BIG DATA MARKETING/

DATA-DRIVEN MARKETING
(Semmelroth, 2013) utilización de información
(Arthur, 2013) Recolección, análisis y ejecución de los insights (data) de clientes para conducir apropiadamente (Jeffery, 2010) propone indicadores
deducidos del Big Data para alentar el relacionamiento con el los esfuerzos de las comunicaciones de para información tradicional y no
cliente, mejoramiento de resultados de marketing. marketing. tradicional

Inteligencia de Digital Marketing

(Esteves, 2011) Técnicas informáticas, usadas en la Negocios (Sarner, 2012).Enfoque de marketing tecnológico
detección, extracción y análisis de datos en doble sentido, herramienta de decisión que
empresariales. mejora la toma de decisión anticipa las necesidades del consumidor
Sistema de
inteligencia de Analytic Analytics Big- Perfil
Business Analytics 6 capacidades
marketing s Competitors Data 360
(Kotler & Keller, (Davenport,2006).Pu Aplicaciones y técnicas
Método de análisis (Arthur,2013) (World Economic Busca conseguir (Boston Consulting
2012); Métodos y lógico de la eden diferenciarse para recoger, (Telefónica & Roca
fuentes que utilizan mediante un mejor almacenar, analizar y información si y no Forum 2012) acerca con el cliente es la Group, 2014) para
información (Meier & Salvatella, 2014).
los gerentes para entendimiento del proveer acceso a la estructurada del Big-Data, generación que se pueda aplicar
Donze, 2012); muy Análisis de
obtener inf diaria valiosa en áreas que consumidor. Aplican información que ayude generada por plantearon los mediante toda la en una empresa el
una modelación a usuarios de la paquetes de datos
sobre novedades que registren grandes métodos siguientes información Big-Data Marketing
predictiva a una empresa a hacer derivados de la act.
se dan en el entorno cantidades de tradicionales y postulados de procesada un son imprescindibles
amplia variedad de mejores negocios y digital
del marketing. información. canales digitales. mejora humanitaria perfil 360° 6 capacidades
áreasempresariales. tomar decisiones.
Sistema Sistema de
de inteligenci Surge una Diferencias Business Serv
respuesta (CRM). Web (Turban, AnalyticsVSs Big Data Educación. Oportunidades Confianza..
registros a de Predicciones Analytics. Aronson, (McAfee & Brynjolfsson, Financiero
internos. marketing para la 2012) y (Arthur, 2013)
apropiadas Optimización Liang, & Los datos de Establecer
problemáti Sharda, telefonía
Móvil puede Construir una confianza entre
en la del sitio web ser utilizado
Proporciona ca actividad del de acuerdo 2007). Volumen Velocidad móvil pueden cultura de los consumidores,
Proporcion Variedad por el sector
datos de empresaria relacionamie al análisis de Habilidad inf proveer datos innovación y posibilita un uso
a datos de Tipo de público con el
acontecimien l nto con el la corriente que las recolectada información informació con una experimentación. más amplio de su
resultados , de fuentes fin de
to cliente. “clicks”. empresas es generada n perspectiva
entender
información
tienen, para tradicionale y fluye hacia muy profunda
s y no Las la empresa. disponible necesidades Plataforma. Organización
analizar el para la de temas
de educación
Gestión empresas Velocidad
potencial trabajan empresa y como el gasto
y brechas de Desarrollo de
en que la
Estratégica. espacio ahora con información para sus y hábitos de
conocimiento capacidades para
Gestión de infinito de ahorro Sistemas de
Visualizació peta y es creada. equipos de Información la
Riesgos. información exabytes. implementación y
n de perfiles marketing. Agricultura Salud flexibles,
Predicción disponible. apalancamiento
de Ventajas y novedades (Capgemini, escalables y
en la relevante de
consumidor 2012) Herramienta eficientes
valoración aplicaciones de
es para La Análisis Ayuda a los crucial en el
de créditos. volúmenes de
Los volúmenes
en
información
producto ó de información gobiernos a entendimient
estrategias. información son externa es tiempo predecir o de las Participación Relaciones.
información
más grandes de “traída” a la real ó tendencias de tendencias de
son mucho
lo que una empresa de cercano a producción la salud
Complicida Marketing. más amplios terceras Identificación de Crear una cultura
empresa está tiempo de alimentos poblacional ó
d.Predicción Predicciones que cualquier personas y socios abierta de apoyo
acostumbrada a real es e incentivos cuando
de de la base de datos fuentes estratégicos que entre socios y el
procesar. requerido pertinentes surgen
comportami afinidad de tradicional públicas. puedan ayudar a ser abierto a
. desastres. desbloquear
entos los Una gran Varios nuevas
compartir
Alguna de cantidad de conjuntos de información
ilegales consumidore oportunidades
la la información (data).
como el s a ciertos informació información distintos
económicas.
fraude productos. n proviene puede ser están
de las altamente integrados
redes desestructu conjuntamen
sociales. rada (Voz ó te para su
video) análisis

Z
 Bibliografía

 Samuel Israel Goyzueta Rivera; (2015). “Big Data Marketing: una aproximación”. Perspectivas, Año 18 – Nº 35 – mayo 2015. pp. 147-158. Universidad Católica Boliviana “San Pablo”, Unidad Académica
Regional Cochabamba. Clasificación JEL M2 - M29.
 Aparicio, F. (2003). El ERP: Enterprise Resource Planning. IE Business School.
 Arthur, L. (2013). Big Data Marketing. Wiley.
 Behn, R. (2005). Resistance to Measurement. Public Managmenet Report - Kennedy School of Government.
 Boston Consulting Group. (2014). Enabling Big Data: Building the Capabilities that really matter.
 Capgemini. (2012). Big Data: Next Generation Analysis.
 Dans, E. (2008). CRM y el nuevo Marketing Digital. IE Business School.
 Davenport, T. (2006). Competing on Analytics. Harvard Business Review.
 Esteves, J. (2011). IE Multimedia. Obtenido de http://multimedia.ie.edu/productos/business_intelligence_e/busine ss_intelligence_e/index.html
 Gartner. (Marzo de 2014). Gartner. Obtenido de http://www.gartner. -com/technology/home.jsp
 Jeffery, M. (2010). Data-Driven Marketing: The 15 Metrics everyone in Marketing should know. Wiley.
 Kotler, P., & Keller, K. (2012). Dirección de Marketing. Pearson.
 McAfee , A., & Brynjolfsson, E. (2012). Big Data: The Management Revolution. Harvard Business Review.
 Meier, A., & Donze, L. (2012). Fuzzy Methods for Customer Relationship Management and Marketing. Business Science Reference.
 Sarner, A. (Diciembre de 2012). My Gartner. Obtenido de http://my.gartner.com/portal/server.pt?open=512&objID=202&m ode=2&PageID=5553&ref=webinar-
rss&resId=2090115
 Semmelroth, D. (2013). Data-Driven Marketing for Dummies. Wiley.
 Telefónica & RocaSalvatella. (2014). Big Data y Turismo: Nuevos Indicadores para la gestión turística.
 Turban, E., Aronson, J., Liang, T.-P., & Sharda, R. (2007). Decision Support and Business Intelligence Systems.
 World Economic Forum. (2012). Big Data, Big Impact: New Possibilities for International Development. Ginebra.