Big Data Eneb

TRABAJO FINAL

Programa formativo: BIG DATA Y BUSINESS INTELIGENCE

Bloque: Big Data y Business Ingelligence (A completar por el/la alumno/a)

Enviar a: [email protected]

Apellidos: SOLA CASTRO Nombres: DIOGO ID/Pasaporte/DNI/NIE/Otros: 53846918P Dirección: PASEO DE LOS PARQUES 7 Provincia/Región: ALCOBENDAS País: ESPAÑA Teléfono: 679846570 E-mail: [email protected] Fecha: 03/05/2020

Escuela de Negocios Europea de Barcelona Página 5

Instrucciones del Trabajo Final A continuación, se adjunta el trabajo final que debes realizar correctamente para la obtención del título acreditativo del curso que estás realizando. Recuerda que el equipo de tutores está a tu completa disposición para cualquier duda que tengas a lo largo de su desarrollo. Recuerda que no se realizan correcciones parciales del trabajo, solo se admite la versión finalizada. Dicho envío se realizará en esta plantilla y las respuestas deberán ir redactadas a continuación del enunciado. La presentación de los casos prácticos deberá cumplir los siguientes requisitos: 

Letra Arial 12



Márgenes de 2,5



Interlineado de 1,5



Todos los campos de la portada deben estar cumplimentados



Tener una correcta paginación

Los casos entregados deben ser originales e individuales. Cualquier similitud entre ejercicios de distintos alumnos, ejemplos y/o extractos de la Red u otros documentos, conllevará la devolución inmediata de los ejercicios y la no obtención de la titulación en el caso de reiteración. Recuerda que solo podrás enviar hasta dos veces por asignatura el trabajo final, en caso de no superarse en esos intentos, el alumno/a deberá abonar el precio correspondiente a los créditos de la asignatura para poder volver a ser evaluado. Los trabajos solo serán aceptados en formato de procesador de texto (Word, docx, odt, etc.) o en pdf. En caso de presentar otro formato deberá ser consultado con el asesor y si es necesario, proporcionar el software necesario para su lectura.

El archivo que se enviará con el trabajo deberá llevar el siguiente formato:

Página 5

ddmmaa_Nombre del Bloque_Apellidos y Nombres.pdf Ejemplo: 11052018_Estrategia Empresarial_Garcia Pinto Marina.pdf La extensión del trabajo no podrá sobrepasar las 18 páginas, sin contar la portada, bibliografía y anexos. Criterios de Evaluación El trabajo final se evaluará en función de las siguientes variables: 

Conocimientos adquiridos (25%): Se evaluarán los conocimientos adquiridos a lo largo de la asignatura mediante el análisis de los datos teóricos presentes a lo largo del trabajo presentado por el alumno/a.



Desarrollo del enunciado (25 %): Se evaluará la interpretación del enunciado por parte del alumno/a y su desarrollo de manera coherente y analítica.



Resultado final (25%): Se evaluará el resultado final del enunciado, si el total del redactado aporta una solución correcta a lo planteado inicialmente y si el formato y presentación se enmarca dentro de los parámetros establecidos.



Valor añadido y bibliografía complementaria (25%): Se evaluarán los aportes complementarios por parte del alumno/a para la presentación y conclusión del trabajo final que den un valor añadido a la presentación del enunciado: bibliografía complementaria, gráficos, estudios independientes realizados por el alumno/a, fuentes académicas externas, artículos de opinión, etc. Todas las fuentes, tanto impresas como el material en línea, deberán ir anexadas al trabajo siguiendo la normativa APA.

Página 5

ENUNCIADO Can Coll es un hotel rural ubicado en una zona del Montseny, en Cataluña. Se trata de un establecimiento que lleva funcionando más de cuarenta años. Empezó siendo una pequeña casa rural con cinco habitaciones que ofrecía a sus clientes la posibilidad de participar en labores propias del campo, como cuidar y labrar la tierra, recoger la fruta y verdura, cuidar de los animales, etc. Hoy en día cuenta con un total de cincuenta habitaciones y, además de ofrecer actividades propias del campo, dispone de un departamento dedicado a la organización de excursiones y actividades lúdicas. Además dispone de un servicio de desayuno, comida y cena para clientes que no se hospedan en el hotel, y de una zona de spa. Además de tratarse de un establecimiento con muchos años en activo, cuenta con una cartera de clientes realmente grande que aumenta cada año. El tipo de clientes que reciben es muy variado; familias con niños, parejas, jubilados y grupos de amigos. Con el fin de poder ofrecer a sus clientes un servicio completamente personalizado en función de sus gustos e intereses, Can Coll quiere conocer al detalle su cartera de clientes actual, por lo que debe llevar a cabo un análisis exhaustivo de la información que tiene sobre ellos, recopilada durante estos cuarenta años. Aquí, debemos tener en cuenta no solo los datos que el mismo establecimiento ha ido recogiendo, sino los datos e informaciones que podemos obtener hoy en día mediante las redes sociales. Además de la página web, Can Coll dispone de perfiles en redes sociales como Facebook e Instagram. Para poder analizar los datos, acude a ti para que le ayudes y asesores.

Página 5

SE PIDE Teniendo en cuenta lo aprendido durante el curso y el enunciado presentado: 1. Según lo aprendido a lo largo del módulo, justifica si sería o no beneficioso para Can Coll llevar a cabo un proyecto de Big Data. Para ello ten en cuenta las características y particularidades del big data, así como los beneficios que el big data puede reportarnos. Justifica además si sería bueno hacer uso también del Business Intelligence. Can Coll es un hotel rural que cuenta con mas de 40 años de experiencia. A lo largo de este tiempo ha recolectado una amplia información sobre sus clientes además de que el negocio funciona de manera excelente. En una primera impresión puede parecer que con una simple base de datos y la gran experiencia del dueño es suficiente. Pero està Can Coll recogiendo también la información desestructurada que dejan sus clientes en internet. Cuando un cliente deja información relevante online, ¿Can Coll es capaz de identificar a que cliente de su base de datos corresponde? ¿Conoce a sus clientes más allá de lo que ocurre en el hotel? ¿QUÉ ES BIG DATA? Big Data se puede definir como información de mucho volumen procesada a gran velocidad y muy variada que requiere sistemas de información innovadores y efectivos para poder facilitar la obtención de conocimiento y la toma de decisiones Lo que hace que Big Data sea tan útil para muchas empresas es el hecho de que proporciona respuestas a muchas preguntas que las empresas ni siquiera sabían que tenían. En otras palabras, proporciona un punto de referencia. Con una cantidad tan grande de información, los datos pueden ser moldeados o

Página 5

probados de cualquier manera que la empresa considere adecuada. Al hacerlo, las organizaciones son capaces de identificar los problemas de una forma más comprensible. La recopilación de grandes cantidades de datos y la búsqueda de tendencias dentro de los datos permiten que las empresas se muevan mucho más rápidamente, sin problemas y de manera eficiente. También les permite eliminar las áreas problemáticas antes de que los problemas acaben con sus beneficios o su reputación. El análisis de Big Data ayuda a las organizaciones a aprovechar sus datos y utilizarlos para identificar nuevas oportunidades. Eso, a su vez, conduce a movimientos de negocios más inteligentes, operaciones más eficientes, mayores ganancias y clientes más felices. Las empresas con más éxito con Big Data consiguen valor de las siguientes formas: 

Reducción de coste. Las grandes tecnologías de datos, como Hadoop y el análisis basado en la nube, aportan importantes ventajas en términos de costes cuando se trata de almacenar grandes cantidades de datos, además de identificar maneras más eficientes de hacer negocios.



Más rápido, mejor toma de decisiones. Con la velocidad de tecnologías como Hadoop y la analítica en memoria, combinada con la capacidad de analizar nuevas fuentes de datos, las empresas pueden analizar la información inmediatamente y tomar decisiones basadas en lo que han aprendido.



Nuevos productos y servicios. Con la capacidad de medir las necesidades de los clientes y la satisfacción a través de análisis viene el poder de dar a los clientes lo que quieren. Con la analítica de Big Data, más empresas están creando nuevos productos para satisfacer las necesidades de los clientes.

Página 5

¿Por qué usar Big Data? MUCHAS FUENTES Y TIPOS DE DATOS Con tantas fuentes, tipos de datos y estructuras complejas, la dificultad de integración de datos aumenta. Las fuentes de datos de big data son muy amplias: 

Datos de internet y móviles.



Datos de Internet de las Cosas.



Datos sectoriales recopilados por empresas especializadas.



Datos experimentales.

Y los tipos de datos también lo son: 1. Tipos de datos no estructurados: documentos, vídeos, audios, etc. 2. Tipos de datos semi-estructurados: software, hojas de cálculo, informes. 3. Tipos de datos estructurados Solo el 20% de información es estructurada y eso puede provocar muchos errores si no acometemos un proyecto de calidad de datos. Tremendo volumen de datos Como ya hemos visto, el volumen de datos es enorme, y eso complica la ejecución de un proceso de calidad de datos dentro de un tiempo razonable. Es difícil recolectar, limpiar, integrar y obtener datos de alta calidad de forma rápida. Se necesita mucho tiempo para transformar los tipos no estructurados en tipos estructurados y procesar esos datos. MUCHA VOLATILIDAD Los datos cambian rápidamente y eso hace que tengan una validez muy corta. Para solucionarlo necesitamos un poder de procesamiento muy alto. Si no lo hacemos bien, el procesamiento y análisis basado en estos datos puede producir conclusiones erróneas, que pueden llevar a cometer errores en la toma de decisiones.

Página 5

NO EXISTEN ESTÁNDARES DE CALIDAD DE DATOS UNIFICADOS En 1987 la Organización Internacional de Normalización (ISO) publicó las normas ISO 9000 para garantizar la calidad de productos y servicios. Sin embargo, el estudio de los estándares de calidad de los datos no comenzó hasta los años noventa, y no fue hasta 2011 cuando ISO publicó las normas de calidad de datos ISO 8000. Estas normas necesitan madurar y perfeccionarse. Además, la investigación sobre la calidad de datos de big data ha comenzado hace poco y no hay apenas resultados. La calidad de datos de big data es clave, no solo para poder obtener ventajas competitivas sino estratégicos

y

también

impedir que incurramos en

operacionales

basándonos

en

datos

graves

errores

erróneos

con

consecuencias que pueden llegar a ser muy graves. De la misma manera, usar el Business Inteligence se convierte en una pieza fundamental por los siguientes motivos: 

Identificar el perfil de nuestros clientes más rentables e intentar hacer lo posible para fidelizarlos con estrategias de marketing enfocadas



Utilizar un cuadro de mando integral (Balanced Scorecard) y realizar seguimiento a nuestros objetivos estratégicos del hotel Can Coll para encontrar desviaciones y tomar las acciones oportunas para enderezar la trayectoria operativa de este, además podemos analizar el impacto de las ventas en el restaurante y el Spa de cada una de las campañas publicitarias a realizar.



Reducción de inconsistencias en los datos

y compartir la información

entre las dependencias de manera más eficaz, implementando en el hotel Can Coll estándares de gestión. 

Nos sirve para poder determinar que fechas definitivamente son las más rentables para el restaurante, cuales para el hotel y cual definitivamente no deberían cerrar por q la demanda de usuarios es mayor.

Página 5



La posibilidad de remontar análisis atrás en el tiempo en base a series históricas. En este momento la cartera del hotel Can Coll es grande y se podría realizar un análisis exhaustivo con el fin de analizar que variables la están afectando.

2. El principal objetivo de los dueños de Can Coll es conocer su actual cartera de clientes con el fin de ofrecerles un servicio personalizado. ¿Qué tipo de datos serían necesarios para ello? Concretamente, dentro de cada tipología, ¿qué datos analizarías? Datos estructurados obtenidos directamente por el hotel: Datos Registrados Durante la reserva: Fecha “Huésped” Contacto /intermediario Segmento (persona, empresa, agencia) Hora de llegada Pagos recibidos

Resultados (luego de procesar los datos): Cuota de toma de reserva por fecha o período Reservas por segmento por fecha o período Lista de llegadas por fecha o período Contabilidad de los pagos /adelantos recibidos por fecha o período Origen de las reservas (un intermediario, una OTA, web, huésped fiel…) por fecha o período REVPAC por fecha o período

Cantidad de huéspedes alojados

Datos Registrados Durante check-out:  Fecha

Resultados (luego de procesar los datos):



“Húesped”



Segmento



Monto total



Total días de instancia



Categoría /servicios consumidos

Historiales de pago por huésped Segmentación de huéspedes por fecha o período Precio promedio por tipo de habitación por fecha o período REVPAR por fecha o período Promedio de días de estancia por período Categorías o servicios consumidos

Página 5



Modo de pago

por fecha o período Resultado de ventas por período  viajeros de negocios querrán ver



Cuota /pagos diferidos

incluido el desayuno gratis.

      

Promoción /cambio de tarifa La finalidad de la estancia Gasto Promedio Tipo de pago efectivo o tarjetas Número de días de estancia Época en la que viaja Actividades lúdicas de inscripción: conocer Que tipos de actividades se inscriben Que paquetes de excursiones prefiere Que servicios de spa solicitan

 

Datos registrados Ficha Resultados (luego de procesar los datos): Cliente Nombre / Apellido / ID (los tres datos para poder Huésped recurrente / fiel diferenciar los huéspedes de tu base de datos) Costumbres de reserva según edad (antelación, Dirección por qué medio…) Ventas según tipo de huésped (tipo de Nacionalidad habitaciones, servicios consumidos…) Tipos de estancia (fin de semana, estancias Cumpleaños /edad largas, por grupo…) Temporadas asociadas a   nacionalidades/eventos/promociones

Página 5

En el sector hotelero, entre el 80% y el 90% de las ventas suelen proceder de intermediarios a través de los cuales es casi imposible conseguir datos de los huéspedes relevantes para el hotel. El principal motivo es que estos canales comisionados no comparten la información fundamental para alimentar el Hotel Data como puede ser el email verificado del futuro huésped, su nacionalidad, edad, idioma, etc. Estos datos básicos, imprescindibles desde la perspectiva del marketing online, suelen intentar recogerse de en el momento del check-in o check-out. No obstante, este proceso tiene varios inconvenientes: 

Por un lado, puede ser un momento delicado en el que los huéspedes tienen otras preocupaciones y no desean demorarse más allá de lo imprescindible al llegar o salir del hotel.



Por otro, los pocos datos recogidos suelen realizarse de forma manual en recepción, un sistema que no evita ciertos errores ya que no es posible realizar una verificación a tiempo real de la información.

A excepción de sistemas como el pre-checkin que facilitan el alta en un momento de menor estrés y desde donde puede solicitarse más información de valor (aunque opcional para el huésped), el resultado en cuanto a generación de Hotel Data básico a través de esta vía no supera el 5% una vez verificados los datos útiles para el hotel a la hora de ejecutar acciones de marketing. Entre el 10% y el 20% de las ventas proceden del canal directo  que, sin una inversión tecnológica en los sistemas adecuados, no proporciona suficiente información de valor tanto básica como de tipo transaccional. En el mejor de los casos, se podría complementar la información esencial del Hotel Data con datos como el canal de reserva, el tipo de habitación, la pensión, el número y tipo de personas que incluye la reserva, etc. Pero esta información, que se extrae generalmente de las integraciones del motor de reserva (pensado para recoger la información mínima e imprescindible que no interrumpa el proceso) y el PMS, procede únicamente de aquella persona que ha realizado la reserva, lo que reduce aproximadamente a la mitad las posibilidades de conseguir datos

Página 5

de contacto válidos para el hotel. Y, por otro lado, muchos de estos sistemas de gestión no están pensados para identificar a los huéspedes repetidores. DATOS SEMI-ESTRUCTURADOS Otras formas de obtener información en el hotel EL WIFI DEL HOTEL El método más efectivo es la recogida automatizada de datos de contacto en el hotel. Por ejemplo, gracias al login social de los huéspedes cuando intentan acceder al WiFi del hotel, la marca puede conseguir datos relevantes para marketing. Mediante esta fórmula es posible recoger entre un 60% y 95% del total del Hotel Data, con información verificada. Esta forma de recogida de datos tiene una eficiencia mayor, en tanto no es necesario contar con la participación del personal de recepción y el momento en el que los usuarios deciden conectarse al WiFi carece las complicaciones mencionadas anteriormente. Obviamente la cantidad de datos recogidos dependerá de factores como la calidad de la infraestructura del WiFi y la navegación en el establecimiento. Además, la integración con herramientas pensadas especialmente para el sector hotelero también es fundamental para garantizar el acceso a los datos del huésped. Desde un sistema centralizado que permita valorar la información, los responsables de marketing podrán ejecutar las acciones idóneas en el mejor momento del ciclo de compra de los consumidores del hotel. REDES SOCIALES: DATOS NO ESTRUCTURADOS 

Satisfacción del servicio por medio del blog del Hotel, TripAAdvisor…etc



Percepción de las promociones realizadas



Que servicios solicitan (spa, restaurante, habitaciones) por página web, Facebook y el blog del hotel



Correos electrónicos que envían al hotel

Página 5



Vigilancia digital: fotos de videos y vigilancia

3. En función de los datos que consideres necesario analizar, establece toda una serie de objetivos que lograr. 

Identificar si los abandonos de los usuarios se deben a que el precio no es el correcto



Determinar si los métodos de pago son los apropiados



Ampliar el mercado en una zona en la que tenemos muy pocos clientes



Presentar promociones personalizadas para cada cliente dentro de unos segmentos determinados para las campañas de fechas especiales Navidad, amor y amistad, vacaciones de verano



Aumentar las ventas del canal online en un 10% respecto al porcentaje actual



Presentar campañas de promociones personalizadas a los usuarios que utilizan los servicios de spa y restaurante



Mejorar la experiencia del cliente y la operativa del hotel



Crear anuncios en las redes sociales, post y específicos para cada segmento de nuestros usuarios



Orientar los emails de marketing personalizados para el grupo de usuarios que tenemos en la cartera



Determinar el dispositivo por donde se envían los emails con promociones, anuncios, etc a nuestros usuarios



Detectar qué destinos, hoteles y/o habitaciones son los más buscados vs los más vendidos para:

Página 5



Adecuar mi producto/servicio a la demanda, es decir, ofrecer los



productos/servicios que el cliente está demandando, analizando las peticiones de búsquedas y reservas de la web



Detectar carencias en la contratación, analizando las diferencias entre oferta y demanda, o entre búsquedas y reservas.



Optimizar las políticas de pricing realizando un análisis de la sensibilidad del precio, realizando un calendario de precios con la antelación adecuada a la antelación de búsqueda de clientes

4. ¿Qué tipo de base de datos utilizarías para almacenar la información que quieres analizar? Justifica tu respuesta. Teniendo en cuenta la naturaleza de los datos con los que vamos a trabajar, que varían desde datos estructurados y semi estructurados obtenidos por el hotel hasta los datos no estructurados provenientes de las redes sociales como Facebook o trip advisor, mi recomendación seria usar bases de datos no relacionales NoSQL. Las bases de datos NoSQL se adaptan perfectamente a muchas aplicaciones modernas, como dispositivos móviles, web y juegos, que requieren bases de datos flexibles, escalables, de alto rendimiento y altamente funcionales para proporcionar excelentes experiencias de usuario. 

Flexibilidad: las bases de datos NoSQL generalmente ofrecen esquemas flexibles que permiten un desarrollo más rápido y más iterativo. El modelo de datos flexible hace que las bases de datos NoSQL sean ideales para datos semiestructurados y no estructurados.



Escalabilidad: las bases de datos NoSQL generalmente están diseñadas para escalar usando clústeres distribuidos de hardware en lugar de escalar añadiendo servidores caros y sólidos. Algunos proveedores de la nube manejan estas operaciones en segundo plano, como un servicio completamente administrado.

Página 5



Alto rendimiento: la base de datos NoSQL está optimizada para modelos de datos específicos y patrones de acceso que permiten un mayor rendimiento que el intento de lograr una funcionalidad similar con bases de datos relacionales.



Altamente funcional: las bases de datos NoSQL proporcionan API altamente

funcionales

y

tipos

de

datos

que

están

diseñados

específicamente para cada uno de sus respectivos modelos de datos.

5. Finalmente, adoptando una visión más empresarial y de marketing, con la puesta en marcha de un proyecto de big data que te permita conocer de primera mano cómo son tus clientes, propón algunos cambios o actividades que llevarías a cabo después de conocer a tus clientes, con el fin de ofrecer un servicio lo más personalizado e individualizado posible. REVENUE MANAGEMENT Un enfoque muy actual llamado Dynamic Pricing Automation permite a los hoteles predecir con precisión la demanda y los patrones de comportamiento de los clientes. Esta automatización dinámica de los precios requiere de datos precisos en tiempo real de varias fuentes que tengan en cuenta factores económicos locales y globales, eventos e informes meteorológicos, así como métricas clave, como la ADR (tarifa media diaria), cancelación y ocupación, RevPAR (ingresos por habitación disponible), comportamiento de la reserva, tasa media de ocupación o GOPPAR (Beneficio Operativo Bruto por habitación disponible). Al integrar y analizar toda esta información, se puede predecir el comportamiento de los clientes, conocer el rendimiento de sus propiedades en comparación con los competidores de su misma zona y ajustar su estrategia de precios de forma adecuada y proactiva.

Página 5

CONOCER A TU CLIENTE Saber en tiempo real qué se comenta, qué servicios son los más valorados (atención al cliente, instalaciones, ubicación, limpieza, restauración, …), cuáles se consideran insatisfactorios y qué detalles valoran más los internautas. De este modo, se puede identificar y solventar cualquier aspecto mejorable o ratificarse en las innovaciones que los clientes acogen con más agrado.

Página 5

BIBLIOGRAFIA Tecno Hotel (2019). Caso de éxito: Cómo usa Marriott el big data para crecer sin descanso https://tecnohotelnews.com/2019/10/23/marriott-big-data-exito/ Agencia Valenciana de Turismo. BIG DATA: retos y oportunidades para el turismo (2015)https://www.thinktur.org/media/Big-Data.-Retos-y-oportunidades-para-elturismo.pdf

https://www.powerdata.es/big-data

Página 5