ESTRATEGIAS DE MERCADEO A PARTIR DE LA MINERÍA DE DATOS DE UNA EMPRESA DEL SECTOR DE ROPA DE HOGAR EN MEDELLÍN
DANIELA CHOPERENA POSADA SEBASTIAN SOTO NOREÑA
ESCUELA DE INGENIERÍA DE ANTIOQUIA INGENERÍA ADMINISTRATIVA ENVIGADO MAYO 2013
ESTRATEGIAS DE MERCADEO A PARTIR DE LA MINERÍA DE DATOS DE UNA EMPRESA DEL SECTOR DE ROPA DE HOGAR EN MEDELLIN
DANIELA CHOPERENA POSADA SEBASTIAN SOTO NOREÑA
Trabajo de grado para optar al título de Ingeniero Administrador
Asesor CHRISTIAN LOCHMULLER Msc.
ESCUELA DE INGENIERÍA DE ANTIOQUIA INGENERÍA ADMINISTRATIVA ENVIGADO MAYO 2013
CONTENIDO Pág. INTRODUCCIÓN
11
1. PRELIMINARES 1.1 PLANTEAMIENTO DEL PROBLEMA 1.2 OBJETIVOS DEL PROYECTO 1.2.1 Objetivo General 1.2.2 Objetivos Específicos 1.3 MARCO DE REFERENCIA 1.3.1 Mercadeo 1.3.2 Mezcla de mercadeo 1.3.3 Minería de datos 1.3.4 Fases del KDD (Knowledge Discovery in Databases) 1.3.5 Bases de datos y almacenes de datos 1.3.6 Evaluar qué tan atractivo es el sector - Las 5 fuerzas de Porter 1.3.7 La minería de datos en los negocios y en el mercadeo
12 12 13 13 13 13 13 15 17 19 23 24 25
2. METODOLOGÍA
27
3. DESARROLLO DEL ESTUDIO DIRECCIONADA A LA IMPLEMENTACIÓN DE ESTRATEGIAS DE MERCADEO A PARTIR DE LA MINERÍA DE DATOS 3.1 IDENTIFICACIÓN DE LAS CARACTERISTICAS DEL SECTOR 3.1.1 Descripción del sector textil 3.1.2 Identificación de las características de la categoría ropa de hogar 3.2 IDENTIFICACIÓN DE LAS NECESIDADES 3.2.1 Las necesidades del sector textil 3.3 ANALÍSIS DOFA DEL SECTOR 3.3.1 Sector textil 3.3.2 Categoría ropa hogar 3.3 ANÁLISIS DE LAS 5 FUERZAS DE PORTER: NIVEL DE RIVALIDAD CATEGORÍA ROPA DE HOGAR (ALMOHADAS Y EDREDONES) 3.3.1 Amenaza de nuevos entrantes 3.3.2 Amenaza de productos sustitutos 3.3.3 Poder de negociación de los compradores y proveedores 3.3.4 Rivalidad entre competidores establecidos 3.4 IDENTIFICACIÓN DE LAS ESTRATEGIAS DE MERCADEO QUE ACTUALMENTE SE UTILIZAN 3.4.1 Estrategias de mercadeo del sector textil 3.4.2 Estrategias de mercadeo en la categoría ropa de hogar 3.5 ANÁLISIS DE ENCUESTAS A CONSUMIDORES FINALES 3.6 ANÁLISÍS DE LOS DATOS DE UNA EMPRESA EN MEDELLÍN
31 31 31 42 48 48 50 50 53 56 56 57 57 58 59 59 60 61 65
3.6.1 Ventas_valor. Variable numérica (tabla secundaria 1) 3.6.2 Ciudades. Variable categórica (tabla secundaria 2) 3.6.3 Tipo_Exhibición. Variable categórica (tabla secundaria 2) 3.6.4 Tendencias_ Almohadas. Variable categórica (tabla secundaria 2) 3.6.5 Tendencias_Edredones. Variable categórica (tabla secundaria 2) 3.7 DETERMINAR LAS TÉCNICAS MÁS UTILIZADAS EN LA MINERÍA DE DATOS QUE SON ADECUADAS PARA LOS DATOS DESCRITOS 3.8 METODOLOGÍA CRISP-DM (CROSS-INDUSTRY STANDARD PROCESS FOR DATA MINING) 3.8.1 Preparación de los datos 3.9 PROPUESTA PARA ESTRATEGIAS DE MERCADEO BASADAS EN LOS RESULTADOS ARROJADOS POR LA MINERÍA DE DATOS
66 66 67 68 68
4. DISCUSIÓN DE RESULTADOS 4.1 RESULTADOS SECTOR TEXIL Y CATEGORIA ROPA HOGAR 4.2 RESULTADOS ENCUESTAS 4.3 RESULTADOS ARROJADOS POR LOS MODELOS DE MINERÍA DE DATOS 4.4 ESTRATEGIAS DE MERCADEO PROPUESTAS
96 96 97 99 103
5. CONCLUSIONES Y CONSIDERACIONES FINALES
104
REFERENCIAS BIBLIOGRÁFICAS
106
ANEXOS
111
73 75 75 92
LISTA DE FIGURAS Pág. Figura 1. Mezcla promocional Figura 2. Proceso KDD Figura 3. Técnicas de minería de datos Figura 4. Clasificacion de las fibras
16 20 22 32
LISTA DE GRÁFICAS Pág. Gráfica 1. Principales destinos de exportaciones textiles 34 Gráfica 2. Participación principales países destinos de exportación de textiles 34 Gráfica 3. Principales destinos exportaciones confecciones 35 Gráfica 4. Participacion principales paises destinos de exportacion de confecciones 35 Gráfica 5. Exportaciones colombianas del sector textil - confecciones 36 Gráfica 6. Exportaciones textiles y confecciones FOB 37 Gráfica 7. Importaciones textiles y confecciones CIF 38 Gráfica 8. Principales países de origen de las importaciones textiles 38 Gráfica 9. Participacion principales paises de origen de las importaciones de textiles 39 Gráfica 11. Participación principales países de origen de las importaciones de confecciones 40 Gráfica 12. Estructura empresarial por municipios 41 Gráfica 13. Estructura empresarial 42 Gráfica 14. Importaciones del mundo 44 Gráfica 15. Valor importado Suramérica 45 Gráfica 16. Participación mercado por países Suramérica 46 Gráfica 17. Crecimiento del mercado colombiano según importaciones 47 Gráfica 18. Participación mercado por países del mundo 47 Gráfica 19. Balanza comercial subsectores 50 Gráfica 20. Estructura de los costos de producción textiles 51 Gráfica 21. Encuesta sobre el impacto neto del reciente proceso de revaluación sobre su empresa 60 Gráfica 22. Encuesta frente al proceso de revaluación estrategica 60 Gráfica 23. Gastos almohadas y edredones 62 Gráfica 24. Gastos por género almohadas y edredones 62 Gráfica 25. Conocimiento de materiales almohadas y edredones 63 Gráfica 26. Ocasiones de compra almohadas y edredones 63 Gráfica 27. Preferencias almohadas y edredones 64 Gráfica 28. Importancia variables almohadas y edredones 64 Gráfica 29. Frecuencia de compras almohadas y edredones 65 Gráfica 30. Regla Número 5 81 Gráfica 31. Frecuencia de compra de los productos 82 Gráfica 32. Árbol de decisiones 90
LISTA DE TABLAS Pág. Tabla 1. Empresas o entidades involucradas en la fabricación, distribución y/o comercialización de productos como almohadas y edredones Tabla 2. Empresas entrevistadas Tabla 3. Exportaciones sector Tabla 4. Importaciones sector Tabla 5. Importaciones ropa hogar bajo posición arancelaria 94049000000 Tabla 6. Participación mercado ropa hogar Tabla 7. Atributos base de datos final
27 29 37 38 43 45 69
LISTA DE ANEXOS Pág. Anexo 1. Formato entrevistas a profundidad Anexo 2. Encuestas Anexo 3. Tabla secundaria 1 Anexo 4. Tabla secundaria 2
112 114 117 118
RESUMEN
Debido al constante desarrollo tecnológico en aplicaciones para la construcción, el almacenamiento y el fácil entendimiento de la información recopilada en las bases de datos, las cuales son utilizadas con fines de crecimiento, posicionamiento y penetración en los diferentes nichos de mercado, nació la necesidad de analizar cómo se podría implementar herramientas de minería de datos a pequeñas empresas del sector textil dirigidas a la categoría ropa de hogar, para desarrollar o estructurar estrategias de mercadeo enfocadas en las 4Ps, basados en los resultados de las aplicaciones. Teniendo en cuenta lo anterior, este trabajo tiene como objetivo proponer estrategias de mercadeo en el sector ropa hogar en Medellín a partir del uso de la minería de datos. Los resultados de la minería de datos permitirán la toma de decisiones más asertivas y una relación más cercana con los consumidores. De acuerdo con este objetivo general se inició el proceso de investigación con un estudio sobre el sector textil y del mercado de ropa hogar para el cual se realizaron entrevistas a profundidad a expertos en el tema y encuestas aleatorias a consumidores del producto. También se realizó una investigación en fuentes gubernamentales y privadas para establecer la participación del sector en la economía nacional y la participación del mercado de ropa de hogar en los mercados nacionales, internacionales y posición frente a países extranjeros con participación del mercado nacional. Aplicando esta metodología se obtuvieron los indicios y parámetros para la consolidación de la base de datos y la filtración de las técnicas y modelos con los cuales se debía ejecutar la información de forma fácil, ágil y certera tanto para su lectura como para la toma de decisiones. Además, se le solicitó a la compañía en Medellín información contable y financiera para realizar un proceso de minería de datos. Este proceso ayudó a identificar patrones en los datos basados en el análisis de variables de consumo, y así al obtener los resultados de los modelos de minería utilizados, se lograra definir estrategias para clientes con cierto tipo de atributos y luego ver la forma de segmentar y asociar clientes y productos. Finalmente se concluyó que mercado de ropa de hogar es un mercado que está siendo atendido con producto extranjero mediante empresas comercializadoras. La poca participación y especialización de empresas nacionales ha permitido que productos extranjeros ingresen con bajas calidades y atributos que repercuten en un menor precio y dificultan el desarrollo del sector productor nacional.
Palabras Clave: minería de datos, estrategias, bases de datos, patrones, modelos, mercado
ABSTRACT Due to constant technological development in construction applications, storage and easy understanding of the information collected in databases, which are used for growth promotion, positioning and penetration in different niche markets, it became necessary to analyze how you might implement data mining tools to small businesses in the textile market driven household linen, to develop marketing strategies or structure focused on the 4Ps, based on the results of the applications. Given the above, this paper aims to propose marketing strategies in the clothing industry home in Medellin from the use of data mining. The results of data mining give us more assertive and a closer relationship with consumers. According to this general objective research process began with a study of the textile and apparel market home for which depth interviews with experts in the field and random surveys consumers of the product. Also took place a research in government and private sources to establish the sector's share in the national economy and the share of household linen market in domestic, international, and position on foreign countries with national market share. Applying this methodology and parameters obtained evidence for the consolidation of the database and filtering techniques and models which had run the information in an easy, fast and accurate both for reading and for decision making Besides will asked the company on Medellin accounting and financial information for a data mining process. This process helped to identify patterns in the data based on analysis of consumer variables, and thus to obtain the results of the mining models used, was achieved with clients to define strategies for certain types of attributes and then see how to segment and associate customers and products. Finally it was concluded that household linen market is a market that is being treated with foreign product by marketers. The low involvement and expertise of domestic companies has allowed foreign products entering with low qualities and attributes that affect a lower price and hinder the development of the national productive sector Key words: data mining, strategies, databases, patterns, models, market.
INTRODUCCIÓN Gracias al desarrollo constante de tecnologías como los computadores, el internet, los sistemas de recolección y análisis de información, han ido surgiendo herramientas que le permiten a las empresas llegar a los consumidores y mercados objetivos de forma eficiente, directa y personalizada. Lo anterior hace que una de las herramientas más utilizadas por las organizaciones para desarrollar estrategias de mercadeo, sea la minería de datos, la cual admite identificar patrones de compra como gustos, frecuencias, preferencias de consumo, entre otras, que les permitirá a las compañías tener una ventaja competitiva, debido a que pueden mantener una mejor comunicación, y establecer tendencias de consumo y comportamiento de su mercado objetivo. Este conocimiento le facilitará a las empresas ofrecer productos que satisfagan los intereses y gustos de los consumidores con niveles de servicios superiores, hasta poder atender a sus clientes con cierta personalización. En palabras de Kotler “en la sociedad actual, basada en la información, las empresas que cuenten con información superior, tendrán una ventaja competitiva, podrán escoger mejor sus mercados, crear mejores ofertas y ejecutar mejores planes de marketing” (Kotler, 2000). Estos estudios de extracción de información de bases de datos actualmente se conocen como minería de datos, y en estas se pueden encontrar tanto diferente software como técnicas y modelos que permiten la identificación de factores relevantes que están recopilados. Se evaluarán varios modelos de minería de datos para determinar cuál se ajusta más a la información obtenida y considerarla para estrategias de mercadeo en base las técnicas de Porter (4Ps) Se concluirá determinando cual es la mejor técnica a implementar para el análisis de los datos y se propondrán las estrategias en base a los resultados que arrojaron los modelos evaluados.
11
1. PRELIMINARES 1.1 PLANTEAMIENTO DEL PROBLEMA El mercadeo según Kotler “es el proceso social y administrativo por el que los grupos e individuos satisfacen sus necesidades al crear e intercambiar bienes y servicios” (Kotler, Armstrong, Saunders, & Wong, 2002). Este concepto ha venido evolucionando en los últimos años, pasando de ser una idea de intercambio de bienes y servicios (años 70´s), a un mercadeo que involucra además un intercambio de pensamientos, emociones y sentimientos, ya que el consumidor no solo busca satisfacer una necesidad, sino que demanda que sea satisfecha en el momento adecuado y con las herramientas apropiadas, tanto a nivel físico como emocional (Tebé, 2005). Es allí donde el mercadeo se convierte en un concepto fundamental para las empresas, y la información juega un rol esencial en la implementación de estrategias, lo que hace indispensable identificar y anticipar las necesidades de los consumidores potenciales, conocer el mercado en donde se va a interactuar, las oportunidades y las amenazas (Jáuregui, 2002). En Colombia el uso de las bases de datos, y de la minería de datos para procesos de mercadeo es ignorada por quienes no las consideran importante para su toma de decisiones; o en ocasiones, las usan o cuentan con ellas, pero no tienen un conocimiento suficiente para obtener todo el beneficio que las mismas ofrecen (Canney, 2006). Las empresas en la categoría ropa hogar no son la excepción, existen aquellas quienes poseen una amplia base de datos de sus clientes o ventas pero no aprovechan toda esta información para tomar decisiones más acertadas, o por lo contrario empresas más pequeñas que de igual manera podrían obtener una ventaja competitiva, por lo que ante este desconocimiento o la mala utilización de esta herramienta, se hace necesario proponer estrategias de mercadeo enfocadas en el uso de las bases de datos, que den la empresa un mayor posicionamiento, y que al mismo tiempo, brinden al consumidor un producto que satisfaga totalmente su necesidad o deseo. En un ambiente empresarial tan competitivo y cambiante se presenta la necesidad de hacer uso de herramientas que permitan una toma de decisiones más efectiva y conlleven a la creación o adaptación de estrategias de mercadeo, que briden mayor satisfacción al consumidor y una ventaja competitiva a las organizaciones. Basado en lo anterior, y entendiendo la minería de datos como el estudio de información recopilada en bases de datos y su posterior aplicación a partir de un modelo estadístico arrojado por el proceso de análisis del cliente, se convierte en un método eficaz para permitir a una empresa del sector ropa de hogar "encontrar 12
patrones escondidos que son de gran utilidad y plantear estrategias que apunten a los objetivos del negocio" (Canney, 2006). Este planteamiento, permite formular la siguiente pregunta: ¿Como la minería de datos podría ayudar a la toma de decisiones más efectivas y su posterior análisis de las estrategias de mercado en una empresa del sector de ropa de hogar? 1.2 OBJETIVOS DEL PROYECTO 1.2.1 Objetivo General Proponer estrategias de mercadeo en el sector ropa hogar en Medellín a partir del uso de la minería de datos que les permita la toma de decisiones más asertivas y una relación más cercana con los consumidores. 1.2.2 Objetivos Específicos
Identificar las principales características del sector de ropa de hogar enfocados en almohadas y edredones, las estrategias de mercadeo que actualmente se utilizan y las necesidades comúnmente presentes en dicha área.
Recopilar y analizar los datos con respecto al consumo de ropa de hogar basado en datos de una compañía en Medellín.
Determinar las técnicas más utilizadas en la minería de datos que son adecuadas para los datos que se recopilaron y elaborar un modelo de minería de datos a partir de la información obtenida.
Generar estrategia para el mercado de ropa de hogar a partir de los resultados obtenidos del modelo.
1.3 MARCO DE REFERENCIA 1.3.1 Mercadeo Para el autor Philip Kotler, considerado por muchos como el padre del mercadeo moderno, el mercadeo se puede definir desde un punto de vista social y desde uno gerencial. Según la definición social “el marketing es un proceso a través del cual los individuos y grupos obtienen lo que necesitan y lo que desean mediante la creación, la oferta y el libre intercambio de productos y servicios valiosos con otros”, y en cuanto a la definición gerencial, lo define como “el arte de vender 13
productos” (Kotler, Dirección de marketing: Conceptos esenciales, 2002). Para otros autores como Peter Drucker “el objetivo del marketing es volver superflua la actividad de vender. El propósito del marketing es conocer y entender al cliente tan bien que el producto o servicio se ajuste perfectamente a él y se venda solo” (Drucker, 1973). Si bien en las anteriores definiciones se hace referencia solamente a bienes y servicios, los mercadólogos intervienen además en la venta de experiencias, eventos, personas, lugares, propiedades, organizaciones, información e ideas (Kotler, 2002). El mercadeo se divide en estratégico y operativo. El estratégico es el que “busca conocer las necesidades actuales y futuras de nuestros clientes, localizar nuevos nichos de mercado, identificar segmentos de mercado potenciales, valorar el potencial e interés de esos mercados, orientar a la empresa en busca de esas oportunidades y diseñar un plan de actuación que consiga los objetivos buscados” (Muñiz, 2010), es decir es el que se encarga de dar las pautas de actuación; y el operativo es el que utiliza las herramientas de la mezcla de mercadeo (producto, promoción, plaza y precio) buscando alcanzar los objetivos propuestos. Conceptos de mercadeo:
Necesidad: es un estado de privación de una satisfacción básica. Según Maslow las necesidades pueden ser Fisiológicas, de seguridad, sociales, de estima y de realización personal (En orden jerárquico), (Osuna, 2011).
Deseo: manifestación consciente de satisfacciones específicos (Osuna, 2011).
Demanda: son deseos hacia un determinado producto que se ven respaldados por la capacidad y voluntad de adquirirlos (Osuna, 2011).
Producto: cualquier cosa que se pueda ofrecer para satisfacer una necesidad o deseo (Osuna, 2011).
Mercado: congruencia de consumidores con necesidades por suplir, dinero para gastar y la voluntad de hacerlo (Osuna, 2011).
Segmentación: “identificar y preparar perfiles de grupos bien definidos de compradores que podrían preferir o requerir distintos productos y mezclas de marketing […] Luego, la compañía decide qué segmentos presentan la mejor oportunidad: aquellos cuyas necesidades la compañía puede satisfacer mejor”(Kotler, 2002). La segmentación del mercado se puede
una
necesidad
que
busca
14
realizar a partir de variables geográficas, demográficas, socioeconómicas, psicográficas y conductuales.
Mezcla de mercadeo: también se conoce como las “cuatro P” y es el “conjunto de variables de mercado que prepara una empresa para producir un efecto que desean los consumidores” (Salinas, 2000). Estas variables son el producto, la plaza, la promoción y el precio, El centro de la mezcla de mercadeo debe ser el cliente y debe tener como finalidad la satisfacción del mismo.
1.3.2 Mezcla de mercadeo Kotler y Armstrong definen a la mezcla de mercadotecnia como "el conjunto de herramientas tácticas controlables de mercadotecnia que la empresa combina para producir una respuesta deseada en el mercado meta. La mezcla de mercadotecnia incluye todo lo que la empresa puede hacer para influir en la demanda de su producto (Kotler & Armstrong, 2003). La mezcla de mercadotecnia o marketing mix hace parte de un nivel estratégico de la mercadotecnia, en el cual se elabora un producto que cumpla con los deseos y necesidades de consumidor, se ofrece a un precio conveniente, con un mensaje apropiado y un sistema de distribución que coloque el producto en el lugar correcto y en el momento más oportuno y se lleva a cabo un plan de comunicación o promoción que capte el interés y facilite la venta (Pérez, 2007). Muchos autores difieren en la cantidad de elementos que la componen. Kotler y Armstrong exponen un número de 4 variables (producto, plaza, precio y promoción), sin embargo, autores recientes han tomado diferentes apreciaciones que cambian las 4p tradicionales adoptando otros factores influentes en el mercado (Pérez, 2007). Las 4 P's consisten en: Producto, Precio, Plaza (distribución) y Promoción:
Producto: Kotler lo define como “un producto es cualquier cosa que pueda ofrecerse a la atención de un mercado para su adquisición, uso o consumo, y que además pueda satisfacer un deseo o una necesidad. Abarca objetos físicos, servicios, personas, lugares, organizaciones e ideas” (Kotler & Armstrong, 2003). Por consiguiente se definen las características del producto que la empresa ofrece al mercado objetivo, incluyendo la formulación y presentación del producto, el desarrollo de la marca, características del empaque, etiquetado y envase, variedad, calidad, entre otras (Czinkota & Kotabe, 2001).
15
Precio: se define como la cantidad de dinero que los clientes deben pagar por un determinado producto o servicio. Este es el más flexible de todos los elementos pero se tiene en cuenta que se debe plantear por medio de una investigación de mercados previa, la cual, define el precio más adecuado del producto para entrar al mercado. A su vez por ser el único elemento que proporciona ingresos, esta estrategia se convierte en un arma esencial para adquirir una ventaja competitiva (Pérez, 2007). Incluye variables como: precio de lista, descuentos, periodos de pago y condiciones de crédito (Thompson, 2005).
Plaza: se describe como las estrategias de distribución para que el producto sea encontrado por el consumidor según sus deseos y necesidades (Pérez Maldonado, 2007). Considera el manejo efectivo del canal de distribución (almacenamiento, transporte, logística, ubicación, cobertura, etc.) garantizando que el producto llegue al lugar adecuado, en el momento oportuno y en las condiciones propicias (Czinkota & Kotabe, 2001).
Promoción: su objetivo principal es informar, persuadir y recordar las características, ventajas y beneficios del producto para el logro de sus metas organizacionales, fomentando intercambios mutuamente satisfactorios entre compañía y cliente (Thompson, 2005). La mezcla de promoción está constituida por publicidad, promoción de ventas, relaciones públicas y ventas personales (fuerza de venta), sin embargo, se agregan a estas cuatro variables el marketing directo y el marketing de internet/interactivo, como se muestra en la figura 1, ya que juegan un rol muy importante en el mercadeo actual debido a los avances tecnológicos y la seguridad que se brinda con el trato cara a cara (Pérez, 2007).
Figura 1. Mezcla promocional (Pérez, 2007)
16
1.3.3 Minería de datos La minería de datos es “el proceso de extraer conocimiento útil y comprensible, previamente desconocido, desde grandes cantidades de datos almacenados en distintos formatos” (Witten & Frank, 2000). Es una ciencia computacional que combina conocimientos de diferentes áreas como inteligencia artificial, aprendizaje automático y estadística y los aplica a un conjunto de datos para obtener información de los mismos y presentarla en una estructura que haga más fácil su entendimiento y utilización posterior. La información obtenida puede ser: asociaciones, secuencias, clasificaciones, agrupamientos y pronósticos (Maneiro, 2008). Su objetivo principal es convertir datos en conocimientos, creando modelos a partir de la información disponible que permiten predecir otras situaciones similares, lo que ayuda a la toma de decisiones más seguras que signifiquen un beneficio para la organización. Para ello involucra dos retos importantes, por un lado trabajar con grandes volúmenes de información y por el otro utilizar técnicas adecuadas para analizar los mismos y extraer conocimiento útil de estos (Hernández, Ramirez & Ferri, 2007). A diferencia del método científico donde se tiene una hipótesis que se quiere probar y se recolectan datos para confirmarla o refutarla, en la minería de datos primero se recolectan los datos y a partir de los mismos se formulan las hipótesis que son confirmadas o refutadas por los datos mismos (Vallejos, 2006). Los métodos de minería de datos empiezan muchos años atrás con el almacenamiento de información en computadoras, continua con mejoras constantes que permiten un acceso más eficiente, y recientemente han tenido un gran desarrollo gracias a los avances de la tecnología (Maneiro, 2008). Se entiende la minería de datos como exploración de patrones dentro grandes volúmenes de datos por medio de métodos estadísticos con el fin de extraer y descubrir nuevos conocimientos. Este concepto no es algo nuevo, desde los años 70´s se empiezan a escuchar términos como data fishing, data mining y data archeology. En los 80´s estos términos cogen más fuerza y empiezan a ser más utilizados en diversas áreas; para ese entonces se contaba con dos empresas que utilizaban este sistema, en la actualidad son más de cien (EcuRed, 2011). El ambiente empresarial cada vez es más competitivo, lo que obliga a las empresas a buscar métodos exitosos que les permitan conocer su mercado objetivo y sus necesidades y así lograr generar estrategias de atracción y retención. La minería de datos es una de las opciones tecnológicas que se pueden obtener en la actualidad, ofrece la ventaja de pronosticar el comportamiento de posibles clientes y sus mayores gustos (Goicochea, 2009). 17
La minería de datos ha permitido el desarrollo de proyectos de investigación en áreas como la astronomía (clasificación de cuerpos celestes), meteorología (predicción de tormentas), medicina (predicción de enfermedades), manufactura (diagnóstico de fallas), gestión de riesgos, detención de fraudes, entre otros, de una manera más rápida que los métodos tradicionales, obteniendo resultados muy significativos (Galvis & Martínez, 2004). Aunque no se cuenta con investigaciones concretas para el sector de ropa de hogar, algunos estudios pueden ayudar a la contextualización del uso de minería de datos , como es el caso de Falcon Fraud Manager un sistema inteligente que permite examinar transacciones bancarias, propietarios de tarjetas y datos financieros , convirtiéndose en una herramienta, fundamental para detectar y amortiguar los fraudes que se realizan en tarjetas de crédito y débito , los cuales dieron pérdidas por más de 2.000 millones de dólares a grandes instituciones financieras en el mundo. Actualmente este sistema de minería de datos ha permitido ahorrar más de seiscientos millones de dólares dándoles a los compradores mayor seguridad y confianza en sus pagos (Vallejos, 2006). "Confrontación de dos técnicas de minería datos aplicadas a un dominio especifico" es una investigación realizada por Mario Galvis y Fabricio Martínez, en donde se expone dos diferentes herramientas para la extracción de información de una base de datos, técnicas clásicas y técnicas de nueva generación. Se detalla claramente las características y componentes principales de estas dos técnicas. Se llega a dos conclusiones principales que contribuyen al desarrollo del trabajo, las cuales son:
Es necesario que las bases datos cumplan ciertas condiciones para que sus resultados sean útiles. Deben tener información completa, debido a que una faltante tiene una incidencia negativa para el desempeño de la técnica o método estadístico utilizado y por lo tanto en las deducciones obtenidas; por otra parte el volumen del conjunto de datos varía según la aplicación , pero debe ser lo suficientemente grande para que los resultados sean válidos.
Cada una tiene ventajas y desventajas dependiendo del objetivo o a que lo que se pretende llegar, por lo que es de suma importancia analizar previamente las diferentes técnicas para escoger la más adecuada (Galvis & Martínez, 2004).
En el sector empresarial hay conocimiento de varios estudios o casos realizados, uno de ellos es el "Análisis para predicción de ventas utilizando minería de datos en almacenes de ventas de grandes superficies" escrito por José Antonio García y Ángela María Acevedo en 2010. Los autores recurrieron a la minería de datos en 18
conjunto con la plataforma RapidMiner1 para obtener un modelo de predicción de ventas que les permitiera encontrar relaciones entre productos para grandes superficies de ventas. En este proyecto se concluye que en las grandes superficies analizadas se presentaron mayores compras unitarias y de productos distintos en la mayoría de casos, lo que conlleva a que el proceso de minería de datos sea menos efectivo y sus resultados no sean tan confiables, debido a que se dificulta realizar asociaciones2 entre los distintos productos y las que se realizan tienen una confiabilidad menor. Lo anterior se debe a que por la gran cantidad de combinaciones de productos posibles que puede comprar un consumidor, se disminuye la cantidad de datos que soportan las asociaciones encontradas (García & Ácevedo, 2010). Se realizó un estudio basado en el análisis del perfil de los clientes que no continúan tomando el servicio, debido a la alta frecuencia en la demora de sus pagos, y la predicción del comportamiento de nuevos clientes para una compañía telefonía en España. El porcentaje de clientes que abandonan la telefonía es de un 12,6%, y de quienes todavía cuentan con el servicio tienen un 87,4%. La minería de datos le permitió a esta compañía analizar las características personales de sus clientes como estado civil, edad, sexo, nacionalidad etc. al igual que obtener patrones para cada uno en relación con la frecuencia de sus deudas, el horario de uso del servicio, porcentaje de llamadas , descuentos ofrecidos y tomados, entre otros, lo que los condujo a conocer que los clientes que dejaron de tomar el servicio no les producían perdidas , si no , ganancias, ya que estos recibían pocas promociones y registraban un aumento en demoras por cuestión de pago de servicios. La operadora tuvo que diseñar una estrategia para tener una relación más personalizada con sus clientes actuales y poder predecir comportamientos posteriores de estos. La British Broadcasting Corporation (BBC) del Reino Unido emplea un sistema en donde por medio de árboles de decisiones y datos históricos pueden determinar el tiempo óptimo para la exhibición de sus programas. Gracias a este sistema conocen más los gustos de sus televidentes y ahorran dinero presentando sus programas cuando hay mayor cantidad de audiencia en cada caso (Vallejos, 2006). 1.3.4 Fases del KDD (Knowledge Discovery in Databases) KDD se refiere a “un proceso no trivial de identificación válida, novedosa, potencialmente útil y entendible de patrones comprensibles que se encuentran ocultos en los datos” (Fayyad, 1996), por lo contrario minería de datos se refiere a un particular paso dentro de este proceso. 1
"RapidMiner es un entorno para el aprendizaje automático y para procesos de Minería de Datos, bajo el concepto de operador modular permite el diseño de cadenas de operadores complejos anidados para un gran número de problemas de aprendizaje" (García & Ácevedo, 2010). 2 "La tarea de asociación en Minería de Datos es encontrar los atributos que deben "ir juntos", es decir aquellos atributos que se relacionan entre sí"(García & Ácevedo, 2010). 19
El conocimiento debe ser válido, lo cual permita encontrar patrones precisos incluso con datos nuevos (manejando cierto grado de incertidumbre, novedoso, que aporte información nueva para la persona u organización, potencialmente útil, que conlleve a acciones que involucren un beneficio para el usuario, y comprensible, posibilite la comprensión e interpretación de los resultados obtenidos. El KDD comienza con la recopilación e integración de la información a partir de unos datos iniciales, estos pueden ser internos (bases de datos) o externos (censo, páginas amarillas, internet) dependiendo de la fuente de la que provienen y del objetivo que se quiere alcanzar con este proceso. Se debe definir los datos relevantes para el análisis y transfórmalos a un formato común que consiga unificar toda la información recolectada (Hernández, Ramirez & Ferri, 2007). El proceso de KDD está constituido por una seria de etapas como se observa en la figura 2.
Figura 2. Proceso KDD (Fayyad, 1996)
Como paso previo al proceso es necesario conocer los objetivos del usuario final y contextualizarse en el problema u oportunidad a resolver. Todo esto requiere de una buena interrelación entre la persona encargada de realizar el KDD y el usuario. A continuación se explica cada una de las etapas.
Selección: en esta etapa se elige el conjunto de datos base sobre los cuales se relazará el análisis. Es necesario tener en cuenta que los datos provienen de diferentes fuentes, por lo que se debe implementar la unificación de esto como un paso complementario (Lara, 2010). 20
Pre proceso: esta fase incluye tareas como el filtrado de datos atípicos (datos que presentan un comportamiento que no se ajusta al general), eliminación del ruido, manejo de valores ausentes y normalización de datos. Todo esto con el objetivo de asegurar la calidad de los datos y por consiguiente la calidad del conocimiento descubierto (Lara, 2010).
Transformación y reducción de los datos: consiste principalmente en transformar la estructura de los datos con el objetivo de facilitar su posterior análisis, este paso resulta fundamental ya que requiere de un vasto conocimiento del negocio y una buena intuición, con frecuencia marca la diferencia entre resultados exitosos y fracasos (Lara, 2010).
Minería de datos: se analizan los datos por medio de un conjunto de técnicas y herramientas con el fin de extraer información oculta. A su vez se divide en otros tres pasos (Lara, 2010): o Preparación de los datos: en esta fase se organizan los datos obtenidos de forma tal que se puedan aplicar los algoritmos. o Modelación: en esta etapa se seleccionan los algoritmos más adecuados que se aplicaran a los datos.
Interpretación/evaluación del conocimiento extraído: en esta última etapa se procede a evaluar los resultados e interpretar el conocimiento extraído en la fase anterior (Lara, 2010)
Actualmente existen diferentes técnicas para la Minería de Datos, las cuales permiten la clasificación, predicción y estimación de los datos estudiados. Es recomendable que se conozcan, estudien y entiendan los datos a trabajar antes de implementar alguna(s) de estas técnicas, ya que de esta forma se pueden identificar las posibles a utilizar y sus respectivos modelos.
21
Figura 3. Técnicas de minería de datos
22
En la Figura 3 se aprecia que las Técnicas de Minería de datos se clasifican en dos grupos, las No Supervisadas (Predictivas) y las Supervisadas (Descriptivas). Dentro de las No supervisadas se agrupa el Clustering y la Asociación; el Clustering se puede llevar a cabo con diferentes modelos, el Numérico, Conceptual, Probabilístico o Jerárquico; la Asociación se realiza por medio del modelo A priori. Dentro de las Supervisadas se agrupa la Clasificación y la Predicción. La Clasificación se puede llevar a cabo a través de diferentes modelos, como lo son la Tabla de decisión, Árboles de decisión, Inducción de reglas, Bayesiana, Basado en ejemplares, Redes de Neuronas, Logística borrosa, Técnicas genéticas, Potenciar, SVM (Support Vector Machines) y Supervivencias. La Predicción agrupa tres modelos, la Regresión, Árboles de predicción y Estimador de núcleo. Al basarse en el entendimiento de la base de datos y un conocimiento previo de los modelos de dichas técnicas se puede determinar, cuál modelo es el más apropiado para resolver el algoritmo inicialmente planteado con la información que se posee. Es importante entender que el hecho de aplicar una técnica no supervisada (predictiva) no quiere decir que se excluya la posibilidad de utilizar técnicas supervisadas (descriptivas) ya que dichas técnicas pueden servir para distintos propósitos Por ende, la figura 3 únicamente representa para qué propósitos son generalmente más utilizadas las técnicas y sus respectivos modelos. Los algoritmos de la minería de datos que se utilizarán para este trabajo se describen en más detalle en el capítulo 3, ya que un objetivo específico de este trabajo es, “determinar las técnicas más utilizadas en la minería de datos que son adecuadas” para este trabajo. 1.3.5 Bases de datos y almacenes de datos Una base de datos es un conjunto de datos pertenecientes a un mismo contexto, que se almacenan de manera sistemática para su posterior uso y que se administran mediante un sistema de gestión de bases de datos. Estos sistemas consisten en una colección de datos interrelacionado y un conjunto de programas que permiten acceder fácilmente a ellos y agregar nuevos datos de manera conveniente y eficiente (Kedar, 2009). Dentro de las ventajas que ofrecen los sistemas de bases de datos a las organizaciones se encuentran:
Disminución en la redundancia de información entre las diferentes áreas. Permiten eliminar la inconsistencia. Facilidad para compartir los datos. Mayor seguridad para la información. Mayor facilidad para mantener la integridad (Cisneros, 1998). 23
Un almacén de datos es una gran recolección de datos de diferentes fuentes y cuyo objetivo principal es la facilitación en la toma de decisiones, es decir, ir más allá de la simple obtención de información para un mayor análisis. Se construyen por medio de un proceso de integración y almacenamiento (Hernández, Ramirez & Ferri, 2007). Las bases de datos tienen aplicación en muchos campos incluyendo el mercadeo. En este caso se puede tener una base de datos construida y organizada con la finalidad de contar con información detallada de los clientes y usarla para promover más ventas y generar una relación más cercana con el consumidor, algo esencial para la supervivencia del negocio en el mediano y largo plazo. 1.3.6 Evaluar qué tan atractivo es el sector - Las 5 fuerzas de Porter Las 5 fuerzas es un modelo estratégico propuesto por el economista Michael Porter según el cual la rentabilidad y atracción de un sector a largo plazo está determinada por cinco fuerzas competitivas: rivalidad entre los competidores existentes, amenaza de productos o servicios sustitutos, amenaza de nuevos entrantes, poder de negociación de los compradores y poder de negociación de los proveedores. “La rivalidad extendida, que se genera como consecuencia de las cinco fuerzas, define la estructura de un sector y da forma a la naturaleza de la interacción competitiva dentro de un sector” (Porter, 2008).
Amenaza de entrada: cuando los nuevos competidores que ingresan a un sector tratan de adquirir participación en el mercado, introduciendo nuevas capacidades, se genera una presión sobre los precios, costos y tasa de inversión necesaria para poder competir, limitando así la rentabilidad potencial de dicho sector. La facilidad de entrada de nuevos competidores dependerá de que tan fuerte sean las barreras de entrada al mismo (Porter, 2008).
Poder de los proveedores: si los proveedores son muy poderosos estarán en capacidad de cobrar precios más altos, restringir la calidad o servicios ofrecidos y transferir los costos a los demás participantes del sector. Esta fuerza puede afectar la rentabilidad ya que en muchos sectores no es posible transferir los altos costos al cliente (Porter, 2008).
Poder de los clientes: cuando los clientes son pocos y compran en grandes cantidades, pueden cambiar fácilmente de marca y no hay diferenciación entre los productos del sector, podrán presionar a la empresa a bajar sus precios y ofrecer una mejor calidad y servicio, afectando así la rentabilidad de la misma (Porter, 2008).
24
Amenaza de productos substitutos: un producto substituto es aquel que puede suplir una necesidad que suple otro producto de forma diferente. Los substitutos pueden afectar la rentabilidad del sector ya que limitan el precio y, si no se toman medidas necesarias, el potencial de crecimiento (Porter, 2008).
Rivalidad entre competidores actuales: dependiendo de la intensidad y la base sobre la cual las empresas existentes compiten se puede afectar la rentabilidad del sector. La intensidad de la competencia depende de la cantidad de competidores, el crecimiento del sector, las barreras de salida, el compromiso de cada uno de los competidores con el negocio y el desconocimiento de los mismos. La competencia será especialmente mala para la rentabilidad de la compañía cuando se basa en el precio (Porter, 2008).
A pesar de las diferencias entre sectores el análisis de estas fuerzas permite determinar si un sector es atractivo para invertir ya que “los impulsores subyacentes de las utilidades son los mismos” (Porter, 2008). 1.3.7 La minería de datos en los negocios y en el mercadeo La necesidad de información surge principalmente de la incertidumbre y la toma de decisiones efectivas. En la actualidad estas dos características ocupan un lugar de gran importancia para los negocios, haciendo imprescindible la información para el éxito en el mercado. Para obtener la información necesaria se debe partir en primer lugar de una materia prima, los datos. Estos están hoy en día más disponibles, debido a las diferentes técnicas de captación y gestión que ofrecen las tecnologías. Sin embargo los datos por si solos no generan un valor agregado a los negocios, las bases de datos no suelen proporcionar beneficios directos, es la transformación de estos a conocimientos y la posterior aplicación lo que genera valor para la empresa, es decir información que nos ayude a tomar decisiones o a mejorar la comprensión de los fenómenos alrededor. Para el análisis de los datos se puede emplear la estadística clásica aunque recientemente se ha venido incorporando herramientas de minería de datos que facilitan la extracción de conocimiento (Castañeda & Rodríguez, 1996). El objetivo final es incorporar conocimiento obtenido y tomar decisiones a partir de los resultados alcanzados, resaltando que estos resultados se comportan como apoyo a la toma de decisiones y no como la respuesta definitiva y absoluta a un problema (Castañeda & Rodríguez, 1996). Los sistemas de apoyo a la toma de decisiones son las herramientas usadas por los directivos para obtener respuestas eficaces, basándose en la teoría de la decisión. En consecuencia se puede considerar a las herramientas de minería de 25
datos como tipos especiales de apoyo a la toma de decisiones, utilizándose para eliminar resultados innecesarios e irrelevantes que ayuden a los analistas a manejar eficazmente grandes cantidades de datos. A su vez permite a las empresas conocer más a sus clientes y competencia lo que permite diseñar estrategias más personalizadas y dinámicas que se adapten a los constantes cambios del entorno (LatinPyme, 2010). Es innegable que las organizaciones cada vez solicitan más información sobre la rentabilidad de todas sus actividades de negocio, pero no siempre se encuentra con una respuesta positiva. El volumen creciente de datos a los que se enfrentan los usuarios, especialmente aquellos especializados en economía, finanzas y marketing, está haciendo que los datos se conviertan en una masa sobrecargado donde es imposible ver con claridad los procesos de la situación y las perspectivas de la empresa, por lo que la minería de datos permite identificar mediante la aplicación automática de algoritmos, las variables más relevantes para una decisión concreta y determinar las características del perfil de los clientes (Marcano & Talavera, 2007). También puede contribuir significativamente con aplicaciones de administración empresarial basada en la relación con el cliente. En lugar de llegar al cliente de manera indiscriminada y sin ningún conocimiento determinante, la empresa puede construir modelos separados para cada región y/o tipo de cliente y determinar quiénes van a ser rentable durante un periodo de tiempo y realizar estrategias tanto con este conjunto de personas como las que resultan no rentables, con el fin de tener un proceso diferentes que los convierta en clientes potenciales (EcuRed, 2011). Este sistema se presenta como una opción para generar una ventaja competitiva en las organizaciones, valiéndose de la experiencia acumulada, del cual sin duda constituye el principal activo para la creación de valor. De esta manera se crea una organización que reflexiona, documenta, aprende y está en condiciones de innovar (Marcano & Talavera, 2007).
26
2. METODOLOGÍA Identificar las principales características del sector de ropa de hogar enfocados en almohadas y edredones, las estrategias de mercadeo que actualmente se utilizan y las necesidades comúnmente presentes en dicha área. Para cumplir con el objetivo definido se definirá el sector textil en primera estancia para luego enfocarse en la categoría de ropa hogar; Para identificar las características del sector y sus necesidades, se recurrirá tanto a información primaria como secundaria. Para la información primaria fue necesario la elaboración de una base de datos que facilitara identificar empresas o entidades involucradas en la fabricación, distribución y/o comercialización de productos como almohadas y edredones de manera directa o indirectamente. Para su creación se recurrió a información recolectada por medio de diferentes fuentes tales como: páginas amarillas (web), conocimiento propio y referido. Tabla 1. Empresas o entidades involucradas en la fabricación, distribución y/o comercialización de productos como almohadas y edredones
27
Una vez consolidada la base de datos se realizaron entrevistas en profundidad a cinco personas que ayudarán al entendimiento tanto del sector como de la categoría de ropa de hogar (Ver Anexo 1). Es importante resaltar que debido a tratarse de una investigación exploratoria y no concluyente, el número de entrevistados fueron escogidos por conveniencia. Los criterios tenidos en cuenta para la elección de los entrevistados fueron:
Facilidad y disposición de obtener una cita con una persona que conozca o maneje estrategias de mercadeo del sector textil y de la categoría de ropa de hogar (almohadas y edredones). Empresas con una experiencia mínima de diez años en el sector textil y/o categoría ropa de hogar.
Tabla 2. Empresas entrevistadas
Para la información secundaria se utilizaron fuentes como internet, informes y artículos, que ayudaron a identificar las fortalezas, debilidades, amenazas y oportunidades del sector (DOFA). De esta manera se logra contextualizar tanto el sector textil como la categoría de ropa de hogar; que posteriormente permitió el análisis de las 5 fuerzas de Porter. Recopilar y analizar los datos con respecto al consumo de ropa de hogar basado en datos de una compañía en Medellín. Se recopilaron datos e informes provenientes de una empresa del sector textil en la categoría de ropa de hogar que debieron consolidarse para identificar y analizar variables como: a. Precios b. Ventas por zona i. Volumen ii. Valor c. Ventas por almacén i. Volumen ii. Valor 28
La búsqueda de los datos a aplicar la minería se da por medio de una selección de las fuentes y recolección inicial, para luego identificar su calidad y establecer las relaciones que existen entre ellos. Al no encontrar una base de datos consolidada en la compañía que permitiera una aplicación adecuada de algún método de minería de datos, se llevó a cabo un proceso de integración de datos de varias fuentes. Adicional a la consolidación de la información suministrada por una productora de almohadas y edredones una productora de almohadas y edredones que lleva más de 25 años de trayectoria en el mercado, se realizaron 60 encuestas (ver Anexo 2) a personas tomadas de una base pequeña base de datos de la compañía de forma aleatoria, con las cuales se identificaron variables y patrones de consumo como: a. Características demográficas. i. Genero ii. Edad iii. Estrato socioeconómico b. Conocimiento de atributos y características físicas de los productos c. Hábitos de consumo como: i. Lugares de compra ii. Frecuencia de compra iii. Momento de compra iv. Cantidad de dinero destinado para compra v. Valoración de los atributos Determinar las técnicas más utilizadas en la minería de datos que son adecuadas para los datos que se recopilaron y elaborar un modelo de minería de datos a partir de la información obtenida. El proceso realizado se basa principalmente en la metodología CRISP-DM, la cual permite desarrollar un proyecto de minería de datos aplicado a un mercado real, por lo cual se realizaron los tres pasos o fases principales. En primer lugar se revisó la literatura existente en conceptos de minería de datos, técnicas más utilizadas y posible software libres que se adecuaran al desarrollo del trabajo. Se acoge el software R debido a su fácil manejo y entendimiento de los datos. Al obtener una base de datos consolidada se trabajó en una estructura que sea capaz de almacenar esa información, considerando las existencias de relaciones entre estos; Los datos provienen de diferentes fuentes por lo que fue necesario un proceso de transformación y limpieza, implementadas en la fase de preparación de los datos, debido a que no tenían el formato adecuado o contienen ruido.
29
En tercer lugar se procedió a la elaboración del modelo, se utilizaron tres métodos de minería de datos, asociación para descubrir hechos que ocurren en común dentro de un determinado conjunto de datos, clustering, el cual agrupa atributos que guardan cierto grado de similitud para formar conjuntos con características similares y árbol de decisiones para categorizar una serie de condiciones de forma sucesiva. Estas técnicas fueron elegidas por las siguientes razones, primero, la asociación fue seleccionada debido a que se quería conocer el grado de relacionamiento que podría existir en la compra de los productos, es decir, para determinar posibilidad de que se generaran compras de dos o más productos (diferentes) a la vez; segundo, el clustering fue seleccionado debido a que con esta técnica se buscaba responder si los grupos clasificados por atributos similares presentaban comportamientos o tendencias iguales o diferentes entre ellos, por ejemplo determinar si un grupo representado por una ciudad principal de clima caliente y otro de una ciudad intermedia de clima caliente, presentaban comportamientos similares o diferentes en cuanto a sus ventas; por último, se eligió el árbol de decisión debido a que con esta técnica se identifican las rutas u opciones más viables para el logro de los objetivos (incremento de ventas). Se adaptan los datos y aplican diferentes modelos de exploración para determinar las variables o atributos más adecuados y ajustar los modelos anteriormente mencionados. Finalmente se verifico que los resultados obtenidos sean satisfactorios, utilizando medidas de validación proporcionadas por el software y corroborando con los gerentes de la compañía que los análisis estuvieran correctos. Generar estrategias para el mercado de ropa de hogar. Con base en el conocimiento y entendimiento de las encuestas, entrevistas y la base de datos tanto por sus resultados debido a la ejecución de los métodos aplicados como por el estudio de estos, se desarrollara una puesta en común donde se indicara que estrategias se desean y se podrían proponer en cada una las 4 Ps (Promoción, plaza, Producto, Precio). Para el desarrollo de estrategias perdurables en el tiempo es fundamental tener un contexto general de: a) Sector textil y el mercado de ropa de hogar b) Tener claro la DOFA desarrollada gracias a las entrevistas c) Tener presente los comportamientos de compra encontrados en las encuestas como: Frecuencias de compra Rangos de edad de mayor compra Géneros de mayor compra. Necesidades de compra 30
3. DESARROLLO DEL ESTUDIO DIRECCIONADA A LA IMPLEMENTACIÓN DE ESTRATEGIAS DE MERCADEO A PARTIR DE LA MINERÍA DE DATOS A continuación se identifican las características principales del sector de ropa de hogar enfocados en almohadas y edredones, empezando con la descripción de las características del sector textil en general. Luego se identifican las necesidades comúnmente presente en este sector, incluyendo la categoría ‘ropa de hogar’ y después se identifican las estrategias de mercadeo que actualmente se utilizan. Posteriormente se presentan los resultados obtenidos de las encuestas a consumidores finales para terminar la caracterización del sector. 3.1 IDENTIFICACIÓN DE LAS CARACTERISTICAS DEL SECTOR 3.1.1 Descripción del sector textil Las principales características del sector textil se pueden enumerar y describir de la siguiente forma: La industria textil en colombia ha ocupado un puesto primordial en el desarrollo de la economia nacional, en donde es considerada una gran generadora de riquezas. En la actualidad Colombia es reconocida por sus industrias textileras y de confeccion, con aproximadamente 100 de experiencia, teniendo altos reconocimientos en la calidad de sus productos (Proexport, 2012).
La industria textil y de confecciones es diversa en cuanto a los productos finales que genera, en donde la producción de hilados y tejidos para la confección de prendas de vestir y artículos para el hogar son las que tienen mayor importancia en este sector. Aunque desde el punto de vista técnico es un sector diferente, en las estadísticas económicas se suele incluir la industria del calzado como parte de la industria textil (MAPFRE, 2010).
Desde una perspectiva muy general las actividades involucradas en la cadena de producción, van desde la transformación de materia prima (fibras naturales, artificiales, sintéticas) figura 4, procesos intermedios como la fabricación de hilos, tejidos, teñido y acabado de telas, hasta la confección y manufactura de productos semiacabados y acabados (Pantalones, camisas, ropa interior, almohadas, entre otros).
31
Figura 4. Clasificacion de las fibras (Villegas, 2013)
La industria genera demanda en otros sectores como la industria química debido a la obtención y utilización de algunos insumos, agrícola por el cultivo de algodón como materia prima, el ganadero para la adquisición de lanas, la industria de plásticos, que interviene en la fabricación de cierres, botones, etc.; convirtiéndose en una industria altamente integrada (Sanchez, 2003).
El sector representa más del 12% del PIB industrial y cerca el 1,6% del valor agregado nacional y genera más de 600 mil empleos directos e indirectos, representando cerca del 20% de la fuerza laboral generada por la industria manufacturera (Proexport, 2012).
En el 2011 la industria textil creció un 6,4% y las confecciones un 5,5%, jalonada especialmente por la demanda interna.La produccion de textiles y confecciones a demostrado una tendencia creciente durante los ultimos años con un crecimiento de 10,3%, impulsado principalmente por el aumento de las confecciones, que crecieron el 20%. Este incremento se debe principalmente al crecimiento de las ventas, la reactivación del consumo, la diversificación de destinos exportación y el crecimiento económico de los socios comerciales (Proexport, 2012). 32
El mercado mundial retail de confección se valoró en 1,18 billones de dólares en 2011 y se espera que para el 2016 este valor alcance los 1,35 billones de dólares (Sierra, 2012). El sector textil se convierte en uno de los sectores más prometedores para la industria nacional, y un gran beneficiador de los tratados comerciales con diferentes países, generando altas oportunidades de ingresar a mercados potenciales con un trato preferencial (INEXMODA, 2012).
El gobierno interviene en contra del contrabando con una nueva medida para incentivar el sector, se expide un decreto que fija un arancel específico a las importaciones de confecciones y calzado para frenar la competencia desleal. El impuesto será de 4 dólares por kilo de la mercancía importada. “Además se estudian medidas para fortalecer los instrumentos del Estado y así combatir el contrabando y el lavado de activos de manera más efectiva” (Presidencia de la República, 2013). La medida empezará a regir desde el 1 marzo del 2013, tendrá una duración de un año y no aplica para los países con los que Colombia tiene un TLC. Según Juliana Calad, directora de la cámara de la Industria Textil de la Andi, uno de los mayores problemas que enfrenta el sector es la importación de productos provenientes de China a precios irrisorios, muchas veces no son ni siquiera el costo de su materia prima, esta es la mejor manera de tratar de dar solución a este problema” y así compensar a los productos nacionales poniéndolos en una posición de condiciones competitivas mejores a precios normales y legales. (ANDI, 2013) De esta manera muchos gremios se han pronunciado criticando fuertemente la medida tomada, declarando que “puesto que el impacto más grande en el deterioro de la industria nacional está marcado por la importación legal de textiles a bajo costo, que podrían ser considerados como importadores que "juegan limpio", pues es bien sabido que una medida de aumento de aranceles solo afecta a los importadores cumplidos, puesto que el contrabando no paga ni pagará impuestos” (Presidencia de la República, 2013).
Entre enero – noviembre de 2012 las exportaciones colombianas decrecieron 5,7% quedando en US$60.666 millones. Las exportaciones de textiles y confecciones constituyen el 6,5% de las exportaciones no tradicionales y más del 5% del total de exportaciones del país. Los principales destinos de exportación de textiles de Colombia son Venezuela, Ecuador, Peru y México con mas del 70% sobre el total de exportaciones. (Ver Gráfica 1) (INEXMODA, 2012).
33
Gráfica 2. Principales destinos de exportaciones textiles (INEXMODA, 2012)
En los últimos 4 años se puede observar claramente una disminución muy elevada de las exportaciones a Venezuela y a raíz de esto un aumento en otras regiones como México, Perú y Ecuador; aunque Venezuela sigue representando una gran importancia en términos de exportaciones de textiles para Colombia el mercado colombiano está buscando diversificarse.
Gráfica 3. Participación principales países destinos de exportación de textiles (INEXMODA, 2012)
34
Un caso un poco diferente se da en el sector de las confecciones en donde Estados Unidos es un destino sumamente importante que ha venido creciendo a lo largo de los años y que gracias al TLC se espera tener un acceso a un mercado de 300 millones de posibles consumidores con un aumento sustancial en las exportaciones a dicho país. El 53% de las exportaciones del sector corresponden a confecciones y el 26% a textiles.
Gráfica 4. Principales destinos exportaciones confecciones (INEXMODA, 2012)
Gráfica 5. Participacion principales paises destinos de exportacion de confecciones (INEXMODA, 2012)
35
Las exportaciones hacia la Union Europea presentan un crecimiento del 5,4% en comparacion con el mismo periodo (Enero-Octubre) del 2011, en donde las confecciones fueron las grandes jalonadoras. Antioquia, Caldas, Quindio y Bogota son los departamentos con mayor potencial exportador hacia esta region del mundo (gráfica 5). Resultado de un buena estrategia de busqueda de nuevos mercados potenciales y diversificacion exportadora.
Gráfica 6. Exportaciones colombianas del sector textil - confecciones (DANE, 2012)
En diez años las exportaciones Colombianas se han triplicado y la industria textil no ha sido ajena a este crecimiento. A pesar de haber sufrido un drastico decrecimiento entre los años 2008 y 2010 explicado principalmente por la crisis politica con Venezuela expuesta anteriormente ,para el 2011 se observa un crecimiento de las exportaciones tanto de textiles como confecciones , esto se debe al ingreso sin restricciones arancelarias en algunos mercados regionales a los productos de la industria colombiana, lo que hace referiencia a un sector esencial en el desarrollo economico del pais. (INEXMODA, 2012)
36
Gráfica 7. Exportaciones textiles y confecciones FOB. (INEXMODA, 2012) Tabla 3. Exportaciones sector (INEXMODA, 2012)
Entre enero – diciembre de 2012 las importaciones colombianas crecieron 7,2% sumando US$58.632 millones CIF. Las importaciones de confección crecieron el 62% en el 2011 y las de textil el 43%, consecuentes a la tendencia creciente que se viene dando desde 2010. Más del 56% de las importaciones colombianas del sector en el 2011 llegaron de China, India y Estados Unidos.
37
Gráfica 8. Importaciones textiles y confecciones CIF (Proexport, 2012) Tabla 4. Importaciones sector (INEXMODA, 2012)
Gráfica 9. Principales países de origen de las importaciones textiles (INEXMODA, 2012)
Estados Unidos en los últimos años ha perdido su participación en las importaciones Colombianas tomando cada vez más valor las provenientes de China y Panamá. Colombia por tradicion es un pais ocnfeccionista, por estos la demanda interna de textiles cada vez es mayor y esta no es
38
saciada mediante empresas colombianas que se les ha hecho imposible competir con precios de paises como China, India, Pakistan etc.
Gráfica 10. Participacion principales paises de origen de las importaciones de textiles (INEXMODA, 2012)
Con una singular variante en comparación de los textiles, China es el líder con el 58% de las importaciones de confecciones, lo que preocupa fuertemente a los empresarios textiles colombianos.
Gráfica 11. Principales países de origen de las importaciones confecciones (INEXMODA, 2012) 39
Gráfica 12. Participación principales países de origen de las importaciones de confecciones (INEXMODA, 2012)
“Más del 6% del producto interno bruto industrial textil del país se genera en Medellín, principal ciudad productora de índigo con el objetivo a corto plazo de ser autosuficiente. El sector textil-confección está compuesto por cerca de diez mil fábricas situadas en siete ciudades del país, principalmente en Medellín con un aproximado del 40%” (INEXMODA, 2012).
“El 50 por ciento de la producción textil del país se hace en Antioquia, departamento que entre enero y mayo del 2012 exportó 172,7 millones de dólares. Las exportaciones de Antioquia alcanzaron 6.037,3 millones de dólares en 2011, un 28,1 por ciento más que en 2010” (Gobernación de Antioquia, 2012).
Se cuenta con 12000 empresas dedicadas al sector textil y de confeccion en antioquia, que suman activos por cerca de 4.000 millones de dólares y ventas anuales por 1.000 millones de dólares. (grafica 11); (Gobernación de Antioquia, 2012)
32% del empleo industrial Antioqueño deriva de esta actividad, lo que posiciona a la ciudad como una de las mas fuertes a nivel nacional en este campo (Gobernación de Antioquia, 2012).
40
Gráfica 13. Estructura empresarial por municipios (Sierra, 2012)
El Cluster de la ciudad de Medellín cuenta con aproximadamente 7254 empresas asociadas al sector textil y confecciones, que según su tamaño se distribuyen como se muestra en la grafica 13.
Gráfica 14. Estructura empresarial (Sierra, 2012)
Su objetivo principal es “promover cultura de integración para fomentar la innovación y el desarrollo de empresas e instituciones que interactúan en la cadena de valor, con el fin de lograr acceso y reconocimiento en los mercados” y espera para el 2015, “incrementar la competitividad de sus
41
empresas de manera sostenible para enfrentar los mercados, contribuyendo de esta forma al desarrollo económico y social de Antioquia”. Entre oportunidades de inversión en la región, el sector textil es bastante fuerte, pues Antioquia tiene una tradición textilera consolidada y es un territorio líder en esta industria; además cuenta con reconocidas ferias de figuración internacional. Como resultado habría posibilidades grandes de establecimiento de plantas de producción, centros logísticos y de investigación, desarrollo e innovación (Gobernación de Antioquia, 2012).
3.1.2 Identificación de las características de la categoría ropa de hogar De las entrevistas realizadas y de información recolectada en fuentes secundarias se identificaron las siguientes características para las empresas involucradas en la categoría ropa hogar, más específicamente edredones y almohadas:
Debido a que los productos que se ofrecen para ropa hogar no tienen un alto grado de diferenciación en su forma o diseño, las compañías entran a resaltar características que los diferencien de las demás, enfocándose en precios, diseños de telas y calidad de su producto final.
Los clientes sin importar su capacidad económica no solo buscan precios, buscan una excelente relación entre variables tales como: precios, diseño y calidad principalmente, por lo que se debe tener un muy buen manejo de estas tres características para no salir del mercado. El diseño juega un rol muy importante; el cliente de clase baja compra primero por precio y luego por diseño, al contrario, el de clase alta lo tiene como una característica de mayor preferencia.
Para obtener una diferenciación positiva se debe agregar valor al producto y servicio, trabajando muy fuertemente con la innovación y estando al tanto de los cambios del mercado.
Los consumidores en un 70% o 80% son mujeres, porque son las que determinan la decoración del hogar en una relación del 20% al 30% de hombres, ya sea que viven solos o manejan esto en su hogar. En las grandes cadenas su cliente más fuerte es el ama de casa, pues es quien realiza la mayoría de compras en el hogar y se puede persuadir más fácilmente para realizar compras por impulsos. De esta manera se enfocan en exhibir sus productos de una forma en la que el consumidor se vea atraído.
La cantidad de canales para esta categoría es menor comprada con la destinada a otras áreas del sector textil, se pueden identificar fácilmente cinco como las más relevantes en el momento de compra, estas son: grandes cadenas, almacenes especializados, almacenes de muebles y decoración, locales de venta de colchones y almacenes textiles. Para estas 42
últimas las almohadas y los edredones se comportan como productos complementarios. Los canales de distribución tienen una tendencia a mejorar, cada vez hay almacenes más especializados hacia el hogar que le bridan al cliente una gran variedad de productos y un asesoramiento más específico. Importadores Mundo: Actualmente el mundo se encuentra realizando transacciones bajo la posición 9404900000 por un valor de 7.683.980 Dólar EUA miles, lo cual representa un crecimiento con respecto al año 2008 del 9.64%. El 80% de estas importaciones son realizadas por países como:
Tabla 5. Importaciones ropa hogar bajo posición arancelaria 94049000000 (Trade Map)
El principal pais con participacion es Estados Unidos, lo cual nos abre oportunidad de desarrollo de mercado gracias a los nuevos tratados de libre comercio que se encuentran vigentes entre ambos Paises.
Si se revisa el tamaño del mercado vs los principales 4 paises y Colombia, se podra observar como el mercado se encuentra muy distribuido, ya que los unicos paises con participaciones superiores al 10% son Japon y Estados Unidos.
43
Gráfica 15. Importaciones del mundo (Trade Map)
Aunque el mercado global en los últimos cuatro años solo ha presentado crecimientos del 9.64%, el mercado Colombiano ha presentado crecimientos del 173% en el mismo periodo de tiempo, pasando de 8.798 Dólar EUA miles a 24.046 Dólar EUA miles, lo cual lo ubica como el país número 43 en cuanto a las importaciones globales, y de tercero bajo importadores de Sur América.
Revisando las cifras de las importaciones de los países de Sur América, se podrá observar que países como Argentina y Venezuela han presentado cambios de consumo, en el 2008 dichos países declararon importaciones por un valor de 130.000 Dólar EUA miles, mientras que en el 2011 por tan solo 64.000 Dólar EUA miles y a no presentar importaciones en el 2012, lo cual deja un amplio cuestionamiento (ver tabla 5). Es importante mencionar que debido a estos cambios del comportamiento del mercado, la participación de los países suramericanos en cuanto a las importaciones dio un giro, ya que para el año 2008 Venezuela importaba el 53% de las importaciones realizadas por américa del sur y Brasil tan solo el 8%, para el año 2012 Venezuela perdió participación (0%) y Brasil paso a ser el líder con un 47% (ver grafica 15).
44
Gráfica 16. Valor importado Suramérica (Trade Map) Tabla 6. Participación mercado ropa hogar (Trade Map)
45
Gráfica 17. Participación mercado por países Suramérica (Trade Map)
Con respecto a las importaciones de Colombia los principales Orígenes de importación de dicha posición arancelaria son países como China, India, Pakistán, Estados Unidos, Brasil y Chile, con un total del 93% del valor importado en el 2012.
46
Gráfica 18. Crecimiento del mercado colombiano según importaciones (Trade Map)
Este crecimiento y dinamismo en el cual se encuentra Colombia, ha generado que las participaciones de los países a los cuales Colombia les compra presenten variaciones como un decrecimiento de las compras a los Estados Unidos y una mayor participación de China frente a sus demás competidores.
Gráfica 19. Participación mercado por países del mundo (Trade Map)
Las exportaciones de edredones y almohadas como producto terminado son mayores que las importaciones, en donde las almohadas por su volumen y su peso presentan mayores costos de transporte y nacionalización y además existen proveedores nacionales que son muy competitivos en precios, por lo que se vuelve más rentable el consumo nacional.
Es más rentable importar la fibra y la tela y realizar todo el proceso de maquila y confección en el país que traer los productos terminados del exterior, en algunos casos como los edredones las marcas importadas por su calidad y diseños tienen gran acogida aunque manejen precios más altos.
En el mercado de ropa hogar los edredones, las almohadas, las toallas y los juegos de cama manejan en promedio 60% de la categoría, lo que los convierte en productos esenciales dentro de los canales de distribución.
En los canales de distribución se trabaja mucho con la segmentación del mercado, es decir, en muchas ocasiones se tienen distintos formatos dependiendo de la zona y del perfil que se quiere cubrir, clasificando sus 47
almacenes por sus tipos de clientes, y de acuerdo a esto se segmenta el producto a vender.
Gracias al constante mejoramiento de las calificaciones de riesgo país nos han permitido consolidar nuevos acuerdos comerciales, como lo son el TLC con Estados Unidos y prontamente con la Unión Europea, se logra establecer un libre comercio que favorece a los proveedores por la abertura de nuevos mercados, en términos de exportación. Para las importaciones el escenario no es el mismo, debido a que las telas tanto en EEUU y en Europa son mucho más costosas en comparación con las chinas que manejan la misma tecnología.
Colombia no debe preocuparse más por exportar que por el mercado nacional y aprovechar esas aperturas que trae consigo el TLC con Europa y Estados Unidos, ya que ellos le permiten tener un mayor agregado y por lo tanto más utilidad.
3.2 IDENTIFICACIÓN DE LAS NECESIDADES 3.2.1 Las necesidades del sector textil
Los empresarios precisan que los ingresos provenientes de las importaciones chinas siguen afectando duramente a la industria textil, y su relación con el contrabando aumenta el impacto negativo (Germán, 2013). "Todos los países somos afectados por las exportaciones fuertes de Asia, en Colombia no tememos a la competencia legal pero la mercancía que entra en condiciones ilegales genera daños a la industria. Como estrategia para protegernos, hemos construido y fomentado la creación de marcas colombianas, eso nos permite tener un mercado local creciente atendido por marcas nacionales", explica Carlos Eduardo Botero (Mendoza Escamilla, 2012).. En base a lo anterior y en encuestas realizadas a diferentes expertos del sector, se evidencia que tanto el gobierno como la industria Nacional, han estado trabajando para contrarrestar esta problemàtica de diferentes formas; el gobierno incentiva o estimula la creaciòn formal de empresas por medio de ahorros tributarios; las empresas confrontan esta problemàtica por medio del respaldo e imagen que sus marcas han ido posicionando en el mercado.
El contrabando no es ajeno al narcotráfico, por lo contrario maneja una relación tan estrecha que ya se habla de un narco contrabando, que se ha inmiscuido en las importaciones de textiles en donde ya no se trata de traer productos del exterior sin pagar tributos sino que hay un asocio muy alto con el lavado de activos, volviendo el problema del contrabando aun peor para esta industria. Se estima que el 30% del comercio de textiles y 48
confecciones del país es contrabando (dato tomado en el año (Portafolio, 2012). Lo que se convierte en una necesidad que el gobierno mejore las medidas de control de productos provenientes del exterior. El presidente de Inexmoda Carlos Eduardo Botero Hoyos afirma que “el contrabando tiene un alto componente de lavado de activos, situación que tiende a agravarse si no se tipifica el ingreso ilegal de mercancías en asocio con el narcotráfico” (El País, 2011). Esto quiere decir que mientras en el paìs existan empresas que se encuentren financiadas o se estèn financiando por fuentes como el narcotràfico, existirà desigualdad comercial, lo cual puede llevar a que empresas en su lucha por el sostenimiento en el mercado oferten sus productos con bajos màrgenes que los lleve a la liquidaciòn quiebra.
En los últimos años en Colombia la pérdida de su principal mercado de exportación -Venezuela-, tras un conflicto diplomático en donde el presidente venezolano Hugo Chávez cerró las fronteras de su país a la mayoría de las importaciones colombianas y congeló los 800 millones de dólares en deudas de empresas venezolanas a suministradores colombianos (casi un cuarto a empresas del sector textil), demostró el fuerte vacio de la economía textilera en cuanto a exportaciones, surgiendo la necesidad de buscar nuevos mercados y optar por la diversificación como solución a este tipo de problemas (Globovisión, 2011).
Esta problemática altero la balanza comercial del sector que antes de la crisis diplomática destinaba el 60% de sus exportaciones al vecino país. Aunque en la actualidad este problema se ha apaciguado Colombia está apostando a diversificar sus exportaciones a nuevos mercados como México, Ecuador y Perú (Agencia EFE, 2011).
Como consecuencia del aumento en el consumo interno de textiles, la brecha entre las exportaciones e importaciones es cada vez más preocupante. Para el 2012 se pude observar un aumento significativo de las importaciones que sobrepasa altamente las exportaciones para esta industria. “El alto volumen de importaciones que casi equiparan a las exportaciones en el sector textil y confecciones, así como la revaluación del peso, están uniendo a las empresas más representativas del sector” (Portafolio, 2012). Las empresas Nacionales en su búsqueda del sostenimiento y crecimiento en la participaciòn del mercado, al observar las cifra de la Balanza Comercial (ver Gàfica 19), evidencian como cada vez el producto extragero toma màs fuerza y participaciòn en el mercado, desestimulando la producciòn Nacional (Villegas, 2013).
49
Gráfica 20. Balanza comercial subsectores (INEXMODA, 2012)
3.3 ANALÍSIS DOFA DEL SECTOR 3.3.1 Sector textil Oportunidades
Los tratados comerciales que el gobierno nacional de Colombia ha firmado con diversos países, crean la oportunidad de aumentar las exportaciones y ser más competitivo a nivel internacional, lo que llevará a un crecimiento y un potencial de desarrollo para todos los productos de la cadena. La industria textil colombiana tiene acceso preferencial al mercado de Estados Unidos y de la Unión Europea (SGP) y a otros mercados de América Latina con los cuales se han suscrito Acuerdos de Libre Comercio (México, Chile, Comunidad Andina etc), (Proexport, 2012). Con el TLC con EEUU el sector textil y de confeccion en el departamento aspira recuperar gran parte de los miles de empleos que see perfieron en Antioquia como consecuencia de la psada crisis economica en Estados Unidos (Gobernación de Antioquia, 2012).
Colombia se ha convertido en un eje de la moda y diseños en Latinoamerica. Las ferias Colombiatex y Colombiamoda en Medellín son iconos de moda, calidad, diseño, tecnología, logística y otras ventajas de la industria Colombiana. Colombiatex y Colombiamoda son dos de las 50
principales ferias de Latinoamérica que reúnen proveedores, diseñadores y confeccionistas que hacen parte de toda la cadena de valor de la industria textil. Su objetivo principal es buscar una interrelación más eficiente y productiva entre compradores y vendedores tanto nacionales como internacionales, lo que proyecta un mejor desempeño del sector (Interbolsa, 2008).
La mano de obra representa la mayor participación en los costos de la producción textil en Colombia, figura 2 de esta manera se convierte en un factor determinante de competitividad. Según el ministro de Hacienda Juan Carlos Echeverry “La mano de obra en Colombia es cada vez más competitiva con respecto a la de China. Mientras el costo de la mano de obra en la industria manufacturera china se ha incrementado de US$ 60 centavos a US$ 1.5 dólares por hora, Colombia se mantiene en US$1.7 dólares por hora. Como resultado, las compañías de Estados Unidos están dirigiendo su atención hacia América Latina, y hacia Colombia en particular, por su mano de obra” (Ministerio de Hacienda y Crédito Público, 2011) De esta manera Colombia se convierte a un más en un país fuerte en textiles y un mercado más atractivo hacia inversiones extranjeras.
Gráfica 21. Estructura de los costos de producción textiles (INEXMODA, 2012)
La gran oportunidad del sector textil se basa en la importancia que se le está concediendo a la innovación, es ir más allá de un combate en precios con China que se vuelve imposible de ganar y centrarse en el diseño, creatividad y búsqueda de nuevos nichos.
51
Amenazas
El contrabando es uno de los factores más fuertes que puede golpear a la economía del sector y se considera una amenaza activa, aunque en la actualidad las nuevas medidas del gobierno han ayudado a disminuir su impacto permitiendo que la industria textil colombiana tenga un mayor crecimiento (Interbolsa, 2008).
Las importaciones y la revaluación de la moneda generan una incertidumbre frente al comportamiento futuro de la industria textil colombiana, un panorama que afecta principalmente las exportaciones y por lo que las compañías textileras deben buscar continuamente la actualización tecnológica que les permita ser más competitivos (Interbolsa, 2008).
La actualización a nivel tecnológico por parte de las industrias colombianas es un proceso de altos costos y a largo plazo (Interbolsa, 2008).
Perdida de su mayor mercado de exportación por problemas políticos con Venezuela. Aunque Juan Manuel Santos, actual presidente de Colombia está buscando mejorar las relaciones con su vecino país, el comercio no despega y tanto este como las deudas siguen congeladas.
Debilidades
La industria textil colombiana se quedó rezagada en el aspecto tecnológico hace algunos años atrás, por lo que países como la India, Pakistán, China, Turquía reformaron mucho su estructura de la maquinaria y su tecnología, lo cual los hizo ser más competitivos, sacar diseños más novedosos y mucho más baratos (Choperena, 2013).
“En la actualidad confeccionar en Colombia es muy costoso prácticamente hay que traer materia prima del exterior para poder ser medio competitivo” (Choperena, 2013).
En el caso de las fibras, la ausencia de algodoneros que sumado con los elevados aranceles para importación de maquinarias e insumos, genera una pérdida de eficiencia, y en comparación con otros países que poseen subsidios para su producción de algodón, Colombia se encontraría en este ámbito en una posición de desventaja (Molina Guzmán & Múnera Barrera, 2012).
52
La hilandería nacional a pesar de contar con uan produccion de hilos de alta calidad, sus elevados costos en comparacion con el valor de los importados difiere de tal manera que muchos emprearios prefieren importarlos y asumir todos los gastos que esto involucra (Molina & Múnera, 2012).
Fortalezas
El sector cuenta con entidades de apoyo que colaboran permanentemente en su crecimiento, como el Clúster Textil y Confección, la Cámara Sectorial de la ANDI, Inexmoda, Proexport, PTP, SENA, entre otros (Proexport, 2012).
Mano de obra competitiva, en donde el Sena juega un valor importante con capacitaciones gratuitas a las empresas y trabajadores del sector. El conocimiento técnico en destrezas y habilidades de su recurso humano representa una notable fortaleza (Proexport, 2012).
Gracias a su variedad de pisos térmicos, Colombia permite la producción y desarrollo de diferentes fibras naturales, lo que representa una producción continua y variada (Proexport, 2012).
Su posición geográfica es un factor que favorece el desarrollo del sector fuertemente; Se encuentra estratégicamente ubicada en el centro del continente con dos puertos, uno en el océano pacifico y el otro en el atlántico y cuenta con un acceso rápido a principales ciudades en Latinoamérica y Estados Unidos.
En Colombia se maquilan productos bajo el seño de "private label" para famosas marcas como Victoria's Secret, Levi & Strauss Co., Nautica, Adidas, OshKosh, Eddie Bauer, Polo Ralph Lauren, Timberland, Tommy Hilfiger, Pierre Cardin, JC Penney, Limited Brands, Jockey, Vanity Fair, Sara Lee, Liz Claiborne, Mast Industries Inc., Hanes, Leggs, Oxford Industries, etc. (Proexport, 2012).
3.3.2 Categoría ropa hogar A partir de las entrevistas realizadas a los cinco expertos se identificó las siguientes oportunidades, amenazas, debilidades y fortalezas para el mercado de ropa hogar. Oportunidades
53
Debido a la poca oferta por parte de industrias colombianas se pueden atender grandes espacios vacios o desatendidos. Existen muchos segmentos, variedad de telas y diseños, lo que permite llegar a la clase alta como a la clase baja.
La ventaja de importar telas radica en el poder comprar por volúmenes muy altos y a precios mucho más bajos que algunos proveedores nacionales no alcanzan y así llegar a ser más competitivo en precio y variedad.
El TLC con EEUU Y Europa permite la ampliación de mercados, ya que en especial la industria textil de Estados unidos es muy baja por lo que necesitan proveedores; los fabricantes colombianos cumplen y pueden suplir estas necesidades. En cuanto a Europa son muy fuertes en el desarrollo de diseños por lo tanto Colombia puede aprovechar de ello y fabricar productos con mayor valor agregado.
El pode chino no es flexible para atender nichos especializados, por lo cual se abre una puerta al desarrollo especializado de mercados.
Amenazas
Un mercado de gran tamaño donde pueden encontrarse diversas ofertas, lo que conlleva a una competencia que cada vez se hace más fuerte.
Las importaciones de productos en especial telas y materia prima son una gran competencia para los productos nacionales, quienes manejan precios muy bajos difíciles de alcanzar tanto para grandes como pequeñas empresas. Su gran mayoría son importadas, debido a cuestión de costos. En cuestión de insumos una empresa netamente con telas colombianas no es competitiva y se hace necesario traer la materia prima del exterior. Coltejer y Fabricato que anteriormente sacaban diseños muy novedosos no eran competitivos en precios.
Las grandes cadenas representan un canal de distribución muy fuerte para esta categoría, tienen una cobertura y una cercanía muy grande con los clientes, por lo que se vuelven un objetivo importante para los nuevos competidores que pretenden ganar participación en el mercado. Pero las cadenas de almacenes son bastante cerradas para permitir el ingreso de nuevos participantes y buscan en su mayoría aquellas empresas que tienen historia y sus productos y marcas son reconocidas.
El lavado de activos que hace el narcotráfico es una amenaza latente, en donde su único interés es comprar y vender a precios muy bajos. De esta 54
manera fracturan la dinámica de los precios en el mercado lo que afecta directamente a las empresas legales. En un mercado mundial con más tratados de libre comercio conlleva a que haya una mayor entrada de proveedores con más capacidad financiera y vayan desplazando a las medianas y pequeñas empresas que no tienen el poder para competir. Los tratados de libre comercio con Turquía, China y Corea pueden representar una amenaza, debido que estos países por ser tan tecnológicos pueden traer productos de confecciones muy favorables, lo que podría dejar en desventaja a los confeccionistas colombianos, entrando a competir con productos de buena calidad y muy buenas telas en el mercado.
Debilidades
La poca especialización y desarrollo de productos diferenciadores.
El costo de consecución de la materia prima repercute directamente en el precio del producto o margen de utilidad; la incertidumbre y los precios tan dinámicos de productos como el algodón hace que suban los precios de las telas y por consiguiente afecta el producto final.
Los canales de distribución y cadenas de almacenes son muy cerradas para permitir el ingreso de nuevos participantes, lo que hace que el mercado sea bastante concentrado en empresas reconocidas.
No existe una capacidad grande de exportación; la tasa de cambio, tecnología en la industria confección y textil y la infraestructura hace que no se maneje una ventaja competitiva con respecto a otros países; para ello se debe buscar mejorar estos aspectos, lo que hace que Colombia pueda tener un mercado más amplio y un mayor poder adquisitivo.
Fortalezas
Es un mercado en crecimiento y desarrollo, ya que se está enseñando e inculcando un hábito de consumo de mayor frecuencia de compra.
El área de hogar (almohadas y edredones) tiene una demanda muy constante que no está delimitada por factores como el nivel socioeconómico, clima, área, género etc.; lo que le da una ventaja a comparación del mercado del vestuario.
Un mercado con muchos segmentos, debido a que se manejan muchas calidades y especificaciones técnicas. Se considera que cada vez los 55
segmentos son más especializados, lo cual genera mayores nichos posibles y de oportunidad de participación. 3.4 ANÁLISIS DE LAS 5 FUERZAS DE PORTER: NIVEL DE RIVALIDAD CATEGORÍA ROPA DE HOGAR (ALMOHADAS Y EDREDONES) De las entrevistas realizadas y de información recolectada en fuentes secundarias se realizó un análisis de la categoría ropa de hogar, más específicamente almohadas y edredones, en base a las 5 fuerzas de Porter. 3.4.1 Amenaza de nuevos entrantes Un sector tan atractivo para muchos como lo es el sector textil puede convertirse en un imán para muchas empresas que ven allí grandes oportunidades, lo que se convierte en una amenaza para quienes se encuentran ya establecidos. Los nuevos competidores buscan apoderarse de una parte del mercado, y esto se logra con mayor facilidad si este mismo no cuenta con barreras que lo impidan. En la categoría ropa de hogar existen diversas barreras que reducen la entrada de nuevas empresas. A continuación se mencionan algunas de ellas:
Medellín por su capacidad y reconocimiento textilero ha sido sede de grandes empresas que se han consolidado durante años, Coltejer, Fatelares, Distrihogar, y Cannon son algunas de ellas; Cada uno como grandes fabricantes de ropa de hogar tienen la fortaleza de dar variedad, precio y producto, lo que conlleva a que el mercado se encuentre muy concentrado en unas pocas empresas y sea difícil competir para un proveedor pequeño, quien tiene que plantear estrategias muy claras y fuertes que le permitan incursionar y “robar” participación.
Hay una gran cantidad de confeccionistas de ropa de hogar que tienen una participación en el mercado muy pequeña, en donde algunas tienen su sede de producción en el garaje de su casa con 4 o 5 máquinas, pues no es necesario contar con una tecnología muy avanzada para la producción de almohadas y edredones, ya que el proceso es bastante simple, pero no suficiente para tener una ventaja competitiva.
En los diseños y calidad de las telas, las grandes empresas tienen más poder a la hora de importar y conocer tendencias que les permitan ser líderes en estas dos variables. Aunque no se puede dejar a un lado que existen muchas importadoras que les brindan esta opción a los pequeños fabricantes que deben plantear estrategias de precios y producción para equiparar costos y ser competitivos.
56
Es un mercado que pasa desapercibido, el desconocimiento o el solo hecho que no haya una cultura de confección ropa hogar, da como resultado que, por lo general, las personas se especialicen o posean mayores conocimientos para la industria de confección y diseño de vestuario; La gente más buscada la ve como una especie de segmento que no es de mucha rotación, beneficioso o muy segmentada.
En términos de fabricantes de telas para la confección de ropa hogar cada vez van disminuyendo, a pesar que hay mejores y mayores opciones en el mercado nacional las importaciones de telas son los grandes líderes y en su mayoría son grandes empresas quienes realizan esta actividad debido a que es un mercado muy competitivo con agentes de renombre y es necesario mantener un inventario inteligente y una calidad excelente.
3.4.2 Amenaza de productos sustitutos Para los edredones y almohadas específicamente no existen productos sustitutos que puedan realizar la misma función y satisfacer la misma necesidad, por lo tanto los competidores en potencia son prácticamente nulos. 3.4.3 Poder de negociación de los compradores y proveedores El poder de negociación está dado hacia los compradores; en un mercado tan competitivo y cambiante, donde los compradores se vuelven más exigentes y adquieran mayores conocimientos, es muy fácil cambiar y conseguir otros proveedores, ya que por lo general la competencia lleva a que haya mejores propuestas. Se encuentra muchas opciones tanto al interior como al exterior del país que facilitan la consecución de nuevos aliados, además los consumidores finales son muy sensibles al precio, tendiendo a buscar menores precios, mayor calidad y mejores diseños, y a cambiar fácilmente de producto para conseguir mejores características. Por otro lado los almacenes de cadena que proliferan muchos proveedores a nivel nacional e internacional tienen un gran poder, manejan unos criterios de selección de sus proveedores bastante estrictos y unas condiciones específicas de pago; son pocas las empresas que se han lanzado a crear un propio canal de distribución para no tener una alta dependencia sobre estos últimos. Además se convierten en una amenaza de integración hacia atrás con la creación de marcas propias a precios muy bajos, esto conlleva a las empresas a tomar decisiones inmediatas para contrarrestar la perdidas del mercado.
57
Cada vez aquellas personas que tienen mejores condiciones de mercado o menores costos son quienes ponen las condiciones. El mundo se ha hecho más pequeño lo cual ha hecho que la competencia sea mucho más difícil y todos tienen que estar ofreciendo mejores resultados y mejores propuestas. 3.4.4 Rivalidad entre competidores establecidos La competencia entre las empresas pertenecientes en el sector textil es bastante fuerte y no solo deben competir con empresas nacionales sino que también se hace totalmente necesario ser competitivos con empresas del exterior, ya sea porque son competencia directa en el mercado local o porque son una barrera de entrada fuerte para el mercado internacional (exportaciones). Por su parte, ropa de hogar es un mercado con potencial, pero es manejado por pocas empresas que tiene más de un 80% del mercado nacional. Uno de los factores principales es que los nuevos concurrentes no son competitivos en precios, por no contar con una infraestructura y sistema de producción que les permita manejar grandes volúmenes y dar un mejor precio. Además ellos son importadores, ya sea de materia prima como, en algunas ocasiones, de ciertos productos terminados y confeccionan teniendo una logística que da como resultado una entrega más rápida y eficiente. Debido a la gran concentración del mercado ropa de hogar, la rivalidad entre los competidores es bastante fuerte, ya que hay una lucha intensa por parte de las empresas para liderar el mercado. Por otro lado, los productos más fuertes son juegos de cama, edredones, toallas y almohadas, en donde se observa un mercado con tendencia creciente, debido a que el área de hogar tiene una demanda muy constante, por lo cual las personas tienden a demandar ese tipo de productos sin importar su nivel socioeconómico, el clima, el género etc. Un crecimiento lento hace que las empresas tengan una competencia más feroz para intentar restar participación la una de la otra, pero en este caso aunque la rivalidad no desaparece experimenta un dinamismo más sutil. Al ser un producto muy básico, que no exige grandes grados de diferenciación y en donde la mayoría de personas no distinguen fácilmente o no se inclinan por una marca en particular, los competidores deben luchar fuertemente en dar un mayor valor agregado a sus productos para poder permanecer en el mercado; tanto para grandes fabricantes como para pequeños este factor es primordial. Los diseños, la calidad de las telas y los precios son fundamentales para los clientes de almohadas o edredones en el momento la decisión de compra. Todo esto son características que definen mucho en la diferenciación y es donde se están enfocando las empresas para manejar la alta rivalidad.
58
En cuanto a la rivalidad presentada por productos importados, se observa competencia en los productos como toallas, edredones, tapetes y juegos de cama; almohadas por su volumen, su importación no es fácil, porque ocupa mucho espacio y sale bastante costoso. Además hay proveedores nacionales que son muy fuertes en almohadas y que pueden ser muy competitivos. 3.5 IDENTIFICACIÓN DE LAS ACTUALMENTE SE UTILIZAN
ESTRATEGIAS
DE
MERCADEO
QUE
3.5.1 Estrategias de mercadeo del sector textil
El sector textil se ha acogido al “Programa de transformación productiva” como una estrategia efectiva que le permite focalizarse en la especialización del sector y sus productos, a su vez que una innovación constante, diferenciación, generación de valor agregado, comercialización y posicionamiento en el mercado mundial. En donde hacen parte entidades públicas, privadas y empresarios (Programa de Tranformación Productiva, 2011). Las posibilidades de crecimiento en el sector textil en Colombia radica en su habilidad para posicionarse en nichos de mercado especializados, en donde la diferenciación es el factor primordial y se debe aprender a agregarle mucho valor a la producción.
Teniendo en cuenta el problema surgido a patir de la reevaluacion del peso frente al dólar que este enfrentando al pais, la EOIC (Escuela de opinión industrial conjunta – ANDI) realizó una encuesta en donde evaluaba como este factor es percibido por los empresarios de la industria. como resultado se obtiene que el 54% de los encuestados percibe un impacto desfavorable de la revaluación sobre la actividad manufacturera, y manifiesta que se han visto afectados negativamente (ANDI, 2013).
59
Gráfica 22. Encuesta sobre el impacto neto del reciente proceso de revaluación sobre su empresa (ANDI, 2013)
En adicion, los empresarios han obtado por tomar medidas y estrategias para enfrentar el fenomeno revaluacionista; en su mayoria mecanismos de cobertura de riesgo cambiario, mayores importaciones de materia prima y aumento de productividad son las que han tenido mayor acogida.
Gráfica 23. Encuesta frente al proceso de revaluación estrategica (ANDI, 2013)
En la actualidad el país se encuentra fortaleciendo los tres cluster regionales existentes en el sector, Antioquia (Clúster textil, confección, diseño y moda), Bogotá (Clúster Moda), Tolima (Clúster confección), apoyando la creación de un cluster en Atlántico (Clúster de diseño y confecciones) y otro en el eje cafetero (Clúster confecciones). Esta integración entre compañías, gobierno, instituciones financieras, instituciones académicas y de investigación e instituciones de apoyo ha generado un importante desarrollo económico y social en el ámbito regional y nacional.
3.5.2 Estrategias de mercadeo en la categoría ropa de hogar
Los almacenes éxito buscan dar un valor agregado a sus clientes por medio de lo que ellos denominan “cambiatón “, donde se pretende que la persona traiga su almohada o edredón viejo y a cambio se le ofrece un bono que le sirve como medio de pago; también pueden acumular puntos y comprar el 60
producto a un precio menor, teniendo opciones como compre con plata y puntos, solo puntos o con extra puntos, y de esta manera incentivar la venta. Esta estrategia tiene como objetivo el incremento de ventas principalmente en almohadas o edredones aspiracionales, es decir, productos con un costo alto que por medio de esta forma de pago pueden ser adquiridos por otros segmentos. A su vez se ha implementado en los puntos de venta información indicando el número de hilos y tipos de tejidos en el caso de los edredones y especificaciones de materiales para las almohadas, con el fin de educar a los clientes acerca de los productos más adecuados para satisfacer su necesidad. Los resultados que se espera obtener es un crecimiento en ventas. Todas Las estrategias se dan en base a buscar incentivar la compra y por lo tanto mejora las ventas.
Una empresa de confección trabaja en estrategias de valor agregado en cuanto a calidad, menores costos y estabilidad del precio, además de afianzar su relación con los clientes, facilitando que el producto cumpla con las especificaciones que ellos requieran y que los despachos se den en el tiempo oportuno. Todo su enfoque se encuentra en el valor agregado, más que en una expansión a corto plazo. También buscan un desarrollo del producto con diseños elegantes a precios favorables llegar a otros nichos, que tenga acceso tanto la clase alta, que lo vea conveniente para ellos y les agrade, como la clase baja, ya que percibe que su nivel de vida se aumenta. Las estrategias están direccionadas a la fidelización de los clientes, que trae consigo una permanencia en el mercado y a su vez aumentar las ventas por medio de la creación de diferenciación en los productos y servicios.
Una empresa importadora de textiles busca nuevas telas para brindar lo que el mercado les exige. Pero tiene como principal estrategia el acompañamiento al cliente en todo sentido, diseño, estrategias de mercadeo, presentación de la compañía al cliente; les hacen sentir que son importantes para la empresa. El fin de estas estrategias supone una mayor fidelización de los clientes e incrementos en las ventas; se pretende crecer con los clientes con los que se ha trabajado durante mucho tiempo.
3.6 ANÁLISIS DE ENCUESTAS A CONSUMIDORES FINALES
61
GASTOS 9,52%
0-100.000
14,3%
0-100.000 GASTOS 11,1% 101-300.000
101-300.000
26,98 %
63,49 %
301.000500.000
34,9%
39,7%
301.000500.000 Mas de 500.000
Mas de 500.000
Gráfica 24. Gastos almohadas y edredones
El 63,49% gastan en un promedio anual de almohadas entre 0- 100.000 pesos colombianos, lo que indica que en general las personas no están dispuestas a gastar mucho dinero en este tipo de productos, por lo contrario los edredones se observan como productos que requieren un mayor gasto. Almohadas
100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0%
Edredones
Hombres Mujeres
100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0%
Hombres Mujeres
Gráfica 25. Gastos por género almohadas y edredones
En su mayoría las mujeres son las que realizan la mayor inversión, capaces de gastar más de 500.000 pesos en la compra de edredones durante un periodo de tiempo de un año, a su vez un 10,9% de las mujeres están dispuestas a destinar de 301.000 a 500.000 pesos para la compra de almohadas durante un año contra un 5,9% de los hombres.
Aunque los hombres presentan un mejor índice salarial el volumen que generarían las mujeres podría generar más ventas y utilidades que las que podrían realizar los hombres.
62
MATERIALES No conoce sobre materiales
39,7% 60,3%
Gráfica 26. Conocimiento de materiales almohadas y edredones
El 60,3% de las personas encuestadas afirmaron no conocer o no tener ningún material de preferencia tanto para almohadas como para edredones, lo que hace suponer que este aspecto pasa desapercibido a la hora de compra debido al poco conocimiento que se tiene sobre el tema. 12,6% 6,8% Para OCASIONES DE dotación 1,0% finca
Para 2,9% 10,7% OCASIONES DE
6,8%
dotación finca
8,7%
Para un matrimonio
48,5%
21,4%
9,7%
En promociones
Para un matrimonio
41,7%
18,4%En 10,7%
promocione s
Gráfica 27. Ocasiones de compra almohadas y edredones
La renovación del producto es la ocasión principal para la compra de almohadas y edredones, obteniendo más del 40% en ambos, seguido por estrategias de promociones en los puntos de venta.
63
PREFERENCIAS Infantil 11,8% 5,9% 4,4%
PREFERENCIAS Infantil 11,8%
neutro (negro o blanco)
66,2%
5,9%
25,0% 54,4%
masculino
11,8%
neutro (negro o blanco) masculino
17,6% Gráfica 28. Preferencias almohadas y edredones
El diseño neutro (blanco y negro) es el preferido con un porcentaje 66,2% para las almohadas y 54,4% en edredones, lo que propone una estrategia de producto basada en estas tendencias o por lo contrario fortalecimiento de las que tienen menos acogida.
IMPORTANCIA 70 60 50 40 30 20 10 0
Moda Marca Diseño Calidad Precio
1
2
3
4
5
IMPORTANCIA 70 60 50 40 30 20 10 0
Moda Marca Diseño Calidad Precio
1
2
3
4
5
Gráfica 29. Importancia variables almohadas y edredones
La calidad es el aspecto de mayor importancia a la hora de compra, seguido por el precio y diseño, por lo contrario la moda es el que menos importancia posee. Una buena combinación de estas tres variables logra darle un valor agregado a los productos.
Se puede apreciar como las mujeres tienen más claro los atributos que los hombres. Ya que la mayoría está alineada con unos objetivos claros a buscar al momento de la compra
64
100% 80% 60% 40% 20% 0%
FRECUENCIA
Mas de 4.000.000
3.001.000 – 4.000.000 2.301.000 – 3.000.000 1 vez 1o2 cada 2 o veces al 3 meses año
otros
1.001.000 – 2.200.000
100% 80% 60% 40% 20% 0%
FRECUENCIA
Mas de 4.000.000 3.001.000 – 4.000.000 2.301.000 – 3.000.000
1 vez 1o2 cada 2 o veces al 3 meses año
otros 1.001.000 – 2.200.000
Gráfica 30. Frecuencia de compras almohadas y edredones
La mayor frecuencia de compra es presentada por personas ubicada en un rango de ingresos etre 1.001.00 – 2.200.000 quienes realizan en promedio 1 compra de almohadas cada 2 o 3 meses. La frecuencia mas alta se da 1 o 2 veces año, lo que indica que es un producto con una frecuencia de compra bastante baja. Por lo contrario quienes se encuentran en un rango de ingresos de 3.01.000- 4.000.000 son quienes tienen una mayor frecuencia de compra mientras los de ingresos mas bajos tienden a tener una compra menos frecuente presentando cero compras en un año. 3.7 ANÁLISÍS DE LOS DATOS DE UNA EMPRESA EN MEDELLÍN A continuación se describen y analizan los datos de una base de datos de una empresa del sector, los cuales hacen referencia al consumo en la categoría de ropa de hogar. La base de datos recibida está conformada por una tabla principal y dos secundarias con transacciones según fecha y orden de compra para los diferentes productos. La primera tiene las siguientes características: Ventas: información sobre transacciones realizadas desde el 2007 hasta 2013 y características relevantes para cada hecho (fecha, número de orden de compra, cliente, cantidad discriminada por cuatro productos (almohada, almohada politex, edredón sencillo y doble), precio, ventas subtotales, IVA y ventas totales). Tabla secundaria 1*: (ver anexo 3) Almacenes: información sobre ventas en volumen y valor de cada producto segregado por almacén para cada fecha respectiva en el periodo de tiempo de 2011-2013.
*
Tabla Secundaria: Tabla en la que se filtran datos o variables de una Tabla Matriz o Primaria 65
Tabla secundaria 2: (ver anexo 4) Características: por cada almacén (exhibición, tipo de exhibición, presentación, tendencias almohadas y edredones) tomadas de visitas de mercadeo que se realizan cada año. Se toma la base principal como tabla base para la elaboración de una base de datos final, debido a que las tablas secundarias pueden poseer una calidad menor y se dificulta su integración manteniendo su formato original. A continuación se detalla más profundamente en los atributos principales que componen la base de datos consolidada a partir de las diferentes tablas brindadas por la empresa. 3.7.1 Ventas_valor. Variable numérica (tabla secundaria 1)
Esta variable contiene ventas mensuales totales de los cuatro productos (almohada, politex, edredón sencillo y edredón doble) en pesos colombianos, segmentadas por almacén en un periodo de 2011-2013; se debe tener en cuenta que el año actual solo se han tomado los tres primeros meses por lo que la cantidad de valores es siempre menor comparado con años anteriores. 3.7.2 Ciudades. Variable categórica (tabla secundaria 2)
66
La frecuencia de los almacenes se establece según el periodo 2011_2013 debido a que el cambio de facturación que permite segmentar por cada almacén se establece a partir de finales de 2010, por lo que a pesar de obtener valores históricos para la tabla principal (2007) este se asume desde el 2011 para términos de consolidación de datos. Los departamentos indican los almacenes que se encuentran en pueblos o municipios pequeños alejados de la ciudad principal, y por consiguiente las ciudades principales (Medellín, Bogotá, Cartagena etc.) son el conjunto de todos los puntos de ventas en dicha ubicación geográfica y su frecuencia indica la cantidad de pedidos que se realizan en el periodo establecido. 3.7.3 Tipo_Exhibición. Variable categórica (tabla secundaria 2)
ESTADO
FRECUENCIA TIPO_EXHIBICION 2011_2013 1 MUEBLE 2 CANASTA 3 CANASTA/MUEBLE 4 CADENA 5 CANASTA/CADENA
2361 7387 4108 44 117
TIPO_EXHIBICION 0%
1% 17% 1 MUEBLE
29%
2 CANASTA
3 CANASTA/MUEBLE 4 CADENA 5 CANASTA/CADENA 53%
67
Se clasifica en las posibles combinaciones que pueden darse en cada punto de venta para la exhibición de los productos, tomando mayor importancia las exhibiciones en mueble y canasta quienes constituyen la mejor exposición de almohadas y edredones según criterios de la empresa. 3.7.4 Tendencias_ Almohadas. Variable categórica (tabla secundaria 2)
La compañía maneja dos tendencias para las almohadas, blanca y estampada las cuales están determinadas por el tipo de tela utilizado para la fabricación de dicho producto, y en su defecto surtido hace referencia a una mezcla aproximadamente equivalente de cada una de las tendencias. La importancia de este atributo radica en la representación de las preferencias de los consumidores finales y en base a esto se toman decisiones de distribución del producto por almacén. 3.7.5 Tendencias_Edredones. Variable categórica (tabla secundaria 2)
En términos de edredones se engloban los requerimientos en colores y estilos en dos grupos principalmente: sobrio y colorido, quedando surtido como la distribución aproximadamente equitativa de las dos tendencias. A pensar que cada 68
almacén tiene colores específicos de preferencia por cuestiones de homogeneidad en la base de datos se toman solo estos dos conjuntos que representan las características más relevantes de dichos almacenes Por último La base de datos final (después del proceso de unificación) contiene quince atributos (ver tabla 7) en un periodo de tiempo 2011- 2013 segmentado por meses para un total de 3337 números de pedidos (filas). Tabla 7. Atributos base de datos final
A partir de este conjunto de datos se requiere un análisis de los mismo para comprender mejor la información y el curso del negocio, y de esta manera encontrar un apoyo para que valide o complemente los resultados obtenidos en la minería de datos. En base a ello se obtienen las siguientes graficas:
69
BOGOTA MEDELLIN CUNDIMARCA
21% 49, 2%
BARRANQUILLA CALI CARTAGENA MANIZALES
BUCARAMANGA VALLE DEL CAUCA 13%
PEREIRA SANTA MARTA
8%
ARMENIA OTROS
Los almacenes se encuentran concentrados principalmente el Bogota, Medellin, y Bucaramanga comprendiendo mas del 50% del total de puntos de venta en todo el pais. Esto nos indica que no solo dependen variables como la extension de territorio para determinar el numero de almacenes, es claro que la un estudio mas profundo del mercado soporta esta decision como es en el caso de municipios pqueños y pueblso de valle del cauca quien tiene un 8% de participacion, por encima de otras ciudades principales como Santa Marta, Barranquilla y Cali( se aclara que la ciudad tomada como Cali involucra puntos de venta encontrados solo en esta ciudad, por lo contrario valle del cauca aglomera municipios pequeños o pueblos en el departamento, no en cali)
Del total aproximado de 166 almacenes que distribuyen los cuatro productos específicos, 91 (55 %) de estos se encuentran ubicados en ciudades principales, indicando que la fortaleza de su mercado se encuentra en las grandes ciudades quienes en su mayoría cuentan con un territorio más extenso y perfiles de
70
consumidores más heterogéneos, lo que sugiere un mayor número de puntos de venta que puedan satisfacer este tipo de características. En la actualidad se cuenta con una penetración mayor en municipios o pueblos (ciudades no principales), este crecimiento se ha dado en los últimos años debido a que se ha encontrado un gran potencial en estos mercados y ha permitido la diversificación de los productos de la compañía a nivel nacional.
El mayor porcentaje de almacenes se encuentran en sectores de clima frio esto se da principalmente porque la ciudad de bogota, quien lidera con el mayor numero de puntos de venta , posee un extenso territorio, alto número de habitantes y gran importancia como territorio nacional. Es seguido por almacenes en ciudades de clima caliente, quienes de acuerdo a la compañía poseen un alto nivel de compras principalmente en las ciudades como Cartagena, Santa Marta y Barranquilla.
71
El estrato 3 es quien lidera la cantidad de almacenes, ubicando a la mayoría de estos en barrios de un estrato medio o en pueblos y municipios muy pequeños. A pesar de creer que las mayores compras se realizan en estratos altos, para este tipo de productos aclarando que son de una gama media, es decir, no tienen una marca reconocida, sus materiales son básicos y los diseños no son trabajados por un diseñador, el mercado más fuerte se encuentra en este tipo de estratos.
Ser observa una tendencia de ventas crecientes en un periodo de tiempo 20112013, en donde en su mayoría se ha sobrepasado el límite mensual impuesto en al año anterior correspondiente. Se exceptúan algunos periodos debido a cambios en los meses de promoción por políticas del almacén de cadena, es decir no siempre el tiempo de promoción (3 o 4 veces al año aproximadamente) corresponde al mismo de periodos anteriores, lo que indica un decrecimiento de ventas en comparación con el mes anterior que es compensado por las ventas del siguiente mes en promoción.
72
Las ciudades con mayores ventas corresponden a Bogotá, Medellín y Barranquilla. Como era de suponerse se encuentran clasificadas como ciudades principales y es en donde la compañía radica su esfuerzo en cuestiones de mercadeo para asegurar la permanencia en el mercado. Por lo contrario Bucaramanga a pesar de contar con un gran número de almacenes queda rezagado en términos de ventas, perdiendo capacidad de compra para el año 2012. 3.8 DETERMINAR LAS TÉCNICAS MÁS UTILIZADAS EN LA MINERÍA DE DATOS QUE SON ADECUADAS PARA LOS DATOS DESCRITOS Las tareas de minería de datos combinan la tecnología de las bases de datos con la estadística y la inteligencia artificial, lo que conlleva a una fusión de diversas disciplinas motivada principalmente por el aumento significativo del volumen de datos en todas las esferas del conocimiento. Aunque el analista en la minería de datos necesita tener una escasa supervisión, la importancia radica en una serie de decisiones que son claves en el resultado final; en primer lugar se debe definir que tarea realizar y, en segundo lugar, elegir la herramienta dentro de esa tarea, para llevar a cabo el modelo (Castañeda & Rodríguez, 2011). Los algoritmos de minería de datos se clasifican en dos grandes categorías: supervisados o predictivos que generalmente se utilizan con propósitos de prever un comportamiento futuro y las no supervisados o de descubrimiento del conocimiento para realizar predicciones (consultar el marco teórico) (Weiss & Indurkhya, 1998). Cada una de estas categorías contempla varios tipos de técnicas que ayudan a identificar el modelo más adecuado según los objetivos a alcanzar, esto significa que cada uno tiene sus propios requisitos y el tipo de información obtenida difiere la una de la otra. Con base a lo anterior y entendiendo que cada categoría suple necesidades diferentes, se consideró adecuado evaluar los parámetros de cada técnica para opcionar tanto las técnicas como modelos más acorde a los datos obtenidos. Cada tarea requiere de un algoritmo relacionado para pasar a ser un modelo de minería de datos con información transformada en conocimiento. Los más utilizados según la bibliografía (Berry & Linoff, 2003) (ZenTut, 2013) (Estard sorftware, 2011) con sus respectivas técnicas se muestran a continuación:
Clustering: Es la agrupación de elementos o atributos que guardan cierto grado de similitud o diferencia frente a los demás, para contribuir al entendimiento de los datos. Esta agrupación permite realizar un trato pseudoparticularizado, ya que es el punto medio entre lo individualizado y lo 73
masivo. Esta metodología se basa en técnicas de carácter estadístico y utilización de una medida de similitud entre las variables. o Clustering Numérico (k-medias): En este modelo se debe trabajar con datos numéricos (cuantitativos) que permitan identificar la distancia entre las variables. o Clustering Conceptual: En este modelo se debe trabajar con datos cualitativos, su buena aplicación depende de una adecuada interpretación de los datos. o Clustering Jerárquico: En este modelo se debe trabajar con datos numéricos (cuantitativos) de modo que permitan la división de todos los datos en subcategorías, la finalidad de este modelo es que todas las variables queden clasificadas (López & Herrero, 2006).
Asociación: Este tipo de técnica busca encontrar las posibles relaciones entre las diversas variables al presentarse acciones o sucesos aparentemente independientes; la ocurrencia de un suceso o acción puede inducir a la aparición de otro. Esta técnica tiene una gran aplicación en campos principalmente comerciales, ya que permiten entender los hábitos de compra de los clientes y ayuda a la concepción de ofertas y ventas cruzadas. En este modelo se puede trabajar tanto con datos cualitativos como cuantitativos, se trata de descubrir hechos que ocurren en común dentro de un determinado conjunto de datos, para predecir posibles asociaciones (López & Herrero, 2006) Clasificación: Consiste en dividir un conjunto de datos en grupos excluyentes de forma que cada miembro se encuentre lo más cerca posible o lejos de las variables específicas que se quieren predecir. o Clasificación-Árboles de decisión: Este modelo permite trabajar tanto datos numéricos como categóricos. La elaboración del árbol se construye con la asignación de unas variables de entrada que permiten diagramar ramificaciones lógicas y así a medida que se recorre el árbol, se pueden establecer decisiones. o Clasificación Bayesiana: Modelo gráfico probabilístico que se realiza mediante clasificaciones estadísticas basadas en el Teorema de Bayes (la probabilidad condicional de un evento aleatorio A dado B en términos de la distribución de probabilidad condicional del evento B dado A y la distribución de probabilidad marginal de sólo A), las cuales permiten predecir probabilidades (López & Herrero, 2006)
Regresión Lineal: Este método matemático (cuantitativo) modela la relación entre una variable dependiente, varias variables independientes y un término aleatorio para generar una hipótesis o una línea de tendencia.
74
3.9 METODOLOGÍA CRISP-DM (CROSS-INDUSTRY STANDARD PROCESS FOR DATA MINING) 3.9.1 Preparación de los datos La recopilación de los datos debe ir acompañada de una limpieza e integración de los mismos, para que se encuentren en condiciones idóneas para su posterior análisis, el éxito de la minería de datos recae no solamente en obtener los datos adecuados para la solución del problema sino que estos hayan pasado por un buen proceso de limpieza y transformación (Hernández, Ramirez & Ferri, 2007). Para una mejor compresión de los datos y manejo de los modelos se determina un rango de ventas transformando la variable “Ventas_Valor” en “Rango_Compras” con las siguientes características: Rango_Compras: variable categórica
El rango se da por medio de criterios que maneja la empresa según la cantidad de ventas totales en pesos para considerarla buena, media o mala. Determinando que ventas bajas (rango compras = baja) corresponden a las que obtienen un valor menor a $ 400.000, ventas medias (rango compras= medio) con valores mayores o iguales a $400.000 y menores o iguales a $830.000, por ultimo ventas altas (rango compras=alta) con un valor mayor a $830.000; este rango es determinado por ventas mensuales de cada almacén. Finalmente la base de datos contiene las siguientes características finales:
Espacial: información geográfica representada con el atributo “ciudad” y “tipo_ciudad”. Temporal: información sobre el tiempo de ocurrencia de las ventas representada por año y mes. Circunstancial: contienen información sobre la situación de cada venta observada en el “clima”, “tendencias_almohadas”, “tendencias_edredones”, “estrato”, “tipo exhibición”.
Por último se realizó el estudio de los datos utilizando la aplicación suma y correlación. SUMA: Permite identificar información estadística sobre los datos: 75
Mirando los resultados obtenidos por medio de la aplicación de suma (del software R) se encuentra que:
Si se observa con detenimiento la tabla se observa que para el estudio de los datos se tuvieron en cuentas 16 variables, las cuales se consideran con información relevante. Es importante resaltar que en una base de datos pueden existir muchas variables, pero en ocasiones muchas de estas variables también pueden ser consideradas innecesarias o de poca relevancia, por lo cual consideraremos que estas variables tomadas en cuenta son las de mayor información para el logro de los objetivos. Las variables son: Mes, tipo de venta, almacén, ciudad, tipo_ciudad, Tipo almacen, clima, estrato, exhibición, tipo_exhibicion, presentación, tendencias_almohadas, tendencia_edredones, producto y año
Dentro de los datos a trabajar se manejaran tanto variables numéricas como “categóricas”, aunque estas sea representadas numéricamente debido a la configuración de software R que solo realiza análisis numéricos, para lo cual se debió asignar un número a un atributo. Para poder visualizar e identificar las variables categóricas de las numéricas se debe saber que 76
en todas aquellas variables en las cuales encontraremos valores Máximos, mínimos, mediana, media, valores del primer y tercer cuartil, son variables tipo numérico, y todas aquellas variables en las cuales encontramos las frecuencias de uso son variables de tipo categórico. Para las variables categóricas también es importante identificar el número de niveles que cada una de estas maneja, ya que así nos permite identificar sus opciones de categorización y estas deben sumar el total de elementos o datos trabajados en la base de datos.
Es importante además conocer que para aquellas variables de tipo numérico se puede presentar valores o elementos faltantes que se representaría con un NAs, que para este caso no aplicaría en ninguna, lo cual indica que el 100% de los datos numéricos de las variables analizadas contienen un valor.
A continuación se presentara la clasificación de las variables con sus niveles de categorización y faltantes:
Conclusiones:
De las 16 variables analizadas 3 son tipo numérico y 13 son de tipo categórico. 77
Solo una de las variables categóricas (politex) presenta elementos faltantes en sus datos, esto se explica debido a que es un producto lanzado en el 2012 y la base de datos es tomada a partir del 2011. Variables como: Almacén, ciudad y producto son las que presentan mayor nivel de categorización respectivamente.
Correlación: Indica que tan relacionadas se encuentran las variables. (El software R solo realiza correlación con variables de categoría numérica, por lo cual se trabajara la misma base de datos para la cual se realizó la aplicación suma) Para este tipo de análisis de datos se puede desarrollar por medio de diferentes formas ya que la aplicación permite ver tanto los mismos como la relación numérica entre los datos. Se inicia estudiando las correlacion de los datos que pueden tener la variables seleccionadas previamente, para evaluar y determinar la posibilidad de aplicar el metodoo de correlacion. En el analisis de la siguiente grafica debemos tener en cuenta que el grado de correlacion se interpreta según la forma y el color de los elementos en la grafica.
Si el grafico en este caso circulo es de forma circular perfecta, esto quiere decir que NO hay correlacion entre las variables. Si se presenta un linea es debido a que existe una correlacion perfecta. Cuando el circulo es de color rojo es que hay una correlacion negativa. Cuando el circulo es azul es que hay un correlacion positiva.
Nota: La intensidad del color indica el grado de correlacion entre las variables. Mediante el coeficiente de correlacion de Pearson, el cual es utilizado para medir el grado de correlacion de dos variables cuantitativas. Este fue elegido debio a que se ajusta mejor a la base de datos, ya que permite conocer la correlacion de cada una de las variables, no grupos, como se requiere para a partir de ello definir los atributos a tomar en los modelos. A continuacion se da una breve definicion de todos los posibles coeficientes que tiene el software R para la correlacion.
Coeficiente de correlacion Pearson: Indicador del grado de correlacion entre dos variables cuantitativas cuantitativas (Wikipedia, 2013). Coeficiente de Kendall: Indicador del grado de correlacion entre conjuntos o de tres o mas variables (EcuRed, 2011) Coeficiente de Spearman: Indicador del grado de correlacion entre dos variables aleatorias continuas. (Wikipedia, 2013)
78
TIPO VENTA RANGO_COMPRAS EXHIBICION TIPO ALMACEN ESTRATO CLIMA TENDENCIAS_ALMOHADAS TENDENCIAS_EDREDONES TIPO_EXHIBICION TIPO_CIUDAD PRESENTACION Mes
Correlation 2011 PRUEBA.xlsx using Pearson
TIPO VENTA RANGO_COMPRAS EXHIBICION TIPO ALMACEN ESTRATO CLIMA TENDENCIAS_ALMOHADAS TENDENCIAS_EDREDONES TIPO_EXHIBICION TIPO_CIUDAD PRESENTACION Mes Rattle 2013-may-02 13:32:58 Usuario
Observando la gráfica posterior al entendimiento de los parámetros que se deben tener evaluar encontramos que: 1. Existe correlación perfecta entre las variables y ellas mismas. 2. Existe correlación positiva entre las variables: a. Presentación y exhibición b. Tendencia de edredones y clima c. Clima y tipo de almacén d. Clima y tipo de exhibición 3. Existe correlación negativa entre las variables: a. La variable mes presenta correlación poco negativa con todas las demás variables b. Estrato y tendencia de almohadas c. Estrato y tipo de ciudad d. Presentación y tipo de ciudad Con estas observaciones podemos pensar que existen correlaciones que podrían ayudarnos a entender el comportamiento de las ventas y los clientes en el mercado de ropa de hogar. Elaboración del Modelo de Minería de Datos Se van a construir en total tres modelos de minería de datos basado en las siguientes técnicas: asociación, clusterización y árbol de decisión y se presentan 79
los resultados que éstas arrojan; mientras la interpretación y discusión de los resultados obtenidos se realizará en el capítulo 4 de este trabajo. Asociación: También conocido como análisis de la cesta de compra, ya que busca encontrar patrones y relaciones especialmente en procesos de negocio para poder formular reglas del tipo compra cruzada. Para este modelo es necesario entender los siguientes términos: Ítem: Se le denomina a cada par de atributo-valor. Item-set: Conjunto de Items. Para la formación de Ítem-set no se puede unir Ítems referidos al mismo atributo y con diferente valor. El procedimiento para elaborar este modelo es:
Elaborar todas los Ítems-sets con un elemento. Usa estos para generar los de dos elementos y así sucesivamente. Se toman todos los posibles pares que cumplen con las medidas mínimas del soporte de manera que permite ir eliminando posibles combinaciones.
Genera las reglas revisando que cumplan con el criterio mínimo de confianza.
En conclusión permite identificar si existe algún grado de asociación de los productos al momento de que un consumidor realice la compra. Con base en lo anterior se decide aplicar este modelo de análisis para conocer un posible tipo de asociación existente entre los cuatro productos acogidos por la compañía (almohada, almohada politex, sobrecama sencilla y doble), y evaluar la posibilidad de que la compra de un producto conlleve a la adquisición de otro; para, de esta manera, obtener una ventaja competitiva en la distribución de estos. Para el análisis se tuvieron en cuenta:
Apoyo (support): 69% - Nivel de aceptación para una regla de asociación.
Confianza (confidence): 90% - Nivel de credibilidad de los datos obtenidos.
Los niveles de confianza más usuales son: 90%; 95% y 99%.” (Ditutor, 2011) Elevación (lift): Confianza de la regla, dividida el soporte de la parte derecha de la regla (identifica la ganancia en rendimiento que ofrece un modelo).
80
Gráfica 31. Regla Número 5
81
Observando los datos de la tabla anterior se evidencia que:
El número de reglas arrojado por el modelo es cinco (basado en los valores de confianza, soporte y elevación anteriormente menciones)
El máximo de asociaciones reales posibles es de 2.
Se tiene una alta probabilidad de que si se cumple alguna de las condiciones ocurra la otra (si se compra sobre cama sencilla se compra sobre cama doble). Esto se puede asegurar debido a que, si se observa la tabla superior encontramos que el nivel mínimo de confianza es del 77,44%.
El 91% de los pedidos compra al menos almohada (ver grafica 30), esta es la condición que presenta un mayor soporte.
Gráfica 32. Frecuencia de compra de los productos
En la presente grafica se muestra la frecuencia de compra de los productos, siendo las almohadas quienes obtienen una mayor frecuencia de compra. La almohada Politex no se tiene en cuenta principalmente porque es un producto que lleva mucho menos tiempo en el mercado en comparación con los demás productos, por lo que la cantidad de valores es muy baja. 82
Clustering numérico (K-MEDIAS): Es un algoritmo diseñado para asignar casos a un número determinado de grupos, cuyas características se basan en un conjunto de atributos o variables específicas. Este modelo es uno de los más utilizados para hacer clustering. Un buen análisis cluster es:
Eficiente, ya que utiliza el número de grupos menores posibles. Efectivo, identifica las características más relevantes e importantes
Este procedimiento comienza con la construcción de unos centros de clusters iniciales y por un procedimiento de selección de k observaciones se obtienen una asignación de casos basándose en la distancia de los centros.
Por consiguiente se define un numero de 6 clusters que permiten cubrir una gran porcentaje de los datos. Al contar con una base de datos bastante heterogenea el número de clusters adecuado podria ser bastante alto por lo que para una mayor comprensión de los datos y del negocio se estableció este determinado conjunto que según el gerente de la empresa permite abarcar la situacion del negocio; es importante recalcar que existe una constante evaluacion de los metodos y de la toma de decisiones para adaptarlos a la realidad actual de la empresa, lo que indica que muchas de estas decisiones se toman entorno a sugerencias de los ejecutivos. Se realizará con las variables tipo ciudad, clima, estrato y rango de compras para tratar de predecir su comportamiento, utilizando el algoritmo k-medias debido a ser el metodo de clustering más conocido y utilizado, especialmente util cuando se dispone de una gran número de casos (Martínez, 2012).
83
De esta manera el software R arroja los siguientes resultados:
Observando la imagen podemos apreciar que: a. (1): “573 414 457 237 229 425” esto nos muestra la cantidad de elementos que contiene cada clúster. b. Data Means: La media de cada variable, la cual debemos comparar con la de cada cluster para ver cómo se encuentra. c. Media de los datos: Ciudad Intermedia – Clima Medio – Estrato 4 – Rango de compra Medio Es decir los seis clusters que se mostraron en la gráfica anterior numéricamente son los siguientes:
84
Discriminant Coordinates BASE DE DATOS CLUSTER.xlsx 2
4
2 6
3
3 3
3
3
4
3
3
6
2 3
3
3
3
4
4
4
5
4 4
4
2
0
3 3
3
4
5
3
4 1
5
1 1
5
3
1 5
1 1
5
2
1
6 2
2
5
1
5 3
2
5 5
3
2
6
5 5
4
3
3
3
2
6 2
4
2
6
2
6
6
4
5
-1
6
4
3
3
1
4
3
3
dc 2
4
6
2
1 1
5
1
1
1
1
1 -14
-12
-10
-8
-6
dc 1 Rattle 2013-may-26 09:52:56 Usuario
La grafica anterior permite identificar cuan relacionados se encuentran los clusters en términos de distancias. Se observa que el cluster 3 es el cual se encuentra más apartado de los demás, es decir, no tiene una relación fuerte con ninguno. Por lo contrario los clusters 1 y 5 y 2 y 6 tienen distancias menores entre ellos. De igual manera el cluster 4 no se encuentra muy homogenizado y en ocasiones sus datos ser acercan a diferentes clusters. Se puede observar como los resultados del cluster muestra que de acuerdo al tipo de ciudad, el clima y el estrato podria tener un comportamiento de compra, la cual con un conocimiento y entendimiento del negocio se podra determinar que tanto confiar en dicha prediccion. En el capitulo 4 se puede observar la interpretacion de estos datos. Árbol de decisión: Este es uno de los modelos más comunes y utilizados para realizar minería de datos, debido a que su interpretación puede ser fácil y para su construcción se puede emplear tanto variables numéricas como categóricas, lo cual evita la trasformación de las bases de datos y una fácil lectura sin tener conocimientos previos estadísticos.
85
Es importante conocer y entender que nos muestra un árbol de decisión: a. División Mínima: Determina el número de variables en el cual se abrirá el árbol b. Cubo Mínimo: Determina el número de variables en el cual se abrirá cada hoja del árbol c. Profundidad Máxima: Es el número de niveles en el cual debemos que el árbol termine de ramificarse A continuación presentaremos el árbol construido con los datos obtenidos tomando el rango compras como la variable de salida y tendencias almohadas y edredones, tipo ciudad y estrato como variables de entrada.
Se puede observar que el primer nodo del árbol es la variable rango de compra considerada la variable de salida y a partir de esta se inicia el análisis de la cual se desprenden ciertas condiciones para poder lograr dicho parámetro. La tendencia de edredones coloridos o surtidos es el atributo con mayor probabilidad de presentar rangos altos de compra o de gran venta, con un 40% de sus ventas sobre un 69% del total de datos, dicho de otra manera el 40% de 86
1611(69%) de los datos presentan rango de compra alta, 31% baja y 29% media. en adición el 31% de los datos presentan tendencia_ edredones = sobrio de los cuales rango de compra bajo tiene la mayor probabilidad de ocurrencia con un 43%. Un 59% de los datos totales presentan tendencia edredones colorido o surtido y tipo de ciudad intermedia o principales, obteniendo una probabilidad del 42% de continuar siendo una venta alta, un 10% de los datos totales en ciudades no principales (pueblos en general) con una predicción de rango medio del 39%. Hay un 62% de probabilidad de obtener rango de compras alto si la tendencia de los edredones es colorid0 o surtido, el tipo de ciudad es intermedia o principal y las almohadas muestran una tendencia estampada. Un 44% si las almohadas presentan una tendencia blanca o surtida y el estrato es mayor o igual a 3,5(se asumen mayores o iguales a 4) y un 40% si el estrato es menor a 3,5(se asumen menores a 4) y el tipo de ciudad es intermedio, si no se cumple esta última condición, tiene un 47% de presentar rango de compras bajo. Este árbol permite evidenciar como es tan predominante la posibilidad que si se realicen ventas de rangos altos. En la imagen inferior observaremos el mismo resultado en un formato de presentación diferente y su respectiva explicación.
87
El número de datos utilizados para la implementación del modelo es de 2335 (n= 2335), lo cual representa el 70% de los datos totales (3337), número determinado previamente para construir el modelo. El primer nodo (root) clasifica cada observación dentro el rango que es asociado con mayor participación, es decir, rango de compra alta es el atributo que presenta mayor frecuencia en comparación con rango de compra medio y bajo.1484 indica la cantidad de observaciones clasificadas como medio o bajo. Los valores que se encuentra en paréntesis representa la proporción (yprob) de cada una de las opciones para la variable de salida (alto, medio, bajo, en este orden especifico), por lo tanto se dan las siguientes afirmaciones: el 36,4% del total de los datos corresponden a rango de compras alta, 34,44% para baja y 28,90% para media, por consiguiente el mayor porcentaje corresponde a rango compras alta, como se expuso anteriormente. Los siguientes nodos son los cuales empiezan a crear el árbol con unas condiciones dadas y se deben leer de la siguiente manera: Para un conjunto de 1611 datos, si tendencias edredones= colorido, surtido entonces las compras (ventas al canal de distribución) son altas con una probabilidad del 39,9%, si no, es decir, tendencias edredones= sobrio entonces se predice serán bajas con una probabilidad del 43%( como se indica en el nodo 3) Si tendencias edredones= colorido o surtido y tipo ciudad= Principal o intermedia para un conjunto de 1384 datos la probabilidad de un rango de compras alto es de 41,9%, para rango de compras bajo de 30,4% y media 27,6% si no el rango de compras será medio con una probabilidad del 38,8%. Si tendencias edredones= colorido o surtido, tipo ciudad= Principal o intermedia y tendencias almohadas= estampada entonces el rango de compras será alto con una probabilidad de 61,5%, si no, tendencias almohadas = blanca o surtido ante estas circunstancias rango compras es alto con 40,1% de probabilidad. Si tendencias edredones= colorido o surtido, tipo ciudad= Principal o intermedia, tendencias almohadas= blanca o surtido y estrato mayor o igual a 3,5 (se asume este valor para mayores o iguales a 4) entonces la frecuencia de que obtener rango compras alto es de 43,9%, si por lo contrario bajo estas condiciones estrato es menor a 3,5 rango compras es bajo con el 38,7%. Si tendencias edredones= colorido o surtido, tipo ciudad= Principal o intermedia, tendencias almohadas= blanca o surtido, estrato menor 3,5 y tipo ciudad= intermedia entonces el rango compras en un conjunto de 254 datos será medio con 40,1% de predicción, y bajo estas circunstancias con un tipo de ciudad= principal se predice un 47,1% de rango de compras bajo.
88
Validación de los modelos de Minería de Datos Para la validación de los modelos se utilizaron dos métodos. En primer lugar se utiliza la curva ROC (acrónimo de Receiver Operating Characteristic, o Característica Operativa del Receptor) para validar los resultados obtenidos en el árbol de decisión. Para el modelo de clustering y asociación se realiza una comparación entre los resultados arrojados con el 70% de los datos (ver modelo) y aquellos que se utilizan (30%) para la validación. Curva ROC: es una representación grafica que permite observar la razón de verdaderos positivos (VPR = Razón de Verdaderos Positivos) frente a la razón de falsos positivos (FPR = Razón de Falsos Positivos) según varia el valor a partir de cual se decide que es un caso positivo (Bacallao Gallestey, 1997) El análisis de la curva ROC brinda herramientas para seleccionar los modelos más óptimos, y descartar aquellos que sugieren un mayor margen de error, lo que permite un mejor análisis de coste/beneficios en la toma de decisiones (Bacallao Gallestey, 1997) El mejor método posible de predicción o diagnostico se posicionaría en la esquina superior izquierda, indicando que existe una probabilidad del 100% de que el resultados del modelo sea más correcto que el realizado al azar o aleatoriamente. Este punto también es denominado clasificación perfecta. Por lo contrario, una clasificación totalmente aleatoria se ubicaría a lo largo de la línea diagonal, denominada línea de no- discriminación. Por último los puntos que se encuentren por debajo de la línea diagonal representan los malos o pobres resultados de clasificación, determinándose que peores que una clasificación al azar; por consiguiente no deben ser considerados para la toma de decisiones porque no brindan ni una mínima precisión y contienen grandes márgenes de error (Bacallao Gallestey, 1997)
A continuación se muestran la grafica obtenida para el árbol de decisiones, lo que nos permite validar sus resultados para su posterior aplicación en estrategias de mercadeo. 89
Area under the ROC curve for the rpart is 0.8379
Gráfica 33. Árbol de decisiones
La línea roja rpart (algoritmo que utiliza el árbol de decisiones para dividir los datos en nodos y ramas) es la representación de los resultados de este modelo en particular, su posición por encima de la línea negra (línea diagonal) indica que los resultados son mejores que aquellos arrojados aleatoriamente. Por lo tanto se obtiene un 83,79% de probabilidad de que el modelo tenga una mayor precisión que utilizando datos al azar (línea negra) CLUSTER. Resultados modelo de clustering
90
Resultado validación:
Como se ha dicho anteriormente los resultados de validación tienen en cuenta el 30% de los datos totales, con el fin de validar que para cualquier conjunto de datos el modelo en general funciona. Se debe tener en cuenta que al ser un conjunto menor de datos los resultados tienen cambios pero como se puede observar, no se presentan transformaciones drásticas; por consiguiente se concluye que el modelo de clustering es válido para cualquier conjunto de datos.
ASOCIACIÓN. Resultados modelo asociación
Resultados Validación
91
Los resultados arrojados por la validación manejan unos cambios menores al 2% comparado con aquellos arrojados por el modelo, de tal manera que para un conjunto de datos futuros el modelo es válido. Lo anterior indica que la validación de todos los métodos es de forma positiva y su posterior aporte a la toma de estrategias de mercadeo es aceptado. 3.10 PROPUESTA PARA ESTRATEGIAS DE MERCADEO BASADAS EN LOS RESULTADOS ARROJADOS POR LA MINERÍA DE DATOS Los modelos utilizados en minería de datos nos permiten crear estrategias con base en las 4p en conjunto, es decir, cada método utilizado no arroja resultados que admiten la creación de estrategias en cada una de las 4p, por lo tanto para algunos se obtiene un número menor, pero en general se abarcan en su totalidad. 1. Estrategias basadas en las asociaciones identificadas
Producto: o Desarrollar empaques en los cuales se genere un ahorro de espacio de almacenamiento. o Estructurar kits o juegos de lencería con motivos o diseños de moda complementarios entre ellos (diseños o tendencias de moda). o Ofrecer combos que incluyan los dos tipos de edredones (doble y sencillo) a un precio atractivo.
Precio: o Desarrollar escalas de descuentos por compras de volúmenes en un solo producto
2. Estrategias basadas en los clusters identificados 3. Estrategias basadas en la clasificación que se realizó mediante el árbol de decisión.
Producto: o Desarrollar productos acordes a las características climáticas: 92
Clima Cálido: productos coloridos, livianos y frescos (materias primas que garanticen estos atributos) Clima frío: productos con colores neutros, clásicos y fríos y con materiales que ofrezcan calor. o Ofrecer diseños de productos para el estrato tres, que ofrezcan un alto valor agregado, generando en este segmento un aspiracional a un costo moderado.
Plaza: o Contratar personal para la realización periódica de visitas en los puntos de venta, principalmente en los pueblos o municipios pequeños.
Para profundizar un poco más, se realiza un adicionamiento de estrategias con base a la caracterización del sector y las encuestas; aunque el objetivo del proyecto no propone este tipo de estrategias se pretende dar al lector un complemento que le permita contextualizar el sector y a sus consumidores finales, con el fin de crear posteriores aplicaciones de minería de datos y toma de decisiones. 4. Estrategias basadas en la caracterización del sector y las encuestas. Producto (innovación):
Empaque: o Diseñar empaques que comuniquen los atributos diferenciadores y relevantes de cada producto, ampliando, para el usuario, la información que afiance su decisión de compra.
Producto: o Importar insumos de materia primas que permitan un ahorro en costos y conserven la calidad y funcionalidad del producto. o Lograr una certificación de producto que permita contrarrestar la informalidad y el contrabando de mercancía.
Precio: o La estrategia de precios se enfocará en ofrecer productos con precios por debajo de Distri Hogar o Ofrecer un plan de descuentos para las primeras dotaciones (nacimientos, listas de novias…) o Promoción: descuentos en periodos de decrecimientos o compras más bajas.
Plaza: 93
o Buscar nuevos canales de distribución que le permita ampliar su mercado y no depender de uno solo. o Mejorar el sistema de logística para asegurar un control de los tiempos y las especificaciones de los productos, de modo que se garantice la entrega oportuna y las condiciones propicias de estos.
94
Promoción: o Ofrecer una herramienta de interacción con el usuario final (redes sociales, servicio al cliente, encuestas) permitiendo una comunicación continua y directa. o Crear una página web que brinde información acerca de la compañía y le dé más credibilidad y seguridad a los consumidores en base a la marca. o Manejar campañas de recordación de marca en internet, revistas o en el propio canal de distribución para crear recordación y fidelidad de marca.
95
4. DISCUSIÓN DE RESULTADOS Presentar en forma lógica los resultados y discutirlos, debe haber correspondencia con los objetivos específicos. 4.1 RESULTADOS SECTOR TEXIL Y CATEGORIA ROPA HOGAR Como se puedo apreciar en el capitulo 3.1.1 el sector textil es uno de los sectores de gran participación en la económica colombiana debido a la gran demanda de mano de obra que esta requiere para su fabricación. Este sector también cuanta con una amplia participación en diferentes mercados atribuido al gran portafolio de productos terminados y materias prima derivados de este. Además de ser un sector de gran tamaño involucra la participación de sectores alternos como lo es el químico, agropecuario, entre otros, ya que de estos parten algunas materias primas para dicho sector. Colombia se ha caracterizado por varios años como un país de talla mundial por su calidad, acabado y creatividad en diseño, lo cual ha hecho de esto una gran oportunidad y fortaleza para las exportaciones a diferentes Continentes y países. Cabe también mencionar que a pesar de lo dicho anteriormente, este sector también ha sufrido grandes crisis debido a los bajos costos a los cuales pueden ingresar al país productos sustitutos de países mucho más especializados y con menores costos, lo cual aporrea fuertemente la económica colombiana. Evaluando las cifras de la balanza comercial colombiana observamos como la globalización ha hecho que países como chinas en los cuales la mano de obra es tan baja este monopolizando la fabricación y distribución a diferentes países y continentes, para lo cual el gobierno nacional ha visto la necesidad de implementar medidas correctivas que ayuden a evitar la desaceleración económica de Colombia por medio de aranceles e impuestos a ciertas importaciones textiles. Estas medidas han generado a su vez el crecimiento del contrabando, lo cual es uno de los factores en los cuales el gobierno constantemente está en la lucha. Entrando un poco en materia sobre el sector de ropa de hogar observamos que es un mercado muy poco conocido, estudiado y ofertado tanto por empresas como por comerciantes, lo cual ha generado que la demanda interna sea principalmente atendida por mercados y productos extranjeros que en ocasiones pueden llegar a ser de menor calidad que los realizados en el país. Durante los últimos seis o siete años el mercado de ropa de hogar ha venido presentando crecimientos superiores a los crecimientos del mercado global, y esto se ha presentado debido a que tanto consumidores como comerciantes o empresarios han potencializado el mercado por medio de mayores ofertas y capacitaciones que permiten una mejor selección y atención a la demanda.
96
De igual forma actualmente se cuentan con muy pocas empresas nacionales en dicho mercado que puedan atender la demanda nacional, lo cual mientras no se desarrollen empresas y fabricantes con mayores capacidades y especialización en lo productos seguirá existiendo la amenaza de las importaciones. Observando y entendiendo la situación actual del mercado de ropa de hogar, se considera oportuno aprovechar estas circunstancias para soportar como el entorno del mercado permitió la construcción de estrategias para facilitarle a la empresa un posicionamiento en el mercado con atributos diferenciadores como:
Tendencia de colores por zonas o regiones (dificulta la penetración de competidores).
Desarrollo de empaques diferenciadores (mostrar de forma clara la comunicación estratégica de la compañía).
Desarrollo de productos especializados para diferentes personas.
Incursionamiento en nuevos mercados y canales de distribución.
4.2 RESULTADOS ENCUESTAS Una base de datos actualizada y bien estructura es una ventaja altísima en lo que concierne la construcción de modelos de minería de datos. En Colombia se observa poca implementación de sistemas de aglomeración de datos en las compañías, fundamentalmente en las pequeñas y medianas empresas, a su vez las de mayor tamaño presentan dificultad en la correcta recolección y actualización constante de sus datos, presentándose este factor como la mayor desventaja encontrada para la implementación de este tipo de extracción de conocimiento. En adición la falta de información al respecto y su poca implementación en las empresas colombianas logra que las compañías no le den gran importancia y no se asuma como parte estratégica en la toma de decisiones, y organización de la categoría ropa hogar no son la excepción. La minería de datos es relativamente nueva en el país. En ropa hogar como en todos los demás sectores, la información que se puede obtener interna y externa, consumidores finales, clientes, ventas, almacenes etc. Es de gran utilidad a la hora de brindar apoyo a acciones estratégicas que se tomen en una compañía, de esta manera una vista general de los consumidores finales permite contextualizar al mercado y brinda mayores herramientas, aunque la organización no tenga una venta directa. A partir de las encuestas realizadas se analizan los siguientes aspectos:
97
Productos como almohadas y edredones a pesar de tener poca frecuencia de compra para los consumidores finales, ya que tiene mayor duración en comparación con otros, son considerados productos líderes en el mercado de ropa hogar (en almacenes de cadena principalmente). Las mujeres son inevitablemente el mercado más fuerte, pues son ellas quienes generalmente dirigen este tipo de compras en el hogar, pero a pesar de esto se ha observado un mayor número de hombres involucrados en comparación de décadas anteriores, lo que sugiere tener en cuenta este segmento en crecimiento y acercar el producto al área masculina como una ventaja competitiva. Los edredones son productos que requieren una mayor cantidad de dinero en relación con las almohadas, sugiriendo que los consumidores invierten más en un producto que aporte a la decoración de su hogar, que en aquel que pasa inadvertido a primera vista. Además un porcentaje mayor desconoce los materiales de fabricación lo que conlleva a la compra de almohadas en base a precios y una calidad percibida muy superficialmente; son pocos aquellos que conocen acerca del mejor producto según unas necesidades específicas. A pesar que se observa la calidad como el atributo más importante para ambos productos, no existe unos criterios establecidos en los consumidores que les ayuden realmente a identificar aquellos que les brindan un beneficio mayor en términos de este atributo, por lo que se puede clasificar en el caso de las almohadas más específicamente como un bien de convivencia el cual es relativamente barato y la compra no sugiere mucho esfuerzo. La renovación del producto es la principal ocasión de compra seguido por estrategias de promociones en los puntos de venta, lo que indica que no es un producto de compra por impulso, en el cual las promociones no afectan tan fuertemente las ventas y se recomiendan que las empresas añadan servicios a sus productos físicos como estrategia de diferenciación. A pesar que existe un mayor gusto por almohadas y edredones de colores neutros por parte de los consumidores finales, el árbol de decisión nos indica que una tendencia en edredones sobria (colores neutros) nos arroja ventas en un rango bajo, esto se dé principalmente porque el estudio de mercadeo que se está realizando no es lo suficientemente acertado y se distribuyen productos con tendencias erróneas, limitando los colores sobrios para pocos almacenes aunque estos sean los más apetecidos en diversas regiones. Se debe tener en cuenta que las personas encuestadas fueron en su totalidad de la ciudad de Medellín y los datos que la compañía maneja son de almacén en todo el país. La realización de las encuestas, la ejecución de la minería de datos y el conocimiento que se maneja de la compañía permitió determinar que se podrían elaboran estrategias que le permitiera a los consumidores a aumentar la frecuencia en el consumo en dichos productos por medio de: 98
Combos o amarres de productos donde se percibiera un valor alto a un bajo costo.
Direccionamiento de productos a segmentos o mercados específicos.
Generar mayor atención en el producto para generar mayores ocasiones de compra.
Realizar campañas como cambiatones o renovaciones de mercancía.
Incursionar en el mercado masculino por medio de amento en oferta y publicidad.
4.3 RESULTADOS ARROJADOS POR LOS MODELOS DE MINERÍA DE DATOS La siguiente discusión tendrá en cuenta el segundo y tercer objetivo específico del trabajo, ya que encuentra necesario la sustentación del segundo como argumentación del tercero, centrándose principalmente en las ciudades o regiones que según la compañía presentan mayor relevancia en sus compras. Las ciudades con mayor participación tanto en ventas como en número de almacenes son Bogotá y Medellín, lo cual realizan un 37% de las ventas y 62% del número de almacenes que administra la cadena (Éxito).
Bogotá cuenta con 81 almacenes tanto en la ciudad principal como en las ciudades intermedias y zonas rurales. Medellín cuentas con 22 almacenes tanto en la cuidad principal como en ciudades intermedias y zonas rurales.
Para el caso de ciudades como Barranquilla, Cali, Bucaramanga aunque son ciudades en la cuales se encuentra una buena participación del número de pedidos observamos que su participación en número de almacenes es muy bajo, lo cual puede indicar que la rotación de los productos y sus ventas son altos. El mayor porcentaje de ventas de edredones se presentan en tendencias coloridas o surtidas (50% sobrio y 50% colorido), lo que contradice los resultados de las encuestas a consumidores finales, quienes afirman tener una mayor preferencia por colores neutros, esto lleva a analizar porque se presenta esta situación. En primer lugar se expone que puede encontrarse un error en la realización de la muestra en las encuestas, ya que esta no fue lo suficientemente grande para determinar esta variable y a su vez no participaron diferentes segmentos de todo 99
el país, teniendo en cuenta las altas diferencias encontradas en gustos y tendencias para cada una de las regiones. Clusters. El estrato tres es el que mayor predomina en el conjunto de 6 cluster debido a que el 51,8% del total de almacenes se ubican en sectores con esta características; la base de datos no se encuentra tan dispersa como se esperaba, por lo contrario la cantidad de elementos en cada cluster no varía en gran proporción, lo que indica que el número de cluster es óptimo y la distribución de los datos fue del 100%. Según los resultados del clustering los atributos que se pueden observar claramente que conllevan a ventas más bajas son el clima y el tipo de ciudad, acordando que las ciudades principales con clima frio tienen a tener rango de compras bajas, por lo que confirma que en la ciudad de Bogotá se encuentra una falla gigantesca. A su vez las ciudades intermedias en climas calientes (Cucuta, Valledupar, Bucaramanga) son quienes menores rangos de compra presentan, se asume toda la ciudad y no solo el sector estrato 3 ya que el 90% de sus almacenes se encuentran en lugares con esta característica. Para la creación de estrategias se enfoca en las características que conllevan a obtener una venta baja, pues es allí en donde la empresa debe direccionar la mayoría de sus esfuerzos. Árbol de decisión. La mejor decisión a partir del árbol de decisión con una probabilidad del 62% indica que los almacenes con mayor predicción a presentar rango de compras alto son el los cuales se venden edredones con tendencias surtidas o coloridas y almohadas estampadas. Principalmente este factor se encuentra en zonas de clima cálido; y a su vez en donde se presentan un mayor número de pedidos es en Cali y Barranquilla, ciudades principales. De esta manera se puede definir que para estas ciudades en particular se esperan ventas altas si no se realiza ningún cambio en las tendencias de los productos que están siendo distribuidos. La mayor cantidad de pedidos se encuentra en la ciudad de Bogotá en proporción al número de almacenes que cuenta la ciudad de Bogotá, se puede asociar la gran participación de almacenes en zonas fría, el cual indica tener un 64% de tendencias edredones sobrio de acuerdo con el árbol de decisión existe una probabilidad del 43% de rango de compras bajas para este tipo de tendencias si no se tiene en cuenta ninguna consideración, por consiguiente se debe principalmente a que la mayoría de almacenes en esta zona corresponden a estrato 3 y son estos quienes menores ventas producen en términos de valor, lo que indica que a pesar de ser una ciudad principal muy fuerte existen grandes debilidades en los almacenes de estrato 3, los cuales presentan ventas bajas a lo largo del periodo 2011- 2013.
100
Para la ciudad de Medellín considerada una región muy sólida en términos de ventas, su mayor participación la tienen los estratos mayores a 3, manejando preferencias por edredones surtidos y almohadas no estampadas, pero quienes presentan un porcentaje mayor en ventas son los estratos 4 y 5 con preferencias en almohadas blancas o surtidas. Por consiguiente se espera a partir de estas condiciones una probabilidad de 44% de rango de compras alta. Por lo contrario si para los estratos 3 o menores su rango de compra será bajo, ya que se encuentran en una ciudad principal. Esto indica que el gran porcentaje de ventas en Medellín es realizado por los estratos más altos, mientras que los bajos presentan un estancamiento y puede ser debido a que no se está considerando atributos como el estrato para la distribución de los productos por tendencias, es decir, estos almacenes no tienen ventas de almohadas blancas o surtidas como se esperaría. Por lo contrario para los pueblos o municipios pequeños en donde la gran mayoría de almacenes son estratos 3 se afirma que los productos con tendencias coloridas, blancas y surtidas son las más adecuadas, lo que concuerda con las políticas que adapta la empresa para estos sectores.
101
Además, para los municipios o pueblos pequeños siempre se espera rango de compras medio, esto indica que la fuerza de compra como no es desconocido para la compañía está concentrada en las ciudades principales, independientemente si estas contienen más puntos de ventas, pues se observa el caso del valle del cauca como el tercer sector con mayor número de puntos de ventas pero esto no es proporcional a su nivel de compras. El clima y el estrato son atributos determinantes en la calidad de la exhibición, presentación y tendencias de los productos, además se debe considerar las constantes visitas a los almacenes como el factor que quiebra esta correlación, ya que cuando se presenta acompañamiento periódico se fortalece la exhibición y presentación de los productos independientemente del clima o estrato. Asociación. El producto líder de la compañía es su almohada marca soñar, en contraste con la almohada politex que tiene una frecuencia de compra alta pero debido a ser un producto lanzado a finales del 2012 no permite conocer su verdadero impacto. Conociendo la asociación que existe entre edredones dobles y sencillo a la hora de compra y la alta frecuencia que tienen las almohadas permite encontrar una ventaja que direccione a la compañía hacia estrategias de venta basados en conjuntos que estimulen la compra de ambos edredones o en su defecto utilizar el producto “estrella” para incentivar la compra. Por otro lado, podría existir un margen de error contrarrestando la asociación encontrada con la situación real, en donde las políticas del almacén de cadena pueden (no se conoce con certeza) indicar que son ellos quienes crean la asociación y no el consumidor final. De esta manera se debe enfocar a la compañía a prever esta estructura de pedidos para obtener la mayor ventaja competitiva.
102
4.4 ESTRATEGIAS DE MERCADEO PROPUESTAS A partir de los modelos de minería de datos y de los objetivos anteriores se requiere la creación de estrategias que permitan a la compañía aumentar sus ventas y fidelizar a los consumidores. Se pretende fortalecer los almacenes en estrato tres quienes constituyen un mayor número y se han encontrado deficiencias en ciertas ciudades específicas. Además la innovación continua del producto, cambios en el empaque enfocados tanto en los consumidores finales como en los canales de distribución que aporten un beneficio a la organización y por lo tanto la permanencia en el mercado, en particular en el mercado hogar que es bastante competitivo. El precio debe ser estrictamente un reflejo de la calidad del producto, debido a que el cliente busca principalmente calidad antes que precios. Se debe tener políticas que determinen un precio atractivo con constantes mejores en la calidad y diseño del producto. Afianzar su relación con los clientes es un requisito fundamental para facilitar que el producto cumpla con las especificaciones que ellos requieren. Las inconsistencias encontradas en algunos almacenes por parte de los gerentes responde en cierta medida los bajos rangos de compras en algunos almacenes, de tal manera se hace necesario constantes visitas a los puntos de venta que asegure un control más oportuno en la distribución de los productos hasta el cliente final, principalmente en las ciudades intermedias y pequeñas en donde se observa un rango de compras (ventas de la compañía al canal de distribución) menor que en otras áreas. Por otro lado se debe garantizar la entrega oportuna y las condiciones propicias de los productos, contando con un buen sistema de logística que permita coordinar los despachos, cumplir con los tiempos y las especificaciones de estos. Uno de los riesgos que corre la compañía es su dependencia absoluta de un solo canal de distribución, determinando un alto poder que se manifiesta en políticas y condiciones por parte de el almacén de cadena, por lo tanto se requiere buscar ampliar el mercado abriéndose a otros canales y pensar en la posibilidad de un canal directo siempre y cuando se tenga un conocimiento fuerte del mercado objetivo. Un problema que se encontrado no solo en esta organización si no que se percibe a nivel de la categoría, en donde la relación con el consumidor final bastante débil y en ocasiones no es adecuada, por lo que tener una herramienta (redes sociales, servicio al cliente, encuestas) que permita una comunicación más directa con el consumidor final, ofrece un acercamiento que permitiría obtener información muy valiosa para posteriores estrategias. Además una página web seria de gran ayuda para brindar más seguridad y credibilidad en la marca, lo que posteriormente conlleva a una recordación de esta. 103
5. CONCLUSIONES Y CONSIDERACIONES FINALES La poca participación de empresas nacionales en el mercado de ropa de hogar y el desconocimiento por parte del consumidor de atributos diferenciadores de calidad en un producto ha permitido la incursión de producto importado de baja calidad y precio. El alto grado de contrabando que mencionan los expertos que se presenta en el sector hacen de este un sector de difícil participación y de gran supervisión del gobierno, aunque a pesar de esto es un mercado que en los últimos cinco años ha crecido a mayor escala que países como Estados Unidos, Brasil, Chile, Venezuela, entre otros. Las técnicas y modelos con los cuales se efectúa la minería de datos no nos darán resultados buenos o malos, ya que estos están ligados al conocimiento y consideración en analista. Se observa como los gustos, tendencias y estilos de los productos puedes diferir mucho entre tipos de ciudades, prefiriendo en algunas productos de colores, en otras productos sobrios y en otras hay un equilibrio entre las dos opciones. La minería de datos es un proceso iterativo, lo que considera que a medida en que se va profundizando en un proceso se van encontrando diferentes factores determinantes que se pueden ir añadiendo y ayudan a obtener resultados más certeros, por lo que la importancia de tener una base de datos actualizada que cuente con información relevante para la compañía cobra más y más valor para las empresas. La información utilizada proviene de una empresa de la categoría hogar debido a la facilidad para la obtención de la información, por lo que las estrategias planteadas pueden no garantizar ser exitosa para todo el mercado, ya que se concentran en una sola compañía con características propias; por lo que es necesario analizar cada empresa particularmente u obtener bases de da tos de un determinado número de organizaciones para esta categoría tomadas como una muestra, que permita obtener resultados que puedan ser generalizados. La minería de datos bien empleada se convierte en una herramienta estratégica en los negocios que permite apoyar en la toma de decisiones más efectivas. El análisis de los datos debe estar siempre direccionado a obtener una ventaja competitiva que por consiguiente permita incrementar las ventas, la clave del éxito está en cómo se utiliza la información adquirida para ser estratégico y orientar a la empresa hacia el cumplimiento de sus metas y objetivos.
104
Aunque el concepto de mezcla de mercadeo con base en las 4p ha sido un esquema dominante en los últimos años, especialmente para productos de alto consumo masivo, en la actualidad se están obteniendo nuevos enfoques (4C, estructura de mercado, entre otros. que son relevantes para cumplir con los objetivos de la compañía en esta materia. Por lo que se debe considerar otros posibles factores para brindarle a la compañía una visión más amplia y exitosa. El mercado de ropa de hogar es un mercado en desarrollo el cual ofrece para sus participantes unas buenas expectativas debido a los crecimientos del mercado nacional, la poca participación de empresas y las medidas proteccionistas del gobierno por ser un sector generador de empleo. No se obtienen suficientes estrategias con base al precio a partir de los modelos utilizados de minería de datos, por lo que se recomienda una posterior aplicación en un conjunto de datos que permita incorporar dicho atributo. Se recomienda profundizar en las diversas técnicas de minería de datos y hacer uso de otras, no estudiadas en este trabajo, para identificar las potencialidades reales de la minería de datos con la información obtenida.
105
REFERENCIAS BIBLIOGRÁFICAS Agencia EFE. (2011). Contrabando y relaciones con Venezuela, retos del sector textil colombiano. El Espectador. ANDI. (2013).ANDI Respalda aumento de arancel para confecciones. Recuperado el 30 de marzo de 2013 de http://www.andi.com.co/pages/prensa/comunicados_prensa_detalle.aspx?Id =453 ANDI. (2013). Industriales avanzan en competitividad. Las empresas se mueven para superar el mal momento. Recuperado del 30 de abril de http://www.andi.com.co/pages/noticias/noticia_detalle.aspx?IdNews=389 Bacallao Gallestey, J. (1997). Las curvas ROC y las medidas de detectabilidad para la validación de predictores del rendimiento docente. Recuperado el Mayo de 2013, de http://www.bvs.sld.cu/revistas/ems/vol10_1_96/ems01196.htm Berry, M.J. & Linoff, G. (2003). Data Mining Techniques: For Marketing, Sales, and Customer Support. Indianapolis: Wiley & Sons. Canney, E. (2006). Data mining ó minería de datos. Recuperado el 29 de Agosto de 2012 de http://www.gestiopolis.com/canales7/mkt/data-minig-o-mineriade-datos.htm Castañeda García, J.A. & Rodríguez Molina, M.A. (1996). La minería de datos como herramienta de marketing. Recuperado el 10 de Abril de 2013 de http://www.ti.usc.es/lugo-xiii-hispanolusas/pdf/06_COMERCIALIZACION/15_casta%C3%B1eda_rodriguez.pdf Choperena Pineda, G.A. (2013). Estrategias de mercadeo a partir de la minería de datos de una empresa del sector de ropa de hogar en medellin. (D. Choperena Posada, & S. Soto Noreña, Entrevistadores) Czinkota, M.R. & Kotabe, M. (2001). Administración de la mercadotecnia. (2ª edición). New York: Cengage Learning Editores. Cisneros, J.L. (1998). Panorama Sobre Bases de Datos. Mexicali: UABC. Drucker, P. (1973). Management: Tasks, Responsabilities, Practices. Nueva York: Harper & Row. 106
EcuRed. (2011). Minería de datos. Recuperado el 20 de 04 de 2013 de www.ecured.cu/index.php/Miner%C3%ADa_de_Datos#Negocios El País. (31 de Enero de 2011). “El 30% del comercio textil es de contrabando” dice presidente de Inexmoda. El País. Estard sorftware. (2011). Data mining techniques. Recuperado el 10 de Mayo de 2013 de http://www.estard.com/data_mining/data_mining_methods.asp Fayyad, U.M.-S. (1996). Advances in knowledge discovery and data mining. California: AAAI/MIT Press. Germán, N.E. (2013). Carteles de narcos utilizan contrabando para lavar dinero. Confidencial Colombia . Globovisión. (2011). Sector textil de Colombia lidia con el contrabando y relaciones con Venezuela. Globovisión . Gobernación de Antioquia. (2012). Medellín y Antioquia, líderes en Colombia del sector textil y de confección. Recuperado el 28 de Marzo de 2013 de http://www.antioquia.gov.co/index.php/prensa/historico/159-prensafajardo/8425-medellin-y-antioquia-lideres-en-colombia-del-sector-textil-y-deconfeccionHernández Orallo, J., Ramirez Quintana, M.J. & Ferri Ramirez, C. (2007). Introducción a la mineria de datos. Madrid: Pearson. INEXMODA. (2012). Sector textil/confección-diseño y moda en Colombia. Recuperado el 26 de marzo de 2013 de http://observatorioeconomico.inexmoda.org.co/Portals/0/Documentos/Bibliot eca/Documento_sectorial_OEcco_Inexmoda.pdf Interbolsa. (2008). Estudio Sectorial. Recuperado el 28 de Marzo de 2013 de http://es.scribd.com/doc/63940801/Informe-Sectorial-Sector-Textil-N1-1 Jáuregui, A. (2002). La utilización de bases de datos en el marketing moderno. Recuperado el 29 de Agosto de 2012 de http://www.gestiopolis.com/canales/demarketing/articulos/30/marketingbase sdatos.htm#mas-autor Kedar, S. (2009). Database Management System. s.l.: Technical Publications. Kotler, P. (2002). Dirección de marketing: Conceptos esenciales. México: Pearson Educación. Kotler, P., & Armstrong, G. (2003). Fundamentos de Marketing. Pearson. 107
Lara Torralbo, J.A. (2010). Marco de descubrimiento de conocimiento para datos estructuralmente complejos con el énfasis en el análisis de eventos en series temporales. Recuperado el 10 de Mayo de 2013 de http://oa.upm.es/5729/1/JUAN_ALFONSO_LARA_TORRALBO.pdf LatinPyme. (2010). Inteligencia de Negocios: Minería de Datos Aplicada al Mercadeo. Recuperado el 10 de Abril de 2013 de http://latinpymes.com/portal/tecnologia/item/5222-inteligencia-de-negociosmineria-de-datos-aplicada-al-mercadeo.html López, J.M. & Herrero, J.G. (2006). Tecnicas del analisis de datos. Recuperado el 4 de 2013 de http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r94663.PDF Maneiro, M.Y. (2008). Monografia de Adscripción - Minería de datos. s.l.: Universidad Nacional del Nordeste. MAPFRE. (2010). Informe Sector Textil y Confecciones Colombiano. Medellin: El autor. Marcano Aular, Y.J., & Talavera, R. (2007). Minería de Datos como soporte a la toma de decisiones empresariales. Recuperado el 10 de Abril de 2013 de http://www.scielo.org.ve/scielo.php?pid=S101215872007000100008&script=sci_arttext Martínez Álvarez, C.A. (2012). Aplicación de técnicas de minería de datos para mejorar. Recuperado el Mayo de 2013 de http://www.tesis.uchile.cl/bitstream/handle/2250/112065/cfmartinez_ca.pdf?sequence=1 Mendoza Escamilla, V. (2012). Colombia en ‘guerra de moda’ con China. Recuperado el 26 de Marzo de 2013 de http://www.cnnexpansion.com/economia/2012/01/24/al-avanza-en-guerrade-moda-con-china Ministerio de Hacienda y Crédito Público. (2011). Competitividad de la mano de obra mejora frente a China. Bogotá: Minhacienda. Molina Guzmán, L.A., & Múnera Barrera, D. (2012). Analisis económico del sector confecciones. Recuperado el 30 de Marzo de 2013 de http://www.upb.edu.co/pls/portal/docs/PAGE/GPV2_UPB_MEDELLIN/PGV2 _M050_INVESTIGACION/PGV2_M050020_GRUPOSINVESTIGACION/PG V2_M050020020110_MERCADO/ANALIS%20ECON%D3MICO%20SECT OR%20CONFECCIONES_2012_10.PDF 108
Muñiz, R. (2010). Marketing en el Siglo XXI. Recuperado el 3 de Septiembre de 2012 de http://www.marketing-xxi.com/concepto-de-marketing-estrategico15.htm Osuna, S. A. (2011). Mercadeo [Diapositivas de Clase]. Medellín: EIA. Pérez Maldonado, E.Y. (2007). Caso Vivencial en la Empresa COLOuRS Promotion and Marketing Services, sobre la campaña de promoción “En busca de los Dadores de Felicidad” con Manzana Lift. Recuperado el 14 de Mayo de 2013 de http://catarina.udlap.mx/u_dl_a/tales/documentos/lni/perez_m_ey/ Portafolio. (2012). Frente común del sector textil-confección. Portafolio. p. 1. Presidencia de la República. (2013). El Presidente Santos anuncia medidas para impulsar el sector textil. Recuperado el 30 de Marzo de 2013 de http://wsp.presidencia.gov.co/Prensa/2013/Enero/Paginas/20130122_03.as px Proexport. (2012). Invierta en Colombia. Recuperado el 20 de Marzo de 2013 de http://www.inviertaencolombia.com.co/sectores/manufacturas/textil-yconfeccion.html Programa de Tranformación Productiva. (2011). Programa de Tranformación Productiva. Recuperado el 26 de Marzo de 2013 de http://www.ptp.com.co/contenido/contenido.aspx?catID=607&conID=1 Salinas, O.J. (Octubre de 2000). La mezcla de mercadeo, las cuatro P. Una taza de p..., una pizca de p..., dos libras de p... y 40 gotas de p... Recuperado el 4 de Septiembre de 2012 de http://www.gestiopolis.com/canales/demarketing/articulos/No%201/cuatrop. htm Sanchez Asparrín, Y.S. (2003). Optimización del cálculo de recursos productivos para cotización en una empresa de confecciones . Recuperado el 20 de Marzo de 2013 de http://sisbib.unmsm.edu.pe/bibvirtualdata/tesis/ingenie/sanchez_ay/cap1.pdf Sierra Cadavid, D. (2012). Cluster textil/ Confeccion, diseño y moda. Medellín: Cámara de Comercio de Medellín. Tebé, I. (2005). Marketing Sensorial, Vivencial y/o Experiencial. Recuperado el 31 de Agosto de 2012 de http://www.martaprietoasiron.com/index.php?menu=ver_item.php&item=252 &pag=Marketing 109
Thompson, I. (2005). La Mezcla de Mercadotecnia. Recuperado el 10 de Mayo de 2013 de http://www.promonegocios.net/mercadotecnia/mezclamercadotecnia-mix.htm Trade Map. (s.f.). Recuperado el 01 de Abril de 2013 de www.trademap.com Vallejos, S. (2006). Trabajo de Adscripción - Minería de Datos. s.l.: Universidad Nacional del Nordeste. Villegas, F. (2013). Sector textil y categoria ropa hogar. (D. Choperena Posada, & S. Soto Noreña, Entrevistadores) Witten, I.H. & Frank, E. (2000). Data Mining: Practical Machine Learning Tools and Techniques. Morgan kaufmann Publishers. ZenTut. (2013). Data Mining Techniques. Recuperado el 16 de Mayo de 2013 de http://www.zentut.com/data-mining/
110
ANEXOS
111
ANEXO 1. FORMATO ENTREVISTAS A PROFUNDIDAD Teniendo claro e identificado los esquemas del negocio textil profundizaremos en el SECTOR ROPA HOGAR, donde buscaremos responder preguntas como: Cuáles son las características del sector textil y confecciones actualmente basado en: a) Formalidad de empleo b) Barreras de entrada tecnológica c) Segmentos de mercado d) Canales de distribución e) Formas de Pago f) Formas de pago a los proveedores Cuáles son las perspectivas del sector textil y confecciones para los años 2015 – 2020 en base a: a) Formalidad de empleo b) Barreras de entrada tecnológica c) Segmentos de mercado d) Canales de distribución e) Formas de pago f) Formas de pago a los proveedores Teniendo en cuenta que en el año 2011 el contrabando representaba el 30% de las ventas del sector ¿Cómo considera usted que esta cifra se comportara con las nuevas medidas protecciones del gobierno? Gracias al constante mejoramiento de las calificaciones de riesgo país nos han permitido consolidar nuevos acuerdos comerciales, como lo son el TLC con Estados Unidos y prontamente con la Unión Europea. ¿Qué oportunidades o amenazas ve usted de estos acuerdos? ¿Cuáles son las principales características y tendencias del sector ropa de hogar en base a: a) Ventas b) Calidad, precio y diseño c) Consumidores d) Segmentos de mercado e) Canales de distribución f) Balanza comercial (Importaciones y exportaciones de insumos y producto terminado) ¿A qué se debe la poca cantidad de empresas reconocidas en el mercado de ropa de hogar? 112
¿Cuáles son las principales características que evitan la incursión o no de nuevos participantes en el mercado de ropa de hogar? ¿Cuáles son las principales variables que busca un fabricante para ser diferenciador en el mercado? ¿Qué participación manejan las almohadas y los edredones, en cuanto a: a) Ventas b) Consumidor c) Canales de distribución d) Balanza comercial ¿Podría usted mencionar según su conocimiento cuales son LAS FORTALEZAS DEBILIDADES, OPORTUNIDADES Y AMENAZAS con las cuales cuenta el mercado de ropa de hogar y más específicamente en almohadas y edredones? ¿Actualmente está usted ejecutando alguna estrategia que le permita sostenerse o crecer en el mercado de ropa de hogar en relación a: a) Valor agregado b) Relación con los clientes c) Canales de distribución d) Segmentos de clientes ¿Podría usted indicarnos qué resultados ha obtenido o espera obtener con dichas estrategias?
113
ANEXO 2. ENCUESTAS Fecha de realización de la encuesta (DD/MM/AAA) Encuestado rNombre
Apellidos
Genero Encuestado/a nº Esta encuesta es de carácter investigativo y tiene como fin la realización de un trabajo de tesis para la Escuela de Ingeniería de Antioquia. Por lo tanto toda la información recolectada será usada para fines académicos y será tratada de forma confidencial y anónima. Es importante que responda con sinceridad. OBJETIVO: Identificar datos sistemáticos habituales y poco frecuentes de un consumidor de ropa de hogar más específicamente almohadas y edredones. OBSERVACIONES: Edredón: Es un tipo de cubierta compuesta por una funda acolchada que se utiliza en la cama como manta En qué casos han realizado ustedes compras de Almohadas. Marque varias si es necesario. a. b. c. d. e. f.
Para dotación finca Para un matrimonio En promociones Casa nueva Renovación del producto Otros ¿Cuáles?__________
En qué casos han realizado ustedes compras de Edredones. Marque varias si es necesario. a. b. c. d. e. f. g.
Para dotación finca Para un matrimonio En promociones Casa nueva Renovación del producto Moda Otros ¿Cuáles?__________ 114
¿Con que frecuencia compra almohadas? a. b. c. d.
1 vez al mes 1 vez cada 2 o 3 meses 1 o 2 veces al año Otra ¿Cuál?___________
¿Con que frecuencia compra edredones? a. b. c. d.
1 vez al mes 1 vez cada 2 o 3 meses 1 o 2 veces al año Otra ¿Cuál?___________
¿Qué tipo de diseños o tendencias prefiere para almohadas? a. b. c. d.
Infantil neutro (negro o blanco) masculino Femenino
¿Qué tipo de diseños o tendencias prefiere para edredones? a. b. c. d.
Infantil neutro (negro y/o blanco) masculino Femenino
Tiene algún material de preferencia al momento de realizar esta compra. Indique para almohadas y edredones. ________________________________________________________ Ordene del 1 al 5 las siguientes características según la importancia a la hora de compra de almohadas. Donde 1 es el de mayor importancia y 4 el de más baja importancia.
Precio ______ Calidad ______ Diseño ______ Marca ______ Moda ______
115
Ordene del 1 al 5 las siguientes características según la importancia a la hora de compra de edredones. Donde 1 es el de mayor importancia y 4 el de más baja importancia.
Precio ______ Calidad ______ Diseño ______ Marca ______ Moda ______
¿Cuántas personas componen su núcleo familiar con el que vive actualmente? Aproximadamente ¿Qué cantidad de dinero destina usted ANUALMENTE para realizar una compra de almohadas? a. b. c. d.
$0 - $100.000 $101.000 –$ 300.000 $301.000 – $500.000 Más de $ 500.000
Aproximadamente ¿Qué cantidad de dinero destina usted ANUALMENTE para realizar una compra de edredones? a. b. c. d.
($0 - $100.000 $101.000 –$ 300.000 $301.000 – $500.000 Más de $ 500.000
Rango de edad al que pertenece a. b. c. d. e.
20-25 26-30 31-45 46-50 más de 50
¿En qué rango ubica usted su nivel de ingresos mensuales? a. b. c. d. e.
$589.500 - $1.000.000 $1.001.000 – $ 2.200.000 2.301.000 – 3.000.000 3.001.000 – 4.000.000 Más de 4.000.000 116
ANEXO 3. TABLA SECUNDARIA 1
117
ANEXO 4. TABLA SECUNDARIA 2
118
119