Inclusión de Business Intelligence en la Toma de

Trabajo de Grado – Primer Semestre 2021

Trabajo de Grado en la Modalidad de Proyecto Líder

Código del Trabajo: M13

Inclusión de Business Intelligence en la Toma de Decisiones

de Beauty E-Commerce: De los Datos a la Acción.

1 Alumno de la Carrera de Administración, Pontificia Universidad Javeriana, Bogotá, 110231,

Colombia 2 Profesor Docente Monitor, Departamento de Administración, Pontificia Universidad Javeriana,

Bogotá, 110231, Colombia

Abstract: The implementation of business intelligence is essential in any enterprise; due to the great

value it represents in decision-making and data analysis. Although the e-commerce department at

L'Oréal has experienced a great progress thanks to the COVID-19 situation, the dynamism and fast-

paced environment has led to an overlooking of modern practices of data collection, transformation,

analysis, and the choice of traditional and barely automated methods. The purpose of this project is

to enter business intelligence tools and practices that led to accurate decision-making and data

analysis. This was done through a deep research, where different theories and resources were

analyzed to have clarity in the way in which business intelligence practices will be established. The

implementation process was highly educational and productive, which resulted in a complete

modernization and automation of the data storage and transformation processes, as well as new

tools and visual aids that will optimize and greatly improve decision-making and generation of

strategies in the e-commerce of L'Oréal Colombia. This project leaves a long way to explore and

allows the next managers to investigate and apply new methodologies that contribute to the

performance of the company.

Keywords: decision-making; business intelligence; data transformation; excel; power BI.

Resumen: La implementación de la inteligencia de negocios es fundamental en cualquier empresa,

debido a la gran ayuda que esta representa en la toma de decisiones y en el análisis de datos. El área

de e-commerce en L’Oréal ha visto una gran evolución gracias a la coyuntura del COVID-19 pero

este dinamismo ha hecho que se pasen por alto prácticas modernas de recolección, transformación,

análisis y presentación de data, y que se opte por métodos tradicionales y poco automatizados. El

propósito de este proyecto es de incursionar prácticas y herramientas de business intelligence que

faciliten la toma de decisiones acertada y el análisis de datos. Para realizar esto, se llevo a cabo un

proceso de investigación profundo, en donde se analizaron distintas teorías y recursos para tener

claridad en la forma en la que se establecerán dichas prácticas de inteligencia de negocios. El proceso

de implementación fue sumamente educativo y productivo, el cual dio como resultado una

modernización y automatización completa de los procesos de almacenamiento y transformación de

data, así como nuevas herramientas y ayudas visuales que optimizarán y mejorarán en gran medida

la toma de decisiones y generación de estrategias en el e-commerce de L’Oréal Colombia. Este

proyecto deja mucho camino por explorar y permite a los próximos responsables investigar y aplicar

nuevas metodologías que aporten al rendimiento de la empresa.

Palabras claves: toma de decisiones; inteligencia de negocios; transformación de data; Excel; power

BI.


1. DIAGNÓSTICO Y ANÁLISIS DE LA SITUACIÓN

1. 1. Dimensión de la Entidad

L’Oréal es la empresa número uno en la industria de belleza y cosméticos. Fue fundada Francia,

en el año 1909 por Eugéne Schueller, en donde empezó siendo una pequeña compañía dedicada a los

tintes de coloración capilar para mujeres.

Actualmente L’Oréal emplea a más de 88,000 empleados, los cuales desempeñan todo tipo de

funciones en cuatro divisiones: División de Productos de Consumo Masivo, División Cosmética

Activa, División de Lujo y División de Productos Profesionales. Los ejes principales que manejan

estas divisiones se centran en maquillaje, coloración y cuidado capilar, cuidado de la piel, protección

solar, cuidados para hombre y perfumes. Estas divisiones comercializan 36 marcas y miles de

productos en más de 150 países a nivel mundial. Los canales de venta de L’Oréal son sumamente

amplios, estos van desde grandes superficies, salones de belleza, hasta centros dermatológicos

especializados y D2D.

Las ventas de la empresa sumaron casi €30 billones en 2019, pero debido a la contingencia actual

ocasionada por el COVID-19, se evidenció una caída de estas, reportando al 30 de septiembre de 2020,

un total de €20.11 billones (-7.4%) (L’Oréal Finance, 2020).

Debido a la amplia gama de productos que ofrece L’Oréal, no se puede encasillar a sus

competidores dentro de una sola industria. En la industria de cosméticos y belleza, los principales

competidores son Estée Lauder, Dior y Chanel, mientras que, en la industria de productos de

consumo masivo, existe una gran competencia con empresas como P&G y Unilever.

Sin embargo, las ventas de productos cosméticos/de belleza si se han podido filtrar, y no

sorprende que L’Oréal ocupe el primer puesto. La revista especializada Beauty Packaging publicó en

2020 el listado de las Top 20 Beauty Companies, en donde L’Oréal lidera con $27.2B, seguida por

Unilever ($21.3B), Estée Lauder ($11.8B), P&G ($11.8B) y Coty ($7.7B).

De acuerdo con el portal de datos Statista, el market share en 2019 de L’Oréal se constituyó de

la siguiente manera: 10% en Asia/Pacifico, 13% en Norteamérica, 20% en Europa Occidental, 8% en

América Latina, 13% en Europa Oriental y 10% en África/Medio Este. Por otro lado, dentro de las

marcas cosméticas más valoradas a nivel mundial en 2020, L’Oréal Paris ocupó el primer lugar, con

un brand value de $11.75B. Esta estuvo por encima de marcas competidoras como Gillette ($8.48B) de

P&G, Estée Lauder ($6.29B), Pantene ($5.58B) de P&G. Vale mencionar que la marca Garnier, también

perteneciente a la familia L’Oréal, ocupó el décimo puesto, con un valor de $4.66B. (Statista, 2020)

L’Oréal Colombia está presente en el país desde 1993. Actualmente emplea a más de 860

personas, cuenta con 15 marcas de 3 divisiones (CPD, DCA y DPP) y tiene una de las 12 plantas que

posee el grupo con emisiones de carbono cero. En 2015 L’Oréal adquirió la compañía Laboratorios

Cosméticos Vogue, adquiriendo una gran ventaja gracias a la primera marca local de su portafolio.

1.2. Dimensión del área de practica

La práctica actualmente está ubicada dentro del área digital de la empresa. Dentro de esta se

maneja todo lo relacionado con e-commerce, marketing digital, ventas y relacionamiento con e-

retailers, activaciones de marca, entre otras. El equipo digital está compuesto por 17 personas, las

cuales se dividen en las tres divisiones (CPD, DCA y DPP) y otras que trabajan en Corporate. Las

personas pertenecientes a esta subárea trabajan, apoyan y gestionan funciones con las tres divisiones.


Las ventas del área digital representan aproximadamente el 8% de las ventas totales de L’Oréal

Colombia. Esta área de e-commerce ha experimentado un crecimiento exponencial desde que

comenzó la pandemia y cuarentenas en el país, ya que, gracias a todos los esfuerzos realizados por el

departamento digital, las ventas por medios digitales tuvieron un aumento casi del 250%. Esto trajo

consigo un sinnúmero de retos y oportunidades de mejora para toda la compañía.

Más en detalle, las funciones del estudiante se dividen en 1) realizar el reporte y conciliación de

ventas mensualmente de todos los e-retailers estratégicos de L’Oréal, 2) realizar codificaciones de

productos para las páginas web de los clientes, 3) apoyar la incursión, alimentación y desarrollo de

Power BI, 4) efectuar las órdenes de compra erradicadas por parte de los e-retailers, 4) dar apoyo en

el nuevo proyecto Be Gurú.

La comunicación asertiva transversal en la compañía es fundamental para asegurar el efectivo

cumplimiento de todos los objetivos propuestos. Teniendo en cuenta la situación de teletrabajo, esto

se logra por medio de la plataforma Teams, en donde a través de videoconferencias, llamadas, chat

y el correo electrónico, los mensajes son transmitidos de forma amigable y comprensible, sin perder

la pertinencia, puntualidad y orden. Todo lo relacionado con archivos, contenido, reportes y carpetas

se realiza por medio de OneDrive, en donde todos los miembros de la organización tienen acceso a

la nube, con el fin de asegurar una disponibilidad de la información efectiva. Los asuntos operativos

y de gestión son administrados por SAP, E-Force y Compass.

Las tareas que se desempeñan en el área de prácticas suelen asignarse de dos formas. En primer

lugar, los colaboradores tienen funciones permanentes que deben realizar todos los días. Pero

también existen las responsabilidades que surgen esporádicamente, las cuales tienden a ser urgentes

o provenientes de otras áreas que requieren el apoyo del equipo digital. Con respecto a la toma de

decisiones, en cada proyecto se suele asignar un grupo pequeño de responsables, los cuales reportan

directamente con Lina Orozco, la CDMO (Chief Digital Marketing Officer).

Los valores corporativos de L’Oréal se caracterizan por ser los mismos a nivel mundial. No

importa si se está ubicado en China o en Argentina, estos serán idénticos. Estos valores se centran en

cuatro pilares: integridad, respeto, transparencia y coraje. Estos valores están bajo la sombrilla de un

valor universal que prima en la compañía, la ética. L’Oréal ha invertido una gran cantidad de recursos

de todo tipo en promover la ética en todas sus sucursales. Incluso han creado una plataforma

sumamente intuitiva con diversos cursos de ética, responsabilidad y compliance.

La cultura de trabajo en esta compañía es sumamente flexible. Partiendo desde los horarios de

trabajo hasta el código de vestimenta. Adicional a esto, se tiene una fuerte cultura incluyente, en

donde todas las personas son bienvenidas, sin importar su nacionalidad, religión, orientación

sexual/política, etc. En L’Oréal se fomenta en gran medida el espíritu emprendedor, ya que se valora

mucho a las personas que son arriesgadas, propositivas, proactivas y empoderadas de sus funciones.

1.3. Diagnóstico del área

DOFA

Fortalezas:

• Fuerte presencia local de las marcas en la cultura y consumo colombiano.

• Amplio número de e-retailers y puntos de venta virtuales, lo cual aumenta la exposición de

los productos hacia los consumidores.


• Personal humano capacitados, jóvenes y preparados, los cuales conocen de primera mano las

tendencias virtuales en el mercado.

• Productos de alta calidad.

• Robusta inversión en mercadeo.

Oportunidades:

• Obtener acuerdos y alianzas estratégicas con nuevos y existentes clientes potenciales.

• Incremento en la tendencia de consumo virtual por parte de la población colombiana.

• Mayor migración virtual por parte de tiendas por departamento y grandes superficies.

• Tendencias de maquillaje orientadas a productos para los ojos, rostro, uñas y cejas, debido a

la coyuntura del COVID 19.

Debilidades:

• Poco aprovechamiento de la planta de producción de L’Oréal en términos de ventas virtuales

(no hay despacho de productos, ventas directas desde la página web de la compañía).

• No cuenta con portal propio de ventas (Página web)

• Poco desarrollo en términos de business intelligence y analytics.

• Equipamiento relativamente viejo.

Amenazas:

• Alta competencia en términos de productos de belleza y cosméticos.

• Competidores también están presentes en las páginas de los e-retailers.

• Competidores aplican de mejor forma las economías de escala y transformación digital.

• Coyuntura del COVID 19 ha afectado el consumo de cosméticos.

• Competidores cuentan con canales de venta virtuales propios (página web).

• Tendencia a consumir nuevos productos orgánicos, producidos localmente.

Cruce de variables

1. Potencialidades (fortalezas + oportunidades): Teniendo en cuenta el posicionamiento solido

de L’Oréal Colombia en el mercado colombiano (top of mind de los consumidores y presencia

de productos en numerosos canales), junto a la tendencia creciente del consumo vía internet,

L’Oréal podría desempeñarse de forma muy positiva si enfoca recursos significativos en

desarrollar sus estrategias a través del canal moderno. Esto se podría realizar por medio de:

• Nuevos acuerdos comerciales con los retailers los cuales aseguren mejores

rendimientos en las ventas e insights sobre el comportamiento de dichos resultados

(informes sobre preferencias de los consumidores, mapas de calor, productos más y

menos solicitados, etc)

• Ejecutar campañas de marketing digital las cuales resulten provechosas para atraer

nuevos consumidores y creen mayor awareness en el público, lo cual ayudará a las

marcas de L’Oréal a destacarse dentro de la vasta competencia.

2. Limitaciones (debilidades + amenazas): Una de las limitaciones más grandes que se

encuentran en L’Oréal es la falta de un canal de venta propio, más aún teniendo en cuenta que

se podría utilizar la planta de producción y almacenamiento que ya poseen. Esto vulnera a la

empresa con respecto al mercado ya que la mayoría de los competidores de cosméticos y

productos para el cuidado de la piel tienen sus canales de venta propios funcionando a la

perfección. Contar con un e-commerce propio ayuda a ahorrar costos, gestionar un CRM más

preciso y exacto, administrar la logística y operatividad propia, analizar las ventas y

comportamiento del consumidor en tiempo real, entre muchos otros beneficios. L’Oréal

podría beneficiarse de todo esto si contara con su propio portal de ventas, sumándole los

existentes de los distintos e-retailers.

3. Riesgos (fortalezas + amenazas): Un riesgo que puede enfrentar L’Oréal es que, a pesar de su

fuerte posicionamiento en la cultura colombiana, cada vez coge mayor fuerza y

representatividad el segmento de consumidores que prefieren productos producidos

localmente, con ingredientes orgánicos y provenientes de emprendimientos, no


corporaciones. Teniendo en cuenta esto, si L’Oréal no direcciona sus esfuerzos de marketing a

responder y contraargumentar estos cambios en las preferencias del mercado, puede que

empeore su brand equity y terminen perdiendo una base importante de consumidores.

4. Desafíos (debilidades + oportunidades): L’Oréal no tiene el mayor desarrollo en términos de

infraestructura, analítica y autonomía, pero la tendencia de consumo y la competencia

demuestran que es necesario desarrollar las herramientas y estrategias virtuales al máximo

para poder permanecer en los primeros puestos de la industria. Es por esto que uno de los

desafíos más grandes de L’Oréal es potencializar sus habilidades y know-how en términos de

e-commerce, para continuar liderando el mercado de cosméticos y cuidado de la piel en

Colombia.

5 Fuerzas de Porter

• Poder de negociación de los clientes: Esta fuerza se puede considerar alta ya que en la

industria de la belleza los consumidores tienen el poder de elegir dentro de muchas

alternativas sus productos deseados. Adicional a eso, los consumidores son sumamente

exigentes con la relación precio-calidad, por lo que las empresas deben asegurarse de ofrecer

productos de altísima calidad a precios competitivos.

• Poder de negociación de los proveedores: Se puede considerar como media, ya que, si bien

hay una considerable base de proveedores que surten los mismos materiales, aquellos que

logran proveer una calidad superior a precios atractivos son los que se quedan con los

negocios. Adicional a esto, las relaciones con los proveedores suelen ser a largo plazo ya que

las empresas confían en aquellos que desde siempre les han dado buenos resultados.

• Amenaza de entrada de nuevos competidores: Es baja ya que la industria de la belleza y los

cosméticos es una que lleva muchos años funcionando, por lo que los competidores actuales

tienen recursos muy robustos, posicionamiento muy fuerte y relaciones sumamente

estrechas. Para empresas entrantes es muy complicado comenzar a competir frente a las

existentes debido a toda la experiencia, conocimiento, recursos y posicionamiento que les

llevan de ventaja.

• Amenaza de nuevos productos sustitutos: La industria de la belleza es una que cuenta con

grandes avances e innovaciones tecnológicas, por lo que cada vez se desarrollan nuevos

productos que pueden sustituir a los de la competencia. Debido a esto se considera alta la

amenaza de nuevos productos sustitutos.

• Rivalidad entre los competidores: Esta fuerza termina siendo fruto de las cuatro anteriores,

por lo que se considera alta. Hay competidores con una gran cantidad de recursos,

conocimiento, desarrollo tecnológico y posicionamiento, por lo que cada uno de ellos optan

por entregar el mejor producto disponible en el mercado. Esto resulta en un gran portafolio

de productos disponibles masivamente a todo el mercado, de diversas marcas y con distintos

beneficios. Las compañías luchan constantemente con sus esfuerzos de marketing y ventas

para poder sobresalir entre los otros.

2. PLANTEAMIENTO DEL PROBLEMA

Con este proyecto líder se busca efectuar prácticas y soluciones de Business Intelligence, con el

fin de que ayude a la toma de decisiones efectiva en el e-commerce de L’Oréal. Esto se logrará

inicialmente innovando los métodos retrógrados mediante los cuales la empresa recolecta, analiza e

interpreta sus ventas digitales actualmente. Los procesos empleados para llegar a un análisis y toma

de decisiones con respecto a las ventas es sumamente tedioso, ineficiente, poco moderno y manual.

Esto deja como consecuencia distintos aspectos que resultan cruciales para la eficiencia del equipo:

1) Poca interpretación y análisis de los resultados de venta, 2) demora de los tiempos en los que se

reportan las ventas mensuales, 3) facilidad de cometer errores debido a la manualidad en las


operaciones y 4) presentación de datos y ventas no es visualmente atractiva ni significante. Estas

consecuencias afectan a toda la empresa transversalmente ya que la relevancia del e-commerce,

teniendo en cuenta la pandemia, es sumamente alta para L’Oréal, por lo que es necesario eliminar

cualquier delay o inconveniente que afecte la efectividad de los procesos.

Al profundizar más sobre las actividades que se van a llevar a cabo para darle frente a esta

problemática, se encuentra con que las herramientas existentes en el mercado relacionadas a

business intelligence son abundantes, y su nivel de complejidad va desde casi nulo hasta uno que

requiere experticia considerable. Debido a la corta duración de las prácticas empresariales (seis

meses), junto a la restricción de programas que se permiten utilizar al interior de la empresa, no se

implementaran herramientas que requieran de adquisición de licencias distintas a las ya existentes

o un proceso de capacitación muy dedicado y minucioso. Sin embargo, esto no quiere decir que no

haya herramientas que permitan mejorar los problemas previamente mencionados.

En primer lugar, el paso más fundamental que se debe llevar a cabo para poder implementar

tácticas de inteligencia de negocios es centralizar la data existente y establecer un formato único a

los distintos reportes con los que se disponen. Esta acción de centralizar la información de la

empresa es fundamental en todo proyecto de BI ya que en primer lugar asegura que los datos se

encontrarán en un solo lugar, lo cual aumentará el orden de la información y evitará una pérdida de

grandes cantidades de tiempo y productividad en la que se incurre cuando no hay orden en dichos

archivos y bases de datos.

Adicional a esto, establecer un formato único a la información que se va a accionar permite

simplificar los procesos que se ejecutarán en etapas posteriores. Este paso de transformación de

data puede parecer sumamente tedioso, complicado y demandante de tiempo, pero existen

herramientas que lo facilitan mucho. La primera herramienta perteneciente al business intelligence

que se utilizará para recolectar y transformar la información existente es Power Query. Esta

herramienta permite obtener datos de múltiples fuentes (archivos de Excel, carpetas, Wikipedia

OneDrive, SQL, JSON, internet y muchos otras). Ver anexo 2 para la lista ampliada de fuentes de

datos disponibles. Asimismo, esta poderosa herramienta permite editar los distintos datos con los

que se van a trabajar para poder unificarlos y manipularlos todos en un mismo formato. Realmente

es indispensable en las primeras etapas de un proyecto de business intelligence. Power Query se

utiliza tanto en Excel como en Power BI.

En segundo lugar, Excel también es una herramienta sumamente fundamental para ejecutar todas

las etapas de business intelligence, por lo que también se utilizará en este proyecto de grado.

Después de haber obtenido la data por medio de Power Query, Excel permite agrupar y analizar la

información por medio de tablas dinámicas, sacar cálculos entre la información provista, realizar

análisis de hipótesis, presentar gráficamente la información recolectada e infinidades de acciones

adicionales, las cuales son difíciles de mencionar todas en un solo escrito.

Por último, Power BI y Tableau son dos softwares altamente capaces de presentar y visualizar la

información, KPIs y datos, incluso también permiten hacer distintos cálculos entre los diferentes

campos. Estas plataformas permiten crear grandes variedades de gráficas, tablas, mapas de calor,

termómetros, entre muchas otras variedades de herramientas visuales que permiten analizar la

información de forma más adecuada y llegar a una toma de decisiones precisa. La forma en la que

estas plataformas permiten agrupar las distintas herramientas visuales y presentar los resultados es

a través de dashboards y reportes interactivos e intuitivos (ver anexo 3 para ejemplos de estas

herramientas visuales).


2.1. Pregunta Problema

¿Cómo se puede incursionar soluciones modernas de Business Intelligence con el fin de mejorar

la toma de decisiones en el e-commerce de L’Oréal?

3. ANTECEDENTES

3.1. Antecedentes Externos

Los casos en los que la inteligencia de negocios ha ayudado a las empresas a tomar mejores

decisiones, ahorrar miles de horas de trabajo ineficiente y recortar gastos, son innumerables. Los

beneficios que otorgan estas dos prácticas -muy similares entre sí- están en todo tipo de

organizaciones, desde pequeñas pymes hasta multinacionales.

Chipotle Mexican Grill, una cadena de restaurantes con más de 2400 puntos de venta a nivel

mundial, ha sido uno de los miles beneficiados de implementar business intelligence avanzado. Estos

sufrían una descentralización de información la cual no les permitía observar y analizar de forma

efectiva las ventas, despachos e inventario de sus productos en sus tiendas de Estados Unidos. Esto

les ocasionaba una demora en el planteamiento y creación de estrategias, debido a que cada región o

sucursal tenía su propia central de datos las cuales tenían que ser posteriormente unificadas. Después

de que Chipotle decidiera incursionar a fondo en la inteligencia de negocio, lograron que la

organización tuviera acceso a toda la data de forma inmediata y centralizada. Esto conllevo a que los

reportes y entregas de estrategias para el mercado se triplicara mes a mes, ahorrando miles de horas

de trabajo y de demoras. (Tableau, n.d.)

Por otro lado, Coca-Cola Bottling Company (CCBC) es el aliado independiente de

embotellamiento más grande de Coca-Cola. Esta compañía tiene que estar sumamente alineada con

los reportes de ventas, envíos y operaciones que gestiona Coca-Cola, ya que son su aliado estratégico

principal en términos de empaque de producto. Para una compañía que no tiene la infraestructura

de Coca-Cola es complicado llevar mediciones en tiempo real de sus operaciones sin utilizar alguna

práctica de inteligencia y analítica de negocios. CCBC fue consciente de esto. Estos pasaron de

reportar manualmente, lo cual generaba inmensas demoras, fallas e incoherencias de información, a

poder centralizar y automatizar toda su base de datos. Con esto lograron acceder a data de ventas y

operaciones en tiempo real, lo que al final termino siendo significativos e innovadores dashboards,

recopilando toda la información de CRM que termina en manos del equipo de ventas. Dicha

información ya estaba traducida, convertida y lista para ser accionada con estrategias efectivas e

inteligentes. Esto termino ahorrándole más de 260 horas al año a toda la organización. (Tableau,

n.d)

Dentro de la industria de cosméticos y belleza, la inteligencia de negocios también ha marcado

un antes y después en términos de estrategias, generación de data valiosa y modernización en los

procesos promocionales de sus productos. Marcas como Mac Cosmetics, Urban Decay, Chanel,

Maybelline, NYX e incluso L’Oréal, han estado implementando tecnologías disruptivas las cuales,

por medio de inteligencia artificial y realidad virtual, permiten a los consumidores probarse sus

diversos cosméticos y productos para el cabello de forma virtual. De esta forma, los posibles

compradores podrán saber como lucen con los distintos tonos y colores de los productos sin tener

que salir de su casa; aspecto que es aún más relevante en esta realidad de pandemia. Si bien el

hecho de poder “maquillarse de forma virtual” es un avance tecnológico sumamente disruptivo

para la industria cosmética, el trasfondo del potencial de este tipo de tecnologías va más allá. Al

momento en el que un cliente potencial prueba los productos de una marca de cosméticos de forma

virtual, una infinidad de información queda registrada en la base de datos de la empresa. Por


ejemplo, las preferencias de tonos de la mayoría de las personas que realizan el virtual try-on

(prueba de maquillaje virtual), las combinaciones de productos que las personas escogen (un tipo

de labial con una referencia específica de pestañina), el tono de piel de los usuarios e incluso la

ubicación de estos. El alcance de estas herramientas y de esta información es sumamente amplio, en

donde se pueden realizar todo tipo de análisis de hipótesis, experimentos, promociones y

estrategias con base en la información que se recolecto por medio de estas herramientas

tecnológicas. Además de que estas herramientas han tenido un impacto positivo en la percepción

de los consumidores frente a las marcas que ya las implementa, dichas empresas también ya han

podido beneficiarse de estas prácticas vanguardistas, ya que ahora pueden desarrollar estrategias

fundamentadas en insights sumamente precisos y valiosos de sus consumidores. Esta tendencia es

una de las mas innovadoras y modernas que se está utilizando actualmente con relación a la

inteligencia de negocios.

3.2. Antecedentes Internos

Si bien en el área digital de L’Oréal Colombia no se implementan todavía las prácticas de BI

(business intelligence) y BA (business analytics) más avanzadas, ya se ha empezado a incursionar la

plataforma Power BI en los reportes mensuales y anuales de los retailers. Esto lo ha creado una

persona con conocimientos en este programa, y ha generado reportes mucho más visuales y dicientes.

Los scorecard que están actualmente disponibles muestran gráficamente cuales fueron los principales

vendedores por división, las principales marcas vendidas y la participación de ventas de cada

división en la empresa. Esto es un buen comienzo en la implementación de inteligencia de negocios

en L’Oréal. El inconveniente con estas prácticas ya existentes es que no todo el equipo está alineado

para que la información se encuentre centralizada y tampoco es de mucho entendimiento.

4. JUSTIFICACIÓN

La toma de decisiones en una empresa debería ser fundamentada en conclusiones y análisis

claros, visibles para toda la organización, los cuales sirvan para prevenir errores y asegurar una

ejecución exitosa de las estrategias. Para lograr esto, los procesos deben ser sumamente automáticos,

modernos y apalancados en herramientas de vanguardia. Las conclusiones y análisis vienen de

aquello que comunican los consumidores sobre sus preferencias, comportamientos y hábitos de

consumo. Indirectamente ellos ya lo hacen, por medio de su patrón de compras, comportamiento en

redes sociales, preferencias por ciertas marcas, entre otros. Es sumamente importante que dentro de

L’Oréal se sea consciente de que dichos comportamientos y hábitos se presentan en forma de datos,

y que, con la correcta gestión, manipulación y transformación de datos en información, y de

información a conocimiento/insights, se puede ser más competitivo y tomar mejores decisiones a

nivel organizacional. Al fin de cuentas, las estrategias de la empresa terminan fundamentándose en

comportamientos, necesidades y preferencias reales de sus consumidores. Esto conlleva a un camino

de éxito, con panoramas y conocimientos clave sobre el entorno y los consumidores.

Una de las diversas formas en las que los clientes manifiestan sus preferencias, hábitos y

tendencias, es por medio de las compras que ellos realizan. Ellos están en constante interacción con

los productos de L’Oréal, lo cual deriva en una gran cantidad de ventas, por medio de diversos

canales, en distintas fechas y en cantidades volátiles. Toda esta información que el cliente proporciona

a través de sus compras es sumamente enriquecedora para todos los equipos de la empresa, por lo

que es indispensable que se ejecuten prácticas y soluciones cien por ciento efectivas, que deriven en

una recolección, análisis e interpretación de datos significante.

Previamente se explicó las razones generales por las cuales es indispensable contar con


inteligencia de negocios en L’Oréal, pero teniendo en cuenta que el proyecto se realizará

únicamente dentro del área de e-commerce, es necesario revisar las implicaciones que tiene estar

desactualizado en prácticas de inteligencia de negocios en esta división de la empresa.

La poca implementación de business intelligence deja grandes consecuencias dentro del e-

commerce de L’Oréal. En primer lugar, toda la manualidad en la que se llevaban los procesos de

recopilación, consolidación y reportaje de las ventas, sumado a la poca estructuración y

presentación visual ocasionaban grandes demoras en la entrega de los resultados mensuales de e-

commerce. Por ejemplo, los resultados del cierre de diciembre (31 de diciembre) se reportaron un

mes después, es decir, en febrero. Esto ocasiona una gran desalineación y falta de coordinación

entre el equipo digital con el resto de la compañía, lo cual puede afectar las estrategias que se

quieran llevar a cabo en el mes siguiente. Con las nuevas prácticas de business intelligence que se

aplicarán se espera reducir este tiempo de reportaje en un 50%, es decir, reportar a mitad del mes

siguiente. Si no se corrigieran los errores que se comenten actualmente, las propuestas estratégicas

que se quieran ejecutar a principios del mes no tendrán formas de comparación inmediata vs el mes

pasado debido a los cuellos de botella ya mencionados.

Adicional a esto, el hecho de que la información y data de e-commerce esté descentralizada y

separada, ocasiona que no se puedan analizar los resultados. Si la información se almacena en

distintas ubicaciones, es imposible realizar comparaciones entre retailers, periodos de tiempo,

marcas, etc. Al no poder analizar y accionar la información con la que se dispone, prácticamente se

está desperdiciando toda la data valiosa que cada mes se genera. Esto afecta inimaginablemente la

toma de decisiones ya que no se puede evidenciar tendencias, caídas, alzas, comportamientos, etc.,

las cuales sirven para emplear estrategias y acciones que hagan mejorar el rendimiento del área.

Asimismo, los resultados de e-commerce no se presentan de forma intuitiva, sencilla ni

relevante, debido a la falta de estructuración y centralización de la información. Esto también lo

ocasiona la falta de una plataforma en donde se reúna toda la información que permita visualizar el

comportamiento de las ventas digitales. La capacidad interpretación de dichos resultados se limita

mucho al no contar con herramientas y técnicas que comuniquen lo sucedido mes a mes.

5. REVISIÓN DE LA LITERATURA

5.1. Marco Conceptual

1. Business Intelligence: Combinación de tecnología, herramientas y procesos que permiten

transformar los datos almacenados en información, esta información en conocimiento y este

conocimiento dirigido a un plan/estrategia comercial. (Data Warehouse Institute)

2. Análisis de datos: El proceso de examinar información, especialmente por medio de un

computador, con el fin de encontrar algún descubrimiento en específico o para ayudar en la

toma de decisiones. (Cambridge Dictionary)

3. Power BI: Es una colección de servicios de software, aplicaciones y conectores que trabajan

de forma conjunta para convertir las fuentes de data no relacionadas en insights coherentes,

interactivos y visualmente inmersivos. (Microsoft)

4. Big Data: Conjuntos de datos de mayor tamaño y complejidad, procedentes de nuevas

fuentes de información. Estos datos contienen una gran variedad, se presentan en volúmenes

crecientes y a una velocidad superior. (Oracle)

5. Internet of Things (IoT): Agrupación e interconexión de dispositivos y objetos a través del

internet, en donde todos pueden ser visibles e interaccionar. (Deloitte)


5.2. Marco Teórico

Business Intelligence (o Inteligencia Empresarial) es un concepto del que se habla

frecuentemente en todas las organizaciones, sea cual sea el departamento que se esté mirando. Es

indispensable para la toma de decisiones y el análisis de datos, como ya se ha mencionado. Sin

embargo, no todos tienen la noción del origen de dicho concepto, y se cree que esto fue hace mucho

más de lo que la mayoría creería. Richard Miller Devens, en su trabajo Cyclopedia of Commercial and

Business Anecdotes (1865) usó el término “business intelligence” para describir la forma en la que un

banquero comprendía cuestiones políticas, externalidades, y al mercadeo en sí antes que sus

competidores (Heinze, 2020). Casi cien años después, el articulo “A Business Intelligence System”

publicado por el científico de sistemas de IBM, Hans Peter Luhn hizo que el potencial de business

intelligence fuera reconocido. Este lo describía como “un sistema automático, desarrollado para desglosar

información de interés para cualquier tipo de organización” (Luhn, 1958).

La época actual, sumamente tecnificada y automatizada, trajo consigo una generación de

información constantemente abundante, inundando a las empresas de datos y actividades de sus

consumidores. Desde las páginas seguidas en las redes sociales, hasta el tiempo que se pasa en una

página web de una aerolínea, todo es información para las empresas, la cual, si se utiliza y analiza

bien, puede direccionar y afinar la toma de decisiones y entregar mejores resultados. Las

interacciones permanentes e intensas de los consumidores con el mercado y las industrias conllevan

a las empresas a estar en la vanguardia con la gestión de esta información. De ahí se derivan diversas

prácticas, las cuales han sido tratadas por académicos, y se mencionaran a continuación.

El alto volumen de datos que reciben las empresas en su día a día ha sido tema recurrente

hasta ahora en este escrito, esto recibe el nombre de Big Data. Hay muchas definiciones de “big data”,

las cuales dependen de la persona, su profesión y sus intereses con esta. Sin embargo, la mayoría de

las definiciones la presentan como la creciente habilidad tecnológica para capturar, agregar y

procesar un gran volumen, velocidad y variedad de datos (Agnelluti, 2014). La big data se encuentra

presente en todas las industrias y abarca un amplio espectro de operaciones y actividades, una de

esas se ve presente en la inteligencia de negocios. Las dimensiones de la información son tan masivas,

en todos los aspectos, que la cantidad de información recibida, la continuidad en la que esta llega y

las diversas características que la componen no pueden ser procesados usando prácticas tradicionales

(Agnelluti, 2014). Esto deriva en una segunda teoría llamada “The Three Vs”. Doug Laney, en una

publicación investigativa de MetaGroup introdujo este concepto en el mundo de Big Data. Las Tres

Vs hacen referencia al volumen, velocidad y variedad de data a la que las empresas tienen que

enfrentarse (Wigmore, 2020).

En la actualidad, todas las interacciones y acciones de los consumidores en la web quedan

registradas y es posible monitorearlas y analizarlas. Esto ya se ha mencionado previamente. Sin

embargo, el internet ha trascendido más allá de Google, Facebook, Instagram, Netflix u otra

plataforma mundialmente reconocida. La conectividad está presente incluso en los objetos y

pertenencias que físicamente nos rodean. Esto se denomina Internet of Things (IoT). El internet de las

cosas es un término que se utiliza para describir las tecnologías, sistemas y principios de diseño

asociados a la creciente tendencia en la que los objetos físicos están interconectados con el Internet

(Holler et al. 2014). Algunos ejemplos sencillos para entender en la práctica el IoT pueden ser:

• Smart watches

• Automóviles conectados al internet

• Casas inteligentes


• Internet Industrial

El último ejemplo, también llamado Industrial Internet of Things, aplica perfectamente al tema

que se está tratando. Este se refiere a nuevas herramientas de sensores, software y analítica de big

data que permite crear un entendimiento y análisis profundo frente a la información recolectada.

La importancia del Internet of Things recae en la capacidad de llevar registro y recolectar información

sobre las actividades y comportamientos de los usuarios. Entre más dispositivos estén conectados a

la red, existirá mucha mayor variedad de insights que se pueden recolectar a partir de su

comportamiento (hábitos de consumo, periodos de actividad, preferencias, proyecciones de

inventario, entre otros). Un mayor entendimiento de la complejidad de los sistemas, economías de

escala y métodos que aseguran la interconectividad, junto a los impulsores claves de negocio, dan

pie a una implementación efectiva de herramientas que ayuden a dar comprensión a distintos

patrones, insights y factores puntuales sobre los consumidores (Holler et al. 2014).

Orientado al e-commerce, IoT puede resultar de mucha ayuda en diversas áreas. Por un lado,

puede dar mucho valor en temas de tracking y logística, ya que permite llevar registro en tiempo real

de los despachos, envíos, demoras y avances en las ordenes de los consumidores. Asimismo, permite

automatizar los procesos de inventario, recibir alertas sobre falta de stock y actualizar los estados de

sus bodegas. Por otro lado, el internet de las cosas puede apoyar mucho los procesos de diseño de

página web, junto a la UX (experiencia de usuario), ya que permite vincular distintos dispositivos

(celulares, tablets, smart watches, computadores), los cuales finalmente terminaran arrojando data

valiosa sobre el negocio (Zaman, 2020).

Por último, es necesario aclarar que la información de la que se dispone, sus métodos de

recolección y las fuentes de dónde vienen son simplemente herramientas y componentes que deben

servir a un propósito superior. Sería inútil que una corporación tuviera cientos y miles de megabytes

en data sobre sus consumidores y procesos, si no fuera a realizar nada con esta. De aquí viene una

tercera teoría, igualmente importante a las anteriores, pero sin duda puede generar mayor impacto a

nivel organizacional. Data-Driven Decision-Making (D3M), o por su traducción al español, “Toma de

decisiones basada en datos”, es una práctica utilizada para superar los retos y desafíos presentes en

esta era de abundante información, en donde se hace énfasis en la toma de decisiones que están

respaldadas por información valiosa al área que se está tratando. (Jie, Zheng, Jialin & Guangquan,

2019).

Este enfoque de toma de decisiones ayuda no únicamente a afinar los ejercicios de predicción de

escenarios en entornos inciertos y volátiles, también facilita la extracción de hechos inherentes o

conocimientos sin descubrir en el mercado, lo cual aumenta la generación de resultados y soluciones

(Jie et al., 2019). La toma de decisiones respaldada en información y datos ayuda a las organizaciones

y colaboradores a reducir la improvisación al momento de entregar decisiones y estrategias, lo cual

puede ser fatal para la empresa. Si bien la toma de decisiones instintivas es ideal en momentos de

poco margen de tiempo y mucha presión, el respaldo de data significativa y relevante resulta

indispensable si se quiere accionar de forma contundente, precisa y medible. De hecho, si se cuenta

con fuentes de información/bases de datos sólidas, herramientas y habilidades de procesamiento de

datos, junto a mecanismos de presentación de datos interactivos y relevantes, también se podrían

tomar decisiones basadas en datos, urgentes y bajo presión, con el plus de que están fundamentadas

con información concreta. El hecho de que este enfoque de toma de decisiones esté respaldado por

largos procesos de recolección y análisis de información no quiere decir que el acto de ejecutar una

estrategia tenga que demorarse lo mismo que se demoró en construir todo el modelo. Para eso existe

un sinfín de herramientas sumamente poderosas que hacen todo ese trabajo tedioso y complejo, en

cuestión de minutos.


Es evidente la razón por la que la D3M es tan relevante e importante de adaptar en estas épocas:

grandes cantidades de información -en velocidad, variedad y volumen- son generadas diariamente

por las industrias, consumidores, redes sociales e incluso gobiernos (Zhang, Lu, Ruan & Wu, 2007).

Esto les da gran oportunidad a las empresas de tomar decisiones -de toda índole con fundamentos y

bases sólidas. Cada vez los tomadores de decisiones cuentan con herramientas de recolección y

análisis de datos más poderosas, lo que consecuentemente ha puesto a la información y data en el

core de la toma de decisiones precisas, efectivas y fructíferas (Wang, Xu, Fujita & Liu, 2016).

El propósito de este trabajo es integrar las prácticas de Business Intelligence dentro del e-

commerce de L’Oréal, con el fin de mejorar la toma de decisiones en dicha área. Esto hace que la

última teoría explicada sea la que más encaja con la consecución de dicho objetivo. Sin embargo, esto

no quiere decir que las otras teorías explicadas no encajen a la perfección en el proyecto actual, o que

no sean indispensables para llevar a cabo un proyecto de business intelligence. Como cualquier

aspecto en los negocios, la mejor forma de lograr una solución efectiva e integra es recolectando

distintas partes que, al ser unidas, entregan una estrategia ganadora.

5.3. Conocimientos Previos Necesarios

Después de realizar distintas investigaciones y lecturas acerca de lo que se requiere

previamente para ejecutar un proyecto de inteligencia de negocios, se encontró que es necesario

contar con dominio y experticia en ciertas plataformas antes de poder crear dashboards y reportes

visualmente llamativos. Debido a esto, en esta sección se explicará algunos conocimientos previos

que se necesitan antes de poder llevar a cabo la solución planteada.

Existe una cantidad enorme de herramientas y métodos para ejercer Business Intelligence

dentro de una empresa, desde programas de presentación sencillos hasta avanzadas bases de datos

que requieren de conocimientos profundos en programación. Para los propósitos de este trabajo, se

mencionarán algunas relativamente sencillas y fáciles de aprender. En primer lugar, es indispensable

contar con conocimientos intermedios – avanzados de Excel, ya que este programa es la conexión

entre muchas otras herramientas poderosas que ayudaran en el proceso. Dominar tablas dinámicas,

gráficos dinámicos y diversas funciones/formulas, harán que la manipulación de la información

pueda realizarse de forma más efectiva y también ayuda a explotar todo el potencial que ofrece Excel.

Siguiendo por la línea de Excel, existen dos complementos de este programa sumamente útiles

cuando se está trabajando con distintas fuentes de información (lo cual sucede muy frecuentemente).

El primero es Power Query, el cual es una herramienta o motor de preparación y transformación de

información/datos. Power Query permite importar datos de numerosas fuentes adicionales a

archivos de Excel. Este es capaz de conectarse con carpetas de archivos, bases de datos SQL, Azure,

OneDrive e incluso páginas web. Debido a su potencial, Power Query incluye su propio editor

(Power Query Editor), en donde se permite extraer, transformar y cargar datos (ETL, por sus siglas en

inglés). Este editor funciona por medio del lenguaje de codificación M, lo cual significa que todos los

procesos que se efectúan en dicha interfaz quedan escritos en M. A pesar de que Power Query cuenta

con un display de herramientas y acciones didácticas, muy similar al de Excel, hay procesos y

consultas avanzadas que se ejecutan únicamente codificando en el lenguaje M. Esto no quiere decir

que no se pueda utilizar Power Query si no se tiene conocimiento previo a este lenguaje, de hecho,

YouTube cuenta con numerosos videotutoriales los cuales son de mucha ayuda para empezar a

utilizar este complemento sin saber codificar en M (Microsoft Documents, 2020).

El segundo complemento se llama Power Pivot. Este se usa para ejecutar análisis de datos


eficaces y modelar información independiente de forma eficiente. El potencial de Power Pivot recae

en que permite combinar grandes cantidades de información de distintas fuentes, unificarlas, y crear

relaciones entre sí. De hecho, Power Pivot cuenta con un graficador de relaciones muy útil, el cual

permite visualizar las interacciones de los distintos orígenes de datos. Power Pivot funciona con el

lenguaje de fórmulas DAX. Tal cual como Excel tiene su nomenclatura de fórmulas, Power Pivot

también tiene la suya. Tener conocimientos previos en DAX ayuda a desenvolverse en Power Pivot

y a realizar avanzadas formulas entre las distintas tablas de datos, lo cual permite analizar numerosos

volúmenes de información de forma instantánea (Microsoft Documents, 2020).

Un programa el cual facilita en gran medida el análisis, interpretación y presentación de

datos es Power BI. Esta herramienta, también de Microsoft, es sumamente poderosa en términos de

graficar data, filtrar información relevante, creación de dashboards sumamente interactivos y

dicientes y generar reportes de resultados. En este programa también se utiliza Power Query para

obtener, transformar y cargar información. Debido a que la presentación interactiva de datos es tan

importante en las prácticas de Business Intelligence, ya que esta es de gran ayuda para la extracción

de insights y facilita la toma de decisiones, se debe tener conocimientos en Power BI, ya que esta

ofrece exactamente lo que se requiere para poder identificar patrones y generar soluciones y

decisiones.

Conceptos financieros esenciales como los márgenes (operacionales, brutos, netos),

rentabilidad, evolución vs periodo pasado, porcentajes sobre las ventas, entre otros, serán

fundamentales al momento de interpretar los reportes de ventas con los que se estará trabajando. Es

necesario recordar que los datos se presentan por sí solos, pero es indispensable que el encargado

cuente con los conocimientos necesarios para traducir esas cifras en indicadores de desempeño

relevantes.

6. OBJETIVOS

6.1. Objetivo General

El objetivo general de este proyecto es incluir las prácticas y herramientas de Business

Intelligence en la toma de decisiones del e-commerce de L’Oréal en un plazo máximo de tres meses.

Esto con el fin de desarrollar soluciones y estrategias digitales soportadas en datos e información

relevante.

6.2. Objetivos Específicos

Las acciones específicas necesarias (objetivos específicos) para llevar a cabo este objetivo general

son los siguientes:

• Asegurar alineación entre los stakeholders del área y de la empresa, con el fin de tener

conocimiento sobre los aspectos que se desean priorizar e implementar (tipos de

información, KPIs, visuales, reportes, entre otros). Se espera tener como mínimo 3 insights

concretos, específicos y relevantes sobre las necesidades del área.

• Centralizar la información y data de e-commerce con el fin de que toda el área tenga acceso

a esta, y a su vez que pueda enriquecer dicha información. Inicialmente la meta será

almacenar y disponer de los reportes de resultados y ventas de forma centralizada y

accesible para todos.

• Tener conocimiento sobre la operatividad y funcionamiento de las distintas herramientas


que permiten recolectar, analizar e interpretar la información, con el fin de utilizarlas en la

práctica. Se investigará sobre el funcionamiento de herramientas como Excel, Power Query,

Power Pívot, Power BI. Adicional a eso se realizará un diplomado en Business Intelligence

con el fin de incrementar los conocimientos que aportarán completamente a la realización

del proyecto.

• Optimizar los procesos en los que se recolectan, consolidan, transforman y presentan las

ventas mensuales de e-commerce. El objetivo es reducir sustancialmente el tiempo en el que

se consolidan los reportes y en el que se le informa a la compañía sobre los resultados

mensuales. Anteriormente la división de e-commerce se demoraba aproximadamente 28-32

días después del final del mes para reportar las ventas de dicho periodo. Ahora con este

proyecto, se espera reducir ese tiempo a 10-12 días después del cierre del mes. Hay que tener

en cuenta que para lograr esto es indispensable que los retailers envíen las ventas pronto.

En esto se trabaja cada vez más con el fin de lograr tener las ventas máximo en la segunda

semana de cada mes.

• Reconocer y escoger la herramienta de visualización de datos más apropiada para entregar

la información de forma comprensible, accionable y significante, y posteriormente

construir un reporte completamente visual y diciente para la compañía.

7. METODOLOGÍA Y RECOLECCIÓN DE DATOS

Con el fin de asegurar que los diferentes stakeholders y este proyecto estén alineados con lo que

se necesita en términos de inteligencia de negocios, es imperativo conversar con los responsables del

área con el fin de identificar oportunidades, necesidades y falencias actuales al momento de

recolectar, analizar e interpretar datos; problemas y situaciones las cuales demoran o interfieren con

la toma de decisiones efectiva. Esto se puede hacer por medio de entrevistas no estructuradas, lo cual

corresponde a la metodología cualitativa.

Por otro lado, el apoyo y mentoría de las personas pertenecientes al equipo de BI, reporting y IT

será de gran ayuda, ya que conocimientos superiores frente a temas fundamentales para llevar a cabo

el proyecto en e-commerce. Estos van desde Excel avanzado hasta manejo de bases de datos y

programación. Esto con el objetivo de dominar con mayor experticia todas las herramientas que

faciliten los procesos necesarios para llevar a cabo el proyecto. Estas valiosas capacitaciones se

pueden categorizar también como entrevistas no estructuradas, pertenecientes a la metodología

cualitativa.

Adicional a lo anteriormente mencionado, es necesario educarse en gran medida sobre las

herramientas, métodos y procesos de vanguardia, los cuales aseguren una ejecución de los objetivos

específicos de forma prospera. Debido a que toda la implementación de Business Intelligence dentro

de e-commerce es una propuesta que involucra numerosas transformaciones, innovaciones y nuevos

diseños, se debe instruirse de forma abundante sobre todo lo involucrado. Las fuentes de donde se

sacará dicha información serán los recursos y fuentes históricas con los que se cuenta actualmente en

internet. Los cursos digitales (YouTube), el asesoramiento por parte de L’Oréal, las capacitaciones y

diplomados reúnen una gran cantidad de información sumamente valiosa, por lo que se optará por

informarse a través de estas fuentes.


8. CRONOGRAMA DE ACTIVIDADES

Etapa 1 – Identificar los aspectos que se desean priorizar e implementar acerca de business

intelligence: En esta etapa exploratoria se empezará por identificar aquellos aspectos que se necesitan

priorizar al momento de construir el proyecto de business intelligence. Esto incluye tener

conocimiento sobre los procesos que necesitan mejorarse, métodos que puedan ayudar a modernizar

los procesos anticuados, información relevante para el área de e-commerce e insights de las áreas para

que lo que se construirá sea útil para todos.

Etapa 2 – Conocer y manejar distintas herramientas que permita recolectar, transformar,

analizar e interpretar data: La segunda etapa del proyecto se centrará en aprender y dominar las

herramientas que se implementarán para efectuar prácticas de BI dentro del área. Esto comprenderá

desde cursos intensivos online, capacitaciones brindadas por la empresa hasta un diplomado

universitario que se realizará; todo con el fin de adquirir los conocimientos necesarios para construir y

ejecutar dicho proyecto.

Etapa 3 – Centralizar la información y data de e-commerce: Debido a que la información

relacionada con las ventas de e-commerce de L’Oréal se encuentra en formatos y ubicaciones distintas,

se procederá en esta etapa a limpiar, organizar y unificar todos los archivos, de forma que dicha data

se pueda accionar y transformar a formatos visuales y significativos.

Etapa 4 - Reconocer y escoger la herramienta de visualización de datos más apropiada para

apoyar y potencializar la toma de decisiones y análisis de datos: En la última etapa del proyecto, se

seleccionará la mejor herramienta para construir los dashboards y reportes visuales que ayudarán y

mejorarán significativamente a la toma de decisiones. Dentro de este proceso se realizarán


indagaciones e investigaciones sobre las mejores herramientas de visualización para incluir en los

reportes.

9. DESARROLLO DE ACTIVIDADES Y RESULTADOS

En la fase inicial del proyecto, tal cual como se estableció en la primera entrega, era necesario

conocer todos los procesos actuales relacionados a la recolección, análisis y presentación de la data,

más precisamente las ventas, así como las falencias y necesidades que se tenían en estos procesos. Esto

con el fin de empezar a indagar acerca de las posibles alternativas de soluciones. Al momento de hacer

la investigación acerca de los procesos actuales de recolección, análisis y presentación de los

resultados, se encontró que estos son sumamente manuales, poco automatizados y muy aptos a

cometer errores, precisamente por su ejecución tan poco modernizada. Adicional a esto, el proceso de

recopilar y registrar las ventas de cada e-retailer tomaba mucho tiempo y detalle en realizarse, por lo

que, si se suman los 17 e-retailers que reportan ventas digitales de L’Oréal, se obtiene un proceso

altamente tedioso y propenso a errores y demoras. Habiendo analizado esto, se pudo llegar a la

primera conclusión del diagnóstico: es necesario automatizar el proceso en el que se recopilan,

almacenan y consolidan las ventas de los e-retailers.

Siguiendo con el diagnóstico del área de e-commerce, se pudo encontrar que los resultados de

ventas de esta área no estaban siendo presentados en absoluto de forma gráfica y visual. Únicamente

se estaban acumulando numerosas y complejas tablas de Excel, las cuales no permitían de ninguna

manera realizar comparaciones, hipótesis, análisis y revisiones a profundidad sobre el

comportamiento de las ventas. Para soportar el análisis que se estaba realizando, se conversó con

integrantes del equipo y estos corroboraron que la forma en la que se estaban almacenando y

presentando las ventas no era eficiente ni diciente, hicieron énfasis en la urgencia en la que se

necesitaba un cambio. A partir de esto, se llego a la segunda conclusión del diagnóstico: es necesario

crear reportes y dashboards que permitan visualizar, analizar, interpretar la data, con el fin de

poder tomar decisiones apoyadas en estas herramientas visuales.

Con estas dos conclusiones claras y evidentes, se tuvo un panorama sumamente claro sobre lo

que se necesitaba cambiar y mejorar en el área de e-commerce, y la importancia de dicha

modernización. Seguido a esto, empezó la segunda etapa del proyecto.

Esta etapa puede que haya sido una de las mas largas de todo el proyecto ya que se necesitó de

muchas horas de capacitación, entrenamiento e investigación, con el fin de aprender sobre las

distintas herramientas que iban a permitir solucionar las problemáticas previamente encontradas. De

hecho, todavía hay bastantes aspectos de los programas y herramientas implementadas en las que no

se tiene completa pericia. Asimismo, hasta el día de hoy se siguen viendo videos explicativos de

diversos temas relacionados a Excel, Power Query, Power Pivot y Power BI.

En primer lugar, se empezó un proceso de capacitación intensiva en Excel. Si bien ya se contaban

con conocimientos en esta herramienta, la complejidad del proyecto requería investigar mas a

profundidad sobre el poder de esta capaz herramienta. Numerosas horas de videos de YouTube,

grandes cantidades artículos de internet y bastante tiempo de práctica, permitieron afianzar las

capacidades relacionadas al análisis de data en Excel. Funciones avanzadas, tablas dinámicas, cuadros

espejo y demás herramientas se perfeccionaron en este proceso de capacitación de Excel.

Seguido de esto, fue momento de incursionar en el mundo de Power Pivot y Power Query. Gran

parte de la capacitación en estas herramientas también se hizo por medio de YouTube, en donde se

consumieron muchas horas de contenido educativo, debido a la alta complejidad de estos programas.

Adicional a dicho contenido virtual, también se contó con la ayuda de un integrante de L’Oréal


Colombia, el cual sirvió de mucho apoyo al momento de resolver dudas puntuales, realizar ejemplos y

aportar consejos sobre la utilización de las herramientas. Debido a que estos dos programas funcionan

por medio de un lenguaje de programación llamado DAX (Power Pivot) y M (Power Query), también

fue necesario aprender unas bases de estos códigos de programación. No se llego a gran profundidad

sobre este aspecto debido a la complejidad y extensión de los temas por aprender.

Siguiendo el patrón de aprendizaje realizado con las herramientas anteriores, también se

consumieron muchos recursos de video para aprender de Power BI. En estos videos se entendió la

estructura de Power BI, sus distintas opciones y posibilidades, el lenguaje que utiliza, sus similitudes

con el Power Query también utilizado en Excel, entre otros. Sumado a esto, otra fuente de aprendizaje

sumamente importante fueron las tres capacitaciones en Power BI dictadas por el equipo de L’Oréal

Latinoamérica.

Algunos de los canales de YouTube que más se consultaron y que más aportaron para el dominio

de todas las herramientas mencionadas son los siguientes:

• My Online Training Hub

• Leila Gharani

• Guy in a Cube

• Curbal

• Zebra BI

• Ariel Lomoctos

Finalmente, en aras de contar con un conocimiento mas profundo, amplio y académico sobre

todo lo relacionado con business intelligence, también se realizó un diplomado en inteligencia de

negocios dentro de la Universidad del Rosario. Dentro de este diplomado se vieron una gran cantidad

de temas que permitieron descubrir lo emocionante que es el mundo de business intelligence. Dentro

de este curso se cubrieron temáticas como el big data, recolección de data estructurada y no

estructurada, data mining, presentación de información y procesos de toma de decisión, los cuales

aportaron bases supremamente solidas para la continuación de dicho proyecto. El diploma/certificado

de asistencia a este diplomado puede ser consultado en los anexos.

Después de pasar las etapas de diagnóstico y capacitación, fue momento de poner en práctica

todo lo aprendido con el fin de solucionar lo identificado. Para esto, se tuvo que empezar por

establecer formatos, parámetros y guías con el fin de transformar toda la información de ventas ya

existente del 2020 y la que llegaría en el 2021 para adelante. Al momento de revisar los archivos de

ventas de todos los e-retailers que se generaron en el año pasado, se encontró con un gran desorden

de información. Los reportes de cada e-retailer estaban en una estructura distinta, con mucha

información inservible y aquella que era relevante, se encontraba en distintos formatos. Luego de

haber establecido los parámetros bajo los cuales se unificaría toda la información, llegó el proceso más

largo de esta etapa: revisar archivo por archivo del 2020 y verificar que cada uno tuviera coherencia

con la información que aparecía en los reportes oficiales consolidados de e-commerce. Fue necesario

realizar este proceso ya que los archivos con las ventas de cada retailer en todo el año iban a ser

utilizados para la creación de la base de ventas unificada y consolidada, con el formato simplificado

previamente establecido.

Era evidente que, debido a la falta de organización y a la manualidad en la que se construía el

reporte que consolidaba todas las ventas de los e-retailers, la información de estos iba a ser distinta a

las cifras que se encontraban en los reportes individuales de cada retailer. Esto conllevo a un arduo

proceso en el que se identificaba la razón por la cual los números de los reportes individuales no

coincidían con el consolidado de ventas ya reportados. Adicional a esto, había varios archivos de los


retailers que no contaban con la información necesaria para añadirlos dentro del formato único bajo

los cuales se consolidarían las ventas. Por consecuencia, fue necesario buscar la información faltante

en las bases de datos maestras. Fue necesario solicitar dichas bases de datos a las distintas divisiones

de la compañía, por lo que esto generó un cuello de botella adicional que demoró aún más el proceso

de transformación y unificación de la información.

Después de semanas de transformación de los archivos al formato establecido, por fin se contaba

con una carpeta de varios archivos de Excel que reunía todas las ventas de los e-retailers en el 2020. Lo

único que faltaba era poder unir todos estos archivos en una sola base de datos maestra, la cual

contuviera toda la información del año en un solo lugar. Aquí fue en donde se empezó a utilizar la

poderosa herramienta Power Query. Este programa facilitó increíblemente la tarea de unificar todos

los archivos guardados en una carpeta. Vale aclarar que dicha tarea fue tan rápida debido a que todos

los documentos que se iban a juntar tenían la misma estructura. Si no hubiera sucedido esto, la

consolidación de estos habría sido sumamente difícil y muchísimo mas demorada. Luego de conectar

la fuente de información a Power Query, todas las ventas del 2020 fueron cargadas a una sola hoja de

Excel. Esto dejó como resultado una tabla con 10 columnas y aproximadamente 451,000 filas. Esto se

traducía en una base de ventas sólida, unificada, simplificada y lista para ser accionada. El mayor

beneficio de este proceso es que, cada vez que se agregue un nuevo archivo a la carpeta que está

conectada a la gran base de ventas a través de Power Query, se cargará automáticamente dicha

información del nuevo archivo en la tabla de Excel que consolida todas las ventas del año. Esto

automatiza completamente el proceso de recolección y transformación de data, por lo que nunca más

se tendrán que hacer los procesos tan manuales y tediosos del pasado. Esto nunca fue visto antes en

el área de e-commerce de L’Oréal. Ahora el proceso sería exactamente el mismo para consolidar en

una sola base de datos las ventas de todos los e-retailers del 2021; todo de forma automatizada.

Después de finalizar con esta larga pero enriquecedora etapa, fue momento de empezar a

resumir la información en tablas dinámicas, con el fin de poder presentarla de forma sencilla y visual.

Gracias a la diversa información que incluye la base de datos, se pudieron realizar distintas matrices

que incluían datos listos para ser presentados en la nueva versión del reporte consolidado de ventas.

Se creó un “reporte espejo”, en donde se muestra la información de forma atractiva y limpia a simple

vista, pero detrás de ese reporte hay numerosas fórmulas, conexiones y filtros que alimentan ese

reporte amigable para cualquiera que lo vea. Dicho reporte se construyó con base a las

recomendaciones, sugerencias y aportes del equipo de e-commerce.

Debido a que no se contaba con un dashboard que mostrara y graficara de forma interactiva e

intuitiva el comportamiento de las ventas en e-commerce, se procedió a crear uno. Gracias a todos los

insumos de tutoriales, capacitaciones y artículos sobre visualización de datos que fueron consumidos,

se pudo construir un dashboard en Excel el cual se actualiza automáticamente a medida que nuevos

archivos fueran añadiéndose en la carpeta maestra. Este grafica información relevante relacionada al

comportamiento a través de los meses, participación de los e-retailers, desempeño de las marcas,

comparaciones versus periodos pasados, entre otros. Vale aclarar que se creó un dashboard para la

información del 2020 y otro para la información de 2021. Todas estas herramientas visuales

comprender y analizar las ventas de forma más precisa, acertada y en menor tiempo. Esto

indudablemente mejora todo el proceso de toma de decisiones y de análisis de resultados.

Si bien Excel es una excelente herramienta para crear dashboards y gráficas interactivas, Power BI

es una plataforma especializada en la visualización de datos, por lo que se debía aprovechar todo el

conocimiento adquirido para ponerlo en práctica en la creación de los nuevos reportes. La creación de

los reportes gráficos en Power BI tomó un poco mas de tiempo, ya que a medida que se iban

construyendo, surgían nuevos inconvenientes y errores, por lo que era necesario remitirse a los


recursos educativos ya mencionados para solucionar las fallas. Esta plataforma es mucho mas versátil,

amigable y especializada, por lo que se pudieron implementar mejoras en la experiencia de usuario y

navegabilidad, volviéndolo mucho más interactivo y fácil de utilizar, comparado con el dashboard ya

existente en Excel.

10. CONCLUSIONES Y RECOMENDACIONES

Después de haber implementado el proyecto de business intelligence en el e-commerce de

L’Oréal Colombia, los resultados obtenidos son sumamente positivos y estos perdurarán después de

acabar las prácticas empresariales. Los procesos, métodos y herramientas que fueron construidos e

implementados en este periodo de tiempo les facilitarán abismalmente las tareas diarias a los

próximos miembros del equipo digital. A continuación, se muestra la comparación antes y después de

implementar el proyecto de business intelligence:

En primer lugar, un resultado sumamente positivo fue la reducción del tiempo en el que se

reportan los resultados mensuales. Se redujo casi en un 50% el tiempo en el que se le comunica a la

compañía el rendimiento de las ventas del mes, esto permite una mayor coordinación con el resto de

las áreas y equipos de la empresa para la creación de estrategias, campañas y planes. Vale mencionar

que hay factores externos al equipo que impiden que dicho tiempo de reportaje sea inferior. Esto se

explicará en el apartado de limitaciones.

En términos de estructuración y ubicación de los archivos de ventas, los cambios también son

significativos. Antes, los archivos de cada retailer tenían una estructura distinta, es decir, incluían

información diferente y gran parte de esta era irrelevante o innecesaria y aun así se incluía en los

archivos. Ahora, todos los archivos de Excel que reúnen las ventas de cada retailer tienen el mismo


formato, es decir, las mismas 10 columnas. Esto permite crear la base de datos maestra, la cual reúne

toda la información de todos los meses de todos los retailers, para después crear todas las

herramientas de visualización. Sin una estructura igual para todos los archivos de venta, sería casi

imposible generar relaciones entre las ventas de los distintos retailers y marcas.

Otro cambio significativo es la forma en la que ahora se puede visualizar las ventas de e-

commerce. Antes la única herramienta visual se limitaba a una tabla sumamente compleja en Excel, la

cual no tenía ningún impacto en términos de análisis ni de interpretación. Ahora, se cuenta con un

reporte sumamente intuitivo en Excel y con dos dashboards, uno en Excel y otro en Power BI. Estas

nuevas ayudas permiten ir mucho mas al detalle del comportamiento de las ventas a lo largo del 2020

y 2021, lo cual facilita enormemente la toma de decisiones, la creación de hipótesis y el entendimiento

de alzas y caídas en los resultados, entre muchos otros beneficios. A continuación, se muestra el antes

y el después de las herramientas visuales para las ventas de e-commerce:

Visualización de datos antes del proyecto de business intelligence: Vale aclarar que estas tablas

corresponden únicamente al mes de diciembre, es decir, hay 11 tablas más iguales a estas

representando las ventas de los otros 11 meses del año. Adicional a eso, las ventas de cada mes se

colocaban de forma manual, es decir, se copiaban y pegaban para qué quedaran consolidadas en este

reporte. Esto incrementaba potencialmente el tiempo en el que se consolidaba la información.


Visualización de datos después del proyecto de business intelligence: La primera imagen

muestra el reporte que se creo de forma mucho mas sencilla de visualizar, completamente capaz de

crear comparaciones y lo más importante de todo, se actualiza automáticamente, no hay necesidad de

copiar ni pegar ningún tipo de información, todo se carga de forma automática desde la base de datos

que se creó. Adicional a esto, los botones permiten filtrar la información por mes y por división, esto

ahorra mucho espacio y le da mayor experiencia de usabilidad. La segunda imagen corresponde al

dashboard creado en Excel y la tercera corresponde al de Power BI. Los tomadores de decisiones

podrán aprovechar todas las herramientas visuales con las que disponen los dashboards, esto permite

un análisis e interpretación mucho más preciso y detallado. En estos se puede navegar de forma

didáctica y sencilla. Además, gracias a los filtros es posible hacer énfasis en alguna variable, para

poder observar de forma más exacta la información deseada.


Nuevo reporte de ventas en Excel

Dashboard interactivo en Excel


Dashboard interactivo en Power BI

También vale mencionar que incluso las presentaciones que se realizaban para comunicar los

resultados mensuales mejoraron notablemente, ya que se utilizan las mismas herramientas visuales

disponibles en los dashboards y en el reporte nuevo. Antes, las presentaciones no contaban con

ningún tipo de gráficas ni apoyos visuales. Ahora, la presentación mensual esta enriquecida de

gráficas, comparaciones y visuales mucho más dicientes y representativos para el análisis e

interpretación de los resultados de e-commerce.

En términos de recomendaciones para el área de e-commerce, es fundamental que el equipo

siempre tenga una mentalidad orientada a la inteligencia de negocios, a la innovación de procesos y al

mejoramiento constante de las prácticas. Si bien se realizó un progreso sumamente importante en la

automatización y modernización del área, todavía se puede llegar mucho más adelante. Para esto, es

necesario que todos los miembros del equipo estén en constante búsqueda de soluciones y métodos

innovadores para modernizar y automatizar todos los procesos relacionados con el negocio, ya que

esto permitirá dedicarles mayor tiempo a las actividades relevantes, como a la toma de decisiones y

generación de estrategias, en lugar de dedicar tiempo valioso en tareas mecánicas que podrían estar

siendo automatizadas.

Adicional a esto, la inteligencia de negocios es una práctica sumamente amplia (desde minería de

datos y recolección de información secundaria hasta big data), la cual abarca muchas áreas. Los

beneficios de tener pericia, destreza y know-how en estos campos permitirán un desarrollo de negocio

sumamente profesional y capaz de entregar soluciones y planes de trabajo aptos para resolver los

retos constantes que surgen en la actualidad. Debido a esto, el equipo debe tener dentro de sus

prioridades urgentes la capacitación y aprendizaje de esas prácticas, así como la incorporación de

capital humano especializado en el análisis de negocios (business intelligence analysts), ya que a la

fecha no se le ha dado mayor importancia al tema de análisis de datos dentro del e-commerce de

L’Oréal.


11. LIMITACIONES Y FUTURAS LÍNEAS DE INVESTIGACIÓN

La limitación más grande que se evidenció en la realización del proyecto es la demora para

recibir los reportes de ventas por parte de los retailers. Debido a que no se cuenta con una base de

datos compartida en donde los distintos clientes puedan cargar las ventas que tuvieron para el cierre

del mes, es necesario esperar a que cada uno de los 17 retailers envíen el reporte de ventas. Esto

genera un gran cuello de botella ya que en numerosas ocasiones dichos reportes los envían sin el

código maestro (necesario para realizar la gestión y transformación de la data), o solo mandan ventas

totalizadas mas no discriminadas por transacción (es necesario tener por transacción ya que así se

conoce cuáles han sido los productos más vendidos). Cuando suceden estos inconvenientes, toca

volverse a comunicar con el retailer para que reenvíe las ventas de la forma adecuada. Es por esto por

lo que los resultados mensuales solo se han podido compartir 18 días después del cierre del mes y no

en el día siguiente que se finaliza dicho periodo. Adicional a esto, cada retailer manda las ventas en

tiempos distintos, algunos se demoran más que otros, por lo que tampoco es posible realizar una

gestión rápida ya que toca esperar a obtener todos los reportes.

La segunda limitación que se obtuvo al momento de desarrollar este proyecto está ligada a la

información limitada que envían los retailers con respecto a las ventas. Estos se limitan únicamente a

mandar el producto y su respectivo código que se vendió, la marca del producto, la cantidad y el

valor total de la transacción. En algunos casos envían la fecha de cada transacción, pero son pocos los

que las comparten de esta forma. A pesar de que se pudo crear un modelo de datos detallado para

analizar el comportamiento de las ventas, este todavía sigue siendo muy limitado. A continuación, un

listado de algunos ejemplos de información sumamente valiosa que los retailers no comparten con

L’Oréal:

• Fecha (día, mes, hora) exacta de la transacción (son pocos los retailers que la comparten)

• Lugar geográfico de donde se hizo la compra

• Información del comprador (edad, género, ubicación, correo electrónico, etc.)

• Dispositivo desde el cual se realizó la compra

Contar con esta información permitiría un análisis mucho más profundo y detallado sobre el

comportamiento de las ventas, dejando como resultado una generación de insights, conclusiones,

tendencias y estrategias mas acertadas y representativas.

Una posible línea de investigación para resolver esta limitación la provee la plataforma MySQL.

Esta es un sistema de gestión de bases de datos la cual permite una accesibilidad e integración de

información sumamente amplia. MySQL funciona con el lenguaje de programación SQL (Structured

Query Language), por lo que si se desea implementar esta herramienta sería necesario la capacitación

y aprendizaje en este lenguaje de programación. Contar con una base de datos compartida creada a

partir de SQL sería sumamente provechoso ya que la data estaría aun mas centralizada, unificada y

disponible en tiempo real. Excel y Power BI son capaces de vincularse con las bases de datos creadas

en MySQL, por lo que ya no sería necesario esperar a que los retailers envíen los reportes de ventas ni

mucho menos preocuparse por los formatos en los que los mandan, ya que al cargar las ventas en

dicha base de datos compartida (shared database repository) toda la información tendría la misma

estructura. La implementación de esto pondría mucho mas a la vanguardia la automatización y

modernización de procesos en el e-commerce de L’Oréal.

Otra línea de investigación que podría proveer mayores cantidades de información

independientes a las que mandan los retailers se encuentra en el big data. Esta práctica permitiría

recolectar volúmenes inmensos de información relacionada a tendencias en el mercado de la belleza,

comportamiento y opiniones del consumidor, análisis de redes sociales, hasta podrían implementarse

softwares de recomendación de estrategias. Evidentemente esta práctica es mucho mas compleja y


requeriría grandes cantidades de recursos, destinados a la capacitación y adquisición de personal

calificado, obtención de recursos, entre otros. Sin embargo, las retribuciones de implementar big data

podrían ser cuantiosas. Esto le permitiría al área de e-commerce no depender únicamente sobre la

información que comparten los retailers, sino que ya contaría con su propio sistema de obtención de

data sumamente valiosa.

12. AVAL FINAL DE LA EMPRESA/ORGANIZACION

Adjunto en la carpeta correspondiente de taller de grado.


13. ANEXOS

1. Organigrama

2. Fuentes de datos disponibles para Power Query


3. Ejemplos de dashboards en Tableau y Power BI

4.Diplomado en Business Intelligence en la Universidad del Rosario


14. REFERENCIAS

1. Agnellutti, C. (2014). Big Data: An Exploration of Opportunities, Values, and

Privacy Issues [E-book]. Nova Science Pub Inc.

https://login.ezproxy.javeriana.edu.co/login?url=https://search.ebscohost.com/login.

aspx?direct=true&db=e000xww&AN=811106&lang=es&site=eds-

2. Heinze, J., C., Pardo-Bunte, M., Lambert, M., C., & C. (2020). History of Business

Intelligence. Better Buys. https://www.betterbuys.com/bi/history-of-business-

intelligence

3. Holler, J., Tsiatsis, V., Mulligan, C., Karnouskos, S., Avesand, S., & Boyle, D.

(2014). Internet of Things: Technologies and Applications for a New Age of

Intelligence (1st ed.) [E-book]. Academic Press.

https://login.ezproxy.javeriana.edu.co/login?url=https://search.ebscohost.com/logi

n. aspx?direct=true&db=e000xww&AN=503597&lang=es&site=eds-

live&ebv=EB&ppid=pp_310

4. H.Wang, Z. Xu, H. Fujita, & S. Liu. (2016). Towards felicitous decision making:

An overview on challenges and trends of big data. Inf. Sci., vol. 367–368, pp. 747–765.

5. J. Lu, G. Zhang, D. Ruan, & F. Wu. (2007). Multi-Objective Group Decision

Making: Methods, Software and Applications With Fuzzy Set Techniques.

Singapore: World Scientific.

6. Lu, J., Yan, Z., Han, J., & Zhang, G. (2019). Data-Driven Decision-Making

(D3M): Framework, Methodology, and Directions. IEEE Transactions on

Emerging Topics in Computational Intelligence, 3(4), 286–296.

https://doi.org/10.1109/tetci.2019.2915813

7. Luhn, P., 1958. A Business Intelligence System. 4th ed. IBM Journal of Research

and Development, pp.314-319. https://doi.org/10.1147/rd.24.0314

8. Microsoft. (2020). What is Power Query? Microsoft Docs.

https://docs.microsoft.com/en-us/power-query/power-query-what-is-power-query

9. Microsoft. (n.d.). Power Pivot: análisis de datos eficaz y modelado de datos en Excel.

https://support.microsoft.com/es-es/office/power-pivot-an%C3%A1lisis-de-datos-

eficaz-y-modelado-de-datos-en-excel-a9c2c6e2-cc49-4976-a7d7-40896795d045

10. Statista. (2021). L’Oréal’s market share worldwide 2019, by region.

https://www.statista.com/statistics/243955/market-share-of-loreal-by-region/

11. Statista. (2020). Brand value of the leading 10 cosmetic brands worldwide 2020.

https://www.statista.com/statistics/243722/brand-value-of-the-leading-15-cosmetic-

brands-worldwide/https://chemistscorner.com/the-20-biggest-cosmetic-companies-

in-the-world/

12. Tableau. (n.d.). 5 real examples of business intelligence in action. Tableau.

https://www.tableau.com/learn/articles/business-intelligence-examples

13. Wigmore, I. (2020). 3Vs (volume, variety and velocity).

WhatIs.Com.

https://whatis.techtarget.com/definition/3Vs#:%7E:text=The%203Vs%20(volume

%

2C%20variety%20and,or%20dimensions%20of%20big%20data.&text=Gartner%2

0

analyst%20Doug%20Laney%20introduced,data%20volume%2C%20variety%20a

n d%20velocity.

http://www.betterbuys.com/bi/history-of-business-

https://doi.org/10.1109/tetci.2019.2915813

https://docs.microsoft.com/en-us/power-query/power-query-what-is-power-query

https://support.microsoft.com/es-es/office/power-pivot-an%C3%A1lisis-de-datos-eficaz-y-modelado-de-datos-en-excel-a9c2c6e2-cc49-4976-a7d7-40896795d045

https://support.microsoft.com/es-es/office/power-pivot-an%C3%A1lisis-de-datos-eficaz-y-modelado-de-datos-en-excel-a9c2c6e2-cc49-4976-a7d7-40896795d045

http://www.statista.com/statistics/243955/market-share-of-loreal-by-region/

http://www.statista.com/statistics/243955/market-share-of-loreal-by-region/

http://www.statista.com/statistics/243722/brand-value-of-the-leading-15-cosmetic-

http://www.statista.com/statistics/243722/brand-value-of-the-leading-15-cosmetic-

https://www.tableau.com/learn/articles/business-intelligence-examples


14. Zaman, S. (n.d.). 6 Ways the Internet of Things (IoT) Can Help Your Ecommerce

Effort. Small Business Rainmaker. https://www.smallbusinessrainmaker.com/small-

business-marketing-blog/6-ways-the-internet-of-things-iot-can-help-your-

ecommerce-effort

https://www.smallbusinessrainmaker.com/small-business-marketing-blog/6-ways-the-internet-of-things-iot-can-help-your-ecommerce-effort

