En esta ltima parte del ao hemos visto como los grandes jugadores van estrechando filas todos tras un mismo objetivo: una solucin integral de Comercio Electrnico para que cualquier empresa o persona pueda vender por Internet Con distintos enfoques y caminos todos quieren lograr una experiencia positiva de venta online que generen una experiencia positiva de compra online, suena raro pero esa es la frmula del xito de Internet como canal de un e-algo. Sencilla y eficaz Creo con fundamento y conviccin que, dicho en forma llana, hemos llegado a darle en el clavo como sector, gracias a una serie de factores y circunstancias, entre ellos, por necesidad o por evolucin como por capacidad y visin construimos entre todos, el camino o mejor dicho la autopista por la cual el Comercio Electrnico y los Negocios por Internet continuarn creciendo hasta lograr tasas de penetracin superiores al 50% respecto a los canales tradicionales. Muchos me dirn que exagero, en afirmar que el Comercio Electrnico minorista o retail ecommerce pasar en los prximos dos aos de una penetracin de menos del 5% en el mejor de los casos a ms del 50% en los pases centrales y en los perifricos. Demorar un par de aos, quizs ms pero es imparable y categrico este nuevo canal de ventas!! El ecosistema y los grandes jugadores estn alineados, como planetas, tras el mismo objetivo: Lograr una experiencia positiva de ventaonline logrando y as ser dueos de la llave del xito del mundo de los Negocios por Internet: lograr una experiencia positiva de venta online Pero, en dnde estn los que realmente harn explosivo y exponencial este crecimiento? Elemental Watson!!! En las empresas que lo harn posible!!! Las que han demostrado ser exitosas en Internet estn cerca de lograrlo y adems son las que ms posibilidades tienen de hacerlo y bien!!, Veamos: Desde distintos enfoques y caminos cada uno est llegando al modelo o solucin integral que hoy ofrece, segn mi anlisis, el gran lder y nave insignia que es Amazon y que lo est masificando para que cualquier empresa o persona tenga ese poder al alcance de sus manos a un costo muy bajo o solamente un costo variable. A saber o como lo estn haciendo o como lo hacen: Ebay con la compra de Magento y fortaleciendo su capilaridad para potenciar el mercado transaccional Groupon con la incorporacin de nuevas categoras, nuevos segmentos de empresas y servicios integrales para las dos puntas (logstica, reservas de mesas, etc) Mercadolibre con sus tentculos: mercadoclicks, mercadoshop, mercadopago y ahora mercadoenvio..!! Buscape con su modelo integrado buscando ser parte y mejorar la experiencia en todo el proceso de compra online!! ni hablemos de las movidas de VISA, Paypal, Mastercard, Samsung y otros que apuntan a la ubicuidad multicanal con lo que este cocktail se vuelve cada vez ms explosivo los dos jugadores que traen el condimento del xito para que realmente se complete el circuito y se disparen todas las proyecciones hasta las ms optimistas son: Facebook y Google Ellos, con ellos o a travs de ellos se creara un nuevo escenario que vamos a bautizarlo como: ecommerce+ o ecommerce plus
El eCommerce+ o eCommerce plus es el ecosistema que permite generar un efecto eCommerce Network Externalities (vean este articulo para profundizar el tema en http://ecommerce.hostip.info/pages/785/Network-Externalities.html ) que va a producir en la oferta el mismo efecto que las redes sociales produjeron en los consumidores. eCommerce+ se basa en una premisa bsica y una de las claves de xito del mundo de los negocios por internet: Resolver lo complejo en forma sencilla. En este caso al permitir en forma gil, simple y a bajo costo que cualquier oferta de productos y/ o servicios logren experiencias positivas de compras o ventas online!! La siguiente imagen busca en un grafico simplificar la versin beta sobre el concepto de eCommerce+ o eCommerce Plus:
Este nuevo escenario permite que las empresas o personas puedan vender y /o comprar productos y/ o servicios generando una experiencia positiva en el consumidor y usuario al montarse en el ecosistema que le ofrece el eCommerce+ Muchas empresas se montaron sobre Internet y su ecosistema; y generaron las telcos y los ISP (Internet service provider) creando nuevos modelos de negocios, servicios o productos que provocaron cambios disruptivos en la forma de vivir, trabajar y hacer negocios; el eCommerce+ potenciar estos cambios y desarrollar sus propios modelos de negocios, servicios o productos que seguramente sern ms disruptivos que los primeros. Si le sumamos: la interoperabilidad transaccional, la inteligencia colectiva, la ubicuidad y geolocalizacin + las nuevas interfaces mvil, TV, etc Solo por nombrar algunos factores; puedo volver reafirmar el titulo de este post: Llego el eCommerce+ podremos decir que vivimos el antes y el despus del comercio electrnico!! Para los que quieran ampliar estos conceptos y en particular a los incrdulos les dejo una muestra de lo que viene con fuerza en este extracto de unos artculos recientes del diario El Pais y New York Times: Google quiere estar presente en todos los negocios de Internet. Despus de la telefona o los porttiles ahora le toca el turno al comercio minorista para competir con la oferta de Amazon y otros. Google trabaja en un servicio que permitir al internauta dar rdenes a una tienda desde el buscador de la compaa y ser Google la encargada de entregar el producto en un da. Una de las claves del servicio ser su rapidez para hacer frente al xito de Amazon Premium que, por una suscripcin de 79 dlares anuales, garantiza una entrega en dos das. Amazon tambin opera en Seattle AmazonFresh, un servicio local de comestibles. En la estrategia de Google jugara un papel su Google Wallet, un sistema de pago a travs del telfono mvil por lo que lanzara una aplicacin que ofrecera publicidad y bsquedas de comercios locales. La empresa no abrira sus propios almacenes ni tendra su propia tienda. Se dedicara a la distribucin de los productos de comercios de terceros, segn The Wall Street. El nuevo servicio tambin se integrara en la red social Google +. En caso de abrirse finalmente, Google lo hara inicialmente en pocas ciudades de Estados Unidos, como San Francisco y Nueva York. En estas ciudades, la compaa tiene Google Offers, un servicio de descuentos y cupones que no parece tener xito. Se desconoce el modelo de negocio de este nuevo servicio. Si cobrara una comisin o se basara en los anuncios de los comerciantes del servicio. En cualquier caso, la principal idea que hay detrs de este proyecto es potenciar la publicidad local que, se calcula, en 2015 supondr el 25% de los anuncios en la Red. Google tambin tiene en pruebas un servicio que ofrecera una lista de comercios fiables en la calidad del producto y los plazos de entrega 8. Soporte tecnolgico de la actividad comercial, data mining y canales tecnolgicos. Una de las herramientas tecnolgicas ms eficaces y que aportan un gran valor aadido a esta explotacin de informacin es el Data Mining. Esta tecnologa est basada en la aplicacin de tcnicas analticas y estadsticas a una poblacin de datos registrada en el Data Warehouse. La finalidad del Data Mining es obtener patrones de comportamiento entre determinados conceptos de informacin de los clientes. Entre otros, podremos prever la demanda, analizar la cartera de productos, hacer una simulacin de precios/descuentos, hacer una simulacin de campaas o investigar y segmentar mercados.
Utilizando la tecnologa de Data Mining con bases de datos de suficiente tamao y calidad, se pueden generar nuevas oportunidades de negocios al proveer estas capacidades:
- Prediccin automatizada de tendencias y comportamientos: Data Mining automatiza el proceso de encontrar informacin predecible en grandes bases de datos. Preguntas que tradicionalmente requeran un intenso anlisis manual, ahora pueden ser contestadas directa y rpidamente desde los datos. Un tpico ejemplo de problema predecible es el marketing apuntado a objetivos (targeted marketing). Data Mining usa datos en mailing promocionales anteriores para identificar posibles objetivos para maximizar los resultados de la inversin en futuros mailing. Tambin se podran predecir pronsticos de problemas financieros o determinados segmentos de la poblacin que reaccionaran de forma parecida respecto a un evento.
- Descubrimiento automatizado de modelos previamente desconocidos: Las herramientas de Data Mining barren las bases de datos e identifican modelos previamente escondidos en un slo paso. Otros problemas de descubrimiento de modelos incluye detectar transacciones fraudulentas de tarjetas de crditos e identificar datos anormales que pueden representar errores de tipeado en la carga de datos.
Algunas cosas que se puede hacer con el DM El usuario del DM usualmente busca los siguientes cuatro tipos de relaciones: (i) Clases: las observaciones se asignan a grupos predeterminados. El proceso de clasificacin consiste en asignar un conjunto de datos a grupos fijados de manera que se minimice la probabilidad de una clasificacin errnea. Por ejemplo, un problema tpico de clasificacin es el de dividir una base de datos de bancos en grupos que sean lo ms homogneos posibles con respecto a variables como posibilidades de crdito en trminos de valores tales como bueno o malo. (ii) Clusters: se construyen grupos de observaciones similares segn un criterio prefijado. El proceso de clustering (agrupamiento) consiste en subdividir un conjunto de datos en grupos mutuamente excluyentes de tal manera que cada miembro de un grupo est lo ms cercano posible a otro elemento, y grupos diferentes estn lo ms lejos posible entre s, de modo que la distancia est medida respecto a todas las variables disponibles. Un tpico ejemplo de aplicacin de clustering es la clasificacin de segmentos de mercado. Por ejemplo, una empresa quiere introducirse en el mercado de bebidas alcohlicas, pero antes hace una encuesta de mercado para averiguar si existen grupos de clientes con costumbres particulares en el consumo de bebidas. La empresa quiere introducirse en el grupo (si existe) que est menos servido por la competencia. En este ejemplo no existen grupos de clientes predeterminados
(iii) Asociaciones: las observaciones son usadas para identificar asociaciones entre variables. La bsqueda de asociaciones es diferente a la bsqueda de relaciones causales. Las relaciones causales sonmuchoms difciles de encontrar que las asociaciones, debido a la presencia de variables no observadas. Las relaciones causales y asociaciones no son equivalentes: si hay asociaciones no tiene por qu haber causalidad.
(iv) Patrones secuenciales: se trata de identificar patrones de comportamiento y tendencias. Un ejemplo sera intensidades de expresin en microarrays que permiten distinguir entre diferentes expresiones de genes para individuos con cncer o sin l.
A continuacin se indican algunos ejemplos de aplicacin del DM. 1. Comercio/Marketing a) Identificacin de patrones de compra de los clientes. b) Bsqueda de asociaciones entre clientes y caractersticas demogrficas. c) Prediccin de respuesta a campaas de correo. d) Anlisis de cestas de la compra. 2. Banca a) Deteccin de patrones de uso fraudulento de tarjetas de crdito. b) Identificacin de clientes leales. c) Prediccin de clientes con probabilidad de cambiar su afiliacin. d) Determinacin del gasto de tarjeta de crdito por grupos. e) Bsqueda de correlaciones entre indicadores financieros. f) Identificacin de reglas de mercado de valores a partir de histricos. 3. Seguros y Salud Privada a) Anlisis de procedimientos mdicos solicitados. b) Prediccin de qu clientes compran nuevas plizas. c) Identificacin patrones de comportamiento para clientes con riesgo. d) Identificacin de comportamiento fraudulento. 4. Transportes a) Determinacin de la planificacin de la distribucin entre tiendas. b) Anlisis de patrones de carga. 5. Medicina a) Identificacin de terapias mdicas adecuadas para diferentes enfermedades. b) Asociacin de sntomas y clasificacin diferencial de patologas. c) Estudio de factores (genticos, precedentes, hbitos, alimenticios, etc.) de riesgo en distintas patologas. d) Segmentacin de pacientes para una atencin ms adecuada segn su grupo. e) Predicciones temporales de los centros asistenciales para el mejor uso de recursos, consultas, salas y habitaciones. f) Estudios epidemiolgicos, anlisis de rendimientos de campaas de informacin, prevencin, sustitucin de frmacos, etc.
9. Control del plan a travs de indicadores INDICADORES DE GESTIN Y MEDICIN DE DESEMPEO 9.1. EFICACIA, EFICIENCIA Y EFECTIVIDAD 9.1.1 EFICIENCIA Capacidad para lograr un fin empleando los mejores medios posibles 9.1.2 EFICACIA Capacidad de lograr el efecto que se desea o se espera, sin que priven para ello los recursos o los medios empleados 9.1.3 EFECTIVIDAD Este concepto involucra la eficiencia y eficacia, es decir, el logro de los resultados programados en el tiempo y con los costos ms razonables posibles. Supone hacer lo correcto con gran exactitud y sin ningn desperdicio de tiempo o dinero. Segn la norma ISO 9000:2000 La eficacia se define como: extensin en la que se realizan las actividades planificadas y se alcanzan los resultados. La eficiencia es la relacin entre el resultado alcanzado y los recursos utilizados 9.2 CARACTERSTICAS DE LOS INDICADORES DE GESTIN: Los indicadores de gestin deben cumplir con unos requisitos y elementos para poder apoyar la gestin para conseguir el objetivo. Estas caractersticas pueden ser: Simplicidad Puede definirse como la capacidad para definir el evento que se pretende medir, de manera poco costosa en tiempo y recurso. Adecuacin Entendida como la facilidad de la medida para describir por completo el fenmeno o efecto. Debe reflejar la magnitud del hecho analizado y mostrar la desviacin real del nivel deseado. Validez en el tiempo Puede definirse como la propiedad de ser permanente por un periodo deseado. Participacin de los usuarios Es la habilidad para estar involucrados desde el diseo, y debe proporcionrseles los recursos y formacin fundamental para que el personal se motive en torno al cumplimiento de los indicadores. Utilidad Es la posibilidad del indicador para estar siempre orientado a buscar las causas que han llevado a que alcance un valor particular un valor particular y mejorarlas. Oportunidad Entendida como la capacidad para que los datos sean recolectados a tiempo. Igualmente requiere que la informacin sea analizada oportunamente para poder actuar.
PDF Universidad Mayor de San Andres Facultad de Ingenieria Carrera de Ingenieria Electromecanica Laboratorio de Fisica Basica II Tema Leyes de Kirchoff