Trabajo de Grado_Ignacio Saenz Otero_S5960-9

Prévia do material em texto

ESCUELA MILITAR DE INGENIERÍA 
MCAL. ANTONIO JOSÉ DE SUCRE 
 BOLIVIA 
 
 
 
 
 
TRABAJO DE GRADO 
 
 
 
 
 
 DESARROLLO DE UN MODELO DE ENGAGEMENT A 
TRAVÉS DE BUSINESS INTELLIGENCE PARA ALCANZAR 
LAS METAS COMERCIALES DE AVIATOR S.R.L. 
 
 
 
 
 
 
 
 
 
SANTA CRUZ DE LA SIERRA, 2020 
 
IGNACIO SAENZ OTERO 
 
 
 
ESCUELA MILITAR DE INGENIERÍA 
MCAL. ANTONIO JOSÉ DE SUCRE 
 
 
BOLIVIA 
 
 
 
 
 
 
TRABAJO DE GRADO 
 
 
 
 
 
 
 
 
 
IGNACIO SAENZ OTERO 
 
 
 
 
 SANTA CRUZ DE LA SIERRA, 2020 
 
Modalidad: Proyecto de grado, 
presentado como requisito parcial 
para optar al título de Licenciatura 
en Ingeniería Comercial. 
 
TUTOR: LIC. EDUARDO ADALID CORTEZ O. 
DESARROLLO DE UN MODELO DE ENGAGEMENT A 
TRAVÉS DE BUSINESS INTELLIGENCE PARA ALCANZAR 
LAS METAS COMERCIALES DE AVIATOR S.R.L. 
 
 
 
 
 
 
 
DEDICATORIA 
 
Este trabajo está dedicado a: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Mis padres, Bernardo Sáenz Figueroa y 
Paula Otero Valda. Por su apoyo y amor 
incondicional a lo largo de mi carrera 
universitaria y de mi vida, 
A mi hermano, Mateo Sáenz Otero, la 
mayor fuente de ejemplo, motivación, 
realidad y solución de problemas en mi 
vida 
A todos los miembros de mi familia, por 
sus consejos y constante apoyo en todos 
los ámbitos académicos y personales. 
 
 
 
 
AGRADECIMIENTOS 
El Autor expresa sus agradecimientos: 
A: LA ESCUELA MILITAR DE INGENIERÍA, centro de estudios que me permitió 
ser profesional. 
A: AVIATOR S.R.L., por su permanente colaboración y ayuda en la realización de 
este trabajo. 
A: EDUARDO ADALID CORTEZ, por haber sido gestor de la idea mediante la 
introducción a diversos campos del conocimiento, por el constante apoyo e 
inspiración a la mejora continua en todos los aspectos humanos y profesionales. 
A: CNL. DAEN JOHNNY DURÁN LINO, por la guía y constante apoyo brindados 
en la culminación del trabajo de grado. 
A: CARLOS NORIEGA PALENQUE, el revisor de este trabajo, por su guía y 
consejos brindados a lo largo de años de estudios profesionales. 
A: SANDRA LOPEZ, por su guía, constante apoyo y motivación 
 
 
 
 
 
 
 
 
HOJA DE VIDA 
 
1. DATOS PERSONALES 
 
NOMBRES: Ignacio 
APELLIDOS: Sáenz Otero 
CANET DE IDENTIDAD: 6720629 LP. 
CARRERA: Ingeniería Comercial 
FECHA DE NACIMIENTO: 19 de diciembre de 1997 
CORREO ELECTRÓNICO: ignacio.saenzoadk@gmail.com 
TELÉFONO: 75090035 
 
2. DATOS ACADÉMICOS 
 
- PRIMARIA: Colegio Saint George 
- SECUNDARIA: Colegio Saint George 
- UNIVERSITARIO: Escuela Militar de Ingeniería UASC 
 
3. CURSOS DE EDUCACIÓN CONTÍNUA 
 
- Cursos: TOEFL Nivel Avanzado 
Analyzing Data with PowerBI 
Introduction to DAX SqlBI 
Marketing Analytics 
Up and Running with PowerBI Desktop 
- Seminario: “Emprendimiento en Bolivia”. 
“Transformación digital y data en manejo 
de empresas” 
 
 
i 
ÍNDICE 
 
Pág. 
CAPÍTULO 1. GENERALIDADES ............................................................................. 1 
1.1 ANTECEDENTES ........................................................................................ 1 
1.2 PLANTEAMIENTO DEL PROBLEMA ......................................................... 7 
1.2.1 Identificación del problema ........................................................................... 7 
1.2.2 Diagrama de causa y efecto ......................................................................... 8 
1.2.3 Formulación del problema .......................................................................... 10 
1.3 PLANTEAMIENTO DE OBJETIVOS ......................................................... 11 
1.3.1 Objetivo general ......................................................................................... 11 
1.3.2 Objetivos específicos .................................................................................. 11 
1.3.3 Acciones de investigación .......................................................................... 11 
1.4 JUSTIFICACIÓN ........................................................................................ 13 
1.4.1 Justificación técnica .................................................................................... 13 
1.4.2 Justificación económica .............................................................................. 13 
1.4.3 Justificación social ...................................................................................... 14 
1.5 ALCANCE .................................................................................................. 14 
1.5.1 Alcance temático ........................................................................................ 14 
1.5.2 Alcance geográfico ..................................................................................... 15 
1.5.3 Alcance temporal ........................................................................................ 16 
1.6 MARCO METODOLÓGICO ....................................................................... 16 
1.6.1 Tipo de investigación .................................................................................. 16 
1.6.2 Métodos de investigación ........................................................................... 17 
1.6.3 Diseño y proceso metodológico .................................................................. 17 
 
ii 
CAPÍTULO 2. MARCO TEÓRICO ............................................................................ 19 
2.1 INVESTIGACIÓN DE MERCADOS ........................................................... 19 
2.1.1 Etapas y proceso de Investigación de Mercados ....................................... 20 
2.1.2 Investigación exploratoria de mercados ..................................................... 23 
2.1.3 Investigación cualitativa en los diseños de investigación exploratoria ........ 24 
2.1.4 Planeación del diseño de investigación ...................................................... 24 
2.1.5 Etapas de inicio del proceso de investigación de mercados ...................... 24 
2.1.6 Investigación de Mercados con datos secundarios .................................... 26 
2.2 Business intelligence y análisis multivariado ........................................ 29 
2.2.1 Componentes y beneficios de Business Intelligence .................................. 30 
2.2.2 Modelo de madurez de Business Intelligence (BI Maturity Model) ............. 32 
2.2.3 Definiciones de los conceptos y herramientas principales de BI ................ 34 
2.2.4 Análisis multivariado ................................................................................... 43 
2.3 MARKETING .............................................................................................. 47 
2.3.1 Construcción de relaciones y experiencias con los clientes ....................... 48 
2.3.2 Captar valor de los clientes ........................................................................ 50 
2.3.3 Los nuevos enfoques del marketing ........................................................... 53 
2.3.4 Engagement Marketing para afinidad de marca. ........................................ 57 
2.3.5 Métricas y modelos de productividad de marketing .................................... 59 
2.4 FINANZAS ................................................................................................. 61 
2.4.1 Cálculo de flujos de efectivo incrementales ................................................ 62 
2.4.2 Métodos de selección y evaluación de proyectos (FED) ............................ 65 
CAPÍTULO 3. MARCO PRÁCTICO .......................................................................... 64 
3.1 INFORMACIÓN DEL COMPORTAMIENTO DEL CONSUMIDOR ............ 64 
3.1.1 Incidencia de variables en conocimiento de consumidor ............................ 65 
 
iii 
3.2 BIY ANÁLISIS DE INFORMACIÓN .......................................................... 78 
3.2.1 Proposición de métricas ............................................................................. 78 
3.2.2 Elaboración de dashboards ........................................................................ 82 
3.2.3 Parámetros y modelos de predicción ......................................................... 90 
3.2.4 Comportamiento identificado del consumidor ............................................. 94 
3.3 MODELO DE ENGAGEMENT ................................................................... 97 
3.3.1 Identificación de modelos de estrategias .................................................... 97 
3.3.2 Maximización de modelos de engagement ................................................ 98 
3.3.3 Diseño de modelo de engagement. .......................................................... 103 
3.3.4 Elaboración de la metodología de implementación. ................................. 104 
3.3.5 Diseño del modelo de engagement .......................................................... 105 
3.3.6 Resultados esperados en el comportamiento del consumidor ................. 110 
3.4 EVALUACIÓN ECONÓMICA Y TÉCNICA DE LA PROPUESTA ........... 110 
3.4.1 Justificación técnica de la propuesta ........................................................ 111 
3.4.2 Justificación económica de la propuesta .................................................. 112 
CAPÍTULO 4: CONCLUSIONES Y RECOMENDACIONES ................................... 113 
4.1 CONCLUSIONES ..................................................................................... 113 
4.2 RECOMENDACIONES ............................................................................ 114 
BIBLIOGRAFÍA ...................................................................................................... 115 
GLOSARIO……………………………………………………………………………… 117 
 
 
 
 
 
iv 
ÍNDICE DE CUADROS 
 
Pág. 
CUADRO 1. ACCIONES DE INVESTIGACIÓN ........................................................ 12 
CUADRO 2. MÉTODOS Y TÉCNICAS DE INVESTIGACIÓN .................................. 17 
CUADRO 3. DISEÑO METODOLÓGICO ................................................................. 18 
CUADRO 4. VENTAJAS Y DESVENTAJAS DE DATOS SECUNDARIOS ............... 27 
CUADRO 5. ELEMENTOS DE INFORMES EN BI .................................................... 39 
CUADRO 6. TIPOS DE MÉTRICAS DE NEGOCIO .................................................. 40 
CUADRO 7. ETAPAS DE ELABORACIÓN DE DASHBOARDS ............................... 42 
CUADRO 8. PROBLEMAS VIABILIZAN EL USO DE ANÁLISIS MULTIVARIADO .. 44 
CUADRO 9. FORMATO BÁSICO F.F.E.E.N.N I.I. .................................................... 64 
CUADRO 10. FORMATO BÁSICO DE FLUJO NETO INCREMENTAL U.U. A.A. .... 64 
CUADRO 11. SISTEMAS TRANSACCIONALES AVIATOR S.R.L. .......................... 64 
CUADRO 12. PUNTOS DE CONTACTO 5A´S AVIATOR S.R.L. ............................. 65 
CUADRO 13. VARIABLES INCIDENTES EN RECONOCIMIENTO ......................... 66 
CUADRO 14. INCIDENCIA DE VARIABLES EN ATRACTIVO ................................. 67 
CUADRO 15. INCIDENCIA DE VARIABLES ACTO DEL CONSUMIDOR ............... 68 
CUADRO 16. INCIDENCIA DE VARIABLES EN COMPRA DEL CONSUMIDOR .... 70 
CUADRO 17. INCIDENCIA DE VARIABLES EN PROMOTORES ............................ 71 
CUADRO 18. SINTÁXIS REPOSICIÓN DE SQL-SAMBA NO. VENTAS .................. 80 
CUADRO 19. SINTÁXIS REPOSICIÓN SQL-SAMBA VENTAS ............................... 81 
CUADRO 20. EXPRESIÓN EN LENGUAJE DAX ..................................................... 84 
 
v 
CUADRO 21. BENCHMARK DE MODELOS DE ENGAGEMENT ............................ 97 
CUADRO 22. EVALUACIÓN DE MODELO DE ENGAGEMENT TIPO 1 .................. 99 
CUADRO 23. EVALUACIÓN DE MODELO DE ENGAGEMENT TIPO 2 ................. 99 
CUADRO 24. EVALUACIÓN DE MODELO DE ENGAGEMENT TIPO 3 ................ 101 
CUADRO 25. EVALUACIÓN DE MODELO DE ENGAGEMENT TIPO 4 ................ 101 
CUADRO 26. EVALUACIÓN DE MODELO DE ENGAGEMENT TIPO 5 ................ 102 
CUADRO 27. MAXIMIZACIÓN DE MODELOS ....................................................... 103 
CUADRO 28. DISEÑO DEL MODELO DE ENGAGEMENT ................................... 105 
CUADRO 29. CRITERIO PRESUPUESTARIO DE IMPLEMENTACIÓN ................ 108 
CUADRO 30. MATRIZ COMPARATIVA DE IMPLEMENTACIÓN .......................... 111 
CUADRO 31. COSTO DE RETENCIÓN DE CLIENTES ......................................... 113 
CUADRO 32. COSTO TOTAL DE ADQUISICIÓN DE CLIENTES .......................... 113 
CUADRO 33. M.C. NETO POR CLIENTE NUEVO ................................................. 114 
CUADRO 34. INVERSIONES PARA LA PROPUESTA. ......................................... 114 
CUADRO 35. INGRESO POR EFICIENCIA EN C.O. POR CLIENTE .................... 115 
CUADRO 36. INGRESO ANUAL POR EFICIENCIA EN C.O. ................................ 116 
CUADRO 37. BENEFICIO COSTO ......................................................................... 117 
CUADRO 38. FLUJO DE CAJA INCREMENTAL TRIMESTRAL (EXP. EN BS.) .... 117 
CUADRO 39. BENEFICIOS INCREMENTALES NETOS TRIMESTRALES ........... 118 
 
 
 
vi 
ÍNDICE DE FIGURAS 
 
Pág. 
FIGURA 1. PIB Y VENTAS FACTURADAS DE RESTAURANTES. ........................... 2 
FIGURA 2. CRECIMIENTO ANUAL DE PLANILLA AVIATOR S.R.L. ......................... 4 
FIGURA 3. VENTAS “AVIATOR S.R.L.” Y “AVIATOR WINGS & BEER” .................... 5 
FIGURA 4. DIAGRAMA DE ISHIKAWA ...................................................................... 9 
FIGURA 5. UBICACIÓN AVIATOR S.R.L. ................................................................ 15 
FIGURA 6. DIAGRAMA DEL PROCESO DE INVESTIGACIÓN DE MERCADOS ... 21 
FIGURA 7. PROCESO DE DEFINICIÓN DEL PROBLEMA...................................... 25 
FIGURA 8. DECLARACIÓN DE DECISIÓN EN EL PROCESO ................................ 26 
FIGURA 9. HERRAMIENTAS Y TECNOLOGÍAS DE BI ........................................... 30 
FIGURA 10. FASES DEL MODELO DE MADUREZ DE BI ....................................... 32 
FIGURA 11. ELEMENTOS EN CONTEXTO CON DATA WAREHOUSE ................. 36 
FIGURA 12. FUNCIONALIDAD ETL ......................................................................... 37 
FIGURA 13. TIPOS DE GRÁFICOS SEGÚN DATOS .............................................. 41 
FIGURA 14. DIVISIÓN DE LAS TÉCNICAS FUNCIONALES O DEPENDIENTES .. 45 
FIGURA 15. TÉCNICAS ESTRUCTURALES O INTERDEPENDIENTES ................ 46 
FIGURA 16. PROCESO BÁSICO DE MARKETING ................................................. 48 
FIGURA 17. TIPOS BÁSICOS DE CONSUMIDORES .............................................. 53 
FIGURA 18. INTEGRACIÓN DE MARKETING TRADICIONAL Y DIGITAL.............. 56 
FIGURA 19. PROCESO RENTABLE DE ENGAGEMENT ........................................ 59 
FIGURA 20. EL MARCO DEL VALOR DE ENGAGEMENT DE CONSUMIDOR ...... 60 
FIGURA 21. PROCESO DE ACTO AVIATOR S.R.L. ............................................... 69 
 
vii 
FIGURA 22. INFORMACIÓN GENERADA POR POS .............................................. 72 
FIGURA 23. MÓDULO DE INVENTARIOS ............................................................... 73 
FIGURA 24. DATA GENERADA POR FACEBOOK .................................................. 73 
FIGURA 25. LOOK_UP CON INDICADORES PRIMARIOS DE CONSUMIDORES . 74 
FIGURA 26. QUERIES LIMPIEZA Y DEFINICIÓN DE INFORMACIÓN ................... 75 
FIGURA 27. PROCESO ETL TERMINADO .............................................................. 76 
FIGURA 28. MODELADO DE DATOS ...................................................................... 76 
FIGURA 29. PARTE SUPERIOR DEL ESQUEMA COPO DE NIEVE ...................... 77 
FIGURA 30. GRANULARIDA MÁXIMA DE QUERY ................................................. 78 
FIGURA 31. CRITERIOS DE DAX ............................................................................82 
FIGURA 32. REPORTE INTERACTIVO EJECUTIVO PBI ........................................ 83 
FIGURA 33. INTERACTIVIDAD DE DASHBOARD .................................................. 84 
FIGURA 34. REPORTE DETALLE DE PRODUCTO ................................................ 85 
FIGURA 35. REPORTE MARKET BASKET ANÁLISIS ............................................ 86 
FIGURA 36. REPORTE DE ACTO ............................................................................ 87 
FIGURA 37. REPORTE DE VENTAS POR VISITA .................................................. 88 
FIGURA 38. REPORTES DE CLIENTES Y RETENCIÓN ........................................ 89 
FIGURA 39. REFERENCIAS Y COMPARACIÓN DE VENTAS ................................ 89 
FIGURA 40. REPORTE DE CAMPAÑAS PUBLICITARIAS ...................................... 90 
FIGURA 41. PARÁMETROS DE SIMULACIÓN ........................................................ 91 
FIGURA 42. REPORTE DE DETALLES DE PRODUCTO ........................................ 91 
FIGURA 43. ANÁLISIS DE RL .................................................................................. 92 
FIGURA 44. REPORTE DE ANÁLISIS DE CONGLORMERADOS .......................... 93 
FIGURA 45. SEGMENTOS TOP EN ÉXITO DE PEDIDO ........................................ 94 
 
viii 
FIGURA 46. DISEÑO DE MODELO DE ENGAGEMENT ....................................... 103 
FIGURA 47. DISEÑO DEL MODELO DE ENGAGEMENT ..................................... 104 
FIGURA 48.SISTEMA DE SOPORTE DE DECISIONES A1 .................................. 106 
FIGURA 49. PRESUPUESTO DE MODELO .......................................................... 107 
FIGURA 50. ELEGIBILIDAD ................................................................................... 108 
FIGURA 51. SELECCIÓN DE RECOMPENSAS .................................................... 109 
FIGURA 52. E.O. PARA MANEJOR OPERATIVO Y A. .......................................... 110 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
ix 
ÍNDICE DE ECUACIONES 
 
Pág. 
ECUACIÓN 1. TASA INTERNA DE RETORNO ........................................................ 65 
ECUACIÓN 2. VALOR PRESENTE NETO ............................................................... 66 
ECUACIÓN 3. RELACIÓN BENEFICIO COSTO ...................................................... 66 
 
i 
ÍNDICE DE ANEXOS 
 
Pág. 
ANEXO A. ELABORACIÓN DE CÓDIGO DAX ....................................................... 118 
ANEXO B. PROCESO ETL CON POWER QUERY ................................................ 118 
ANEXO C. ELEMENTOS DE FFLUJO DE CAJA INCREMENTAL ......................... 117 
ANEXO D. PARA IMPLEMENTACIÓN DE MODELO DE ENGAGEMENT ............ 120 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
RESUMEN EJECUTIVO 
UNIDAD ACADEMICA SANTA CRUZ 
INGENIERIA COMERCIAL 
 
 
 
 
 
RESUMEN EJECUTIVO 
 
El presente trabajo de grado tiene como objetivo la elaboración de un modelo de 
engagement a través de business intelligence para alcanzar las metas comerciales de 
Aviator S.R.L., compilando información y con diferentes herramientas, para un análisis 
mediante indicadores y procesos estadísticos permitan implementar un modelo 
estratégico basado en información y datos en lugar de pura intuición gerencial. 
En el primer capítulo, se presentan las generalidades del campo de estudio, su 
influencia en el sector de la empresa analizada y de la empresa, contextualizando los 
problemas actuales y los objetivos de la elaboración de un modelo que sistematice una 
estrategia de engagement. Se describen las justificaciones, alcances de la 
investigación y la metodología del trabajo. 
El segundo capítulo se desarrolla el resultado de la investigación que sustenta y 
fundamente las herramientas teóricas que se utilizan para dar solución al problema 
planteado. Dichas herramientas están relacionadas a ciencias como la investigación 
de mercados, estadística y análisis multivariable, mercadotecnia y finanzas. En este 
orden se van satisfacen las necesidades de los objetivos específicos, esto mediante la 
síntesis y redacción de diferentes autores y obras presentes en la literatura del área. 
El tercer capítulo, se realiza toda la puesta en marcha de manera práctica para 
implementar el modelo y cumplir con cada específico, de manera que se resuelva el 
objetivo general y de esa manera se solucione el problema de investigación. Primero, 
mediante la recopilación, limpieza y estructuración de la información del consumidor 
de Aviator de todas sus fuentes, posteriormente con el análisis mediante herramientas 
de business intelligence, para culminar con la justificación técnica y económica de la 
propuesta. El último capítulo, el cuarto, está compuesto por las conclusiones sobre la 
realización de todo el trabajo de investigación, que da paso a recomendaciones 
contempladas en el mismo capítulo. 
PALABRAS CLAVE: Business Intelligence, engagement. 
 
 
ABSTRACT 
 
This degree work holds, as its main objective, the development of an engagement 
model through business intelligence, in order to reach Aviator S.R.L.’s commercial 
goals and potential, by carrying out data recollection through various tools for analysis, 
with the use of indicators and statistical processes, that will guarantee the possibility of 
implementing a strategic model, based on objective data as opposed to pure “gut” 
decision making. 
In the first chapter, generalities about the field of study are discussed, its influence in 
the analyzed company’s industry and in the company itself are presented, 
contextualizing the current problems and the objectives of a model development, will 
provide a framework to an engagement strategy. Justifications, the investigation’s 
reach, and methodologies are described as well. 
Then, results of the theory and theoretical tools investigation, that hold the bases to 
achieve the solution to the proposed problem are developed, being related to diverse 
fields of study, like market research, statistics and multivariate analysis, marketing, and 
finance. In that order, the theoretical needs were fulfilled to be able to reach the specific 
objectives, achieving this through synthesis and drafting of different author´s works. 
In the third chapter, all of the practical development needed to fulfill each specific 
objective and to implement the model is done in a manner that through those solutions, 
the main objective will be completed and therefore solving the investigative problem. 
First, through the recollection, cleaning and structuring of all consumer data found in 
Aviator and all of its generators. Secondly, by analyzing the data through business 
intelligence tools to finally culminate the work with the technical and economic 
justifications of the proposal. The last chapter, the fourth one, is made of conclusions 
about the making of all the investigation work, that leads to some recommendations, 
made in the same chapter. 
KEY WORDS: Business Intelligence, engagement. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
CAPÍTULO 1 GENERALIDADES 
UNIDAD ACADEMICA SANTA CRUZ 
INGENIERIA COMERCIAL 
 
 
 
 
1 
 
CAPÍTULO 1. GENERALIDADES 
 
1.1 ANTECEDENTES 
En los últimos 14 años, la facturación de los restaurantes creció alrededor de 10 veces, 
en las ciudades del eje troncal de Bolivia, según se afirma en el diario La Razón. 
(Lazcano, 2019). Debido a que es un mercado con bajísimas barreras de entrada y de 
salida, crea un contexto operacional de híper competencia, haciendo que los nuevos 
productos y empresas, no tengan garantizado el éxito en el sector de Restaurantes. 
El crecimiento que se estaba produciendo en el sector, no se reflejaba en las empresas 
individualmente, porque este era dado por la sobre oferta, que hacía que la cuota de 
mercado disminuya concada nuevo entrante. (Rosales y Vázquez, 2019). 
Fernando Medina, de la cámara gastronómica de Santa Cruz (citado en Alta oferta 
gastronómica eleva mora de restaurantes Cruceños, 2019) afirma que existió en el 
2019, un incremento en la mora de los restaurantes del 2 al 2.5 por ciento, según datos 
de la cámara. Afirmando que, cada empresa se queda con un porcentaje menor y 
ocurre el fenómeno de los rendimientos marginales decrecientes en el rendimiento 
mismo de los restaurantes. 
Sin embargo, la apertura de restaurantes, sobre todo en el departamento de santa 
cruz, no deja de incrementarse, el 2014, sufrió un incremento de 500% y año a año se 
incrementan los restaurantes en números que superan los cientos. El 2016, ya se 
contabilizaban, según datos de la cámara gastronómica, con 2796 restaurantes en 
Santa Cruz de la Sierra. (Pereira, 2016) 
Entonces, mientras la oferta crece, el 2019, se experimentó entre 30 y 20 por ciento 
de decrecimiento en la demanda en algunas categorías del sector gastronómico 
respecto al mismo periodo del 2018 (Carvajal, 2019). En la figura 1, con datos del 
Instituto Nacional de Estadística y el Ministerio de Finanzas públicas, se puede 
observar, mediante un cruce de datos, el decremento en ventas facturadas en los 
 
2 
 
últimos 3 años, mientras se observa un crecimiento sostenido del PIB del sector de 
restaurantes, lo que sustenta lo expuesto sobre el crecimiento sectorial por sobre 
oferta y menores ingresos generales para restaurantes. 
 
FIGURA 1. PIB Y VENTAS FACTURADAS DE RESTAURANTES. 
 
Fuente: Ministerio de Economía y Finanzas e Instituto nacional de Estadística. 
 
Por otro lado, según la consultora Captura Consulting (Citada en Veliz, 2018), el índice 
de confianza del consumidor, para el consumidor boliviano de las ciudades capitales 
del eje troncal de Bolivia, tuvo un decrecimiento de 9 puntos al segundo semestre de 
2018, donde por primera vez en 5 años, cayó por debajo de los requeridos 100 puntos. 
En contraste, entre el 60 y 70% de las franquicias de Bolivia (nacionales e 
internacionales), están concentradas en Santa Cruz, como ha asegurado la 
presidencia de la Cámara de Franquicias Bolivianas, según lo afirmado en el periódico 
Los Tiempos. (Hinojosa, 2018). 
3.30% 3.90% 4.20%
4.30%
5.10% 4.50%
21%
20%
10%
-2%
-8%
1%
-10.00%
-5.00%
0.00%
5.00%
10.00%
15.00%
20.00%
25.00%
2013 2014 2015 2016 2017 2018
Crecimiento % del PIB del sector Restaurantes
Crecimiento de Ventas Facturadas de Restaurantes
 
3 
 
Entonces, además de la creciente entrada de actores informales al sector, también 
están competidores con niveles altos de inversión, estandarización y lineamientos 
estratégicos firmes que se adhieren al sector formal, que, como es el caso de muchos 
de los actores, cuentan también con un reconocido posicionamiento de marca. 
Roberto Pérez y Javier Aguilera (citados en Veliz, 2018) titular y presidente de 
Franquicias América y la cámara gastronómica de Santa Cruz, respectivamente, 
afirman que los modelos de franquicias son menos sensibles a los precios y (se 
entiende) a desaceleraciones, debido a que su mercado objetivo es de clase media 
alta en adelante y por otro lado, generalmente brindan marketing de experiencia lo que 
hace que no sientan los cambios en el consumo, basándose en los resultados del 
informe sobre el ICC de Captura Consulting. 
Aviator S.R.L. fue establecido legalmente el 13 de noviembre del año 2012, con NIT 
2367953014, ubicada en el 3er Anillo Externo esquina Avenida San Martín, Santa Cruz 
de la Sierra. Como empresa unipersonal, entonces con el nombre de ¨Aviator 
Wings&Beer”. Empezó como un restaurante pequeño, innovando en el mercado, con 
un modelo de negocio nuevo, gracias a su oferta sin competidores en ese momento. 
Pues con una industria y empresas crecientes pero una oferta inexistente para “After 
Office” y de variedad de cervezas, ¨Aviator Wings & Beer¨ ofreció un producto nuevo, 
las ¨Buffalo Wings¨, alitas de pollo al original estilo americano y cervezas 
internacionales y nacionales de diferentes tipos y artesanales, con una capacidad de 
alrededor de 48 personas y un compacto menú que constaba de 4 tipos de alitas y 12 
marcas de cervezas. 
El año 2015, la empresa amplió su capacidad de 48 clientes sentados, a casi 200. 
Enfocándose en el concepto de bar deportivo, enfocó sus campañas de mercadotecnia 
a los deportes e incrementó su oferta de productos, con un portafolio más amplio y un 
incremento de alrededor del 183% de personal. Como se puede ver a continuación, en 
la figura 2, el 2019 por la magnitud del incremento de la remodelación de Aviator, se 
experimentó una mayor variación en la parte gerencial, añadiendo entre otros un 
departamento de marketing para la realización de acciones y estrategias de 
 
4 
 
transformación digital (tales como Business Intelligence), además de las que por su 
naturaleza debe realizar. Por otro lado, por la buena estructuración operativa, con 
cambios tecnológicos, el personal de cocina se mantuvo estable. 
FIGURA 2. CRECIMIENTO ANUAL DE PLANILLA AVIATOR S.R.L. 
 
Fuente: Aviator S.R.L. 
Tras 2 años de crecimiento sostenido, los factores mencionados al inicio del trabajo y 
el hecho de que su modelo de negocio se banalice, hicieron que la empresa comience 
a tener decrecimiento en sus ingresos, dando paso a medidas paliativas como cambios 
de menú y logo, además de promociones y combos continuos. A pesar del crecimiento 
ya experimentado en 2015, se tenía una estructura organizacional y de operaciones 
muy limitada e informal, que, con la creciente competencia e ingreso de oferentes al 
mercado con inversiones millonarias, hizo necesario un cambio total en la empresa. 
El 2019, se realizó un rebranding y reestructuración empresarial completa. 
Transformando la empresa de Unipersonal a Aviator S.R.L, incrementando su capital 
social y haciendo una significativa inversión. El rebranding, no solamente alcanzó al 
tipo de empresa. La marca, la estructura y gestión organizacional, la cadena de 
suministros, productos, infraestructura y más e innovadores servicios y tecnología, 
también fueron alcanzados. 
0
5
10
15
20
25
2012 2013 2014 2015 2016 2017 2018 2019 2020
Personal de Cocina Personal Atención Bartenders
Caja Suppy Chain Gerenciales
 
5 
 
Esto resultó en un crecimiento de más del 210% de ingresos del último cuarto del año 
(trimestre) en funcionamiento de “Aviator Wings & Beer” contra su equivalente de 
“Aviator S.R.L.”, como se puede observar en la figura 3. Sin embargo, para alcanzar 
los objetivos de crecimiento planteados en el plan de negocios de la empresa, Aviator 
necesita mantenerse a la vanguardia de la innovación para no experimentar 
estancamientos y alcanzar todos los objetivos de su plan de negocios. 
FIGURA 3. VENTAS “AVIATOR S.R.L.” Y “AVIATOR WINGS & BEER” 
 
Fuente: Aviator S.R.L. 
Según el gerente general de la empresa, Mateo Sáenz, los niveles de venta de la 
pasada gestión (2019), se mantuvieron en un crecimiento sostenido, como resultado 
de la implementación. Sin embargo, no se logran alcanzar las metas comerciales del 
plan de negocios. El éxito de la empresa, finalmente, depende de múltiples factores y 
del logro de todos los objetivos y metas planteadas en el plan estratégico de Aviator. 
El área de marketing, según informa el gerente general, actualmente trabaja de forma 
conjunta con las demás áreas de la empresa. Tiene una implementación constante de 
Trimestre 1
A&B
Trimestre 1
Aviator S.R.L.
Trimestre 2
A&B
Trimestre 2
Aviator S.R.L.
Trimestre 3
A&B
Trimestre 3
Aviator S.R.L.
Trimestre 4
A&B
Trimestre 4
Aviator S.R.L.
Nov-Ene Feb-Abr May-Jul Ago-Oct
In
gr
es
o
s 
Tr
im
es
tr
al
es
 
6 
 
acciones diferenciadas de la oferta de mercado y una constante comunicación de las 
mismas mediante redes, utilizando sobre todo la intuición para realizar las inversiones 
yel gasto correspondiente al área. Se ejecutan entrega de vales y acciones internas 
como juegos para lograr fidelización de clientes. 
Las empresas líderes del sector gastronómico, en el entorno mundial, vienen 
implementando estrategias de fidelización y customer experience para alcanzar una 
relación de engagement desde hace varios años. 
Empresas líderes mundiales como Starbucks, con estas acciones, ha logrado un 
crecimiento del 16% de clientela fiel, que significó un incremento de 16.3 millones de 
personas a su programa de fidelización, el mismo que le representa un 40% de los 
ingresos que percibe. La transformación digital y el cambio de enfoque en sus acciones 
de engagement son la clave para lograr resultados positivos (Wierner-Bronner, 2019). 
Un enfoque de fidelización y retención de clientes, muestra, con datos preliminares, 
que acciones como el ̈ cross-selling¨, incremento en las tasas de retención, incremento 
de cartera y más, resultan en aumentos del 5% de retención de clientes, que pueden, 
subsecuentemente resultar en un incremento de entre 25-75% en incremento de 
utilidades (Han, y otros, 2018). 
El engagement es un modelo que va cobrando fuerza en la literatura y que puede 
definirse como la medición de la fuerza de la relación de los clientes de una empresa, 
basados en la extensión a la que el cliente haya formado lazos emocionales y 
racionales como la empresa, según dice McEwen (citado en Bowden, 2009). 
Para lograr estos modelos de engagement, se necesita de conocimiento profundo del 
consumidor. Herramientas de business intelligenge, como dashboards, data mining, 
market basket analysis y otros permiten conocer y predecir los patrones de 
comportamiento y consumo de los consumidores, en restaurantes y todos los rubros. 
(Halim, Siana, y Felicia, 2019). 
El Business Intelligence, comenzó a aportar soluciones en los 90, y aunque sus costos 
eran sumamente elevados y solamente grandes empresas, líderes en el mundo podían 
 
7 
 
acceder a estas. (Otmane y Theel, 2018), Morris afirma, que inversiones de 2 millones 
de dólares generaban un ROI substancial, con una media de 5 años, utilizando a 43 
organizaciones de alto nivel, de 457% (Negash y otros, 2004). 
Esto prueba que, existe un enorme poder de retorno de inversión de realizarla y el 
enorme potencial que se daría de implementar BI en pequeñas y medianas empresas. 
En la actualidad, la evolución tecnológica ha hecho que los costos de Business 
Intelligence disminuyan a niveles mínimos, esto y la necesidad apremiante de que se 
acceda a información de forma sencilla e inmediata para su análisis, ha hecho que 
este tema se convierta en un interés principal en start-ups (Otmane y Theel, 2018), y 
por tanto,para empresas medianas y pequeñas en países sub-desarrollados. 
Herramientas como Power BI, de Microsoft (líder de mercado en el desarrollo de 
herramientas de Business Intelligence), tiene muchas y variadas aplicaciones y 
funcionalidades, que con funcionamiento en la nube y on-premise, ofrece servicios 
gratuitos y con extensiones con precios accesibles (Gartner Consultora, 2020). 
La falta de conocimiento específico de sus clientes y su comportamiento y, por tanto, 
la incertidumbre sobre el engagement alcanzado en las relaciones marca-cliente, se 
da, debido a la gran cantidad de información semiestructurada que se genera en 
operaciones cotidianas, pero que, por su condición, su almacenaje y procesamiento 
es sumamente dificultoso, como afirman Blumberg y Atre, citados en (Negash, 
Burstein, Holsapple, 2004). 
1.2 PLANTEAMIENTO DEL PROBLEMA 
1.2.1 Identificación del problema 
Existen en la empresa, según la información brindada por gerencia, diversas acciones 
que forman parte del plan de negocios, destinadas a convertir primeras visitas de 
consumidores en retención de clientes y generar de esa manera engagement. Sin 
embargo, no existen métricas que puedan medir el desempeño de las mismas. Siendo 
esto, algo de primordial importancia para los intereses de la empresa. 
 
8 
 
Si bien el crecimiento de la empresa por la inversión y reestructuración de marca en 
general ha generado un crecimiento sostenido, que sigue experimentando picos por la 
buena experiencia de cliente que se brinda, se tiene incertidumbre entre el porcentaje 
de asistencia de nuevos clientes o repitentes, sin saber si se ha alcanzado algún tipo 
de estancamiento en alguno de los campos, por la falta de métricas en la dirección de 
la empresa. 
Todas las acciones en existencia para incrementar el engagement de clientes, tienen 
también dificultades de ejecución por dependencia en el personal operativo y falta de 
automatización, entonces, aunque se incurren en altos costos de tiempo y recursos 
para capacitación, la falta de automatización para generación de información e 
engagement, hace que las acciones no sean consistentes y por tanto no cumplan sus 
objetivos y metas. 
Es de suma importancia establecer un modelo de inteligencia de negocios que permita 
conocer el comportamiento individual del consumidor, y así permita a la empresa un 
incremento en sus ingresos a través de la fidelización de sus clientes, y, por ende, al 
mantener costos fijos, conseguir las metas comerciales de la empresa. 
La falta de conocimiento del comportamiento individual del consumidor, de sus gustos 
y preferencias individuales, KPI´s que midan la efectividad de las campañas aplicadas 
sobre el comportamiento del consumidor y el conocimiento sobre retención de clientes. 
Además de la inexistencia de programas sustentados, estructurados, gestionados y 
controlados de fidelización, hacen que el inexistente modelo de inteligencia de 
negocios ocasione un elevado costo de oportunidad al invertir una mayor cantidad de 
recursos en la captación y no en la retención de clientes. 
1.2.2 Diagrama de causa y efecto 
A través de un análisis compacto y gráfico se pueden visualizar todas las causas que 
generan el problema de investigación que impulsa este trabajo. Además de las causas 
obvias, un análisis profundo de todo el proceso previo en la organización, que 
desemboca en el problema, es que se puede llegar a soluciones coherentes, prácticas 
 
9 
 
y funcionales. A continuación, en la figura 4, se observan las causas del problema, de 
forma ordenada en el Diagrama de Ishikawa. 
FIGURA 4. DIAGRAMA DE ISHIKAWA 
INCUMPLIMIENTO DE METAS
COMERCIALES
Planificación 
ineficiente
Formulación de estrategias 
empíricamente
Desperdicio de 
recursos
No existe software 
De fidelización
Integración de 
software de B.I.
Ineficiente análisis 
de datos
Presupuestos proyectados 
no estructurados
Falta de datos 
históricos
 
 
Fuente: Elaboración Propia 
Son cuatro las áreas más relevantes que se logaron identificar en el diagrama de 
Ishikawa. Estas se pueden clasificar como causas, que desembocan u originan el 
efecto principal. Cada causa o problema es explicado a través de sus subcausas a 
continuación: 
- Comportamiento del consumidor: Dentro de la administración de ingresos, un 
factor clave a la hora de lograr su crecimiento, es un profundo conocimiento del 
comportamiento sobre los consumidores. Con una ineficiente gestión de 
clientes, no se llega a completar la experiencia de consumo. Al no lograr recabar 
información para profundizarla (es decir, analizarla, proyectarla y utilizarla 
óptimamente) no se conoce exactamente qué tipo de cliente (a pesar de 
observarlo empíricamente) se está conquistando y si es el acorde al planteado 
 
10 
 
por la empresa. Por último, no se conoce de manera cuantificable y verificable, 
el porcentaje de retención ni la fidelidad y frecuencia de cada cliente, obviando 
metas de retención que pueden variar para cada modelo de negocio, que, si no 
conoce su tipo de cliente, puede mal direccionar dichas metas. 
- Transformación digital: Una clave para llevar un eficiente manejo, y una efectiva 
gestión de ventasque incremente las ventas, es la automatización e integración 
entre todos los procesos de atención al cliente, gestión y fidelización, pudiendo 
llevar la experiencia de consumo, y, por tanto, las ventas a otro nivel, no se 
cuenta con el software ni el conocimiento de información necesarios para 
análisis de datos, procesamiento o recolección de información. 
- Aplicación de Estrategias: Son ineficientes y poco frecuentes, debido a que no 
se plasman todos los resultados y no se tienen indicadores para poder 
compararlos. Por falta de cronogramas y control, pueden desperdiciarse 
recursos y por falta de conocimiento del cliente, pueden mal enfocarse 
estrategias. 
- Análisis de Resultados: La falta de estos, reduce la posibilidad de una eficiente 
toma de decisiones y posibilidad de mejoramiento general. La falta de la 
proyección estructurada de presupuestos, hacen difícil la medición y posterior 
análisis y comparación de resultados, que sin KPI´s hacen al actual análisis una 
tarea meramente superficial y en parte, empírica, a pesar de contar con 
información más general. 
1.2.3 Formulación del problema 
¿De qué manera se podrá, a través de un modelo de engagement, sustentado en 
información cuantitativa y cualitativa, lograr el cumplimiento de las metas comerciales 
de la empresa Aviator S.R.L. en Santa Cruz de la Sierra? 
 
11 
 
1.3 PLANTEAMIENTO DE OBJETIVOS 
1.3.1 Objetivo general 
 
Desarrollar un modelo de engagement a través de Business Intelligence para el 
cumplimiento de las metas comerciales de la empresa Aviator S.R.L. en Santa Cruz 
de la Sierra. 
1.3.2 Objetivos específicos 
− Realizar una compilación de datos del comportamiento del consumidor en un 
Data Warehouse de Aviator S.R.L. 
− Analizar la información utilizando las técnicas propias de Business Intelligence. 
− Proponer un modelo de engagement sustentado en el modelo de toma de 
decisiones del Business Intelligence. 
− Realizar la evaluación técnica y económica de la propuesta. 
 
1.3.3 Acciones de investigación 
Las acciones de investigación son el modo o medio para llevar a cabo el cumplimiento 
de cada uno de los objetivos específicos. En el siguiente cuadro se mencionan todas 
las acciones necesarias para cumplir cada uno de los objetivos específicos del 
presente trabajo de investigación. Se entiende que todas las acciones de investigación, 
al satisfacer a los objetivos específicos del trabajo, terminarán resolviendo el problema 
principal del presente trabajo. Es importante mencionar que cada acción que necesita 
realizarse para alcanzar los objetivos específicos no puede realizarse de forma 
aleatoria e injustificada, pues es necesario que cada acción cuente con un sustento 
teórico. Es por eso, que la consistencia del trabajo se basó en sustentarse en una 
jerarquización de cumplimiento de actividades, que comenzaron con el cumplimiento 
de las acciones para el cumplimiento de los objetivos específicos y de esa manera 
cumplir el objetivo general que de una solución al problema de investigación planteado. 
 
A continuación, en se pueden observar las acciones en el cuadro 1. 
 
12 
 
CUADRO 1. ACCIONES DE INVESTIGACIÓN 
OBJETIVOS ACCIONES 
 
 
 
Realizar una compilación de información 
del comportamiento del consumidor en 
un data warehouse de Aviator S.R.L. 
Identificación las variables que tengan mayor 
incidencia en el conocimiento del comportamiento del 
consumidor 
Recopilación de datos relevantes de almacenes 
transaccionales de información. 
Definición de la información necesaria a recolectarse 
según las métricas. 
Integración de la información en un base de datos. 
 
Analizar la información utilizando las 
técnicas propias de Business 
Intelligence 
Proposición de métricas basadas en comportamiento 
de consumidor. 
Integración de los sistemas de información y software 
de la empresa. 
Elaboración de dashboards interactivos basados en 
métricas definidas. 
Construcción de modelos de análisis multivariable 
para toma de decisiones. 
 
 
Proponer un modelo de engagement 
sustentado en el modelo de toma de 
decisiones del Business Intelligence. 
Identificación de modelos de estrategias de 
engagement de clientes 
Maximización de modelos de estrategias de 
engagement 
Comparación de compatibilidad y proyecciones de 
estrategias de fidelización con resultados del modelo 
de BI. 
Elaboración de la metodología de implementación. 
Diseño del modelo de engagement. 
 
Realizar la evaluación técnica y 
económica de la propuesta. 
 
Estimación de flujos de efectivo incrementales. 
Evaluación a través de métodos de FFEE descontados 
Evaluación a través de KPI’s e indicadores de ventas. 
Fuente: Elaboración Propia. 
 
 
13 
 
1.4 JUSTIFICACIÓN 
1.4.1 Justificación técnica 
La elaboración de un modelo de engagement a través de la aplicación de business 
intelligence, se justifica técnicamente por aplicar un enfoque completo y profundo de 
sinergia interdisciplinaria, cooperación y desarrollo entre departamentos 
organizacionales, que es necesario para la consecución de los objetivos propuestos 
en el presente trabajo, destinados a solucionar el problema de investigación. La 
gerencia y dirección del área de mercadotecnia de la empresa, implementando un 
desarrollo organizacional basado en inteligencia de mercados y business intelligence, 
se basa en un intercambio y sinergia entre conocimientos, propias de la óptima gestión 
y dirección de empresas, sustentando la toma de decisiones con evidencia 
cuantitativa, fruto de la business intelligence, para la implementación de modelos de 
engagement, que darán paso a estrategias medibles, eficaces y optimizables. 
La necesaria aplicación práctica de las teorías de investigación de mercados, 
mercadotecnia, análisis estadístico multivariado, Business Intelligence y toma de 
decisiones, logrará la solución precisa al problema planteado, además de proveer 
herramientas nuevas para una eficiencia y soluciones dinámicas en el tiempo. 
1.4.2 Justificación económica 
El presente trabajo de investigación se justifica económicamente, por logar una mejora 
en la eficiencia de la gestión de clientes y aplicación de estrategias de la empresa 
Aviator S.R.L. y por solucionar problemas dentro de la misma; como gestión ineficiente 
de recolección y análisis de información, ineficiencia en planificación y ejecución de 
estrategias de mercadotecnia y engagement, pobre control de métricas y, por 
consiguiente, al mejorar la eficiencia estratégica, a la vez de tener mayor facilidad de 
implementación operativa, el incremento de ingresos estará potenciado por un 
incremento en las utilidades de la misma, con lo que se obtendrá una mejora en los 
para alcanzar las metas económicas de la empresa 
 
 
14 
 
1.4.3 Justificación social 
El presente trabajo se justifica socialmente por mejorar el ambiente laboral interno a 
través de la descentralización y facilidad de ejecución mediante la automatización de 
funciones que se genera por aplicación de transformación digital empresarial, lograda 
implementando el modelo de engagement a través de Business Intelligence, y mejorar 
la rentabilidad de la empresa, produciendo un impacto en el bienestar de los 
trabajadores internos. Por otro lado, la mejora en la eficiencia del servicio y calidad del 
producto, causarán un impacto positivo en los consumidores en general. 
Maximizando valor tanto para la empresa desde el consumidor, como para el cliente 
desde la empresa y hacia los propietarios de la empresa. Que, al alcanzar las metas 
comerciales, no solamente beneficiarán a los clientes internos y externos actuales, 
sino también a la sociedad en general, generando empleos nuevos, directos e 
indirectos, gracias al crecimiento de la empresa, y el logro de sus metas comerciales, 
que incluyen responsabilidad social empresarial. 
1.5 ALCANCE 
1.5.1 Alcance temático 
a) Nivel de Investigación 
El presente trabajoes una investigación descriptiva y explicativa. Describirá las 
situaciones, los fenómenos o los eventos de interés, midiéndolos, y evidenciando sus 
características. Se definirán variables, medirán conceptos y considerarán los 
fenómenos de estudio y sus componentes. Por otra parte, se determinan las causas 
de los fenómenos y se genera un sentido de entendimiento. En este caso concreto se 
describirán los procesos operacionales de marketing de la empresa, tales como 
gestión de la información de la relación de clientes, análisis de información, tipos de 
fidelización, gestión de precios entre otros, evidenciando sus principales 
características, tales que permitirán identificar las variables críticas que se constituirán 
en oportunidades de mejora (Hernandez Sampieri, et al., 2010). 
 
 
15 
 
b) Área de Investigación 
Se siguen las líneas de investigación de la Escuela Militar de Ingeniería, que, para los 
alcances del presente trabajo, abarcaron el área de gestión estratégica 
organizacional, dentro del programa de gestión del conocimiento y desarrollo 
tecnológico para la comercialización utilizando como eje temático el análisis y 
diseño de sistemas de inteligencia de mercados. 
c) Tema Específico 
Desarrollo de estrategias de engagement a través de un modelo de Business 
Intelligence, para alcanzar las metas comerciales de Aviator S.R.L. 
1.5.2 Alcance geográfico 
El presente trabajo de grado será realizado para la empresa Aviator S.R.L., ubicada 
en el barrio Equipetrol, casi en la esquina de la avenida San Martín, sobre el Tercer 
Anillo Externo (Av. Marcelo Terceros Banzer), esto es en la zona noroeste de la ciudad. 
A continuación, en la figura 2, se puede apreciar exactamente lo mencionado 
anteriormente. 
FIGURA 5. UBICACIÓN AVIATOR S.R.L. 
 
Fuente: http://bit.ly/3ct77LT 
http://bit.ly/3ct77LT
 
16 
 
1.5.3 Alcance temporal 
El alcance temporal para la realización del trabajo está enmarcado en el periodo en el 
que la empresa cuenta con implementación de una base de datos para el manejo 
administrativo de la empresa, desde el 6 de septiembre de 2016 al cierre del periodo 
académico de la gestión II/2020 de la Escuela Militar de Ingeniería en Bolivia. 
1.6 MARCO METODOLÓGICO 
1.6.1 Tipo de investigación 
Creswell (citado en Hernandez Sampieri, Fernández Callado y Baptista Lucio, 2010). 
comenta que los diseños mixtos logran obtener una mayor variedad de perspectivas 
del problema: frecuencia, amplitud y magnitud (cuantitativa), así como profundidad y 
complejidad (cualitativa). 
En el caso del presente trabajo de investigación, por tanto, será uno con un enfoque 
de investigación mixto, cuyos alcances serán de investigación descriptiva y explicativa 
y un diseño experimental y ejecución de un diseño transformativo concurrente ya que, 
como menciona Babbie en 2009 (citado en Hernandez Sampieri, et al., 2010) la 
acepción general del diseño se refiera a “elegir o realizar una acción” y después 
observar las consecuencias. 
Una acepción particular de experimento, más armónica con un sentido científico del 
término, se refiere a un estudio en el que se manipulan intencionalmente una o más 
variables independientes (supuestas causas-antecedentes), para analizar las 
consecuencias que la manipulación tiene sobre una o más variables dependientes 
(supuestos efectos-consecuentes), dentro de una situación de control para el 
investigador (Hernandez Sampieri et al., 2010). 
A la vez que la ejecución de este diseño conjunta varios elementos de los modelos 
donde se recolectan datos cuantitativos y cualitativos en un mismo momento 
(concurrente) y puede darse o no mayor peso a uno u otro método, pero al igual que 
el diseño transformativo secuencial, la recolección y el análisis son guiados por una 
 
17 
 
teoría, visión, ideología o perspectiva, incluso un diseño cuantitativo o cualitativo (por 
ejemplo, un experimento o un ejercicio participativo). (Hernandez Sampieri et al., 2010) 
1.6.2 Métodos de investigación 
Plantear cuál es el fenómeno de interés, es a lo que se refiere mediante la observación; 
es decir, definir un objetivo de interés. Poder describir y explicar el comportamiento al 
haber obtenido los datos adecuados relacionados a eventos o conductos de interés 
(Hernandez Sampieri et al., 2010). Por otro lado, con la investigación de documental 
bibliográfica, se obtienen conocimientos a partir del análisis de datos que han sido 
recolectados o analizados en otras investigaciones y que se extraen de distintas 
fuentes de consulta. La cantidad de fuentes para la revisión bibliográfica que puede 
consultarse varía entre 15 a 120 según el grado de nivel de estudio, en el caso de 
trabajos de tesis para licenciatura, debe oscilar entre 25 y 35. (Hernandez Sampieri, et 
al. 2010). A continuación, en el cuadro 2, se observa un resumen de los métodos 
principales de investigación para la recolección de información de fuentes primarias y 
secundarias. 
CUADRO 2. MÉTODOS Y TÉCNICAS DE INVESTIGACIÓN 
. Método Técnicas Instrumento Herramienta 
Bibliográfica -Revisión Bibliográfica 
- Análisis documental 
- Libreta de apuntes 
- Formularios 
-Base de datos 
-Computadora 
-Historial de la 
empresa 
Fuente: Elaboración Propia 
1.6.3 Diseño y proceso metodológico 
A continuación, en el cuadro 3, se puede observar que el diseño que se adecúa a las 
necesidades del trabajo propuesto, que involucra desde la elaboración de un perfil que 
es inherente a una fase uno, donde se recopila también información y se tiene una 
revisión bibliográfica. Por otro lado, la fase dos, tres y cuatro, que es la fase final, se 
 
18 
 
abocan a la continuación del perfil, sustentando las herramientas con la fase dos, 
poniéndolas en práctica en la fase 3 y finalmente culminando en la fase 4. 
 
CUADRO 3. DISEÑO METODOLÓGICO 
FASE 1 a) Elaboración del perfil 
b) Recopilación de la información a través de visitas a la 
empresa 
c) Revisión bibliográfica 
FASE 2 a) Elaboración del marco teórico 
b) Revisión bibliográfica 
c) Análisis documental de Aviator S.R.L. donde se desarrollará 
el proyecto 
d) Elaboración de los capítulos del marco teórico 
FASE 3 a) Elaboración del marco práctico 
b) Recopilación de la información a través de visitas a la 
empresa 
c) Aplicación de los instrumentos 
d) Sistematización de la información/organización de la 
información 
e) Análisis y tratamiento de la información 
f) Presentación de resultados 
g) Interpretación de los resultados 
FASE 4 a) Elaboración de las conclusiones y recomendaciones 
b) Elaboración del informe final del proyecto / TG / tesis (1er 
borrador) 
Fuente: Anexos Manual TG-2018 EMI UASC 
Con lo que se realizará el trabajo de grado sustentado en los procedimientos 
metodológicos y procedimentales necesarios para cumplir con el trabajo de 
investigación.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
CAPÍTULO 2 MARCO TEÓRICO 
UNIDAD ACADÉMICA SANTA CRUZ 
INGENIERÍA COMERCIAL 
 
19 
 
CAPÍTULO 2. MARCO TEÓRICO 
 
2.1 INVESTIGACIÓN DE MERCADOS 
La necesidad de información para la toma de decisiones informadas en las cuestiones 
clave que enfrentan todas las empresas que compiten en el mercado es innegable. La 
investigación aporta dicha información. Sin ella, las decisiones de negocios en cuanto 
a la promoción, distribución y precio del producto, así como al diseño mismo de éste 
se toman sin una fundamentación real. Entonces, para que las decisiones de 
implementación de soluciones o modelos, además de la mezcla comercial de 
marketing estén basadas en un sustento y además puede dar mayor solidez para el 
éxito a lo que sea que resulte de la investigación. (Merino Sanz y Pintado Blanco, 
2015). 
La capacidad de retener clientes se basa en una comprensión íntima de sus 
necesidades. Este conocimiento procedeprincipalmente de la investigación de 
mercados. Las relaciones de largo plazo no son obra de la casualidad; se basan en el 
cumplimiento efectivo de servicio y valor. La retención de clientes paga grandes 
dividendos a las empresas. Propulsados por ventas repetidas y referencias, los 
ingresos y la participación de mercado crecen. Los costos se reducen, porque las 
compañías gastan menos fondos y energía tratando de reemplazar a desertores. 
(McDaniel y Gates, 2016). 
Existen diversas definiciones de investigación de mercados, McDaniel y Gates, (2016), 
la definen textualmente como ̈ la planeación, recolección y análisis de datos relevantes 
para la toma de decisiones de marketing y la comunicación de los resultados de este 
análisis a la dirección.¨ (p. 3) 
En la actualidad, la investigación de mercados ha sido fuertemente afectada por las 
tecnologías de información y comunicaciones (TIC´S) y en cierta manera, ha cambiado 
el paradigma que se tenía sobre ella. Sistemas de investigación de soporte de 
decisiones (DSS, por sus siglas en inglés), integran diversos softwares pertenecientes 
 
20 
 
a la inteligencia de analítica de datos. Estos, permiten realizar principios de 
investigación aunque con mayores alcances estadísticos y matemáticos que la 
investigación tradicional, ya que la recabación de nuevos datos y la utilización de datos 
históricos, ocurre simultáneamente. (Zickmund y Babin, 2009) 
2.1.1 Etapas y proceso de Investigación de Mercados 
Las investigaciones de mercado se clasifican con base en técnicas o propósitos. Los 
experimentos, encuestas y estudios de observación son algunas de las técnicas de 
investigación. Clasificarla por sus propósitos muestra la forma en que la naturaleza de 
la situación influye en la metodología de la investigación de mercados, acorde a esto, 
existen 3 tipos de investigación de mercados: exploratoria, descriptiva y causal. 
Para entender las etapas de investigación de mercados, según Zickmund y Babin, 
(2009) hay que comprender que la investigación de mercados, como otras formas de 
investigación, está integrada por una secuencia de actividades muy interrelacionadas. 
Las etapas del proceso de investigación se suceden e iteran de forma constante, y no 
se siguen en todos los procesos de investigación de mercados la misma frecuencia 
(afirmarlo sería una simplificación reduccionista). Sin embargo, la investigación de 
mercados a menudo sigue un patrón general. Sus etapas son: 
- Definición de los objetivos de la investigación. 
- Planeación del diseño de investigación. 
- Planeación de la muestra. 
- Recolección de los datos. 
- Procesamiento y análisis de los datos. 
- Formulación de conclusiones y preparación del informe. 
 
21 
 
Estas etapas, se muestran iniciando con la definición de objetivos de investigación, 
porque normalmente, los proyectos de investigación de mercados son para reducir la 
incertidumbre de la dirección de las empresas en el área de marketing. 
En ese sentido, los objetivos de investigación pueden plantearse de múltiples maneras, 
desde la realización de una investigación exploratoria, hasta, estudios piloto o análisis 
de situación pueden contribuir a definirlos. 
Como puede apreciarse en la siguiente figura las etapas de la investigación de 
mercados, siguen un proceso. 
FIGURA 6. DIAGRAMA DE FLUJO DEL PROCESO DE INVESTIGACIÓN DE MERCADOS 
Definición de los objetivos 
de la investigación
Selección de técnica de 
investigación exploratoria
Datos 
secundarios 
(Históricos)
Investigación 
previa
Encuesta de 
experiencias
Estudio de caso
Definición del problema (declaración de los 
objetivos de investigación de mercados)
Selección del método básico de 
investigación
Encuesta:
Entrevista- 
Cuestionario
Experimento: 
Laboratorio-
De campo
Estudio de 
datos 
secundarios
Observación
Selección de diseño de la muestra
Muestreo 
probabilístico
Muestreo no 
probabilístico
Recolección de datos 
(trabajo de campo)
Edición y codificación de 
datos
Procesamiento y análisis 
de datos
Interpretación de los 
hallazgos
Informe
Descubrimiento y 
definición del problema
Planeación del 
diseño de 
investifación
Muestreo
Recolección 
de datos
Procesamiento y 
análisis de datos
Conclusiones 
e informe
 
Fuente: Zickmund y Barry (2009) 
Siendo la investigación exploratoria, apoyada en los métodos de estudio de datos 
secundarios, la forma de investigación que más se apega a las necesidades de la 
 
22 
 
presente investigación, se observó que la flexibilidad exploratoria es altamente 
beneficiosa 
a) Definición de los objetivos de investigación de mercados 
El origen de los objetivos de la investigación se encuentra en la situación que se trate. 
Éstos pueden referirse a la exploración de un nuevo producto en un nuevo mercado, 
o a la prueba del efecto de algún cambio de política en la calidad del servicio. 
Diferentes tipos de objetivos llevan a diversos diseños de investigación. (Zickmund y 
Babin, 2009). 
McDaniel y Gates, (2016) definen a los objetivos de investigación de mercados como 
¨enunciados de meta que define la información específica necesaria para resolver el 
problema de investigación de mercados¨ (p. 51). Estos últimos a su vez son 
enunciados que especifican el tipo de información que necesita el decisor para ayudar 
a resolver el problema de decisión gerencial, obteniéndose de manera eficiente y 
efectiva. 
Con los conceptos de objetivos y problemas de investigación claros, es importante 
desarrollar cómo se definen dichos objetivos de investigación de mercados. En 
muchas ocasiones, no está clara con la gerencia de marketing u de la empresa, el 
cómo definir este problema. Entonces, surge lo mencionado anteriormente. 
b) Conceptualización y utilidad de Investigación de mercados 
exploratoria 
La investigación exploratoria es frecuentemente utilizada para aclarar situaciones 
ambiguas, de difícil visualización o para descubrir ideas potenciales de negocios. Este 
tipo de investigación no pretende aportar evidencia concluyente de donde se puedan 
tomar cursos de acción específicos. (Zickmund y Babin, 2009). 
Para definir los problemas y objetivos de investigación, a veces no bastan 
conversaciones ni consultas con los departamentos gerenciales de la empresa, 
proveedores u otros componentes del mercado, así la Información exploratoria podría 
 
23 
 
efectuarse para obtener una mejor comprensión de un concepto o para ayudar a 
cristalizar la definición de un problema. 
Esta se usa también para identificar importantes variables por estudiar. La 
investigación exploratoria es investigación preliminar, no la investigación definitiva 
usada para determinar un curso de acción, como se mencionaba anteriormente. 
(McDaniel y Gates, 2016) 
2.1.2 Investigación exploratoria de mercados 
Al revisar cualquier estudio sobre el asunto de decisión, hablar con expertos en la 
materia, analizar datos históricos e indagar de manera informal la situación, la 
investigación puede dilucidar mayor claridad. Después de una exploración de esta 
clase, debe saber con exactitud qué datos recabar y qué tipo de variables estudiar para 
realizar estudios posteriores o utilizarlas para otro tipo de proyectos. (Zickmund y 
Babin, 2009) 
La investigación preliminar de mercados (es decir la investigación exploratoria), puede 
adoptar varias formas, entre las que se destacan estudios piloto, encuestas de 
experiencia, análisis de datos secundarios, análisis de casos de estudios piloto y 
grupos de enfoque. (McDaniel y Gates, 2016). 
El fin del estudio exploratorio llega cuando se llega a una meseta y se han descubierto 
las principales dimensiones del problema o se han definido variables u otros; se 
pueden haber definido una serie de preguntas que pueden usarse como guías 
específicas para un detallado diseño de investigación, o pueden haber desarrollado 
varias ideas potenciales sobre posibles causasde un problema específico de 
importancia para la gerencia. Variables o incidencias de factores insignificantes 
pueden haberse determinado. En última instancia, los investigadores pueden haber 
decidido que la investigación es suficiente o que no merece su continuación la 
disponibilidad de recursos que se tienen. (McDaniel y Gates, 2016). 
 
 
24 
 
2.1.3 Investigación cualitativa en los diseños de investigación exploratoria 
Con técnicas que permiten elaborar diferentes interpretaciones de los fenómenos y 
problemas de mercado sin que se necesite la medición numérica de los datos, de 
pueden llevar a cabo investigaciones cualitativas. El enfoque de la misma está en 
descubrir significados muy internos de las unidades de análisis (casi escondidos). Con 
nuevas perspectivas es muy utilizado en la práctica. (Zickmund y Babin, 2009). 
Las investigaciones cualitativas tienen mucho menos rigurosidad que las cuantitativas 
y son más dependientes del investigador. Este, extrae significados de datos no 
estructurados que al interpretarse se convierte en información. 
Por sus usos, esta investigación es muy utilizada en investigaciones cualitativas. 
Entre la generación de ideas, pruebas de conceptos, teoría de causas, estudios de 
caso entrevistas diversas (entre las cuales se encuentran Focus Groups) y otras 
herramientas, se pueden desarrollar las investigaciones cualitativas. 
2.1.4 Planeación del diseño de investigación 
Zickmund y Babin, (2009) afirman que un ¨Diseño de investigación es un plan maestro 
que específica los métodos y procedimientos para recabar y analizar la información 
necesaria. Constituye además el marco o plan de acción de la investigación¨. (p. 64). 
2.1.5 Etapas de inicio del proceso de investigación de mercados 
El inicio del proceso se da al definir el problema de investigación, que como ya se 
mencionó, esa definición puede consistir en múltiples escenarios, desde la 
determinación de ciertas variables, hasta formulación de hipótesis. 
El proceso de definición del problema (al igual que el proceso de investigación de 
mercados), abarca 6 etapas generales, aunque no se limita a estas y los límites entre 
estas pueden a veces no ser claras y pueden ser flexibles a las necesidades. 
(Zickmund y Babin, 2009). A continuación, en la figura 7, se puede observar el proceso 
genérico de definición de problema: 
 
25 
 
FIGURA 7. PROCESO DE DEFINICIÓN DEL PROBLEMA 
 
Fuente: Zickmund y Babin (2009) 
Después de realizar las dos etapas iniciales, la tercera etapa, puede haberse cumplido 
al haberse cumplido las dos anteriores por sí mismas, sin embargo cuando esto no 
ocurre, al realizarse la investigación exploratoria que se se puede aclarar el panorama. 
Después, en la cuarta etapa, la unidad de análisis para un estudio indica qué o quién 
debe proporcionar los datos y a qué nivel de agregación. Los investigadores 
especifican si se recabarán datos sobre individuos (como clientes, empleados y 
propietarios), hogares (familias, familias extensas y otros.), organizaciones (empresas 
y unidades de negocio), departamentos (ventas y finanzas, por mencionar algunos), 
áreas geográficas u objetos (productos, anuncios y más). (Zickmund y Babin, 2009). 
Ahora bien, la determinación de variables pertinentes en muchos casos, según 
expertos, debe estar ya determinada, para recién poder redactar la declaración de 
decisión. (Zickmund y Babin, 2009). 
Se puede hacer la definición de variable, según Zickmund y Babin, (2009) como 
¨Cualquier cosa que varía o cambia de una instancia a otra; muestra diferencias en 
valor, por lo general en magnitud o fuerza, o en dirección. ¨ 
Las variables tienen múltiples clasificaciones y están descritas en varios tipos, la 
variabilidad de las variables se captura con diferencias numéricas o cualitativas, dentro 
de alguna categoría identificada. (Zickmund y Babin, 2009). 
Comprender la situación: Identificar síntomas clave
Identificar los problemas clave a partir de los síntomas
Redactar la declaración de decisión de la gerencia y los 
objetivos de investivación correspondientes
Determinar la unidad de análisis
Determinar las variables pertinentes
 
26 
 
Ahora bien, todo este proceso de definición del problema de investigación de 
mercados, como ya se ha mencionado en el trabajo, puede realizarse por medio de la 
investigación preliminar de mercados, que antes de ser excluyente (su aplicación) o 
necesaria, es flexible y puede ser complementaria, siempre según las necesidades y 
el criterio del investigador. Se ilustra lo mencionado en la figura 8: 
FIGURA 8. DECLARACIÓN DE DECISIÓN EN EL PROCESO 
Declaración del 
problema de 
marketing
Investigación 
exploratoria 
(opcional)
Amplios objetivos 
de investigación
Objetivo 
específico 2
Diseño de la 
investigación
Resultados
Objetivo 
Específico 1
Objetivo 
específico 3
 
Fuente: Zickmund y Babin (2009) 
Como ya se mencionó, desarrollar el proceso de definición del problema, puede 
implicar la realización de una investigación exploratoria, con diversos diseños posibles. 
2.1.6 Investigación de Mercados con datos secundarios 
Los proyectos de investigación a menudo comienzan con datos secundarios, que 
alguien más reúne y registra antes (y para propósitos distintos, como por ejemplo 
contabilidad o finanzas registrando datos de ventas, rentabilidad, utilidades y otros 
para la elaboración de estados financieros) del nuevo proyecto. Los datos secundarios 
suelen ser históricos y ya estar armados de alguna manera. (Zickmund y Babin, 2009). 
Existen diversas ventajas y desventajas que diversos analistas toman en cuenta 
referentes a estos datos. 
 
27 
 
CUADRO 4. VENTAJAS Y DESVENTAJAS DE DATOS SECUNDARIOS 
Ventajas Desventajas 
Disponibilidad de datos. Posible incongruencia con objetivos. 
Reducción en costos de recolección de costos. Posible obsolencia de datos. 
Posible digitalización de datos Unidades incorrectas de medida 
Fuente: Zickmund y Babin 
a) Objetivos comunes en diseños de investigación de datos secundarios 
Existen dos grandes objetivos generales de los diseños de investigación de datos 
secundarios, el descubrimiento de hechos por un lado y la construcción de modelos 
por el otro 
1) Descubrimiento de hechos 
La forma más simple de investigación con datos secundarios es el descubrimiento de 
hechos. El descubrimiento de hechos es posible que sirva también para propósitos 
más complejos. (Zickmund y Babin, 2009) 
La identificación de la conducta del consumidor en una categoría de producto es 
un objetivo usual en un estudio de investigación secundaria es descubrir toda la 
información disponible sobre patrones de consumo de una categoría particular de 
producto o identifi car tendencias demográficas que afectan una industria. 
El análisis de tendencias para observar las tendencias en el mercado y en el entorno. 
Es común en las empresas de consumo investigar el volumen de ventas bajo 
diferentes criterios, entre categorías por ejemplo. Este tipo de análisis suele incluir 
comparaciones con las ventas con las ventas de la propia empresa en periodos 
semejante. 
El escaneo del entorno, es identificar tendencias estudiando el entorno, utilizando la 
recolección de información y el descubrimiento de hechos diseñados para detectar 
indicaciones de cambios en sus etapas iniciales de desarrollo. 
 
28 
 
2) Construcción de modelos 
El segundo objetivo general de la investigación secundaria, la construcción de 
modelos, es más complicado que el simple descubrimiento de hechos, pues significa 
especificar las relaciones entre dos o más variables, tal vez hasta la elaboración de 
ecuaciones descriptivas o predictivas. Sin que esto signifique una sofisticación o 
complicación muy grande para la elaboración de dichos modelos. La estimación del 
potencial de mercado por áreas geográficas, pronósticos de ventas, análisis de áreas 
y sitios de ventas son algunas delas maneras de lograr este segundo objetivo 
(Zickmund y Babin, 2009). 
b) Clasificación de datos secundarios 
Los datos secundarios, normalmente se clasifican en datos externos e internos, siendo 
que los externos son datos ya elaborados por entes externos a la organización que 
pueden adquirirse por diferentes medios. Por otro lado, los datos internos, pueden ser 
datos que la organización haya generado con sus propios medios y posea la propiedad 
y derecho sobre los mismo. Una definición más cabal, sería datos internos y propios 
(McDaniel y Gates, 2016). 
Los datos secundarios internos y propios, al estar organizados digitalmente en tablas 
de columnas y filas, correctamente codificados, pueden, conformar bases de datos 
internas y formar parte de los sistemas de investigación soporte de decisión (DSS) y 
utilizarse en diferentes campos de analítica de inteligencia de datos. 
Entonces la Base de Datos Internas puede definirse como conjuntos de información 
afín que se recaba del interior de la organización. Estas bases de datos pueden nacer 
e iniciarse a partir de los registros de venta. (McDaniel y Gates, 2016). 
c) Definición de relaciones 
Para científicos e investigadores de mercados, el análisis del Big Data y la analítica de 
datos representa un cambio de paradigma. El método científico tradicional implica 
obtener información sobre un problema, crear una hipótesis y después probar los datos 
para aceptarla o rechazarla. La investigación por hipótesis se basa en parámetros bien 
 
29 
 
definidos creados por el investigador. Limita la exploración a lo que la mente puede 
imaginar. La ciencia determinada por datos nos permite recolectar datos y ver después 
qué nos dicen (McDaniel y Gates, 2016). 
2.2 BUSINESS INTELLIGENCE Y ANÁLISIS MULTIVARIADO 
Business Intelligence (BI), entendido en español como negocios de inteligencia o 
inteligencia de negocios, puede definirse según Pérez Marqués, (2015) como ¨el 
conjunto de estrategias enfocadas a la administración y creación de conocimientos 
sobre el medio, a través de análisis de los datos existentes en una organización o 
empresa¨ (P. xii) 
Usar datos con el objetivo de proveer conocimientos que faciliten la toma de decisiones 
empresariales, este uso de datos abarca tanto a la comprensión de datos actuales e 
históricos, como a la anticipación de acontecimientos futuros. (Pérez Marqués, 2015). 
Williams y otros (citados en Rajteric Hribar, 2010), se refieren a la posibilidad de 
explotar todos los beneficios de Business Intelligence. La forma de lograr el impacto 
esperado en la empresa, es cambiando la manera en que la empresa funciona. Estos 
cambios, incluyen redefinir los roles de los recursos humanos implicados en la 
generación y análisis de información, cambios en requerimientos de información y en 
la manera de la conducta de los usos de la información. 
El término ¨inteligencia¨ como tal, se viene nombrando desde los 50 por los 
investigadores en el área de la inteligencia artificial. En el ámbito de negocios, este 
término se popularizó en las comunidades de las tecnologías de información recién en 
los 90 (aunque ya se había mencionado el término antes). Al final de los años 2000, 
se introdujo el término ¨Business Analytics¨ para representar componentes analíticos 
clave en Inteligencia de negocios. 
Big Data, Business Intelligence y Business Analytics, son conceptos que en los últimos 
años se han ido entrelazando. Big Data se ha usado para referirse a sets de datos y 
técnicas de análisis en aplicaciones que son tan grandes (de terabytes a exabytes) y 
complejos (desde datos de sensores a datos de redes sociales) que requieren 
 
30 
 
tecnologías de almacenamiento, administración, análisis y visualización únicas y muy 
avanzadas. (Chen, Chiang y Storey, 2012). Sin embargo, en el presente trabajo se 
tratará al Big Data como un campo relacionado de analítica de datos que se relaciona 
y ofrece nuevas direcciones a las investigaciones de Business Intelligence, que a la 
vez expande su valor. (Curto Díaz, 2016). 
2.2.1 Componentes y beneficios de Business Intelligence 
a) Herramientas que conforman Business Intelligence 
En Business Intelligence, según Curto Díaz, (2016) y Pérez Marqués (2015) existen 
diversas herramientas y tecnologías que permiten que este proceso cumpla con su 
objetivo. No todas las herramientas son necesarias para hacer business intelligence y 
no se requieren unas herramientas a las otras, como se ve en la figura 9. 
FIGURA 9. HERRAMIENTAS Y TECNOLOGÍAS DE BI 
 
Fuente: Josep Curto y Pérez Marqués 
Sin embargo, a pesar de considerarse a todas estas herramientas como parte de 
Business Intelligence, no son todas indispensables para que el campo de BI cumpla 
sus funciones y se adecúe a las múltiples definiciones que le atribuye la literatura. 
Es decir, que un modelo de BI puede estar compuesto por algunas de estas 
herramientas, sin incluirlas a todas, mientras se cumpla con el concepto básico de la 
herramienta de inteligencia de negocios. 
b) Beneficios de un sistema de BI 
Implantar este sistema de apoyo de decisiones, proporciona beneficios y ventajas, 
entre los que se mencionan, la creación de un círculo virtuoso de información; 
Data 
Warehouse
Reportes
Análisis 
OLAP
Consultas 
(Query)
Análisis 
predictivo
Análisis 
visual
Alertas
Minería 
de 
datos
Gestión del 
rendimiento
Previsiones
Reglas 
de 
negocio
Dashboards (ETL)
 
31 
 
proporción de visión única; creación manejo y mantenimiento de métricas; Habilitación 
del acceso a información actualizada a múltiples niveles; reducción del diferencial del 
negocio con los sistemas de información; Mejor comprensión y documentación de los 
sistemas, mejor comprensión de opiniones y necesidades potenciales de clientes; 
mejora de la competitividad de la organización (Curto Díaz, 2016): 
- Creación de un sistema virtuoso de información: Donde los datos brutos, se 
transforman en información que genera el conocimiento necesario para tomar 
las mejores decisiones posibles, traducidas en mejores resultados y a la vez, 
en datos nuevos. 
- Proporcionar una visión única: Lo que se refiere a una visión conformada, 
histórica, persistente y de calidad de toda la información relevante para la 
organización. 
- En la creación, manejo y mantenimiento de métricas, se refiere a los KPI, 
indicadores claves de rendimiento (por sus siglas en inglés, key performance 
indicator) e indicadores claves de metas KGI (por sus siglas en inglés, key goal 
indicator) fundamentales para la empresa. 
En cuanto al acceso a información actualizada se refiere a la información tanto a nivel 
agregado como en detalle, dirigido a múltiples niveles de la jerarquía empresarial. 
Con la reducción del diferencial de orientación de negocio, se refiere a la unificación 
entre el departamento de tecnologías de la información y comunicación (TIC´s) y a 
todos los demás departamentos de la organización. 
La mejor comprensión y documentación de los sistemas de información en el contexto 
de una organización, la mejor compresión de las opiniones y necesidades de los 
potenciales clientes a partir del análisis de redes sociales, resultan en la mejora de la 
competitividad de la organización como resultado de ser capaces de diferenciar lo 
relevante de lo superfluo, acceder con velocidad y de forma oportuna a información 
(por lo anterior, relevante) y a tener mayor agilidad en la toma de las decisiones como 
resultado de todo esto. 
 
32 
 
2.2.2 Modelo de madurez de Business Intelligence (BI Maturity Model) 
Las organizaciones utilizan información a cada momento, así no utilicen tecnología 
para procesarla o lo hagan de una manera informal, la información, se genera en cada 
instante de funcionamiento de casi cualquier cosa. Es así que es posible identificar en 
qué grado de madurez está una organización con respecto al uso de Business 
Intelligence. El modelode madurez de business intelligence (BIMM por sus siglas en 
inglés) es un modelo que permite que las organizaciones puedan clasificarse para 
determinar su nivel de madurez, consta de 7 fases de madurez. (Curto Díaz, 2016). 
FIGURA 10. FASES DEL MODELO DE MADUREZ DE BI 
 
Fuente: Curto Díaz 
De esta manera, cada fase del proceso de madurez tiene características específicas. 
a) Fase 1 
No existe BI. Los datos se hallan en los sistemas de procesamiento de transacciones 
en línea (online transaction processing; OLTP), esparcidos en diferentes sistemas 
operacionales o de soporte o incluso solamente en el Know-how del factor humano. 
Las decisiones se basan en la intuición, la experiencia, pero no en datos consistentes. 
Los procesos de Business Intelligence se formalizan
Despliegue del OLAP
El data warehouse crece y el reporting se formaliza
Uso de DataWarehouse
Aparición de procesos formales de toma de decisiones basada 
en datos
No existe BI, pero los datos son accesibles
No existe BI
 
33 
 
Los datos corporativos y el uso de herramientas para procesarlos y utilizarlos en la 
toma de decisiones son inexistentes. 
b) Fase 2 
No existe BI, pero los datos son accesibles: Un proceso formal y unificado de 
procesamiento de datos es inexistente para la toma de decisiones, sin embargo, 
algunos departamentos sí tienen acceso a información de calidad y toman decisiones 
justificadas en esa información, este proceso es realizado en hojas de cálculo 
electrónicas frecuentemente, o mediante herramientas de reportes de los mismos 
softwares transaccionales, existen múltiples deficiencias en estos procesos y se ignora 
la existencia de las soluciones de Business Intelligence. 
c) Fase 3 
Aparición de procesos formales de toma de decisiones basada en datos: Existen 
equipos o personas dedicadas a controlar los datos y esto permite la creación de 
informes. Estos datos son extraídos directamente de los softwares transaccionales y 
no existe ningún tipo de filtros, limpieza, ni modelización de datos. Tampoco existen 
datawarehouse (almacenes de datos). 
d) Fase 
Uso de Data warehouse: En la mayoría de los casos, utilizar a los sistemas 
transaccionales (OLTP por sus siglas en inglés) es negativo, porque no están hechos 
para generar reportes, sino para utilizar esos datos para realizar operaciones normales 
y utilizarlos para reportes significa perjudicar al funcionamiento de la organización. 
Esto lleva a la conclusión de que un repositorio de datos es necesario para la 
organización. Se percibe el data warehouse como una solución deseada y los reportes 
siguen siendo personales. 
e) Fase 5 
El data warehouse crece y el reporting se formaliza: El data warehouse funciona y 
se desea que todos se beneficien de él, de modo que los reportes corporativos se 
 
34 
 
formalizan. Se habla de OLAP (On-line analytical processing), pero solo algunos 
identifican realmente sus beneficios. 
f) Fase 6 
Despliegue de OLAP: Después de cierto tiempo, ni los reportes ni la forma de acceso 
al data warehouse es satisfactoria para responder a preguntas sofisticadas. OLAP se 
despliega para dichos perfiles. Las decisiones empiezan a impactar de manera 
significativa en los procesos de negocio a lo largo de la organización. 
g) Fase 7 
El business intelligence se formaliza: Aparece la necesidad de implantar otros 
procesos de inteligencia de negocio, como data mining, dashboard, otras 
herramientas, y procesos de calidad de datos impactan en procesos como customer 
relationship management (CRM), supply chain management (SCM) y otros. Se ha 
establecido una cultura corporativa que entiende claramente entre sistemas OLTP y 
sistemas de soporte de decisión (DSS). 
2.2.3 Definiciones de los conceptos y herramientas principales de BI 
a) Data Warehouse: Diseño y concepto 
W. H. Inmon considerado por muchos el padre del concepto (citado en Curto Díaz, 
2016), un data warehouse es un conjunto de datos orientados por temas, integrados, 
variantes en el tiempo y no volátiles, que tienen por objetivo dar soporte a la toma de 
decisiones. Según Ralph Kimball (citado en Curto Díaz, 2016) considerado el principal 
promotor del enfoque dimensional para el diseño de almacenes de datos, un data 
warehouse es una copia de los datos transaccionales específicamente estructurada 
para la consulta y el análisis. 
1) Factores y composición del Data Warehouse 
Como se mencionó anteriormente, un data warehouse es una de las herramientas que 
componen un sistema de business intelligence. Existe literatura que define como la 
herramienta más importante del sistema. (Curto Díaz, 2016). Proporciona una visión 
 
35 
 
global, común e integrada de los datos de la organización, independiente de cómo se 
vayan a utilizar posteriormente por los consumidores o usuarios es son tres factores 
claves de un data warehouse. Con las propiedades de estabilidad, coherencia, 
fiabilidad e información histórica. Al abarcar un ámbito global de la organización y con 
un amplio alcance histórico, el volumen de datos puede ser muy grande (centenas de 
terabytes). Las bases de datos relacionales son el soporte técnico más comúnmente 
usado para almacenar las estructuras de estos datos y sus grandes volúmenes. 
Resumiendo, el data warehouse presenta las siguientes características (Curto Díaz, 
2016): 
- Orientado a un tema: organiza un cúmulo de información en una funcionalidad 
particular. 
- Integrado: incluye datos de múltiples orígenes y presenta consistencia de datos. 
- Variable en el tiempo: variando conforme se realizan operaciones en la 
empresa. 
- No volátil: la información es persistente y solo de lectura para los usuarios 
finales. 
Frecuentemente el data warehouse está constituido por una base de datos relacional, 
pero no es la única forma en la que está constituido; también es posible considerar las 
bases de datos orientadas a columnas, basadas en lógica asociativa en la figura 10, 
se observan los elementos que se combinan con data warehouses para cumplir con 
los objetivos de las organizaciones, entre los que se encuentran los conceptos de Data 
Warehousing, indicadores de negocio, herramientas ETL y otras herramientas (Curto 
Díaz, 2016). 
En la actualidad, existen en softwares denominados popularmente como self-service 
business intelligence, que no a pesar de tener centrada su potencia en las 
herramientas de visualización, son herramientas robustas de business intelligence que 
pueden perfectamente cumplir con diversas etapas de softwares tradicionales del área, 
desde la extracción y procesamiento de datos, hasta el modelado, las visualizaciones 
e incluso la realización de modelos predictivos para la toma de decisiones. Haciendo 
a la vez de visualizadores como de datawarehouses y más herramientas. 
 
36 
 
FIGURA 11. ELEMENTOS EN CONTEXTO CON DATA WAREHOUSE 
Data 
Warehousing
Indicadores 
de negocio 
(métricas KPI 
y KGI
Data 
Warehouse
Data Mart
Vistas de 
negocio 
(dimensiones)
ODS
Procesos de 
negocio 
(hechos)
ETL Staging Area
 
Fuente: Josep Curto. 
Un data warehouse está formado por una colección de tablas. El objetivo es definir, 
para cada tabla, el formato de cada clave y atributo y se deben tomar en cuenta los 
siguientes criterios 
- Se recomienda que las claves sean enteros y que sean independientes de las fuentes 
de origen. 
- Las métricas pueden ser aditivas (números), semiaditivas (con particularidades en el 
momento de acumular las cantidades) o cualitativas. Debería haber una inclinación 
hacia homogeneizar los datos a que sean cuantitativos. 
 
37 
 
- Para un correcto funcionamiento debe existir trazabilidad de datos, por ejemplo, fecha 
de carga, fecha de modificación, autor, fuente de origen. Para simplificar el modelo, no 
se incluyen. 
b) Integración de datos (ETL) 
ETL se refiere a la extracción, transformación y carga de datos, por sus siglas en inglés(extract, transform, load). Business Intelligence, ha utilizado a esta herramienta 
mayoritariamente para alimentar al data warehouse. La funcionalidad básica de estas 
herramientas está compuesta por, gestión y administración de servicios, extracción de 
datos, transformación de datos, carga de datos y gestión de datos. (Curto Díaz, 2016). 
En la siguiente figura, se puede apreciar el proceso básico de ETL: 
FIGURA 12. FUNCIONALIDAD ETL 
 
Fuente: Josep Curto. 
c) Herramientas OLAP (Análisis procesal en línea) 
El análisis procesal en línea (por sus siglas en inglés On-line Analytical Processing) 
constituye herramientas genéricas de Business Intelligence, y aunque esta 
 
38 
 
herramienta se asocia mucho a los data warehouse, podemos tener uno sin el otro y 
viceversa. (Pérez Marqués, 2015). 
OLAP es parte de lo que se entiende como un sistema analítico, en el que se 
responden preguntas como ¿por qué pasó? Estos sistemas pueden encontrarse tanto 
integrados en soluciones de BI o ser una aplicación independiente y aislada que 
cumpla con estos procesos. También referido como análisis procesal en línea en 
español, es un método que organiza y realiza queries de datos sobre una estructura 
multidimensional. Difiere de las bases de datos relacionales por tener las potenciales 
consultas pre calculadas, proporcionando mayor agilidad y flexibilidad al negocio 
(Curto Díaz, 2016). 
d) Informes en Business Intelligence 
Un sistema de business intelligence es normalmente introducido en las organizaciones 
por la necesidad que existe de informes operacionales. Mientras la empresa existe y 
crece, la generación de datos crece con ella, pero estos últimos lo hacen de manera 
exponencial. Esa información se guarda en bases de datos de las mismas aplicaciones 
de las empresas (OLTP) como en ficheros de formatos múltiples. (Curto Díaz, 2016). 
Un informe, puede definirse como un documento, que puede ser virtual o físico que 
presenta los resultados de uno de los varios (o de varios) procesos o resultados de 
negocios. Contienen varios componentes, entre los que se destacan textos, tablas y 
gráficos para que sean entendibles, (Curto Díaz, 2016). 
Es así que los informes estáticos, que presentan un formato predefinido e inamovibles; 
los paramétricos, presentan parámetros de entrada y múltiples consultas, mientras que 
los informes Ad hoc, son creados para un usuario final (personal encargado de toma 
de decisiones) con lenguaje propio, destinados al auto consumo y exploración. (Curto 
Díaz, 2016) 
1) Elementos principales de un informe 
Es común que los informes estén compuestos por múltiples componentes, y aunque 
no tienen que contener todos los elementos para considerarse informes como tal, es 
 
39 
 
común que estén formados por al menos alguno o por todos los elementos que se 
muestran en el cuadro a continuación. Puede definirse entonces, que, si bien no todos 
los elementos que se mencionan en el cuadro son indispensables al mismo tiempo 
para conformar un informe, sí es imprescindible la presencia de los mismos, dispuestos 
de una manera que proporcione la información necesaria para cumplir su fin, que es 
en última instancia, fungir como fuente para la toma de decisiones. En business 
intelligence, es muy común que para realizarse informes se utilicen sistemas ejecutivos 
de información (EIS), que pueden prescindir de otras herramientas de Business 
Intelligence (Curto Díaz, 2016). A continuación, en el cuadro número cinco, se pueden 
observar los elementos más comunes en los informes del ámbito de business 
intelligence, siendo, que como ya se mencionó no todos los elementos son 
indispensables ni excluyentes. 
CUADRO 5. ELEMENTOS DE INFORMES EN BI 
Elementos Definición básica 
Textos 
Describe el estado del proceso de negocio, proporciona las 
descripciones necesarias para entender el resto de los 
elementos del informe, así como etiquetas (título) o metadatos 
(fecha de ejecución). 
Tablas 
Tiene forma de matriz y permite presentar una gran cantidad de 
información. 
Gráficos 
Persiguen el objetivo de mostrar información con un alto impacto 
visual que sirva para obtener información agregada con mucha 
más rapidez que a través de tablas. 
Mapas Permiten mostrar información geolocalizada 
Métricas 
Permiten conocer cuantitativamente el estado de un proceso de 
negocio. 
Alertas visuales y automáticas 
Permiten definir avisos automáticos de los cambios de estado de 
un proceso de negocio. Estas alertas están formadas por 
elementos gráficos, como fechas, iconos o colores resultados y 
deben estar automatizadas en función de reglas de negocio 
encapsuladas en el cuadro de mando. 
Fuente: Josep Curto 
 
40 
 
A la vez que los informes pueden ser de muchas maneras, muchos de sus elementos como 
gráficos y métricas, pueden variar según los tipos de datos que se estén midiendo. Como se 
puede observar en el cuadro número seis y la figura número trece. 
CUADRO 6. TIPOS DE MÉTRICAS DE NEGOCIO 
Métrica de 
Negocio 
Tipo de indicador Definición básica 
Métricas Métricas de 
realización (Leading) 
Miden la realización de una actividad. Por ejemplo, la 
participación de una persona en un evento. 
Métricas de resultado 
de una actividad 
(lagging) 
Recogen los resultados de una actividad. Por ejemplo, la 
cantidad productos vendidos de un vendedor 
Indicadores 
Clave 
KPI: indicadores clave 
de rendimiento 
Más allá de la eficacia, se definen valores que explican en 
qué rango óptimo de rendimiento se debería situar al 
objetivo. Son métricas del proceso. Por ejemplo, la ratio de 
crecimiento de altas en un servicio. 
KGI: indicadores de 
metas. 
Mediciones para informar a dirección general si un proceso 
TIC ha alcanzado sus requisitos de negocio, por lo general 
en términos de criterios de información. Si se considera el 
KPI anterior, sería marcar un valor de crecimiento del 
servicio que se pretende alcanzar, por ejemplo, un 2 %. 
Fuente: Josep Curto 
Otra de las cosas vitales de los dashboards, es la posibilidad del uso de a través de la 
modelización y creación de medidas prácticamente en el mismo espacio de los 
denominados self service business intelligence, permiten realizar análisis ad-hoc 
interactivos que proveen de insights. 
A la vez, las herramientas como los tooltips, marcadores y la posibilidad de realizar 
drill-throughs y drill-downs, permiten una mayor interiorización con los dashboards y 
por lo tanto con la información. 
Los tooltips, son descripciones añadidas mediante medidas calculadas sobre 
visualizaciones, que no ocupan campos visuales, en la visualización como tal, si no 
como una manera de obtener información adicional para directivos al investigar la 
información. 
 
41 
 
FIGURA 13. TIPOS DE GRÁFICOS SEGÚN DATOS 
Columna de 
anchura 
variable
Tabla o tabla 
con gráficos 
incrustados
Gráficos de 
barras
Gráficos de 
columnas
Gráfica de 
área circular
Gráfica lineal 
o fiebre
Gráficos de 
columnas
Gráfica lineal 
o fiebre
Columnas 
adosadas de 
porcentajes
Columnas 
adosadas
Áreas 
porcentuales 
superpuestas
Gráfica de 
áreas 
superpuestas
Gráfico de 
tarta
Gráfico de 
cascada
Columna de 
porcentaje 
con 
subcompone
ntes
Gráfico de 
dispersión
Gráfico de 
burbujas
Histograma 
en columna
Histograma 
lineal
Gráfico de 
dispersión
Gráfico área 
3D
¿Qué deseas 
mostrar?
Muchos datos Pocos datos Datos cíclicos No cíclicos +=1 Categoría Muchas 
categorías
2 variables por objeto
Muchas categorías
Entre Objetos
Una variable por objeto
Pocas categorías
Comparación
En el tiempo
Muchos periodos Pocos periodos
D
istrib
ució
n
Composición
R
el
ac
ió
n
P
oc
o
s 
D
at
o
s
M
u
ch
o
s 
D
at
o
s
D
o
s 
V
ar
ia
b
le
s
Tr
es
 
V
ar
ia
b
le
s
U
na
 
V
ar
ia
b
le
s
Cambios en el tiempo
D
o
s 
V
ar
ia
b
le
s
Tr
es
 
V
ar
ia
b
le
s
Pocos periodos Muchos periodos
Estático
Componentes de 
componente
Suma o resta 
totalPorcentaje 
simple del total
Diferencias en 
% y absulotas
Diferencias en 
% 
Diferencias en 
% y absulotas
Diferencias en 
% 
 
Fuente: Andrew Abela 
e) Dashboards (Paneles de Información) 
Es muy común, que los informes necesiten de grandes cantidades de información para 
ser presentados, pero que al ser de esta manera, los informes perjudiquen de alguna 
manera o ralenticen el análisis de los mismos para la toma de decisiones rápida, es 
por eso que casi todas las soluciones de Business Intelligence contemplan 
herramientas dashboards como parte fundamental de sí mismas (Curto Díaz, 2016). 
 
42 
 
Los dashboards (en español entendidos como cuadros o paneles de mando), permiten 
consolidar información a alto nivel, focalizando: la presentación reducida de aspectos 
de negocio, utilización mayoritaria de gráficos e inclusión de elementos interactivos 
para análisis profundo potenciado y comprensión de la información consultada (Curto 
Díaz, 2016). 
La oferta de estas herramientas de las diferentes soluciones de BI, se diferencian por 
qué tan maduro es el proceso de creación de los dashboards, por las opciones 
disponibles de visualización y la capacidad de trabajar con flujos continuos de datos y 
el reflejo en tiempo real de los cambios que dichos flujos producen. Estos cuadros de 
mando producen lo que se conoce como análisis visual de la información (Curto Díaz, 
2016). 
Según Curto Díaz (2010), se puede definir formalmente un dashboard como: ¨el 
sistema que informa de la evolución de los parámetros fundamentales de negocio de 
una organización o de un área de esta¨ (p. 237). 
También menciona que la información que se presenta en un cuadro de mando se 
caracteriza por usar variados elementos como gráficos, tablas, alertas, y otros, además 
de combinar los elementos de manera uniforme y precisa, basando la información 
presentada en indicadores clave de negocio y presentando las tendencias de negocio 
para propiciar la toma de decisiones. (Curto Díaz, 2016). 
Existen alrededor de 7 elementos en los cuadros de mando entre tablas, métricas, 
listas, gráficos, mapas, alertas visuales y automáticas, menús de navegación. (Curto 
Díaz, 2016). 
Para poder crear un buen dashboard, que cumpla con todos sus objetivos, se debería 
seguir un proceso iterativo de etapas, que se muestra en el cuadro número siete. 
CUADRO 7. ETAPAS DE ELABORACIÓN DE DASHBOARDS 
Etapa Descripción básica 
Primera Identificar la necesidad de negocio y los potenciales usuarios del cuadro de mando 
 
43 
 
Segunda 
Elegir los datos que mostrar en el cuadro de mando tomando en cuenta las 
necesidades del usuario final. 
Tercera 
Combinar datos y presentación conjuntamente, una vez se tienen los diferentes 
elementos, se realiza un boceto con todos ellos. 
Cuarta Planificar la interactividad del usuario 
Quinta 
Implementación del cuadro de mandos, consiguiendo los datos y formateándolos para 
conseguir los KPI, formatear los elementos del cuadro de mando en función de las 
capacidades de la solución elegida 
Fuente: Josep Curto 
Estos pasos, deberían iterarse y combinarse para lograr una buena funcionalidad. 
Las últimas tendencias que están afectando a los cuadros de mando incluyen data 
visualization y data storytelling. La primera hace referencia a la inclusión de una mayor 
cantidad de elementos gráficos para la comprensión del dato y al uso de criterios para 
utilizar dichos elementos. La segunda se refiere a que la herramienta permite construir 
y explicar historias de negocio fundamentadas en datos y hechos para explicar qué ha 
sucedido. No todas las herramientas del mercado incluyen esta tendencia, sino que 
solo se encuentra en algunos productos innovadores. (Curto Díaz, 2016). 
2.2.4 Análisis multivariado 
a) Conceptos y definición 
Los métodos diseñados para la recolección de múltiples sets de data y, porque esta 
data contiene medidas simultaneas de múltiples variables, el conjunto de metodologías 
y herramientas que estudian y analizan lo anteriormente mencionado, se conoce como 
análisis multivariado. Las técnicas que aplica el análisis multivariado son difíciles de 
clasificar, tomando en cuenta las aceptaciones de la clasificación y la correcta 
aplicación que se le atribuye a las herramientas (Johnson y Dean, 2007). 
Puede definirse al análisis multivariado, como una herramienta que tiene múltiples 
técnicas o métodos estadísticos y mediante su uso, es posible el análisis e 
interpretación de la información que comprenden un conjunto de variables, haciendo 
 
44 
 
esto sin perder la interacción o el grado en que unas y otras variables se afectan entre 
sí (de la Garza, Morales Serrano y González Cavazos, 2013). 
La información que se analiza, por otro lado, debe contar con un diseño, una estructura 
y una manera de medirse. 
Ahora bien, el análisis multivariado, como se mencionó, tiene un conjunto diverso de 
técnicas y métodos, y, la manera de clasificarlos es igual de diversa, existiendo 
dificultad para lograr una amplia aceptación y concenso sobre la pertinencia de estas 
técnicas, siendo que existen clasificaciones según dependencia, interdepencia y otros 
factores de relaciones, sin embargo existen objetivos de resolución de problemas o de 
investigaciones a los que se prestan mejor ciertos métodos de análisis multivariado, 
entre los que se encuentran los siguientes problemas u objetivos (Johnson y Dean, 
2007): 
CUADRO 8. PROBLEMAS VIABILIZAN EL USO DE ANÁLISIS MULTIVARIADO 
Reducción de data o Simplificación estructural 
El fenómeno estudiado es representado lo más 
simple posible sin sacrificar información 
importante o relevante. Tiene como objetivo 
hacer la interpretación más fácil. 
Agrupamiento o Sorting 
Grupos de objetos o variables ¨similares¨ son 
creados, basados en características de 
medición (medidas). Alternativamente, las 
reglas de clasificación de objetos en grupos 
bien definidos, es requerida. 
Dependencia de variables 
La naturaleza de relaciones entre las variables 
es de interés. Si las variables son mutuamente 
independientes, si una o más variables 
dependen de otras, si es así, cuán 
dependientes. 
Predicción 
Las relaciones entre variables deben 
determinarse con el propósito de predecir los 
valores de una o más variables con bases en 
la observación de otras variables. 
Construcción y prueba de hipótesis 
Hipótesis estadísticas específicas, formuladas 
en términos de parámetros de poblaciones 
multivariables son probadas. Pudiéndose hacer 
esto para validar presunciones o reforzar 
convicciones previas. 
Fuente: Johnson y Dean 
 
45 
 
b) Técnicas del análisis multivariado 
Como ya se mencionó, existen muchas técnicas para estudiar e interpretar la 
información, según los objetivos y la finalidad del trabajo o estudio, pero básicamente, 
pueden dividirse en dos grandes grupos, en técnicas multivariantes funcionales o 
dependientes y en estructurales o interdependientes. A partir de ahí, debe observarse 
el tipo de variable con el que se trata (métricas y no métricas) observando a la vez 
cuántas relaciones entre las variables se plantean de dependencia y/o 
interdependencia. (De la Garza, et al., 2013) 
1) Técnicas funcionales o dependientes 
El nombre ¨funcionales¨, viene de la necesidad de todas estas técnicas, de presentar 
un modelo, ecuación o función formada por las variables involucradas. En estas 
técnicas intervienen variables dependientes e independientes. El objetivo de estas 
técnicas es el pronóstico. Pues a partir de una o más variables independientes (de sus 
cambios) se procede a pronosticar una o más variables dependientes, tomando como 
base que las variables tienen entre sí una relación de causa-efecto entre sí (De la 
Garza, et al., 2013). Entre las principales técnicas funcionales, están las siguientes, 
según se observa en la figura 13. 
FIGURA 14. DIVISIÓN DE LAS TÉCNICAS FUNCIONALES O DEPENDIENTES 
 
Fuente: De la Garza, etal. (2013) 
T
é
c
n
ic
a
s
 f
u
n
c
io
n
a
le
s
 
o
 d
e
p
e
n
d
ie
n
te
s
Análisis de regresión o correlación 
múltiple
Análisis discriminante múltiple
Análisis de varianza y covarianza
Análisis de correlación canónica
Análisis de conjunto (Conjoint 
analysis)
Regresión logística
Detector automático de 
interacción
Análisis de supervivencia
 
46 
 
2) Técnicas estructurales o interdependientes 
El objetivo principal de estas técnicas es resumir información, dando la posibilidad de 
mejor interpretación mediante la descripción de un problema x, en el que influyen 
varias variables (reduciendo las que existían inicialmente, por ejemplo). Estas técnicas 
no tienen variables dependientes e independientes y entre las variables no se 
encuentra (ni se intenta encontrar) relaciones de causa y efecto entre las mismas. Sino 
que todas las variables se tratan como independientes, pero con un objeto común, 
donde las variables pueden unirse y así reducir o resumir información (De la Garza, et 
al., 2013). A continuación en la figura 14 pueden observarse las técnicas estructurales 
principales. 
FIGURA 15. TIPOS DE TÉCNICAS ESTRUCTURALES O INTERDEPENDIENTES 
 
Fuente De la Garza, et al., (2013) 
Técnicas 
estructurales o 
interdependientes
Análisis de 
componentes 
principales
Factor común
Modelos de 
variables latentes
Análisis de clases 
latentes
Análisis de rasgos 
latentes
Análisis de perfiles 
latentes
Análisis de factores
Análisis de 
conglomerados
Escalas 
multidimensionales
Análisis de 
correspondencia
 
47 
 
Dentro de estas técnicas, se incorporan variables métricas y no métricas e interactúan 
entre sí en la técnica más adecuada, según los objetivos intrínsecos de cada grupo de 
los dos tipos de técnicas (De la Garza, Morales Serrano, & González Cavazos, 2013). 
2.3 MARKETING 
Es muy común que el concepto de marketing sea mal utilizado y poco comprendido en 
la sociedad e incluso entre la comunidad perteneciente a las ciencias económicas y 
administrativas. Refiriéndose a la publicidad como si fuera marketing y a la primera 
con términos como propaganda u otro. 
Si bien existen muchas ramas de esta disciplina y muchas aplicaciones con múltiples 
herramientas, Kotler y Armstrong, (2013), simplifican la definición diciendo que ¨el 
marketing es la gestión de relaciones redituables con los clientes¨ (p. 5). 
El marketing, se ocupa más de los clientes de forma directa más que cualquier otra 
función de negocios y. tiene una meta doble como herramienta, que consiste en atraer 
nuevos clientes con la promesa de valor superior de su oferta, por un lado y por el otro, 
conservar a los clientes actuales mediante la entrega de satisfacción. (Kotler y 
Armstrong, 2013). 
El marketing es un tema muy referido, además de utilizado en todos los rubros y 
sectores del mundo moderno. Desde el cotidiano encuentro con técnicas de marketing 
tradicional en centros comerciales o publicidades en televisión. La forma de acceso a 
los productos, y la forma de percibirlos mediante vallas y otros múltiples medios. 
Además, sin embargo, los mercadólogos han armado una multitud de nuevos enfoques 
de marketing, logrando personalizar experiencias y comunicación con los usuarios. 
(Kotler y Armstrong, 2013) 
Definido ampliamente, el marketing es un proceso social y directivo mediante el que 
los individuos y las organizaciones obtienen lo que necesitan y desean a través de la 
creación y el intercambio de valor con los demás. En un contexto de negocios más 
estrecho, el marketing implica la generación de relaciones de intercambio rentables y 
cargadas de valor con los clientes. Así, definimos marketing como el proceso mediante 
 
48 
 
el cual las empresas crean valor para sus clientes y generan fuertes relaciones con 
ellos para, en reciprocidad, captar el valor de sus clientes. (Kotler y Armstrong, 2013). 
Este proceso que se dice que es el marketing, se puede observar en la figura 13 a 
continuación. 
FIGURA 16. PROCESO BÁSICO DE MARKETING 
Comprender el 
mercado y las 
necesidades y 
deseos de los 
clientes
Diseñar una 
estrategia de 
marketing 
orientada a los 
clientes
Crear un 
programa de 
marketing 
integrado que 
entregue un 
valor superios
Construir 
relaciones 
rentables y crear 
deleite en los 
clientes
Captar valor de 
los clientes para 
generar 
utilidades y 
capital de 
clientes
Crear valor para los clientes y construir relaciones con los clientes
Captar reciprocidad 
del valor de los 
clientes
Fuente: Kotler y Armstrong (2013) 
2.3.1 Construcción de relaciones y experiencias con los clientes 
Es el último proceso antes de finalmente captar valor de los clientes y la buena 
ejecución de las etapas anteriores, prepara la perspectiva del 4to paso del proceso del 
marketing, que puede definirse como el proceso más importante de todos, ya que este 
desemboca por naturaleza en el quinto y los anteriores tres lo tienen como resultado 
(Kotler y Armstrong, 2013) 
a) Administración de las relaciones con los clientes 
La administración de las relaciones con los clientes es tal vez el concepto más 
importante del marketing moderno. Si bien existen especialistas de marketing que 
definen estrechamente a esta actividad como una actividad de gestión de datos de 
clientes, que implica bajo ese foco, una gestión detallada de la información acerca de 
los clientes, muy detallada, así como la información de todos los puntos de contacto 
de una marca con el cliente para maximizar la lealtad en los mismos. Sin embargo, un 
concepto más amplio implica un proceso general en el que las relaciones de 
 
49 
 
construyen y se mantienen, estas son rentables y a la vez se entrega valor superior y 
satisfacción a los clientes. (Kotler y Armstrong, 2013). 
Existen herramientas informáticas dedicadas a la administración de la relación de 
clientes, llamados CRM por sus siglas en inglés, sin embargo, no se limita a solo eso. 
Las bases fundamentales para crear relaciones con los clientes entonces, es el valor 
del cliente y la satisfacción del mismo, que se logra con un conjunto de niveles 
b) Niveles y herramientas de relaciones con clientes 
Las relaciones pueden construirse a muchos niveles, que no necesariamente están 
estructurados y definidos. Sin embargo, de forma básica, puede decirse que el nivel 
de la relación depende de la naturaleza del mercado meta, la cantidad de clientes y 
los márgenes de mercado. Así, una empresa con muchos clientes y poco margen 
puede definir una relación básica con los clientes, mientras que, si ocurre lo inverso, 
las empresas buscarán relaciones a niveles de sociedad completas (intermediarios y 
otros). (Kotler y Armstrong, 2013). 
Más allá de ofrecer un alto valor y satisfacción de manera constante y consecuente, 
es posible también implementar herramientas específicas para desarrollar vínculos 
más fuertes con los clientes, entre estas herramientas se encuentran los programas 
de marketing de lealtad, programas de marketing de club, de frecuencia y otros. En los 
que se ofrecen beneficios adicionales a los clientes, buscando consolidar los vínculos 
con los clientes. (Kotler y Armstrong, 2013). 
De esta manera con segmentaciones más profundas, cada vez es más común para 
las empresas ver como perjuicios a clientes no objetivo que intentan obtener valor o 
interactuar con las empresas, por tener un costo muy alto de atención, a la vez de 
entregar poco valor a la empresa y tener un costo de mantenimiento más elevado que 
el de atención. Entonces la tendencia es dirigirse a segmentos de clientes reducidos, 
pero más rentables, por lo que se menciona anteriormente, no todos los clientes 
merecen los esfuerzos de marketing. (Kotler y Armstrong, 2013). 
 
50 
 
Actualmente es común para las empresas utilizar análisis de rentabilidad de los 
clientes (Customer lifetime value), para seleccionar a los clientes que representarán 
mayoresganancias para la empresa y omitir a los que representen pérdidas, filtrando 
así a los clientes no rentables. 
Esto no quiere decir que la mencionada métrica sea la única existente en ese sentido, 
sin embargo, es ampliamente considerada la métrica más importante. 
c) Interacción y profundidad de la relación con clientes 
Las nuevas tecnologías han cambiado profundamente las maneras en que las 
personas se relacionan entre sí, es así que técnicas de relaciones gestionadas por los 
clientes que no son más que relaciones de marketing, donde gracias a las facultades 
otorgadas por las tecnologías digitales, los clientes interactúan con las empresas y 
entre sí para dar forma a sus relaciones con las marcas. 
Esto lleva también a conceptos de marketing generado por el consumidor, donde las 
relación y comunicaciones de los clientes con las marcas y hacia afuera (ya sea que 
ocurren por iniciativa propia o por iniciativa de la empresa) los consumidores 
desempeñan un rol cada vez mayor en darle forma a sus propias experiencias de 
marca y a las de otros consumidores. (Kotler y Armstrong, 2013). 
2.3.2 Captar valor de los clientes 
Si todos los procesos anteriores de marketing se realizan correctamente, que implican 
la creación y entrega de valor para construir relaciones con los clientes, entonces la 
última etapa de marketing implica captar valor de los clientes en forma de reciprocidad, 
tomando la forma de ventas, cuota de mercado y utilidades. Si se cumplen todos los 
procesos anteriores, la alta satisfacción de los clientes y la obtención de valor superior, 
hará que los clientes se mantengan leales a la empresa y compren más, resultando en 
mejores resultados para la empresa a largo plazo (más utilidades, rentabilidad, 
crecimiento y otros) (Kotler y Armstrong, 2013). 
 
51 
 
Existen 3 resultados claros y bien establecidos de la creación del valor para el cliente: 
la lealtad y retención de clientes, participación de mercado y de clientes y, capital de 
clientes. 
a) Creación de retención y lealtad de clientes 
Crear satisfacción de clientes depende de la buena administración de las relaciones 
con los mismos, al mismo tiempo, esta satisfacción crea lealtad de clientes y la 
posibilidad de obtener nuevos clientes por la recomendación de la empresa y de los 
productos de los clientes satisfechos y leales. Los estudios muestran grandes 
diferencias en la lealtad de los clientes menos satisfechos, los medianamente 
satisfechos y los muy satisfechos. Incluso una pequeña caída de la satisfacción 
completa puede crear una enorme caída de la lealtad. (Kotler y Armstrong, 2013). 
En la actualidad, en una época donde existe mucho dinamismo y variabilidad 
económica, diversos estudios muestran que existe mucha sensibilidad al gasto y que 
los consumidores de grandes potencias como la estadounidense se guían mucho por 
precios, por tanto, la migración de clientes que puede ser tan fácil puede mitigarse con 
lealtad de clientes. Estudios muestran que mantener un cliente antiguo es cinco veces 
más barato que adquirir uno nuevo. (Kotler y Armstrong, 2013). 
El momento en el que una empresa pierde un cliente, no solamente pierde la compra 
de ese momento, una pérdida definitiva implica perder el volumen total de las compras 
que el cliente haría durante toda su vida en la empresa, esto es el CLV, valor de por 
vida del cliente, por sus siglas en inglés sin contar las recomendaciones que y el 
entorno social del cliente que posiblemente dejaría de consumir en la empresa. (Kotler 
y Armstrong, 2013). 
b) Aumento de participación de clientes 
Como buenos resultado del correcto establecimiento del valor para el cliente, no basta 
con retener a los buenos clientes para captar su CLV. Entonces, se puede aumentar 
la participación de clientes, incrementando la proporción que se obtiene de las 
compras de los clientes en las categorías de producto o servicio. Una gran manera de 
 
52 
 
lograr esto es con estrategias de cross y up selling, que, pueden entenderse como 
escalada o cruce de ventas, referidas también como ventas cruzadas y ventas 
sugeridas, este tipo de estrategias, tienen un impacto de hasta el 30% de las ventas 
en grandes empresas. (Kotler y Armstrong, 2013). 
c) Creación de valor capital del cliente 
Las ventajas de no solamente de captar clientes, sino también de retenerlos y hacerlos 
crecer es aclarada con los conceptos anteriores. El valor de toda una empresa 
proviene del calor de sus clientes actuales y futuros y la administración de las 
relaciones con los clientes se torna a largo plazo. Ganar una mayor participación de 
las compras que realizan por su cuenta, y tenerlos de por vida es captar su valor de 
por vida. (Kotler y Armstrong, 2013). 
Es así, que Kotler y Armstrong (2013), definen al valor capital del cliente (CEV por sus 
siglas en inglés) como ¨la suma de los valores de por vida combinados de todos los 
clientes actuales y potenciales de la empresa. Como tal, es una medida del valor futuro 
de la base de clientes de la empresa. Para que el valor de los clientes sea mayor, la 
lealtad de los clientes más rentables debe ser mayor ¨ (p. 22). 
d) Creación de relaciones adecuadas con los clientes adecuados 
Como ya se ha sugerido anteriormente, se debe optimizar la inversión de recursos en 
la creación de relaciones con los clientes, y como afirman Kotler y Armstrong (2013), 
no existe correlación entre rentabilidad y lealtad de clientes, ya que algunos clientes 
pueden ser desleales pero rentables y así se pueden ir combinando las posibilidades 
bajo criterios de rentabilidad y lealtad proyectada. 
Entonces, las estrategias que requieren cada tipo de clientes se pueden realizar 
siguiendo los criterios ya mencionados. 
Los clientes extraños, no merecen inversión, ya que no existe manera de ajustar la 
oferta de la empresa a sus necesidades. Las mariposas, si bien se ajustan a la oferta 
de la empresa no son clientes estables, por lo que se debería, como estrategia de 
administración de clientes, crear transacciones rentables, captando todo el valor 
 
53 
 
posible mientras dure la corta relación. Por otro lado, con los clientes denominados 
¨amigos verdaderos¨ deben hacerse inversiones continuas para retenerlos y hacerlos 
crecer, hasta que lleguen a un nivel de engagement que resulte en ¨creencia 
verdadera¨, término que se refiere a la máxima afinidad posible hacia una marca. Por 
último, los clientes ¨percebes¨ son altamente leales, pero no rentables, se los 
consideran clientes problemáticos y no merecen inversión, sino, se busca deshacerse 
de los mismos. (Kotler y Armstrong, 2013). 
Todo este proceso de selección y creación de relaciones adecuadas con los clientes 
adecuados debe basarse en sistemas de información y patrones y tendencias 
sustentadas en las varias herramientas de analítica de datos que existen. (Kotler y 
Armstrong, 2013). 
FIGURA 17. TIPOS BÁSICOS DE CONSUMIDORES 
 
Fuente: Kotler y Armstrong (2013) 
2.3.3 Los nuevos enfoques del marketing 
La evolución de marketing, en un amplio abanico de la literatura, comenzando con 
conceptos, herramientas y modelos del marketing 1.0, orientado hacia el producto, 
pasando por el marketing centrado en los consumidores denominado como marketing 
2.0. Con el Marketing 3.0 surgió un cambio en el que los especialistas en el ámbito 
científico y de aplicación del marketing, pasaron a considerar a los consumidores como 
 
54 
 
seres humanos y ya no como un fin que les de beneficios. (Kartajaya, Kotler y 
Setiawan, 2017). 
En el paso del marketing 3.0, que se centraba en crear productos y servicios centrados 
en empoderar y reflejar los valores de intrínsecamente humanos, y aplicar un gran 
esfuerzo para llegar a contribuir a la sociedad con responsabilidad social empresarial, 
han aparecido cambios tecnológicos y estructurales en el mundo. (Kartajaya, et al, 
2017). 
El marketing debe adaptarse a loscaminos de los consumidores (customer paths) en 
la era digital se debe llevar al cliente desde la alerta (awarenes), hasta advocacy 
(creencia). En esencia, el marketing 4.0, describe la profundización y ampliación del 
marketing centrado en el humano para cubrir todos los aspectos de la experiencia del 
consumidor. 
La verticalidad del marketing se reemplaza por la horizontalidad, que hace parte del 
proceso del marketing al cliente y deja de presentarlo como un objetivo, convirtiéndolo 
en un socio. La nueva era del marketing no implica que la tendencia online vaya a 
reemplazar al marketing tradicional ¨offline¨, sino más bien ambos necesitan coexistir 
para entregar la máxima experiencia de cliente posible y esto se debe a que en la 
actualidad los puntos de contacto clientes-marcas son más y más complejos de 
satisfacer en la experiencia del consumidor. (Kartajaya, Kotler y Setiawan, 2017). 
Tomando en cuenta lo anterior, se define que los consumidores son influenciados por 
tres factores para tomar decisiones de compra. Los medios tradicionales y publicidad 
estilo tradicional por canales no tradicionales; en segundo lugar, su entorno, que está 
compuesto por sus amigos y familia y finalmente, tienen un conocimiento personal y 
cierta inclinación hacia ciertas macas que define su comportamiento de compra. Donde 
quiérase o no, el consumidor se ve muy afectado por las opiniones de la sociedad en 
los nuevos entornos y comunidades online. (Kartajaya, et al, 2017) 
Con todo lo anterior mencionado, puede definirse formalmente al marketing 4.0: 
 
55 
 
El marketing 4.0 es un enfoque de marketing que combina interacción online y offline 
entre empresas y consumidores. En la economía digital, la interacción online no es 
suficiente, siendo que, en el mundo exponencialmente digitalizado, el contacto offline 
representa una fuerte diferenciación. 
Siendo muy importante para las empresas ser más flexibles y adaptarse dadas los 
rápidos cambios tecnológicos, características auténticas son más importantes que 
nunca. 
El marketing 4.0 apalanca la conectividad entre máquinas e inteligencia artificial para 
mejorar la productividad de marketing, apalancando a la vez la conectividad entre 
humanos para aumentar el engagement de consumidores. (Kartajaya, et al, 2017). 
a) Integración de Marketing tradicional y digital 
El marketing digital, no tiene como fin reemplazar al marketing tradicional, más bien 
deben coexistir e intercambiar roles a lo largo del camino del consumidor (también 
definido como camino del cliente, experiencia del cliente y otros), que se detallará más 
adelante. (Kartajaya, et al, 2017). 
En las primeras etapas de interacción entre los consumidores y la empresa, el 
marketing tradicional desenvuelve un papel vital en la creación de reconocimiento e 
interés, a medida que la interacción aumenta los consumidores demandan relaciones 
más cercanas con las empresas y es ahí donde el marketing digital incrementa su 
importancia, a pesar de no estar limitada (su importancia) a este factor, pues son una 
manera importante de aumentar el reconocimiento y llegar a nuevos consumidores a 
la vez de interactuar con ellos. 
Sin embargo, al realizar este tipo de prácticas netamente publicitarias para adquisición 
de clientes, se incurren en métodos y mecanismos iguales a los de los medios 
tradicionales, con la diferencia de que el medio son dispositivos móviles o digitales. 
El marketing 4.0, va más allá de ser solamente publicidad a través de redes sociales. 
Por tanto, en esencia, el marketing 4.0 sigue un conjunto de procesos que funde 
 
56 
 
enfoques para que en la interacción de la empresa-consumidor, se complementen los 
diferentes tipos de conexión que culminan con el fortalecimiento del engagement para 
resultar en lograr el customer advocacy (promoción de clientes, defensores de marca 
u otros conceptos). 
FIGURA 18. INTEGRACIÓN DE MARKETING TRADICIONAL Y DIGITAL 
 
Fuente: Kartajaya, Kotler y Steiawan. 
b) Comprensión del comportamiento de compra del consumidor. 
Este proceso, ha pasado por tres etapas definitivas en la literatura, comenzando en el 
AIDA, que evocaba atención, interés, deseo y acción, pasando por las cuatro A´s por 
sus siglas en inglés, que evoca el reconocimiento primerizo del producto (aware), la 
actitud hacia el producto (attitude), el acto (act) como acción de compra, y el acto 
repetido (act again) como la recompra. En este marco las dos primeras etapas del 
modelo AIDA entrarían en actitud y se añade el acto repetido. (Kartajaya, et al., 2017). 
Lo que este enfoque permite, es considerar el comportamiento post venta de los 
consumidores y medir las tasas de retención de clientes, implementando como una 
buena aproximación de lealtad a la recompra. Sin embargo, en la nueva era digital, se 
define una ruta de consumidor más acorde a los cambios resultantes de la 
conectividad. (Kartajaya, et al., 2017). 
Las 5 A´s son el nuevo enfoque considera el reconocimiento primerizo del producto 
(aware), el atractivo hacia el producto (appeal), las referencias o consultas (ask) y el 
 
57 
 
(act) como acción de compra, para finalmente llegar al *promotor, que puede 
entenderse como defensor de marca (advocate). Este enfoque abarca los cambios de 
la era digital, porque contempla los cambios tecnológicos (en las consultas, se pueden 
hacer a través de comunidades online, igual que el atractivo y todas las demás). Sin 
embargo, este proceso no es lineal ni incluyente y pueden saltarse etapas, retroceder 
entre sí y repetirse. (Kartajaya, et al., 2017). 
2.3.4 Engagement Marketing para afinidad de marca. 
El conocimiento general de negocios, indica que las compras de los consumidores 
pueden indicar el nivel de engagement con la empresa, además de determinar la 
rentabilidad de los consumidores. Las investigaciones, muestran que la compra 
intensiva en el tiempo compra de productos en diversas categorías, respuesta y 
participación a los esfuerzos de marketing (contribuyendo a la empresa de esta 
manera) y, la membresía en un programa de lealtad, entre otros comportamientos, son 
parte de lo que se entiende como engagement de consumidor. (Kumar, 2013). 
Convertir a los consumidores desde compradores primerizos, a promotores de marca, 
resulta de una serie de estrategias y herramientas de engagement de consumidores. 
(Kartajaya, et al., 2017). 
El engagement que resulte en promotores de marca, tres componentes importantes 
para (Kartajaya, et al., 2017), es así, que el desarrollo de aplicaciones móviles parar 
potenciar las experiencias digitales; los CRM sociales, que tienen la capacidad de 
analizar patrones en plataformas de redes sociales y finalmente, la gamification que 
es una estrategia para impulsar el comportamiento deseado de los consumidores y el 
foco del presente trabajo. 
a) Potenciar el comportamiento deseado del consumidor 
La estrategia de gamification, es un término que proviene del inglés (de gaming), que 
quiere decir uso de videojuegos. Esta estrategia, emula los principios de videojuegos 
en contextos fuera de los juegos de video y es una herramienta muy poderosa para 
incrementar el engagement de los consumidores. (Kartajaya, et al., 2017). 
 
58 
 
Es así, que pueden mencionarse dos grandes contextos para construir engagement 
con esta herramienta: Programas de lealtad (loyalty programs) y comunidades de 
consumidores. Mientras en uno se reciben puntos-canjeables por premios, en el último 
se reciben puntos de reconocimiento, en el que se emula un escalamiento social en la 
comunidad. Esta, es una de las mejores herramientas de engagement porque en 
primer lugar aprovecha la naturaleza del deseo de conseguir premios de 
reconocimiento por metas y por el auto-mejoramiento. (Kartajaya, et al., 2017). Para 
llevar a cabo con éxito esta herramienta, es necesario cumplir con tres pasos, desde 
definir las acciones de gatillo,pasando por definir la afiliación y niveles del consumidor, 
hasta determinar los reconocimientos y premios. 
b) Rentabilidad de engagement de consumidores 
Es muy común, que, en los enfoques empresariales, para captación de clientes y éxito 
empresarial, ya sean llevados a cabo en áreas de desarrollo de productos, nuevos 
servicios, innovación tecnológica y más aspectos sean un fracaso y no solamente a 
nivel del nuevo lanzamiento (ya sea de procesos, productos o a cualquier nivel, como 
se mencionaba). 
Sino que significan pérdidas a nivel de investigación, la mezcla comercial, recursos 
humanos y más. Por lo tanto, el enfoque de engagement como forma de codesarrollo 
del cliente con la empresa, es mucho más deseable. El proceso en el que se puede 
lograr el proceso de más rentable a través de engagement de clientes puede 
describirse como engagement rentable de consumidores. (Kumar, 2013). Siguiendo la 
lógica inevitable de que un modelo que pueda ser autosostenible, sustentable y de 
mejora continua, es un modelo que no solamente genera beneficios y valor a partir de 
un punto de vista, por más cuantitativo que sea. 
Por otro lado, la rentabilidad de engagement con los consumidores, implica también 
entregarles mayor valor a los clientes y la aplicación de métricas diversas y específicas 
para medir dicho engagement y que tenga un impacto en diversas áreas de la 
empresa, tanto beneficios cuantitativos operacionales, como capacidad instalada, 
como muchos otros dentro de finanzas y recompra. 
 
59 
 
FIGURA 19. PROCESO RENTABLE DE ENGAGEMENT 
ENGAGEMENT 
DE 
CONSUMIDOR
UTILIDADES 
POR 
CLIENTES 
INCREMENTA
DAS
MAYOR 
LEALTAD Y 
FIDELIZACIÓN 
DESEMPEÑO 
DE LA 
EMPRESA
PERFIL DE 
CONSUMIDORE
S CON 
POTENCIAL 
RENTABLE
ADQUISICIÓN Y 
RETENCIÓN DE 
CLIENTES CON 
POTENCIAL 
RENTABLE
REFERENCIAS A TRAVÉS DE 
INCENTIVOS
INFLUENCIA EN REDES SOCIALES
FEEDBACK DE CONSUMIDOR
COMPRAS PROPIAS
INPUTS 
(ENTRADAS) 
PARA 
INOVACIÓN
MEJOR 
EXPERIENCIA 
DEL 
CONSUMIDOR
MAYOR 
SATISFACCIÓN 
DEL 
CONSUMIDOR
 
Fuente: Kumar (2013) 
2.3.5 Métricas y modelos de productividad de marketing 
a) Métricas directas derivadas de engagement 
Es de suma importancia, poder medir y predecir el valor general de los clientes y de 
los procesos derivados del engagement. Desde la perspectiva de las empresas, entrar 
en un proceso de engagement con los consumidores y derivar ese proceso en un valor 
tangible que salga de las interacciones generadas por los consumidores es tarea difícil. 
Para poder predecir o inferir los resultados de las estrategias de esta herramienta, se 
recurren a métricas y modelos, que, si bien tienen una elevada dificultad, es común en 
la comunidad empresarial y científica lograr medir estos resultados. (Kumar, 2013) 
Existe un marco de general en el que se miden métricas de Engagement de 
consumidores, referido como CEV, por sus siglas en inglés (CEV), como se puede 
observar en la siguiente figura. 
 
60 
 
FIGURA 20. EL MARCO DEL VALOR DE ENGAGEMENT DE CONSUMIDOR 
 
Fuente: Kumar (2013) 
 
61 
 
 Es de esta manera, que se puede sacar máximo provecho de las estrategias de 
engagement de consumidores. 
b) NPS (Índice neto de promotores) 
El índice neto de promotores NPS (por sus siglas en inglés, net promoter score), es 
una manera de medir la satisfacción del cliente, que a la vez tiene varias implicancias. 
El concepto apareció originalmente el 2003 en la revista Harvard Business Review. 
Este indicador, se obtiene mediante encuestas (método primario de recolección de 
información) y está basado casi enteramente en una sola pregunta: ¨ ¿Recomendaría 
usted esta compañía (o marca) a algún familiar, amigo o conocido? ¨. (McDaniel y 
Gates, 2016). 
La respuesta a la pregunta se basa en una escala del 0 al 10, y es un indicador útil y 
atractivo por la simplicidad de medición e interpretación que tiene. Se clasifica la 
puntuación en tres categorías; detractores, pasivos o benignos y promotores, siendo 
que los detractores otorgan calificaciones de 0 a 6, los pasivos de 7 a 8 y los 
promotores en adelante. El resultado del indicador, es el porcentaje de los promotores 
(los que califican de 7 a 10) menos el porcentaje de los detractores (McDaniel y Gates, 
2016). 
2.4 FINANZAS 
La administración financiera, es una parte de las finanzas, que se encarga de la 
adquisición, financiamiento y administración de bienes con alguna meta en mente. La 
decisión de inversión es la más importante de las tres decisiones primordiales de la 
empresa en cuando a creación de valor (Van Horne y Wachowicz, 2010). 
Cualquier decisión respecto a la administración de bienes debe tomarse de acuerdo 
con el objetivo de la empresa, estos bienes, pueden ser tangibles o intangibles y deben 
decidirse en base a sólidos fundamentos financieros (Van Horne y Wachowicz, 2010). 
Cuando un negocio hace una inversión de capital, incurre en un desembolso de 
efectivo corriente en espera de obtener beneficios futuros. Es usual que estos 
 
62 
 
beneficios se extiendan más allá de un año en el futuro. Introducir, por ejemplo, un 
nuevo sistema o un nuevo programa para investigación y desarrollo. En resumen, el 
éxito y la rentabilidad futuros de la empresa dependen de las decisiones a largo plazo 
que se tomen ahora. Una propuesta de inversión debe juzgarse con respecto a si arroja 
un rendimiento igual o mayor que el requerido por los inversionistas. (Van Horne y 
Wachowicz, 2010). 
En términos económicos, el valor de una inversión para el valor total de la empresa 
(Un activo o Bien), es el valor actual neto de los flujos de caja después de impuestos 
asociados a dicha inversión. De esta manera, las inversiones en Business Intelligence, 
deben ser sujetas a evaluaciones rigurosas de cómo esas inversiones resultarán en 
mayores ingresos, menores costos o ambos (Williams y Nancy, 2007). 
La clave es analizar la situación con la nueva inversión y sin ésta, y donde todos los 
costos y beneficios relevantes entren en juego. Sólo los flujos de efectivo 
incrementales importan (Van Horne y Wachowicz, 2010). 
Por otro lado, para evaluar y seleccionar las inversiones y llevarlas a cabo con la mayor 
seguridad posible, se piensa que los métodos de flujos de efectivo descontado 
permiten tomar en cuenta, además, el riesgo del proyecto. Siendo un método que 
ofrece una base objetiva, más profunda que periodos de recuperación u otros métodos 
(Van Horne y Wachowicz, 2010). 
2.4.1 Cálculo de flujos de efectivo incrementales 
Los componentes que determinan los flujos de efectivo, que vayan a ser relevantes 
para el proyecto, deben, para comenzar, tomar en cuenta los factores fiscales (los 
incrementales son antes de impuestos), además de tomar atención a todos los detalles 
relacionados. Se pueden clasificar los flujos de efectivo de un proyecto en tres 
categorías según los tiempos (Van Horne y Wachowicz, 2010). 
 
 
 
63 
 
a) Flujo de salida inicial 
La inversión de efectivo neta inicial, como puede apreciarse en el cuadro número siete, 
tiene un formato predefinido y como es natural, el proceso de elaboración comienza 
elaborándo este cuadro. Pues lo primero que debe medirse y calcularse, es la inversión 
que funciona como un flujo que sale de la empresa, para al ejecutarse el resultado de 
ese egreso, pueda a comenzar a percibirse un beneficio sobre el capital y los activos 
de la empresa. 
a) 
Costo de(l) bien(es) ¨nuevo(s)¨ 
b) + Gastos capitalizados (costo instalación, de envío y otros)* 
c) +(-) Nivel aumentado (o disminuido) del capital de trabajo ¨neto¨** 
d) - Ingresos netos de venta de bienes ¨antiguos¨ si la inversión es una decisión de remplazo 
e) +(-) 
Impuestos (ahorro de impuestos) por la venta de bienes ¨antiguos¨ si la inversión es una 
decisión de remplazo 
f) = Flujo de efectivo inicial de salida 
* Costo del bien más gasto capitalizado forman la base sobrela que se calcula la depreciación 
fiscal 
** Cualquier cambio en el capital de trabajo debe considerarse ¨neto¨ con 
respecto a cualquier cambio espontáneo en los pasivos corrientes que ocurre 
al poner en marcha el proyecto 
Fuente: Van Horne y Wachowicz 
b) Flujos de efectivo netos incrementales intermedios 
Esos flujos de efectivo que ocurren después de la inversión inicial, pero que no incluyen 
el flujo de efectivo al final del periodo como puede observarse en la figura 19, es de 
esa manera que se refleja a nivel medio el incremento resultante de la inversión en los 
flujos y por ese motivo, es que son denominados intermedios (e incrementales por ser 
medidos respecto a los flujos efectivos que generará la inversión, como ya se 
mencionó) es decir, respecto a esos flujos de efectivo periódicos de la organización. 
Mostrando de esa manera, el incremento. El proceso se ve en el cuadro nueve. 
 
 
64 
 
CUADRO 9. FORMATO BÁSICO F.F.E.E.N.N I.I. 
a) Incremento (o decremento) neto en ingreso operativo menos (más) cualquier incremento 
(decremento en castos de operación excluyendo depreciación 
b) -(+) Incremento (o decremento neto en cargos de depreciación fiscal) 
c) = Cambio neto en ingreso antes de impuestos 
d) - (+) Incremento (o decremento) neto en impuestos 
e) = Cambio neto en ingreso después de impuestos 
f) + (-) Incremento (o decremento) neto en cargos por depreciación fiscal 
g) = Flujo de efectivo neto incremental para el periodo 
Fuente: Van Horne y Wachowicz 
c) Flujo de efectivo neto incremental anual terminal 
El flujo de efectivo neto final del periodo. (Este flujo de efectivo del periodo se resalta 
porque con frecuencia ocurre un conjunto particular de flujos de efectivo a la 
terminación del proyecto), como puede observarse en la figura. 
CUADRO 10. FORMATO BÁSICO DE FLUJO NETO INCREMENTAL U.U. A.A. 
 Incremento (o decremento) neto en ingresos de operación menos (más) cualquier incremento 
(decremento) neto en gastos de operación excluyendo depreciación 
b) -(+) Incremento (o decremento) neto en cargos por depreciación fiscal 
c) = Cambio neto en ingreso antes de impuestos 
d) -(+) Incremento (o decremento) neto en impuestos 
e) = Cambio neto en ingresos después de impuestos 
f) +(-) Incremento (o decremento) neto en cargos de depreciación fiscal 
g) = Flujo de efectivo incremental para el último año antes de las consideraciones de conclusión del 
proyecto 
h) +(-) Valor de rescate final (costos de enajenación/reclamación) de ¨nuevos¨ bienes 
i) -(+) Impuestos (ahorro de impuestos) por venta o enajenación ¨nuevos¨ bienes 
j) +(-) Nivel de decremento (o incremento) de capital de trabajo ¨neto¨* 
k) = Flujo de efectivo neto incremental del último año 
*Cualquier cambio en el capital de trabajo debería considerarse ¨neto¨ con respecto a cualesquiera cambios 
espontáneos en pasivos corrientes que se registren porque el proyecto se terminó. 
Fuente: Van Horne y Wachowicz 
 
65 
 
Posteriormente, para finalizar, se procede a realizar el intercambio de activos y se 
analizan los flujos de efectivo netos incrementales esperados para el proyecto de 
remplazo. 
2.4.2 Métodos de selección y evaluación de proyectos (FED) 
Los flujos de efectivo descontado, contemplan cualquier método de selección y 
evaluación de proyectos de inversión que ajuste flujos de efectivo en el tiempo al valor 
del dinero en el tiempo. Es así, que existen tres métodos que corresponden a esta 
herramienta. Siendo La Tasa interna de rendimiento (TIR), el valor presente neto (VPN 
o VAN) y los índices de rentabilidad (Van Horne y Wachowicz, 2010). 
a) Tasa interna de rendimiento (o de retorno) 
Básicamente, la tasa interna de rendimiento, es la tasa de descuento que iguala al 
valor actualizado de los flujos de efectivos netos futuros de un proyecto de inversión 
con el flujo de salida (inversión misma) inicial del proyecto. Es decir, que es la qué 
porcentaje de rendimiento tendrá el proyecto (cuándo rendirá), tomando en cuenta su 
valor acualizado, respecto de la inversión. (Van Horne y Wachowicz, 2010). 
ECUACIÓN 1. TASA INTERNA DE RETORNO 
FSI = 
FE1
(1 + TIR)1
+ 
FE1
(1 + TIR)1
+ ⋯ + 
FEn
(1 + TIR)n
 
Fuente: Van Horne y Wachowicz 
FE1,2,…,n = Flujo de Efectivo de los diferentes años 
FSI = Flujo de salida inicial (o inversión) 
n = Periodos 
TIR = Tasa interna de rentabilidad (o retorno) 
La resulución de esta tasa, puede hacerse mediante hojas de cálculo y aproximaciones 
e interpolaciones de cálculo numérico. 
 
66 
 
El criterio de aceptación para este indicador es que sea mayor a la tasa de descuento 
de mercado. 
b) Valor presente neto (VPN o VAN) 
De la misma manera que la TIR, el valor presente neto es un indicador calculado con 
base al descuento de los flujos de efectivo futuros el valor del dinero en el tiempo. 
Básicamente lo que mide es si actualizando todos los flujos netos de efectivo futuros 
y restándoles la inversión, se tendría ganancia, con el valor actualizado, es decir si se 
tiene un mejor costo de oportunidad. 
ECUACIÓN 2. VALOR PRESENTE NETO 
VPN = 
FE1
(1 + K)1
+ 
FE1
(1 + K)1
+ ⋯ + 
FEn
(1 + K)n
− FSI 
Fuente: Van Horne y Wachowicz 
Donde: 
VPN = Valor presente neto 
FE1,2,…,n = Flujo de Efectivo de los diferentes años 
FSI = Flujo de salida inicial (o inversión); n = Periodos; k = Tasa de descuento 
El criterio de aceptación para este indicador es que sea mayor que 0. 
c) Relación Beneficio/Costo o Índice de rentabilidad 
Este indicador, o método de selección y evaluación de proyectos de inversión, se 
encarga de medir la relación entre los flujos de efectivos netos actualizados de la 
inversión, que representarían a los beneficios y a la inversión inicial o flujo de salida 
inicial, que representaría el costo. 
ECUACIÓN 3. RELACIÓN BENEFICIO COSTO 
B/C = IR = [
FE1
(1 + K)1
+ 
FE1
(1 + K)1
+ ⋯ + 
FEn
(1 + K)n
] /FSI 
Fuente: Van Horne y Wachowicz 
 
67 
 
Donde: 
IR = Relación Beneficio/Costo o índice de rentabiildad 
FE1,2,…,n = Flujo de Efectivo de los diferentes años 
FSI = Flujo de salida inicial (o inversión); n = Periodos; k = Tasa de descuento 
En el criterio para la aceptación de este indicador, debe ser mayor o igual a 1.00. 
Todas estas herramientas de análisis financiero, al cumplir sus diferentes parámetros, 
aumentarán la probabilidad de incurrir en un proyecto de inversión exitoso para la 
empresa. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
CAPÍTULO 3 MARCO PRÁCTICO 
UNIDAD ACADEMICA SANTA CRUZ 
INGENIERIA COMERCIAL 
 
 
 
 
64 
 
CAPÍTULO 3. MARCO PRÁCTICO 
 
3.1 INFORMACIÓN DEL COMPORTAMIENTO DEL CONSUMIDOR 
Básicamente, Aviator S.R.L. cuenta con múltiples fuentes de datos que recopilan 
constantemente información del consumidor en algún punto de la relación cliente-
marca. Estas fuentes de datos son sistemas transaccionales de información cuyo 
objetivo principal no es el almacenamiento de data, sino más bien, la operación 
cotidiana para cumplir con las metas de transacción que se tienen. En el cuadro once, 
se puede observar con mayor precisión lo mencionado. 
CUADRO 11. SISTEMAS TRANSACCIONALES DE INFORMACIÓN AVIATOR S.R.L. 
SISTEMA 
TRANSACCIONAL DE 
INFORMACIÓN 
ACCIONES OBJETIVO 
Módulo Punto de Venta Toma de órdenes de pedidos básicas Llevar adelante el 
proceso de 
atención al cliente 
y de ventas. 
Seguimiento métricas operativas 
Comunicación entre atención al cliente y cocina 
Acciones de registro de clientes y acciones 
Módulo Almacenes Automatización de transacciones de inventario Controlar y tomar 
previsiones para 
toma de 
decisiones. 
Previsión de suministro para atención al cliente 
Consolidación de inventarios para acciones 
comerciales 
Módulo de Cuentas Transacciones básicas de ingreso y egreso de 
activos y pasivos con enfoque de partida doble 
Seguimiento de 
transaccionesde 
operaciones y 
liquidez. 
Sistema contable iContab Estados financieros básicos y toma de 
decisiones gerenciales 
Llevar adelante 
gestión financiera 
eficiente. 
Rendición de cuentas a Asamblea 
 
65 
 
Plataformas externas 
Delivery 
Coordinación entre logística externa y 
operaciones interna 
Maximizar la 
calidad de 
entregas a 
domicilio Consolidación de pedidos de plataforma a 
sistema local 
Resolución de problemas con cliente final 
Bases de datos Excel Elaboración de información con dificultad a 
realizarse en otro sistema 
Optimización de 
operaciones y 
acciones. 
Seguimiento básico a objetivos 
Cálculos a partir de datos conocidos 
Paneles publicitarios digitales Definir segmentos de mercado Aumento de 
ventas, base de 
clientes, 
reconocimiento de 
marca y otros. 
Establecer objetivos publicitarios y presupuestos 
Construir campaña de comunicación publicitaria 
Fuente: Elaboración propia 
3.1.1 Incidencia de variables en conocimiento de consumidor 
La identificación de las diferentes variables según su relevancia en la incidencia sobre 
el conocimiento del consumidor se basa, en las acciones que toma el consumidor en 
la relación que se genera con Aviator S.R.L., dicha relación está definida por el camino 
del consumidor (customer path). En el presente trabajo se utilizó el modelo de las 5 
A´s por sus siglas en inglés, de reconocimiento, atractivo, referencias, acto, promotor 
(aware, appeal, ask, act, advocate), como puede observarse en el cuadro doce. 
CUADRO 12. PUNTOS DE CONTACTO 5A´S AVIATOR S.R.L. 
Camino del consumidor Punto de contacto con la marca Nivel de 
integración 
tecnológica 
Reconocimiento - A través de publicidad en canales 
digitales 
- Publicidad en canales tradicionales 
- Recomendaciones 
Medio 
Atractivo - Interés en publicidad y toma de contacto 
con la marca (interacción en medios 
digitales) 
Medio 
 
66 
 
- Interacción directa con la marca por 
medios tradicionales 
- Reconocimiento con la marca 
Referencias - Búsqueda de información en canales 
digitales 
- Referencias a terceros conocidos 
Medio 
Acto - Compra en tienda 
- Compra por canales digitales (delivery) 
Bajo 
Promotor - Interacción directa y recomendaciones 
en canales digitales. 
- Interacción indirecta persona a persona 
- Publicidad directa e interacción en redes 
sociales 
Medio 
Fuente: Elaboración propia 
a) RECONOCIMIENTO (AWARENESS) 
En el presente punto de contacto, se definieron variables específicas en fuentes de 
información que tienen por función el reconocimiento y las impresiones publicitarias. 
El alcance de la información según los objetivos de segmentación publicitaria es la 
primera variable importante a analizar. 
Los sistemas transaccionales de información están basados en la nube y de manera 
digital, y se definieron como Facebook, Instagram, Google, Plataformas de delivery, tal 
cual se aprecia en el cuadro trece. 
CUADRO 13. VARIABLES INCIDENTES EN RECONOCIMIENTO 
Variables incidentes en 
el comportamiento del 
consumidor 
Orden de relevancia de 
plataformas 
Características 
analizables 
Segmentación 
básica 
Alcance - Facebook 
- Instagram 
- Google 
- Plataformas de delivery 
- Intereses 
generales 
- Factores 
sociográficos 
- Factores 
demográfios 
- Factores 
demográficos 
Radio 
aproximado 
geográfico de 10 
km. con 
exclusiones de 
zonas. Rango de 
edad de 18-64 
años. 
 
67 
 
Impresiones - Facebook 
- Instagram 
- Plataformas de delivery 
- Tasa de 
retención y 
frecuencia 
- Tasa de 
viralidad 
Intereses 
relacionados al 
sector y 
productos 
ofrecidos por 
Aviator. 
Fuente: Elaboración propia 
Como puede observarse, se tienen los sistemas transaccionales de información 
suficientes para realizar un análisis básico de información en el reconocimiento de 
marca, sin embargo, por el nivel tecnológico alcanzado se deben conseguir fuentes 
integradas como páginas web y aplicaciones interactivas que permitan un código único 
de seguimiento de consumidores. 
b) ATRACTIVO (APPEAL) 
El atractivo básicamente puede medirse tomando en cuenta la interacción que genera 
el contenido base de reconocimiento de Aviator. La interacción puede medirse en las 
mismas plataformas anteriormente nombradas tomando en cuenta como variable la 
interacción y comunicación que exista. En este punto pueden considerarse además 
otras variables como base para la medición de atractivo de marca, como puede 
observarse en el cuadro catorce. 
CUADRO 14. INCIDENCIA DE VARIABLES EN ATRACTIVO 
Variables incidentes en 
el comportamiento del 
consumidor 
Orden de 
relevancia de 
plataformas 
Características analizables Segmentación 
básica 
Interacción publicitaria 
básica 
- Facebook 
- Instagram 
- Google 
 
- Interacción base como 
nuevos usuarios 
interactivos 
- Costo de inversión por 
interacción 
 
Radio aproximado 
geográfico de 10 
km. con 
exclusiones de 
zonas. Rango de 
edad de 18-64 
años. 
Intereses 
relacionados al 
sector y productos 
ofrecidos por 
Aviator. 
Llamada a la acción 
simple. 
- Facebook 
- Instagram 
 
- Conversiones de nuevos 
usuarios como parte de la 
comunidad 
Fuente: Elaboración propia 
 
68 
 
Es importante mencionar, que el segundo punto de contacto de los clientes se 
materializa como resultado de un contacto que sobre pase las expectativas del 
consumidor en el primer punto de contacto. 
c) REFERENCIAS (ASK) 
Aviator S.R.L. presenta dificultades en la estructuración de la información generada 
por el tercer punto de contacto con los consumidores. Si bien los sistemas 
transaccionales de información tienen referencias directas a la empresa, existe una 
gran cantidad de referencias que son indetectables y de las que no se tienen acceso 
debido al canal en el que se aplican. En el cuadro quince. 
CUADRO 15. INCIDENCIA DE VARIABLES EN EL ACTO REFERENCIAL DEL CONSUMIDOR 
Variables incidentes en 
el comportamiento del 
consumidor 
Orden de relevancia de 
plataformas 
Características analizables 
Referencias directas - Facebook 
- Instagram 
- WhatsApp 
- Google 
 
- Viralidad de la marca 
- Efectividad de inversión 
- Alcance orgánico 
- Intereses del 
consumidor 
 
Referencias indirectas - Facebook 
- Excel 
 
- Comportamiento del 
consumidor. 
- Tipos de consumidores 
Fuente: Elaboración propia 
En la actualidad Aviator S.R.L. no cuenta con un sistema transaccional directo que 
pueda identificar los leads de manera estructurada, como ser una página web o 
aplicación. Las referencias pueden encontrarse hechas de manera directa en 
mensajes directos a través de las plataformas mencionadas en el cuadro quince. La 
falta de estructuración de datos obstaculiza la medición de la efectividad de inversión 
y el análisis cuantitativo. Por la interacción realizada donde los potenciales 
consumidores hacen referencia a la empresa a través de terceros utilizando la 
plataforma de la marca, es que se pueden analizar intereses y capacidad de 
conversión de reconocimiento a interacción avanzada. Sin embargo, es importante 
mencionar que la información recabada de manera no estructurada tiene mayor 
 
69 
 
dificultad de análisis. Se plantea analizar la información no estructurada para obtener 
patrones referenciales. 
d) ACTO O COMPRA 
(Se pueden mostrar los datos que genera el samba con las fórmulas y con los 
diferentes módulos que tiene para la siguiente acción) El acto es el punto de contacto 
de cliente-marca donde Aviator genera mayor información, ya sea o no estructurada. 
También es el punto donde mayor cantidad de sistemas transaccionales intervienen, 
con la posibilidad de generar mayor conocimiento del consumidor. El viaje del 
consumidor pasa a través de múltiples etapas en las que se genera información, el 
customer journey, puede definirse básicamente como se observa en la siguiente figura. 
FIGURA 21. PROCESO DE ACTO AVIATOR S.R.L. 
 
Fuente: Elaboración propia 
Desde el momento enel que el cliente entra y se procede al primer contacto de 
recibimiento, se comienza a recopilar información sobre el consumidor, como 
preferencia de ubicación y tipo de mesa, además del tipo de visita que está realizando. 
Por otro lado, en la primera atención, se puede observar si el cliente es un cliente 
retenido, recurrente o primerizo. Al momento de la toma de orden se conocen sus 
Recibimiento
Acomodo
Atención 
I. 
Entrega 
Bebidas
Entrega 
Comida
Revisión
Recojo y 
Reventa 
Cuenta y 
Despido
Salida
ENTRADA CONSUMO ESTADIA SALIDA
 
70 
 
preferencias de consumo y en los puntos de consumo y revisión se puede observar la 
satisfacción y profundizar en tendencias de consumo. En el recojo y reventa, se puede 
observar la capacidad de gasto en la visita específica y seguir profundizando en las 
tendencias de consumo. Finalmente, en la salida se puede observar la satisfacción del 
cliente. A continuación, en el cuadro 14, se pueden observar las variables relevantes. 
CUADRO 16. INCIDENCIA DE VARIABLES EN LA COMPRA DEL CONSUMIDOR 
Variables incidentes 
en el 
comportamiento del 
consumidor 
Orden de relevancia de 
plataformas 
Características analizables 
Gasto promedio - Módulo de punto de venta 
- Plataforma de delivery 
- Módulo de inventarios 
 
- Productos más pedidos 
- Horas y días que generan más 
gasto 
- Preferencia de canal de venta. 
- Influencia de atención al cliente 
en gasto. 
- Rentabilidad por volumen de 
ventas 
 
Preferencia de 
producto 
- Módulo de punto de venta 
- Plataforma de delivery 
- Módulo de inventarios 
- Google 
- Excel 
 
- Rentabilidad por productos 
- Calidad de producto 
- Enfoque de desarrollo de 
productos 
- Enfoque de cross-selling 
Tipo de visita - Módulo de punto de venta 
- Plataforma de delivery 
- Excel 
- Visitas familiares 
- Visitas fraternales 
- Visitas en pareja 
- Visitas solitarias 
- Visitas de fin de semana 
- Visitas en día de semana 
Comportamiento de 
visita 
- Módulo de punto de 
venta. 
- Módulo de inventarios. 
- Instagram 
- Homogeneidad de pedido 
- Recompra y cross-selling 
- Potencial de difusión 
- Tiempo de visita 
Satisfacción de visita - Google 
- Instagram 
- Facebook 
- Excel 
- Factor más relevante en 
satisfacción 
Fuente: Elaboración propia 
Se resalta la diferencia existente entre la compra (act) en canales digitales o en tienda. 
 
71 
 
e) PROMOTORES (ADVOCACY) 
Sobre todo, el último punto de contacto con la Aviator S.R.L. es el que hace la relación 
redituable y que más valor genera en la relación. Aviator S.R.L. cuenta en la actualidad 
con una generación limitada de información por la estructura de sus sistemas 
transaccionales de información, si bien cuentan con capacidad desarrollo. A 
continuación, en el cuadro 15, se observa la incidencia de variables. 
CUADRO 17. INCIDENCIA DE VARIABLES EN PROMOTORES 
Variables incidentes 
en el 
comportamiento del 
consumidor 
Orden de relevancia de 
plataformas 
Características analizables 
Frecuencia de visita 
por cliente 
- CRM 
- Módulo de punto de venta 
- Plataforma de delivery 
- Facebook 
- WhatsApp 
 
 
- Satisfacción de cliente 
- Valor de por vida de cliente 
- Clasificación de cliente 
 
Intervalo entre 
visitas 
- CRM 
- Módulo de punto de venta 
- Plataforma de delivery 
- Facebook 
- WhatsApp 
- Clasificación de cliente 
- Generación de ingresos por 
cliente 
Publicidad y 
recomendaciones de 
promotor 
- Facebook 
- Instagram 
- Google 
- Valor del cliente 
- Capacidad de publicidad 
- Comportamiento 
Rentabilidad de 
cliente. 
- CRM 
- Módulo de punto de venta 
- iContab 
- Indicadores CLV 
Fuente: Elaboración propia 
 
72 
 
Como en los anteriores casos, existe una falta de utilización tecnológica en Aviator 
S.R.L. que le permitiría acceder a más información de clientes por la estructuración de 
sus bases transaccionales de información. 
f) RECOPILACIÓN DE DATOS RELEVANTES DE A.T.I. 
1) Módulo de Punto de Venta 
El módulo de punto de venta (POS), genera en cada transacción información sobre 
mesa ocupada, identificación de cliente, estado de boleta, número de orden, usuario 
de creación, hora del pedido, cortesías o anulaciones, cantidad de personas en la 
mesa, además de notas adicionales, precio de productos y total de la cuenta. Cada 
punto de creación funge como base para la realización de la transacción. 
FIGURA 22. INFORMACIÓN GENERADA POR POS 
 
Fuente: Aviator S.R.L. 
2) Módulo de almacenes 
El módulo de almacenes genera los stocks de productos y materias primas, además 
de las medidas del producto, las compras y costos de los productos básicamente. Esto 
 
73 
 
lo hace sobre una base de datos de productos, pero para un funcionamiento continuo 
de transacción, como puede observarse en la siguiente figura. 
FIGURA 23. MÓDULO DE INVENTARIOS 
 
Fuente: Aviator S.R.L. 
3) Redes sociales 
Las redes sociales de Aviator S.R.L. generan información básica sobre interacción 
sobre publicidad, alcance, efectividad de inversión y otros, como se observa en la 
figura 24, más abajo. La información generada por las otras plataformas digitales se 
basa en los mismos criterios de operación por lo que se mantiene a modo de 
ejemplificación los datos generados por Facebook. 
FIGURA 24. DATA GENERADA POR FACEBOOK 
 
Fuente: Aviator S.R.L. 
 
74 
 
g) DEFINICIÓN DE INFORMACIÓN A RECOLECTARSE 
Para definir la información se procedió a realizar el procedimiento de BI ETL, utilizando 
el software PowerBI y herramientas de queries de datos con lenguaje de consultas M, 
mientras se hacen los queries necesarios para realizar la homogenización de datos. 
Se procede a definir la información basándose en la integración de los módulos en la 
base de datos SQL Server, de la que se extraen las bases de datos resultantes de las 
transacciones, almacenadas para las operaciones. 
Posteriormente se procede a disgregar las bases de datos relacionales de acuerdo a 
la homogeneización de datos dada por las tablas Look_up y las tablas de hechos, en 
las que se disponen las características a estudiar sobre variables determinadas en la 
primera, mientras las tablas de hechos fungen como demostración de transacciones 
para la realización del análisis. Básicamente, se procedió a realizar la limpieza de 
datos para evitar la redundancia de modelado, estableciendo de manera clara los tipos 
de tablas y los tipos de indicadores de búsqueda. 
FIGURA 25. TABLA LOOK_UP CON INDICADORES PRIMARIOS DE CONSUMIDORES 
 
Fuente: Elaboración propia 
 
75 
 
FIGURA 26. QUERIES DE DATOS PARA LIMPIEZA Y DEFINICIÓN DE INFORMACIÓN 
 
Fuente: Elaboración propia 
Como se puede observar en los queries de datos, se establece claramente un factor 
único e irrepetible en la tabla de datos, que establecerá la futura conexión en el 
modelado de datos. 
Se eliminaron todos los datos redundantes y se procedió a realizar la minería de datos 
con la extracción y de información, además de haber pulido las columnas para mayor 
conexión. Se procedió de igual manera en las demás tablas. 
h) INTEGRACIÓN DE LA INFORMACIÓN 
Dentro del PowerQuery de PowerBI (PBI), se procedió a la integración de la 
información en un solo repositorio de datos, que es el mimo PBI. Después de haber 
completado el procedimiento ETL, la transformación de datos, al haber conseguido 
hacer la normalización de datos, se divide el repositorio de datos entre tablas de 
hechos y tablas de búsqueda con factores primarios, únicos, y las tablas de hechos, 
con sobre todo filas con datos repetidos, producto de las transacciones cotidianas de 
cada base transaccional de la información. 
 
76 
 
FIGURA 27. PROCESO ETL TERMINADO 
 
Fuente: Elaboración Propia. 
i) MODELADO DE DATOS 
Para la integración de datos, se realizó el modelado de datos basado en la 
normalización de tablas, esquema de copo de nieve y cardinalidad de relaciones de 1-
varios. Siendo los datos únicos los puntosde partida para las tablas de hechos. Como 
puede observarse a continuación. 
FIGURA 28. MODELADO DE DATOS 
 
Fuente: Elaboración propia 
 
77 
 
Como se puede observar en la figura, se creó la compleja red de relaciones para el 
modelado de datos, basándose en las tablas de tickets y órdenes como tablas de 
hechos, en las que se registran transacciones y movimientos con filas que contienen 
valores repetidos. Los valores de ¨foreing¨ o secundarios, a la vez de los primarios, 
fueron al mismo tiempo modelados y se les aplicó minería de datos para lograr el 
modelo. 
Por el contrario, las tablas de búsqueda contienen datos que fluyen como información 
sobre los productos, detalles sobre los tickets, como montos totales y entidades. La 
tabla de hechos de los análisis de Facebook, se encuentran modelados con la tabla 
de fechas dinámica con funcionamiento al día. Básicamente, el modelo de datos corre 
y se desarrolla sobre un esquema de copo de nieve (Snowflake Schema), esto debido 
a la jerarquización y granularidad de las llaves secundarias de cada query. Es así, que 
se tiene una parte superior que emula al esquema de estrella, como puede observarse 
en la siguiente figura. 
FIGURA 29. PARTE SUPERIOR DEL ESQUEMA COPO DE NIEVE 
 
Fuente: Elaboración propia 
Por otro lado, como puede observarse anteriormente en la figura 29, sigue existiendo cardinalidad con 
características de relación uno a muchos, con tipo de relación simple, que sin embargo baja del query 
de Tickets, haciendo a esta a la vez tabla de hechos y de búsqueda, mientras se ve claramente a la 
 
78 
 
derecha el cuadro aislado de fecha. Esto se debe a que la máxima granularidad, se la alcanza en la 
última tabla de hechos, sobre la que fluirá toda la anterior información, como se observa en la figura 30. 
FIGURA 30. GRANULARIDA MÁXIMA DE QUERY 
 
Fuente: Elaboración Propia 
3.2 BI Y ANÁLISIS DE INFORMACIÓN 
3.2.1 Proposición de métricas 
Además de las métricas relacionadas al cumplimiento de metas por incremento de 
ventas, duración promedio de tickets, ventas por periodo de tiempos, y otras métricas 
convencionales, se propone en el presente trabajo, mediante un modelado más 
profundo de información con expresiones de análisis de datos DAX. 
COUTNROWS, es empleado, al tener Total de pedido con una función de suma, 
entonces donde retornara el número total de pedidos de hamburguesas según filtro 
(e.g.), pero eso puede haber sido por un mismo sujeto, entonces countrows, muestra 
el número de pedidos que ha habido, por la iteración continua que realiza entre la base 
de datos. Esto podría hacerse con diferentes funciones de count, sin embargo. 
Distinctcount, se realizó con casos de confusiones de pedidos en el que el total de la 
medida como tal es irrelevante, utilizándose como medida de apoyo. 
 
79 
 
CALCULATE, sirve como como cálculo condicional y se utiliza de dicha manera 
entonces calcula el específico, basándose en un contexto de filtro. Esto muestra su 
utilidad para pedidos de fin de semana, solamente que puede ser usado para otros 
cálculos o para mostrarse sin necesidad de que se vean los días de semana. 
CALCULATE con ALL, se utilizó para la creación de una medida base más que para 
un fin en sí mismo, entonces se puede usar para hacer medidas de ratios vs otros 
criterios, donde se van eliminando todos los filtros que existan sin importar los filtros 
de las visuales. En el contexto de la fórmula se utiliza la tabla, no una columna en 
particular. Toma en cuenta las medidas, y el ALL les saca el filtro, sería CALCULATE 
([TOTAL ORDERS], ALL (ORDERS TABLE)) entonces permite eso. Entonces, si se 
aplica a una medida como Total Orders, creada con countdiff u otro, va a servir para 
calcular las ratios según diferentes filtros, ya que Total orders será filtrado con los filtros 
de la visual, pero ALL no será filtrado. 
CALCULATE AND FILTER, es una expresión DAX importante para definir cálculos con 
criterios complejos en los que se usen medidas, en el presente trabajo, donde se 
pueden medir conteos de tickets por montos solo encima o debajo de criterios. Aquí lo 
que se hace es hacer un cálculo normal (FUNCIÓN CALCULATE) y se le agrega un 
filtro (FUNCIÓN FILTER) iterativo que recorra toda una tabla. Entonces se pueden 
aplicar medidas previamente establecidas que contengan criterios lógicos. Sería 
CALCULATE ([MEDIDA O COLUMNA], FILTER (TABLA DE ORDENES, CRITERIO 
LOGICO) EJ: CALCULATE ([Total Ordenes], FILTER (ORDENES, [Total Ordenes]> 
[Ordenes Promedio]. 
a) INTEGRACIÓN DE S.I. Y SOFTWARE DE LA EMPRESA 
Mediante el servidor de SQL Server, se realizan entidades sobre la base de datos, 
integrando de esa manera a tiempo real las fuentes y campo operativos (descubriendo 
los orígenes de los datos), sobre el PowerBi, con sintaxis nativo del POS, módulos de 
inventarios y otros. Así, se tiene: 
 
80 
 
CUADRO 18. SINTÁXIS REPOSICIÓN DE SQL-SAMBA NO. VENTAS 
 
Fuente: Elaboración Propia 
De esa manera, es que, de las diferentes entidades generadas por la base 
transaccional, se identifica que los detalles de ¨Ticket¨, ¨Order¨ y acciones referentes 
a condicionales lógicos de incremento en inventario con el estado de valor de orden, 
generan según la condicional lógica y da la posibilidad a que se generen tablas de 
cortesías y anulaciones asociadas a los demás campos generados en las 
transacciones. 
Por otro lado, se puede observar que la reposición de los datos para crear un reporte 
dentro del sistema transaccional, parte de los mismos criterios de ¨Ticket¨ y ¨Order¨, 
con la diferencia primordial de los campos de cada entidad generada y la condicional 
lógica de decremento 
[Detalle de Anulaciones: 1,3,2,3,3,1,1,] 
>No. Ticket|Usuario|Hora|Status|Producto|Cantidad|Precio 
{REPORT ORDER 
DETAILS:T.TicketNumber,O.User,O.Time,OSV.GStatus,O.MenuItemName,O.Quantity,O.TotalPric
e:(OS.GStatus=Anular)} 
[Detalle de Cortesías:1,3,2,3,3,1,1,] 
>No. Ticket|Usuario|Hora|Status|Producto|Cantidad|Precio 
{REPORT ORDER DETAILS: 
T.TicketNumber, 
O.User, 
O.Time, 
OSV.GStatus, 
O.MenuItemName, 
O.Quantity, 
O.TotalPrice: 
(OS.GStatus=Cortesía) 
} 
 
81 
 
CUADRO 19. SINTÁXIS REPOSICIÓN SQL-SAMBA VENTAS 
 
Fuente: Elaboración Propia 
A diferencia del anterior código, como se menciona anteriormente se declara la 
condicional de decrecimiento de inventario porque el funcionamiento de la base de 
datos reportaría todas las transacciones contándolas como ventas. Por otro lado, se 
establece el tamaño de columnas de reposición además de operadores de montos 
excedentes. Si se procede de la misma manera, con la agregación de referencia al 
usuario, siguiendo la misma sintaxis se devolverán detalles sobre usuarios y manejo 
de boletas y órdenes. A la vez, para reponer información transaccional referente al 
cliente y su información, debe añadirse una nueva entidad, por tanto, se añadió ¨TT¨ 
referente al tipo de ticket, para retribuir con las funciones intrínsecas transaccionales 
la información relevante. 
Fecha,Hora,Nro. 
Ticket,Grupo,Producto,Porción,Precio,Etiqueta
s,Cantidad,Total 
{REPORT ORDER DETAILS: 
 O.Date.asc, 
 O.Time.asc, 
 T.TicketNumber, 
 O.ItemGroup, 
 O.MenuItemName, 
 O.PortionName, 
 O.Price, 
 ([O.ExactTotal]-[O.Quantity]*[O.Price]), 
 O.Quantity.sum, 
 O.ExactTotal.sum: 
 (ODI=True):"{0}","{1}","{2}","{3}","{4}","{5}","{6
}","{7}","{8}","{9}"} 
 
82 
 
3.2.2 Elaboración de dashboards 
Con el modelado de datos y la integración establecida, se pasó a realizar el panel 
interactivo con los diferentes reportes, conectado en tiempo real mediante los queries 
a las diferentes bases de datos. Se obtuvo que, de manera general, existe una estadía 
promedio en el restaurante de 71 minutos aproximadamente. Por otro lado, se observó 
un crecimiento significativo en las órdenes anuales desde la fecha de registro de la 
base transaccional,ha ido en constante aumento, con picos y caídas, coincidentes con 
las inversiones y cambios realizados en el restaurante. Por otro lado, se observa que 
no existe correlación ni efecto del usuario para los tipos de productos vendidos, a 
excepción de el mesero mejor posicionado. Por otro lado, se observa que la mayor 
cantidad de órdenes se registran de manera pareja los domingos y los viernes, 
mientras la menor cantidad de días se registra el lunes. Como puede observarse en la 
figura 32. Dentro del reporte principal, denominado reporte ejecutivo, se analizan las 
ventas desde el punto de vista de KPI¨s y de porcentajes de venta, un performance 
general analizable de manera interactiva y de manera dinámica para analizar 
efectividad de campañas o fallas operativas, entonces a partir de ahí, se podrán utilizar 
herramientas drill-thrugh o simplemente cambios de reporte para analizar con mayor 
profundidad otros factores, como puede observarse a continuación en la siguiente 
figura. Se realizaron múltiples medidas de expresiones de análisis de datos, sobre 
múltiples criterios para poder realizar el análisis interactivo de la información, como se 
ve a continuación. 
FIGURA 31. CRITERIOS DE DAX 
 
Fuente: Elaboración propia 
 
83 
 
FIGURA 32. REPORTE INTERACTIVO EJECUTIVO PBI 
 
Fuente: Elaboración Propia 
Como puede observarse en la anterior figura, se ven métricas generales de todo el 
entorno de la empresa, para poder a partir de ahí, derivar un análisis más profundo y 
granular hacia los diferentes aspectos de engagement con los clientes, como se 
mencionaba anteriormente. 
Se estructuró, como puede observarse, KPI´s de ventas monetarias, en cantidades, 
métricas de anulaciones (debido a la alta influencia que tienen las mismas sobre la 
experiencia del cliente). 
Por otro lado, se tiene alta interactividad del Dashboard, al observar los insights 
específicos sobre las ventas de una subcategoría y el cambio general en los datos del 
Dashboard en la figura 31, generan insights, para mayor análisis en el siguiente 
reporte. Además, en el siguiente cuadro, puede observarse la base de la métrica 
expresada en la medida de análisis de datos DAX (Data analysis experssions) por sus 
siglas en inglés. Que realiza una iteración repetitiva a través de la tabla, para conseguir 
métricas analizables importantes. Es de esta manera también, que se realizó medidas 
 
84 
 
de ¨TimeIntelligence¨, para analizar los diferentes objetivos trazados y que se 
complementen con el modelo de análisis y también de engagement. 
CUADRO 20. EXPRESIÓN EN LENGUAJE DAX 
 
Fuente: Elaboración propia 
De esta manera se realiza la iteración continua incluso sobre nuevos datos en tablas. 
 
FIGURA 33. INTERACTIVIDAD DE DASHBOARD 
 
Fuente: Elaboración propia 
Ventas por producto = 
SUMX( 
Orders,Orders[Quantity] * 
RELATED( 
'ProductosMenú_Lookup'[Price] 
) 
) 
 
 
85 
 
Como se puede observar, con la selección del ¨Slicer¨, cambian todas los indicadores 
relacionados y las visuales y puede apreciarse que los productos destacados cambian, 
donde se tiene una mayor cantidad de ventas de hamburguesas y de bebidas sin 
alcohol además de un decrecimiento lineal y estrepitoso desde en el último año, 
significando un pequeño porcentaje de las ventas por día. Se aplicaron Bookmarks, 
para la facilitación del análisis del modelo, como se observa en la parte inferior de la 
figura, con las acciones automatizadas que direcciona al usuario analista al siguiente 
reporte. 
a) REPORTE DE DETALLE DE PRODUCTO 
Como se puede observar en las figuras anteriores, el reporte ejecutivo, actúa como 
fuente principal de visuales para el dashboard, siendo este el mismo que el reporte 
ejecutivo virtualmente. A partir de aquí, es donde se desarrolló la interactividad del 
reporte principal, con los secundarios. El reporte ¨Resumen Ejecutivo¨, muestra 
métricas secuenciales sujetas a periodos mensuales y resumen de comportamiento 
general de productos. A partir de ahí, se genera, mediante herramientas ̈ Drill Through¨ 
conexiones al reporte de detalle de productos, que puede observarse en la siguiente 
figura: 
FIGURA 34. REPORTE DETALLE DE PRODUCTO 
 
Fuente: Elaboración propia 
 
86 
 
Las métricas preponderantes del reporte, observadas en la figura anterior, giran en 
torno al producto elegido el resumen ejecutivo. Es así, que se analiza el promedio del 
Ticket generado por el producto, fungiendo como KPI con el promedio total. Por otro 
lago, pueden observarse las ventas netas del producto, el día que más se vende, la 
distribución horaria de ventas, las ventas generadas por cross-selling además de 
seguimiento a KPI´s de cantidad vendida y monto vendido en un rango mensual. 
Además, se observan gráficos de línea de utilidades, con proyecciones y escenarios 
de sensibilidad de simulación. Este reporte, se complementa con el análisis de canasta 
de mercado, mejor conocido como Maket Basket Analysis. El reporte market basket 
análisis, está estrechamente relacionado a los indicadores mencionados previamente. 
b) Reporte Market Basket Analysis 
En el reporte Market Basket Analysis, se puede observar el análisis de productos 
realizado, donde se analiza y evalúa los porcentajes de asociación entre productos, el 
¨Lift¨ o repunte del análisis para confiabilidad de análisis y la matriz de asociación de 
los mismos. 
FIGURA 35. REPORTE MARKET BASKET ANÁLISIS 
 
Fuente: Elaboración propia 
 
87 
 
Las diferentes medidas mencionadas, están basadas en fórmulas ejecutadas en 
expresiones de análisis de datos DAX. 
De esta manera, se procede a analizar y obtener métricas básicas del consumidor 
durante la etapa de compra in-situ. 
c) REPORTE DE ANÁLISIS DEL CUSTOMER PATH (ACT) Y CLIENTES 
En la compra del consumidor en la etapa del acto, se involucran muchas más partes 
que solamente dos factores. Comportamientos implícitos e involuntarios tanto del 
sector de atención al cliente, como el comportamiento mismo de los consumidores es 
lo que se analizó en la figura 35. 
FIGURA 36. REPORTE DE ACTO 
 
Fuente: Elaboración propia 
Se encontraron insights y datos intrínsecos de comportamiento contra intuitivos, como 
que la eficiencia operativa baja considerablemente al atender a consumidores con 
comportamiento de grandes grupos, y que la calidad de los productos no y preferencia 
del consumidor no son más que solo un paso para la estrategia de engagement. Pues 
como se ve en la anterior figura, no existe otra cosa que un sobre baso de capacidades 
 
88 
 
con grupos grandes, incremento de ocio de boleta, así como disminución de consumo 
de ciertos productos. 
También se realizó un reporte de ventas por visita, que tiene por objetivos utilizar 
herramientas drill-through y drill-down para obtener insights más detallados sobre el 
comportamiento del consumidor en cuanto a las relaciones existentes entre tipo de 
visita, productos consumidos, cantidad de visitas por grupo y los horarios de 
preferencia, así como también relaciones entre diferentes tipos de grupo y su 
contribución a los ingresos de la empresa. Al ser interactivo el reporte, se obtienen los 
resultados de las relaciones y los datos, de acuerdo con la interacción que se vaya 
realizando en el reporte como tal, como puede verse a continuación. 
FIGURA 37. REPORTE DE VENTAS POR VISITA 
 
Fuente: Elaboración propia 
Del proceso de compra, puede obtenerse un reporte detallado de clientes y 
comportamientos intrínsecos y personales. Las métricas, basadas en capítulos 
anteriores, se basan en retención de clientes, intervalos de visitas, frecuencia, recencia 
y valor monetario de los mismos. Donde se puede calcular el CLV y otras métricas 
importantes. 
 
89 
 
FIGURA 38. REPORTES DE CLIENTES Y RETENCIÓN 
 
Fuente: Elaboración propia 
Además de encontrar las métricas clave para la valuación de clientes, a partir de aquí 
se puede observar la comparaciónentre variables detallada para el comportamiento 
de clientes, como se observa en la siguiente figura. 
FIGURA 39. REFERENCIAS Y COMPARACIÓN DE VENTAS 
 
Fuente: Elaboración propia 
A pesar de ser intuitivos en la mayoría de los casos, las visuales anteriormente 
mostradas, declaran la superioridad de las ventas promedio de los clientes recurrentes. 
Sin embargo, se pueden sacar diversas conclusiones de momentos en los que se 
invierte esa tendencia, como en el mes de mayo. 
 
90 
 
d) REPORTE INTEGRADO DE PANELES PUBLICITARIOS 
Hacer el seguimiento a las campañas más importantes de manera interactiva, es de 
suma importancia para la toma de decisiones que de paso a los mayores niveles en 
engagement posibles, es por eso, que se realizó el análisis correlacional y de 
tendencia entre el alcance de las campañas publicitarias, su efecto en las ventas y la 
comprobación de la funcionalidad del modelo de datos. 
Dentro de la campaña publicitaria realizada en el mes de marzo de 2020, al observar 
tendencias de interacción con acciones de índole competitiva, se realizó el lanzamiento 
de la campaña ¨Hiroshima Challenge¨, junto con el producto del mismo nombre. En el 
reporte integrado, se pudo analizar el efecto de dicha campaña como se puede 
observar a continuación en la figura 
FIGURA 40. REPORTE DE CAMPAÑAS PUBLICITARIAS 
 
Fuente: Elaboración propia en base a datos Aviator S.R.L. 
3.2.3 Parámetros y modelos de predicción 
Para poder realizar la simulación de precios y diferencias de rentabilidad, se procedió 
a la creación de parámetros, con measures DAX implícitos, generados para la 
simulación. A partir del reporte detallado, con la posibilidad de predicción del 
 
91 
 
comportamiento del producto a analizar, se profundiza en el análisis de datos, como 
puede observarse en la siguiente figura. 
FIGURA 41. PARÁMETROS DE SIMULACIÓN 
 
Fuente: Elaboración propia 
Con la parametrización realizada, se procedió a la conexión de datos mediante 
modelo, con las expresiones de análisis de datos DAX. Es así que obtuvo la siguiente 
información. 
FIGURA 42. REPORTE DE DETALLES DE PRODUCTO 
 
Fuente: Elaboración Propia 
Como puede observarse, en la parte central de la figura, se encuentran las 
visualizaciones interactivas de análisis. A la izquierda, por un lado, se aprecian los 
parámetros de ajuste de precio porcentual y su consecuente efecto se observa a la 
 
92 
 
derecha. Mientras que, por otro lado, se puede observar la predicción del 
comportamiento del producto según la utilidad bruta semanal, para la previsión de 
acciones y análisis, para el producto analizado. 
a) ANÁLISIS DE REGRESIÓN LOGÍSTICA Y POR CONGLOMERADOS 
Con métricas y variables obtenidas de los diferentes reportes y del modelado de datos, 
e procedió a hacer un análisis de conglomerados basado en segmentos en formatos 
de fecha y usuario de atención al cliente con relación al monto obtenido según los 
productos de interés de la empresa Aviator S.R.L., para mayor efectividad en las 
inversiones de capacitaciones y modelado de experiencia. 
Cabe destacar, que la relación existente entre las ventas y los resultados de las 
plataformas digitales, al demostrar el análisis de conglomerados que los diferentes 
segmentos coinciden en su influencia con los picos de ventas cuantitativos, puede 
inferirse su relación a la última etapa del customer journey (viaje del consumidor) en el 
restaurante. 
Por otro lado, se pueden observar, producto del análisis de RL, la mayor correlación 
posible que ¨gatilla¨ el análisis observada, como se aprecia en la figura 38. 
FIGURA 43. ANÁLISIS DE RL 
 
Fuente: Elaboración propia 
 
93 
 
En la siguiente figura, se observa dicho análisis de conglomerados, mencionado 
anteriormente, en el que se agrupan criterios de correlación que afectan a variables de 
interés. 
FIGURA 44. REPORTE DE ANÁLISIS DE CONGLORMERADOS 
 
Fuente: Elaboración propia. 
Como se puede observar, después de analizar múltiples variables, los segmentos que 
mayor incidencia tienen en el pedido del menú, según tamaños de población, están 
enteramente basados en segmentos de cluster que incluyen días y usuarios, además 
de tipos de visitas según análisis. De manera esperada, para el producto en pantalla 
se obtiene como a la presumible causa al día en que se ordena. Sin embargo, 
eficiencias de pedido analizados con regresión logística, muestran claramente factores 
contra intuitivos importantes para la toma de decisiones en las capacitaciones para el 
moldeado del customer path. 
 
94 
 
FIGURA 45. SEGMENTOS TOP EN ÉXITO DE PEDIDO 
 
Fuente: Elaboración propia 
Después de haber analizado el modelo sobre la base de datos obtenida, puede 
observarse que la información a analizarse para realizar el modelo de engagement, 
debe provenir de múltiples fuentes y variables de la misma base de datos, por las 
contra intuiciones que propician algunos datos, que podrían ocasionar pérdidas de 
eficiencia en operaciones y atención al cliente en la empresa. 
3.2.4 Comportamiento identificado del consumidor 
Después de haber realizado todo el análisis del consumidor de Aviator mediante 
herramientas de business intelligence, se pudo observar que el consumidor promedio 
de Aviator, tiene tendencias de consumo en su comportamiento, a partir de los cuales 
se utilizó el modelo de engagement (como se ve en capítulos posteriores) para obtener 
y entregar mayor valor a y de los consumidores, y se obtuvo lo siguiente. 
En cuanto al gasto monetario general, se obtuvo un consumo promedio histórico en el 
año 2019 de un ticket promedio de Bs. 156 aproximadamente, este consumo promedio 
por ticket (o por mesa), tuvo un declive en el 2020 debido a la pandemia. Sin embargo, 
tomando como punto de análisis al periodo pre-pandemia, se pudo observar que el 
consumidor promedio de Aviator tiene como día de mayor consumo por ticket a los 
viernes y menor consumo por ticket a los domingos, con Bs. 162 y Bs.142 
respectivamente. De la misma manera, existe un incremento en el consumo por ticket 
 
95 
 
los domingos a la hora de almuerzo debido al incremento de grupos grandes de 
consumo. 
En cuanto al consumo personal se observó un incremento los viernes debido al 
incremento al aumento de consumo de bebidas con contenido alcohólico llegando a 
un consumo promedio de 75 bolivianos, mientras que los domingos, al disminuir el 
consumo de bebidas con alcohol e incrementar el consumo de grupos familiares, tuvo 
un descenso de aproximadamente un 8%, llegando a 69 bolivianos. 
En cuanto al tipo de consumo que realizan los consumidores de Aviator, de manera 
general, el consumidor promedio de Aviator, realiza visitas al restaurante con el fin de 
disfrutar comida por sobre bebidas alcohólicas, llegando el consumo de alimentos al 
62% aproximadamente, y el consumo de bebidas alcohólicas, tanto de cervezas, como 
tragos cortos y cocteles, no llegando ni al 30%. De esta manera se concluyó, que, tanto 
en volumen como en valor monetario de consumo, se refleja que no se tiene una 
percepción de Bar, entonces no considera al restaurante como un lugar para distención 
y distracción grupal mediante consumo de bebidas alcohólicas, sin embargo, los tickets 
que incluyen consumo de cervezas son un 45% más altos que los que consideran 
comida, mientras que los que incluyen cocteles, llegan a crecer hasta un 63% el ticket 
promedio. Con un mayor enfoque en el detalle de producto, se pudo observar que el 
consumidor de Aviator tiene preferencias marcadas en cuanto al consumo, por la 
absorción porcentual que tienen ciertos productos. En cuanto a hamburguesas, el 48% 
es consumido solamente entre 2 productos, en cuando Alitas, una variedad consume 
el 67%, mientras que, en costillas, el 80% lo consume una variedad de las mismas. 
Mostrando todo esto la simplicidad de consumo que existe en el consumidor promedio. 
En cuanto a la forma y tipo de visita(siendo estos, consumo en mesa, bar o delivery y 
visita según la cantidad de personas en las que se realiza respectivamente) desde un 
punto de vista temporal, se observó la mayoría de los consumidores, de manera 
general, visita el restaurante de 8 a 9:59 P.M. generando en este periodo de tres horas 
aproximadamente el 60% de los ingresos de la empresa. Por otro lado, se obtuvo que 
el 43% de clientes de Aviator, visitan el restaurante en pareja, mientras que solo el 
31.5% de lo hacen de manera grupal, es decir de 3 a 10 personas, sin embargo, la 
 
96 
 
mayoría de las visitas grupales no sobrepasan las 5 personas. También se pudo 
observar en este análisis, que las visitas en pareja son las que mayor gasto tienen y 
las que más consumo porcentual tienen de bebidas alcohólicas y cervezas; mientras 
que, a mayor cantidad de personas por ticket, el gasto promedio individual tiene un 
declive y se observa una disminución notable en grupos medianos (de 6 a 9 personas). 
Existe entonces un consumo en grupos con bebidas alcohólicas bajo, lo que da paso 
a la interpretación de que los consumidores que quieren realizar festejos con este tipo 
de productos no tienen a Aviator como primera opción. Los viernes y fines de semana, 
son los días que mayor aumento tienen las visitas grupales (especialmente domingo). 
En cuanto al comportamiento de fidelización de clientes se pudo observar que de la 
base de clientes recurrentes de Aviator, que representan el 30% aproximadamente de 
todas las visitas realizadas por clientes, visitan el restaurante cada 56 días 
aproximadamente, mientras que, en promedio, la última visita contando a todos los 
clientes, se promedió 120 días. De la misma manera, una vez que los clientes se 
afianzan como consumidores recurrentes, incrementan el ticket promedio en un 7.5% 
y los consumidores recurrentes representan entre el 62 y 41% de las visitas mensuales 
que se hacen al restaurante. Más del 50% de los consumidores, tienen una tendencia 
a la estadía en el restaurante sin consumo de aproximadamente treinta minutos o más, 
dando oportunidad de ventas en la estadía de los mimos. Por otro lado, se observó 
que el consumo mayoritario se encuentra concentrado en productos de alimentos, 
generando el 68% de los ingresos del restaurante aproximadamente. Esto quiere decir, 
que el consumidor promedio de Aviator, realiza una interacción con la marca en la que 
mayoritariamente. 
También pudo observarse mediante el market basket análisis, que los consumidores 
que tienden a consumir cerveza y por lo tanto tienen un ticket promedio más elevado, 
tienen un mayor lift y un alto porcentaje de confianza de asociación en productos que 
implican visitas en familia, como el menú para niños o platos fuertes de precio elevado 
o piqueos, como Steaks o Nachos. Pero que el producto como tal, tiene mayor 
probabilidad de ser pedido en visitas de parejas sin que signifique causalidad por 
correlación. 
 
97 
 
3.3 MODELO DE ENGAGEMENT 
3.3.1 Identificación de modelos de estrategias 
a) Modalidad de venta de Aviator 
Actualmente, como se explicó en capítulos anteriores, Aviator, al ser un restaurante, 
tiene un modelo de venta por demanda, es decir, que realiza ventas bajo 
requerimientos de los consumidores. 
Por otro lado, se pudo observar que existen dos modalidades de compra. La compra 
en sala y la compra para entrega a domicilio; esta última, se genera por canales 
tercerizados, que son plataformas de delivery con políticas de cobro por comisión a la 
empresa. 
b) Tipos de modelos de estrategias de engagement 
Como se mencionó en capítulos previos, existen diferentes modelos que contemplan 
estrategias para alcanzar elevados niveles de engagement. A continuación, se puede 
observar la lista para análisis de modelos, en el cuadro. 
CUADRO 21. BENCHMARK DE MODELOS DE ENGAGEMENT 
Modelo 
Tip
o 
Estrategia 
Característic
as 
Características Aviator 
Abierto 1 Descuento por registro 
-
Requerimient
o tecnológico 
mínimo 
-Premiación 
de 
pertenencia 
-Comportamiento de clientes 
variado 
-Brecha entre comportamiento 
deseado y real 
Abierto 2 Regalos por n compras 
-
Requerimient
o tecnológico 
bajo 
-Precisa de manipulación de 
comportamiento de compra 
 
98 
 
Abierto/Cerra
do 
3 
Acumulación de puntos 
redimibles por productos 
Requerimient
o tecnológico 
medio 
-Control limitado sobre 
requerimientos de 
consumidores en el lugar 
-Imposibilidad de manipulación 
de aplicaciones de 3ros 
Cerrado 4 
Alcance de estatus por 
beneficios 
Implementaci
ón intensa de 
tecnologías 
-Inexistencia de plataformas 
propias (Aplicaciones) e 
integración con softwares 
propios transaccionales 
Cerrado 5 
Ofertas y mensajería 
personalizada 
Implementaci
ón intensa de 
tecnologías 
-Falta de automatización en 
software de la empresa 
-Mínimo uso de e-mails por 
parte de los clientes 
Fuente: Elaboración propia 
Todos los modelos listados anteriormente, basados en los modelos de (Berman, 2006) 
y de (Kartajaya et. Al, 2017), proveen beneficios como se menciona en capítulos 
anteriores y ninguno es mutuamente exluyente del otro. Sin embargo, por las 
características operativas de Aviator y las necesidades que presenta, algunos se 
hacen imposibles de usar o muy ineficientes. 
3.3.2 Maximización de modelos de engagement 
La maximización del valor potencial de los modelos de engagement es esencial para 
el éxito del mismo. El modelo maximizado bajo criterios de evaluación matricial por 
criterio, se basan en facilidad de implementación, operatividad, efecto sobre el 
comportamiento del consumidor (Retención, frecuencia y valor monetario por cliente). 
Se pondera cada criterio y se le asigna un puntaje para la elección de este. Este 
modelo (el modelo tipo 1), debido al pobre efecto sobre el mejoramiento de los 
patrones de consumo y de la relación con el consumidor, tiene un pobre efecto sobre 
factores importantes como retención, debido a la falta de esfuerzo que realiza el mismo 
para alcanzar ciertos beneficios. Este tipo de estrategia ya ha sido implementado en 
el pasado en Aviator con fracaso, fracaso debido sobre todo a la falta de formulación 
 
99 
 
de estrategias y sustento cuantitativo, a continuación, en el cuadro 22 puede 
observarse el análisis en las otras áreas. 
CUADRO 22. EVALUACIÓN DE MODELO DE ENGAGEMENT TIPO 1 
Criterios de evaluación Puntaje Ponderación Puntaje 
Facilidad de 
implementación 
4 30% 1.2 
Operatividad 3 10% 0.3 
Efecto sobre 
comportamiento del 
consumidor 
1 60% 0.6 
TOTAL 100% 2.1 
Fuente: Elaboración propia 
Por otro lado, la operatividad es manejable y posible de realizar, sin embargo, al no 
tener registros y nada de automatización, dificulta y dispersa la efectividad operativa 
del personal de atención al cliente. 
Finalmente, al solamente ser un registro que brinda estatus y beneficios inmediatos, 
tiene mucha facilidad de implementación y una inversión reducida, pudiendo 
extenderse a más de una manera de implementación (Tarjetas, productos 
personalizados y otros). Por otro lado, el segundo tipo, puede traer algunos beneficios 
adicionales, como se puede observar en el cuadro 23. 
CUADRO 23. EVALUACIÓN DE MODELO DE ENGAGEMENT TIPO 2 
Criterios de evaluación Puntaje Ponderación Puntaje 
Facilidad de 
implementación 
4 30% 1.2 
Operatividad 2 - 4 10% 0.2 – 0.4 
 
100 
 
Efecto sobre 
comportamiento del 
consumidor 
2 60% 1.2 
TOTAL 100% 2.6 – 2.8 
Fuente: Elaboración propia 
El modelo tipo 2, es igualmente fácil de implementar que el anterior, debido a que se 
ejecuta limitando el consumo, ya sea en monto o cantidad de compras por visita para 
acceder a los beneficios. 
Operativamente, sin embargo, trae más contratiempos que el anterior modelo, debido 
a que existe dificultad de automatización por el tipo de consumidor que se tiene en el 
restaurante y la plataforma (analógica para el cliente). Sin embargo, si se llegaa 
establecer procesos automatizados, tiene mayor impacto positivo en la operatividad. 
Por último, el efecto sobre el comportamiento del consumidor es corto placista, ya que 
el modelo no influye al cliente de ninguna manera a realizar más compras futuras 
(entiéndase como frecuentes), por lo que se incurre prácticamente en un esfuerzo para 
incremento de ticket promedio, pero no la consolidación de una relación duradera, 
aunque sí puede tener mayores implicancias hacia al menos la recompra en el 
restaurante, incrementando la posibilidad de fidelidad según lo que se observó en el 
modelo de engagement. 
Es así como, se llegó a la evaluación del tercer modelo, que tiene más de las 
características reconocidas en la literatura como gamificación (aunque todos los 
modelos mencionados calzan en la definición de Kartajaya, et. Al., 2017 ). 
Como se puede ver en el cuadro 24, este modelo es uno de los más versártiles 
utilizados en la actualidad. Por sus características, puede variarse en 4 sub-modelos 
y puede o no implementarse criterios de estatus al mismo. Entonces, este modelo 
evalúa la frecuencia de visita, el gasto del cliente y/o su potencial escalabilidad de 
estatus. 
 
101 
 
CUADRO 24. EVALUACIÓN DE MODELO DE ENGAGEMENT TIPO 3 
Criterios de evaluación Puntaje Ponderación Puntaje 
Facilidad de implementación 2 - 3 30% 0.6 – 0.9 
Operatividad 3 - 4 10% 0.3 – 0.4 
Efecto sobre comportamiento del 
consumidor 
4 60% 2.4 
TOTAL 100% 3.3 – 3.7 
Fuente: Elaboración propia 
Como puede observarse, este modelo tiene mayores restricciones por implementación 
y la operatividad puede dificultarse en caso de no realizarse la implementación más 
costosa. Por otro lado, trae muy buenos beneficios a largo plazo por las características 
y necesidades que tiene Aviator. El siguiente modelo, a pesar de su similaridad con el 
modelo tipo 3, se diferencia porque no fomenta directamente mayores consumos ni 
mayor frecuencia de visita. Es un modelo menos amplio en cuanto aplicaciones que 
mejora su calidad con mejores implementaciones tecnológicas, simulando y 
acercándose sobre todo a modelos de suscripción en lugar de los de compra bajo 
demanda. A continuación, se puede observar en el cuadro 23 sus inconvenientes y su 
puntaje de calificación. 
CUADRO 25. EVALUACIÓN DE MODELO DE ENGAGEMENT TIPO 4 
Criterios de evaluación Puntaje Ponderación Puntaje 
Facilidad de 
implementación 
1 - 2 30% 0.3 – 0.4 
Operatividad 4 10% 0.4 
Efecto sobre 
comportamiento del 
consumidor 
3.5 60% 2.1 
TOTAL 100% 2.8 – 2.9 
Fuente: Elaboración propia 
 
102 
 
Como se puede observar, la implementación de estos modelos se dificulta, no 
solamente por el costo e inversión necesarias, sino también por el mecanismo y 
funcionamiento que debe tener debido a que el modelo de venta de Aviator no es por 
suscripción, y es en estos modelos que más beneficios traen estos programas. Por 
otro lado, sí es posible alcanzar incrementos de ventas y afectar al comportamiento 
del consumidor. 
Finalmente, se tiene el modelo 5, que por sí mismo no tendría tanta relevancia y que 
para mayor efectividad se debe implementar en conjunto con alguno de los otros 
modelos, a no ser, que para implementarse por sí mismo, se implementen tecnologías 
de inteligencia artificial y machine learning muy avanzadas. A continuación, se puede 
ver la evaluación en el cuadro 26. 
CUADRO 26. EVALUACIÓN DE MODELO DE ENGAGEMENT TIPO 5 
Criterios de evaluación Puntaje Ponderación Puntaje 
Facilidad de 
implementación 
1 50% 0.5 
Operatividad 4 10% 0.4 
Efecto sobre 
comportamiento del 
consumidor 
4 40% 1.6 
TOTAL 100% 2.5 
Fuente: Elaboración propia 
Como puede observarse en el anterior cuadro, la implementación del anterior modelo, 
al tener mayor garantía de eficiencia en el comportamiento del consumidor y en la 
operatividad, pierde relevancia en los mismos, por las características y necesidades 
que presenta la Aviator. Es por eso que, a pesar de ser tan efectivo, no presenta un 
puntaje alto. Después de evaluar a cada uno de los modelos de engagement respecto 
a las necesidades de Aviator, se determina un orden de modelos según la calidad de 
compatibilidad con la empresa. De esta manera, es que puede observarse a 
 
103 
 
continuación la matriz de definición que maximiza el modelo de la estrategia de 
engagement. 
CUADRO 27. MAXIMIZACIÓN DE MODELOS 
Modelo Tipo Estrategia Características 
Abierto 1 Descuento por registro 
2.1 
 
Abierto 2 Regalos por n compras 2.6-2.8 
Abierto/Cerrado 3 
Acumulación de puntos 
redimibles por productos 
3.3 – 3.7 
Cerrado 4 
Alcance de estatus por 
beneficios 
2.8-2.9 
Cerrado 5 
Ofertas y mensajería 
personalizada 
2.5 
Fuente: Elaboración propia 
3.3.3 Diseño de modelo de engagement. 
El diseño del modelo fue elaborado de manera mixta, pues se utilizan los dos modelos 
seleccionados en el anterior apartado. 
FIGURA 46. DISEÑO DE MODELO DE ENGAGEMENT 
 
Fuente: Elaboración propia 
Ingreso de 
información a la 
base de datos
Evaluación de 
cumplimiento de objetivos 
del cliente
Llamada a la acción a 
clientes
Evaluación de 
cumplimiento de objetivos
 
104 
 
3.3.4 Elaboración de la metodología de implementación. 
Para implementar el modelo de engagement y que el mismo sea exitoso, como se 
observó en la literatura investigada en capítulos anteriores, debe existir un desarrollo, 
para hacer la implementación y un posterior control para que el modelo sea efectivo. 
El proceso que debe seguirse debe ser cuidadosamente supervisado por gerencia, 
debido a los múltiples factores existentes que pueden ocasionar el fracaso del modelo. 
A continuación, en la siguiente figura, se puede observar la metodología a 
implementarse. 
FIGURA 47. DISEÑO DEL MODELO DE ENGAGEMENT 
 
Fuente: Elaboración propia 
Resaltar los objetivos 
del modelo de 
engagement
Desarrollo de un 
presupuesto
Determinación de 
elegibilidad de 
pertenencia
Selección de 
recompensas del 
modelo
Consideración de 
sociedades en la cadena 
de suministro
Estructuración 
organizacional para 
manejo operativo, 
analítico y otros
Mantenimiento y 
optimización de la base 
de datos
Administración interna 
de un data warehouse y 
capacidades de análisis 
de datos
Evaluación de éxito o 
fracaso del modelo
Acciones correctivas
 
105 
 
Como se puede observar, el modelo debe tener un seguimiento muy de cerca para su 
realización, con un incremento de personal, inversión tecnológica, humana y más. 
3.3.5 Diseño del modelo de engagement 
a) Regalos por n compras 
Este modelo de engagement, está fundamentado sobre las técnicas de gamificación 
para incremento de interacción y participación en el proceso de compra por parte del 
usuario, así como la mayor fidelización y, por tanto, engagement. Si bien se tienen 
objetivos cuantitativos generales del modelo, el objetivo del modelo, no es solamente 
elevar la retención de clientes, sino también, volver más eficientes a las visitas 
recurrentes y aprovechar el potencial del restaurante y su capacidad instalada. 
A continuación, en la siguiente figura, se puede observar la estructuración del modelo 
y su diseño a partir de lo observado en la figura 46, de manera específica y sustentada 
en toda la información cuantitativa obtenida de los reportes desarrollados con business 
intelligence. 
CUADRO 28. DISEÑO DEL MODELO DE ENGAGEMENT 
Objetivo general del modelo 
- Incremento de retención de clientes 
primerizos en 5% 
- Incremento en gasto promedio a nivel de 
gasto de cliente recurrente 
Determinación del presupuesto - Un gasto máximo de un 5% del CLV por 
cliente 
Elegibilidad - Ticket promedio por cliente ≥ Al Ticket 
promedio del cliente recurrente 
- Clientes primerizos 
 
Selección de recompensas del modelo - Si visita individual, entonces, Cupón tipo 
1 
- Si visita en pareja, Cupón tipo 2 
- Si grupo mediano, Ruleta Aviator 
(Gamificación) y cupón tipo 3 
- GrupoGrande, cupón tipo 
Alianzas en la Cadena de suministro - Bonificaciones de producto con CBN 
 
106 
 
Estructuración organizacional para manejo 
operativo y analítico 
- Personal de atención designado según 
modelo de RL 
- Capacitación en Reporte MKT Basket 
Analysis para mayor experiencia de 
usuario y Cross-Selling 
- Venta según métricas de Cross-Selling 
- Registro y archivo para seguimiento 
- Adaptación de POS 
Actualización de Base de Datos - Bajo control de supervisor de atención al 
cliente 
Evaluación de éxito o Fracaso 
Mejoras del modelo 
Fuente: Elaboración propia 
La eficiencia del objetivo general del modelo de engagement, se encuentra en que 
para alcanzar el primer objetivo, también se utilizaron los modelos predictivos de los 
reportes, que tienen por objetivo alcanzar niveles de venta por ticket promedio de 
manera orgánica, a partir de la estrategia de venta de los meseros más eficientes. A 
continuación, se puede observar las métricas principales y más influyentes para la 
toma de decisiones del modelo anteriormente mencionado. Es así, que el modelo de 
Business Intelligence actúa como un sistema de soporte de decisión sobre el que actúa 
información cuantitativa y cualitativa. 
FIGURA 48.SISTEMA DE SOPORTE DE DECISIONES A1 
Objetivo general del modelo 
- Incremento de retención de clientes primerizos en 5% 
- Incremento en gasto promedio a nivel de gasto de cliente 
recurrente 
 
 
 
 
Fuente: Elaboración Propia 
 
107 
 
Como puede observarse anteriormente, los ratios de retención se basan en las 
métricas obtenidas en los reportes del sistema de business intelligence, que muestran 
que la base total de clientes de Aviator, está representada por aproximadamente el 
30% de clientes recurrentes, variando esta métrica +/- por ciento según el periodo 
analizado. Por otro lado, se puede observar que los clientes recurrentes, al visitar el 
restaurante sin importar reducciones de precio o no estar empujados por estas, se 
tiene una venta promedio por cliente recurrente de siete por ciento superior a la de uno 
nuevo. Mientras que, en el flujo mensual de clientes, entre el treinta y cinco y sesenta 
por ciento, son clientes recurrentes. 
En cuanto al presupuesto para la ejecución de las acciones del modelo, se tiene en 
cuenta el CLV (el tiempo de vida del cliente), donde se toma en cuenta un periodo de 
cinco años y se contemplan los datos históricos obtenidos del reporte de business 
intelligence, que con tiempo estimado entre visitas de más o menos cincuenta días, se 
obtiene que con aproximadamente siete veces al año, el 10% invertido en los clientes, 
con una división a un día de visita, alcanza el margen neto por cliente nuevo, y de esa 
manera se asegura no sobre pasar el punto de equilibrio por cliente adquirido por 
medio de la aplicación del modelo. Como puede observarse en la siguiente figura 
FIGURA 49. PRESUPUESTO DE MODELO 
 
Fuente: Elaboración Propia 
Por otro lado, como se observa en el siguiente cuadro, se puede observar la lógica de 
cálculo para el gasto por visita de cliente. Está definido por el diez por ciento del valor 
de tiempo de vida del cliente en el periodo analizado, utilizando como métrica de 
reportes a los días promedio entre visita, lo que resulta en el cálculo de 
aproximadamente 50 días entre visitas, siendo esto, aproximadamente siete visitas. 
Determinación del presupuesto - Un gasto máximo de un 5% del CLV 
por cliente 
 
 
 
 
10% 
 
108 
 
CUADRO 29. CRITERIO PRESUPUESTARIO DE IMPLEMENTACIÓN 
CLV (10%) 331 
Periodo de vida 5 años 
Visitas anuales 
aproximadas 
7.3 
Fuente: Elaboración propia 
En cuanto a la fase de elegibilidad del modelo, se obtuvo según los reportes de 
fidelidad del PBI, que se deben utilizar dos criterios de selección. En primer lugar, se 
debe implementar el modelo con clientes primerizos de la empresa, en segundo, 
utilizando los modelos predictivos de regresión, se tiene que se debe incrementar las 
ventas a los consumidores primerizos mediante ventas cruzadas para alcanzar el ticket 
promedio de los clientes recurrentes, utilizando los criterios de usuario con mayor 
probabilidad de incremento en ticket, horarios y días pico de consumo, como se ve en 
las siguientes figuras 
FIGURA 50. ELEGIBILIDAD 
 
Fuente: Elaboración Propia 
Por otro lado, la selección de recompensas está basada primero en los costos para no 
sobre pasar el presupuesto, y, en segundo lugar, está basado en el modelo de 
regresión logística y los reportes de análisis de PBI donde se observa que, según la 
Elegibilidad - Ticket promedio por cliente ≥ Al Ticket 
promedio del cliente recurrente 
- Clientes primerizos 
 
 
 
 
109 
 
proporción de cantidad de visitas grupales, se obtienen ingresos sustancialmente más 
significativos con una menor cantidad de visitas. 
Por otro lado, de manera clara, se observan clusters con relaciones de incremento 
horas específicas de visita, entre las ocho y diez de la noche, dejando todas las demás 
horas del día con sobre capacidad y el potencial de explotación de las mismas. Y la 
capacidad de incrementar los tickets promedio también, no solo por la hora de visita, 
o el tipo de visita que se realiza, sino también por el comportamiento en mesa que se 
tenga, siendo que los tickets ociosos, con una mayor estadía sin consumo, al ser estos 
consumidores normalmente grupales, es posible como se observa en algunas 
observaciones el incremento de ticket relativo al consumo individual y no solo por 
ticket. Por otro lado, al tener un mayor ticket promedio los grupos grandes y medianos, 
se propuso también utilizar técnicas de gamificación por descuentos y participación 
directa de los clientes, utilizando una ruleta solo para grupos medianos y grandes (6 
personas en adelante) con un costo mínimo por persona para incrementar la 
interacción con la marca. 
FIGURA 51. SELECCIÓN DE RECOMPENSAS 
 
Fuente: Elaboración propia 
Selección de recompensas del modelo - Si visita individual, entonces, Cupón 
tipo 1 
- Si visita en pareja, Cupón tipo 2 
- Si grupo mediano, Ruleta Aviator 
(Gamificación) y cupón tipo 3 
- Grupo Grande y cupón tipo 3 
 
 
 
110 
 
FIGURA 52. E.O. PARA MANEJOR OPERATIVO Y A. 
 
Fuente: Elaboración propia 
3.3.6 Resultados esperados en el comportamiento del consumidor 
A partir de la implementación del modelo, se plantea que los patrones de consumo del 
consumidor promedio de Aviator, estén trazados en el consumo en grupos de personas 
de 6 a 9 personas, para distención, desestrés y festejos, que los horarios de visita 
tengan un cambio a horarios ¨Affter Office¨, entre seis y ocho de la noche, además de 
existir un consumo con mayor cruce entre productos alcohólicos y comida. Por otro 
lado, se espera que exista una mayor frecuencia de visita en el 5% de los 
consumidores, para alcanzar una frecuencia de mes por medio, aproximadamente, 
que se detallan en el siguiente capítulo sobre la evaluación económica y técnica de la 
propuesta. 
3.4 EVALUACIÓN ECONÓMICA Y TÉCNICA DE LA PROPUESTA 
La evaluación económica para el presente trabajo constó en la elaboración de flujos 
de efectivo incrementales, además de la evaluación a través de las metodologías de 
los flujos de efectivo descontados. Por otro lado, la evaluación técnica se realizó 
Estructuración organizacional para manejo 
operativo y analítico 
- Personal de atención designado 
según modelo de RL 
- Capacitación en Reporte MKT Basket 
Analysis para mayor experiencia de 
usuario y Cross-Selling 
- Venta según métricas de Cross-
Selling 
- Registro y archivo para seguimiento 
- Adptación de POS 
 
 
 
111 
 
mediante la evaluación de los indicadores y KPI´s planteados en el trabajo y la 
proyección del cumplimiento de los mismos mediante la aplicación del modelo de 
engagement a través de business intelligence. Ya que no se realizaron inversiones en 
infraestructura, pero sí en adquisicionesde activos, la evaluación económica se hará 
bajo el punto de vista el impacto económico que tienen las mejoras, resultado de la 
implementación del modelo. 
3.4.1 Justificación técnica de la propuesta 
Mediante el manejo operativo para la implementación del modelo de engagement a 
través de business intelligence, la toma de decisiones comercial está sustentada en 
métricas, indicadores y modelos cuantitativos y cualitativos, lo que hace que las 
operaciones se lleven a cabo con sustento en las mencionadas métricas, inaccesibles 
sin la implementación de la propuesta. A continuación, en el siguiente cuadro, se 
puede observar la tecnificación operativa que puede llevarse a cabo mediante lo 
mencionado anteriormente. 
CUADRO 30. MATRIZ COMPARATIVA DE IMPLEMENTACIÓN 
Criterio comparativo Proyecto Implementado Proyecto sin 
implementar 
KPI´S 
Ventas Mensuales 
 
Ticket Promedio 
 
Ticket Promedio según producto 
 
 
Mejor día de ventas (Granular) 
 
 
Ventas por cross-selling 
 
 
% de ventas por tipo de cliente 
 
 
RATIOS 
Ratio de retención general 
 
 
 
112 
 
Ratio de Mensuales de retención 
 
 
Ratio de NPS 
 
 
INDICADORES 
Ventas Clientes recurrentes vs 
nuevos 
 
 
Visitas de clientes 
 
Recencia de clientes 
 
 
Días promedio entre visitas 
 
 
MODELOS 
Market Basket Análisis 
 
 
Análisis de conglomerados 
 
 
Regresión Logística 
 
 
Simulación de escenarios 
 
 
Fuente: Elaboración Propia 
A pesar de existir más indicadores, ratios y KPI´s, debido a que el modelo de Business 
Intelligence es interactivo y se pueden conseguir mayores ¨insights¨ (datos útiles para 
la toma de decisiones), los mencionados en el cuadro anterior son suficientes para la 
justificación técnica del trabajo. 
De manera contundente se puede ver, que el análisis técnico de las campañas, 
proyecciones, presupuestos, seguimiento de resultados y estrategia predictiva 
sustentada, se sostiene mediante la matriz mostrada anteriormente, demostrando la 
utilidad del modelo no solamente en el contexto de engagement y fidelización, sino con 
un gran alcance logístico, operativo y financiero 
3.4.2 Justificación económica de la propuesta 
a) Costo de retención de clientes 
 
113 
 
Como se observa en el análisis de Business Intelligence, a través de un análisis de 
impacto de ventas de clientes frecuentes se determinó estos forman aproximadamente 
el 30% de la cartera total de clientes en la gestión analizada, y que generan a la vez 
aproximadamente el 60% de los ingresos por venta y un 55 a 60% de las compras. Al 
mismo tiempo se pudo observar que los ingresos promedio por clientes frecuentes 
pueden ser de hasta un 20% superior al de los clientes nuevos no recurrentes. 
Es así, que al seguir el modelo de engagement se planteó un presupuesto de hasta el 
10% de inversión en la retención de clientes. Con todo lo mencionado se obtuvo que 
se tiene un costo de retención directo, de aproximadamente 9.23bs por cliente en 
promedio, como puede observarse en el siguiente cuadro 
CUADRO 31. COSTO DE RETENCIÓN DE CLIENTES 
Gasto para retención promedio BOB 9.23 
Ingreso por cliente retenido por visita BOB 69.30 
M.C. bruto cliente retenido BOB 46.43 
M.C. neto cliente retenido BOB 37.20 
Fuente: Elaboración propia. 
b) Costo de adquisición de clientes. 
Tomando en cuenta un periodo con objetivos de adquisición agresiva (Julio de 2020), 
se pudo observar que se incurrió en un gasto total de aproximadamente 30 mil 
bolivianos. Con esto se obtuvieron alrededor de 789 clientes, siendo que se superó en 
asistencia a los clientes recurrentes se consideraron gastos de producciones, pautas 
y creatividad publicitarias, además de descuentos por campañas de adquisición, como 
se puede observar en el siguiente cuadro. 
CUADRO 32. COSTO TOTAL DE ADQUISICIÓN DE CLIENTES 
Agencia de publicidad BOB 4,200.00 
Sesiones de fotos y producciones BOB 700.00 
 
114 
 
Inversión en RRSS BOB 2,100.00 
Inversión en PedidosYa BOB 1,750.00 
Descuentos por campañas BOB 22,373.00 
Costo Total de adquisición Julio BOB 31,123.00 
Fuente: Elaboración propia 
Con los datos que se obtuvieron anteriormente, se tiene que la distribución del 
presupuesto total invertido, entre los clientes nuevos adquiridos, menos el margen 
bruto de adquisición por cliente, que contempla el costo de venta, se tiene un margen 
neto de adquisición de adquisición de clientes, como se observa a continuación a partir 
del costo total de adquisición de clientes, según lo observado en el siguiente cuadro. 
CUADRO 33. M.C. NETO POR CLIENTE NUEVO 
Gasto de adquisición de clientes BOB 29.70 
Ingreso por cliente nuevo BOB 58.00 
M.C. bruto cliente nuevo BOB 38.86 
M.C. neto cliente nuevo BOB 9.16 
Fuente: Elaboración propia 
c) Inversión para la propuesta 
Para alcanzar los costos que permiten el margen de contribución de aproximadamente 
Bs. 37, se necesitó realizar implementaciones en las funcionalidades en el punto de 
venta de la empresa, donde se pueda alimentar de información al mismo, a la vez de 
vallas internas y capacitación al personal de atención al cliente. A continuación, en el 
siguiente cuadro, se puede observar de manera lo mencionado anteriormente, es 
decir, la inversión por la implementación y lo necesario para levantar el proyecto. 
CUADRO 34. INVERSIONES PARA LA PROPUESTA. 
 CANTIDAD 
COSTO 
(BS.) 
TOTAL 
(BS.) 
 
115 
 
Implementación de 
funcionalidades en el software 
1 3,500.00 3,500.00 
Implementación de vallas 
internas 
4 500.00 2,000.00 
Capacitación para ventas y 
programa de administración 
1 1500.00 1,500.00 
TOTAL 
 
7,000.00 
Fuente: Elaboración propia. 
Todos los pedidos contarán con flyers y comunicación por parte del personal, además 
de inversión en publicidad, capacitación en el uso del software de administración y la 
implementación metodologías de atención. El personal extra, no tiene un impacto en 
la inversión inicial, sin embargo, se incluye en el flujo de caja. 
d) Eficiencia en el costo de oportunidad 
Como se observó en los cuadros 32 y 33, el margen de contribución de los clientes 
recurrentes, a pesar de incluir el costo de fidelización proveniente del presupuesto del 
CLV, es por mucho superior al costo de adquisición de clientes. Esto significa, que al 
enfocar los esfuerzos de incremento inversión publicitaria y mercadotecnia en la 
adquisición de nuevos clientes, en lugar de la retención de los clientes que visitan el 
restaurante con los esfuerzos que ya se realizan, se está incurriendo en un costo de 
oportunidad de aproximadamente Bs. 28, es decir, se deja de ganar o se reduce el 
margen de contribución en ese monto, al captar clientes en lugar de retenerlos como 
se ve a continuación. 
CUADRO 35. INGRESO POR EFICIENCIA EN C.O. POR CLIENTE 
 
 Con implementación de 
modelo 
Sin implementación 
de modelo 
Gasto para retención 
promedio 
 BOB 9.23 BOB 29.70 
Ingreso por cliente retenido 
por visita 
 BOB 69.30 BOB 58.00 
M.C. bruto cliente retenido BOB 46.43 BOB 38.86 
 
116 
 
M.C. neto cliente retenido BOB 37.20 BOB 9.16 
Ingreso por eficiencia en 
costo de oportunidad 
BOB 28.04 
Fuente: Elaboración propia 
A partir de esto, y a partir del análisis de los reportes de business intelligence, se 
obtuvo que el ingreso bruto anual por la eficiencia en el costo de oportunidad y de tener 
un margen de contribución por cliente menor es de aproximadamente Bs. 17,808.79, 
como se puede observar en el siguiente cuadro y se puede detallar en el anexo E. 
CUADRO 36. INGRESO ANUAL POR EFICIENCIA EN C.O. 
Promedio de ingresos por clientesretenidos BOB 254.77 
Visitas según gasto de clientes 3.68 
Cantidad de clientes nuevos anuales 172.75 
Ingreso por eficiencia en costo de oportunidad 
p/clientes 
 BOB 28.04 
Ingresos Anuales por eficiencia en costo de 
oportunidad 
 BOB 17,808.79 
Fuente: Elaboración propia 
A partir de los ingresos promedio por cliente recurrente o retenido, según las visitas 
anuales calculadas y la cantidad de nuevos clientes retenidos anualmente, se calculó 
los ingresos anuales que se obtienen por dejar de perder los Bs. 28.04 de margen de 
contribución, obteniendo un margen con un crecimiento incremental por la aplicación 
del modelo. 
e) Indicador Beneficio/Costo 
Al haber realizado los cálculos que derivaron en los ingresos incrementales por el 
margen de contribución de los clientes recurrentes, producto de la eficiencia del costo 
de oportunidad y con el monto total de inversión para poner en marcha el modelo, se 
obtuvo el cálculo del indicador beneficio/costo, como se ve en siguiente cuadro. 
 
117 
 
CUADRO 37. BENEFICIO COSTO 
Ingresos por eficiencia en costo de 
oportunidad 
 BOB 17,808.79 
VNA Ingresos por eficiencia en costo de 
oportunidad 
 BOB 16,008.30 
Inversión para implementación de 
proyecto 
 BOB 7,000.00 
B/C 2.29 
Fuente: Elaboración propia 
B
C
=
[
1596.77
(1 + 0.167)1
+ 
1481.65
(1 + 0.167)2
+ ⋯ + 
1681.45
(1 + 0.167)12
]
7000
= 2.29 
Este resultado, además de significar que, por cada boliviano invertido en el proyecto, 
se tendrá un retorno de Bs. 1.29, y que por tanto, cada boliviano de los siete mil 
invertidos genera 129% más, al ser un análisis desde el punto de vista del margen de 
contribución incremental por la implementación del proyecto, significa también, que sin 
contar los ingresos brutos extra por la retención de clientes, si no también por dejar de 
utilizar recursos en campañas de captación, el proyecto se estará financiando por sí 
mismo con la eficiencia en el costo de oportunidad. 
f) Flujo de Caja Incremental 
Para el cálculo de esta herramienta de análisis, se tomó en cuenta los ingresos del 
periodo analizado en el reporte de Power BI, en el canal de ventas sobre el que se 
analizó el reporte de clientes y se realizó un prorrateo trimestral para fines didácticos 
y mensual para fines analíticos, como puede observarse en el anexo F. A partir de los 
ingresos percibidos actualmente, es decir sin la implementación del modelo, se 
obtuvieron resultados según lo que se puede observar en la siguiente figura. 
CUADRO 38. FLUJO DE CAJA INCREMENTAL TRIMESTRAL (EXP. EN BS.) 
Trimestre 0 1 2 3 4 
 
118 
 
(1) Ingresos (Situación con 
modelo) 
113,604.03 111,768.29 114,190.89 115,262.80 
(2) Ingresos (Situación sin 
modelo) 
105,459.09 103,754.96 106,003.87 106,998.93 
(3) Beneficio Bruto 
incremental 
8,144.94 8,013.33 8,187.02 8,263.87 
(4) Costos de Retención 398.09 391.66 400.15 403.90 
(5) Inversión 7,000 
Fuente: Elaboración propia con datos de Aviator S.R.L. 
Los elementos del flujo de caja incremental pueden observarse en el anexo C. 
g) Impacto neto de la propuesta en el flujo de caja 
Con aproximadamente un 8% de incremento en los ingresos por periodo analizado y 
después de realizar los cálculos en el flujo de caja incremental, un beneficio neto 
incremental de alrededor y en promedio de Bs. 7,753.00, lo que significan Bs. 2,584.18 
por mes aproximadamente con respecto a los ingresos analizados en el canal de 
ventas del modelo. Como puede observarse en el siguiente cuadro. 
CUADRO 39. BENEFICIOS INCREMENTALES NETOS TRIMESTRALES 
Año 
Beneficio 
Incremental1 
Inversión y costos 
incrementales2 
Beneficio 
incremental neto3 
0 7,000.00 (7,000.00) 
1 8,144.94 398.09 7,746.85 
2 8,013.33 391.66 7,621.67 
3 8,187.02 400.15 7,786.87 
4 8,263.87 403.90 7,859.97 
Fuente: Elaboración propia 
Con los datos obtenidos del flujo de caja incremental y del beneficio neto incremental, 
puede realizarse el cálculo del valor actual neto y de la tasa interna de retorno 
 
119 
 
incrementales, a realizarse de manera mensual y tomando en cuenta una tasa de 
descuento de aproximadamente el 18%, por ser un porcentaje de utilidad promedio del 
sector y específicamente de Aviator en más de cinco años de operaciones. 
Tomando en cuenta la ecuación del valor actual neto, se obtuvo 
VAN = 
2780.90
(1 + .0167)1
+ 
2580.40
(1 + .0167)2
+ ⋯ + 
2928.37
(1 + .167)12
− 7000 
VAN = 𝐵𝑠. 20,879.68 
Lo que significa que el valor generado por la inversión en los siguientes doce meses 
tiene un valor de Bs. 20,000.00, lo que quiere decir, al estar este valor por encima de 
cero, que la inversión es factible. 
Por otro lado, después de haber realizado el cálculo de la tasa interna de retorno, se 
obtuvo lo siguiente según la ecuación de la TIR. 
7,000.00 = 
2,780.90
(1 + TIR)1
+ 
2,580.40
(1 + TIR)2
+ ⋯ + 
2,928.37
(1 + TIR)12
 
TIR = 36% 
Realizando el análisis comparativo con la tasa de descuento del proyecto, al ser 
superior la tasa interna de retorno, se viabiliza la factibilidad del mismo, al evidenciarse 
que, con los beneficios incrementales actualizados, en el periodo de doce meses, se 
obtendrá un 36% de rentabilidad sobre el mismo, superior al 20%, representando la 
mejor alternativa de costo de oportunidad. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
CAPÍTULO 4 CONCLUSIONES Y 
RECOMENDACIONES 
UNIDAD ACADEMICA SANTA CRUZ 
INGENIERIA COMERCIAL 
 
 
 
 
113 
 
CAPÍTULO 4: CONCLUSIONES Y RECOMENDACIONES 
 
4.1 CONCLUSIONES 
Se concluye que en cuanto a la realización de una compilación de información del 
comportamiento del consumidor en un data warehouse de Aviator S.R.L., se observó 
que al ser una empresa con venta bajo demanda que presta servicios, genera una 
cantidad considerable de información. Sin embargo, mucha información es no-
estructurada y genera pérdidas en aprovechamiento y capitalización de esta. Por otro 
lado, se concluye que la información que actualmente genera registra y posee la 
empresa, es suficiente para realizar procesos ETL en medios de self-serving business 
Intelligence y poder desarrollar un modelo que funcione como un DSS. 
El Analizar la información utilizando las técnicas propias de Business Intelligence es 
un proceso factible que permite modelar datos para conseguir información importante 
de implementación de un modelo de engagement, además de indicadores generales 
de venta y de otras áreas para la optimización general de la empresa. Se concluye que 
los procesos de análisis de información histórica son primordiales para la realización 
de modelos predictivos necesarios para la propuesta de un modelo de engagement. 
Es así como, proponer un modelo de engagement, de no estar sustentado en un 
modelo de business intelligence o disciplinas que involucren el manejo de información, 
serán inviables. Se concluye además que los modelos de gamificación de Kotler 
pueden combinarse, y que la combinación óptima para las actividades de Aviator está 
en la implementación del modelo de regalos por ¨n¨ compras en este momento. 
Finalmente, la propuesta es viable económica y técnicamente, puesto que los flujos de 
caja incrementales muestran incrementos favorables a las metas comerciales de 
Aviator S.R.L., de alrededor de 8% de incremento anual en ventas y con indicadores 
de los flujos descontados de efectivo positivos. Además de mostrar en cuanto a la 
generación de un mayor margen de contribución por eficiencia en el costo de 
 
114 
 
oportunidad, que el proyecto es en sí mismo autosustentable, lo que da la capacidad 
de mejoramientos e innovaciones a modelos más sofisticados. 
4.2 RECOMENDACIONESEn cuanto a la compilación e información del consumidor de Aviator, después de haber 
realizado la integración de la información, se recomienda realizar a futuro 
modificaciones mayores a los softwares transaccionales de manera que la captación 
de información directa del consumidor sea más automatizada, complementando esto 
con hardware que permita al cliente mayor interacción de manera directa para 
retroalimentar la mejoría del restaurante y del modelo. 
En cuanto al análisis de los datos mediante la aplicación de business intelligence, 
además de haber realizado la propuesta del modelo, se recomienda la implementación 
de software open-source que permite llevar a cabo mayor complejidad de análisis 
llegando a automatizar indicadores mediante machine-learning y datas science. 
Por otro lado, se recomienda el desarrollo de softwares para plataformas interactivas 
con los clientes (aplicaciones) para poder así tener una capacidad de compilación más 
completa, que contemple más aspectos de la información sobre el consumidor y así 
poder solidificar el modelo de engagement. También se recomienda utilizar la 
aplicación mencionada anteriormente para llevar más a fondo el proceso de 
gamificación y alcanzar un mayor nivel de engagement, pues al utilizar la aplicación, 
se pueden implementar premiaciones que no signifiquen erogación o inversión en 
clientes, además de las que ya se plantean a lo largo del trabajo. 
Finalmente, se recomienda llevar adelante constantemente un proceso investigativo 
en cuanto a la inversión que implica la realización de estos proyectos y la posibilidad 
de como se muestra en el análisis de beneficio/costo, que el proyecto al ser 
autosustentable tenga la capacidad de implementaciones de innovación tecnológica 
que permitan mejoras sustanciales en el sistema. Asimismo, se recomienda una mayor 
investigación en las relaciones del valor de los clientes en el tiempo y su relación con 
la aplicación de herramientas de business intelligence. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
BIBLIOGRAFÍA 
UNIDAD ACADÉMICA SANTA CRUZ 
INGENIERÍA COMERCIAL 
 
 
BIBLIOGRAFÍA 
Alta oferta gastronómica eleva mora de restaurantes Cruceños . (2019). EL Deber. 
Bowden, J. L.-H. (2009). The Process of Customer Engagement: A Conceptual 
Framework. Journal of Marketing Theory and Practice, 63-74. 
Carvajal, M. D. (2019). Las ventas en los restaurantes de Santa Cruz caen hasta un 
30%. El Deber. 
CHASE, R., JACOBS, R., y AQUILANO, N. (2009). Administración de Operaciones, 
Producción y Cadena de Suministros. México D.F.: McGraw Hill. 
Chen, H., Chiang, H. L., y Storey, C. V. (2012). BUSINESS INTELLIGENCE AND 
ANALYTICS: FROM BIG DATA TO BIG IMPACT. MIS QUAETERLY, 1165-
1188. 
Curto Díaz, J. (2016). Introducción al Business Intelligence. Bacerlona: UOC. 
Gartner. (2020). Magic Quadrant for Analytics and Business Intelligence. Gartner. 
Halim, K. K., Siana, H., y Felicia. (2019). Business Intelligence for Designing 
Restaurant Marketing Strategy:. Procedia Computer Science 161, 615-622. 
Han, H., Hong, N. N., Hajkun, S., Bee-Lia, C., Sanghyeop, L., y Wansoo, K. (2018). 
Drivers of brand loyalty in the chain coffee shop industry. International Journal 
of Hospitality Management, 86-97. 
Hernandez Sampieri, R., Fernandez Callado, C., y Baptista Lucio, P. (2010). 
Metodología de la Investigación. México D.F.: McGraw Hill. 
Hinojosa, J. (10 de Septiembre de 2018). Franquicias internacionales temen competir 
con oferta culinaria criolla. Los TIempos. 
Kartajaya, H., Kotler, P., y Setiawan, I. (2017). Marketing 4.0. New Jersey: Wiley. 
Kotler, P., y ARMSTRONG, G. (2012). Marketing. México: Pearson Education. 
 
 
Kumar, V. (2013). Profitable Costumer Engagement: concept, metrics, and strategies. 
New Delhi: SAGE. 
Lazcano, M. (2019). Facturación de restaurantes creció 10 veces en 14 años. La 
Razón . 
Malhotra, N. (2010). Investigación de Mercados. MÉXICO: PRENTICE HALL. 
McDaniel, C. y Gates, R. (2016). Investigación de mercados . CENGAGE Learning. 
Merino Sanz, M. J., y Pintado Blanco, T. (2015). La investigación de mercados: Claves 
para conocer los insights del consumidor. ESIC Editorial. 
Negash, S., Burstein, F., y Holsapple, C. W. (2004). Business Intelligence. 
Communications of the Association for Information Systems, 177-195. 
Otmane, A., y Theel, H. (2018). The Effects of Using Business Intelligence Systems 
on an Excellence Management and Decision-Making Process by Start-Up 
Companies: A Case Study. International Journal of Management Science and 
Business Administration, 30-40. 
Pérez Marqués, M. (2015). Business Intelligence: Técnicas, herramientas y 
aplicaciones. Alfaomega. 
ROJAS, F. (2017). Sector gastronómico registra un 17,5% de caída en ventas. El 
Deber . 
Rosales, Á., y Vázquez, M. (2019). La sobreoferta golpea el negocio de los food trucks 
en Santa Cruz. El Deber. 
Van Horne, J. C., y Wachowicz, J. M. (2010). Fundamentos de Administración 
Financiera. Prentice Hall. 
Veliz, R. (2018). Bolivia: cae confianza del consumidor y aplica estrategias para 
ahorrar. El Deber. 
 
 
Wierner-Bronner, D. (2019). Here's why Starbucks is changing its rewards program. 
CNN BUSINESS. 
Williams, S., y Nancy, W. (2007). The Profit Impact of Business Intelligence. San 
Francisco: Elsevier. 
Zickmund, G. W., y Babin, J. B. (2009). Investigación de Mercados (Novena ed.). 
México D.F.: CENGAGE Learning. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
GLOSARIO DE TÉRMINOS 
UNIDAD ACADÉMICA SANTA CRUZ 
INGENIERÍA COMERCIAL 
 
 
GLOSARIO DE SIGLAS Y ABREVIATURAS 
BI : Business Intelligence. 
MBA : Market Basket Analysis. 
KPI´S : Key Performance Indicators. 
PBI : PowerBI, software de business intelligence. 
CLV : Valor de tiempo de vida de cliente, por sus siglas en 
 Inglés. 
ETL : Proceso de extracción, transformación o limpieza y 
carga de datos, por sus siglas en inglés (Extract, 
transform, load) 
DRILL-THROUGH : Herramienta de business intelligence que tiene por 
objetivo penetrar en mayor granularidad cierta 
observación de una visualización, hacia un reporte 
nuevo. 
INSIGHTS : Anglicismo que refiere el descubrimiento de un 
secreto profundo sobre el consumidor o data, a partir 
de análisis deductivo e intuición 
DAX : Expresiones de análisis de datos (DAX por sus siglas 
en inglés, es un lenguaje de análisis de datos de 
Microsoft, utilizado en SASS, extensiones de Excel y 
 
 
Power BI 
Queries : Consultas o búsqueda de datos, en el ámbito de 
ciencias de datos y analíticas, referentes a consultas 
a bases de datos 
 
 
 
 
 
 
ANEXO A. CÁLCULO DE MÉTRICAS 
E INDICADORES PARA ANÁLISIS 
DE DATOS 
 
UNIDAD ACADÉMICA SANTA CRUZ 
INGENIERÍA COMERCIAL 
 
 
ANEXOS 
 
 
ANEXO A. ELABORACIÓN DE CÓDIGO DAX 
 
Fuente: Elaboración Propia 
 
Fuente: Elaboración Propia 
 
1. retencion recurrentes = 
2. VAR RetornoRecurrentes = 
3. CALCULATE ( 
4. COUNTROWS ( Cliente ), 
5. FILTER ( 
6. Cliente, 
7. Cliente[Visitas de Clientes] > 2 
8. ) 
9. ) 
10. VAR PorcentajeRetornoRecurrentes = 
11. ReornoRecurrentes / [Clientes recurrentes brutos] 
12. RETURN 
13. PorcentajeRetornoRecurrentes 
1. Recencia = 
2. CALCULATE ( 
3. AVERAGEX ( 
4. Cliente, 
5. DATEDIFF ( 
6. Cliente[Fecha Ultima Compra], 
7. TODAY (), 
8. DAY 
9. ) 
10. ), 
11. RELATEDTABLE ( Pedidos ) 
12. ) 
 
 
 
ANEXO B. PROCESO ETL CON 
POWER QUERY. 
 
 
UNIDAD ACADÉMICA SANTA CRUZ 
INGENIERÍA COMERCIAL 
 
 
ANEXO B. PROCESO ETL CON POWER QUERY 
 
 
=Table.TransformColumnTypes(Source,{{“Date”, type date}},”ar-DZ”) 
Fuente: Elaboración propia 
= let parsed = try Number.From([118lients118 Text]) in [Number = parsed[Value]?,T
ext = if parsed[HasError] then [118lients118 Text] else null] 
 
 
UNIDAD ACADÉMICA SANTA CRUZ 
INGENIERÍA COMERCIAL 
ANEXO C. CÁLCULO DE ELEMENTOS 
PARA FLUJO DE CAJA 
INCREMENTAL 
 
 
 
 
ANEXO C. ELEMENTOS DE FFLUJO DE CAJA INCREMENTAL 
Clientes nuevos 2224 
Clientes Recurrentes 943 
Clientes Totales 3167 
Gasto en clientes recurrentes mensuales BOB 132.82 
Objetivo de incremento 5% 
Fuente: Elaboración propia 
En el cuadro superior, se puede observar el costo en el que se incurre para retener 
clientes según los presupuestos del CLV y que son el elemento de costo en el flujo de 
efectivo incrementa, con el costo por cliente, multiplicado por el 5% de retención 
mensual obtenido de la cartera total de clientes distribuidos de manera mensual. En 
cuanto a los ingresos incrementales, como se observa a continuación, la mayor 
generación de ingresos por parte de los clientes recurrentes, permiten que ese 5% de 
ingresos en la cartera de clientes recurrentes, generen 8% neto de incremento en los 
ingresos brutos del periodo analizado. 
 Ingreso actual Ingreso con 
implementación 
del modelo 
Clientes nuevos 65% 2065.65 BOB 146,784.00 BOB 136,332.90 
Clientes Recurrentes 35% 1101.35 BOB 240,248.11 BOB 280,590.94 
Clientes Totales 100% 3167 BOB 387,032.11 BOB 416,923.84 
Incremento en ingresos brutos en el periodo BOB 29,891.73 
Incremento % en ingresos brutos en el periodo 8% 
Fuente: Elaboración propia 
En cuanto a la distribución de ventas temporal por meses, se utilizó data histórica 
según se puede observar a continuación. 
 
 
% Mensual Ingreso Incremental 
(Mes) 
% Mensual Ingreso Incremental 
(Mes) 
0.08966202 2923.803131 0.0851244 2775.835063 
0.08319753 2713.001672 0.08026833 2617.482737 
0.07691515 2508.138426 0.08567226 2793.700454 
0.06600518 2152.373535 0.08152593 2658.491929 
0.09030389 2944.73406 0.07747889 2526.521507 
0.08942949 2916.22049 0.09441692 3078.856449 
Fuente: Elaboración propia 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
UNIDAD ACADÉMICA SANTA CRUZ 
INGENIERÍA COMERCIAL 
 
 
 
 
 
 
 
 
 
 
 
 
 
ANEXO D. CUPONES PARA 
IMPLEMENTACIÓN DE MODELO DE 
ENGAGEMENT 
 
 
 
 
ANEXO D. CUPONES PARA IMPLEMENTACIÓN DE MODELO DE ENGAGEMENT