Evaluación de Sitio

Paasel tiene amplia experiencia en el vaciado de la inteligencia de negocios en diversas industrias para la ubicación de puntos de venta o distribución. Para ello utiliza modelos de evaluación de sitio estadísticos/matemáticos que se diseñan para estimar los volúmenes de negocio que se espera que sean atraídos a una tienda o centro de distribución en un sitio particular – tanto para los sitios existentes como para los potenciales.

Beneficios

Estos servicios proveen a los clientes de Paasel de herramientas capaces de predecir comportamientos de venta o distribución de acuerdo a variables geográficas a partir de modelos de análisis con fundamentos matemáticos permitiendo:

• Incrementar considerablemente el nivel de confianza de dichas predicciones.
• Dejar a un lado la dependencia de decisiones intuitivas por experiencia para la ubicación geográfica de puntos estratégicos de los negocios.
• Optimizar ganancias y/o costos asociados a la ubicación geográfica de los negocios.
• Ahorrar dinero en estudios de mercados para cada ubicación a considerar.

Áreas de Aplicación

Empresa

• Evaluación de sitio para apertura de nuevos establecimientos.
• Rutas óptimas para distribución de productos.
• Análisis de competencia y canibalización.
• Análisis de zona de influencia para medir potencial de negocio de las sucursales instaladas.
• Estimación de número de sucursales o centros de distribución óptimos en un territorio.
• Segmentación geográfica de estrategias de marketing.
• Ubicación de zonas óptimas para la entrega de publicidad.
• Ubicación de publicidad en espacios urbanos.
• Ubicación de clientes de acuerdo a atención, frecuencia de venta, monto de venta, etc.

Gobierno

• Optimización en la localización de servicios de salud, educación o cultura.
• Ubicación estratégica de campañas de difusión masiva: vacunación, trámites, programas sociales, seguridad, etc.
• Ubicación de población objetivo de programas sociales por territorio

contacto@paasel.com

¿Crisis? ¿Cuál crisis?

Cada vez que los mercados financieros presentan un período de mucha volatilidad,

como sucedió durante las últimas semanas, una pregunta empieza a flotar en el aire

de manera inevitable: ¿habrá pronto una nueva depresión o crisis económica? La

respuesta a esta pregunta es de interés para todos, desde los individuos hasta las

empresas más grandes. Un célebre ejemplo es la automotriz Chrysler, que debió ser

rescatada de la bancarrota por el gobierno norteamericano en 1980, tras lo cual, cuenta

la historia, el entonces presidente de la compañía, Lee Iacocca, expresó a su

economista en jefe: "lo único que quiero de ti es que me avises seis meses antes

de que llegue la próxima recesión" (cf. Watch The Economic Data: Improve Investment Decisions by Timing Turns).

La importancia de saber que se acerca una depresión económica está en que ese tiempo

de anticipación puede permitir ajustar las estrategias de gasto e inversión para

adaptarse al cambio en el clima económico que supone una recesión: menor consumo,

menor confianza en los instrumentos de renta variable, etc. El banco de la Reserva

Federal de EE.UU. en Nueva York tiene un indicador de probabilidad de crisis, basado

en los rendimientos del mercado de bonos

(cf. The Yield Curve as a Leading Indicator). La teoría

indica que cuando la economía crece de manera "normal" los bonos a largo plazo

(10 años) tienen un rendimiento considerablmente menor que los bonos a corto

plazo (3 meses), pues el riesgo percibido es mayor. Sin embargo, cuando una crisis

es inminente y el mercado lo advierte, estas percepciones se ven alteradas

de manera signitficativa y en ocasiones incluso llegan a invertirse - el mercado

percibe que el escenario de largo plazo tiene un riesgo menor que el escenario

a corto plazo.

En Paasel complementamos el indicador de la Fed con información que puede actualizarse

de manera diaria, y reescalando las medidas de probabilidad para hacerlas más

interpretables, y aquí pueden verse los resultados: tan pronto este indicador llega al 50%, hay un período de depresión no más de un año después. La línea verde indica el nivel actual del indicador, usando la información de los rendimientos del tesoro de EE.UU. (cf. Daily Treasury Yield Curve Rates).

Estandarización espacial

El desarrollo de sistemas de información geográfica puede llevarse a cabo de maneras muy diversas, sin embargo no todos los caminos garantizan el mejor resultado. A lo largo de la historia del desarrollo tecnológico se ha probado que el uso de estándares suele ser una mejor práctica.

En 1994 tuvo origen el Open Geospatial Consortium (OGC) conformado con la colaboración voluntaria de organizaciones de distinta índole en el mundo. El principal objetivo de este consorcio ha sido desarrollar e implementar estándares abiertos que sirvan como guía para el desarrollo de contenido y servicios geoespaciales, procesamiento de datos geográficos e intercambio de información.

El área principal de aplicación para el trabajo realizado por el OGC son los sistemas de información. Cuando un sistema implementa los estándares propuestos por el OGC, los componentes resultantes podrán interoperar con otros sistemas que implementen los mismo estándares, esto sin necesidad de depurar ninguna parte del sistema.

Algunos de los estándares propuestos por el OGC más conocidos incluyen:

• CT (OpenGis Coordinate Transformation Service): Provee de una manera estandar para especificar y acceder a servicios de transformación de coordenadas.
• GML (OpenGis Geography Markup Language): Provee de una gramática de XML para expresar características geográficas. Puede ser utilizado como lenguaje de modelado para sistemas geográficos así como formato de intercambio de información.
• KML (OGC KML): Originalmente creado por Google como un lenguaje para representar información geográfica ahora es parte de los estándares que el OGC mantiene. Este lenguaje permite añadir anotaciones, imágenes y control en la navegación de los mapas.
• WMS (OpenGIS Web Map Service): Provee una interfaz mediante HTTP para solicitar imágenes de mapas en determinada zona provenientes de una o más bases de datos geoespaciales distribuidas.

Actualmente Paasel sigue de cerca el trabajo del OGC e implementa sus estándares en las herramientas de GeoAnalytics que produce.

La crisis global de 2009 no afectó el número de la población mexicana en pobreza extrema

En 2009, inmersos en la cisis financiera global, se especuló sobre el impacto negativo que tendría una desaceleración económica para las economías emergentes, que finalmente impactaría en el crecimiento de la población en situación de pobreza. El caso de México fue estudiado por especialistas del Banco Mundial, quienes en 2010 publicaron una simulación para medir el impacto de la crisis sobre la pobreza y la distribución del ingreso (aquí la referencia). Estimaban que el 20% de los hogares mexicanos más pobres sufrieron una pérdida en su ingreso per capita de alrededor del 8%, sin embargo, los datos oficiales publicados recientemente dicen lo contrario.

Hacia finales de julio de 2011 el Consejo Nacional de Evaluación de la Política de Desarrollo Social en México (CONEVAL) publicó los resultados de la medición de la pobreza entre 2008 y 2010, donde se reporta que la población en situación de pobreza aumentó 1.7% que representa alrededor de 3.2 millones de personas. A pesar de este incremento, la población en situación de pobreza extrema disminuyó 0.2%, es decir, 11.7 millones de personas tanto en 2008 como en 2010.

Para explicar la constante de la población en situación de pobreza extrema se grafica a continuación la diferencia entre el porcentaje de la población en pobreza extrema entre 2008 y 2010 por entidad federativa.

Powered by Tableau

Los datos oficiales reportan que la pobreza se extendió principalmente en las áreas urbanas. A partir del gráfico presentado se puede observar que la población en pobreza extrema sólo se redistribuyó por el país, por lo que resulta relevante investigar las medidas que han hecho que entidades como Puebla e Hidalgo disminuyeran su población en extrema pobreza.

Dudas: contacto@paasel.com

Geo Marketing

Geo Marketing

Solución de análisis y predicción de escenarios geográficos. Aportamos información para la toma de decisiones de negocio apoyadas en la variable espacial.

La base de datos vinculada a la información geográfica resulta indispensable para planificar una adecuada campaña de marketing o promoción e incluso ayuda a las empresas a conseguir más clientes y fidelizar los actuales mediante estrategias dirigidas.

¿Cómo Funciona?

Es una aplicación ad hoc desarrollada en plataforma Google Maps Pro, la cual opera conectándose a un navegador en internet por lo que no se requiere de gran infraestructura tecnológica, contando con la característica de confidencialidad e integridad de los datos.

Algunas empresas que usan el Geo Marketing son:

• Retail
• Financiero
• Seguros y Fianzas
• Farmacéutico
• Transporte
• Telecomunicaciones
• Construcción
• Franquicias

Beneficios que podemos destacar:

§ Optimización de la inversión en acciones de marketing.

§ Mayor conocimiento del mercado y la habilidad de focalizar esfuerzos en determinados segmentos del mercado.

§ Diseñar zonas de ventas, rutas de despacho, rutas de merchandising y rutas de cobranza.

§ Identificar puntos de ventas, oficinas, sucursales, distribuidores, competencia, etc.

§ Determinar el área de influencia para precisar la población a la cual se está cubriendo.

§ Responder a preguntas como: ¿Es óptima la localización actual de mi negocio? ¿Dónde se podría ubicar una nueva sucursal? ¿Dónde dirigir una campaña publicitaria?

Dudas: contacto@paasel.com

Curva de madurez de una empresa de Business Analytics

El nivel de madurez de una empresa de Business Analytics depende de dos factores: la experiencia y el desarrollo de las soluciones.

Después de algunos años de experiencia y complementando con un pequeño estudio de mercado web, observamos que las empresas de BA comienzan a abrir mercado ofreciendo la aplicación de las técnicas estadísticas: regresiones, análisis de series de tiempo, simulaciones, minería de datos, modelos bayesianos, modelos de optimización, diseño de experimentos, etc.

Posteriormente, al conocer la falta de sistematización de los datos, la metodología de análisis y consultoría se vuelve clave en la oferta de servicios: definición de objetivos, diseño, recopilación, procesamiento, análisis y seguimiento.


Sin embargo, el reto principal para una empresa de BA, es obtener suficiente experiencia en el mercado para poder ofrecer soluciones específicas, es decir, tomando en cuenta la industria, el área operativa y el nivel de sistematización de la información.

Por lo tanto, la madurez de la oferta de valor, será una de las ventajas competitivas más importantes de las empresas de análisis de información.

Dudas: contacto@paasel.com

Evaluación de Sitio

Geo Analytics

Evaluación de sitio

Paasel se ha convertido en un proveedor de soluciones de Business Analytics estratégico para Grupo Martí en los últimos años. Una de las estrategias de implementación de este tipo de soluciones con mayor impacto está asociada al desarrollo de aplicaciones de evaluación de sitio para nuevas tiendas y clubs deportivos.

De la mano del equipo estratégico de expansión comercial Paasel ha definido modelos de análisis para la predicción de éxito de nuevos establecimientos de acuerdo a su posible ubicación geográfica. Algunos de los logros más importantes de la implementación de dichas aplicaciones han sido:

• Definición de un modelo de pronóstico de ventas de acuerdo a ubicaciones geográficas con porcentaje de error menor al 10%

• Desarrollo de un modelo de estimación de impacto en competencia y canibalización dados distintos escenarios de aperturas en un mercado geográfico específico.

• Implementación de un sistema basado en tecnología Google Maps Pro que sistematiza los cálculos de los modelos de predicción para su uso por parte del área de planeación estratégica.

• Incidencia directa en la optimización del ROI de la elección sobre la ubicación de nuevas sucursales.

Proyecciones PAASEL del Censo de Población 2010

Actualmente, la información histórica de cualquier empresa es uno de sus activos estratégicos más importantes con los que cuenta.

En este sentido, existen herramientas que pueden ser creadas a partir de esta información, que pueden y deben guiar a la organización a tomar mejores decisiones. Algunas de las herramientas más valiosas son las llamadas de predicción (Predictive Analytics). Las herramientas de predicción son utilizadas para generar escenarios futuros en áreas como ventas, producción, marketing, detección de fraudes, y call centers.

Muchas veces también es importante la predicción de indicadores externos a la información generada por la organización. Un ejemplo de estos son los indicadores demográficos, los cual generalmente son utilizados como drivers sobre las mismas ventas futuras, o indicadores del potencial de una zona de venta. Una de las fuentes de información más importantes para obtener datos externos sobre indicadores demográficos es el Censo de Población 2010, publicado por INEGI.

En Paasel, nos dimos a la tarea de proyectar al 2020 cada una de las variables del Censo de Población 2010. A continuación les mencionamos algunos de los resultados obtenidos.

Variable	Claves	Comentarios al 2020
Poblacionales	1-45	Los cuatro municipios, con más de 500 mil habitantes, que mayor crecimiento poblacional tendrán entre 2010 y 2020, serán Reynosa, Ciudad Juárez, Apodaca y Tlaquepaque.
Migración	46	Los municipios que en 2020 tendrán mayor población no nacida en el municipio serán: Tizayuca, Nezahualcóyotl y Tlalnepantla.
Población Indígena	58,61,64	Los estados con mayor población indígena serán Chiapas, Oaxaca y Veracruz.
Características Educativas	119	De 2010 a 2020 el grado de escolaridad promedio de México aumentará 0.6 años.
Características Económicas	122	Los estados con mayor porcentaje de Población Económicamente Activa serán Baja California y Querétaro.
Situación Conyugal	140,142,143	Los estados con mayor porcentaje de solteros serán Baja California Sur, Quintana Roo y Querétaro.
Hogares Censales	147,150	El tamaño promedio de los hogares en México pasará de 3.9 personas por hogar en 2010 a 3.4 en 2020.