UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE

COMERCIO ELECTRÓNICO

Nombre: Pablo Carrillo

Curso: G-201 NRC: 5582

Fecha: 03/05/2018

Glosario de términos

Base de datos relacional.- una base de datos relacional es una colección de elementos
de datos organizados en un conjunto de tablas formalmente descritas desde la que se
puede acceder a los datos o volver a montarlos de muchas maneras diferentes sin tener
que reorganizar las tablas de la base.

Ejemplo:

Una base de datos federada es una base de datos relacional cuyos datos están
almacenados en varias fuentes de datos (tales como bases de datos relacionales
separadas). Los datos son tratados como si pertenecieran a una sola gran base de datos y
se pueden acceder mediante las consultas SQL normales. Los cambios en los datos se
pueden dirigir explícitamente hacia la fuente datos apropiada.

Transact-SQL.- es una extensión al SQL de Microsoft y Sybase. SQL, que

frecuentemente se dice ser un Lenguaje de Búsquedas Estructurado (por sus siglas en
inglés), es un lenguaje de cómputo estandarizado, desarrollado originalmente por IBM
para realizar búsquedas, alterar y definir bases de datos relacionales utilizando
sentencias declarativas. T-SQL expande el estándar de SQL para incluir programación
procedimental, variables locales, varias funciones de soporte para procesamiento de
strings, procesamiento de fechas, matemáticas, etc, y cambios a las sentencias DELETE
y UPDATE. Estas características adicionales hacen de T-SQL un lenguaje que cumple
con las características de un autómata de Turing.

Modelo.- un modelo matemático describe teóricamente un objeto que existe fuera del
campo de las Matemáticas. Las previsiones del tiempo y los pronósticos económicos,
por ejemplo, están basados en modelos matemáticos. Su éxito o fracaso depende de la
precisión con la que se construya esta representación numérica, la fidelidad con la que
se concreticen hechos y situaciones naturales en forma de variables relacionadas entre
sí.

CONSULTA SQL SERVER

Microsoft® SQL Server™ es un sistema de administración y análisis de bases de datos

relacionales de Microsoft para soluciones de comercio electrónico, línea de negocio y
almacenamiento de datos. En esta sección, encontrará información sobre varias versions
de SQL Server. También encontrará artículos sobre bases de datos y aplicaciones de
diseño de bases de datos así como ejemplos de los usos de SQL Server.
Microsoft SQL Server 2014 se basa en las funciones críticas ofrecidas en la versión
anterior, proporcionando un rendimiento, una disponibilidad y una facilidad de uso
innovadores para las aplicaciones más importantes. Microsoft SQL Server 2014 ofrece
nuevas capacidades en memoria en la base de datos principal para el procesamiento de
transacciones en línea (OLTP) y el almacenamiento de datos, que complementan
nuestras capacidades de almacenamiento de datos en memoria y BI existentes para
lograr la solución de base de datos en memoria más completa del mercado.
SQL Server 2014 también proporciona nuevas soluciones de copia de seguridad y de
recuperación ante desastres, así como de arquitectura híbrida con Windows Azure, lo
que permite a los clientes utilizar sus actuales conocimientos con características locales
que aprovechan los centros de datos globales de Microsoft. Además, SQL Server 2014
aprovecha las nuevas capacidades de Windows Server 2012 y Windows Server 2012 R2
para ofrecer una escalabilidad sin parangón a las aplicaciones de base de datos en un
entorno físico o virtual.
EJEMPLO

1) Antes de invertir en un nuevo producto, lo más probable es que quiera llevar a cabo
una investigación de mercado para medir la demanda del producto. Eso podría consistir
en encuestas basadas en cuestionarios, discusiones de grupos focales, datos de redes
sociales / en línea, etc. En esencia, después de realizar una investigación de mercado,
los datos se recopilarán y enviarán a una base de datos.
2) Esta información es procesada y analizada. Si los resultados son favorables, la
compañía continuará con la producción y venta del producto. Periódicamente (por
ejemplo, aproximadamente cada trimestre), los datos de ventas se recopilan, ingresan en
una base de datos y se analizan. Se identifican los patrones de consumo, las variaciones
estacionales en la demanda, etc. y las estrategias de comercialización se planifican /
cambian en consecuencia.

3) Los anuncios del producto se transmiten por televisión, se pegan en vallas

publicitarias y se pegan en la ciudad en carteles. Sin embargo, la empresa querrá colocar
carteles en lugares donde el grupo objetivo de consumidores esté presente en mayor
cantidad. Esto ayuda a ahorrar costos en carteles. ¿Cómo se identifica este grupo de
consumidores objetivo? Al analizar los datos del consumidor en su base de datos.

(Se pueden indicar muchos otros ejemplos donde se recopilan datos relevantes para el
mercado y se pueden incluir en una base de datos, pero creo que se entiende la esencia)

Donde sea que haya una base de datos involucrada, definitivamente habrá una necesidad
de leer esa información. Y SQL es lo que se usa para interactuar con los datos en una
base de datos.
En cada etapa donde se recopilan datos, debe procesarse, organizarse y analizarse. Para
este fin, entran en juego análisis de datos multidimensionales, minería de datos,
herramientas de informes de datos, etc.
Para trabajar con cualquiera de los programas mencionados anteriormente y, por lo
tanto, analizar datos de manera efectiva, es esencial que uno tenga conocimientos
básicos de SQL y bases de datos relacionales.
Alternativamente, también se puede omitir el uso de software de análisis para analizar
datos; pero incluso en esta situación, todavía tendrá que escribir consultas SQL para
este fin. Se requerirá un alto nivel de habilidad para enmarcar consultas SQL apropiadas
para analizar datos directamente desde la base de datos.
Una vez que los datos han sido analizados y procesados, los resultados deben
presentarse en forma de informes coherentes, concisos y presentables. Estos informes se
utilizan en discusiones administrativas sobre cómo diseñar estrategias de marketing para
productos existentes o nuevos.
Aplicación al marketing

En las campañas de marketing, no se trata solo del mensaje que se transmite. Cuándo y
cómo se entrega ese mensaje son factores igualmente importantes. Sin un enfoque
analítico basado en datos, es fácil que las campañas pierdan oportunidades o que lo
tengan difícil para ganar terreno.
Con el aprendizaje automático informado con datos de campaña históricos, esta
solución ayuda a predecir las respuestas de los clientes y recomienda un plan
optimizado para entrar en contacto con los clientes potenciales, que incluye los mejores
canales (correo electrónico, SMS, telemarketing, etc.), el mejor día de la semana y el
mejor momento del día.
La optimización de sus campañas con el aprendizaje automático contribuye a mejorar la
generación tanto de clientes potenciales como de ingresos, y puede ofrecer una fuerte
rentabilidad de la inversión en marketing.
En esta solución, SQL Server R Services lleva el proceso a los datos ejecutando R en el
equipo que hospeda la base de datos.
MODELOS MATEMÁTICOS APLICADOS AL MARKETING