Este sistema de
recomendación de clientes se amplió posteriormente mediante la utilización de sus recursos de big
data. Usando big data, Amazon comenzó a analizar las compras de productos anteriores realizadas
por sus clientes en su tienda en línea y los otros artículos que se compraron junto con ellos. Los datos
recopilados de sus clientes se utilizaron para dar sugerencias silenciosas pero altamente
personalizadas para hacerles comprar más. Este análisis de datos ayudó a Amazon a brindar
sugerencias de productos a clientes nuevos y existentes que, de otra manera, no hubieran comprado
un producto complementario. Esta fue la razón por la que los sitios de Amazon mostraban
recomendaciones de venta cruzada del tipo `` Otros clientes que compraron este artículo también
compraron ese artículo ''.12 Las recomendaciones relacionadas con el producto también se
personalizaron en función de muchos factores, como la ubicación y la demografía del cliente.
“Incluso puede correlacionar el comportamiento de compra entre las ventas de viviendas y jardines”,
dijo Jeff Kelly, analista líder de big data en Wikibonk.

La desconcertante gama de productos que se exhibían en los portales de comercio electrónico los
hacía parecer difíciles de manejar e incomprensibles para muchos clientes. Según los analistas,
extraer el tesoro de la información y proporcionar recomendaciones de productos relevantes podría
hacer que los sitios de comercio electrónico se sintieran más pequeños e íntimos para los
5
 914-005-1

consumidores. Los macrodatos también ayudaron a Amazon en el desarrollo de su estrategia de

marketing personalizada, una táctica en la que sobresalió. Muchas empresas de comercio electrónico
recurrieron al envío masivo por correo electrónico genérico de los productos y ofertas que estaban
disponibles con ellos. Esta estrategia condujo al desperdicio de los esfuerzos de marketing de
muchas empresas y al etiquetado de los correos electrónicos de comercio electrónico como spam.
Amazon creó perfiles de clientes de 360 grados que rastrearon y almacenaron todo lo relacionado
con los clientes, como su historial de navegación, datos sociales, gustos y preferencias.
Amazon también se basó en big data para mejorar la calidad de su servicio posventa a sus clientes.
Se sabía que la mayoría de los clientes estadounidenses tenían una experiencia en gran medida
negativa en sus interacciones de servicio. Amazon trató de resolver este problema aprovechando la
gran cantidad de datos que tenía sobre sus clientes. Tener los datos correctos le ayudó a tener un
intercambio favorable con sus clientes y a resolver sus problemas rápidamente. Los ejecutivos de
servicio al cliente de Amazon tuvieron acceso rápido a los datos sobre las compras pasadas y el
historial de navegación de sus clientes. Esto permitió a la empresa brindar soluciones más rápidas a
los problemas y quejas de sus clientes. Los denunciantes no tenían que deletrear sus detalles como
apellidos, números de contacto y direcciones repetidamente antes de que se resolvieran sus consultas
/ problemas. Este enfoque único de utilizar big data para mejorar la calidad del servicio dio resultados
espectaculares. Después de tener una experiencia positiva con el equipo de soporte de Amazon en
uno de esos encuentros, Sean Madden, uno de los principales blogueros de negocios, dijo: “Después
de casi una década de ordenar cosas de Amazon, nunca amé a la compañía tanto como en ese
momento”.
Uno de los factores que facilitó el uso de big data para la atención al cliente fue la adquisición por
parte de Amazon de Zappos, el mayor minorista en línea de zapatos, en el año 2009. Amazon
adquirió Zappos por US $ 1.2 mil millones para expandir su alcance en las categorías de productos
en las que no era fuerte.19 Zappos era famoso por usar su base de datos de clientes para brindar un
toque personal a sus clientes y convertirlos en sus fanáticos y porristas. Amazon adoptó las
estrategias de servicio al cliente de Zappos después de que asumió el control de la empresa.La
aplicación de big data para mejorar el servicio al cliente hizo que Amazon y su subsidiaria Zappos
se ubicaran entre los diez principales minoristas en los premios National Retail Federation
Foundation / American Express Customers 'Choice Awards para los años 2010 y 2011 (consulte el
Anexo III para conocer los diez principales minoristas en los premios National Retail Federation
Foundation / American Express Customers 'Choice Awards para 2010 y 2011) .
En lugar de usar big data para proporcionar mejores sugerencias de productos y mejorar la calidad
del servicio, Amazon lo usó para verificar el fraude en la organización. Un área interesante en la que
Amazon se benefició mediante el uso de big data fue la prevención del robo de almacenes. En un
momento dado, Amazon tenía 1.500 millones de artículos en sus catálogos en sus 200 centros
logísticos en todo el mundo. El robo de estos artículos era una gran amenaza para Amazon. El
problema de identificar cuáles de estos artículos eran más buscados por los ladrones era que se
robaban artículos caros y de bajo precio. Los artículos baratos también eran robados a menudo por
razones como su escasez. Para resolver este problema, Amazon utilizó macrodatos y actualizó los
datos de su catálogo de productos casi 50 millones de veces a la semana. Se recopilaron, almacenaron
y almacenaron datos del catálogo de productos. y se analizó para identificar cuáles de los artículos
tenían más probabilidades de ser robados y la información se devolvió a los almacenes (consulte el
Anexo IV para conocer los cinco componentes del proceso de big data). Esto ayudó a Amazon a
prevenir el robo de artículos en sus catálogos. Werner Vogels (Vogels), director de tecnología y
vicepresidente de Amazon.com, consideró que los datos y el almacenamiento deberían estar libres
de restricciones. “En el viejo mundo del análisis de datos, sabía exactamente qué preguntas quería
hacer, lo que impulsaba un modelo de recopilación y almacenamiento muy predecible. En el nuevo
mundo del análisis de datos, sus preguntas evolucionarán y cambiarán con el tiempo y, como tal,
debe poder recopilar, almacenar y analizar datos sin estar limitado por los recursos ”. El director de
tecnología y vicepresidente de Amazon.com, consideró que los datos y el almacenamiento deberían
estar libres de restricciones. “En el viejo mundo del análisis de datos, sabía exactamente qué
preguntas quería hacer, lo que impulsaba un modelo de recopilación y almacenamiento muy
predecible. En el nuevo mundo del análisis de datos, sus preguntas evolucionarán y cambiarán con
6
 914-005-1

el tiempo y, como tal, debe poder recopilar, almacenar y analizar datos sin estar limitado por los
recursos ”. El director de tecnología y vicepresidente de Amazon.com, consideró que los datos y el
almacenamiento deberían estar libres de restricciones. “En el viejo mundo del análisis de datos, sabía
exactamente qué preguntas quería hacer, lo que impulsaba un modelo de recopilación y
almacenamiento muy predecible. En el nuevo mundo del análisis de datos, sus preguntas
evolucionarán y cambiarán con el tiempo y, como tal, debe poder recopilar, almacenar y analizar
datos sin estar limitado por los recursos ”.

AYUDAR A OTRAS EMPRESAS CON BIG DATA

Además de utilizar big data para mejorar su propio rendimiento, Amazon también ayudó a otros
portales de comercio electrónico a aprovechar sus recursos de big data. Esto lo logró a través de un
servicio innovador para pequeñas empresas de comercio electrónico llamado Amazon Webstore.
Amazon Webstore, lanzada en 2010, permitió a los minoristas construir sus portales alrededor de la
plataforma de comercio electrónico de Amazon.24 Amazon Webstore era una tienda independiente
fuera de la tienda de comercio electrónico oficial de Amazon construida sobre el nombre de dominio
y la marca de terceros. Los usuarios de Amazon Webstore pueden colocar Amazon Product Adsl en
los portales de Amazon. Las personas que hicieron clic en estos anuncios de productos serían
redirigidas al sitio del sitio asociado donde se completaría la venta. Como parte de esta asociación,
Un caso interesante en el que Amazon Webstore mejoró el rendimiento de un pequeño minorista fue
Anaconda Sports. Anaconda Sports, un exitoso minorista de deportes de Nueva York, EE. UU., Se
encontró atrapado con un sistema de comercio electrónico ineficiente y costoso con problemas como
la imposibilidad de almacenar toda la información del cliente, la falta de una experiencia única
basada en las preferencias del cliente y la mala calidad del servicio al cliente. La modificación de
su portal de comercio electrónico a través de Amazon Webstore le permitió desarrollar una tienda
eficiente que resolvió todos los problemas que venía enfrentando, además de incrementar
sustancialmente sus ventas.
Al comentar sobre los beneficios de la tienda web de Amazon para las pequeñas y medianas
empresas, Scott Pulsipher, director de la tienda web de Amazon, dijo: “Al aprovechar la tecnología
y la infraestructura de Amazon, la tienda web de Amazon nivela el campo de juego para las pequeñas
y medianas empresas, ayudándolas rápidamente y crear fácilmente sus negocios y mejorar la
experiencia del cliente ". Amazon Webstore fue implementado incluso por grandes marcas como
Timex, MTV, Boeing y Samsonite, lo que les permitió mejorar su compromiso con sus clientes
(consulte el Anexo V para ver la captura de pantalla de Samsonite sitio web creado con Amazon
Webstore). Al comentar cómo Amazon Webstore ayudó a aumentar las ventas y recortar costos en
Timexm, su director de comercio electrónico, Cal Crouch, dijo: “Cuando lanzamos nuestra nueva
Amazon Webstore, vimos un aumento inmediato del 40 por ciento en los ingresos y el tamaño
promedio de los pedidos.
Amazon Web Services (AWS) de Amazon ayudó a muchas empresas a desarrollar mejores
aplicaciones, implementar nuevos productos y servicios y reducir sus costos (consulte el Anexo VI
para conocer la arquitectura de AWS). Amazon ofreció su solución utilizando herramientas
familiares como Oracle Database y Microsoft SQL Server, al mismo tiempo que fue pionera y
promovió nuevas plataformas como DynamoDBn, Hadoopo y Redshiftp.30 “Uno de los conceptos
centrales de Big Data es poder evolucionar la analítica con el tiempo . Por eso, una empresa no puede
verse limitada por ningún recurso. Como tal, Cloud Computing y Big Data están estrechamente
vinculados porque para que una empresa pueda recopilar, almacenar, organizar, analizar y compartir
datos, necesita acceso a recursos infinitos ”, dijo Vogels.
Las pequeñas empresas enfrentaron muchas dificultades para adoptar y desplegar big data debido a
los recursos limitados a su disposición. Amazon presentó soluciones para este tipo de empresas para
que pudieran implementar big data fácilmente. En noviembre de 2013, Amazon Web Service
anunció un nuevo servicio para el procesamiento de big data en tiempo real. El servicio conocido
como Kinesis, procesó los grandes volúmenes de datos fluyendo a los almacenes basados en la web
de Amazon en tiempo real. La herramienta tenía la capacidad de aceptar cualquier número de fuentes
de datos y podía procesar terabytes de datos por hora.
7
 914-005-1

Su objetivo era permitir a los desarrolladores crear aplicaciones que funcionaran en tiempo real para
tareas como análisis de tráfico de sitios web, transacciones comerciales relacionadas con marketing
y finanzas, datos de redes sociales y registros (consulte el Anexo VII para conocer la arquitectura de
Kinesis). Al comentar sobre la flexibilidad que Kinesis brindaría a las empresas, un analista de
Neoviseq Paul Burns dijo: “A veces, las personas pasan horas o días simplemente recopilando los
datos, luego regresando y procesándolos, por lo que están desactualizados…. Entonces, Amazon
dijo que nos encargaremos de todo eso por usted, solo escriba su propio programa y conéctese con
nosotros. ” Se esperaba que la capacidad de crear aplicaciones de big data a través de Kinesis
eliminara uno de los mayores cuellos de botella para las empresas más pequeñas en la adopción de
big data para sus negocios. Pero una limitación de Kinesis era que todo el procesamiento de datos
se realizaría en los centros de datos de Amazon en lugar de en la ubicación de los clientes.

Responda las siquientes preguntas:

1) Considera segun su analisis que el camino Del Big Data, funcionaria para todos los entornos y
negocios?

2) Amazon saco partido de su manejo de datos de la mejor manera, encuentra ud un mejor uso a la
informacion obtenida por la empresa.

3) Desarrolle los siguientes pasos:

a. Identifique los aportes de los clientes
b. Formule una solucion enfocada en las necesidades identificadas
c. Ideación de un Nuevo producto o servicio
d. Desarrolle un prototipo
e. Cuente la historia de su solucion o propuesta

8
 1. ¿Considera según su análisis que el camino Del Big Data, funcionaria para todos
los entornos y negocios?

El camino del Big Data es la mejor herramienta que puede tener cualquier negocio,
empresa o emprendimiento para poder visualizar su entorno, desde algo tan mínimo como
saber en qué sector estaría mejor ubicado algún local de ventas de algún producto, hasta
conocer cuales son los gustos de cada uno de tus clientes para poder recomendarles su
siguiente compra y estar preparado para toda la posible demanda que se avecina.

Para cualquier entorno de negocio conocer los gustos de sus clientes, y de sus potenciales
compradores es una ventaja inherente ante la competencia; hoy en día no es necesario
comenzar de cero a recopilar información sobre cada cliente que llega para formar un
algoritmo de gustos y recomendaciones, de hecho llevaría bastante tiempo sin contar que
para hacer esto se debe tener una base de datos de clientes bastante amplia que implica
que la empresa en cuestión tiene gran trascendencia y tiempo en el mercado, en pocas
palabras no seria algo rentable para un emprendimiento o una pequeña empresa que
posee un poca cantidad de clientes.

¿Que hace que el uso del Big Data sea rentable para una empresa que hasta ahora está
iniciando?

Hoy en día grandes empresas han logrado recopilar una amplia cantidad de datos sobre
muchas personas en diversos sectores, empleando algoritmos para conocer sus gustos y
sus necesidades, con los avances tecnológicos que se han logrado hasta el momento han
convertido esta infinita cantidad de datos en un servicio a disposición de cualquiera,
convirtiendo el Big Data en un pilar de cualquier emprendimiento que quiera posicionarse
y crecer.

2. Amazon saco partido de su manejo de datos de la mejor manera, encuentra

usted un mejor uso a la información obtenida por la empresa.

Amazon se convirtió en un pionero al tomar las mejores decisiones con respecto al manejo
de sus datos no solo creciendo ellos mismos si no que ayudo a muchas empresas a surgir
y crecer en su sector, sin embargo Amazon en un principio subestimo el potencial que
tenía la recopilación de estos y su algoritmo de recomendaciones ya que lo sesgo
solamente al negocio que tenia inicialmente la empresa que era la comercialización de
libros, desde este punto pasaron muchos años y muchos inversionistas antes de que
Amazon tomara su rumbo en ser un líder en el comercio electrónico y de una amplia
variedad de productos; mas que en el comercio electrónico opino que habían una gran
cantidad de productos que se podían comercializar en la época de 1990 lo cual habría
impulsado a Amazon mucho más rápido en el mercado que solo con la venta de libros,
aunque esta fue un gran impulso y reconocimiento para la empresa, solo tenia un tipo de
consumidor por muchos años.
 3. Desarrolle los siguientes pasos:

a. Identifique los aportes de los clientes

Este punto se puede ver por dos frentes el primero como clientes internos o minoristas y
el otro como cliente que necesita comprar por internet.

Agrandes rasgos Amazon ofrece una centralización para promocionar cualquier producto,
captadora de grandes cantidades de información, dicho esto se entiende que cliente es
todo que compra un servicio o artículo, los minoristas compran un espacio en la plataforma
por una módica suma del 15% de venta de los productos, pero este a su vez, tan bien ayuda
a que este minorista a mejorar big data y difusión de los productos; el cliente interno lo
que aporta a Amazon es simple el crecimiento de esta como monopolio y diversificación
de productos en la misma plataforma, esto empezando por solo la venta de libros a
convertirse en la tienda en línea más grande de tecnológica y productos de toda índole.

Ahora bien, para los consumidores o clientes de la plataforma básicamente damos los
datos para un estudio de mercado (un potencial comprador de algún producto); el dinero
para que la empresa sigua invirtiendo para una futura compra con su venta silenciosa.

b. Formule una solución enfocada en las necesidades

identificadas

Debido a que es necesario el tratamiento de Big data no solo para el crecimiento de

Amazon si no para las empresas asociadas, mediante esto el crecimiento de ambas partes,
para esto es necesario la implementación AI (INTELIGENCIA ARTIFICIAL) la cual se
encargará de procesar la información y así poder aprovecharla en la implementación de
anuncios publicidad y demás estrategias necesarias. Con la AI se lograría realizar una
automatización de procesos en el Big data, procesos como lo son análisis de datos
empleando un sistema que Gestione, Ordene y Analice datos no estructurados y asi buscar
nuevas oportunidades con movimientos de negocios mas inteligentes buscando mayores
ganancias pero sin olvidar características importantes como la Reducción de costos,
Nuevos productos y servicios y la mejor toma de decisiones ganando asi una competencia
analítica con modelos predictivos para la toma de decisiones y un crecimiento de
innovación siendo el IA junto con el BIG DATA un catalizador de cambio y crecimiento para
la mejora de esta empresa.
 c. Ideación de un Nuevo producto o servicio

Nuestro grupo propone un modelo de negocio de seguridad de datos esta sería un

complemento de la prevención de robo de artículos ya que si se tiene una posible
vulnerabilidad en el sistema esta sea un complemento para la nueva visión de la compañía
de volver la tienda física.

Se requiere de una seguridad en la información (Ciberseguridad) combinada con la

inteligencia artificial y el big data para que con los millones de datos obtenidos de este
sistema se logren predecir ciberataques detectando por ejemplo sin un ordenador posee
el comportamiento correcto o por el contrario contiene una infección digital evitando así
propagaciones en las redes o equipos específicos sin olvidar que este sistema de
seguridad debe estar en constante actualización de seguridad y datos. Con estos sistemas
se anticipa futuros ataques por medio del aprendizaje de datos, pero, así como la
ciberseguridad crece cada vez más cumpliendo su función de proteger datos los ataques
informáticos también se volverán mas sofisticados de encontrar, pero gracias al
crecimiento el Machine Learning se logrará una seguridad y automatización de procesos y
protocolos seguros para no tener más vulnerabilidades.

d. Desarrolle un prototipo

Complemento de Minorista
seguridad

Transacción

Amazon

Seguimiento de Destino Cliente

transacción y
producto
 e. Cuente la historia de su solución o propuesta

Nuestro grupo se reunió el día sábado, y nos centramos en discutir en cómo podríamos
mejorar la mejor empresa que hay actualmente, analizando y discutiendo el modelo de
negocios que se propuso a desarrollar Amazon hallamos una debilidad en ella, que mas
que una debilidad era una oportunidad mas de todas las que ya habían planeado, y es la
predicción; En muchas empresas actualmente los datos son una parte fundamental de lo
que las conforman, usan estos datos para predecir, para controlar, crear ID de publicidad,
y muchos mas usos inimaginables; pero todos estos datos centrados en el pasado, sin
embargo hay muy pocas empresas que intentan llevar todos estos datos hacia el futuro y
es lo que nosotros como ingenieros de Amazon propondríamos, implementar esta idea a
que los datos arrojen posibles datos futuros, ya que se tiene un comportamiento de las
personas en datos pasados.

Toda esta idea surge al momento en que uno de nuestros integrantes, nos comenta que su
hermano trabaja en el área de programación de una empresa, específicamente en un
banco; el tiene el cargo como un ingeniero de datos, y le realizamos la misma pregunta
que nos estábamos planteando nosotros y el nos cuenta como su empresa a través de los
datos que ella ya tenia alojada intentaba realizar predicciones de los próximos
movimientos económicos en el futuro, por lo que al escucharlo de ahí inicio el punto inicial
de nuestra idea, apoyada también en un boletín que llega al correo de otro integrante de
nuestro grupo; donde él se encuentra inscrito actualmente, es un boletín que mediante
datos anteriores, de las modas y modelos de negocios que van surgiendo a través del
tiempo, datos económicos y estadísticos de un detallado estudio de la bolsa, las acciones
y las inversiones que se les realizan a todas esas micro empresas que van surgiendo
alrededor del mundo. Logran realizar una predicción de cuales serian los nuevos modelos
de empresa, o los nuevos servicios que podrían hacer un BOOM en los modelos
económicos que hay actualmente, por lo que adjuntamos foto de este boletín.
Por lo que a partir de allí surgió una lluvia de ideas, basados en preguntas como, ¿Por qué
una empresa como Amazon no llevaría estos datos hacia el futuro?, ¿Por qué una empresa
tan grande no utilizaría datos estadísticos, usando matemática que actualmente es usada
en otras áreas?, El machine Learning es una lógica de programación que a través de datos
pasados realiza estadísticamente una matemática exacta que arroja probabilidades de
posibles acciones o respuestas de un comportamiento previamente analizado, y mediante
coeficientes se toma la decisión de cuál es el comportamiento que tiene mayor
probabilidad de ser ejecutado, ¿Por qué una empresa como Amazon no tiene en cuenta
estos aspectos?, todos fuimos proponiendo a la vez, y luego de organizarnos en ideas se
nos ocurrió el siguiente planteamiento. Teniendo la gran capacidad de procesamiento y de
información con la que contaríamos como ingenieros de Amazon, podríamos desarrollar
una lógica y un proceso matemático a seguir para tomar coeficientes los cuales serian los
productos que estallarían el mercado con semanas de anterioridad con suerte, y que mejor
que saber que un producto va a explotar el mercado y tener cantidades en Stock, tener
todo un sistema de modelos características diferentes y toda la logística necesaria para
que los clientes solo tengan que solicitar y les llegue su envió.

Por lo que, para verificar nuestra teoría, de que tan buena idea seria usar los datos, para
predecir posibles servicios o productos que van a surgir de moda o de alta demanda en un
futuro, usamos esos datos para plantear que hubiese ocurrido si nuestro modelo de
negocios ya estuviese planteado en años anteriores, por lo que nos remitiremos a épocas
anteriores a la pandemia, según datos oficiales de la revista de La República, periódico
oficial internacional reconocido y fiable, En una noticia del 26 de febrero del 2020, nos
menciona como las ventas de tapabocas y jabones se dispararon al doble de su
comportamiento en aumento del 124% , adjuntamos enlace de la noticia
(https://www.larepublica.co/empresas/el-coronavirus-ha-escalado-la-venta-y-
produccion-de-tapabocas-y-jabones-en-colombia-2969779), que hubiese pasado si
nuestro modelo de negocio ya hubiese estado planteado en esta época, la curva de
reacción y nuestras estadísticas hubiera detectado de manera temprana un cambio en la
pendiente de la curva en ventas en tapabocas y en jabón, no tendríamos conocimiento del
porque en ese momento, pero lo que le argumentaríamos al equipo de ventas y de logística
seria que los datos no mienten, ya que son cálculos matemáticos, y por algún motivo se
están disparando las ventas y nosotros como empresa que vende productos y servicios
debemos actualizarnos a lo que el mercado solicita en ese momento, por lo que
hubiésemos adquirido una gran cantidad de modelos, tipos y características de todo tipo
de tapabocas, que al momento de que ya se empiezan a disparar las ventas nosotros ya
tenemos todo listo y nuestra inteligencia artificial ya estaría repartiendo imágenes de
tapabocas en todo lado, por lo que esto nos pone a la vanguardia del mercado, teniendo el
producto y ya repartiéndolo por la gran logística que hay, lo que hubiese disparado las
ventas de manera exponencial, haciéndole ganar mucho mas dinero a la empresa que nos
retroalimentaría que nuestro modelo es funcional. Incluso planteamos una frase alusiva a
nuestra idea que seria “Alistando el producto hoy, Que nos compraras mañana”.