1 ENUNCIADO (2022-Jul)

¡Bienvenido al caso práctico de análisis de datos de Bellabeat! En este caso práctico, realizarás muchas tareas del mundo real, típicas de un analista de datos júnior. Imaginarás que trabajas para Bellabeat, un fabricante de productos de alta tecnología orientados a la salud de la mujer, y conocerás a diferentes personajes y miembros del equipo. Para responder a las preguntas clave de la empresa, seguirás los pasos del proceso de análisis de datos: preguntar, preparar, procesar, analizar, compartir y actuar. En este proceso, las tablas del mapa de ruta de caso práctico, incluidas las preguntas orientativas y las tareas clave, te ayudarán a mantenerte en el camino correcto.

Al final de esta lección, tendrás un caso práctico listo para el portfolio. Descarga el paquete y consulta los detalles de este caso práctico en cualquier momento. Así, cuando empieces a buscar trabajo, tu caso práctico será una forma tangible de demostrar tus conocimientos y habilidades a los posibles empleadores

1.1 • Escenario

Eres un analista de datos júnior que trabaja en el equipo de analistas de marketing de Bellabeat, fabricante de productos de alta tecnología orientados a la salud de la mujer. Bellabeat es una empresa pequeña exitosa, pero tiene el potencial para convertirse en un actor más grande en el mercado global de dispositivos inteligentes. Urška Sršen, cofundadora y directora creativa de Bellabeat, cree que analizar los datos de actividad física de los dispositivos inteligentes podría desplegar nuevas oportunidades de negocio para la empresa.

Te han pedido que te concentres en uno de los productos de Bellabeat y analices los datos de los dispositivos inteligentes para conocer el uso que hacen los consumidores de sus dispositivos inteligentes. Los hallazgos que descubras ayudarán a orientar la estrategia de marketing de la empresa. Presentarás tu análisis al equipo ejecutivo de Bellabeat junto con tus recomendaciones de alto nivel para la estrategia de marketing de Bellabeat.

1.2 • Personajes

  • Urška Sršen: Cofundadora y directora creativa de Bellabeat
  • Sando Mur: Matemático y cofundador de Bellabeat, miembro clave del equipo ejecutivo de Bellabeat.
  • Equipo de análisis computacional de datos de marketing de Bellabeat:
    Un equipo de analistas de datos que se encarga de recopilar, analizar e informar datos que ayudan a conducir la estrategia de marketing de Bellabeat. Te incorporaste a este equipo hace seis meses y te has dedicado a conocer la misión y las metas de negocios de Bellabeat, y a ver cómo puedes ayudar a la empresa a lograr estos objetivos desde tu lugar de analista de datos júnior.

1.3 • Productos

  • Aplicación:
    La aplicación Bellabeat proporciona a los usuarios datos de salud relacionados con su actividad física, sueño, estrés, ciclo menstrual y hábitos de conciencia plena. Estos datos pueden ayudar a los usuarios a comprender sus hábitos actuales y adoptar decisiones saludables. La aplicación Bellabeat se conecta a su línea de productos de bienestar inteligentes.
  • Leaf:
    Dispositivo de seguimiento clásico de bienestar de Bellabeat que se puede usar como pulsera, collar o clip. El dispositivo Leaf se conecta a la aplicación Bellabeat para hacer un seguimiento de la actividad física, el sueño y el estrés.
  • Time:
    Este reloj de bienestar combina el aspecto intemporal de un reloj clásico con la tecnología inteligente para hacer el seguimiento de la actividad física, el sueño y el estrés del usuario. El reloj Time se conecta a la aplicación Bellabeat para proporcionar información sobre el bienestar diario.
  • Spring:
    Es una botella de agua que hace el seguimiento diario del consumo de agua mediante el uso de tecnología inteligente para garantizar la hidratación adecuada a lo largo del día. La botella Spring se conecta a la aplicación Bellabeat para hacer el seguimiento de los niveles de hidratación.
  • Membresía:
    Bellabeat también ofrece a los usuarios un programa de membresía mediante suscripción. La membresía brinda a los usuarios un acceso 24/7 a una orientación totalmente personalizada sobre nutrición, actividad física, sueño, salud y belleza y conciencia plena según el estilo de vida y las metas del usuario.

Adicional a la información expuesta en el caso podemos agregar:

  • La Aplicación incluye
    • videos con distintos contenidos,
    • recomendaciones personalizadas de ejercicios,
    • recomendaciones personalizadas de comida y dietas,
    • audios de mindfullnes para ayudar a dormir y a la meditación,
    • ayuda de expertos en cuidado de la piel,
    • notificaciones motivacionales.
  • Ivy es un producto versión premium de Leaf con mayor costo. Ambos incluyen acelerómetros de alta precisión que deben llevarse sujetas al cuerpo para medir movimiento que se traduce en pasos y sueño, mientras que Ivy incluye un sensor un óptico que mide la frecuencia cardíaca y restringe el formato a solamente una pulsera. Por otro lado Time, tampoco mide ritmo cardíaco e incluye el mismo acelerómetro que los anteriores incluido en un reloj clásico de joyería.
    • Solamente Ivy mide el heartrate. whats the difference
    • Además incluyen vibrador para notificar al usuario o despertar.

Pulseras y Relojes inteligentes pueden registrar Actividades y medir Sueño, Frecuencia cardíaca (algunos) y contar Pasos.

Por otro lado, un tipo de producto asociado y no listado es la Balanza Inteligente que consiste en más que solo registrar el peso en un smartphone. Puede medir Peso corporal y Bioimpedancia (BIA). Con ésta ultima se lograr medir la Composición corporal: Indice de grasa corporal IMC, Masa muscular, Indice de agua, Metabolismo basal, Nivel de grasa visceral y Masa ósea. Algunos de estos datos son manualmente proporcionados por los usuarios.

1.4 • Acerca de la empresa

Urška Sršen y Sando Mur fundaron Bellabeat, una empresa de alta tecnología que fabrica productos inteligentes focalizados en el cuidado de la salud. Sršen usó su experiencia como artista para desarrollar una tecnología con un bonito diseño que informará e inspirará a las mujeres de todo el mundo. Recopilar datos sobre la actividad física, el sueño, el estrés y la salud reproductiva le ha permitido a Bellabeat proporcionar a las mujeres conocimientos sobre su propia salud y sus hábitos. Desde su fundación, en 2013, Bellabeat creció a un ritmo vertiginoso y rápidamente se posicionó como empresa de bienestar impulsada por la tecnología para las mujeres.

En 2016, Bellabeat ya había inaugurado oficinas en todo el mundo y lanzado múltiples productos. Los productos Bellabeat pasaron a estar disponibles en línea a través de un creciente número de comerciantes minoristas además del canal de comercio electrónico propio de Bellabeat en su sitio web. La empresa invirtió en medios publicitarios tradicionales, como radio, cartelería en la vía pública, prensa gráfica y televisión, pero se centra mayormente en el marketing digital. Bellabeat invierte todo el año en Google Search, mantiene activas las páginas de Facebook e Instagram e interactúa de manera constante con los consumidores en Twitter. A su vez, Bellabeat publica anuncios por video en YouTube y avisos publicitarios en Red de Display de Google para apoyar las campañas en fechas de marketing claves.

Sršen sabe que el análisis de los datos de consumo disponibles de Bellabeat revelaría nuevas oportunidades de crecimiento. Ella le pidió al equipo de análisis computacional de datos de marketing que se concentrara en un producto Bellabeat y analizara los datos de uso de dispositivos inteligentes para conocer cómo las personas están usando sus dispositivos inteligentes. Después, con esta información, le gustaría recibir recomendaciones de alto nivel sobre cómo estas tendencias pueden colaborar en la estrategia de marketing de Bellabeat.

Los productos de Bellabeat buscan diferenciarse en lo siguiente:

  • Se identifican como “Joyería inteligente”.
  • Se enfoca en tener un estilo específico apreciable por los clientes femeninos.
  • Su aplicación es comprehensiva e incluye asistencia personalizada por profesionales.

1.5 • Objetivo / Tarea

Sršen te pide que analices los datos de uso de los dispositivos inteligentes para saber cómo usan los consumidores los dispositivos inteligentes que no son de Bellabeat. Después, quiere que selecciones un producto Bellabeat para aplicar estos conocimientos en tu presentación.

Estas preguntas orientarán tu análisis:

  1. ¿Cuáles son algunas tendencias de uso de los dispositivos inteligentes?
  2. ¿Cómo se podrían aplicar estas tendencias a los clientes de Bellabeat?
  3. ¿Cómo podrían ayudar estas tendencias a influir en la estrategia de marketing de Bellabeat?

1.6 • Entregables

Crearás un informe con los siguientes entregables:

  1. Un resumen claro de la tarea empresarial
  2. Una descripción de todas las fuentes de datos utilizadas
  3. Documentación de todas las limpiezas y manipulaciones de datos
  4. Un resumen de tu análisis
  5. Visualizaciones de respaldo y hallazgos clave
  6. Las tres recomendaciones de contenido de alto nivel basadas en tu análisis

1.7 • Datos

Sršen te alienta a que uses datos públicos que exploren los hábitos cotidianos de los usuarios de dispositivos inteligentes. Ella te señala un conjunto de datos específicos:

  • Datos de seguimiento de actividad física de Fitbit (CC0: Dominio público, conjunto de datos disponibles a través de Mobius): Este conjunto de datos de Kaggle contiene el seguimiento de la actividad física personal en treinta usuarios de Fitbit. Treinta usuarios elegibles de Fitbit prestaron su consentimiento para el envío de datos personales de seguimiento que incluyen rendimiento de la actividad física en minutos, ritmo cardíaco y monitoreo del sueño. Incluye información sobre la actividad diaria, pasos y ritmo cardíaco que se puede usar para explorar los hábitos de los usuarios.

Sršen te comenta que este conjunto de datos podría tener ciertas limitaciones y te alienta a considerar la posibilidad de agregar otros datos que te ayuden a resolver esas limitaciones a medida que profundices en el trabajo con los datos.

La fuente de datos original proviene de un estudio realizado a través de la plataforma Amazon Mechanical Turk (MTurk) por parte de un equipo de RTI International y se publica en dos paquetes, mientras que en el caso solo se provee la segunda parte.

En el documento del estudio se establece que el objetivo principal del estudio es determinar la factibilidad de un método de recolección de datos biométricos voluntarios de los usuarios con la participación de una encuesta adicional, des-identificados para privacidad, y de manera completamente remota, pudiendo ser utilizados para análisis científicos, poblacionales, o de servicio médico.

Estos datasets fueron recolectados brindando una compensación de 10 USD a través de MTurk con un objetivo de 30 usuarios en el cual debieron completar voluntariamente un cuestionario que incluye la conformidad con compartirlos para todo el mundo.

Los dispositivos FitBit se conectan a su propio sistema de sincronización propio y una base de datos externa denominada Fitabase es brindada de permisos para leer dicha información durante 30 días, obteniendo así 30 días de datos retrospectivos y 30 días prospectivos.

Adicionalmente, en el estudio, se consideran las limitaciones, por ejemplo que los usuario de MTurk podrían no ser generalizables a poblaciones completas en sentido geográfico, los usuarios de MTurk están mas familiarizados con las plataformas online, por lo que tampoco podría generalizarse a poblaciones completas en sentido de edades, se requiere a los usuarios que dispongan de dispositivos FitBit para conectarse a la plataforma por lo que otros tipos de dispositivos quedan descartados, los individuos que tienen y usan este tipo dispositivos son generalmente jóvenes entre 18 y 34 años, siendo 18 el mínimo permitido para poder brindar el consentimiento.

El diseño del experimento consiste en obtener información de 30 participantes, sin embargo, 35 personas aceptaron participar, aunque algunos de ellos contienen cantidades insignificativas de datos y la mayoría contiene períodos sin registros.

Solo 13 registraron datos de peso e Indice de Masa Corporal.

2 ENTREGABLES

✔ Un resumen claro de la tarea empresarial

Cito la tarea empresarial enunciada en el Caso.

Sršen te pide que analices los datos de uso de los dispositivos inteligentes para saber cómo usan los consumidores los dispositivos inteligentes que no son de Bellabeat. Después, quiere que selecciones un producto Bellabeat para aplicar estos conocimientos en tu presentación.

¿Cuál es el problema que se intenta resolver?

  • Analizar los datos proporcionados de los dispositivos inteligentes FitBit.
  • Obtener información sobre el uso que le hacen los consumidores.
  • Concentrarse en uno de los productos de Bellabeat.
  • Identificar nuevas oportunidades de negocio para la empresa.

¿Cómo se puede impulsar las decisiones empresariales?

  • Segmentación de consumidores y Oferta personalizada.
  • Oportunidad de buscar nuevos segmentos de mercado.

¿Quienes son los Interesados clave?

  • Urška Sršen: Cofundadora y directora creativa.
  • Sando Mur: Matemático y cofundador.
  • Equipo de marketing.

✔ Una descripción de todas las fuentes de datos utilizadas

Se utilizarán los datos sugeridos disponibles en kaggle para el caso, más aquellos que provienen del mismo Estudio.

¿Dónde se almacenan tus datos?

  • CasoBellabeat/working/: códigos del proyecto.
  • CasoBellabeat/input/fitbit/: datos de entrada de FitBit.
  • CasoBellabeat/input/stage : datos de entrada en sus múltiples etapas de transformación.

¿Cómo están organizados los datos? ¿Están en formato largo o ancho?

  • Formato CSV.
  • Presentación summarizada en intervalos de minutos, diario y mensual.
    • Los datos mas crudos o granulares son los de minutos y segundos.
    • Fechas en formato UTC.
    • Números con “.” como separador decimal.
  • Hay tablas en formato WIDE y NARROW.

¿Hay problemas con el sesgo o la credibilidad de estos datos?

Si.
Hay limitaciones consideradas en el estudio original:

  • Los usuarios de MTurk mantienen una cierta cota geográfica y están mas familiarizados con las plataformas online que el común de la gente. Entonces, podrían no ser generalizables a poblaciones completas.
  • Solo se contemplan dispositivos FitBit para hacer uso de la plataforma fitabase. Otros usuarios con otros dispositivos no estarían alcanzados.
  • Los individuos que tienen y usan este tipo dispositivos son generalmente jóvenes entre 18 y 34 años,
  • 18 años es el mínimo legal permitido para brindar el consentimiento para compartir los datos.

Otros problemas encontrados son:

  • Hay filas duplicadas.
  • faltantes en una tabla y presentes en otra.
  • faltantes por rangos de fechas.
  • puntuales faltantes. Missings.
  • datos no registrados para algunos usuarios, generando series poco representadas.
  • datos registrados en la encuesta pero no presentes en el conjunto.
  • datos de grupos de edades desconocidas y presuntamente jóvenes.

¿Tus datos son confiables, originales, integrales, actuales y citados (ROCCC)?
Parcialmente, por motivos ya expresados, pero son los datos asignados para el análisis.

  • Reliable (Confiables) — NO — Solo tiene informaciónd de 35 participantes algunos de ellos con poco nivel de participación.
  • Original (Originales) — NO — Los datos fueron recolectados por un tercero con objetivos distintos.
  • Comprehensive (Integrales) — NO — Faltan datos y parámetros de los usuarios.
  • Current (Actuales) — NO — Datos del 2016. 6 años de antiguedad.
  • Cited (Citados) — SI — La fuente original de datos es un estudio.

¿Cómo verificaste la integridad de los datos?

En esta primera fase se ha observado que el conjunto de datos corresponde a series de tiempo y se observó que no todos los usuarios registraron la misma cantidad.

Adicionalmente se observa que la mayor parte de las variables presentes son un subproducto de un conjunto reducido de variables primarias obtenidas por los sensores.

Con el objetivo de reducir la cantidad de variables se realizó el siguiente conjunto de tareas:

  • Se creó una representación visual de los Time Gaps mediante heatmaps para comparar los datos almacenados en los diferentes archivos y los faltantes de datos en diferentes secciones.
  • Se trabajó de manera inversa para encontrar las relaciones matemáticas entre variables.
  • Se encontraron las variables primaras de los sensores.
  • Se realizaron los cálculos que validen la generación de las variables macro.
  • Una vez comprendida la formula matemática se logra prescindir de un conjunto de tablas hourly y daily.

Durante el proceso se encuentra evidencia de datos duplicados, datos faltantes y necesidad de homogeneizar el formato.

  • Se unifican las fuentes de información.
  • Se estandarizan los nombres de las variables.
  • Se realizan procesos de transformación de formatos.
  • Se eliminan las duplicidades.
  • Se remueven los datos CERO de aquellas variables que por definición jamás podrían alcanzar dicho valor (como las calorías), se asigno la mediana de los 10 valores vecinos al segmento de dicha variable.
  • Se almacenan en disco los datos consolidados resultantes.

¿De qué manera te ayuda a responder tu pregunta?

La pregunta consiste en un análisis exploratorio de los datos, por lo que la respuesta depende de la experiencia del analista. Los datos proporcionados no son suficiente para poder construir un modelo de predicción de potenciales usuarios ya que solo contienen registros con sesgos y sin clasificación supervisada. Se procede entonces a inspeccionar el conjunto para realizar algunas descripciones de utilidad para el negocio.

✔ Documentación de todas las limpiezas y manipulaciones de datos

Se utiliza el lenguaje ‘R’ y ‘Rmarkdown’ en Rstudio y se procede a realizar un proceso de Reconocimiento, Reducción de Variables y Limpieza, finalmente resultando en un conjunto que utilizado para el presente análisis.

Inspeccion y Limpieza de Fitbit Crowd-sourced Datasets para Google Data Analytics: Caso Final: Bellabeat

Conjunto de indicadores de los individuos: Descargar

  • Cada fila para cada ID de usuario.
  • Cada columna para sumarizaciones.

Segmento del conjunto total de variables originales registradas: Descargar

  • Datos ordenados por ID de usuario y fechas en minute-level.
  • Las columnas refieren a las variables primarias de donde se obtienen los demás indicadores.
  • Los datos abarcan todas las fechas para todos los usuarios.
    • Los datos ausentes son marcados como NA corresponden a datos no registrados en ese rango horario.
  • sleep_state solo registra valores donde el usuario se detecta dormido.
  • steps registra pasos por medio de algoritmo integrado al chip junto al acelerometro
    • En la observación puede contener errores del algoritmo de procesamiento de los pasos.

✔ Un resumen de tu análisis

El factor de diferenciación de los productos de Bellabeat de un smartphone es su pequeño tamaño, mientras que el factor diferenciador respecto de otras marcas de wearables es el hecho de estar disimulado en una pieza de joyería que se atañe al cuerpo. Estas dos características son fundamentales en un análisis de mercado para le empresa mencionadas, ya que no se expone intenciones de cambiar de trayectoria.

El conjunto datos presente en el dataset no representa estas características ya que fueron recolectados para una marca diferente que abarca un segmento de mercado generalizador. Aún más, como se expresó anteriormente la cantidad de datos es insuficiente para realizar generalizaciones satisfactorias, y el gran volumen de datos se ocupa en variables que son calculables por un subconjunto de variables fundamentales y por tanto estan fuertemente correlacionadas.

El reto consiste en determinar métricas que permitan asociar factores de uso con posibles estrategias corporativas.

En este sentido, se considera que la cantidad de datos aportados por cada usuario es el mejor indicador del interés del usuario en el uso continuo del dispositivo independientemente de sus metas personales.

Adicionalmente, algunos de ellos han incluido registros de sueño, y otros de sus registros de pesos, aunque estos últimos son los de menor proporción.

Dado que la variable principal obtenida mediante el acelerómetro de los dispositivos wearables es la medición de pasos, la variable observada en cantidad serán los registros de pasos.

La siguiente representación es un resumen del conjunto limitado de datos.

En la primera columna a la izquierda se observan la cantidad de datos registrados por cada ID de usuario ordenados de menor cantidad a mayor (35 usuarios en total).

La magnitud de las columnas representa la totalidad mientras que un pequeño subconjunto de color dorado presente para “algunos” de ellos han registrado datos referidos a perfiles de sueño (17 usuarios). Por la limitada cantidad de registros, no es información apta para ser utilizada sin acotar demasiado el conjunto

Los colores de las columnas, que se observan en la leyenda, indican la clasificación de un Indice de Masa Corporal. Dato presento solamente para 13 IDs. Por la limitada cantidad de registros, no es información apta para ser utilizada sin acotar demasiado el conjunto.

La cantidad de datos disponibles es variable para cada usuario y comprenden hasta 60 días.

La representación de barras del medio “Burnout Profile” representa la información de BMR (Basal Metabolic Rate) del usuario, en donde las de color mantienen la representación del indice de masa corporal, y la barra menor de color bordó representa las calorías marginales promedio quemadas, es decir, un indicador del nivel de actividad física realizada.

En cuanto a la información de la barra bordó (Calorías marginales), se comprende que un mayor valor indica mayor actividad física y/o quema de calorías por encima del nivel de BMR.

El BMR es una cantidad básica de cada persona, y depende de factores como la edad, genero, altura, peso, etc. muchos de estos datos se desconocen por tanto es el mejor indicador disponible de la persona. Se sabe que las mujeres tienen un BMR aproximadamente 35% inferior al de los barones. Sin embargo, no es posible inferir la edad de la persona.

Por otro lado, se tienen algunos valores de Indice de masa corporal y de peso, suministrados por el usuario, y además se sabe que para brindar consentimiento, las personas deben ser mayores de 18 años, alcanzando una altura y peso bastante estables. A su vez personas mayores de edad obtienen baja probabilidad de utilizar una plataforma como Mturk. Por tanto, el rango de edades muestreada puede ser entre 18 y 40 años. Dato importante de segmentación de mercado.

Se observa curiosamente la presencia de un Obeso mórbido, uno de los mayores aportantes de datos. Se puede asociar esta característica a su BMR y observar que existen al menos 5 personas adicionales con BMR similar y por tanto pueden ser potenciales obesos morbidos. (5 de 35)

De la misma manera, observamos al menos un obeso grave, aunque los niveles de BMR se confunden con otras personas clasificadas como PreObesos. La diferencia puede estar en la altura o genero y resulta imposible determinar.

A partir del BMR, puede apreciarse que al menos 26 personas obtienen clasificación superior a la considerada Normal. Este dato no puede ignorarse para una adecuada segmentación de mercado.

Por ultimo, el gráfico de la derecha, corresponde a los datos de sendentarismo. En él se representa nuevamente la cantidad total de datos aportados coloreada por su indice de masa corporal si estuviera disponible y por dentro en color negro la propoción de datos que corresponden a nivel de actividad CERO, es decir, sendentarismo. Mientras que en color dorado se observa nuevamente la proporción de sendentarismo dedicado a las horas de exclusivas de reposo.

Aqui se aprecia un número de observaciones: Los datos correspondientes a momentos de sedentarismo oscilan entre 80 y 90% entre los distintos usuarios (algunos de ellos casi al 100%). La proporción de horas de reposo, para la mayoría es normal, en donde algunas de las excepciones pueden corresponder a la falta de representatividad de los datos, en términos generales la media de horas de sueño no indica un factor apreciable de segmentación de mercado.

Si vamos al detalle podemos corroborar datos que no son sorpresivos pero verifican la consistencia de los datos.

Por ejemplo, el siguiente muestra el reparto de las horas de reposo/sueño a lo largo de cada día en donde se observa el espera valle que corresponde a las horas de actividad. La hora promedio de despertar es a las 7:30 AM y de acostarse a dormir a las 21.30. Es decir, la persona promedio pasa 10 horas en reposo total.

Definimos el consumidor promedio y observamos Sedentarismo:

  • BMR de 1600 calorías.
  • Altura de 1.69 m
  • Peso de 80 Kg promedio –> \(IMC = Kg / H^2 = 28\) –> Peso Alto/PreObeso
  • 79% del día de actividad sedentaria.
  • 7.9 hs durmiendo.
  • 687 calorías promedio de quema por encima del BMR (+43%)
  • 6856 pasos por día en promedio (por debajo de los 10000 pasos recomendados)

Los gráficos siguientes (QQ-plots) muestran la distribución normal si las hubiere de los datos analizados que determinan al “consumidor promedio”.

✔ Las tres recomendaciones de contenido de alto nivel basadas en tu análisis

••• Enfoque en el Consumidor Sedentario

De los datos analizados propuestos para el caso se una segmentación de mercado orientada al sedentarismo.

El análisis es que existe un deseo en el consumidor en controlar el peso y para ello adquieren y utilizan herramientas de medición afines esperando conseguir mejores resultados.

Se observa poco interés en medir la calidad del sueño, y poca cantidad de datos de la contextura física.

Dado que el aspecto estético de los dispositivos Bellabeat ya se encuentre bien cuidado, el enfoque hacia el consumidor sedentario debería orientarse hacia usabilidad y generar valor agregado de esa manera.

Las sugerencias son:

Inclusión de productos de Balanzas Inteligentes (ver sección siguiente)

Inclusión de Antropometria en la aplicación (ver sección siguiente)

Tracker para Cinturón de bajo costo. La mejor ubicación de un acelerómetro para contabilizar los pasos o el movimiento corporal, es la altura de la cintura.

Crear notificaciones agradables en la aplicación (no-intrusivas), que “acompañen” al consumidor con contenido a fin de mejorar sus hábitos y orientarlo a obtener los resultados deseados. Por ejemplo:

  • Mostrar notificaciones de datos antropométricos faltantes que deba ser cargados con sencillos pasos.
  • Compartir recetas sencillas y atractivas orientadas al control de los resultados. Por ejemplo, barritas de cereal, etc.
  • Mostrar información gráfica e instructiva que permita al usuario aprender nuevas formas de cuidarse.
  • Permitir al usuario calificar notificaciones con el clásico botón “Me Gusta”
  • Sugerir eventos cercanos o distantes al que se pueda asistir caminando.
  • Sugerir locales de ropa adecuados para los talles del usuario.

••• Balanzas Inteligentes

Ingresar a este segmento de mercado funcional con un atractivo disruptivo “fashionably functional” para obtener las métricas de bioimpedancia que de otra manera serían proporcionadas por dispositivos de terceros. Esto permitirá al consumidor tener la suite completa de mediciones de salud y bienestar propia de la marca.

Como sugerencia, se recomienda promocionar un paquete para todo el conjunto de Wellness Trackers de Bellabeat.

La Balanza Inteligente debería diseñarse con las siguientes características en mente:
- buena precisión, - alta duración de batería, - waterproof, - bioimpedancia de pies a manos, - perfiles para toda la familia, - aspecto de diseño, e.g. alfombra

Las medidas que se obtendrían automáticamene son:
- Peso o Masa corporal total - Porcentaje de grasa corporal - Estado de hidratación - Angulo de fase o Calidad de membrana celular

Las medidas calculadas derivadas pueden ser: - Indice de masa corporal (peso en relación con altura) - Indice de masa magra (todo lo que no contiene grasa) - Masa de musculo esquelético total - Masa de musculo esquelético según la edad - Relación Grasa vs Musculo - Masa de musculo esquelético por segmento/extremidades - Masa de somatocitos creciente/decreciente - Edad corporal (Ayuda a comparar la edad corporal y la cronológica basándose en diferentes parámetros) - Relación de agua extracelular vs agua corporal total - Grasa visceral (la que rodea los órganos internos y puede aumentar el riesgo de problemas de salud)

••• Antropometria en la Aplicación

Incluir en la aplicación facilidades para agregar información adicional antropométrica que pueden ser de gran utilidad para el análisis de datos general de los consumidores, segmentación de mercado y estudios de carácter poblacional.

Con el conjunto de datos recolectados, el consumidor puede:
- Obtener estrategias de ejercicios personalizados. - Recibir sugerencia de Ropa a medida del consumidor sin búsqueda de talles. - Registrar su progreso.

Adicionalmente la empresa puede:
- Ofrecer Ropa personalizada a medida. - Comercializar análisis de datos a otras empresas. - Segmentar el mercado para creació de nuevos productos.

Algunas medidas manuales son:
- Espesor de Pliegue cutáneo. - Talla Parado, Sentado (longitud del sujeto total y de tronco) - Envergadura total (longitud de punta a punta de los brazos) - Circunferencias como cintura, circunferencia media de brazo CMB - Medida de brazos, de piernas - Ancho de cadera, de espalda

En el paquete de productos anteriormente mencionado se podría incluir de adicional, instrumentos de Welness poco comunes de calidad hogareña como Plicómetro, que se utiliza para medir el grosor de la capa de piel con adiposidad; y Antropómetro, que se utiliza para medir ancho de codo y con ello el tipo de hueso. Se relaciona con las tablas de Frisancho para determinar junto con la altura si el individuo tiene huesos angostos, medios o anchos.