Una mirada al big data y al análisis de conjuntos
Resumen
En el presente artículo se busca exponer la utilización de big data en análisis de conjuntos (conjoint analysis). Las empresas deben desarrollar nuevos productos de forma constante, para lo cual usan investigaciones de mercados, identifi cando así los gustos y las preferencias de los clientes. En la actualidad, el análisis de conjuntos es una de las herramientas más empleadas en la investigación de mercados, debido a que ayuda a reducir costos en el proceso. A través de la investigación descriptiva se revisan diferentes estudios que han aplicado el análisis de conjunto para levantar información y simularla con las herramientas de software como el Sawtooth, aprovechando la tecnología de big data. Se puede concluir que la información transaccional y la información social que se maneja con big data nos ayudan, de una forma más efi ciente, en la utilización de análisis de conjuntos.
Descargas
Citas
Agarwal, J., DeSarbo, W., Malhotra, N., y Rao, V. (2015). An interdisciplinary review of research in conjoint analysis: Recent developments and directions for future research. Customer Neds and Solutions, 2(1), 19-40. DOI:10.1007/s40547-014-0029-5
Ajjan Associates. (s. f.). Ajjan Associates. Conjoint analysis specialists. Recuperado de http://consulting.ajjan.com/conjoint.htm
Dobney. (s. f.). Dobney - Insight and Intelligence. Conjoint analysis. Recuperado de http://www.dobney.com/Conjoint/Conjoint_analysis.htm
Domigall, Y., Albani, A., y Winter, R. (2014). Identification of customer preferences for new service development in the electricity domain. 2014 IEEE 16th Conference on Business Informatics (pp. 207-214). DOI:10.1109/CBI.2014.34
Forsyth, J., y Boucher, L. (2015). Why big data is not enough. Research World 50, 26-27. DOI:10.1002/rwm3.20187
Harrar de Dienes, A., y Alcaide, J. (2007). Uso del análisis conjunto para la evaluación de un curso virtual de principios de procesos industriales. VII Reunión Nacional de Currículo. I Congreso Internacional de Calidad e Innovación en Educación Superior, Universidad Metropolitana de Venezuela y Universidad Politécnica de Valencia, Caracas.
Hruska, J. (19 de abril de 2013). Storage pricewatch: HDDs back to pre-food prices, SSDs grow as $/GB holds steady. Recuperado de http://www.extremetec.com/computing/153879-storage-pricewatch-hdds-back-to-pre-floodprices-ssds-grow-as-gb-holds-steady
Komorowski, M. (9 de marzo de 2014). A history of storage cost. Recuperado de http://www.mkomo.com/cost-per-gigabyte-update
Machado, M. (2014). Big data y servicios financieros. Ponencia presentada en la Jornada “Big data: de la investigación científica a la gestión empresarial” [en SlideShare]. Recuperado de http://es.slideshare.net/FundacionAreces/manuel-machadobig-data-de-la-investigacion-cientifica-a-la-gestion-empresarial
Orme, B. (2010). Getting started with conjoint analysis: strategies for product design and pricing research. (2.a ed.). Wisconsin: Research Publishes LLC.
Polyviou, A., Pouloudi, N., y Rizou, S. (2014). Which factors affect software-as-aservice selection the most? A study from the customer’s and the vendor’s perspective. 2014 47th Hawaii International Conference on System Sciences (pp. 5059-5068). IEEE. DOI:10.1109/HICSS.2014.621
Radler, B. (1993). A case study of conjoint analysis: New approaches to product line decisions. Tesis. Masster of Arts. (Psychology). Cleveland State University. United States of America.
Ringel, D., y Skiera, B. (2014). Understanding competition using big consumer search data. 2014 47th Hawaii International Conference on System Sciences (pp. 3129-3138). DOI: 10.1109/HICSS.2014.388
Salvador, F. (2014). Big data: ¿la ruta o el destino? Recuperado de http://www.ie.edu/fundacion_ie/Comun/Publicaciones/Publicaciones/Big%20Data%20ESP%207.pdf
Sawtooth Software. (2015). Conjoint Analysis. Sawtooth Software, the survey software of choice. Recuperado de http://www.sawtoothsoftware.com/products/conjoint-choice-analysis
Talledo, H. (2011). Más allá del conjoint analysis. ANDA News (Asociación Nacional de Anunciantes), 108, 37-41.
Ward, J. S., y Barker, A. (2014). Undefined by data: A survey of big data definitions. Recuperado de: http://www.adambarker.org/papers/bigdata_definition.pdf
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).
Última actualización: 03/05/21