Big Data y los efectos de su implementación en las empresas. Estudio de caso: Vicrila Industrias de Vidrio S.L.U.

ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Cu so 2022/2023 Au o a: Ma ina Se ano Muñoz Di ec o a: Pa icia Abelai as E xeba ia En Bilbao, a eb e o de 2023 2 3 ÍNDICE ÍNDICE DE TABLAS Y FIGURAS ............................................................................................................5 ÍNDICE DE SIGLAS ...............................................................................................................................5 RESUMEN ...........................................................................................................................................6 INTRODUCCIÓN ..................................................................................................................................6 CAPÍTULO I: BIG DATA. CONCEPTOS BÁSICOS. ...................................................................................9 1.1. DEFINICIONES ..........................................................................................................................9 1.2. LOS DATOS ............................................................................................................................ 10 1.2.1. Ca ac e ís icas ................................................................................................................ 10 1.2.2. Clasi icación de los da os ................................................................................................ 11 1.2.2.1. Tipos de da os ..................................................................................................... 11 1.2.2.2. Fuen es de da os ................................................................................................. 12 1.3. UNIDADES MÉTRICAS ............................................................................................................ 14 CAPÍTULO II: EFECTOS DE LA IMPLEMENTACIÓN DEL BIG DATA. ...................................................... 16 2.1. BENEFICIOS DE LA IMPLEMENTACIÓN DEL BIG DATA ............................................................ 16 2.1.1. E iciencia y p oduc i idad ............................................................................................... 16 2.1.2. Cap ación de clien es y segmen ación del me cado......................................................... 17 2.1.3. Reducción de cos es........................................................................................................ 18 2.1.4. Valo emp esa ial y en aja compe i i a ......................................................................... 18 2.1.5. Mejo as sociales ............................................................................................................. 19 2.2. DESAFÍOS DE LA IMPLEMENTACIÓN DEL BIG DATA ............................................................... 20 2.2.1. In e sión ......................................................................................................................... 20 2.2.2. Fal a de pe sonal capaci ado ........................................................................................... 20 2.2.3. Cambios in e nos en la emp esa ..................................................................................... 21 2.2.4. Compe encia................................................................................................................... 22 2.2.5. P o anación de la p i acidad ........................................................................................... 22 CAPÍTULO III: ESTUDIO DE IMPLEMENTACIÓN DEL BIG DATA. VICRILA INDUSTRIAS DE VIDRIO S.L.U. ......................................................................................................................................................... 24 3.1. LA EMPRESA .......................................................................................................................... 24 3.2. USO DE LOS DATOS ............................................................................................................... 24 3.2.1. C eación de da os ........................................................................................................... 25 3.2.2. Recogida y analí ica de los da os ..................................................................................... 26 3.3. VOLUMEN DE DATOS ............................................................................................................ 27 3.4. EFECTOS DEL USO DE LOS DATOS .......................................................................................... 29 3.4.1. Bene icios ....................................................................................................................... 29 3.4.1.1. E iciencia ene gé ica ............................................................................................ 30 3.4.1.2. Agilidad y p ecisión .............................................................................................. 30 3.4.1.3. Ven aja compe i i a............................................................................................. 30 3.4.2. Desa íos .......................................................................................................................... 31 3.4.3. Impac o del uso del Big Da a en el u u o ........................................................................ 31 3.4.3.1. Es a egias y obje i os ......................................................................................... 32 4 CONCLUSIÓN .................................................................................................................................... 34 REFERENCIAS .................................................................................................................................... 37 APÉNDICE ......................................................................................................................................... 39 5 ÍNDICE DE TABLAS Y FIGURAS Tablas Tabla 1. Tipos de uen es del Big Da a ..................................................................................12 Tabla 2. Escala de medida digi al de by es ............................................................................14 Tabla 3. Relación en e depa amen os y p og amas de c eación de da os en Vic ila Indus ias de Vid io S.L.U. .....................................................................................................25 Tabla 4. Volúmenes de da os según uen es empleadas po Vic ila Indus ias de Vid io S.L.U. .............................................................................................................................................28 Tabla 5. Obje i os en ocados en el nue o panel de mandos o ien ado a los sis emas in o má icos en Vic ila Indus ias de Vid io S.L.U. .................................................................33 Figu as Figu a 1. P oceso de acili ación de da os en Vic ila Indus ias de Vid io S.L.U. .....................26 ÍNDICE DE SIGLAS  ABC: Ac i i y Based Cos ing  BDA: Big Da a Analy ics  BI: Business In elligence  ERP: En e p ise Resou ce Planning  GPS: Sis ema de Posicionamien o Global  IA: In eligencia A i icial  IBM: In e na ional Business Machines Co po a ion  IoT: In e ne o Things  IT: In o ma ion Technology  LOPD: Ley O gánica de P o ección de Da os  M2M: Machine o Machine  MES: Manu ac u ing Execu ion Sys em  MGI: McKinsey Global Ins i u e  ML: Machine Lea ning  RRHH: Recu sos Humanos  SGA: Sis ema de Ges ión de Almacenes  SGI: Silicon G aphics Inc  SMS: Sho Message Se ice 6 RESUMEN El p incipal obje i o de es e abajo se cen a en el es udio de los e ec os de la implemen ación del uso de los da os masi os en las emp esas, examinando así los posibles bene icios y desa íos que pueda conlle a . Pa a ello, se analiza án los p incipales aspec os del mundo de los da os y del Big Da a, los cuales se han de ene en cuen a pa a el pe ec o en endimien o del es udio. A con inuación, se desa olla án los bene icios y desa íos más des acados que las emp esas expe imen an du an e la aplicación de la u ilización de los da os en su ac i idad. Además, pa a pode abo da el ema desde la pe spec i a más eal y ce cana posible, se ha analizado en conc e o la emp esa izcaína Vic ila Indus ias de Vid io S.L.U., obse ando así sus dis in as mane as de emplea los da os. Finalmen e, el es udio concluye en una isión gene al de la implan ación de he amien as Big Da a en las emp esas, así como en p opues as suge idas en el uncionamien o de la emp esa analizada pa a pode alcanza una mayo e iciencia y mejo as en sus esul ados. LABURPENA Lan honen helbu u nagusia enp ese an da u masiboak e abil zeaga ik e agindako ondo ioak ike zean da za, so u ahal di en aban ailak e a e agozpenak az e uz. Ho e a ako, da uen mundua e a Big Da a en ezauga i nagusiak analiza uko di a, zeinak kon uan izan beha di a lana en e aba eko ule mena esku a zeko. Ondo en, enp esek haien ja due an zeha da u masiboak e abil zea en ondo ioz espe imen a zen di uz en aban aila e a e agozpen naba menenak ga a uko di a. Gaine a, gaia i ikuspun u e eal e a ge uene ik ekin ahal iza eko, Vic ila Indus ias de Vid io S.L.U. bizkai a enp esa az e u da, da uak us ia zen di uz en modu ezbe dinak beha uz. Azkenik, enp ese an Big Da a e amin ak eza zea en ikuspegi o oko a ema en da, bai a az e u ako enp esak e izien zia handi zeko e a be e emai zan hobekun zak lo zeko ha en un zionamendu ako p oposamenak ondo ioz a zen di a. SUMMARY The main objec i e o his wo k is o s udy he e ec s o he implemen a ion o he use o mass da a in companies, by examining he possible bene i s and challenges ha i may en ail. Fo his, he main aspec s o he wo ld o da a and Big Da a will be analyzed, which mus be conside ed o he pe ec unde s anding o he s udy. Nex , we will de elop he mos ou s anding bene i s and challenges ha companies expe ience du ing he applica ion o he use o da a in hei ac i i y. In addi ion, in o de o be able o app oach he issue om he mos eal and close possible pe spec i e, he Biscayan company Vic ila Indus ias de Vid io S.L.U. has been speci ically analyzed, hus obse ing i s di e en ways o making use o hei da a. Finally, he s udy concludes wi h an o e iew o he implemen a ion o Big Da a ools in companies, as well as sugges ed p oposals in he ope a ion o he analyzed company o achie e a g ea e e iciency and imp o emen s in i s esul s. 7 INTRODUCCIÓN La de inición del é mino “da os” es á cambiando en el mundo emp esa ial. Ya no son una simple in o mación almacenada en bases de da os ol idadas. Hoy en día ya se habla de lo que se ha con e ido en el ac i o más alioso de las o ganizaciones. Las emp esas ya no pueden con o ma se con un uncionamien o adicional, debido a que la economía deja a ás a aquellas o ganizaciones que no son capaces de adap a se a las nue as co ien es ecnológicas. Los da os es án p opo cionando a las emp esas la opo unidad de di e encia se en e las demás del sec o , alcanzando la máxima e iciencia g acias a su uso. Po lo an o, cuan o más iables sean los da os, más a iedad ob engan y más ápido se adquie an, mejo es es a egias se pod án adop a en la ac i idad, lo que p o oca á un mayo pode emp esa ial. Aquí es donde nace el enómeno Big Da a. Aunque la idea del análisis de da os ya su gió décadas a ás de la mano de g andes au o es, no ha sido has a es a úl ima e olución ecnológica cuando se ha empezado a no maliza la in oducción de dicha es a egia. Al se una he amien a que, a simple is a, pa ece es a únicamen e al alcance de g andes mul inacionales, aún exis en muchas ba e as en e las pequeñas y medianas emp esas al en ende la impo ancia del alo de los da os, desencadenando así un g an núme o de o ganizaciones que pod ían es a desa ollando su ac i idad de una mane a más e icien e y p oduc i a. Es po ello po lo que se ha elabo ado la in es igación en o no a es e mundo, despe ando así el in e és ace ca de la búsqueda de espues as sob e el echazo y acep ación del uso de los da os en dichas emp esas. Pa a ello, el obje i o p incipal de inido gi a en o no al análisis de los bene icios y desa íos expe imen ados po las emp esas a la ho a de implemen a he amien as Big Da a, es udiando en conc e o el caso de la emp esa Vic ila Indus ias de Vid io S.L.U., o eciéndoles a su ez una solución a sus posibles di icul ades de adap ación. De es a mane a, se busca que la emp esa pueda edi ecciona su mé odo de empleo de los da os, gene ando así una mayo e iciencia en su ac i idad emp esa ial, y, en consecuencia, mejo es esul ados. Al se una cues ión an no edosa, los lími es p incipales encon ados en la elabo ación e in es igación del es udio es án cla os: la búsqueda de emp esas p edispues as a mejo a su endimien o median e el uso de los da os, así como la aún escasa in o mación pa a indaga p o undamen e en el ema. Con el in de lle a a cabo la in es igación, se ha hecho uso de a ias uen es de in o mación y me odologías, des acando en e ellas la en e is a ealizada el día 10 de no iemb e de 2022 a la emp esa p e iamen e mencionada. A su ez, cabe menciona el empleo de lib os, a ículos cien í icos y es udios especializados en el ema, así como el o igen idiomá ico de las uen es consul adas, el cual ha sido an o en inglés como en español. En cuan o a la o ganización y es uc u a, la in es igación se ha di ido en es capí ulos p incipales. El p ime o, “Big Da a. Concep os básicos.” iene como obje i o pone en si uación al lec o , in o mando ace ca de las p incipales ca ac e ís icas en o no al Big Da a. En él se pueden encon a dis in as de iniciones, así como in o mación ace ca de su ma e ia p ima, los da os, inalizando con las unidades olumé icas de es os. En el segundo capí ulo, “E ec os de 8 la implemen ación del Big Da a.”, nos aden amos en la p incipal cues ión del es udio, hallando así los bene icios y desa íos más ca ac e ís icos que las emp esas expe imen an du an e la in oducción de dicha he amien a. Po úl imo, en el capí ulo “Es udio de implemen ación del Big Da a. Vic ila Indus ias de Vid io S.L.U.” se mues a el análisis ealizado sob e la si uación ac ual de la emp esa en lo que se e ie e al empleo de los da os, así como su u u a isión en el ámbi o. 9 CAPÍTULO I: BIG DATA. CONCEPTOS BÁSICOS. 1.1. DEFINICIONES An es de aden a se en el mundo del Big Da a, es necesa io en ende el concep o de una mane a eó ica. Al no exis i una de inición p ecisa pa a el é mino, se analiza án dis in as desc ipciones lle adas a cabo po au o es que han es udiado y abajado el Big Da a desde dis in os pun os de is a. Desde hace ya más de una década, se esc ibie on de iniciones comple as y con semejanzas ieles a lo que es el enómeno Big Da a hoy día. Dependiendo del au o , la de inición se en oca á en dis in as ca ac e ís icas del Big Da a, al y como se analiza á a con inuación. En e los años 2011 y 2012, son a ios los au o es que p esen aban el Big Da a cen ándose en la incapacidad de almacenamien o de da os que exis ía en aquel en onces. Se pueden lee de iniciones ealizadas po p o esionales de g andes consul o as como Ga ne , McKinsey e IDC, o de la audi o ía Deloi e. Se des aca en e ellas la explicación de McKinsey Global Ins i u e (MGI): “Big Da a se e ie e a los conjun os de da os cuyo amaño es a más allá de las capacidades de las he amien as ípicas de so wa e de bases de da os pa a cap u a , almacena , ges iona y analiza ” (Joyanes, 2013). Rica do Ba anco F agoso, In o ma ion Technology (IT) Specialis pa a In o ma ion Managemen de In e na ional Business Machines Co po a ion (IBM) So wa e G oup México, de inió en 2012 que el Big Da a es: “La endencia en el a ance de la ecnología que ha abie o las pue as hacia un nue o en oque de en endimien o y oma de decisiones, la cual es u ilizada pa a desc ibi eno mes can idades de da os […] que oma ía demasiado iempo y se ía muy cos oso ca ga los a una base de da os elacional pa a su análisis. De al mane a que, el concep o de Big Da a aplica pa a oda aquella in o mación que no puede se p ocesada o analizada u ilizando p ocesos o he amien as adicionales” (Ba anco, 2012). Tal y como indican Cowls y Sch oede (2015), el Big Da a es una he amien a implemen ada y u ilizada po las emp esas que analizan g andes olúmenes de da os, con el obje i o de implan a pau as en la ac i idad, emplea la es adís ica y alo a las opo unidades que puedan su gi . De es a mane a, se pod á op a po las decisiones más adecuadas pa a la emp esa en iempo eal. A di e encia de las de iniciones an e io es, se puede obse a que es os au o es des acan la impo ancia de la analí ica de los da os ecopilados y la calidad del esul ado ob enido a pa i de ellos, lo que es imp escindible hoy día pa a lle a a cabo es e p oceso. O a de inición, es a ez cen ándose en la e acidad de los da os, una de las ca ac e ís icas p imo diales del Big Da a, es: “El Big Da a es una inno ación que pe mi e la disponibilidad de da os p ecisos y comple os pa a basa decisiones” (Baillie, 2016, como se ci ó en Duque- Ja amillo y Villa-Enciso, 2016). Una de las explicaciones más ac uales es la de To o y Laniado (2019): 16 CAPÍTULO II: EFECTOS DE LA IMPLEMENTACIÓN DEL BIG DATA. Po p ime a ez en la his o ia exis e la capacidad de analiza y accede a olúmenes masi os de in o mación que se gene an en la ac ualidad día as día. Es o puede con e i se an o en opo unidad como en iesgo pa a las emp esas e ins i uciones, dependiendo de la si uación en la que se encuen e cada una (O ega, 2017). Pa a analiza la u ilidad y endimien o del Big Da a, se es udia á la implemen ación desde un pun o de is a emp esa ial y social, de mane a que in luya an o en la ac i idad de las emp esas como en la sociedad. 2.1. BENEFICIOS DE LA IMPLEMENTACIÓN DEL BIG DATA “Jun o con el capi al y la ue za de abajo, los da os se han con e ido en un alo añadido pa a la economía que e leja un u u o con un pa adigma e oluciona io en el que la sociedad se á di igida po los da os. El u u o es a en la in es igación, a amien o y aplicación de los da os que apo a án p ospe idad a nues a sociedad” (Monleon-Ge ino, 2015). Es a nue a e a de a ances ecnológicos condiciona a las emp esas a la ho a de ealiza su ac i idad, debido especialmen e a dos enómenos. Po una pa e, la elocidad de la ans o mación ecnológica de la in o mación y comunicación nunca an es expe imen ada a la que se exponen las o ganizaciones, y que supone cambios en sus unciones. Po o a pa e, el g an olumen de in o mación al que las emp esas ienen acceso, ocasionado po écnicas inno ado as que hacen posible una mayo p ecisión a la ho a de oma decisiones y de ini es a egias. Po ello, la ob ención de he amien as y écnicas pa a ges iona ambos enómenos y el conocimien o y empleo del Big Da a se han uel o de g an impo ancia pa a aquellas emp esas que quie an sob e i i en es e nue o ambien e ecnológico (O ega, 2017). 2.1.1. E iciencia y p oduc i idad Ba is ič y an de Laken (2019) se cen an especialmen e en la analí ica de da os. Los au o es explican que eniendo en cuen a el con ex o ex e no e in e no de las o ganizaciones, el Big Da a Analy ics (BDA) puede llega a se un ecu so capaz de conduci a la emp esa a la e iciencia median e el uso ap opiado de es e. La analí ica de da os puede se la di e encia en e emp esas de al o y bajo endimien o, ya que es una he amien a que o ien a a la o ganización hacia el u u o, a la ez que p o oca la educción de cos es y el inc emen o de ing esos. En la in es igación de Joyanes (2013) se menciona un es udio ealizado po los p o eso es McA ee y B ynjol sson, en el que asegu an que las o ganizaciones que hacen uso del p oceso Big Da a, son un 5 % más p oduc i as y un 6 % más en ables que su compe encia o emp esas simila es a es as. Figue es (2017) ambién hace e e encia al Big Da a como una he amien a capaz de minimiza el iesgo a la ho a de descub i opo unidades y amenazas. A su ez, se des aca la e icacia y complegidad log ada en la ac i idad emp esa ial debido a la mejo a en la di isión 17 del abajo y del conocimien o, pudiendo así mejo a la elación an o in e na como ex e na de la o ganización. La e iciencia de los esul ados del Big Da a ambién puede se pe cibida en la mejo a y desa ollo de p oduc os y se icios, en la o e a a clien es de una in o mación más cla a y ápida pa a su oma de decisiones, y en la ob ención de in o mación ace ca de p oduc os y se icios de la compe encia, pudiendo así ajus a el p opio a las p e e encias del comp ado (Claici, 2018). Po lo an o, “el Big Da a se i á como apoyo, sopo e y undamen ación pa a decidi cómo ac ua bajo cie as ci cuns ancias” (Mix News Colombia, 2015, como se ci ó en Duque- Ja amillo y Villa-Enciso, 2016). 2.1.2. Cap ación de clien es y segmen ación del me cado En la in es igación de To o y Laniado (2019) el Big Da a se en oca en la cap ación de clien es. Se ha de ene en cuen a que los usua ios de la ed u ilizan dis in os medios a los cuales las emp esas pueden accede , ecopilando así in o mación ace ca de ellos. Dicha in o mación hace e e encia a gus os, compo amien os, u inas, p e e encias y endencias. A a és del análisis de es as ac i idades, el analis a de da os se á capaz de selecciona las al e na i as que más con engan a la emp esa median e la c eación de es a egias, pa a así pode lle a a cabo los obje i os de e minados po la o ganización. Po lo an o, la in es igación explica que pa a aquellas emp esas que se dediquen a la cap ación de clien es y publicidad, o engan un sec o en ocado a ello, las edes sociales son una de las más pode osas uen es de in o mación. Median e ellas, las emp esas se án capaces de c ea el con enido que más in e ese a sus po enciales clien es, pa a así pode lanza las campañas de publicidad más uc osas posibles (To o y Laniado, 2019). Po o o lado, los au o es mencionan dos opo unidades consecuen es que o ece el Big Da a en el p oceso de cap ación de clien es: “la segmen ación au omá ica de me cados, y el encon a co elaciones en los compo amien os de los consumido es que puedan se u ilizados pa a c ea nue as es a egias de me cadeo” (To o y Laniado, 2019). Las au o as Miquel y Aced (2020) ambién se cen an en el ámbi o de la comunicación, especialmen e en el análisis de públicos. En su in es igación se menciona la capacidad del Big Da a pa a ija obje i os especí icos, elabo a la mic osegmen ación de públicos, de ini el posicionamien o de la emp esa, y es udia el desempeño de las elaciones públicas. Median e el Big Da a, los p o esionales de la comunicación co po a i a ienen la posibilidad de “conoce en p o undidad las ca ac e ís icas, p e e encias e inquie udes de los g upos de in e és, así como la capacidad de an icipa se a las eacciones de compo amien o y a las necesidades del público” (Miquel y Aced, 2020). El g an impac o que el Big Da a gene a á en el ámbi o de la comunicación es debido a la con igu ación de es a egias y c eación de mensajes pe sonalizados basados en dis in os pe iles. En cuan o la impo ancia de la he amien a, las au o as hacen e e encia a la accesibilidad a la in o mación de los usua ios y 18 el conocimien o de sus p e e encias e in e eses, así como a la adap ación de los mensajes a cada pe il median e la “ul asegman ación” (Miquel y Aced, 2020). Po lo an o, a a és del análisis de los da os masi os almacenados po las g andes emp esas ecnológicas, las acciones come ciales ealizadas con el in de obse a el compo amien o de los clien es se án más e ec i as, y, a su ez, la publicidad ambién puede se mejo edi eccionada hacia los comp ado es (Monleon-Ge ino, 2015). 2.1.3. Reducción de cos es Como se ha mencionado p e iamen e, el Big Da a ambién es una écnica aplicable en el á ea con able de la emp esa. Es a he amien a se mani ies a en es e ámbi o median e la educción de cos es, debido al descub imien o más di ec o y ápido de las es a egias adecuadas a implemen a , y de una oma de decisiones más e icaz (Ba is ič y an de Laken, 2019). Además, el Big Da a ambién gene a una educción en los cos es de p oducción, al emplea máquinas au oma izadas más in eligen es y e icien es (Figue es, 2017). Un ejemplo de una de las écnicas en la que se emplea el Big Da a en el ámbi o con able es el “Ac i i y Based Cos ing” (ABC) ambién conocido como “Sis ema de Cos eo Basado en Ac i idades”. El Big Da a se enca ga de analiza y clasi ica los da os necesa ios, ya sean de nomina, ac i os o adminis ación académica, pa a así pode c ea el modelo de cos es ABC. Es e sis ema pe mi e a las emp esas asigna p ecios adecuados a sus p oduc os o se icios, de al mane a que puedan ene en cuen a los p ecios indi ec os de una mane a más p ecisa (Quin e o e al., 2018). Po o a pa e, se ha de ene en cuen a que los da os de los usua ios pueden se ecogidos sin cos e alguno po cualquie emp esa, po lo que el Big Da a se denomina como “no i al”, y, además, las ecnologías empleadas en la inges a de da os son económicamen e cada ez más accesibles (Claici, 2018). 2.1.4. Valo emp esa ial y en aja compe i i a A consecuencia de los bene icios mencionados an e io men e que gene a el Big Da a en las emp esas, se c ea una opo unidad más pa a aquellas o ganizaciones que ponen en ma cha dicha he amien a en su ac i idad: el aumen o del alo de la emp esa en el me cado y su en aja compe i i a en e a las demás. Al es imula la capacidad de decisión basada en da os, el BDA añade alo a la emp esa, ya que de es a mane a los c i e ios a segui pa a la oma de decisiones son más p ecisos que en una emp esa que se basa únicamen e en la in uición y la expe iencia (Ba is ič y an de Laken, 2019). Además, los da os apo an un alo indudable a las emp esas. Hoy día, los da os han llegado a con e i se en un ac i o económico c ucial, inno ando de es a mane a la ecnología emp esa ial, posibili ando así el uso de nue as écnicas de desa ollo económico (Monleon- Ge ino, 2015). “No cabe ninguna duda de que los da os son un ac i o alioso y un pa áme o cada ez más impo an e desde el pun o de is a de un análisis compe i i o del pode de me cado de una 19 emp esa” (Claici, 2018). En la in es igación se mencionan dis in as o mas en las que una emp esa puede aumen a su pode de me cado en e a la compe encia. En e ellas se encuen an el inc emen o de la anspa encia y ci culación de la in o mación del me cado, la educción de cos es en búsquedas, acilidades de en ada y expansión en el me cado, aumen o de la e iciencia, y un mayo empode amien o de los comp ado es. Po o a pa e, median e la compa ición de da os en e emp esas compe en es, se puede log a una educción de la decan ación del me cado, ambién denominado “ ipping”. Pa a ello, es necesa io que las polí icas de compe encia obliguen a las emp esas a colabo a en e ellas, disminuyendo así las ba e as de en ada al me cado y e i ando el pode dominan e de una o un núme o educido de emp esas en un mismo sec o (Claici, 2018). 2.1.5. Mejo as sociales El Big Da a puede u iliza se como ecu so pa a ac ua en si uaciones de eme gencia. A dia io se ecogen da os masi os ace ca de u gencias sani a ias, ca ás o es na u ales o ac os de iolencia, po lo que es necesa io ac ua con apidez y e ec ua un análisis de esos da os lo an es posible. Es po ello po lo que se han c eado modelos de asis encia humani a ia capaces de comba i dichas desg acias, median e el empleo de he amien as que analizan los da os masi os. También se hace uso del ML en si uaciones de c isis humani a ias, como puede se la pob eza, la hamb una o la gue a, ayudando así a la población más des a o ecida (Figue es, 2017). Uno de los sec o es con mayo p ospe idad en el ámbi o del Big Da a es el de la salud. La he amien a Big Da a posibili a la educción de cos es en las in es igaciones sani a ias, lo que conduce a una aplicación más p ecisa de las medidas a emplea , una mayo apidez a la ho a de encon a soluciones, así como una mejo a en las decisiones a oma po pa e de los sani a ios (Monleon-Ge ino, 2015). En la in es igación de Monleon-Ge ino (2015) se habla de la “E a ómica”, e i iéndose a la época en la cual el uso del Big Da a es undamen al pa a la ob ención de “una isión global de los p ocesos biológicos”, a consecuencia del desa ollo ecnológico en el campo de la biología. El Big Da a log a c ea análisis de o ganismos median e la gené ica, e olucionando así ámbi os an impo an es como pueden se la bio ecnología y la biomedicina. Un ejemplo de es e a ance es el es udio de las p obabilidades de padece una en e medad, pudiendo an icipa se así a sus cu as y p e enciones (Monleon-Ge ino, 2015). O os de los ejemplos de los g andes a ances ealizados debido a la implemen ación de ML es el uso de señales del ce eb o median e disposi i os ecnológicos pa a con ola unciones mo ices, el descub imien o emp ano de umo es, a ezas en el i mo de ca diog amas, y apidez de diagnós icos (Figue es, 2017). Po o a pa e, uno de los ámbi os más inno ado es en lo que espec a a la pues a en ma cha del uso del Big Da a es la mode nización median e el empleo de la ecnología en las ciudades. El mayo obje i o de implemen a es a inno ación es consegui una mayo sos enibilidad, desa ollando así las denominadas “sma ci ies”. Pa a ello es necesa io emplea un ML in e conec ado median e senso es y medido es in eligen es. Uno de los ejemplos más comunes es el de la a iación de la du ación de las señales lumínicas de los semá o os, la cual 20 cada ez depende más del mo imien o ealizado a iempo eal en espacios conc e os, g acias a in o mación ecogida median e ecnologías Big Da a (Monleon-Ge ino, 2015). 2.2. DESAFÍOS DE LA IMPLEMENTACIÓN DEL BIG DATA La necesidad de adap a se a la e olución ecnológica emp esa ial es cada ez mayo . Sin emba go, a pesa de los bene icios que el Big Da a pueda gene a , aún exis en lími es y e os en el p oceso de su pues a en ma cha, siendo muchas emp esas incapaces de adop a e implemen a cambios en su ac i idad, o acasando en el in en o (Can alapied a y Sole , 2017). Además, exis e una g an descon ianza en e los usua ios gene ada po el uso de sus da os p i ados po las o ganizaciones (Monleon-Ge ino, 2015). 2.2.1. In e sión Uno de los e os más mencionados po los au o es es el de los cos es que equie e la in e sión del p oceso Big Da a. En e los gas os que conlle a la implemen ación de las écnicas necesa ias pa a lle a a cabo el p oceso se encuen an la ins alación de so wa e y ha dwa e, y el ap endizaje y cambio de men alidad de la o ma de abaja que el pe sonal debe asumi (Duque-Ja amillo y Villa-Enciso, 2016). Al se el Big Da a una he amien a p ác icamen e no edosa en la mayo ía de las o ganizaciones, la ob ención de las pla a o mas necesa ias pa a su pues a en ma cha equie e una g an in e sión po pa e de la emp esa. Además, el desa ollo y e olución de la ecnología equie e que las emp esas se adap en ápidamen e al cambio, lo que p oduce nue as in e siones en pla a o mas más inno ado as que las empleadas an e io men e. Es o puede se un g an p oblema pa a las o ganizaciones, ya que aún pueden no habe amo izado los p og amas empleados con an e io idad (Can alapied a y Sole , 2017). O a de las g andes in e siones es la búsqueda y con a ación del pe sonal adecuado pa a abaja en el p oceso. Dichos p o esionales son los a qui ec os Big Da a, quienes se enca gan de la ins alación y uso de las pla a o mas, los p og amado es, quienes cons uyen la pla a o ma y son especialmen e escasos en España, y los cien í icos y analis as de da os enca gados de ges iona p oyec os median e las ecnologías con las que se lle a a cabo el Big Da a. Todos es os pues os gene an gas os en su p oceso de búsqueda, a la ez que equie en un sueldo conside able, y, en consecuencia, un cos e muy ele ado pa a la emp esa (Can alapied a y Sole , 2017). O o ejemplo de es e obs áculo es la pues a en ma cha de los modelos de ABC, ya que es a écnica equie e de un g an olumen an o de in o mación como de ecu sos in o má icos, los cuales son más di íciles de consegui po pequeñas y medianas emp esas (Quin e o e al., 2018). 2.2.2. Fal a de pe sonal capaci ado Exis e una ca encia de p o esionales capaces de lle a a cabo los dis in os p ocesos que conlle a la pues a en ma cha del Big Da a, especialmen e en lo que se e ie e al diseño, 21 cons ucción, ins alación y análisis de las pla a o mas empleadas (Can alapied a y Sole , 2017). En la in es igación de Miquel y Aced (2020) se nomb a la p eocupación po la al a de implicación en lo que espec a a la o mación en el ámbi o del Big Da a. Es e p oblema se puede pe cibi especialmen e en la ca encia de analis as de da os, p o esionales dedicados a la ges ión e in e p e ación de los da os masi os. A su ez, ambién se des aca la escasez de la educación de los uni e si a ios y demás es udian es en cuan o al ap endizaje de es a écnica. En la in es igación de Joyanes (2013) se mencionan a ios elemen os cla e pa a log a la e ec i idad del cambio emp esa ial p oducido po el Big Da a, en e los que des aca ambién la necesidad de pe sonal capaci ado. Se nomb a la ges ión del alen o como un e o emp esa ial, ya que es a inno ación ecnológica po encia la c eación de nue os pues os de abajo, los cuales son muy escasos en la o e a labo al. Dichos empleos son, en e o os, los nue os analis as de Big Da a, y, sob e odo, los cien í icos de da os. 2.2.3. Cambios in e nos en la emp esa Al implemen a el Big Da a en la ac i idad emp esa ial, es impo an e asegu a se de que la inno ación no des íe los obje i os de la emp esa, y de que la he amien a pueda inco po a se adecuadamen e en la cul u a emp esa ial. Pa a ello, es necesa io ealiza cambios en el pensamien o de los abajado es, di igiendo su men alidad hacia una ob ención de es a egias más obje i as e impac an es basadas en los da os masi os (Ba is ič y an de Laken, 2019). Tan o en la in es igación de Can alapied a y Sole (2017) como en la de Joyanes (2013), los au o es explican que pa a in eg a la he amien a Big Da a las compañías deben ealiza dos ipos de cambios en sus emp esas. Po una pa e, cambios o ganiza i os a la ho a de c ea nue os depa amen os y sec o es de negocio, así como nue os pues os de abajo. Po o a pa e, cambios ecnológicos debido a la implemen ación de las ecnologías adecuadas. Una emp esa que hace un buen uso de he amien as Big Da a conlle a abajo de un equipo de pe sonas que hayan sido lide adas con el in de ob ene los mejo es esul ados posibles. Pa a ello, es os empleados debe án ija obje i os, da con las mé icas más aliosas y e icaces pa a el análisis de la in o mación p o enien e de los da os, y desa olla se p o esionalmen e en su ac i idad. Además, odo el conjun o de empleados de una emp esa debe in e io iza la impo ancia del uso de los da os. Hoy día es a unción no se ciñe a un solo sec o emp esa ial, po lo que odos los depa amen os de una emp esa end án su papel en el p oceso del uso de los da os masi os. Po lo an o, la cul u a emp esa ial debe oma un nue o en oque, di igiendo la men alidad de los empleados a nue os ap endizajes ecnológicos capaces de maneja y en ende las he amien as Big Da a (Joyanes, 2013). Po o a pa e, el au o des aca es elemen os ele an es en las que el cambio de la cul u a emp esa ial debe ejecu a se: 1. Desa ollo de analí icas capaces de mos a con sencillez la e olución del negocio. 2. C eación de he amien as analí icas sencillas de emplea po los abajado es de la o ganización. 22 3. Desa ollo de las capacidades necesa ias pa a la ob ención de la mayo p oduc i idad posible. Es os cambios an signi ica i os pueden gene a echazo a las emp esas, ya que pueden no es a dispues as a hace en e a es e e o. Además, al pone en ma cha es e cambio cul u al en la emp esa, se gene an o os iesgos consecuen es debido a un empeño excesi o en el desa ollo ecnológico. Po una pa e, exis e el pelig o de pé dida del obje i o p incipal de la o ganización, y, po o a pa e, la pues a en segundo plano de la impo ancia humana, especialmen e en aspec os de c ea i idad y oma de decisiones (Miquel y Aced, 2020). 2.2.4. Compe encia Gene almen e, son las g andes emp esas quienes pueden hace en e a al os cos es y posibles di icul ades que puedan su gi a aíz de la pues a en ma cha del Big Da a. En consecuencia, al se las g andes o ganizaciones quienes ienen mayo acceso a es a écnica, su ge un nue o desa ío emp esa ial: el aumen o de pode y en aja compe i i a de las g andes mul inacionales (Figue es, 2017). El Big Da a es una inno ado a inco po ación al me cado la cual es á indudablemen e cambiando la na u aleza de la compe encia de es e. Los e ec os más pe judiciales que es a nue a écnica es á gene ando son si uaciones de colusión en e emp esas, mé odos disc imina o ios de p ecios, y excesi o pode de me cado concen ado debido al con ol y apode amien o de una mayo y más aliosa in o mación de los usua ios po pocas mul inacionales (Claici, 2018). Po lo an o, es as ci cuns ancias c ean un g an desequilib io en el pode emp esa ial, di icul ando de es a mane a el paso a nue as emp esas a la ho a de inco po a se al me cado, así como minimizando las opo unidades de c ecimien o a pequeñas y medianas emp esas. 2.2.5. P o anación de la p i acidad Median e el uso del Big Da a se desa ollan algo i mos inc eíblemen e p ecisos capaces de p edeci de una mane a casi inequí oca el u u o de una pe sona o si uación. Es po ello po lo que su implemen ación c ea descon ianza en la sociedad, de mane a que una de las p incipales cues iones que su ge es si e dade amen e puede gene a mejo as, o sin emba go es una he amien a que las emp esas u ilizan pa a man ene a los ciudadanos bajo con ol (Monleon-Ge ino, 2015). Al hace uso de los se icios de la ed, ya sea a la ho a de desca ga aplicaciones, al c ea un pe il en las edes sociales o al ealiza búsquedas en se ido es, los usua ios acep an condiciones con las que pe mi en a las emp esas hace uso de su in o mación pe sonal. Pa a accede a dicha in o mación, las emp esas deben c ea su polí ica de p i acidad y solici a pe miso (Duque-Ja amillo y Villa-Enciso, 2016). Pa a que es o sea posible, al isi a una página web se mues a un “banne ” en pan alla, un indicado que in o ma ace ca de las “cookies”, es deci , la ecogida de in o mación de la ac i idad ealizada en dicha página. Sin emba go, es as cookies únicamen e in o man de la ecogida, omi iendo el uso que se le da á a los da os 23 compa idos, al y como ecoge la Legislación Española. Po lo an o, La Ley O gánica de P o ección de Da os (LOPD) asegu a que únicamen e se puede abaja con da os es adís icos median e ca ác e anónimo. Además, es impo an e des aca que los da os únicamen e pueden se analizados indi idualmen e po la emp esa del se icio con a ado, es deci , el manejo de da os solamen e se puede ceñi al se icio o ecido po la emp esa. Po ejemplo, al p es a da os a una en idad inancie a, es a únicamen e pod á hace uso de la in o mación con ines banca ios (Monleon-Ge ino, 2015). En la in es igación de Miquel y Aced (2020) se mencionan cua o limi aciones necesa ias en lo que se e ie e al uso de los da os p i ados po las emp esas: 1. Especi icación de la inalidad y uso de los da os ecogidos 2. Limi ación del olumen de da os ecogidos 3. T anspa encia con los da os empleados 4. Leyes que asegu en la p i acidad Tal y como comen ó Ma g e he Ves age , comisa ia de Compe encia de la Unión Eu opea, pa a que las pe sonas con íen en el Big Da a y en su u ilidad, es necesa io que se desa olle una polí ica de p i acidad que asegu e el de echo a la p o ección de su in o mación, así como la de ensa an e la compe encia emp esa ial (Claici, 2018). 24 CAPÍTULO III: ESTUDIO DE IMPLEMENTACIÓN DEL BIG DATA. VICRILA INDUSTRIAS DE VIDRIO S.L.U. Con el obje i o de a e igua si el uso de las he amien as Big Da a son adecuadas pa a el desa ollo de la ac i idad emp esa ial, se analiza á el caso de una alo ación de implemen ación en la emp esa Vic ila Indus ias de Vid io S.L.U. Pa a lle a a cabo el es udio, se ealizó una eunión en la cual se en e is ó al esponsable de IT, al di ec o de Ingenie ía, a la di ec o a Financie a, y al di ec o de Comp as y Logís ica el día 10 de no iemb e de 2022. Además, se man u ie on con e saciones ía email con los en e is ados. Cabe des aca que la emp esa se encuen a en el País Vasco, lo que pe mi i á abo da la cues ión desde una pe spec i a más ce cana. 3.1. LA EMPRESA Vic ila es una emp esa que se dedica al diseño, p oducción y en a de p oduc os de id io, especialmen e de asos y copas, los cuales son come cializados an o en e i o io nacional como in e nacional. La emp esa se encuen a en el ba io de Lamiaco, en Leioa, y hoy en día es una de las mayo es p oduc o as nacionales de id io de mesa, o eciendo empleo di ec o a 240 pe sonas, así como un g an núme o de pues os indi ec os (Vic ila Indus ias del Vid io S.L.U., s. .). La emp esa se undó en el año 1890, siendo una de las emp esas con más an igüedad aún ac i a del País Vasco. A pesa de su emp ana apa ición en el me cado, la emp esa ha con inuado inno ando an o su mecanización como su equipo de abajo, ajus ándose a las nue as necesidades del sec o , pa a así pode ob ene la p esencia que iene en el me cado hoy día (Vic ila Indus ias del Vid io S.L.U., s. .). Una de las écnicas que han implemen ado en su ac i idad es la ecogida y el análisis de los da os gene ados en dis in os sec o es de la emp esa. A pesa de su ue e in luencia come cial, la emp esa aún no alcanza un olumen su icien emen e ex enso pa a pode in oduci el é mino Big Da a en su desa ollo labo al. Sin emb ago, la emp esa cuen a con un g an núme o de bases de da os di ididas y analizadas indi idualmen e po sec o es. Además, es cues ión de iempo que la emp esa deba pone en ma cha u u os a ances ecnológicos capaces de gene a olúmenes más ap oximados al Big Da a, pa a pode desa olla es a egias más a anzadas y mejo a la e ec i idad de la emp esa. Es po ello po lo que Vic ila es una emp esa po encial pa a ealiza la in es igación ace ca de la en abilidad y los bene icios y desa íos que la o ganización pueda expe imen a en su u u a pues a en ma cha del p oceso Big Da a. 3.2. USO DE LOS DATOS Pa a que el uncionamien o de la emp esa se lle e a cabo, es imp escindible inclui el p oceso de c eación, ecogida y análisis de da os en su ac i idad. La emp esa se ciñe únicamen e al uso y análisis de sus da os in e nos, es deci , los da os que la emp esa misma gene a. Es o quie e deci que la emp esa no cuen a con un sis ema que analice da os ex e nos, como pueden se aquellos en elación con la cap ación de clien es, o 25 es udios de me cado y opo unidades. Sin emba go, como se ha comen ado p e iamen e, Vic ila es una emp esa que se dedica an o a la ab icación como a la en a de su p oduc o, po lo que exis e una g an can idad de ocos de c eación de da os in e nos p o enien es de los dis in os ámbi os emp esa iales. En cuan o al p oceso del uso de los da os ecogidos po la emp esa, se puede di idi en las siguien es ases. 3.2.1. C eación de da os Cada sec o emp esa ial c ea cie os da os espec o a su ac i idad median e dis in as uen es. Las á eas más nomb adas po los en e is ados han sido las de p oducción (diseño y c eación del p oduc o), come cialización (logís ica del p oduc o) y ac u ación (comp as y en as del p oduc o). Se des aca la c eación de da os en base al Business In elligence (BI) 5 , ambién conocido como In eligencia A i icial (IA), la cual se ha mode nizado en unción de las nue as necesidades de la emp esa. Los ac o es en los cuales el BI iene mayo impac o en Vic ila son el de p oducción, e iciencia ene gé ica y man enimien o, aunque ambién se ha implemen ado en p ocesos de come cialización y ac u ación. Du an e la en e is a se mencionaban dis in os p ocesos y o mas de c eación de da os: - Regis os an icipados y ealizados de en adas y salidas de camiones en el ecin o. Es os da os elacionan la ca ga de los ehículos con la de los alba anes, y ecoge in o mación ace ca de la can idad de ehículos y los ho a ios de ci culación. - Recogida de la in o mación de los con ado es de consumos y luidos, en ocada a la ges ión de la e iciencia ene gé ica. - Senso es y medido es in eligen es ins alados a lo la go de la línea de p oducción, los cuales ealizan un con eo de las piezas de ec uosas y o ecen in o mación sob e el ipo de despe ec o de ec ado. - Cáma as en el p oceso de con ol de calidad del p oduc o. - Ope aciones de en a en línea de a ículos. - Sis ema IT de es uc u a au omá ica y dia ia de odos los da os en elación con la in o mación ace ca de la ac u ación y pedidos u u os y ya ealizados. Uniendo los dis in os depa amen os de la emp esa con los so wa es IT que u ilizan pa a la ecogida de da os en Vic ila, ob enemos la siguien e abla. Tabla 3. Relación en e depa amen os y p og amas de c eación de da os en Vic ila Indus ias de Vid io S.L.U. Sec o P og amas In aes uc u a de la emp esa - BI, Qlicksense - Dynamics NAV - He amien a de cos es 5 Business In elligence es la écnica emp esa ial que, median e el uso de los da os masi os, busca la ob ención de es a egias e icien es y mejo as en las omas de decisiones. 32 Po una pa e, se menciona una mejo a en cuan o a la agilidad. Es o sucede ía ya que, al ob ene un mayo olumen de da os, le esul a ía muy di ícil a la emp esa segui c uzando da os y ealiza los análisis manualmen e, po lo que la implemen ación de écnicas Big Da a ha ía necesa ia una au oma ización de dichas ac i idades. De es a mane a, las islas de in o mación que pe manecen aisladas hoy día se pod ían in eg a más ácilmen e, e i ando así la pé dida de iempo en el abajo de alida da os e in o mes, c uza in o mación, e c. Además, es a mejo a desencadena ía una mayo implicación en la búsqueda de es a egias y apo e de alo po los di ec o es que ges ionan la in o mación de cada isla. Es o es debido a que no se cues iona á an o la e acidad del da o, ni se necesi a á emplea an o iempo en la o ganización de la in o mación. De es a mane a, se gene a ía una mejo a en la in eg idad de los da os, así como en el p oceso de la localización de es os. Po úl imo, en cuan o a la p oducción, asegu an que el mayo e ec o se ía pode isualiza po adelan ado el impac o de los cambios ealizados du an e el p oceso de p oducción. La emp esa ya cuen a con la he amien a capaz de de ec a los allos du an e el p oceso de p oducción, pe o no con aquella que pe mi a ene una simulación de escena ios po adelan ado ace ca de la p obabilidad de e ec i idad del esul ado, an icipándose así al e o y consiguiendo una e icacia de la p oducción del 100 %. 3.4.3.1. Es a egias y obje i os También cabe menciona que la emp esa ya es á en ocando el uso de los da os hacia u u as es a egias más mode nas y desa olladas, las cuales se ap oximan más a un modelo de uso del Big Da a. Vic ila ac ualmen e dispone de un panel de mando en ocado en la medición y seguimien o del desempeño de la o ganización. Es e panel ecoge los da os ob enidos du an e el mes an e io y el ac ual, el cual es alimen ado po el esponsable de cada depa amen o de mane a que se pueda hace uso de dicha in o mación en o ma de análisis. Con el in de adap a se a es os nue os iempos, la emp esa es á diseñando un nue o plan hacia un panel de mandos que apo e in o mación de calidad a la oma de decisiones ins an áneas, pa a pode gene a así un mayo alo a la emp esa. El plan consis e en implemen a la indus ia 4.0 11 . Ya han comenzado con las in e siones, y ac ualmen e es án abajando en la as o mación digi al de los p ocesos in e nos de la emp esa, implemen ando ecnologías como, po ejemplo, CAPTOR. A i man que una ez que la emp esa implemen e odos los so wa es e IoT espe ados y conec e los da os en e ellos, los clasi ique, y los analice, log a án pone en ma cha el nue o panel de mandos basado en los sis emas de in o mación. De es a mane a, la emp esa consegui á educi la edundancia y las anomalías que puedan su gi en el p oceso del análisis de da os en sus di e en es depa amen os. La siguien e igu a mues a los obje i os de los di e en es sec o es que la emp esa lle a á a cabo pa a la implan ación del nue o p oceso en ocado en los sis emas in o má icos. 11 También conocida como La Cua a Re olución Indus ial. 33 Tabla 5. Obje i os en ocados en el nue o panel de mandos o ien ado a los sis emas in o má icos en Vic ila Indus ias de Vid io S.L.U. Pe spec i a Financie a Come cial (clien e) Emp esa ial (in e na) Ap endizaje y c ecimien o - Aumen a los ing esos - Aumen a la p esencia en el me cado - Reduci cos es - Mejo a el endimien o - Mejo a la oma de decisiones - Reduci el iesgo - Ga an iza la calidad de los da os - Cons ui una in aes uc u a de da os - P es a se icios de da os - In oluc a a las pe sonas - Consegui que los p ocesos de da os sean co ec os - Au oma ización del es ue zo - Aumen o de o mación en habilidades - Acceso a las he amien as de da os - Cul i a una men alidad inquisi i a Obje i os Fuen e: Elabo ación del di ec o de Ingenie ía de Vic ila Indus ias de Vid io S.L.U. 34 CONCLUSIÓN Es innegable que el Big Da a gene a los su icien es bene icios como pa a implemen a dicha ecnología en cualquie sec o emp esa ial. Sin emba go, una de las conclusiones ob enidas a pa i de es e abajo es el no able echazo aún ocasionado po las emp esas hacia la pues a en ma cha del uso de los da os. Es po ello po lo que oda ía exis e la g an necesidad de en ende la impo ancia y las mejo as que se pueden ob ene g acias a su u ilización, especialmen e en dos si uaciones. Po una pa e, cuando se habla de Big Da a, lo p ime o en lo que gene almen e se piensa es en la cap ación de clien es y la segmen ación del me cado, pudiendo hace c ee que no es algo necesa io a implemen a en cie os negocios. Sin emba go, el Big Da a a más allá. Es impo an e comp ende que ambién se puede emplea du an e odo el p oceso del desa ollo emp esa ial, des acando en e ellos las mejo as ob enidas en la e iciencia y p oduc i idad de los p ocesos écnicos median e el uso del Machine Lea ning. Po o a pa e, ambién se ha de ene en cuen a el cambio de la cul u a emp esa ial. Las emp esas que quie an adop a es e nue o modelo de ges ión de da os deben inculca en sus empleados la impo ancia del a amien o de es os. Todos y cada uno de los abajado es deben de en ende que los da os son un ac i o más en la emp esa, y que las en ajas que gene an en la o ganización son lo su icien emen e impo an es pa a ene que ealiza cambios en su mane a de abaja , adap ándose así a nue os p ocesos. Po lo que a las conclusiones ob enidas a pa i del es udio sob e Vic ila Indus ias de Vid io S.L.U. espec a, podemos sabe que los da os que la emp esa c ea y analiza son de o ma o es uc u ado, semies uc u ado y no es uc u ado. Además, los da os se c ean a pa i de a ias uen es, des acando en e ellas el ML empleado en el p oceso de p oducción, sin ol ida los da os gene ados po el se humano. O o pun o po des aca es que la emp esa emplea da os pa a pode co egi posibles p oblemas a muy co o plazo, analizando en iempo eal qué es á sucediendo en el p oceso de p oducción. Es o quie e deci que la emp esa se p egun a: “¿qué es á pasando?”, así como “¿po qué ha pasado?”, haciendo de es a mane a un buen uso de una analí ica an o desc ip i a, como diagnós ica. Todo ello apun a a que Vic ila es á empleando da os pe enecien es a la amilia del Big Da a, ya que compa en las ca ac e ís icas de a iedad, elocidad, alo , e acidad y olumen, aunque es a úl ima no alcance la can idad mínima no malizada aún. Es po ello po lo que, an es de aden a se en es e nue o o ma o, es necesa io ealiza di e en es in e enciones en oda aquella ac i idad que in oluc e la explo ación de los da os. Po una pa e, conside o que la emp esa Vic ila aún debe alcanza un ni el mayo de madu ez en su implemen ación del uso de los da os. La emp esa se p opuso en su momen o a anca inicia i as en o no al análisis de da os, adap ándolas pos e io men e a ni el écnico. Es o quie e deci que el depa amen o de TI comenzó a hace un uso pun ual de analí ica explo a o ia median e la in o mación ob enida. En la ac ualidad, posiciono a la emp esa en un es ado de madu ez en el que la u ilización de los da os se adop a a ni el de negocio, es deci , dis in os depa amen os de la emp esa son capaces de lide a p oyec os y desa ollos en base a la in o mación ob enida a a és de los da os. Sin emba go, pa a que la emp esa siga e olucionando y ap o echando las opo unidades que los da os le es án o eciendo, debe á adop a su uso a ni el emp esa ial. Pa a ello, es necesa io c ea un gobie no del da o en la o ganización, es deci , un nue o depa amen o en la emp esa que sea capaz de abo da el abajo que implica la u ilización de los da os. De es a mane a, la emp esa se á capaz de 35 desa olla de una mane a más e ec i a sus análisis, c eando p edicciones aún más p ecisas. Una ez que Vic ila haya conseguido alcanza es e ni el, la emp esa debe ía desa olla un au ose icio de los da os pa a que cada depa amen o que compone la emp esa pueda accede a ellos de una o ma más lexible y di ec a. El esul ado de ello se ía una analí ica colabo a i a en oda la emp esa, así como una mejo a en la e iciencia en la ase de ecogida y analí ica de da os. Además, pod ían hace en e an o al desa ío de la homogeneización de da os, como al de la edundancia y dependencia en e sus bases de da os. La inse ción de un nue o depa amen o basado en el uso de los da os en la emp esa conlle a ía a ios cambios a ni el in e no. El más des acable es sin duda la necesidad de dis in os pe iles p o esionales que sean capaces de lle a a cabo las di e en es a eas. En e ellos des acamos los siguien es es: el analis a de da os, quien ayuda a los esponsables de cada depa amen o esol iendo sus pe iciones de análisis median e he amien as de isualización; el cien í ico de da os, quien se dedica a descub i nue a in o mación a pa i de los da os ob enidos, c eando así nue os modelos p edic i os que desencadenen mayo endimien o y p oduc i idad a la emp esa; y el ingenie o de da os, enca gado de c ea el en o no de p og amación necesa io pa a que an o el analis a como el cien í ico de da os puedan accede y abaja con los da os. Es o conlle a ía una meno ca ga de abajo en el depa amen o IT de Vic ila, p opo cionando así un mejo en oque en sus unciones. Po lo an o, Vic ila debe elabo a una es a egia pa a pode a anza en su e apa de madu ez del uso de los da os, en en ándose así a un cambio p o undo en la o ganización. Pa a ello, se en oca á en aspec os an impo an es como las pe sonas, los p ocesos de abajo y la ecnología a implemen a . En cuan o al ac o pe sonas, la emp esa debe apos a po p omo e agilidad, mejo a y ap endizaje con inuo de los equipos de abajo median e el uso de los da os, po lo que es necesa io que la idea de la impo ancia de los da os se en ienda y se no malice adecuadamen e en la o ganización. Es deci , iene que habe un cambio en la cul u a de abajo de Vic ila. Los p ocesos hacen e e encia a las nue as o mas de abaja a las que la o ganización debe adap a se, lo que incluye, po ejemplo, la au oma ización. La ecnología in eg ada debe acili a los p ocesos lle ados a cabo po los dis in os pe iles de la emp esa. Pa a ello es necesa io ene en cuen a las necesidades y la usabilidad de cada empleado, de mane a que puedan se independien es y e icien es en sus a eas. Po o a pa e, es no able que Vic ila hace uso de sus da os lle ando a cabo una es a egia compe i i a. Es o es debido a que basa su es a egia de negocio en la mejo a de su uncionamien o median e los da os, ob iene in o mación y la analiza pa a en oca la en la mejo a de los p ocesos, y basa cie as decisiones a pa i de los da os ob enidos. Po lo an o, es impo an e des aca que Vic ila u iliza la in o mación como un g an ac i o es a égico, ya que se conside a un elemen o cla e en su ac i idad. Sin emba go, si la emp esa quie e po encia aún más el uso de la in o mación ob enida, debe á implemen a a su ez una es a egia di e enciado a. Pa a ello end á que hace uso de los da os de una mane a ex e na, analizando in o mación ace ca de su compe encia. Además, debe ía ocaliza se en el “¿qué a a pasa ?, así como en el “¿qué amos a hace pa a que pase?”, es deci , en una analí ica basada en an icipa se al e o , po lo que debe ía in e i en nue as he amien as de p oducción capaces de p opo ciona le es e ipo de da os. 36 En conclusión, la emp esa Vic ila iene un g an po encial pa a lle a a cabo p ocesos Big Da a de mane a e icien e, debido a su g an capacidad de p oducción, su posición en el me cado, su consciencia de la necesidad de a ances ecnológicos y consecuen es mejo as, y su habilidad de adap ación a la inno ación que ha demos ado du an e su his o ia. La mane a de gene a bene icios emp esa iales y la impo ancia de los da os es á cambiando, y, en un u u o ce cano, el análisis de da os se con e i á en la base p incipal de oda emp esa que quie a segui subsis iendo en el me cado. 37 REFERENCIAS Ba anco, R. (2012). ¿Que es Big Da a? Recupe ado de h p://www.c iiasup .o g/mul imedia/documen s/Que%20es%20Big%20Da a.pd Ba is ič, S. y an de Laken, P. (2019). His o y, E olu ion and Fu u e o Big Da a and Analy ics: A Bibliome ic Analysis o I s Rela ionship o Pe o mance in O ganiza ions. B i ish Jou nal o Managemen , 30(2), 229-251. h ps://doi.o g/10.1111/1467-8551.12340 Can alapied a, C. G., y Sole , E. V. (2017). E olución de los en o nos Big Da a y los e os pa a el A qui ec o de Da os. Economía indus ial, (405), 21-31. h ps://dialne .uni ioja.es/se le /a iculo?codigo=6207509 Claici, A. (2018). Análisis económico de la e olución digi al. Papeles de Economía Española, 157, 251-272. h ps://www. uncas.es/wp-con en /uploads/Mig acion/Publicaciones/PDF/2136.pd Cowls, J. y Sch oede , R. (2015). Causa ion, co ela ion, and big da a in social science esea ch. Policy & In e ne , 7(4), 447–472. h ps://onlinelib a y.wiley.com/doi/ ull/10.1002/poi3.100 Digi al Guide IONOS. (2021, agos o 11). ¿Qué es un by e? Te explicamos la can idad más pequeña de da os. Recupe ado de h ps://www.ionos.es/digi alguide/paginas-web/desa ollo-web/que-es-un-by e/ Duque-Ja amillo, J.C. y Villa-Enciso, E.M. (2016). Big Da a: desa ollo, a ance y aplicación en las o ganizaciones de la e a de la in o mación. Re is a CEA, 2(4), 27-45. h ps://pape s.ss n.com/sol3/pape s.c m?abs ac _id=3519567 Figue es, J. (2017). Big Da a, ampliación cogni i a, p ocesos de au oo ganización y desa ollo económico [Tesis doc o al, Uni e sidad Au ónoma de Mad id]. Reposi o io ins i ucional de la Uni e sidad Au ónoma de Mad id. h ps:// eposi o io.uam.es/bi s eam/handle/10486/680507/ igue es_cannadas_jesus.pd ?se quence=1&isAllowed=y G upocas illa. (s. .). Epsilon RH. Recupe ado el 10 de diciemb e de 2022, de h ps://www.g upocas illa.es/so wa e- hh/epsilon- h/ Joyanes, L. (2013). Big Da a: Análisis de g andes olúmenes de da os en o ganizaciones. Al aomega. h ps://www.academia.edu/40049331/BIG_DATA?email_wo k_ca d= i le Miquel, S. y Aced, C. (2020). Big da a: la e olución de los da os y su impac o en la comunicación co po a i a. Comunicación y Homb e, 16, 115-132. h ps:// eposi o i.uji.es/xmlui/bi s eam/handle/10234/186974/68874.pd ?sequence=1&isAll owed=y 38 Monleon-Ge ino, A. (2015). El impac o del Big-da a en la Sociedad de la In o mación. Signi icado y u ilidad. His o ia y Comunicación Social, 20(2), 427-445. h ps:// e is as.ucm.es/index.php/HICS/a icle/ iew/51392/47672 Nu sl. (s. .). Mic oso Dynamics 365 Business Cen al. Recupe ado el 10 de diciemb e de 2022, de h ps://www.nu sl.com/soluciones/mic oso -dynamics-365-business- cen al/?gclid=CjwKCAiA-dCcBhBQEiwAeWid b2QNGOs8SuQlbII2IZesZzK1-s-mDEQouyk- 0uhdheKS5CK1qyFDhoCCe0QA D_BwE On i e os, E. y López, V. (2018). Economía de los Da os. Riqueza 4.0. Fundación Tele ónica y A iel. h ps://www. undacion ele onica.com/cul u a- digi al/publicaciones/624/?_ga=2.63373167.1594837499.1532596170- 1584259485.1530289729 O ega, M. (2017). “Big Da a”, ¿un ac o dis up i o en la e olución emp esa ial? Na egando en la 4.ª e olución indus ial. Re is a AECA, (119), 64-65. h ps://aeca.es/wp-con en /uploads/2014/05/119.pd Pas o , L. (2019, agos o 09). Pe a, exa, ze a, yo a… empieza ya a memo iza es os p e ijos. Linkedin, ecupe ado de h ps://www.linkedin.com/pulse/pe a-exa-ze a-yo a-empieza-ya-memo iza -es os-pas o - osko hen/ Powe Da a. (s. .). Big Da a: ¿En qué consis e? Su impo ancia, desa íos y gobe nabilidad. Recupe ado el 22 de diciemb e de 2022, de h ps://www.powe da a.es/big-da a Quin e o, J. B., Villanue a, M. D. M., y Mon aya, F.L. G. (2018). Analí ica de da os pa a sis emas de cos os basados en ac i idades en la e a de big da a. Re is a del Ins i u o In e nacional de Cos os, (1), 64-82. h ps://dialne .uni ioja.es/se le /a iculo?codigo=7457929 Sis eplan . (s. .). CAPTOR. Recupe ado el 10 de diciemb e de 2022, de h ps://sis eplan .com/landing/cap o -mes/ To o, M. y Laniado, H. (2019). Big Da a: his o ia, de inición, he amien as y aplicaciones en la indus ia. Re is a VIRTUAL PRO, (204). h ps://www. i ualp o.co/edi o iales/20190101-ed.pd Vic ila Indus ias del Vid io S.L.U. (s. .). Quiénes somos. Recupe ado el 04 de diciemb e de 2022, de h ps://www. ic ila.com/es/ ic ila Wmslogis ic. (s. .). Adaia WMS. Recupe ado el 10 de diciemb e de 2022, de h ps://wmslogis ic.com/adaia-wms-so wa e/ 39 APÉNDICE En e is a ealizada el 10 de no iemb e de 2022: 1. ¿Desde cuándo implemen a Vic ila Big Da a en su ac i idad? 2. ¿En qué ámbi os de la emp esa u ilizáis el Big Da a? (p oducción del p oduc o, cap ación de clien es, …) 3. ¿Qué sec o de la emp esa se enca ga de cada p oceso que conlle a el Big Da a? Es deci , de la ecogida, almacenamien o, análisis de da os y oma de decisiones. 4. ¿De qué mane a lo implemen áis? Es deci , ¿qué he amien as, ecnologías o aplicaciones usáis? 5. ¿Conocéis el olumen de da os que ecoge Vic ila al día o al año? Y, ¿son odos los da os que ecogéis ú iles, o hay pa e de ellos que echazáis a la ho a de analiza ? 6. ¿En qué obje i os se cen ó la emp esa pa a implemen a el Big Da a en su ac i idad? ¿Qué es lo que que íais log a con es a inno ación? 7. ¿Cuáles han sido los bene icios de implemen a el Big Da a en Vic ila? (e iciencia en el p oceso de p oducción, cap ación de clien es, inc emen o de en as, aumen o de la p oduc i idad, en aja compe i i a…) ¿Cuáles han sido las mejo as que habéis no ado desde su pues a en ma cha? 8. ¿Cuáles han sido los mayo es desa íos o e os que os habéis encon ado? (económicos, al a pe sonal capaci ado, …) 9. Y, pa a e mina , ¿qué impac o c eéis que puede llega a ene el Big Da a en Vic ila en un u u o? (se implemen a á es a inno ación en más ámbi os de la emp esa, hab á menos pues os de abajo y más mecanización, …)