universidad distrital francisco josÉ de...
TRANSCRIPT
1
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS
PROPUESTA DE DISEÑO DE REPORTE DINÁMICO EN EL SOFTWARE DE
ANALÍTICA DE DATOS COGNOS ANALYICS, PARA LA OPTIMIZACIÓN DE LOS
PROCESOS DE EJECUCIÓN Y RESULTADOS DEL UNIVERSO DE VENTAS
(PIPELINE) PARA EL ÁREA DBG (DIGITAL BUSINESS GROUP) EN LA
EMPRESA IBM PARA LATINOAMÉRICA
FACULTAD DE INGENIERÍA
BOGOTÁ D.C.
2019
2
PROPUESTA DE DISEÑO DE REPORTE DINÁMICO EN EL SOFTWARE DE
ANALÍTICA DE DATOS COGNOS ANALYICS, PARA LA OPTIMIZACIÓN DE LOS
PROCESOS DE EJECUCIÓN Y RESULTADOS DEL UNIVERSO DE VENTAS
(PIPELINE) PARA EL ÁREA DBG (DIGITAL BUSINESS GROUP) EN LA
EMPRESA IBM PARA LATINOAMÉRICA
TRABAJO DE GRADO: MODALIDAD PASANTÍA
PRESENTADO POR:
JUAN CAMILO VARONA LOZANO
CÓD. 20132015097
DIRIGIDO POR:
ING. CESAR ASDRALDO VARGAS HERNÁNDEZ
PARA OPTAR POR EL TÍTULO DE
INGENIERO INDUSTRIAL
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS
FACULTAD DE INGENIERÍA
BOGOTÁ D.C.
2019
3
Contenidos MARCO TEÓRICO .................................................................................................................................... 5
HISTORIA DE LA COMPAÑÍA ................................................................................................................ 5
MISIÓN ................................................................................................................................................ 6
VENTAS DIGITALES .............................................................................................................................. 6
PLANTEAMIENTO DEL PROBLEMA .......................................................................................................... 9
FORMULACIÓN DEL PROBLEMA ......................................................................................................... 9
OBJETIVOS ........................................................................................................................................... 9
OBJETIVOS ESPECÍFICOS ..................................................................................................................... 9
JUSTIFICACIÓN .................................................................................................................................. 10
IMPACTO ........................................................................................................................................... 10
DOFA DE SALES EXECUTION .............................................................................................................. 12
DIAGNÓSTICO EN EL PROCESO DE VENTAS DE DBG ............................................................................. 13
APRENDER LO QUE SEA POSIBLE PARA LOS NEGOCIOS DE LOS CLIENTES ....................................... 14
DIGITAL DEVELOPER REPRESENTATIVES (DDR) ............................................................................ 14
DIGITAL CLIENT REPRESENTATIVES (DCR) ..................................................................................... 14
DECIDIR JUNTO A LOS EPERTOS EVALUANDO LAS SOLUCIONES ...................................................... 14
DIGITAL BRAND SALES REPRESENTATIVES .................................................................................... 14
COMPRAR DE MANERA FÁCIL Y EFECTIVA ........................................................................................ 15
PRIVATE DIGITAL COMMERCE ...................................................................................................... 15
¿DE QUÉ MANERA ATRAEMOS CLIENTES? ....................................................................................... 15
USO DE HERRAMIENTAS DIGITALES PARA TENER INFLUENCIA EN LA EXPERIENCIA DEL CLIENTE .. 16
CLASIFICACIÓN DE CLIENTES ............................................................................................................. 17
UNIDADES DE NEGOCIO .................................................................................................................... 19
TIPO DE INGRESOS ............................................................................................................................ 21
¿QUÉ ES EL CRM? .............................................................................................................................. 22
CRM DE LA COMPAÑÍA ..................................................................................................................... 23
PROCESO DE SEGUMIENTO DE LAS OPORTUNIDADES DE NEGOCIO ............................................... 25
ESTADO DE LA HOJA DE RUTA .......................................................................................................... 26
¿QUÉ ES EL PIPELINE DE VENTAS? .................................................................................................... 27
¿POR QUÉ INTELIGENCIA DE NEGOCIOS? ......................................................................................... 27
Integración .................................................................................................................................... 29
Información Entregada ................................................................................................................. 29
Análisis .......................................................................................................................................... 29
¿POR QUÉ COGNOS ANALYTICS? ...................................................................................................... 31
ESTRUCTURA PROGRAMÁTICA ............................................................................................................. 31
4
PROCESAMIENTO DE DATOS ............................................................................................................ 32
¿QUÉ ES EL SOFTWARE R Y PARA QUÉ FUNCIONA? ......................................................................... 33
RECOGIDA DE DATOS ........................................................................................................................ 33
Bases de datos fundamentales a usar .......................................................................................... 33
Pipeline Semanal ........................................................................................................................... 34
Territorio Semanal ........................................................................................................................ 35
Country.......................................................................................................................................... 40
PREPARACIÓN DE DATOS .................................................................................................................. 40
Pipeline.......................................................................................................................................... 41
Territorio Semanal: ....................................................................................................................... 42
Country.......................................................................................................................................... 42
ENTRADA DE DATOS ......................................................................................................................... 43
PRIOR WEEK .................................................................................................................................. 43
CURRENT WEEK ............................................................................................................................. 47
Prior Year ...................................................................................................................................... 50
Unión de bases de datos ............................................................................................................... 53
INDICADORES IMPORTANTES ........................................................................................................... 57
INTERFAZ GRÁFICA EN COGNOS ANALYTICS ........................................................................................ 59
VISTAZO GENERAL AL SOFTWARE ..................................................................................................... 59
CREACIÓN DEL PANEL DE CONTROL ................................................................................................. 61
PARÁMETROS IMPORTANTES ........................................................................................................... 63
INTERFAZ DINÁMICA DEL UNIVERSO DE VENTAS GENERAL DE LATINOAMERICA ........................... 64
INTEFAZ DEL MERCADO BRASILEÑO DEL UNIVERSO DE VENTAS ..................................................... 68
INTERFAZ DEL MERCADO MEXICANO DEL UNIVERSO DE VENTAS ................................................... 71
INTERFAZ DEL MERCADO SUDAMERICANO HISPANOHABLANTE (SSA) DEL UNIVERSO DE VENTAS 71
PRESUPUESTO DEL PROYECTO .......................................................................................................... 72
RECOMENDACIONES ............................................................................................................................. 72
ANEXOS ................................................................................................................................................. 75
FRAGMENTO DE PIPELINE SEMANAL ................................................................................................ 75
TERRITORIO SEMANAL ...................................................................................................................... 81
RESULTADO GENERADO EN R DEL PIPELINE DE LA SEMANA PASADA ............................................. 82
RESULTADO GENERADO EN R DEL PIPELINE DE LA SEMANA ACTUAL .............................................. 83
RESULTADO GENERADO POR R DEL PIPELINE DE LA SEMANA ACTUAL DEL AÑO INMEDIATAMENTE
ANTERIOR .......................................................................................................................................... 84
5
MARCO TEÓRICO
HISTORIA DE LA COMPAÑÍA
IBM (International Business Machines) es una empresa estadounidense del sector
tecnológico y de servicios que a pesar de comenzar a operar desde 1888, fue fundada
en 1911 como resultado de la fusión de tres empresas pequeñas que no llevaban
buenos resultados financieros, (Velásquez. F, 2006) que por más de 100 años se ha
caracterizado por ser líder en innovación y desarrollo, tanto así que es la compañía
con la mayor cantidad de patentes desde hace más de 25 años; tan solo en 2011, su
equipo de científicos e investigadores registraron más de 6180 patentes (IFI, 2012)
contribuyendo a numerosos descubrimientos y avances para la humanidad.
En el mercado colombiano, ha incorporado numerosas ofertas para las empresas y
las personas. En primera instancia el esfuerzo de introducir sus esfuerzos en la banca
para la automatización de sus servicios. En 1937, Watson Business Machines
comenzó su ruta industrial en Bogotá, dando como primer gran avance las votaciones
presidenciales del siguiente año a partir del uso de las máquinas perforadoras. En la
década de los años 40 abre sucursales en diferentes partes del país en Medellín,
Barranquilla y Cali (Portafolio, 2007). Fue la primera empresa en el país en iniciar la
integración de la tecnología al desarrollo.
Organizaciones como Fenalco, Coltejer, Bavaria fueron pioneras en el uso de
máquinas de IBM para el desarrollo e innovación en sus procesos. En la actualidad
más de 3000 empresas, organizaciones sin ánimo de lucro, entre otras tienen como
principal socio tecnológico a la empresa, ofreciendo el soporte tecnológico más
eficiente para la industria colombiana, apoyando sus acciones por medio de unidades
especializadas de negocios, integrando una amplia gama de productos y servicios en
las áreas de producción, distribución, comercio, banca, educación, salud y
telecomunicaciones (Pineda. C, 2017). En el sector educativo, se ha caracterizado
por ser uno de los principales proveedores de las tecnologías de la información
impulsando la competitividad e investigación.
A pesar de dejar desde 2002 la fabricación de computadoras personales alrededor
del mundo, su modelo de negocio se encuentra más fuerte que nunca. Gracias a los
avances en la analítica de datos, Data Science y Clouding, IBM ha pasado a ser el
6
principal proveedor de servicios tecnológicos para las empresas, teniendo como
producto estrella a Watson, sistema de inteligencia artificial que tiene grandes usos
en diferentes campos, tales como el cáncer, salud general, internet de las cosas, entre
otros (Lepage Chumpitaz, 2016). En Colombia lleva más de 80 años siendo líder en
el mercado y entregando sus más altos estándares de calidad a cualquier ambiente
en el que se ha visto involucrada, llevando a cabo grandes avances tecnológicos
grandes avances que han llevado a la empresa a ser una de las más prestigiosas a
nivel mundial (Brousseau, E & Penard, T., 2007).
Recientemente IBM Colombia inauguró su Centro de Innovación el cuál responderá
a la demanda de servicios de alta calidad para empresas de todas las industrias en
las dos ciudades – Bogotá y Medellín desde donde se proporciona una completa
cobertura nacional.
MISIÓN Enfocarse en lo que mejor sabemos hacer: utilizar la tecnología informática para
ayudar a nuestros clientes a ser exitosos (IBM Colombia, 2019).
VENTAS DIGITALES
La empresa es pionera en los negocios de ventas digitales como estrategia de
establecimiento de mejora en los diferentes canales, la experiencia del cliente y hacer
la ejecución del negocio más fácil con el objetivo de hacer más cosas con menos,
reducir la burocracia e incremento de la productividad (DBG, 2018).
Entre las muchas soluciones que permiten este modelo de venta se encuentran:
• Interacciones estandarizadas de principio a fin entre el canal de venta y el
cliente con roles definidos, responsabilidades y resultados.
• Visión general de documentos, interacciones y utilización del contrato.
• Poder asegurar a los clientes la disminución en el tiempo de ejecución.
En cuanto a la historia del modelo de ventas de la compañía, desde el año 1994 la
compañía comenzó con el modelo de forma digital siendo un negocio de realmente
innovador para el país. Para 1999, la compañía comenzó con el uso de un centro de
telefonía para el procesamiento de llamada a clientes formando de esta manera los
7
DMC (Digital Marketing Centers) a partir de la administración de servicios web (IBM,
2018).
Se pensó desde un primer momento en ser innovadores en todas las maneras
posibles partiendo de tres estamentos principales (Palacios Preciado & Duque Oliva,
2017):
• Modelo de negocio, innovación en la estructura y/o en el modelo financiero del
negocio.
• Operacional, innovación que mejora la efectividad y la eficiencia del núcleo de
los procesos y funciones.
• Productos, servicios y mercados, innovación aplicada a los productos o
servicios.
Desde 2006 la unidad se caracterizó por demostrar y mantener procesos
estandarizados, disciplinados y consistentes reportando de forma global cada uno de
los resultados generados. En 2009 es transformada la función de telemarketing dentro
de una administración de respuesta de talla global. En 2011 la unidad pasa a tener el
nombre de IBM Inside Sales. Para 2013 es lanzado el Centro de Excelencia de
Analítica de Ventas y, finalmente, desde 2015 hasta nuestros días ha pasado a
llamarse IBM Digital Sales o también llamado DBG (Digital Business Group).
Ilustración 1. Logo DBG (IBM, 2019)
En DBG están dados como una organización de ventas encargada especializada para
los clientes apropiados y las ofertas presentes en el mercado con el propósito de
construir infraestructura, vendedores entrenados y sistemas operativos cognitivos. Se
espera con esto último trabajar al lado de los clientes durante el camino de la compra
de los servicios, entendiendo en cada momento las necesidades que el mercado
necesita y que solo una compañía como IBM está únicamente posicionada para
8
satisfacer dichos requerimientos. Se venden ofertas y soluciones que envuelven todas
las ramas de IBM in cada uno de los territorios de Latinoamérica.
El área de Sales Execution, perteneciente a DBG se encarga de todos los procesos
que puedan mejorar los resultados de ventas de IBM en Latinoamérica. Se compone
de dos organigramas específicamente, uno que se encarga de Latinoamérica y otro
específicamente para los territorios de Sudamérica Hispanohablante y México.
Gráfico 1. Organigrama Sales Execution LA
Gráfico 2. Organigrama Sales Execution MX y SSA
En importante mencionar que si bien, en Brasil (específicamente en Sao Paulo) y
Bogotá son responsables de los dos puntos estratégicos en Latinoamérica capaces
de responder las necesidades para cada una de las cuatro zonas horarias que
cambian de acuerdo con la estación, es la capital colombiana la que está capacitada
9
de mantener el negocio para México, LCR (Latin American Region) y SSA (South
Spanish America).
PLANTEAMIENTO DEL PROBLEMA
FORMULACIÓN DEL PROBLEMA
¿La propuesta de diseño del reporte dinámico en el software Cognos Analytics
podrá mejorar la optimización y ejecución de los procesos y en los resultados del
Universo de ventas por vendedor en el área DBG en IBM Latinoamérica?
OBJETIVOS
OBJETIVO GENERAL
Diseñar un reporte dinámico en el software Cognos Analytics en la ejecución de los
procesos y resultados del universo de ventas por vendedor que mejore los procesos
en el área DBG (Digital Business Group) para la empresa IBM Latinoamérica.
OBJETIVOS ESPECÍFICOS
• Realizar un diagnóstico del área de Digital Business Group en IBM, obteniendo
como base la situación actual del área y los procesos que en ella se
desarrollan.
• Recolectar la información necesaria que permita conocer el proceso del
universo de ventas en la empresa, identificando la situación actual y el proceso
a mejorar.
• Generar la estructura programática necesaria para la automatización del
pipeline por vendedor para la compañía en el software R Studio.
• Diseñar la interfaz gráfica para el usuario como propuesta en el manejo más
efectivo del proceso en el software Cognos Analytics.
• Socializar el reporte del pipeline por vendedor con la sección de Sales
Execution en el área de Digital Business Group en IBM.
10
JUSTIFICACIÓN
El presente proyecto realizado en el área de Sales Execution, rama de DBG de la
compañía IBM de Colombia se hace bajo la modalidad de grado de pasantía como
requisito para optar por el título de ingeniero industrial de la Universidad Distrital
Francisco José de Caldas de acuerdo con el acuerdo 038 de 2015.
IMPACTO
Con el auge del comercio electrónico, múltiples compañías de diferentes poderes
adquisitivos han comenzado a entrar de lleno en el negocio de las ventas digitales de
cada uno de los productos ofrecidos con el objeto de hacer que cada uno de los que
actúan puedan verse beneficiados (Edelman, B., 2015). Desde el comienzo de IBM
en el área, si bien ha demostrado ser el líder en esta rama, la lentitud en muchos de
los procesos provoca que otras compañías logren acaparar el nicho de mercado que
tiene la empresa haciendo que diferentes herramientas sean fundamentales para
hacer que pueda crecer la compañía partiendo de diferentes aspectos tales como las
estrategias de marketing, la misma página web corporativa y sobre todo, la rapidez
en que los vendedores lograr asegurar su venta y la forma en que se consolidan los
resultados (Holliman, G., & Rowley, J., 2014)
La propuesta de diseño del reporte dinámico en el software Cognos Analytics, quiere
presentar de forma más fácil y óptima datos clave y resultados que cada vendedor de
la compañía en Latinoamérica, así como los altos mandos necesitan tener a fin de
obtener mejores análisis y poder realizar estrategias más efectivas de mercado de
acuerdo a la situación que se presente en cada mercado de estudio.
Será implementado en primer lugar como propuesta en el área de Sales Execution,
evidenciando el impacto que puede llegar a tener a fin de mejorar la presentación de
resultados en Latinoamérica. Se espera que mejore la productividad del área, así
como la promoción del uso de herramientas realizadas por la compañía entre los
empleados de la empresa a fin de agilizar procesos y evidenciar mejores resultados.
El área de Sales Execution tiene una causa que afecta al centro (DBG) y es la falta
de seguimiento de los reportes del Universo de Ventas (Pipeline).
Se espera con el presente proyecto:
11
1. Tener una visión real de la información que IBM Digital Business Group tiene
y mediante este poder realizar predicciones más acertadas sobre lo que se va
a hacer a futuro.
2. Hacer cambios y obtener vistas y diagnósticos en segundos a partir del uso de
un Software de Inteligencia de Negocios (Cognos Analytics) que permita tanto
al área de Sales Execution ser más efectiva al momento de presentar datos a
tiempo real, así como permitir a los vendedores de Latinoamérica la posibilidad
de poder manipular una interfaz fácil de entender que les permita conocer
cómo van sus resultados teniendo en cuenta una serie de indicadores clave
que les permita a futuro poder llegar a tomar decisiones para dar mejora a sus
resultados.
3. El reporte de Pipeline, a pesar de ser presentado por política de la compañía
cada semana, mostrando la evolución en los procesos de las ventas en los tres
mercados de la región (Brasil, México y Sudamérica Hispanohablante),
solamente muestra en datos tabulados la información de forma general, sin
tener en cuenta cuál ha sido la situación específica de cada uno de los
vendedores a nivel latinoamericano (siendo más de cuarenta en la actualidad.)
Por lo tanto, se espera que, con la automatización del reporte, además de
continuar mostrando los datos anteriores, muestre cómo están los vendedores
y qué deben hacer para mejorar sus resultados a medida que pasa el tiempo.
12
DOFA DE SALES EXECUTION
Fortalezas
- Presentan resultados confiables y
con la realidad de los estados de
ventas y financieros del Digital
Business Group.
- Los procesos están organizados
al momento de presentar los
resultados de tal manera que
cada empleado tiene definidas las
labores a desarrollar.
- Además de contar con
actividades operativas, muchas
de las labores realizadas tratan
de explicar situaciones que pasan
con la compañía dependiendo el
tiempo.
Debilidades
- Muchos de los procesos, a pesar
de ser claros, son lentos al
momento de ser ejecutados, por
lo tanto, no son lo suficientemente
óptimos al momento de presentar
resultados.
- Gran parte de la información es
muy grande y es complicada la
manipulación y de la misma
manera el mayor programa que
se usa para generar resultados es
Microsoft Excel
Oportunidades
- Capacitación de los empleados
que hacen parte de esta área en
programas de analítica de datos
para mejorar la presentación de
resultados y una mayor eficacia
para el área.
- Los análisis de Sales Execution
permiten tomar decisiones en las
otras áreas de Digital Business
Group.
Amenazas
- Con el aumento de las
herramientas de ciencia de datos
y analítica de datos, Sales
Execution puede verse afectada
al momento de competir con las
nuevas tecnologías, por esta
razón, es un deber ir de manera
constante capacitando en las
novedades que salen del
mercado.
- Algunos procesos y novedades
de la compañía provocan que las
labores de Sales Execution sean
mayores con el paso del tiempo.
13
DIAGNÓSTICO EN EL PROCESO DE VENTAS DE DBG
La compañía teniendo en cuenta el alza de empresas con diferentes soluciones
informáticas, piensa desde el comienzo de la búsqueda de clientes, ¿cómo agregar
desde el comienzo valor agregado durante el proceso de venta de productos?
Para ello se tienen cuatro pilares fundamentales:
• APRENDER lo que sea posible para el negocio.
• DECIDIR junto con los expertos para evaluar las soluciones.
• COMPRAR de manera fácil y efectiva.
• DARSE CUENTA del valor de la inversión.
Son múltiples los canales que hacen confirmar una posible venta en la empresa, de
las cuales cada uno de los representantes presentes en la compañía está subdividido
en ramas importantes durante este proceso.
Debido al incremento de empresas con posibilidades de ofrecer productos
fundamentales que IBM ofrece, tales como Google, Microsoft o Amazon, la compañía
ha tenido que entrar a jugar con ciertas estrategias de marketing para lograr la cuota
de mercado buscando satisfacer el crecimiento de la empresa y que el legado de la
misma se mantenga (Pagani M., 2013), es por ello, que para el consumidor le es
otorgado una serie de posibilidades, productos, paquetes y precios que logran ir de
acuerdo a sus requerimientos y necesidades.
Gráfico 3. Valor agregado en el proceso de ventas
14
APRENDER LO QUE SEA POSIBLE PARA LOS NEGOCIOS DE LOS CLIENTES
DIGITAL DEVELOPER REPRESENTATIVES (DDR)
Es importante el papel de los DDR’s, ya que son estos los que capturan las respuestas
y necesidades que tengan los clientes a partir de iniciativas de marketing. En adición
a esto, deben además de estrechar lazos con el cliente para pasar las oportunidades
de ventas, de aceptación y monitoreo con el objetivo de mejorar el MCR (Marketing
Created Revenue) durante el proceso de identificación de oportunidades de negocio.
En adición a ello, las responsabilidades de los DDR’s van a ir expandiéndose llevando
a cabo un mayor compromiso con los consumidores a partir de un proceso de ventas
proactivo e iniciativas de prospectiva en la búsqueda de clientes nuevos y ya
existentes.
DIGITAL CLIENT REPRESENTATIVES (DCR)
Encargados de combinar la experticia en los productos y en la industria a partir de
extraordinarias habilidades de relacionamiento con los clientes para ayudar a los
consumidores ser exitosos en sus labores en el territorio de Commercial. Además de
ello, se enfocan en la búsqueda de nuevos clientes o cuentas latentes. Se calcula que
en DBG Latinoamérica solamente hay cerca de 36.000 cuentas en 71 territorios
diferentes de la región.
DECIDIR JUNTO A LOS EPERTOS EVALUANDO LAS SOLUCIONES
DIGITAL BRAND SALES REPRESENTATIVES
Atiende a los problemas de los clientes y necesidades con soluciones partiendo de
las mayores unidades de negocio de IBM con una experticia profunda en las ofertas
de volúmenes y sirviendo a los clientes mediante ciclos.
15
COMPRAR DE MANERA FÁCIL Y EFECTIVA
PRIVATE DIGITAL COMMERCE
Trabajan al lado de los equipos de ventas y también colaboran de forma directa con
los clientes en la implementación de soluciones especialmente hecha para cada uno
con flujos de trabajo integrados que hacen de la transacción un proceso más fácil.
¿DE QUÉ MANERA ATRAEMOS CLIENTES? Una de las herramientas que de manera continua la compañía usa con el objetivo de
atraer más clientes de forma más continua y efectiva es el uso de Data Science, la
cual trata de responder a las siguientes preguntas: ¿Qué va a pasar?, ¿Cuál es la
mejor manera de la cual puede suceder un evento? (DBG, 2019) partiendo de seis
estamentos fundamentales:
• Exploración
• Extracción
• Transformación
• Inventario
• Transporte
• Uso
Partiendo de lo anteriormente mencionado, en IBM especialmente esta técnica busca
mejorar los resultados de los negocios permitiendo tomar mejores decisiones
buscando hallazgos relevantes y recomendaciones prescriptivas.
Gráfico 4. Proceso de enlace con clientes mediante Analytics
16
USO DE HERRAMIENTAS DIGITALES PARA TENER INFLUENCIA EN LA EXPERIENCIA DEL
CLIENTE
Gráfico 5. Línea de experiencia Cliente – Vendedor (DBG, 2019)
Para cada una de estas etapas, son usadas diferentes herramientas haciendo de ella
una experiencia totalmente variada que logre hacer la experiencia de compra y
conocimiento de la compañía para el cliente de forma diversa.
• Cognitive Sales Advisor (CSA): Es un asistente cognitivo que obtiene la
información más relevante dependiendo la unidad de negocio y lo que se
necesite. Empodera a los técnicos también para diagnosticar y resolver
problemas de servicios de forma más rápida, ayudando a reducir tiempos y
costos de operación (Enhelder et al, 2011).
• Web / Marketplace
• Prospect Reach: Herramienta web que permite dar a los representantes de
ventas el poder de envío de correos personalizados relacionados al marketing
con el objetivo de llegar a más personas. La herramienta combina bases de
datos y lógica de negocios, haciendo de manera fácil el envío de correos por
parte de los representantes de ventas (ProspectReach, 2019).
• Chat / Página web del representante de ventas.
• Webinars
• Redes Sociales
• Demos
• Reuniones en línea
17
CLASIFICACIÓN DE CLIENTES
Gráfico 6. División de Clientes IBM
Las cuentas mostradas en la figura reflejan la estructura primaria de clientes en IBM
para Latinoamérica, estas son clasificadas de acuerdo con el monto que representan
en términos de millones de dólares.
Industry y Enterprise representan poco más de 2000 cuentas en total, siendo estas
las que mayores ganancias representan a la compañía siendo las empresas más
grandes de cada mercado.
No obstante, Commercial tiene un gran potencial al ser más de 75000 los clientes con
los que cuenta la compañía de un sin número de sectores industriales. Debido a que
en DBG Latinoamérica se mueve más que todo las cuentas de Commercial, para el
presente texto, todos los archivos, así como los proyectos desarrollados para la
compañía se darán en esta clasificación.
18
Gráfico 7. División Total Commercial
Las cuentas Top (también llamadas en la actualidad High Value) son aquellas que si
bien no hacen parte del rubro que los haría en Industry o Enterprise representan un
rubro considerable, haciendo de estos 3000 clientes las empresas más grandes de
cada país.
Por parte de MSP (Managed Service Provider), es aquella rama del equipo
Commercial/DCR en el cual se vende todo el portafolio de la compañía a
determinados clientes que se dedican a integrar la tecnología de IBM con sus propios
servicios para venderlos a clientes finales (IBM, 2019). Existen distintos tipos de MSP,
los cuales son:
• ISV (Independent Sotware Vendor): desarrollador de software con el fin de su
distribución y venta.
• CSP (Cloud Service Provider): Distribuye servicios en su mayoría de
infraestructura y actúa además como un canal.
• BP / Reseller: Canal tradicional que revende sus productos de uno o más
fabricantes.
• SI: Empresas dedicadas a integrar una variedad de productos, componentes y
servicios de varios fabricantes para tener un mayor portafolio.
19
• Consultorías: Empresas orientadas a prestar su experiencia en proyectos de
consultoría.
• BPO: Business Process Optimization.
Las cuentas Seed con aquellas que a diferencia de las cuentas Top no poseen la
misma cantidad de rubro, no obstante, hay otras características fundamentales que
las diferencian, entre ellas están:
• Se puede llegar a establecer la clasificación de Top o Seed de acuerdo con el
líder del territorio.
• Compras de años pasados. Entre más sea el tiempo que un cliente este con
IBM, puede llegar a convertirse en Top.
• Si pasa un cliente de Enterprise a Commercial.
• Oportunidad de negocio grande.
Se refieren a Small Countries aquellas cuentas de la organización que pertenecen a
los siguientes países:
• Centro América y el Caribe
• Ecuador
• Uruguay
• Paraguay
• Venezuela
• Bolivia
UNIDADES DE NEGOCIO
A pesar de haber cambios anualmente frente a las unidades de negocio que suele
vender la compañía, esta es la clasificación que se ha mantenido en los últimos años:
• Systems Hardware
• Business Solutions
• Hybrid Cloud
• GTS (Global Technology Services)
20
• W&CP (Watson and Cloud Platform)
• IGF (IBM Global Financing)
• GBS (Global Business Services)
Para cada una de las anterior mencionadas, hay una subclasificación que representa
cada uno de los productos que vende la compañía a cada uno de sus clientes de
forma global:
Systems Hardware:
• Power
• Storage
• TPS (Transactional Processing Software)
• Mainframe
Business Solutions:
• Industry Platform
• Collaborations and Talent Solutions
• WCE (Watson Customer Engagement)
• Security (Security Services y Security Software).
• Watson Health
• Watson IOT (Internet of Things)
• Watson Platform
Hybrid Cloud:
• Analytics
• Cloud Software
GTS:
• IS (Infrastructure Services)
• TSS (Technology Support Services)
• SO (Strategic Outsourcing)
• GTS Security
W&CP:
21
• Cloud Platform
• Watson
IGF:
• IGF
• GARS
Cada una de las principales mencionadas hacen parte del rubro conocido como las
Unidades de Solución de la compañía y cada una de sus clasificaciones se conocen
como las Sub Unidades de Solución. Es menester tener presente que a pesar de ser
estas las de la actualidad, la empresa de forma constante se encuentra en proceso
de cambiar con el objetivo de mejorar la estrategia de presentación de productos al
mercado.
TIPO DE INGRESOS Conociendo ya la clasificación anterior, el tipo de ingresos o llamado por la compañía
Revenue Type se traduce en la clasificación macro a la que pertenece cada una de
las unidades de negocio de la compañía, esto es realmente importante puesto que
con él pueden salir varios indicadores a tener en cuenta las cuales son Transactional,
Signings y Saas (Software as a Service).
Gráfico 8. Clasificación por tipo de ingreso
22
Todos los datos referentes a las ventas de la compañía se ven reflejados en un CRM
(Customer Relationship Management) que la compañía usa para mantener el
inventario de cada una de las oportunidades identificadas.
¿QUÉ ES EL CRM?
Customer Relationship Mangement (CRM) es una combinación de personas,
procesos y tecnología que busca entender los clientes de una compañía. Es un
enfoque integrado de gestión de cada una de las relaciones, centrándose en la
retención de clientes y el desarrollo de cada una de las relaciones. CRM ha
evolucionado desde avances en tecnologías de la información y cambios
organizacionales en procesos centrados en el cliente (Chen & Popovich, 2003). Son
también una aplicación que permite centralizar en una única base de datos todas las
interacciones entre una empresa y sus clientes (Wan & Horvath, 2015).
Es también una estrategia de negocio de la compañía diseñada para reducir costos e
incrementar las ganancias solidificando la fidelidad de los clientes. Los mejores CRM
traen consigo información de distintas fuentes dentro de la organización para dar con
ello una vista holística de cada cliente en tiempo real (DestinationCRM, 2010).
Definido como la adopción de tecnologías de la información para desarrollar nuevos
clientes y retener los antiguos para mantener la relación con la organización durante
largo tiempo, que tiene como propósito mejorar la relación con el cliente y para ayudar
a tener una mayor retención de clientes y un mayor margen de ganancias (Henning –
Thurau, Gwinner, & Gremier, 2002).
Estos softwares ayudan en la gestión de relaciones con los clientes cada día. Entre
las plataformas mejor conocidas se encuentran:
• Salesforce
• Base
• Microsoft Dynamics
• Salesnet
• Netsuite
• Sugar
23
Los sistemas CRM efectivos han emergido como una estrategia imperativa en cada
tipo de negocio
Benmoussa, 2005), de esta forma, los CRM han sido reconocidos como un complejo
de metodologías y procesos organizacionales que atraen y retienen a los clientes
partiendo del incremento de la satisfacción del cliente y la lealtad (Coussement & van
den Poel, 2008).
CRM DE LA COMPAÑÍA
Cada uno de los anterior mencionados tienen ciertas fortalezas y debilidades respecto
a lo que cada compañía busca. Específicamente IBM DBG tiene como CRM hasta
finales del año 2019 la plataforma SalesConnect, desarrollada por la compañía Cisco
que busca mostrar todos los resultados de los clientes y su progresión en la búsqueda
de cerrar ofertas con cada uno de ellos. Específicamente en esta plataforma, todos
aquellos que hagan parte de la cadena del proceso de una venta deben publicar la
información recolectada con el fin de mostrar resultados demostrables que muestren
a detalle cada uno de los pasos llevados.
Ilustración 2. Vista general Página Web SalesConnect (SalesConnect, 2019)
En este software, puede ser ingresado el código de la oportunidad que fue identificada
y puede mostrar datos específicos del cliente y del vendedor, así como la progresión
de la venta.
24
Ilustración 3. Vista general de la información de una oportunidad de negocio (SalesConnect, 2019)
Además de mostrar la vista general de la progresión de la oportunidad, puede por otra
parte ser descrito con más detalles la información del producto que quiere el cliente,
la cantidad, el precio, así como el estado de la hoja de ruta (Roadmap Status) de la
oportunidad identificada:
Ilustración 4. Descripción de una oportunidad con rasgos específicos. (SalesConnect, 2019)
En la anterior imagen se resalta que se describe la Unidad de Negocio, así como la
Sub Unidad a la que pertenece, la probabilidad de ser hecha la oportunidad, así como
el valor de la misma y el competidor que busca arrebatarle la venta a IBM.
25
PROCESO DE SEGUMIENTO DE LAS OPORTUNIDADES DE NEGOCIO
Siendo DBG la encargada de todo el proceso de ventas digitales para la compañía,
son diversos los pasos que se deben de tener en cuenta al momento del seguimiento
en las oportunidades de negocio encontradas por cada uno de los clientes presentes
en la empresa.
Estos son dados a partir de procesos conocidos como Etapas de Venta o también
llamado Sales Stage. Son la parte de trabajo en la cual cada vendedor se esfuerzan
para llegar. Ya sea para trabajar a partir de una base comisionable o empleados
asalariados, los vendedores deben convertir las oportunidades de negocio en ofertas
cerradas para lograr alcanzar los objetivos dados por el departamento de ventas. El
proceso de asegurar la venta, trabajar en los detalles mínimos y cerrar la oferta
constituye el Sales Stage (Ylisela, 2017)
Las etapas de venta en DBG son constituidos por 11 niveles:
S/S 1 = Oportunidad Identificada
S/S 2 = Oportunidad identificada con el objetivo de ser validada en el CRM (Customer
Relationship Management) de la compañía.
S/S 3 = Oportunidad que aún no ha estado validada en el sistema
S/S 4 = Validada
S/S 5 = Calificada
S/S 6 = Acuerdo de condiciones dado
S/S 7 = Oportunidad ganada (faltando la implementación)
S/S 8 = Oportunidad ganada (con implementación incluida
Los Sales Stage que van del 9 al 11 concluyen que la oportunidad fue perdida por el
vendedor por diferentes razones, ya sea porque no se llegó a un acuerdo entre las
partes, o que el cliente no tenía el dinero suficiente para poder adquirir alguno de los
productos de la compañía u otros.
26
Es importante resaltar que, para términos de cálculos, la compañía solamente
comienza a tomar en cuenta la oportunidad hasta el momento en que es validada, es
decir en el S/S 4.
ESTADO DE LA HOJA DE RUTA
El estado de la hoja de ruta o bien llamado Roadmap Status refleja la situación que
tiene cada una de las oportunidades al momento de estar siendo negociada, esta es
dada mediante diferentes indicadores que están estrechamente relacionados con las
etapas de la venta.
Estas se traducen en:
• Stretch: Hay un gran rango de posibilidades que la compañía no logre cerrar el
negocio con el cliente, por lo tanto, se encuentra en las etapas de venta de 4 y
5.
• Key Stretch: La oportunidad se encuentra validada y hace parte del rubro del
quinto nivel de venta.
• At Risk: La oportunidad se encuentra en riesgo y hace parte normalmente de
las etapas de venta 4 y 5.
• Solid: La oportunidad es sólida, así que es posible que se cierre con el cliente
que el vendedor ha buscado, se encuentra entre los rangos del 6 pero en su
mayoría 7 siendo la oportunidad ya ganada, pero sin haber empezado a ser
usada por el cliente.
• Won: La venta ha sido consolidada y está en las etapas de venta de 7 y 8.
Muchas veces tiende a ser confuso diferenciar cada uno de estos indicadores, los
cuales son definidos por el gerente de cada mercado o por el vendedor en sí.
De aquí salen diferentes indicadores que serán tomados en cuenta durante el
desarrollo del proyecto:
• WSR: Suma total tanto en porcentaje como en dinero de la cantidad de
oportunidades encontradas en la hoja de ruta como Won, Solid y At Risk.
• WSR Coverage: Cobertura total en porcentaje de cada una de las
oportunidades encontradas como Won, Solid y At Risk.
27
• Key Stretch: Cantidad de oportunidades identificadas como Key Stretch en la
hoja de ruta en porcentaje y dinero.
¿QUÉ ES EL PIPELINE DE VENTAS?
Son diversas las definiciones que se dan del pipeline, también llamado Universo de
Ventas. Este reporte muestra el grupo de oportunidades que trabajan con cada uno
de los representantes de ventas de la unidad que está con fecha de cierre del trimestre
en curso (DBG, 2018).
Por otra parte, un concepto más fácil de comprender se refiere al pipeline como un
proceso en el cual se toma en evidencia las distintas fases por las que pasa una venta
(Teijeira, 2015). Es de gran importancia para conocer varios indicadores de ventas
futuras al poder medir y calibrar la salud de las oportunidades que se presentan en
un determinado tiempo.
Pero no solamente ello, también permite detectar en dónde se encuentran los
problemas actuales, que no permitan a los vendedores ir avanzando en el progreso
de las oportunidades de negocio identificadas. Permite mostrar de forma gráfica la
labor metódica que hay que realizar con los clientes desde la prospección hasta
finalmente la venta es ganada. Es, por lo tanto, una herramienta que ayuda a usar de
forma correcta los recursos de la empresa ayudando a establecer un método
secuencial de trabajo y de pasos a seguir (Bobadilla, 2007).
Siguiendo lo anterior, DBG tiene como política fundamental actualizar el Pipeline cada
semana para cada uno de los mercados de Latinoamérica (Brasil, México y
Sudamérica Hispanohablante
¿POR QUÉ INTELIGENCIA DE NEGOCIOS?
Debido al constante incremento en la fuerte competencia y al ambiente empresarial,
es necesario que las organizaciones sean efectivas frente a los costos y también, de
obtener acceso a información del negocio para un amplio rango de usuarios que tratan
de sobrevivir en el nuevo milenio. La solución para este problema es un sistema de
inteligencia de negocios que provee un equipo de tecnologías y productos con la
información que los usuarios necesitan para responder preguntas de negocios, así
28
como para tomar estrategias, tácticas y mejoría en la toma de decisiones (White &
@IBM, 2000).
Con el tiempo, las compañías se han vuelto realmente competitivas en el mercado
actual, cada compañía se ha visto forzada a centrarse en mejorar su eficiencia
realizado análisis de datos históricos, así como los actuales para mejorar ciertos
aspectos (Gollapudi, 2012). Muchas compañías implementan soluciones de
Inteligencia de Negocios para ayudar en sus reportes y análisis, pero la mayoría o
fallan o no las terminan usando debido a la falta de requerimientos y el uso de las
herramientas y terminan realizando los procesos de forma manual.
Desde el 2008 la gran mayoría de multinacionales comenzaron a tener propiedad y
uso de las plataformas de Inteligencia de Negocios (BI). A partir de la inversión en
este tipo de plataformas, las decisiones comenzaron a estar más cerca de los factores
de la fuente de las estrategias y una mayor influencia en las relaciones
organizacionales con aplicación e infraestructuras que antes no se había visto
(Hagerty, Sallam, & Richardson, 2009).
Durante toda su historia, la inteligencia de negocios ha estado siendo usada de mano
de otra herramienta importante, Analítica. En los años 70, los sistemas de soporte de
decisiones (por sus siglas DSS), usados principalmente para usos académicos y en
la industria. A partir de los años 90, este término paso a ser popularizado el término
de la inteligencia de negocios, que, de acuerdo a Howard Dresner, es definida como
“Una amplia categoría de aplicaciones, tecnologías y procesos para almacenar,
manejar, acceder y analizar datos para ayudar a los usuarios de las empresas a tomar
mejores decisiones” (Watson, 2012).
De acuerdo a las últimas suposiciones estratégicas de los próximos años (Sallam et
al, 2017):
• Para el 2020, la inteligencia, gobernada por la búsqueda y el descubrimiento
de datos visuales van a converger dentro de un solo grupo que será capaz de
mejores capacidades en el descubrimiento de datos como componentes para
la inteligencia de negocios moderna y de las plataformas de analítica.
• El número de científicos de datos va a verse incrementado cerca de cinco
veces más que la cantidad actual, debido a que varias de las más grandes
29
organizaciones van a invertir el doble del actual en inversión en analítica de
datos.
Cada una las herramientas que hay en el mercado deben de tener la capacidad de
Integración, Información entregada y Análisis(Hagerty et al., 2009):
Integración
• Administración de metadatos: No todas las herramientas deben de acoplar la
misma cantidad de metadatos, pero sí deben ofrecer una manera robusta para
buscar, capturar, almacenar, reusar y publicar objetos tales como jerarquías,
métricas e indicadores importantes para el negocio.
• Desarrollo: La plataforma debe proveer una serie de herramientas acopladas
con el software que permita integrar procesos administrativos de otra
aplicación, permitiendo programar y desarrollar mejoras en la herramienta para
mejorar aspectos de entrega, administración y óptimo manejo.
• Flujo de trabajo y colaboración: Permite a los usuarios compartir y discutir
información mediante hilos conductores y tareas.
Información Entregada
• Reporte: Los reportes proveen la habilidad de crear formatos con gran variedad
de estilos, entre ellos, financieros, operativos y de rendimiento).
• Dashboards: Publicar gráficamente resultados intuitivos con despliegues de
información.
• Integración con Microsoft Office
Análisis
• Visualización Avanzada: Permite la habilidad de disponer de numerosos
aspectos de los datos de forma más eficiente usando imágenes interactivas y
gráficos, en lugar de filas y columnas.
• Modelado predictivo y minería de datos: Esta capacidad permite a las
organizaciones clasificar en variables categóricas usando técnicas
matemáticas.
30
Una de las herramientas de mayor importancia en términos estratégicos es el Cuadro
Gartner refleja los resultados de las investigaciones y análisis de la empresa conocida
como Grupo Gartner (Ojeda, 2017). El objetivo de este es ayudar a determinar de
forma rápida qué tan bien los proveedores de tecnología ejecutan sus visiones
establecidas y, por otra parte, qué tan bien se desempeñan frente a la visión del
mercado.
De acuerdo al último cuadrante Gartner hecho para calificar las diferentes plataformas
de Inteligencia de Negocios y Analítica de Datos, los resultados arrojan que entre los
líderes se encuentran IBM Cognos Analytics, Tableu, SAP, entre otros mostrados a
continuación (Henschen, 2015):
Ilustración 5. Cuadrante mágico de Gartner para las plataformas de Analítica de Datos e Inteligencia de Negocios. (Henschen, 2015)
Este cuadro se encuentra dividido en cuatro cuadrantes, siendo titulados los líderes,
con oportunidad, visionarios y jugadores del nicho.
Es claro que la plataforma líder para Analítica e Inteligencia de Negocios es Tableau,
no obstante, debido a su costo de uso de licencia y facilidad de uso, no fue posible
tenerla como herramienta en el desarrollo de este proyecto. No obstante, al ser IBM
31
la propietaria de Cognos Analytics y además de ser una de las líderes del mercado,
será esta la plataforma a usar.
IBM Cognos Analytics continúa dando a cada uno de sus usuarios una visión fuerte,
de forma particular debido a las innovaciones alrededor del también programa de IBM,
Watson Analytics.
¿POR QUÉ COGNOS ANALYTICS?
Ilustración 6. Logo Cognos Analytics 11.0 (IBM, 2019)
Entre las muchas de sus características, es posible encontrar varias fortalezas de
Cognos frente a la competencia de los softwares de BI (Salam et al., 2017).
• Encontrar respuestas que otras plataformas no pueden usando inteligencia
artificial y machine learning.
• Crear y fácilmente compartir visualizaciones recomendadas en distintos
formatos.
• Reducir el tiempo necesitado para la preparación de datos a partir de la
automatización y la arquitectura creada adentro de la plataforma.
• Rápidamente encontrar la fuente de datos necesaria usando lenguaje natural.
• Verificar y combinar fuentes de datos con modelado automatizado.
Proporciona un espectro de capacidades para la exploración visual y descubrimiento
de datos. Cumple con los requisitos actuales del mercado, como son la Visualización,
Inmediatez, Volumetría y Movilidad sin comprometer la seguridad de la organización.
ESTRUCTURA PROGRAMÁTICA
Para entender la razón por la cual fue necesario usar un lenguaje de programación
se debe a que el Pipeline de Ventas es generado es generado por parte del equipo
32
de soporte de ventas SMS (Sales Management Support) el cual es generado después
de ser cerrada la semana (siendo todos los miércoles al finalizar el día).
PROCESAMIENTO DE DATOS
El procesamiento de la información es fundamental al momento de manipular grandes
cantidades de datos masivos. De esta manera, para optimizar el uso de los datos
obtenidos y además, para entenderlos de una mejor forma es necesario cumplir con
una serie de fases para comenzar a generar valor (Mayer & Cukier, 2013):
• Recogida: Proporciona una línea base acerca de los objetivos del
procesamiento de datos.
• Preparación: Manipulación de datos con el fin de adquirir el formato adecuado
para su posterior análisis y procesamiento.
• Entrada de datos: Busca convertir los datos en información procesable.
• Procesamiento: Los datos obtenidos son llevados al siguiente escaño con el
objeto de ser evaluados, clasificados y organizados para obtener información
relevante y útil.
• Análisis e interpretación: La información procesada se transmite a cada uno de
los usuarios o clúster que necesiten de los resultados obtenidos por medio de
diferentes medios, ya sean videos, visualizaciones con el fin de generar
mejores resultados en la organización.
Con el objetivo de que cada una de las etapas indicadas sean llevadas a cabo con
éxito, será necesario de un lenguaje de programación eficaz que permita no
solamente su fácil entendimiento para que las personas de Sales Execution permitan
realizar cambios de acuerdo a las necesidades del mercado del día a día, sino
también, que permita poder realizar cambios en los datos estructurados, siendo
archivos de Microsoft Excel que son renovados semana a semana.
Por esta razón, para la primera parte de este proyecto fue elegido el lenguaje de
programación R usando el programa R Studio.
33
Ilustración 7. Logotipo R Studio (RStudio, 2019)
¿QUÉ ES EL SOFTWARE R Y PARA QUÉ FUNCIONA?
R es una poderosa herramienta usada particularmente para estadística, manipulación
y creación de gráficos y bases de datos, así como un lenguaje estadístico de
programación. Es un sistema gratuito, abierto para que miles de personas alrededor
del mundo puedan sacar provecho de este mejorando las capacidades que tiene
(Teetor, 2011).
Específicamente para el presente trabajo fue escogido por las siguientes razones
(Matloff, 2011):
• Adicional a cada una de las operaciones estadísticas que puede llegar a
realizar, R es en términos generales un lenguaje de programación, mediante
el cual pueden ser automatizados diversos análisis y crear nuevas funciones
que extiendan las capacidades del lenguaje.
• El sistema guarda los conjuntos de datos entre las sesiones, esto significa que
no hay necesidad de cargar todos los datos en cada momento en que se quiera
manipular la información.
RECOGIDA DE DATOS
El pipeline dado cada semana por el equipo de Sales Execution generado se
encuentra en un archivo Excel que muestra la información de cada uno de los
procesos de venta mostrados en la semana. Cabe resaltar que la información
mostrada es acumulable, es decir que cada vez que se genera un reporte, la
información contenida también tiene datos de las semanas anteriores de acuerdo al
trimestre de análisis.
Bases de datos fundamentales a usar
34
Para este caso, son tres las bases de datos que se necesitan en primera instancia a
recoger para así comenzar a manipularlos en R:
• Pipeline semanal
• Territorio semanal
• Códigos de países
Pipeline Semanal
Este formato contiene aproximadamente entre 140 y 70 columnas y miles de filas de
información trayendo consigo toda la información de las ventas generadas cada
jueves de la semana por el equipo de Sales Execution.
A pesar de contener gran cantidad de información, es pertinente conocer que para
cada los vendedores, menos de la mitad de las columnas de información son
relevantes al momento de realizar cada uno de ellos el análisis de conocer cómo va
el proceso de cada una de las ventas (Vista general de un fragmento del pipeline en
ANEXOS).
Debido a que la información es realmente densa y contiene gran cantidad de
columnas, es de entender que a pesar de que el reporte generado busca mostrar con
mínimos detalles qué está sucediendo en términos de ventas en la compañía el valor
generado es mínimo al momento de querer realizar análisis en pocos minutos que
puedan reflejar de forma dinámica qué es lo que sucede, siendo esto para el caso de
Sales Execution. Para el caso de los Sellers, es mucho menor el valor agregado de
la información debido a que a pesar de ser decenas de columnas de información con
miles de filas, en ninguno de los espacios es mostrada la información de quien
pertenece la oportunidad identificada, es decir, a qué vendedor le pertenece la
oportunidad de un vendedor específico.
Serán tomadas tres bases de datos semanales de Pipeline, los cuales son:
• Pipeline actual
• Pipeline de la semana pasada
• Pipeline de la semana actual del año pasado
35
La razón por la cual son tomadas estas tres bases de datos se debe a que para los
análisis y cálculos específicos se debe tomar información relevante de cada uno de
estos compendios de datos.
Territorio Semanal
Esta información es generada cada miércoles de la semana por el equipo de Sales
Execution y es de vital importancia, debido a que muestra los cambios en las cuentas
que le pertenecen a cada uno de los vendedores en cada uno de los mercados de
Latinoamérica, indicando la siguiente información:
COUNTRY: Indica el país al cual pertenece el cliente.
CLIENT NUMBER: Código único que identifica a un cliente en específico, generado
de forma automática.
CLIENT KEY: Concatena la información entre el COUNTRY y el CLIENT NUMBER.
Es fundamental esta columna, ya que esta información es la columna que tiene en
común el Pipeline Semanal con el Territorio. Debe además de tener el código del país,
cumplir con la condición de que el número de cliente sea de exactamente ocho dígitos,
en caso de no ser cumplida esta condición, se completa con ceros a fin de poder
cruzar las diferentes bases de datos.
CLIENT NAME: Nombre del cliente con el cual IBM está tratando de consolidar una
venta.
DCR: Nombre del vendedor asignado a cada cuenta.
DCR Serial Name: Código único del vendedor que es generado por IBM en la página
de la intranet.
DCR Serial Name: Serial al cual está identificado el vendedor. (Debido a que este
dato se dejó de usar, por el momento se encuentran todos los vendedores con los
dígitos xx).
Manager: Gerente del mercado al cual hace parte el vendedor.
Segmento: Conocer si la cuenta se encuentra dada ya sea por Commercial o MSP.
36
Cobertura: Saber si la cuenta se encuentra en las coberturas dadas por la compañía
(HIGH VALUE, SEED, CSP o SMALL COUNTRIES)
Global Buying Group: El grupo al que pertenece la cuenta. En pocas palabras, es un
grupo que agrupa varias cuentas.
TOT (Top of Three): Es aquella cuenta que si no hace parte del Global Buying Group
se genera por el Global Client y en caso tal que no haga parte de ninguno de los dos,
se considera que hace parte del TOT.
TOT Name: Nombre de la cuenta clasificada como TOT.
(En los ANEXOS se podrá encontrar un fragmento que muestra el archivo de territorio
generado en Microsoft Excel).
De acuerdo a los datos dados a conocer para este primer trimestre del año, la
agrupación tanto de gerentes como de los vendedores de cada mercado están
segmentados de la siguiente manera:
BRASIL:
Gerente: GUSTAVO MOREIRA
Vendedores:
• PAOLA AKEMI
• DANDARA RIVERA
• RUTH NIGRI
• MURILO BROGNARA
• CAMILA LEMES
• RODOLFO CATHARINO
• BRUNO COSTI
• LUIZ GABRIEL DARIO
• FERNANDA LIBORIO
• NILSON DE SOUZA NIGRO
• TBD
• GUILHERME ALARCON
Gerente: MARCO LUCIO
37
Vendedores:
• AFRANIO COLUSSI
• CRISTIANE PERES
• CRISTINA RODACKI
• TBD
Gerente: ROBERTO RAMALHO
Vendedores:
• MURILO BROGNARA
• ADRIANA DINIZ
• NANCY YAMAOKA
• GERMANA CARVAHLO
• TBD
Nota: Los que sean TBD son aquellos que se encuentra la vacante, pero por el
momento no han sido contratados.
MEXICO:
Gerente: ANGÉLICA CERÓN
Vendedores:
• DAVID ALZATE
• LAURA MARULANDA
• MARIA DEL CARMEN ORONA
• RICARDO GRANADA
• ROBERTO GONZÁLEZ LORA
• SERGIO PAUL FIERRO
• SILVIA LIRA GOMEZ
• TBD TOP 2
• TBD TOP 3
• TOP – UNASSIGNED
• UNASSIGNED
• UNASSIGNED – MSP
38
Nota: Aquellos que estén identificados como TBD o UNASSIGNED significa que o
bien no han sido contratados, o también que las cuentas no han sido asignadas a un
vendedor en particular.
SSA:
Gerente: Verónica Tejeda
ARGENTINA
Vendedores:
• ABRIL CARRERAS
• CAROLINA RAMÍREZ
• DANIEL MUÑOZ
• GASTON NORKUS
• OSCAR BUITRAGO
• PABLO GRIECO
• TBH (TO BE HIRED)
BOLIVIA
Vendedor:
• NO COVERAGE: Esto significa que la empresa no se encuentra físicamente
en el país, sin embargo, hay productos de la compañía que se venden allá, por
lo tanto, se contabiliza.
CHILE
Vendedores:
• CHRISTIAN CUADROS
• JAIME BRIGGS
• KARELITA SANCHEZ
• MILTON SOSA
• OSCAR BUITRAGO
• TBH (TO BE HIRED)
COLOMBIA
39
Vendedores:
• JAIME BARRERA
• JAVIER GARZON
• JAVIER MORENO
• JUANITA PERICO
• OSCAR BUITRAGO
• PAOLA HERNANDEZ
• VIVIANA PERDOMO
ECUADOR
Vendedor
• IVAN FREIRE
CENTRO AMÉRICA Y EL CARIBE (LCR)
Vendedora
• SANDRA CHAVES
PERÚ
Vendedores:
• AUGUSTO FREITAS
• EDMUNDO CARRION
• LUCIANA CAPURRO
• NICOLÁS POLASTRI
• No Coverage: Hay un sector del país que no está cubierto por la organización,
pero aún así, hay productos que se venden.
• OSCAR BUITRAGO
PARAGUAY
Vendedor:
• SANTIAGO ZITO
URUGUAY
40
Vendedor:
• SANTIAGO ZITO
VENEZUELA
Vendedor:
• EDWARD MORENO
Country
Esta pequeña base muestra de acuerdo al país que se está estudiando, cuál va a
ser el CTRY (Código de País) en Latinoamérica:
La base de datos es la siguiente:
Ilustración 8. Base de Datos Country (IBM, 2019)
PREPARACIÓN DE DATOS
Reporting Country CTRY
Uruguay UYColombia COChile CLEcuador ECArgentina ARPeru PECosta Rica LCRPanama LCRHonduras LCREl Salvador LCRVenezuela,Boliv VEParaguay PYDominican Rep. LCRGuatemala LCRBolivia,Plurina BONicaragua LCRColombia COBrazil BRMexico MX
41
Teniendo en cuenta la recogida de datos, se pasa a un siguiente escaño que es la
preparación de cada uno de los datos, para ello, a partir de la experiencia y de saber
cuál es la información relevante que se va a necesitar, serán filtrados cada una de las
bases de datos iniciales a fin de saber qué se va a tomar y qué o se va a tomar.
Pipeline
Después de haber analizado las columnas que conforman el Pipeline, con el equipo
de Sales Execution, se llegó al acuerdo de tomar para este caso un total de veinte
columnas, divididas de la siguiente forma:
• Opportunity Number: Es el número de la oportunidad al cual está asignado la
venta que IBM quiere acordar con un cliente. Este código es único, puede
repetirse varias veces si se quieren realizar varios negocios con una misma
compañía.
• Detail Key: Es el código único de cada cuenta del pipeline.
• Opportunity Name: Nombre específico de cada oportunidad.
• Customer: Nombre del cliente
• Business Unit Group: Unidad de negocio que se quiere vender a un cliente
(Explicado en páginas anteriores)
• Business Unit Sub Group: Subdivisión de la unidad de negocio que IBM quiere
vender a un cliente.
• Geo: A qué parte geográfica del globo pertenecen cada una de las
oportunidades. Para este caso, cada una de ellas hace parte de Latinoamérica.
• Market: Mercado a la cual pertenece la unidad de negocio, ya sea Brasil,
México o Sudamérica Hispanohablante.
• Customer: Código único de cada cliente.
• Repor Country: País en la cual está reportada cada oportunidad de negocio.
• Revenue Type: A qué tipo de ingresos pertenece la oportunidad (Se tendrán
en cuenta únicamente aquellas que sean Transactional, Signings y Saas
(Software as a Service)).
• Rep. Rev/Sign ($M): Cantidad de dinero que cuesta para el cliente comprar un
producto o solución de IBM dado en millones de dólares.
42
• Client Type: A qué mega segmento pertenece la oportunidad. Para este caso,
todas pertenecen a Total Commercial.
• Client Sub-Type: A qué subsegmento pertenece la oportunidad de negocio, ya
sea MSP o Commercial.
• Prior S/S: Indica en qué fase de negocio se encontraba dicha oportunidad en
el trimestre pasado.
• CRM Roadmap Status: Indica en qué estado de la hoja de ruta se encuentra la
oportunidad de negocio (Won, At Risk, Solid, Stretch, Key Stretch, NIR).
• Sales Stage: En qué etapa de venta se encuentra actualmente la oportunidad
de negocio.
• Total Opportunity Value USD ($M): Indica el valor total de la oportunidad (No
equivocar con el valor que el cliente debe pagar a IBM en caso de adquirir un
servicio o producto de la compañía (Rep. Rev./Sign ($M)).
• PPV: Indica la proyección de cuanto se va a cerrar por estadísticas de SMS a
partir de pipelines anteriores basados en diferentes datos (Brand, históricos,
tiempo de la oportunidad en cerrarse, semana actual, etapa de venta, etc.)
• Sales Stage: Traducción en palabras de cada una de las etapas de ventas
dados en datos numéricos (Validated, Qualified, Conditional y Won).
Territorio Semanal:
Para este caso particular, solamente se necesitarán pocas columnas que se cruzarán
con el pipeline a fin de traer información eficiente que mejore los procesos:
• DCR
• Manager
• CTRY
• Customer Key
Country
Para este caso particular, se traerán consigo ambas columnas a fin de saber en el
Pipeline más fácilmente a qué país hace parte la oportunidad y qué código tiene.
43
Nota: Para seleccionar solamente las columnas anteriores mencionadas para
cada una de las bases de datos, se usará R, cuyo código será mostrada en la
fase de entrada de datos al momento de unir la información del Universo de
Ventas de la compañía.
ENTRADA DE DATOS
Esta es quizá la fase que más tiempo dedicó a fin de manipular en R cada una de las
bases de datos mediante código programático usando lenguaje del mismo software
que permita manipular cada uno de los compendios de datos.
En total, fueron realizados cuatro guiones programáticos (scripts) que realizan cada
uno lo siguiente:
• Prior Week: Además de seleccionar únicamente los valores descritos en la
anterior fase de cada una de las bases de datos, realiza cruces, ediciones y
cambios a fin de transformar los datos en información que genera valor
únicamente para los datos de la semana pasada.
• Current Week: Además de seleccionar únicamente los valores descritos en la
anterior fase de cada una de las bases de datos, realiza cruces, ediciones y
cambios a fin de transformar los datos en información que genera valor
únicamente para los datos de la semana actual.
• Past Year Current Week: Además de seleccionar únicamente los valores
descritos en la anterior fase de cada una de las bases de datos, realiza cruces,
ediciones y cambios a fin de transformar los datos en información que genera
valor únicamente para los datos de la semana actual del año pasado.
• Pipeline Completo Filtrado: Se encarga de unir las tres bases de datos en uno
solo teniendo como base fundamental que comparta las mismas columnas.
PRIOR WEEK
El guion programático (script) para este caso es el siguiente:
44
Nota: Cada numeral (#) indica qué se está haciendo en cada paso del guion
#Leer archivo de pipeline consolidado
setwd("C://Users//JuanCamiloVaronaLoza//Documents//Juan Camilo Varona
Lozano//Pipeline")
#Instalación de paquetes necesarios para que el código funcione
library(openxlsx)
library(stringr)
library(dplyr)
library(tidyverse)
#Leer Pipeline desde una fila específica y una hoja específica
Pipeline = read.xlsx ("Pipeline WK5 Q1.xlsx", sheet = "Current W5 Q1", startRow=10)
# Tomar como factores los datos Country del Pipeline
Pipeline$Country = as.factor(Pipeline$Country)
#Reemplazar palabras con espacios
str_replace_all(Pipeline$Country, fixed(" "), "")
# Generar un resumen de los datos de Country del Pipeline
summary(Pipeline$Country)
#Leer el archivo Country del pipeline la hoja Country
Country = read.xlsx("Country.xlsx", sheet = "Country")
# Tomar como factores los datos Country del archivo Country
Country$Reporting.Country = as.factor(Country$Reporting.Country )
#Reemplazar palabras con espacios
str_replace_all(Country$Reporting.Country, fixed(" "), "")
#Leer el archivo territorio
territorio = read.xlsx("Territory Commercial + MSP W6 Q1 2019.xlsx", sheet =
"Territory Commercial + MSP W6 Q")
#Seleccionar del archivo territorio las columnas seleccionadas
territorio = territorio[c(1,3,5,8,9,10)]
45
#Cruzar datos del Pipeline la columna country con la columna del archivo
Country la columna Reporting Country
Pipeline = merge(Pipeline, Country, by.x = "Country", by.y = "Reporting.Country",
all.x = TRUE)
#Quitar las P
Pipeline <- subset(Pipeline, substr(Pipeline$Customer.Number, 0, 1) != "P")
#Quitar las S
Pipeline <- subset(Pipeline, substr(Pipeline$Customer.Number, 0, 1) != "S")
#Creación del Customer Key
#Completar con 0's para que queden 8 dígitos en el Customer.Number
Pipeline$Customer.Number = str_pad(Pipeline$Customer.Number, 8, pad = "0")
#Completar y al Final, concatenar con país
Pipeline$Cust_Key = paste(Pipeline$CTRY, Pipeline$Customer.Number, sep = "")
#Los prospects quedan como CTRY+NA
################################
#Cruce de Pipeline con el territorio para que traiga del archivo territorio los
client keys con el objetivo de saber qué cuentas del territorio se encuentran en
el Pipeline
Pipeline = merge (Pipeline, territorio, by.x = "Cust_Key", by.y = "Client.Key", all.x =
TRUE)
# Mostrar solamente del archivo Territorio las columnas Country, Segmento y
Cobertura
Pipeline = select(Pipeline, -"Country.y", -"Segmento", -"Cobertura")
#Poner datos adicionales, agregar valores a una columna específica
#Poner un manager o vendedor en específico
Pipeline$DCR[Pipeline$CTRY == "LCR"]="SANDRA CHAVES"
Pipeline$Manager[Pipeline$CTRY == "LCR"]="Omar Ramírez"
Pipeline$DCR[Pipeline$CTRY == "UY"]="SANTIAGO ZITO"
46
Pipeline$Manager[Pipeline$CTRY== "UY"]="Omar Ramírez"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="CSP" & Pipeline$CTRY
=="AR")]="Veronica Tejeda"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="CSP" & Pipeline$CTRY
=="CO")]="Veronica Tejeda"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="CSP" & Pipeline$CTRY
=="CL")]="Veronica Tejeda"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="CSP" & Pipeline$CTRY
=="PE")]="Veronica Tejeda"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="Commercial" & Pipeline$CTRY
=="PE")]="Omar Ramírez"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="CSP" & Pipeline$CTRY
=="MX")]="Angelica Ceron"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="Commercial" & Pipeline$CTRY
=="MX")]="Angelica Ceron"
Pipeline$DCR[Pipeline$DCR=="viviana perdomo"]="Viviana Perdomo"
#Arreglar Bolivia y Venezuela
Pipeline$Repor.Country=as.character(Pipeline$Repor.Country)
Pipeline$Repor.Country[Pipeline$Repor.Country=="Bolivia,Plurina"]="Bolivia"
Pipeline$Repor.Country[Pipeline$Repor.Country=="Venezuela,Boliv"]="Venezuela"
Pipeline$Repor.Country = as.factor(Pipeline$Repor.Country)
#Agregar columnas nuevas en el nuevo Pipeline Creado que muestre el año y
la semana a la que pertenece, en este caso es la pasada
Pipeline$Year = 2019
Pipeline$Week = "Prior"
#Guardar en formato .csv para poder ser visto el resultado del código en
Microsoft Excel
write.csv(Pipeline, file = "Pipeline prior 2019 W5.csv", row.names = FALSE, na = "")
Este primer Código principalmente además de filtrar solamente las columnas que son
necesarias para el análisis, realiza los arreglos necesarios a fin de presentar los
resultados veraces de la semana pasada en el Universo de Ventas de la compañía.
Además, de las cosas fundamentales es que ahora en el Pipeline se sabe a qué
47
gerente, vendedor, cobertura y segmento hace parte cada cuenta, por lo tanto, es
viable continuar con el proceso.
Un fragmento de los resultados del pipeline de la semana pasada puede ser visto en
la sección ANEXOS.
CURRENT WEEK
El guion programático (script) para este caso es el siguiente:
Nota: Cada numeral (#) indica qué se está haciendo en cada paso del guion.
#Leer archivo de pipeline consolidado
setwd("C://Users//JuanCamiloVaronaLoza//Documents//Juan Camilo Varona
Lozano//Pipeline")
#instalación de paquetes necesarios para poder realizar los cambios
pertinentes
library(openxlsx)
library(stringr)
library(dplyr)
library(tidyverse)
#Leer Pipeline desde una fila específica y una hoja específico
Pipeline = read.xlsx("Pipeline WK6 Q1.xlsx", sheet = "Current W6 Q1", startRow=10)
#Poner los valores de la columna Country como factores
Pipeline$Country = as.factor(Pipeline$Country)
#Reemplazar palabras con espacios
str_replace_all(Pipeline$Country, fixed(" "), "")
#Hacer un resumen de los resultados de la columna Country
summary(Pipeline$Country)
#Leer el archivo Country la hoja “Country”
Country = read.xlsx("Country.xlsx", sheet = "Country")
#Tomar como factores los valores generados en la columna Reporting
Country
Country$Reporting.Country = as.factor(Country$Reporting.Country )
48
#Reemplazar palabras con espacios
str_replace_all(Country$Reporting.Country, fixed(" "), "")
#Leer el archivo territorio
territorio = read.xlsx("Territory Commercial + MSP W6 Q1 2019.xlsx", sheet =
"Territory Commercial + MSP W6 Q")
#Tomar solamente columnas específicas del territorio
territorio = territorio[c(1,3,5,8,9,10)]
################################
#Crear Cust_Key
#Llenar con código de país
Pipeline = merge(Pipeline, Country, by.x = "Country", by.y = "Reporting.Country",
all.x = TRUE)
#Quitar las P
Pipeline <- subset(Pipeline, substr(Pipeline$Customer.Number, 0, 1) != "P")
#Quitar las S
Pipeline <- subset(Pipeline, substr(Pipeline$Customer.Number, 0, 1) != "S")
#Cust_Key
#Completar con 0's para que queden 8 dígitos en el Customer.Number
Pipeline$Customer.Number = str_pad(Pipeline$Customer.Number, 8, pad = "0")
#CompletaidyFinal, concatenar con país
Pipeline$Cust_Key = paste(Pipeline$CTRY, Pipeline$Customer.Number, sep = "")
#Los prospects quedan como CTRY+NA
################################
#Cruce de territorio
49
Pipeline = merge(Pipeline, territorio, by.x = "Cust_Key", by.y = "Client.Key", all.x =
TRUE)
# Mostrar solamente DCR
Pipeline = select(Pipeline, -"Country.y", -"Segmento", -"Cobertura")
#Poner datos adicionales, agregar valores a una columna específica
#Poner un manager, o vendedor en específico
Pipeline$DCR[Pipeline$CTRY == "LCR"]="SANDRA CHAVES"
Pipeline$Manager[Pipeline$CTRY == "LCR"]="Omar Ramírez"
Pipeline$DCR[Pipeline$CTRY == "UY"]="Santiago Zito"
Pipeline$Manager[Pipeline$CTRY== "UY"]="Omar Ramírez"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="CSP" & Pipeline$CTRY
=="AR")]="Veronica Tejeda"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="CSP" & Pipeline$CTRY
=="CO")]="Veronica Tejeda"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="CSP" & Pipeline$CTRY
=="CL")]="Veronica Tejeda"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="CSP" & Pipeline$CTRY
=="PE")]="Veronica Tejeda"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="Commercial" & Pipeline$CTRY
=="PE")]="Omar Ramírez"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="CSP" & Pipeline$CTRY
=="MX")]="Angelica Ceron"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="Commercial" & Pipeline$CTRY
=="MX")]="Angelica Ceron"
Pipeline$DCR[Pipeline$DCR=="Viviana Perdomo"]="Viviana Perdomo"
######Arreglar Bolivia y Venezuela
Pipeline$Repor.Country=as.character(Pipeline$Repor.Country)
Pipeline$Repor.Country[Pipeline$Repor.Country=="Bolivia,Plurina"]="Bolivia"
Pipeline$Repor.Country[Pipeline$Repor.Country=="Venezuela,Boliv"]="Venezuela"
Pipeline$Repor.Country = as.factor(Pipeline$Repor.Country)
# Agregar columnas de Año y Semana
50
Pipeline$Year = 2019
Pipeline$Week = "Current"
# Guardar en formato .csv para poder ser visto el resultado del código en
Microsoft Excel
write.csv (Pipeline, file = "Pipeline 2019.csv", row.names = FALSE, na = "")
Este segundo código, es muy semejante al primero presentado, filtrando solamente
las columnas que son necesarias para el análisis, realizando además los arreglos
necesarios a fin de presentar los resultados veraces de la semana actua en el
Universo de Ventas de la compañía. Además, de las cosas fundamentales es que
ahora en el Pipeline se sabe a qué gerente, vendedor, cobertura y segmento hace
parte cada cuenta, por lo tanto, es viable continuar con el proceso.
Un fragmento de los resultados del pipeline de la semana actual puede ser visto en la
sección ANEXOS.
Prior Year
El guion programático (script) para este caso es el siguiente:
Nota: Cada numeral (#) indica qué se está haciendo en cada paso del guion.
#Leer archivo de pipeline consolidado
setwd("C://Users//JuanCamiloVaronaLoza//Documents//Juan Camilo Varona
Lozano//Pipeline")
#Instalación de paquetes necesarios para usar en el software
library(openxlsx)
library(stringr)
library(dplyr)
library(tidyverse)
#Abrir el file Pipeline a partir de una hoja y fila especifica
Pipeline = read.xlsx("Pipeline W6 Q1 2018.xlsx", sheet = "Pipeline W6 Q1 2018",
startRow=7)
Pipeline$Reporting.Country = as.factor(Pipeline$Reporting.Country)
51
#Reemplazar palabras con espacios
str_replace_all(Pipeline$Reporting.Country, fixed(" "), "")
#Realizar resumen con los datos de la columna Reporting Country ubicada en
el Pipeline
summary(Pipeline$Reporting.Country)
# Leer el file Country en la hoja “Country”
Country = read.xlsx("Country.xlsx", sheet = "Country")
# Tomar como factores los valores dados en la columna Reporting Country
Country$Reporting.Country = as.factor(Country$Reporting.Country )
# Quitar espacios en aquellas partes del Reporting Country que tienen
espacios
str_replace_all(Country$Reporting.Country, fixed(" "), "")
# Leer el file Territorio en la hoja indicada
territorio = read.xlsx("Territory Commercial + MSP W6 Q1 2019.xlsx", sheet =
"Territory Commercial + MSP W6 Q")
# Tomar las columnas indicadas del file Territorio
territorio = territorio[c(1,3,5,8,9,10)]
################################
#Crear Cust_Key
#Llenar con código de país
Pipeline = merge(Pipeline, Country, by.x = "Repor.Country", by.y =
"Reporting.Country", all.x = TRUE)
#Quitar las P
Pipeline <- subset(Pipeline, substr(Pipeline$Customer.Number, 0, 1) != "P")
#Quitar las S
Pipeline <- subset(Pipeline, substr(Pipeline$Customer.Number, 0, 1) != "S")
#Cust_Key
#Completar con 0's para que queden 8 dígitos en el Customer.Number
Pipeline$Customer.Number = str_pad(Pipeline$Customer.Number, 8, pad = "0")
52
#Completar y concatenar con el país
Pipeline$Cust_Key = paste(Pipeline$CTRY, Pipeline$Customer.Number, sep = "")
#Los prospects quedan como CTRY+NA
################################
#Cruce de territorio
Pipeline = merge(Pipeline, territorio, by.x = "Cust_Key", by.y = "Client.Key", all.x =
TRUE)
# Mostrar solamente DCR
Pipeline = select(Pipeline, -"Country.y", -"Segmento", -"Cobertura")
#Poner datos adicionales, agregar valores a una columna específica
Pipeline$DCR[Pipeline$CTRY == "LCR"]="Sandra Chaves"
#Poner un manager o vendedor en específico
Pipeline$Manager[Pipeline$CTRY == "LCR"]="Omar Ramírez"
Pipeline$DCR[Pipeline$CTRY == "UY"]="Santiago Zito"
Pipeline$Manager[Pipeline$CTRY== "UY"]="Omar Ramírez"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="CSP" & Pipeline$CTRY
=="AR")]="Veronica Tejeda"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="CSP" & Pipeline$CTRY
=="CO")]="Veronica Tejeda"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="CSP" & Pipeline$CTRY
=="CL")]="Veronica Tejeda"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="CSP" & Pipeline$CTRY
=="PE")]="Veronica Tejeda"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="CSP" & Pipeline$Market
=="SSA")]="Veronica Tejeda"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="Commercial" & Pipeline$CTRY
=="PE")]="Omar Ramírez"
53
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="CSP" & Pipeline$CTRY
=="MX")]="Angelica Ceron"
Pipeline$Manager[(Pipeline$`Client.Sub-type`=="Commercial" & Pipeline$CTRY
=="MX")]="Angelica Ceron"
Pipeline$DCR[Pipeline$DCR=="viviana perdomo"]="Viviana Perdomo"
Pipeline$DCR[Pipeline$DCR=="Verónica Tejeda"]="Veronica Tejeda"
######Arreglar Bolivia y Venezuela
Pipeline$Repor.Country=as.character(Pipeline$Repor.Country)
Pipeline$Repor.Country[Pipeline$Repor.Country=="Bolivia,Plurina"]="Bolivia"
Pipeline$Repor.Country[Pipeline$Repor.Country=="Venezuela,Boliv"]="Venezuela"
Pipeline$Repor.Country[Pipeline$Repor.Country==""]="Unassigned"
# Poner como factores los valores que se encuentran en la columna Repor
Country
Pipeline$Repor.Country = as.factor(Pipeline$Repor.Country)
# Agregar columnas que indiquen el año y la semana a la que pertenece
Pipeline$Year = 2018
Pipeline$Week = ""
#Guardar en un archive con formato .csv de tal manera que pueda ser leído en
un archivo de Microsoft Excel para visualizar los resultados propuestos
write.csv(Pipeline, file = "Pipeline 2018 W6.csv", row.names = FALSE, na = "")
Este código a diferencia de los anteriores se encarga de realizar la limpieza,
transformación y resultados de los datos base de la semana actual, pero del año
pasado.
Unión de bases de datos
Este último código se encarga de compilar toda la información referente a los otros
tres códigos anteriormente presentados en un solo archivo de Excel de formato .csv,
presentado en una sola hoja.
Para ello es necesario tener en cuenta que cada uno de los archivos deben tener la
misma cantidad de columnas a fin poder unir las bases de datos, es por esta razón,
54
que fue necesario realizar una limpieza exhaustiva de la data a fin de solamente
seleccionar datos que tuvieran valor agregado para el proyecto además de
encontrarse en las tres bases de datos.
El siguiente guion de código muestra los detalles para conseguir unir las bases de
datos.
#Leer archivo de pipeline consolidado
setwd("C://Users//JuanCamiloVaronaLoza//Documents//Juan Camilo Varona
Lozano//Pipeline")
#Instalación de paquetes necesarios para la efectividad del código
library(openxlsx)
library(stringr)
library(dplyr)
library(tidyverse)
####Leer Pipeline 2018
Pipeline2018 = read.xlsx("Pipeline 2018 W6.xlsx", sheet = "Pipeline 2018 W6",
startRow=1)
###Agregar columna Sales Stage
Pipeline2018$Sales.Stage = ""
###Seleccionar columnas específicas del file
Pipeline2018 = Pipeline2018 %>% select(Opp.No, Detail.Key, Opp.Name, Customer,
Business.Unit.Group,Business.Unit.Sub.Group, Geo, Market, Customer.Number,
Repor.Country, Revenue.Type, `Rep.Rev/Sign.($M)`, Client.Type, `Client.Sub-type`,
`Prior.S/S`, CRM.Roadmap.Status, CTRY, DCR, Manager, Country.x,`S/S`,
Cust_Key,`Total.Opp.Value.USD.($M)`, `PPV.($M)`, Year, Week, Sales.Stage)
#####Agregar significados del Sales Stage indicando si es Validated, Qualified,
Cond Agreed, Won o Lost
Pipeline2018$Sales.Stage[Pipeline2018$`S/S` == 4]="Validated"
55
Pipeline2018$Sales.Stage[Pipeline2018$`S/S` == 5]="Qualified"
Pipeline2018$Sales.Stage[Pipeline2018$`S/S` == 6]="Cond Agreed"
Pipeline2018$Sales.Stage[Pipeline2018$`S/S` == 7]="Won"
Pipeline2018$Sales.Stage[Pipeline2018$`S/S` == 8]="Won"
Pipeline2018$Sales.Stage[Pipeline2018$`S/S` == 9]="Lost"
Pipeline2018$Sales.Stage[Pipeline2018$`S/S` == 10]="Lost"
Pipeline2018$Sales.Stage[Pipeline2018$`S/S` == 11]="Lost"
###Leer pipeline current week 2019
Pipeline2019cu = read.xlsx("Pipeline 2019.xlsx", sheet = "Pipeline 2019 W6",
startRow=1)
##Agregar columna Sales Stage
Pipeline2019cu$Sales.Stage = ""
###Seleccionar columnas específicas del file
Pipeline2019cu = Pipeline2019cu %>% select(Opp.No, Detail.Key, Opp.Name,
Customer, Business.Unit.Group, Business.Unit.Sub.Group, Geo, Market,
Customer.Number, Repor.Country, Revenue.Type, `Rep.Rev/Sign.($M)`,
Client.Type, `Client.Sub-type`, `Prior.S/S`, CRM.Roadmap.Status, CTRY, DCR,
Manager, Country.x,`S/S`, Cust_Key,`Total.Opp.Value.USD.($M)`, ̀ PPV.($M)`, Year,
Week, Sales.Stage)
#####Agregar valores del Sales Stage quitando Lost y dejando solamente
Validated, Qualified, Cond Agreed y Won
Pipeline2019cu$Sales.Stage[Pipeline2019cu$`S/S` == 4]="Validated"
Pipeline2019cu$Sales.Stage[Pipeline2019cu$`S/S` == 5]="Qualified"
56
Pipeline2019cu$Sales.Stage[Pipeline2019cu$`S/S` == 6]="Cond Agreed"
Pipeline2019cu$Sales.Stage[Pipeline2019cu$`S/S` == 7]="Won"
Pipeline2019cu$Sales.Stage[Pipeline2019cu$`S/S` == 8]="Won"
###Leer pipeline prior week 2019
Pipeline2019pr = read.xlsx("Pipeline prior 2019 W5.xlsx", sheet = "Pipeline prior 2019
W5", startRow=1)
##Agregar columna Sales Stage
Pipeline2019pr$Sales.Stage = ""
###Seleccionar columnas específicas del file
Pipeline2019pr = Pipeline2019pr %>% select(Opp.No, Detail.Key, Opp.Name,
Customer, Business.Unit.Group, Business.Unit.Sub.Group, Geo, Market,
Customer.Number, Repor.Country, Revenue.Type, `Rep.Rev/Sign.($M)`,
Client.Type, `Client.Sub-type`, `Prior.S/S`, CRM.Roadmap.Status, CTRY, DCR,
Manager, Country.x,`S/S`, Cust_Key,`Total.Opp.Value.USD.($M)`, ̀ PPV.($M)`, Year,
Week, Sales.Stage)
#####Agregar valores del Sales Stage
Pipeline2019pr$Sales.Stage[Pipeline2019pr$`S/S` == 4]="Validated"
Pipeline2019pr$Sales.Stage[Pipeline2019pr$`S/S` == 5]="Qualified"
Pipeline2019pr$Sales.Stage[Pipeline2019pr$`S/S` == 6]="Cond Agreed"
Pipeline2019pr$Sales.Stage[Pipeline2019pr$`S/S` == 7]="Won"
Pipeline2019pr$Sales.Stage[Pipeline2019pr$`S/S` == 8]="Won"
####Unir archivos en un solo file, importante que los archivos tengan la misma
cantidad de columnas
57
Pipeline2018 <- rbind(Pipeline2018, Pipeline2019cu, Pipeline2019pr)
####Poner solamente lo que esté en Sales Stage de 4 a 8
PipelineFiltrado = Pipeline2018[which(Pipeline2018$`S/S` < 9 & Pipeline2018$`S/S`
> 3), ]
###Cambiar campos específicos de gerente, vendedor y país.
PipelineFiltrado$Manager[PipelineFiltrado$Manager=="Verónica Tejeda"]="Veronica
Tejeda"
PipelineFiltrado$Market[(PipelineFiltrado$Market=="Mexico" &
PipelineFiltrado$Manager =="Omar Ramírez")]="SSA"
PipelineFiltrado$DCR[PipelineFiltrado$DCR=="SANDRA CHAVES"]="Sandra
Chaves"
PipelineFiltrado$DCR[PipelineFiltrado$DCR=="SANTIAGO ZITO"]="Santiago Zito"
PipelineFiltrado$DCR[PipelineFiltrado$DCR=="javier garzon"]="Javier Garzon"
#Guardar en un archivo con formato .csv
write.csv(PipelineFiltrado, file = "Pipeline Completo filtrado.csv", row.names = FALSE,
na = "")
Este último código es el más importante de todos, al ser aquel que no solamente trae
la información de las tres bases de datos de los anteriores códigos programáticos,
además de corregir datos específicos, agregar columnas y sobre todo, filtrar aquella
información que sea realmente importante para el desarrollo de la interfaz gráfica en
Cognos Analytics.
En ANEXOS puede ser visto un fragmento del resultado de la unión de las tres bases
de datos.
INDICADORES IMPORTANTES
Para tener valor agregado el universo de ventas es menester hace uso de indicadores
que tienen como objeto mostrar cual es la realidad de la empresa, pero como mayor
58
objetivo, ayudar a los gerentes de los mercados en la toma de decisiones para los
próximos trimestres, así como ayudar a los vendedores saber en qué cuentas
centrarse, cómo va su comportamiento año a año frente a las diferentes unidades de
negocio, progreso en la identificación de oportunidades semana a semana, entre
otros.
Conociendo a fondo el área de Sales Execution y los procesos a realizar, los
indicadores que serán tomados en cuenta:
• YTY (%): Indica el cambio porcentual año a año tomando en cuenta distintas
variables, tales como la cantidad de cuentas ganadas, perdidas, validadas,
calificadas, o el mismo cambio entre las unidades de negocio.
• YTY ($M): Indica el cambio en términos de millones de dólares año a año
tomando en cuenta distintas variables.
• WTW (%): Muestra el cambio semana a semana de diferentes variables que
afectan el Universo de ventas, entre ellas la cantidad de oportunidades
ganadas, perdidas, cambio en las unidades de negocio, entre otros aspectos
de importancia.
• WTW ($M): Muestra el cambio en millones de dólares semana a semana de
diferentes variables que afectan el Universo de Ventas, entre ellas la cantidad
de oportunidades ganadas, perdidas, cambio en las unidades de negocio,
entre otros aspectos de importancia.
• WSR($M): Indica la cantidad de oportunidades que se encuentran bajo este
rango indicando pérdidas o ganancias según el caso.
• PPV: Es un algoritmo realizado por el equipo de finanzas donde es observada
la proyección de cuanto se va a cerrar la cuota por vendedor al finalizar cada
trimestre teniendo en cuenta aspectos como el impacto de la unidad de
negocio, el tiempo de la oportunidad para cerrarse, la etapa de venta, entre
otros aspectos.
• Validated Pipeline: Oportunidades que se encuentran en las etapas
comprendidas entre 4 y 8 encontrando aquellas que se hayan ganado, la
unidad de negocio a la que pertenecen, el rubro que representa, entre otros
aspectos de importancia.
59
• Qualified Pipeline: Oportunidades que se encuentran en las etapas
comprendidas entre 5 y 8 encontrando aquellas que se hayan ganado, la
unidad de negocio a la que pertenecen, el rubro que representa, entre otros
aspectos de importancia.
• Conditional Pipeline: Oportunidades que se encuentran en las etapas
comprendidas entre 6 y 8 encontrando aquellas que se hayan ganado, la
unidad de negocio a la que pertenecen, el rubro que representa, entre otros
aspectos de importancia.
Cada uno de estos indicadores van a ir acompañados de gráficas interactivas,
cuadros interactivos que tengan como fin último que el usuario pueda ver estas
métricas bajo diferentes puntos de vista para que conozca de primera mano estos
resultados y que puedan estos ser mejor analizados para decisiones futuras en el
área de Digital Business Group.
INTERFAZ GRÁFICA EN COGNOS ANALYTICS
Después de haber culminado con el código programático y tomando como base para
la interfaz el archivo con la data transformada y lista para los requerimientos del
Universo de Ventas, el paso a seguir es continuar con el software Cognos Analytics.
VISTAZO GENERAL AL SOFTWARE
Ilustración 9. Vista general pantalla de inicio de IBM Cognos Analytics (IBM Cognos Analytics, 2019)
60
En la pantalla de inicio de la plataforma es posible encontrarse en la esquina superior
izquierda las opciones de buscar el contenido guardado realizado en el software, así
como la posibilidad de realizar algunos proyectos en equipo de trabajo.
En la esquina inferior izquierda se da la opción de comenzar con un nuevo panel de
control o informe.
El archivo cargado para este caso, para desarrollar el panel de control es el archivo
.csv que alberga los tres pipelines en un solo archivo.
Al ser subido al sistema, el mismo Cognos reconoce a qué tipo de variable pertenece
cada columna, es decir, si se toma una columna por ubicación o fecha o numérico o
una palabra con el fin de poder obtener distintas visualizaciones para el usuario final.
Al seleccionar “Panel de Control” Cognos le recomendará al usuario una serie de
vistas que puede seleccionar para que el reporte sea el mejor visualmente hablando,
sin embargo, también da la opción de un formato libre.
Ilustración 10. Selección de tipo de formato en Cognos Analytics. (Cognos, 2019)
Para este proyecto en particular, fue elegida la opción del “Formato Libre” ya que los
otros tienen la dificultad de que en caso de querer manipular los espacios de la hoja
puede que no lo permita.
Al acepta la vista seleccionada, aparecerá una pestaña en blanco para comenzar a
interactuar con ella y agregando visualizaciones, imágenes y emoticones necesarios.
61
Los tipos de visualizaciones que acepta la plataforma son los que se encuentran en
la imagen inferior:
Ilustración 11. Tipos de Visualizaciones. (Cognos, 2019)
Lo interesante de cada una de estas visualizaciones es que además de ser
adaptables a las necesidades del usuario permite que al interactuar con ellas sea
posible conectarla con otras al mismo tiempo, permitiendo mostrar en tiempo real las
condiciones del sistema.
CREACIÓN DEL PANEL DE CONTROL
Además de permitir añadir visualizaciones de acuerdo al gusto e importancia que el
usuario quiera dar, Cognos Analytics posee su propio lenguaje programático que tiene
como función realizar cálculos de acuerdo a la información de entrada para que los
análisis sean mucho más eficaces al momento de tomar decisiones.
Los siguientes fueron los cálculos realizados con el lenguaje de Cognos:
• WTW de la cantidad de oportunidades de negocio: Calcula la diferencia de
oportunidades de negocio que hubo entre la semana actual y la semana
pasada.
COUNT(DISTINCT(IF([Pipeline_Completo_filtrado_csv.Week] =
'Current')THEN([Pipeline_Completo_filtrado_csv.Opp_No]) ELSE NULL)) -
COUNT(DISTINCT(IF([Pipeline_Completo_filtrado_csv.Week] =
'Prior')THEN([Pipeline_Completo_filtrado_csv.Opp_No]) ELSE NULL))
62
• WTW en millones de dólares: Realiza la diferencia del rubro en millones de
dólares frente a los resultados de la semana actual menos la pasada.
Rep_Rev_Sign_M_Current - Rep_Rev_Sign_M_Prior
• YTY (%): Realiza el cálculo en cobertura de la cantidad de oportunidades que
hay entre la semana actual entre la cantidad de oportunidade que hubo al
mismo periodo de tiempo, pero del año pasado.
((COUNT(DISTINCT(IF([Pipeline_Completo_filtrado_csv.Week] =
'Current')THEN([Pipeline_Completo_filtrado_csv.Opp_No]) ELSE NULL)) /
COUNT(DISTINCT(IF([Pipeline_Completo_filtrado_csv.Year_] =
'2018')THEN([Pipeline_Completo_filtrado_csv.Opp_No]) ELSE NULL)))-
1)*100
• WSR: Calcula la cantidad de oportunidades presentes que se encuentran en
la hoja de ruta como Won, Solid y At Risk.
IF ( Pipeline_Completo_filtrado_csv.CRM_Roadmap_Status = 'Won' OR
Pipeline_Completo_filtrado_csv.CRM_Roadmap_Status = 'At Risk' OR
Pipeline_Completo_filtrado_csv.CRM_Roadmap_Status = 'Solid') THEN (
Pipeline_Completo_filtrado_csv.Rep_Rev_Sign_M) ELSE NULL
• Validated Pipeline en Millones de Dólares
IF ( Pipeline_Completo_filtrado_csv.Sales_Stage = 'Validated' OR
Pipeline_Completo_filtrado_csv.Sales_Stage = 'Qualified' OR
Pipeline_Completo_filtrado_csv.Sales_Stage = 'Cond Agreed' OR
Pipeline_Completo_filtrado_csv.Sales_Stage = 'Won') THEN (
Pipeline_Completo_filtrado_csv.Rep_Rev_Sign_M) ELSE NULL
• Qualified Pipeline en Millones de Dólares
IF (Pipeline_Completo_filtrado_csv.Sales_Stage = 'Qualified' OR
Pipeline_Completo_filtrado_csv.Sales_Stage = 'Cond Agreed' OR
Pipeline_Completo_filtrado_csv.Sales_Stage = 'Won') THEN (
Pipeline_Completo_filtrado_csv.Rep_Rev_Sign_M) ELSE NULL
63
• Conditional Pipeline
IF (Pipeline_Completo_filtrado_csv.Sales_Stage = 'Cond Agreed' OR
Pipeline_Completo_filtrado_csv.Sales_Stage = 'Won') THEN (
Pipeline_Completo_filtrado_csv.Rep_Rev_Sign_M) ELSE NULL
Como fortalezas al momento de dar uso de estos cálculos se presenta que las
fórmulas se acoplan a presentar los resultados de acuerdo a los filtros y vistas que el
usuario quiera presentar.
Después de haber realizado estos cálculos, se da inicio a la creación de la parte
interactiva por parte del usuario.
PARÁMETROS IMPORTANTES
Para ello se tienen como consideraciones importantes:
• Posibilidad de observar en primera instancia la vista general de los resultados
del Universo de Ventas en Latinoamérica, mostrando coberturas, unidades de
negocio, principales clientes, indicadores relevantes, entre otros.
• Observar los resultados del Universo de Ventas general con la opción de filtrar
por vendedor del mercado mexicano, analizando las unidades de negocio,
clientes más importantes con la posibilidad de poder cerrar algún negocio
importante, indicadores de gestión relevantes con interfaz agradable y fácil de
usar.
• Resultados del mercado brasileño, mostrando indicadores relevantes, con la
posibilidad de filtrar por gerente y por vendedor para analizar coberturas,
clientes, rubros para una mejor toma de decisiones.
• Mostrar resultados relevantes para el caso de Sudamérica Hispanohablante,
con la posibilidad de mostrar al usuario los resultados de cada vendedor de la
región y cómo ha ido avanzado con cada una de sus oportunidades, así como
mostrar al usuario en cuales clientes debe centrarse para obtener ganancias a
futuro y para una mejor toma de decisiones.
64
INTERFAZ DINÁMICA DEL UNIVERSO DE VENTAS GENERAL DE LATINOAMERICA
Ilustración 12. Primera parte del Reporte del Universo de Ventas en Latinoamérica (Cognos, 2019)
Esta primera parte del reporte permite al usuario poder filtrar de acuerdo al segmento,
tipo de ingreso, mercado e inclusive el país de la región, permitiendo ver la cantidad
de oportunidades que hay en la semana actual y cuales hubo en la semana pasada.
Por otra parte, en la parte inferior izquierda es visto en millones de dólares la cantidad
de unidades de negocio con las cuales IBM tiene a consideración de cerrar una
oportunidad de negocio. Para detalles más relevantes, el usuario poder seleccionar
cualquiera de las unidades de negocio y dará detalles más relevantes de acuerdo a
las necesidades del usuario. En la parte inferior derecha, se encuentra un gráfico de
torta que indica la cobertura en porcentaje del tipo de ingreso dado en la empresa.
Para comodidad del usuario, si quiere elegir el país de acuerdo al listado que aparece
en la imagen, puede hacerlo, pero también puede seleccionar el país que quiere de
acuerdo a las regiones que se encuentran en oscuro en el mapa de la parte superior
derecha.
65
Ilustración 13. Segunda parte del reporte general del Universo de Ventas en Latinoamérica (Cognos, 2019)
En esta segunda parte, son mostrados gráficos relevantes que muestran en primer
lugar, para la sección superior izquierda una gráfica de barras indicando de acuerdo
a la etapa de ventas qué tanta cantidad en millones de dólares hace parte cada uno.
Importante resaltar que cada una de las gráficas cambian de acuerdo a los filtros que
el usuario quiera hacer.
En la sección superior derecha, la nube de palabras permitirá al usuario filtrar la
información y mostrar importantes estadísticas de acuerdo a la hoja de ruta del
Universo de Ventas. Inferior izquierda por su parte, en un gráfico de barras horizontal,
es posible mostrar al usuario el Top 10 de los clientes más relevantes que hay hasta
el momento con los cuales IBM debería centrarse para cerrar un negocio
determinado, la importancia de cada uno está dado en millones de dólares.
Finalmente, inferior derecha, en la gráfica de puntos de la imagen se observa la
cantidad de oportunidades de negocio con los cuales la compañía cuenta en cada
país de la región.
66
Ilustración 14. Indicadores principales del Universo de Ventas de Latinoamérica (Cognos, 2019)
La imagen superior muestra quizá una de las secciones de mayor relevancia para los
mercados, gerentes y vendedores, puesto que indica los indicadores principales con
los cuales cada uno puede ver cómo están sus resultados, para que puedan ser
analizados y así poder mejorar en la toma de decisiones.
En la parte superior son mostrados los indicadores en millones de dólares del WSR,
el Key Stretch, las oportunidades que han sido ganadas (Won), así como el Universo
de Ventas que se encuentra en los rubros Validated, Qualified y Conditional.
Finalmente, pero no menos importante, es evidenciado el WTW tanto en millones de
dólares como en la diferencia de oportunidades de una semana a otra, el PPV y en
porcentaje el valor del YTY.
Para evidenciar gráficamente cómo ha sido el cambio en millones de dólares la
diferencia entre semanas y entre años, son realizados dos gráficas de tendencias de
gran interés para el usuario, puesto que, el de la parte de inferior izquierda indica en
millones de dólares la comparación por unidad de negocio de la semana actual frente
a la precedente. La gráfica inferior derecha indica, por su parte, la comparación en
millones de dólares hasta la fecha la comparación del comportamiento de las
Unidades de Negocio.
Para añadir mayores detalles al usuario fueron realizadas una serie de tablas fáciles
de interpretar que muestran indicadores del negocio, pero esta vez teniendo en
67
cuenta el mercado, el segmento, así como el tipo de ingreso, las cuales son mostradas
a continuación.
Ilustración 15. Primera parte de la Vista por Tablas dinámicas del comportamiento del Validated Pipeline por Tipo de Ingreso (Cognos, 2019)
Ilustración 16.Ilustración 15. Segunda parte de la Vista por Tablas dinámicas del comportamiento del Validated Pipeline por Tipo de Ingreso (Cognos, 2019)
68
Una de las grandes funcionalidades de Cognos es que, al momento de mostrar
diferentes tipos de resultados, da la opción de poner semáforos teniendo en cuenta
la importancia que éste tenga.
Para este caso particular, teniendo en cuenta que el WTW es indicador importante,
se espera que cada semana este valor vaya aumentando, en caso de ir disminuyendo
se tomará como una señal de alerta, ergo, es rojo para aquellos valores negativos y
verde si este valor es positivo, es decir, de crecimiento.
Esta misma vista del Validated Pipeline es realizada para el Qualified y Conditional
Pipeline respectivamente.
INTEFAZ DEL MERCADO BRASILEÑO DEL UNIVERSO DE VENTAS
Para el caso de los comportamientos de los mercados, la interfaz es muy semejante
a la mostrada en el titulo anterior, la diferencia radica, en que ya es posible filtrar,
además, por el gerente y el vendedor, permitiendo conocer con mayor detalle esta
información y lograr hacer mayor análisis de los indicadores principales.
Ilustración 17. Primera parte del reporte del Universo de Ventas por vendedor en Brasil
Otra característica diferenciadora frente al panel de control general es que fueron
realizadas dos visualizaciones adicionales que indican el cambio en porcentaje de
cobertura YTY a partir de una gráfica de barras mostrada a continuación:
69
Ilustración 18. Cobertura YTY por tipo de ingreso (Cognos, 2019)
El gráfico de la parte superior indica el cambio en términos porcentuales de la
cobertura año a año de cada tipo de ingreso que entra a la compañía, donde puede
tomar para cada caso tanto valores negativos como positivos como negativos, esto
significa que para el caso de que sea positivo es que año a año este valor aumentó
año a año, y lo mismo sucedería para los casos en que esto sea negativo.
Ilustración 19. Comparación Semana a Semana en Millones de Dólares por tipo de ingreso (Cognos, 2019)
El gráfico de la parte superior indica el cambio en términos de millones de dólares
semana a semana por cada tipo de ingreso a la que le es llegada a la compañía.
70
Para una mayor información en términos de unidades de negocio y tipo de ingreso,
es menester tener presente que para cada uno de los indicadores mostrados ya es
posible no solamente filtrar por gerente, en caso de que este quiera ver cómo está su
información, sino también poder filtrar por cada vendedor para conocer a fondo cómo
está la situación con cada uno y ayudar en la toma de decisiones.
Ilustración 20. Detalles del Validated Pipeline con la posibilidad de filtrar por vendedor y por gerente (Cognos, 2019)
El mismo tipo de detalle se presenta en el panel de control tanto para los datos de
Qualified Pipeline como para el caso de los que son Conditional Pipeline mostrando
la cantidad de dinero que está en juego por unidad de negocio, la diferencia en la
71
cantidad de oportunidades semana a semana, el WSR Actual, así como los resultados
YTY.
Esta misma interfaz se obtiene de la misma forma con México y SSA, la diferencia
radical son los gerentes y los vendedores de cada mercado respectivamente.
INTERFAZ DEL MERCADO MEXICANO DEL UNIVERSO DE VENTAS
Ilustración 21. Vistazo general primera parte del Universo de Ventas por vendedor para el caso del mercado mexicano (Cognos, 2019)
Nota: Se omiten las otras partes de esta interfaz al ser muy similar a la
presentada en el mercado brasileño, la diferencia son los gerentes y
vendedores que se ven afectados.
INTERFAZ DEL MERCADO SUDAMERICANO HISPANOHABLANTE (SSA) DEL UNIVERSO DE
VENTAS
Ilustración 22. Vistazo general primera parte del Universo de Ventas por vendedor para el caso del mercado sudamericano (Cognos, 2019)
72
Nota: Se omiten las otras partes de esta interfaz al ser muy similar a la
presentada en el mercado brasileño, la diferencia son los gerentes y
vendedores que se ven afectados.
PRESUPUESTO DEL PROYECTO Costo software (Cognos Analytics) $350.000 / mes
Costo maquinaria $ 1.800.000
Contratación $2.500.000
Imprevistos $300.000
TOTAL $ 4.950.000
RECOMENDACIONES
• Para uso futuro por parte de los empleados de Sales Execution que, si bien
este panel de control reporta los resultados del Universo de Ventas con datos
fehacientes, es menester tener presente que la información, actualizada cada
semana por el equipo de Sales Execution hace necesario que la actualización
de las líneas de código con el enlace del territorio de la semana actual, así
como del Pipeline que se ha ido llevando a cabo.
• Cada actualización del archivo se debe llevar a cabo con cada uno de los tres
códigos programáticos.
• Al momento de llevar el archivo de Excel final editado con R Studio, es
fundamental actualizar el archivo que está en Cognos Analytics. Como aviso
importante, es fundamental que el archivo contenga exactamente la misma
cantidad de columnas que el archivo original con el objetivo de no afectar el
archivo, además, deben llamarse de la misma manera cada columna a fin de
no afectar los resultados del panel de control.
• Importante resaltar que cada una de las fórmulas, gráficos y cualquier tipo de
visualización no es necesaria cambiarla debido a que el sistema de inteligencia
de negocios de Cognos Analytics guarda la información y todo aquel
movimiento que se haya realizado antes. Por lo tanto, en Cognos lo relevante
es actualizar la base de datos semanalmente.
73
• El área de Sales Execution además de realizar labores operativas para
presentar resultados de financieros y de ventas durante un tiempo en
específico, también se encarga de hacer análisis y ahondar en temas que
puedan repercutir al área de Digital Business Group, se recomienda que
explore más los diferentes software con los que cuenta la compañía a fin de
generar resultados más fáciles a la vista del usuario, así como dar mejores
análisis que tengan como fundamento la inteligencia de negocios y la analítica
de datos.
BIBLIOGRAFÍA
Brousseau, E. & Penard, T. (2007). The Economics of Digital Business Models: A
Framework for Analyzing the Economics of Platforms. Review of Network
Economics, 6(2), pp.-. Recuperado 14 sep. 2018, de doi:10.2202/1446-
9022.1112
Edelman, B. (2015). Digital business and e-commerce management. Pearson
Education Limited
Gollapudi et al. (2012). Analysis of Using a Business Intelligence Tool (Cognos) in a
Company to Result in More Efficient and Intuitive Company in the Current Era.
Business intelligence Journal. Vol 5 Issue 2 p405-409. 4p.
Holliman, G., & Rowley, J. (2014). Business to business digital content marketing:
marketers’ perceptions of best practice. Journal of research in interactive
marketing, 8(4), 269-293
IBM (2019). Acerca de Nosotros. Recuperado de www.ibm.com.co
Joyanes Aguilar, L (2010). Computación en nube y centro de datos: La nueva
revolución industrial. ¿Cómo cambiará el trabajo en organizaciones y empresas?
Sociedad y Utopía, 36.
Hagerty, J., Sallam, R. L., & Richardson, J. (2009). Magic Quadrant for Business
Intelligence Platforms. Gartner for Business …, (February), 1–52.
https://doi.org/G00173700
74
Henschen, D. (2015). Gartner BI Magic Cuadrant 2015 Spots Market Turmoil.
InformationWeek. Recuperado de https://www.informationweek.com/big-
data/big-data-analytics/gartner-bi-magic-quadrant-2015-spots-market-
turmoil/d/d-id/1319214
Lepage Chumpitaz, C., & Lepage Chumpitaz, C. (2016). Aplicaciones actuales de la
inteligencia artificial y su uso con la tecnología IBM Watson. Repositorio de
Tesis - UNMSM. Retrieved from http://200.62.146.31/handle/cybertesis/7030
Palacios Preciado, M., & Duque Oliva, E. J. (2017). Modelos de negocio: propuesta
de un marco conceptual para centros de productividad. Administración y
Desarrollo, 39(53), 23. https://doi.org/10.22431/25005227.144
SalesConnect(2019). w3-150.ibm.com/sales/salesconnect/. Recuperado de
https://w3150.ibm.com/sales/salesconnect/?module=Users&action=Authenticate
#bwc/index.php?module=Home&action=index
Teetor, P. (2011). R Cookbook Production Editor : Adam Zaremba Printing History :
Cover Designer : Karen Montgomery Interior Designer : David Futato Illustrator :
Robert Romano.
Wan, H., & Horvath, C. (2015). Dave Chaffey. Biochimica et biophysica acta (Vol.
410). https://doi.org/http://dx.doi.org/10.1016/B978-008044910-4.00148-6
Watson, H. J. (2012). Big Data: Concepts, Technologies, and Applications.
America’s Conference on Information Systems, (August), 34.
https://doi.org/10.17705/1CAIS.03465
White, C. J., & @IBM. (2000). The IBM Business Intelligence Software Solution.
DataBase Associates, (March).
75
ANEXOS
FRAGMENTO DE PIPELINE SEMANAL
Op
p N
oD
etai
l Key
Op
p N
ame
Cu
sto
mer
Cu
sto
mer
Nu
mb
er
L4-9
WE
RI8
Je1
0087
dd-8
bd5-
b0ed
-ab6
f-5af
4837
996e
bS
CC
P -
Ven
ue a
s a
Ser
vice
- O
utso
urci
ng /
Man
aged
Ser
vice
s (T
icke
ting;
Loy
alS
PO
RT
CLU
B C
OR
INTH
IAN
S65
4973
9F-6
FJZ
GIU
17de
40fd
-b50
c-a9
10-e
9e8-
5b8f
e4ff0
4ba
SC
CP
- A
MS
(Tic
ketin
g, L
oyal
ty P
rogr
am a
nd A
rena
AS
PO
RT
CLU
B C
OR
INTH
IAN
S65
4973
9T-2
N77
AW
N7d
25b8
0f-e
bb7-
2300
-e3d
9-59
d3be
efde
a9N
ew L
ogo
Ser
vice
s B
HD
Cus
tom
er.
BA
NC
O M
ULT
IPLE
BH
D L
EO
NP
0007
2
GX
-Y32
88I7
197a
11fa
-ad5
2-56
41-b
cee-
5a73
41d7
9d1d
Bac
k O
ffice
Cog
nitiv
o C
onta
s M
édic
asC
EN
TRA
L N
AC
ION
AL
UN
IME
D -
6334
62
LD-F
FC
PM
375d
d006
fa-d
375-
eb04
-2eb
b-5b
2ae8
2bf5
53C
OF
CO
Bra
zil S
AP
Impl
emen
tatio
n B
razi
l - P
roje
ct2
CO
FC
O IN
TER
NA
TIO
NA
L B
RA
SIL
4111
25
J8-T
9NJS
9C8a
5c94
94-1
aa8-
56db
-537
4-57
114d
ee2b
72G
TSA
OE
- S
O In
tegr
alU
NIV
ER
SID
AD
PE
RU
AN
A D
E C
IEN
CIA
S77
3300
JQ-F
9W85
BJ
53b1
ec6a
-d8a
b-2c
47-e
479-
5b86
a6a5
bed8
Fas
e 2b
: ATM
(mon
itora
men
to)
AU
TOP
AS
S S
.A.
9464
32
9B-B
FR
76IR
6945
43b8
-fa07
-9e7
7-b2
b9-5
b229
93e3
b13
GB
S In
tero
pera
bilid
ad c
apa
de o
pera
ciín
y c
onsu
ltoria
SIE
ME
NS
S.A
.87
9096
TE-U
06U
SA
P62
4064
0b-2
14d-
0cb2
-9ba
1-5b
0784
52fc
32N
exus
-Ser
vici
os d
e ad
min
istra
ción
del
zO
PE
RA
DO
RA
DE
TA
RJE
TAS
DE
CR
ED
ITO
0536
00
XJ-
4JH
BQ
Y02f
15a2
3d-fd
14-8
9e6-
7dce
-598
0a39
5545
4IB
M S
TG H
W R
EF
RE
SH
(RIS
C in
c. S
TOR
AG
E e
INTE
L) +
GE
STA
O d
e IN
FR
A (
CO
LO e
mC
ER
VE
JAR
IA P
ETR
OP
OLI
S S
/A56
9817
BX
-897
UR
EF
6792
4d6b
-613
5-38
ae-3
d92-
5994
69bc
40de
AD
P G
TS C
ON
TRA
CT
RE
NE
GO
CIA
TIO
N -
BR
AD
P B
RA
SIL
LTD
A.
8242
03
VO
-8X
NA
Y73
4ac0
3fe7
-83a
d-c2
92-2
9cc-
5a97
38e7
02ba
Ser
vici
os d
e Te
lem
etría
y A
nalít
ica
AU
TOM
OTO
RE
S Y
AN
EX
OS
S.A
1043
20
06-G
XI4
G3M
d094
c1f5
-3cb
f-b62
a-6e
8b-5
9d27
6be9
c65
BP
O R
H L
atam
AK
ZO N
OB
EL
LTD
A.
8510
06
ZP-6
6DO
EI3
bca9
a49b
-06e
f-2ac
4-1b
5b-5
a2e8
c3b4
0e9
Out
sour
cing
de
Dat
a C
ente
rsLA
FA
BR
IL S
.A.
5500
00
L4-9
WE
RI8
J60
593a
62-d
d87-
5dc0
-174
e-5b
7c69
cf78
49S
CC
P -
Ven
ue a
s a
Ser
vice
- O
utso
urci
ng /
Man
aged
Ser
vice
s (T
icke
ting;
Loy
alS
PO
RT
CLU
B C
OR
INTH
IAN
S65
4973
-SS
8AX
ZDc1
7996
8a-fe
e1-1
dbe-
c223
-5b9
d298
1019
6C
h - 2
1277
10 -
RF
P C
oloc
atio
n - G
rupo
Pos
itivo
PO
SIT
IVO
AD
MIN
ISTR
AD
OR
A D
E B
EN
9499
89
YQ-0
VC
N1R
B37
3703
ab-b
d84-
6ac4
-a9d
3-5b
4683
5776
75D
esar
rollo
fron
t end
teso
reria
BC
O IN
TER
NA
CIO
NA
L G
ER
EN
CIA
DE
0575
00
M7-
M1N
08X
A88
669b
ef-9
f91-
a1b6
-bc8
7-5b
0c65
4e89
d1E
NE
L - L
OT
3 A
RG
- A
pplic
atio
n S
ervi
ces
rela
ted
to G
RID
Are
aE
DE
SU
R S
.A.
2183
30
TY-3
BP
A2Z
568
6e03
3f-6
281-
2911
-e99
5-59
a958
1f29
88S
ervi
ceN
ow p
ara
CS
C -
Influ
enci
a B
P A
lpar
serv
ice
SE
R E
DU
CA
CIO
NA
L S
A02
1319
V2-
SK
ED
PTP
4b87
b27b
-b0e
8-47
a7-3
ff3-5
ad0c
e00a
014
WC
S /
OM
S /
MK
TG ->
Difa
rma
(Cru
z ve
rde)
Difa
rma
S.A
P01
649
Secto
r/With
GBE
Custo
mer S
etIS
U/GB
Seg
ment
Busin
ess U
nit G
roup
Busin
ess U
nit S
ub G
roup
Repo
rt Un
it Cod
eLe
vel 2
0Le
vel 3
0Do
mina
nt B
usine
ss U
nitGe
oMa
rket
Repo
rting
Cou
ntry
Repo
r Cou
ntry
Fcst/
Dec D
ateFc
st/De
c Qtr
Fcst/
Dec Y
ear
Fcst/
Dec P
eriod
Fcst/
Dec Q
uarte
r Sele
ction
Reve
nue T
ype
Rep R
ev/S
ign ($
M)
Comm
ercial
Comm
ercial
COMM
ERCI
ALGT
SInf
rastru
cture
Svcs
Infras
tructu
re Sv
csGS
S1GS
/S80
01Inf
rastru
cture
Svcs
Latin
Ame
rica
Braz
ilBr
azil
Braz
ilDe
c 21,
2018
Q420
1820
18Q4
CQSi
gning
s20
.740
Comm
ercial
Comm
ercial
COMM
ERCI
ALGB
SCl
oud A
pp In
nov
Clou
d App
Inno
vGS
DXGS
/CBI1
6Cl
oud A
pp In
nov
Latin
Ame
rica
Braz
ilBr
azil
Braz
ilDe
c 14,
2018
Q420
1820
18Q4
CQSi
gning
s13
.673
Comm
ercial
Comm
ercial
COMM
ERCI
ALGT
SInf
rastru
cture
Svcs
Infras
tructu
re Sv
csGS
35GS
/O80
28Inf
rastru
cture
Svcs
Latin
Ame
rica
SSA
Domi
nican
Rep
.Do
minic
an R
ep.
Nov 3
0, 20
18Q4
2018
2018
Q4CQ
Sign
ings
12.00
0
Comm
ercial
Comm
ercial
COMM
ERCI
ALGB
SCo
g Proc
ess T
rnsfm
tnCo
g Proc
ess T
rnsfm
tnGS
DAGS
DA/U
NKCo
g Proc
ess T
rnsfm
tnLa
tin A
meric
aBr
azil
Braz
ilBr
azil
Nov 3
0, 20
18Q4
2018
2018
Q4CQ
Sign
ings
10.00
0
Comm
ercial
Comm
ercial
COMM
ERCI
ALGB
SCl
oud A
pp In
nov
Clou
d App
Inno
vGS
AYGS
/EAS
05Cl
oud A
pp In
nov
Latin
Ame
rica
Braz
ilBr
azil
Braz
ilNo
v 30,
2018
Q420
1820
18Q4
CQSi
gning
s9.7
29
Comm
ercial
Comm
ercial
COMM
ERCI
ALGT
SInf
rastru
cture
Svcs
Infras
tructu
re Sv
csGS
O1GS
/O80
30Inf
rastru
cture
Svcs
Latin
Ame
rica
SSA
Peru
Peru
Dec 2
8, 20
18Q4
2018
2018
Q4CQ
Sign
ings
9.500
Comm
ercial
Comm
ercial
COMM
ERCI
ALGT
SInf
rastru
cture
Svcs
Infras
tructu
re Sv
csGS
52GS
/S40
35Inf
rastru
cture
Svcs
Latin
Ame
rica
Braz
ilBr
azil
Braz
ilDe
c 10,
2018
Q420
1820
18Q4
CQSi
gning
s9.3
02
Comm
ercial
Comm
ercial
COMM
ERCI
ALGB
SCl
oud A
pp In
nov
Clou
d App
Inno
vGS
DVGS
/A04
17Cl
oud A
pp In
nov
Latin
Ame
rica
SSA
Colom
biaCo
lombia
Oct 2
4, 20
18Q4
2018
2018
Q4CQ
Sign
ings
8.000
Comm
ercial
Comm
ercial
COMM
ERCI
ALGT
SInf
rastru
cture
Svcs
Infras
tructu
re Sv
csGS
O1GS
/O80
00Inf
rastru
cture
Svcs
Latin
Ame
rica
SSA
Chile
Chile
Dec 3
1, 20
18Q4
2018
2018
Q4CQ
Sign
ings
7.763
Comm
ercial
Comm
ercial
COMM
ERCI
ALGT
SInf
rastru
cture
Svcs
Infras
tructu
re Sv
csGS
T4GS
/GPP
K8Inf
rastru
cture
Svcs
Latin
Ame
rica
Braz
ilBr
azil
Braz
ilNo
v 30,
2018
Q420
1820
18Q4
CQSi
gning
s7.5
75
Comm
ercial
Comm
ercial
COMM
ERCI
ALGT
SInf
rastru
cture
Svcs
Infras
tructu
re Sv
csGS
S1GS
/S22
45Inf
rastru
cture
Svcs
Latin
Ame
rica
Braz
ilBr
azil
Braz
ilDe
c 12,
2018
Q420
1820
18Q4
CQSi
gning
s7.5
29
Comm
ercial
Comm
ercial
COMM
ERCI
ALGT
SInf
rastru
cture
Svcs
Infras
tructu
re Sv
csGS
25GS
/S30
21Inf
rastru
cture
Svcs
Latin
Ame
rica
SSA
Ecua
dor
Ecua
dor
Dec 2
8, 20
18Q4
2018
2018
Q4CQ
Sign
ings
5.792
Comm
ercial
Comm
ercial
COMM
ERCI
ALGB
SCo
g Proc
ess T
rnsfm
tnCo
g Proc
ess T
rnsfm
tnGS
BHGS
/BH1
21Co
g Proc
ess T
rnsfm
tnLa
tin A
meric
aBr
azil
Braz
ilBr
azil
Nov 2
9, 20
18Q4
2018
2018
Q4CQ
Sign
ings
4.784
Comm
ercial
Comm
ercial
COMM
ERCI
ALGT
SInf
rastru
cture
Svcs
Infras
tructu
re Sv
csGS
S1GS
/S50
14Inf
rastru
cture
Svcs
Latin
Ame
rica
SSA
Ecua
dor
Ecua
dor
Dec 2
7, 20
18Q4
2018
2018
Q4CQ
Sign
ings
4.500
Comm
ercial
Comm
ercial
COMM
ERCI
ALGT
SInf
rastru
cture
Svcs
Infras
tructu
re Sv
csGS
S4GS
/S40
22Inf
rastru
cture
Svcs
Latin
Ame
rica
Braz
ilBr
azil
Braz
ilDe
c 21,
2018
Q420
1820
18Q4
CQSi
gning
s4.0
80
Comm
ercial
Comm
ercial
COMM
ERCI
ALGT
SInf
rastru
cture
Svcs
Infras
tructu
re Sv
csGS
06GS
/O80
03Inf
rastru
cture
Svcs
Latin
Ame
rica
Braz
ilBr
azil
Braz
ilDe
c 14,
2018
Q420
1820
18Q4
CQSi
gning
s4.0
00
Comm
ercial
Comm
ercial
COMM
ERCI
ALGB
SCl
oud A
pp In
nov
Clou
d App
Inno
vGS
DVGS
/A02
71Cl
oud A
pp In
nov
Latin
Ame
rica
SSA
Chile
Chile
Dec 2
1, 20
18Q4
2018
2018
Q4CQ
Sign
ings
3.700
Comm
ercial
Comm
ercial
COMM
ERCI
ALGB
SCl
oud A
pp In
nov
Clou
d App
Inno
vGS
DXGS
/CBI1
6Cl
oud A
pp In
nov
Latin
Ame
rica
SSA
Arge
ntina
Arge
ntina
Oct 1
, 201
8Q4
2018
2018
Q4CQ
Sign
ings
3.680
Comm
ercial
Comm
ercial
COMM
ERCI
ALGT
SInf
rastru
cture
Svcs
Infras
tructu
re Sv
csGS
25GS
/S30
20Inf
rastru
cture
Svcs
Latin
Ame
rica
Braz
ilBr
azil
Braz
ilNo
v 30,
2018
Q420
1820
18Q4
CQSi
gning
s3.6
48
Comm
ercial
Comm
ercial
COMM
ERCI
ALW
atson
Cus
t Eng
age
Wats
on M
ktg &
Com
mW
atson
Mktg
& C
omm
CESS
SW/W
EBSV
Wats
on M
ktg &
Com
mLa
tin A
meric
aSS
ACh
ileCh
ileDe
c 20,
2018
Q420
1820
18Q4
CQSi
gning
s3.3
00
76
Unive
rsal S
ize C
ode
Deal
Size
Meas
Rog
ue C
ode
Dtl O
dds
Prior
S/S
S/SS/S
Nam
eSS
M St
ep N
ame
S/S U
pdate
Date
Elaps
ed D
ays i
n S/S
Win/L
oss D
ateAr
chive
Rea
son C
ode
Arch
ive R
easo
n
19$1
0M - $
50M
N75
0405
05-Q
ualifie
d/Gain
ing Ag
reeme
ntQu
alifie
dJu
l 25,
2018
133
Dec 2
1, 20
18*
UNAS
SIGNE
D
19$1
0M - $
50M
N10
0405
05-Q
ualifie
d/Gain
ing Ag
reeme
ntQu
alifie
dOc
t 8, 2
018
58De
c 14,
2018
*UN
ASSIG
NED
19$1
0M - $
50M
N10
0410
10-C
ustom
er Di
d Not
Pursu
eLo
stJu
n 15,
2018
173
Nov 3
0, 20
18EC
Busin
ess p
riority
chan
ged
19$1
0M - $
50M
N10
0209
09-N
o Bid
Lost
Sep 1
9, 20
1877
Nov 3
0, 20
18NE
Low o
dds o
f winn
ing
7$5
M - $
10M
N10
006
0707
-Won
/Imple
menti
ngWo
nNo
v 28,
2018
7No
v 30,
2018
WMIBM
incu
mben
cy ad
vanta
ge
19$1
0M - $
50M
N10
0410
10-C
ustom
er Di
d Not
Pursu
eLo
stMa
y 7, 2
018
212
Dec 2
8, 20
18EC
Busin
ess p
riority
chan
ged
7$5
M - $
10M
N10
0309
09-N
o Bid
Lost
Sep 1
9, 20
1877
Dec 1
0, 20
18NR
Dupli
cate
oppo
rtunit
y
7$5
M - $
10M
N10
0410
10-C
ustom
er Di
d Not
Pursu
eLo
stSe
p 20,
2018
76Oc
t 24,
2018
ELCli
ent to
ok in
-hous
e
7$5
M - $
10M
N25
0506
06-C
ond A
greed
/Clos
ingCo
nditio
nal A
greem
ent
Nov 2
1, 20
1814
Dec 3
1, 20
18*
UNAS
SIGNE
D
7$5
M - $
10M
N25
0405
05-Q
ualifie
d/Gain
ing Ag
reeme
ntQu
alifie
dAu
g 16,
2017
476
Nov 3
0, 20
18*
UNAS
SIGNE
D
7$5
M - $
10M
N25
0405
05-Q
ualifie
d/Gain
ing Ag
reeme
ntQu
alifie
dOc
t 11,
2018
55De
c 12,
2018
*UN
ASSIG
NED
7$5
M - $
10M
N50
0506
06-C
ond A
greed
/Clos
ingCo
nditio
nal A
greem
ent
Nov 2
1, 20
1814
Dec 2
8, 20
18*
UNAS
SIGNE
D
6$1
M - $
5MN
1005
1111
-Lost
to Co
mpeti
tion
Lost
Sep 2
1, 20
1875
Nov 2
9, 20
18ZJ
Comp
etitor
offer
ed su
perio
r pric
ing.
6$1
M - $
5MN
1003
0909
-No B
idLo
stJu
n 5, 2
018
183
Dec 2
7, 20
18ND
Easy
Pass
- not
a vali
d lea
d
19$1
0M - $
50M
N75
0405
05-Q
ualifie
d/Gain
ing Ag
reeme
ntQu
alifie
dJu
l 25,
2018
133
Dec 2
1, 20
18*
UNAS
SIGNE
D
6$1
M - $
5MN
1004
0909
-No B
idLo
stOc
t 3, 2
018
63De
c 14,
2018
NGBid
reso
urces
not a
vaila
ble
6$1
M - $
5MN
2505
1010
-Cus
tomer
Did N
ot Pu
rsue
Lost
Sep 2
7, 20
1869
Dec 2
1, 20
18EH
Delay
ed in
defin
itely
6$1
M - $
5MN
2504
1010
-Cus
tomer
Did N
ot Pu
rsue
Lost
Aug 1
3, 20
1811
4Oc
t 1, 2
018
EHDe
layed
inde
finite
ly
6$1
M - $
5MN
1005
1111
-Lost
to Co
mpeti
tion
Lost
Nov 5
, 201
830
Nov 3
0, 20
18ZJ
Comp
etitor
offer
ed su
perio
r pric
ing.
Opp C
reate
Date
Opp U
pdate
Date
Detai
l Cre
ate D
ateDe
tail C
reato
rDe
tail U
pdate
Date
Detai
l Upd
ater
Chan
nel C
ode
Chan
nel
BP ID
BP C
ompa
ny
May 1
0, 20
18De
c 4, 2
018
May 1
0, 20
18De
lla Li
bera
Junio
r, Ersi
o Jos
eDe
c 3, 2
018
HITOM
I HINO
, ANA
FSFie
ld Sa
les*
Unkn
own
Sep 5
, 201
8De
c 4, 2
018
Sep 5
, 201
8BO
RNHO
FEN,
JOSE
MAU
RODe
c 4, 2
018
BORN
HOFE
N, JO
SE M
AURO
FSFie
ld Sa
les*
Unkn
own
Oct 3
, 201
7Ju
n 15,
2018
Oct 3
, 201
7CH
AVES
HER
NAND
EZ, S
ANDR
AFe
b 18,
2018
SFA,
SFA
*FUN
CTIO
NALID
*FS
Field
Sales
*Un
know
n
Feb 1
, 201
8Se
p 19,
2018
Feb 1
, 201
8CA
NDID
O LE
MES
BENA
VENT
CA,
CAM
ILAOc
t 17,
2018
SFA,
SFA
*FUN
CTIO
NALID
*FS
Field
Sales
*Un
know
n
Jun 2
0, 20
18No
v 28,
2018
Jun 2
0, 20
18Mo
nteiro
Pag
ano,
Danie
lNo
v 29,
2018
REZE
NDE
AROU
CHE
DE TO
LEDO
, LUIS
HEN
RIQUE
FSFie
ld Sa
les*
Unkn
own
Apr 1
5, 20
16Ma
y 7, 2
018
Apr 1
5, 20
16VE
RONIC
A AM
ELIAA
LFAR
O CU
ADRO
SMa
y 7, 2
018
Aram
buru
Pazo
s, Ab
elardo
FSFie
ld Sa
les*
Unkn
own
Aug 2
9, 20
18De
c 4, 2
018
Aug 2
9, 20
18SA
NTI, R
ODRIG
O DE
Nov 1
7, 20
18SF
A, S
FA *F
UNCT
IONA
LID*
FSFie
ld Sa
les*
Unkn
own
Jun 1
4, 20
18Oc
t 23,
2018
Jun 1
4, 20
18GA
RCIA
GUTIE
RREZ
, JAV
IER A
NDRE
SSe
p 27,
2018
VELA
SQUE
Z ESC
OBAR
, SER
GIO
FSFie
ld Sa
les*
Unkn
own
Apr 1
2, 20
18No
v 25,
2018
May 2
5, 20
18DE
FREIT
AS, R
OSA
MARIB
ELNo
v 21,
2018
Pach
ajoa M
ejia,
Maria
Ferna
nda
FSFie
ld Sa
les*
Unkn
own
Aug 1
, 201
7De
c 5, 2
018
Aug 1
, 201
7FA
BIO G
ILBER
TODA
SILV
EIRA
BUEN
ODe
c 5, 2
018
SILVA
ZANE
TTI, K
ARIN
FSFie
ld Sa
les*
Unkn
own
Aug 1
6, 20
17No
v 28,
2018
Aug 1
6, 20
17IRI
NEU
PERE
IRA B
UENO
, AMA
NDA
LUIZA
Nov 2
2, 20
18FE
RREIR
A, JO
SE A
NIBAL
FSFie
ld Sa
les*
Unkn
own
Feb 2
8, 20
18De
c 5, 2
018
Feb 2
8, 20
18AL
VARA
DO C
ORDE
RO, P
EDRO
Dec 5
, 201
8Mo
reira
Andra
de, M
aria L
ucrec
iaFS
Field
Sales
*Un
know
n
Oct 2
, 201
7Oc
t 24,
2018
Oct 2
, 201
7de
Carv
alho R
igitan
o, Lu
isaOc
t 20,
2018
SFA,
SFA
*FUN
CTIO
NALID
*TC
Telec
overa
ge*
Unkn
own
Dec 1
1, 20
17Ju
n 5, 2
018
Dec 1
1, 20
17PA
TRIC
IASAN
CHEZ
NUN
EZMa
r 1, 2
018
PATR
ICIAS
ANCH
EZ N
UNEZ
FSFie
ld Sa
les*
Unkn
own
May 1
0, 20
18De
c 4, 2
018
Aug 2
1, 20
18Fe
rreira
Mart
ins, F
abian
oDe
c 3, 2
018
HITOM
I HINO
, ANA
FSFie
ld Sa
les*
Unkn
own
Sep 1
5, 20
18Oc
t 3, 2
018
Sep 1
5, 20
18RO
DACK
I, AND
REA
CRIST
INAOc
t 4, 2
018
VERIS
SIMO,
FLAV
IOFS
Field
Sales
*Un
know
n
Jul 1
1, 20
18Se
p 27,
2018
Jul 1
1, 20
18QU
IROGA
CAR
VAJA
L, SIL
VIA C
AROL
AOc
t 4, 2
018
ALVA
REZ D
OMING
UEZ,
JOSE
ANT
ONIO
FSFie
ld Sa
les*
Unkn
own
May 2
8, 20
18Au
g 13,
2018
May 2
8, 20
18BO
RNHO
FEN,
JOSE
MAU
ROAu
g 16,
2018
Palom
ino, A
ntone
la Ro
mina
FSFie
ld Sa
les*
Unkn
own
Sep 1
, 201
7No
v 5, 2
018
Sep 1
, 201
7LO
ES, L
EAND
RO TH
IMES
Nov 8
, 201
8So
uza,
Lean
dro V
iana D
eFS
Field
Sales
*Un
know
n
Apr 1
2, 20
18De
c 4, 2
018
Apr 1
3, 20
18FR
ESCO
MAR
TINEZ
, MAR
CIA
PAUL
INANo
v 26,
2018
PERA
LTA,
LEAN
DRO
FSFie
ld Sa
les*
Unkn
own
Dec 1
6, 20
15Se
p 18,
2018
Dec 1
6, 20
15KR
OBOT
H, G
UILLE
RMO
Sep 2
0, 20
18KR
OBOT
H, G
UILLE
RMO
FSFie
ld Sa
les*
Unkn
own
Sep 6
, 201
8No
v 8, 2
018
Sep 6
, 201
8VE
LASQ
UEZ E
SCOB
AR, S
ERGI
OOc
t 3, 2
018
ARDI
LA M
OSQU
ERA,
DIAN
A MA
RCEL
AFS
Field
Sales
*Un
know
n
77
Iden
tifier
Use
r ID
Iden
tifier
Owne
r Use
r ID
Owne
rLo
tus M
ailCl
ient R
ep U
ser I
DCl
ient R
epTi
er ID
Tier
Indu
stry
Indu
stry
Cod
e
0342
9963
1De
lla Li
bera
Junio
r, Er
sio Jo
se04
3838
631
CARO
N JU
NIOR
, SER
GIO
Serg
io Ca
ron J
r/Bra
zil/IB
M@
IBM
BR06
3840
631
Fran
cisco
Mar
esca
Neto
T6Co
mm
ercia
l Acc
ounts
Med
ia &
Enter
tainm
ent
K
0666
5463
1BO
RNHO
FEN,
JOSE
MAU
RO11
8966
631
OLIV
EIRA
NEV
ES, E
DUAR
DOEd
uard
o Oliv
eira N
eves
/Bra
zil/IB
M@
IBM
BR06
3840
631
Fran
cisco
Mar
esca
Neto
T6Co
mm
ercia
l Acc
ounts
Med
ia &
Enter
tainm
ent
K
C134
1066
1CH
AVES
HER
NAND
EZ, S
ANDR
AC1
3410
661
CHAV
ES H
ERNA
NDEZ
, SAN
DRA
Sand
ra C
have
s/Colo
mbia
/IBM
@IB
MCO
0943
3866
1Ri
obue
no Lo
pez,
Hilar
ioT6
Com
mer
cial A
ccou
ntsBa
nking
F
1185
0163
1CA
NDID
O LE
MES
BEN
AVEN
T CA
, CAM
ILA11
8501
631
CAND
IDO
LEM
ES B
ENAV
ENT
CA, C
AMILA
Cam
ila C
andid
o Lem
es B
enav
ent C
aldas
/Bra
zil/IB
M@
IBM
BRUN
ASSI
GNED
*T6
Com
mer
cial A
ccou
ntsHe
althc
are
H
0158
4963
1M
ontei
ro P
agan
o, Da
niel
1227
8063
1RE
ZEND
E AR
OUCH
E DE
TOL
EDO,
LUIS
HEN
RIQU
ELu
is Ar
ouch
e/Bra
zil/IB
M@
IBM
BR04
6275
631
NIGR
O, N
ILSON
DE
SOUZ
AT6
Com
mer
cial A
ccou
ntsW
holes
ale D
istrib
ution
& S
ervic
esW
P106
6081
5VE
RONI
CA A
MEL
IAAL
FARO
CUA
DROS
0556
1081
5Ar
ambu
ru P
azos
, Abe
lardo
Abela
rdo A
ram
buru
Paz
os/P
eru/I
BM@
IBM
PEP9
6435
815
FREI
TAS
CRES
PO, A
UGUS
TOT6
Com
mer
cial A
ccou
ntsEd
ucati
onE
1156
1363
1SA
NTI, R
ODRI
GO D
E11
5613
631
SANT
I, ROD
RIGO
DE
Rodr
igo de
San
ti/Bra
zil/IB
M@
IBM
BR04
6600
631
DE S
OUZA
PIN
TO, S
UELI
RAM
OST6
Com
mer
cial A
ccou
ntsW
holes
ale D
istrib
ution
& S
ervic
esW
C354
7066
1GA
RCIA
GUT
IERR
EZ, J
AVIE
R AN
DRES
C811
0066
1VE
LASQ
UEZ
ESCO
BAR,
SER
GIO
Serg
io Ve
lasqu
ez/C
olom
bia/IB
M@
IBM
COC3
5470
661
GARC
IA G
UTIE
RREZ
, JAV
IER
ANDR
EST6
Com
mer
cial A
ccou
ntsTe
lecom
mun
icatio
nsA
H753
5665
5SA
NCHE
Z OR
OPEZ
A, K
AREL
ITA06
7751
655
Cruz
at Et
cheb
erry,
Cris
tian
Crist
ian C
ruza
t/Chil
e/IBM
@IB
MH7
5356
655
SANC
HEZ
OROP
EZA,
KAR
ELITA
T6Co
mm
ercia
l Acc
ounts
Fina
ncial
Mar
kets
S
0740
9063
1FA
BIO
GILB
ERTO
DA S
ILVEI
RA B
UENO
0342
9963
1De
lla Li
bera
Junio
r, Er
sio Jo
seEr
sio Jo
se D
ella L
ibera
Junio
r/Bra
zil/IB
M@
IBM
BR04
6275
631
NIGR
O, N
ILSON
DE
SOUZ
AT6
Com
mer
cial A
ccou
ntsCo
nsum
er P
rodu
ctsD
0944
0063
1BA
RBOS
A SA
BATIN
E, H
ENRI
QUE
0520
3663
1FE
RREI
RA, J
OSE
ANIB
ALJo
se A
nibal
Ferre
ira/B
razil
/IBM
@IB
MBR
5032
7989
7TS
APEP
AS, G
IORG
OS S
(Gior
gos)
T6Co
mm
ercia
l Acc
ounts
Com
puter
Ser
vices
B
E262
1268
3AL
VARA
DO C
ORDE
RO, P
EDRO
0942
9668
3M
ENA
VELA
SCO,
EDG
AR S
ANTIA
GOSa
ntiag
o Men
a/Ecu
ador
/IBM
@IB
MEC
E157
2668
3FR
EIRE
LEON
, IVAN
ALE
JAND
ROT6
Com
mer
cial A
ccou
ntsAu
tomoti
veJ
0799
2263
1de
Car
valho
Rigi
tano,
Luisa
0344
4863
1M
OTTA
DE
OLIV
EIRA
, GUS
TAVO
LUCI
OGu
stavo
Oliv
eira/B
razil
/IBM
@IB
MBR
UNAS
SIGN
ED*
T6Co
mm
ercia
l Acc
ounts
Autom
otive
J
2621
4683
PATR
ICIA
SANC
HEZ
NUNE
Z26
2146
83PA
TRIC
IASA
NCHE
Z NU
NEZ
MUL
TIPLE
CLIE
NTRE
PM
ULTIP
LECL
IENT
REP
T6Co
mm
ercia
l Acc
ounts
Retai
lR
0342
9963
1De
lla Li
bera
Junio
r, Er
sio Jo
se04
3838
631
CARO
N JU
NIOR
, SER
GIO
Serg
io Ca
ron J
r/Bra
zil/IB
M@
IBM
BR06
3840
631
Fran
cisco
Mar
esca
Neto
T6Co
mm
ercia
l Acc
ounts
Med
ia &
Enter
tainm
ent
K
0932
9463
1RO
DACK
I, AND
REA
CRIS
TINA
9757
5363
1VE
RISS
IMO,
FLA
VIO
Flavio
Ver
issim
o/Bra
zil/IB
M@
IBM
BR09
3294
631
RODA
CKI, A
NDRE
A CR
ISTIN
AT6
Com
mer
cial A
ccou
ntsEl
ectro
nics
L
H737
0465
5QU
IROG
A CA
RVAJ
AL, S
ILVIA
CAR
OLA
H606
5165
5AL
VARE
Z DO
MIN
GUEZ
, JOS
E AN
TONI
OJo
se A
ntonio
Alva
rez D
oming
uez/C
hile/I
BM@
IBM
CLM
ULTIP
LECL
IENT
REP
MUL
TIPLE
CLIE
NTRE
PT6
Com
mer
cial A
ccou
ntsBa
nking
F
0666
5463
1BO
RNHO
FEN,
JOSE
MAU
RO05
4026
631
Gonc
alves
da R
ocha
Junio
r, Jo
seJo
se G
onca
lves D
a Roc
ha Ju
nior/B
razil
/IBM
@IB
MBR
0773
6461
3Ca
rrera
s Lau
ri, Ab
rilT6
Com
mer
cial A
ccou
ntsEn
ergy
& U
tilitie
sU
0273
0763
1LO
ES, L
EAND
RO T
HIM
ES11
9323
631
Souz
a, Le
andr
o Vian
a De
Lean
dro V
iana d
e Sou
za/B
razil
/IBM
@IB
MBR
1197
7763
1M
ITIE
ARIG
A YA
MAO
KA, N
ANCY
T6Co
mm
ercia
l Acc
ounts
Educ
ation
E
0358
1165
5W
hite P
erez
, Mau
ricio
Aleja
ndro
0358
1165
5W
hite P
erez
, Mau
ricio
Aleja
ndro
Mau
ricio
Aleja
ndro
Whit
e Per
ez/C
hile/I
BM@
IBM
CLUN
ASSI
GNED
*T6
Com
mer
cial A
ccou
ntsPr
ofess
ional
Servi
ces
C
H690
9165
5KR
OBOT
H, G
UILL
ERM
OH6
9091
655
KROB
OTH,
GUI
LLER
MO
Guille
rmo J
avier
Kro
both/
Chile
/IBM
@IB
MCL
P106
6081
5VE
RONI
CA A
MEL
IAAL
FARO
CUA
DROS
T6Co
mm
ercia
l Acc
ounts
Insura
nce
N
C811
0066
1VE
LASQ
UEZ
ESCO
BAR,
SER
GIO
C811
0066
1VE
LASQ
UEZ
ESCO
BAR,
SER
GIO
Serg
io Ve
lasqu
ez/C
olom
bia/IB
M@
IBM
COC2
9528
661
HERN
ANDE
Z PA
RRA,
PAO
LA A
NDRE
AT6
Com
mer
cial A
ccou
ntsFi
nanc
ial M
arke
tsS
C367
7066
1BU
ITRAG
O RO
DRIG
UEZ,
OSC
AR JA
VIER
0669
2766
1Ac
eved
o Par
ra, J
aime A
lfredo
Jaim
e Alfre
do A
ceve
do P
arra
/Colo
mbia
/IBM
@IB
MCO
MUL
TIPLE
CLIE
NTRE
PM
ULTIP
LECL
IENT
REP
T6Co
mm
ercia
l Acc
ounts
Profe
ssion
al Se
rvice
sC
P972
8981
5CL
AUX
BLOC
K, T
ALIA
P972
8981
5CL
AUX
BLOC
K, T
ALIA
Talia
Clau
x/Per
u/IBM
@IB
MPE
MUL
TIPLE
CLIE
NTRE
PM
ULTIP
LECL
IENT
REP
T6Co
mm
ercia
l Acc
ounts
Gove
rnm
ent, S
tate/P
rovin
cial/L
ocal
G
Sub
Indu
stry
Sub
Indu
stry
Cod
eS
uper
INA
C C
ode
Sup
er IN
AC
INA
C C
ode
INA
CLI
OLI
O U
ser I
DLI
O S
eria
l No
Pro
duct
Typ
eP
rodu
ct M
odel
Seg
men
t Cod
e
Adv
ertis
ing
KF
UN
AS
CA
RO
N J
UN
IOR
, SE
RG
IO04
3838
631
0438
382
Adv
ertis
ing
KF
UN
AS
BO
RN
HO
FEN
, JO
SE
MA
UR
O06
6654
631
0666
542
Ban
king
- O
ther
FAU
NA
SA
LFR
ED
O M
AN
UE
LLA
SS
US
LU
NA
P46
0418
15P
4604
12
Hea
lthca
re O
ther
HE
UN
AS
Gem
ma
Reb
ollo
Fra
ncis
coD
a S
ilva
1037
5963
110
3759
2
Who
lesa
le -
Food
/Foo
d S
vc/D
rug
WN
5397
CO
FCO
CO
RP
OR
ATI
ON
5397
CO
FCO
CO
RP
OR
ATI
ON
RE
ZEN
DE
AR
OU
CH
E D
E T
OLE
DO
, LU
IS H
EN
RIQ
UE
1227
8063
112
2780
2
Hig
her E
duca
tion
EA
4832
LAU
RE
ATE
ED
UC
ATI
ON
INC
4832
LAU
RE
ATE
ED
UC
ATI
ON
INC
Ara
mbu
ru P
azos
, Abe
lard
o05
5610
815
0556
102
Who
lesa
le -
Ser
vice
sW
QU
NA
SS
AN
TI, R
OD
RIG
O D
E11
5613
631
1156
132
Tele
com
mun
icat
ions
Net
gen
AW
7954
SIE
ME
NS
7954
SIE
ME
NS
VE
LAS
QU
EZ
ES
CO
BA
R, S
ER
GIO
C81
1006
61C
8110
02
Fina
ncia
l Mar
kets
- O
ther
SB
UN
AS
Cru
zat E
tche
berry
, Cris
tian
0677
5165
506
7751
2
CP
- B
ever
ages
& T
obac
coD
JU
NA
SD
ella
Lib
era
Juni
or, E
rsio
Jos
e03
4299
631
0342
992
Com
pute
r Ser
vice
s N
etG
enB
W20
27A
UTO
MA
TIC
DA
TA P
RO
CE
SS
ING
2027
AU
TOM
ATI
C D
ATA
PR
OC
ES
SIN
GFE
RR
EIR
A, J
OS
E A
NIB
AL
0520
3663
105
2036
2
Aut
omot
ive
OE
Ms
(Man
uf o
f Car
s, L
ight
Tru
cks,
Mot
oJA
UN
AS
ME
NA
VE
LAS
CO
, ED
GA
R S
AN
TIA
GO
0942
9668
309
4296
2
Aut
omot
ive
Sup
plie
rsJB
9985
AK
ZO N
OB
EL
de C
arva
lho
Rig
itano
, Lui
sa07
9922
631
0799
222
Ret
ail -
App
arel
Man
ufac
turin
gR
AU
NA
SP
ATR
ICIA
SA
NC
HE
Z N
UN
EZ
2621
4683
E26
214
2
Adv
ertis
ing
KF
UN
AS
Ferre
ira M
artin
s, F
abia
no05
9737
631
0597
3769
482
Tech
nolo
gy S
yste
ms
and
Mic
roel
ectro
nics
LBU
NA
SV
ER
ISS
IMO
, FLA
VIO
9757
5363
197
5753
2
Ban
king
- O
ther
FAU
NA
SA
LVA
RE
Z D
OM
ING
UE
Z, J
OS
E A
NTO
NIO
H60
6516
55H
6065
12
Ele
ctric
UA
2993
EN
EL
2857
EN
DE
SA
GR
OU
PG
onca
lves
da R
ocha
Jun
ior,
Jose
0540
2663
105
4026
2
Hig
her E
duca
tion
EA
UN
AS
Sou
za, L
eand
ro V
iana
De
1193
2363
111
9323
6948
2
Man
agem
ent C
onsu
lting
CB
UN
AS
FRE
SC
O M
AR
TIN
EZ,
MA
RC
IA P
AU
LIN
AH
4045
4655
H40
454
2
Insu
ranc
e C
arrie
rs -
Pro
perty
& C
asua
lty (P
&C
)N
B31
43M
AP
FRE
3143
MA
PFR
EK
RO
BO
TH, G
UIL
LER
MO
H69
0916
55H
6909
12
Fina
ncia
l Mar
kets
Net
Gen
SW
0340
SK
AN
DIA
VE
LAS
QU
EZ
ES
CO
BA
R, S
ER
GIO
C81
1006
61C
8110
02
Pro
fess
iona
l Ser
vice
s N
etG
enC
WU
NA
SB
UIT
RA
GO
RO
DR
IGU
EZ,
OS
CA
R J
AV
IER
C36
7706
61C
3677
02
Fin.
& A
dmin
, Sta
te/P
rov.
/Reg
.G
AU
NA
SC
LAU
X B
LOC
K, T
ALI
AP
9728
9815
P97
289
2
78
Seg
men
tS
ubse
gmen
t Cod
eS
ubse
gmen
tC
over
age
Type
/IDC
over
age
Nam
eR
epor
ts to
Sec
tor
CFU
Lea
der
Terr
itory
Mgr
Bas
e C
over
age
Type
Bas
e C
over
age
IDB
ase
Cov
erag
e N
ame
Bra
nch
Gro
up ID
Com
mer
cial
SS
EE
DT0
0064
83B
R C
omm
erci
al S
P C
ross
Com
mer
cial
Gus
tavo
Mor
eira
UN
AS
SIG
NE
DT
0006
483
BR
Com
mer
cial
SP
Cro
ssB
U
Com
mer
cial
SS
EE
DT0
0064
83B
R C
omm
erci
al S
P C
ross
Com
mer
cial
Gus
tavo
Mor
eira
UN
AS
SIG
NE
DT
0006
483
BR
Com
mer
cial
SP
Cro
ssB
U
Com
mer
cial
CS
mal
l Cou
ntry
T000
0466
LCR
- C
omm
erci
alC
omm
erci
alS
andr
a C
have
sS
andr
a C
have
sT
0000
466
LCR
- C
omm
erci
alX
M
Com
mer
cial
TTO
PT0
0064
82B
R C
omm
erci
al S
P I
ndus
tryC
omm
erci
alG
usta
vo M
orei
raU
NA
SS
IGN
ED
T00
0648
2B
R C
omm
erci
al S
P I
ndus
tryB
U
Com
mer
cial
TTO
PT0
0064
82B
R C
omm
erci
al S
P I
ndus
tryC
omm
erci
alG
usta
vo M
orei
raU
NA
SS
IGN
ED
T00
0648
2B
R C
omm
erci
al S
P I
ndus
tryB
U
Com
mer
cial
TTO
PT0
0054
24P
E -
Com
mer
cial
Com
mer
cial
Deb
orah
avi
lez
Kip
ersz
tok
Jose
Lui
s G
arci
a V
izca
ino
T00
0542
4P
E -
Com
mer
cial
XK
Com
mer
cial
TTO
PT0
0064
82B
R C
omm
erci
al S
P I
ndus
tryC
omm
erci
alG
usta
vo M
orei
raU
NA
SS
IGN
ED
T00
0648
2B
R C
omm
erci
al S
P I
ndus
tryB
U
Com
mer
cial
TTO
PT0
0054
15C
O -
Com
mer
cial
Com
mer
cial
Jairo
Mar
tin L
ondo
no L
aser
naS
andr
a C
have
sT
0005
415
CO
- C
omm
erci
alX
M
Com
mer
cial
NC
SP
T000
6902
CL
- MS
PC
omm
erci
alV
eron
ica
Pla
toni
UN
AS
SIG
NE
DT
0006
902
CL
- MS
PS
U
Com
mer
cial
TTO
PT0
0064
82B
R C
omm
erci
al S
P I
ndus
tryC
omm
erci
alG
usta
vo M
orei
raU
NA
SS
IGN
ED
T00
0648
2B
R C
omm
erci
al S
P I
ndus
tryB
U
Com
mer
cial
NC
SP
T000
6899
BR
MS
PC
omm
erci
alD
enis
e C
rem
onin
iU
NA
SS
IGN
ED
T00
0689
9B
R M
SP
QK
Com
mer
cial
CS
mal
l Cou
ntry
T000
5419
EC
- C
omm
erci
alC
omm
erci
alR
afae
l Ant
onio
Par
reno
Raf
ael A
nton
io P
arre
noT
0005
419
EC
- C
omm
erci
alX
L
Com
mer
cial
SS
EE
DT0
0064
78B
R C
omm
erci
al M
NC
Com
mer
cial
Gus
tavo
Mor
eira
UN
AS
SIG
NE
DT
0006
478
BR
Com
mer
cial
MN
CB
U
Com
mer
cial
CS
mal
l Cou
ntry
T000
5419
EC
- C
omm
erci
alC
omm
erci
alR
afae
l Ant
onio
Par
reno
Raf
ael A
nton
io P
arre
noT
0005
419
EC
- C
omm
erci
alX
L
Com
mer
cial
SS
EE
DT0
0064
83B
R C
omm
erci
al S
P C
ross
Com
mer
cial
Gus
tavo
Mor
eira
UN
AS
SIG
NE
DT
0006
483
BR
Com
mer
cial
SP
Cro
ssB
U
Com
mer
cial
TTO
PT0
0064
74B
R C
omm
erci
al S
UL
Reg
ions
Com
mer
cial
Mar
co L
ucio
Lei
tens
kiU
NA
SS
IGN
ED
T00
0647
4B
R C
omm
erci
al S
UL
Reg
ions
BU
Com
mer
cial
TTO
PT0
0054
11C
L - C
omm
erci
alC
omm
erci
alV
eron
ica
Pla
toni
Pal
oma
Rio
sT
0005
411
CL
- Com
mer
cial
SU
Com
mer
cial
TTO
PT0
0054
05A
R -
Com
mer
cial
Com
mer
cial
Nic
olas
Sac
oA
gust
in G
atta
sT
0005
405
AR
- C
omm
erci
alS
T
Com
mer
cial
TTO
PT0
0064
76B
R C
omm
erci
al N
O/N
E/C
O R
egio
nsC
omm
erci
alR
ober
to R
amal
hoU
NA
SS
IGN
ED
T00
0647
6B
R C
omm
erci
al N
O/N
E/C
O R
egio
nsB
U
Com
mer
cial
SS
EE
DT0
0033
42D
efau
lt-65
5-C
LC
omm
erci
alC
hile
Def
ault
UN
AS
SIG
NE
DT
0003
342
Def
ault-
655-
CL
SU
Com
mer
cial
SS
EE
DT0
0054
24P
E -
Com
mer
cial
Com
mer
cial
Deb
orah
avi
lez
Kip
ersz
tok
Jose
Lui
s G
arci
a V
izca
ino
T00
0542
4P
E -
Com
mer
cial
XK
Com
mer
cial
SS
EE
DT0
0054
15C
O -
Com
mer
cial
Com
mer
cial
Jairo
Mar
tin L
ondo
no L
aser
naS
andr
a C
have
sT
0005
415
CO
- C
omm
erci
alX
M
Com
mer
cial
SS
EE
DT0
0054
15C
O -
Com
mer
cial
Com
mer
cial
Jairo
Mar
tin L
ondo
no L
aser
naS
andr
a C
have
sT
0005
415
CO
- C
omm
erci
alX
M
Com
mer
cial
SS
EE
DT0
0054
24P
E -
Com
mer
cial
Com
mer
cial
Deb
orah
avi
lez
Kip
ersz
tok
Jose
Lui
s G
arci
a V
izca
ino
T00
0542
4P
E -
Com
mer
cial
XK
Com
mer
cial
CS
mal
l Cou
ntry
T000
5419
EC
- C
omm
erci
alC
omm
erci
alR
afae
l Ant
onio
Par
reno
Raf
ael A
nton
io P
arre
noT
0005
419
EC
- C
omm
erci
alX
L
Com
mer
cial
NC
SP
T000
6902
CL
- MS
PC
omm
erci
alV
eron
ica
Pla
toni
UN
AS
SIG
NE
DT
0006
902
CL
- MS
PS
U
Com
mer
cial
TTO
PT0
0064
82B
R C
omm
erci
al S
P I
ndus
tryC
omm
erci
alG
usta
vo M
orei
raU
NA
SS
IGN
ED
T00
0648
2B
R C
omm
erci
al S
P I
ndus
tryB
U
Bra
nch
Gro
upB
ranc
h ID
Bra
nch
Bra
nch
Uni
t ID
Bra
nch
Uni
tSo
urce
Sour
ce C
ode
Opp
Iden
tifie
rO
I Gro
upO
I Gro
up C
ode
PPV
($M
)AC
V In
dcD
ecis
ion
Dat
eD
ecis
ion
Qtr
Dec
isio
n Ye
arB
ill D
ate
Bill
Qtr
Braz
il Com
mer
cial
1202
Braz
il Com
mer
cial
I608
BR C
omm
erci
alBr
and
Cov
erag
e Re
pC
SSR
Bran
d Sa
les
Fiel
dFI
8.32
0N
Dec
21,
201
8Q
420
18D
ec 2
1, 2
018
Q4
Braz
il Com
mer
cial
1202
Braz
il Com
mer
cial
I608
BR C
omm
erci
alBr
and
Spec
ialis
t - S
ervic
esBS
SERV
Bran
d Sa
les
Fiel
dFI
2.16
8N
Dec
14,
201
8Q
420
18D
ec 1
7, 2
018
Q4
Col
ombi
a &
LCR
1210
Col
ombi
a &
LCR
Com
mer
cial
I617
CO
Com
mer
cial
S&D
Clie
nt R
epC
LRP
Clie
nt R
epFi
eld
FI0.
000
NNo
v 30,
201
8Q
420
18No
v 30,
201
8Q
4
Braz
il Com
mer
cial
1202
Braz
il Com
mer
cial
I608
BR C
omm
erci
alD
igita
l Sal
es C
over
age
Rep
TELC
Dig
ital C
over
age
Sale
sD
igita
l Sal
esTI
0.00
0N
Nov 3
0, 2
018
Q4
2018
Nov 3
0, 2
018
Q4
Braz
il Com
mer
cial
1202
Braz
il Com
mer
cial
I608
BR C
omm
erci
alBr
and
Cov
erag
e Re
pC
SSR
Bran
d Sa
les
Fiel
dFI
9.94
7N
Nov 2
8, 2
018
Q4
2018
Nov 3
0, 2
018
Q4
Peru
& B
olivi
a12
14Pe
ru &
Bol
ivia
Com
mer
cial
I621
PE &
BO
Com
mer
cial
S&D
Clie
nt R
epC
LRP
Clie
nt R
epFi
eld
FI0.
000
ND
ec 2
8, 2
018
Q4
2018
Dec
28,
201
8Q
4
Braz
il Com
mer
cial
1202
Braz
il Com
mer
cial
I608
BR C
omm
erci
alS&
D C
lient
Rep
CLR
PC
lient
Rep
Fiel
dFI
0.00
0N
Dec
10,
201
8Q
420
18D
ec 1
0, 2
018
Q4
Col
ombi
a &
LCR
1210
Col
ombi
a &
LCR
Com
mer
cial
I617
CO
Com
mer
cial
Dig
ital S
ales
Cov
erag
e Re
pTE
LCD
igita
l Cov
erag
e Sa
les
Dig
ital S
ales
TI0.
000
NO
ct 2
4, 2
018
Q4
2018
Nov 1
, 201
8Q
4
Chi
le12
09C
hile
CSI
I616
CL
CSP
/MSP
Bran
d C
over
age
Rep
CSS
RBr
and
Sale
sFi
eld
FI3.
323
ND
ec 3
1, 2
018
Q4
2018
Sep
14, 2
018
Q3
Braz
il Com
mer
cial
1202
Braz
il Com
mer
cial
I608
BR C
omm
erci
alBr
and
Spec
ialis
t - S
ervic
esBS
SERV
Bran
d Sa
les
Fiel
dFI
1.98
6N
Nov 3
0, 2
018
Q4
2018
Nov 3
0, 2
018
Q4
Braz
il CSI
1201
Braz
il CSI
I606
BR-C
omm
erci
alBr
and
Spec
ialis
t - S
ervic
esBS
SERV
Bran
d Sa
les
Fiel
dFI
1.97
4N
Dec
12,
201
8Q
420
18D
ec 1
2, 2
018
Q4
Ecua
dor
1212
Ecua
dor C
omm
erci
alI6
19EC
Com
mer
cial
Serv
ices
Del
ivery
DEL
IVER
YSe
rvic
es D
elive
ryO
ther
Iden
tifie
rsO
T2.
479
ND
ec 2
8, 2
018
Q4
2018
Aug
31, 2
018
Q3
Braz
il Com
mer
cial
1202
Braz
il Com
mer
cial
I608
BR C
omm
erci
alD
igita
l Sal
es C
over
age
Rep
TELC
Dig
ital C
over
age
Sale
sD
igita
l Sal
esTI
0.00
0N
Nov 3
0, 2
018
Q4
2018
Nov 3
0, 2
018
Q4
Ecua
dor
1212
Ecua
dor C
omm
erci
alI6
19EC
Com
mer
cial
Bran
d Sp
ecia
list -
Ser
vices
BSSE
RVBr
and
Sale
sFi
eld
FI0.
000
ND
ec 2
7, 2
018
Q4
2018
Dec
27,
201
8Q
4
Braz
il Com
mer
cial
1202
Braz
il Com
mer
cial
I608
BR C
omm
erci
alBr
and
Cov
erag
e Re
pC
SSR
Bran
d Sa
les
Fiel
dFI
1.63
7N
Dec
21,
201
8Q
420
18D
ec 2
1, 2
018
Q4
Braz
il Com
mer
cial
1202
Braz
il Com
mer
cial
I608
BR C
omm
erci
alD
igita
l Sal
es C
over
age
Rep
TELC
Dig
ital C
over
age
Sale
sD
igita
l Sal
esTI
0.00
0N
Dec
14,
201
8Q
420
18D
ec 1
4, 2
018
Q4
Chi
le12
08C
hile
Com
mer
cial
I615
CL
Com
mer
cial
Bran
d Sp
ecia
list -
Ser
vices
BSSE
RVBr
and
Sale
sFi
eld
FI0.
000
ND
ec 2
1, 2
018
Q4
2018
Dec
21,
201
8Q
4
Arge
ntin
a12
05Ar
gent
ina
Com
mer
cial
I612
AR C
omm
erci
alSe
rvic
es D
elive
ryD
ELIV
ERY
Serv
ices
Del
ivery
Oth
er Id
entif
iers
OT
0.00
0N
Oct
1, 2
018
Q4
2018
Oct
1, 2
018
Q4
Braz
il Com
mer
cial
1202
Braz
il Com
mer
cial
I608
BR C
omm
erci
alBr
and
Spec
ialis
t - S
ervic
esBS
SERV
Bran
d Sa
les
Fiel
dFI
0.00
0N
Dec
14,
201
8Q
420
18No
v 30,
201
8Q
4
Chi
le12
08C
hile
Com
mer
cial
H658
CL
Def
ault
Bran
d Sp
ecia
list -
Sof
twar
eBS
SYSS
WBr
and
Sale
sFi
eld
FI0.
161
ND
ec 2
0, 2
018
Q4
2018
Dec
6, 2
018
Q4
Peru
& B
olivi
a12
14Pe
ru &
Bol
ivia
Com
mer
cial
I621
PE &
BO
Com
mer
cial
Bran
d Sp
ecia
list -
Ser
vices
BSSE
RVBr
and
Sale
sFi
eld
FI0.
000
ND
ec 2
9, 2
019
Q4
2019
Dec
30,
201
8Q
4
Col
ombi
a &
LCR
1210
Col
ombi
a &
LCR
Com
mer
cial
I617
CO
Com
mer
cial
Bran
d Sp
ecia
list -
Ser
vices
BSSE
RVBr
and
Sale
sFi
eld
FI0.
508
ND
ec 1
8, 2
018
Q4
2018
Jan
2, 2
019
Q1
Col
ombi
a &
LCR
1210
Col
ombi
a &
LCR
Com
mer
cial
I617
CO
Com
mer
cial
Dig
ital S
ales
Cov
erag
e Re
pTE
LCD
igita
l Cov
erag
e Sa
les
Dig
ital S
ales
TI0.
000
NNo
v 22,
201
8Q
420
18D
ec 1
4, 2
018
Q4
Peru
& B
olivi
a12
14Pe
ru &
Bol
ivia
Com
mer
cial
I621
PE &
BO
Com
mer
cial
Bran
d Sp
ecia
list -
Ser
vices
BSSE
RVBr
and
Sale
sFi
eld
FI0.
000
ND
ec 1
4, 2
018
Q4
2018
Dec
14,
201
8Q
4
Ecua
dor
1212
Ecua
dor C
omm
erci
alI6
19EC
Com
mer
cial
Serv
ices
Del
ivery
DEL
IVER
YSe
rvic
es D
elive
ryO
ther
Iden
tifie
rsO
T0.
000
ND
ec 2
8, 2
018
Q4
2018
Sep
30, 2
018
Q3
Chi
le12
09C
hile
CSI
I616
CL
CSP
/MSP
Bran
d C
over
age
Rep
CSS
RBr
and
Sale
sFi
eld
FI0.
000
NNo
v 30,
201
8Q
420
18O
ct 9
, 201
8Q
4
Braz
il Com
mer
cial
1202
Braz
il Com
mer
cial
I608
BR C
omm
erci
alS&
D C
lient
Rep
CLR
PC
lient
Rep
Fiel
dFI
0.20
4N
Dec
28,
201
8Q
420
18D
ec 2
8, 2
018
Q4
79
Globa
l Ultim
ate Cl
ient ID
Globa
l Ultim
ate Cl
ient
Globa
l Clien
t IDGlo
bal C
lient
Dome
stic C
lient ID
Dome
stic C
lient
Categ
ory Co
de/Va
lue Li
stCo
mpeti
tor Li
st
GC83
RJSM
Sport
Club
Corint
hians
Paulis
ta.GC
83RJ
SMSp
ort Cl
ub Co
rinthia
ns Pa
ulista.
DC83
RJSM
Sport
Club
Corint
hians
Paulis
ta.GT
SSP-H
YCLD
SOL
MS
GC83
RJSM
Sport
Club
Corint
hians
Paulis
ta.GC
83RJ
SMSp
ort Cl
ub Co
rinthia
ns Pa
ulista.
DC83
RJSM
Sport
Club
Corint
hians
Paulis
ta.NO
CODE
-NONE
NONE
GC6V
X474
Grupo
BHD S
.A.GC
6VX4
74Gru
po BH
D S.A.
DC6V
X474
Grupo
BHD S
.A.NO
CODE
-NONE
NONE
GC8L
NZCQ
Centra
l Naci
onal U
nimed
- Coo
perat
iva Ce
ntral.
GC8L
NZCQ
Centra
l Naci
onal U
nimed
- Coo
perat
iva Ce
ntral.
DC8L
NZCQ
Centra
l Naci
onal U
nimed
- Coo
perat
iva Ce
ntral.
*UN
KNOW
N
*UN
ASSIG
N*
UNAS
SIGN
*UN
ASSIG
NISA
DS03
-AC
CENT
,INFO
SYS,P
WC
GCB7
JYFY
LAUR
EATE
EDUC
ATION
PERU
S.R.L
.GC
B7JYF
YLA
UREA
TE ED
UCAT
ION PE
RU S.
R.L.
DCB7
JYFY
LAUR
EATE
EDUC
ATION
PERU
S.R.L
.BC
SSI-V
DPCn
fm, CL
OUD-C
LOUD
1NO
NE
GC83
JWB4
Servic
e de A
uto As
stor L
tda ME
GC83
JWB4
Servic
e de A
uto As
stor L
tda ME
DC83
JWB4
Servic
e de A
uto As
stor L
tda ME
*OT
HER1
GC2F
47GF
SIEME
NS S.
A.GC
2F47
GFSIE
MENS
S.A.
DC2F
47GF
SIEME
NS S.
A.NO
CODE
-NONE
Indra,
ORAC
LE
GCCC
H75Z
Opera
dora
de Ta
rjetas
de Cr
edito
Nexus
SAGC
CCH7
5ZOp
erado
ra de
Tarjet
as de
Cred
ito Ne
xus SA
DCCC
H75Z
Opera
dora
de Ta
rjetas
de Cr
edito
Nexus
SANO
CODE
-NONE
OTHE
R1
GC8N
7QG3
Zuquet
ti & Ma
rzola P
articip
ações
e Rep
resent
ações
Ltda.
GC8N
7QG3
Zuquet
ti & Ma
rzola P
articip
ações
e Rep
resent
ações
Ltda.
DC8N
7QG3
Zuquet
ti & Ma
rzola P
articip
ações
e Rep
resent
ações
Ltda.
ISA99
9-HP
E
GC13
CXZ3
Autom
atic Da
ta Proc
essing
, Inc.
GC13
CXZ3
Autom
atic Da
ta Proc
essing
, Inc.
DC7Z
VNZ1
ADP B
rasil L
tdaISA
999-
ACCE
NT
GC9H
HZKF
Autom
otores
y Anex
os SA
GC9H
HZKF
Autom
otores
y Anex
os SA
DC9H
HZKF
Autom
otores
y Anex
os SA
ISA99
9-OT
HER1
GCKK
RN54
Akzo
Nobe
l N.V.
GCKK
RN54
Akzo
Nobe
l N.V.
DC81
8ZSM
Akzo
Nobe
l Ltda
BCSS
I-AGIL
EAC
CENT
,DELO
ITTE,N
ONE
GC9H
GFNH
La Fa
bril, S
.A.GC
9HGF
NHLa
Fabri
l, S.A.
DC9H
GFNH
La Fa
bril, S
.A.CL
OUD-C
LOUD
1OT
HERS
GC83
RJSM
Sport
Club
Corint
hians
Paulis
ta.GC
83RJ
SMSp
ort Cl
ub Co
rinthia
ns Pa
ulista.
DC83
RJSM
Sport
Club
Corint
hians
Paulis
ta.GT
SSP-H
YCLD
SOL
DimDa
ta
GC82
B72J
Positi
vo Ad
ministr
adora
de Be
ns Ltd
a.GC
82B7
2JPo
sitivo
Admin
istrad
ora de
Bens
Ltda.
DC82
B72J
Positi
vo Ad
ministr
adora
de Be
ns Ltd
a.CL
D&CO
G-CLD
MSTA
TA
GC2D
RD62
BCO I
NTER
NACIO
NAL G
EREN
CIA DE
GC2D
RD62
BCO I
NTER
NACIO
NAL G
EREN
CIA DE
DC2D
RD62
BCO I
NTER
NACIO
NAL G
EREN
CIA DE
ISA99
9-OT
HER1
GCBY
NTHN
DISTR
ILEC I
NVER
SORA
S.A.
GCBY
NTHN
DISTR
ILEC I
NVER
SORA
S.A.
DCBY
NTHN
DISTR
ILEC I
NVER
SORA
S.A.
CSISP
-CHAN
NELM
ACCE
NT,Ind
ra,NT
T,SIEM
ENS
GC8K
ZVW3
Ser E
ducaci
onal S
/A.GC
8KZV
W3Se
r Educ
aciona
l S/A.
DC8K
ZVW3
Ser E
ducaci
onal S
/A.NO
CODE
-NONE
OTHE
R1
GC2Q
Q66Z
Difarm
a S.A
GC2Q
Q66Z
Difarm
a S.A
DC2Q
Q66Z
Difarm
a S.A
ISACS
07-
ORAC
LE
GCS6
165K
FUND
ACION
MAPF
RE FU
NDAC
ION CU
LTUR
AL PR
IVADA
GCS6
165K
FUND
ACION
MAPF
RE FU
NDAC
ION CU
LTUR
AL PR
IVADA
DC9G
XHMS
Mapfr
e Peru
Comp
ania d
e Seg
uros y
Rease
guros
S.A.
ISAFS
24-
ACCE
NT
GC77
Y94D
OLD M
UTUA
L COM
PANIA
DE SE
GURO
S DE V
IDA S
AGC
77Y9
4DOL
D MUT
UAL C
OMPA
NIA DE
SEGU
ROS D
E VIDA
S A
DC77
Y94D
OLD M
UTUA
L COM
PANIA
DE SE
GURO
S DE V
IDA S
ABC
SSI-B
LUEM
IXXTC
S,WIPR
O
GC79
Z31P
DATA
CENT
ER CO
LOMB
IA SA
SGC
79Z3
1PDA
TACE
NTER
COLO
MBIA
SAS
DC79
Z31P
DATA
CENT
ER CO
LOMB
IA SA
SNO
CODE
-NONE
NONE
GC9G
8R4Y
MINIST
.DE TR
ABAJ
O Y PR
OMOC
ION DE
L EMP
LEO
GC9G
8R4Y
MINIST
.DE TR
ABAJ
O Y PR
OMOC
ION DE
L EMP
LEO
DC9G
8R4Y
MINIST
.DE TR
ABAJ
O Y PR
OMOC
ION DE
L EMP
LEO
*NO
NE
GC9H
P754
Contra
loria G
eneral
del E
stado
GC9H
P754
Contra
loria G
eneral
del E
stado
DC9H
P754
Contra
loria G
eneral
del E
stado
NOCO
DE-NO
NENO
NE
GCCC
YXFG
Tata C
onsulta
ncy Se
rvices
BPO C
hile So
cieda
d Anon
imaGC
CCYX
FGTa
ta Cons
ultancy
Servic
es BP
O Chile
Socie
dad A
nonima
DCCC
YXFG
Tata C
onsulta
ncy Se
rvices
BPO C
hile So
cieda
d Anon
imaNO
CODE
-NONE
HPLT
DA
GC8N
82J6
BK Br
asil O
peraç
ão e A
ssesso
ria a R
estaur
antes
S/AGC
8N82
J6BK
Brasi
l Ope
ração
e Asse
ssoria
a Rest
aurant
es S/A
DC8N
82J6
BK Br
asil O
peraç
ão e A
ssesso
ria a R
estaur
antes
S/AISA
999-
ACCE
NT
GC8N
6S8H
CVC B
rasil O
perad
ora e A
genci
a de V
iagens
S A
GC8N
6S8H
CVC B
rasil O
perad
ora e A
genci
a de V
iagens
S A
DC8N
6S8H
CVC B
rasil O
perad
ora e A
genci
a de V
iagens
S A
NOCO
DE-NO
NEOT
HER1
GC8N
77R8
Interpa
ss Pa
rticipa
coes S
AGC
8N77
R8Inte
rpass
Partic
ipacoe
s S A
DC8N
77R8
Interpa
ss Pa
rticipa
coes S
ACL
OUD-C
MSSI
HPLT
DA
GC81
P417
ANBIM
A - As
sociaç
ão Br
asilier
a das
Entida
des d
os Me
rcado
s Fina
nceiro
e de C
apitai
s.GC
81P4
17AN
BIMA -
Assoc
iação
Brasi
liera d
as En
tidade
s dos
Merca
dos F
inance
iro e d
e Cap
itais.
DC81
P417
ANBIM
A - As
sociaç
ão Br
asilier
a das
Entida
des d
os Me
rcado
s Fina
nceiro
e de C
apitai
s.ISA
FS03
-NO
NE
GC8N
6S8H
CVC B
rasil O
perad
ora e A
genci
a de V
iagens
S A
GC8N
6S8H
CVC B
rasil O
perad
ora e A
genci
a de V
iagens
S A
DC8N
6S8H
CVC B
rasil O
perad
ora e A
genci
a de V
iagens
S A
NOCO
DE-NO
NENO
NE
GC87
RL5T
Equat
orial E
nergia
S/A
GC87
RL5T
Equat
orial E
nergia
S/A
DC87
RL5T
Equat
orial E
nergia
S/A
NOCO
DE-NO
NEAC
CENT
GC87
RL5T
Equat
orial E
nergia
S/A
GC87
RL5T
Equat
orial E
nergia
S/A
DC87
RL5T
Equat
orial E
nergia
S/A
NOCO
DE-NO
NEOT
HER1
GC2Q
FVTY
ABCD
INGC
2QFV
TYAB
CDIN
DC2Q
FVTY
ABCD
IN*
NONE
GCBY
NTHN
DISTR
ILEC I
NVER
SORA
S.A.
GCBY
NTHN
DISTR
ILEC I
NVER
SORA
S.A.
DCBY
NTHN
DISTR
ILEC I
NVER
SORA
S.A.
CSISP
-CHAN
NELM
ACCE
NT,Ind
ra,NT
T,SIEM
ENS
GCP4
M9Q6
INTEL
LECT
DESIG
N ARE
NAGC
P4M9
Q6INT
ELLE
CT DE
SIGN A
RENA
DCP4
M9Q6
INTEL
LECT
DESIG
N ARE
NANO
CODE
-NONE
NONE
GCCC
H75Z
Opera
dora
de Ta
rjetas
de Cr
edito
Nexus
SAGC
CCH7
5ZOp
erado
ra de
Tarjet
as de
Cred
ito Ne
xus SA
DCCC
H75Z
Opera
dora
de Ta
rjetas
de Cr
edito
Nexus
SANO
CODE
-NONE
NONE
GC83
M49N
Sada
Partic
ipaçõe
s S/A
GC83
M49N
Sada
Partic
ipaçõe
s S/A
DC83
M49N
Sada
Partic
ipaçõe
s S/A
BCSS
I-BGM
OBILE
OTHE
RS
GC18
R78S
Emers
on Ele
ctric C
o.GC
18R7
8SEm
erson
Electri
c Co.
DC4D
PTCG
Emers
on Pro
cess M
anage
ment,
S.A. de
C.V.
CLOU
D-CLO
UD1
MS
GC9N
K739
PEAR
SON P
LCGC
9NK7
39PE
ARSO
N PLC
DC84
NGKM
Pears
on Ed
ucation
do Br
asil S
/AISA
999-
OTHE
R1
GC93
DS6H
Faceb
ook, I
nc.GC
93DS
6HFa
ceboo
k, Inc.
DC8N
BLZ7
Edge
Netwo
rk do B
rasil S
erviço
s em T
ecnolo
gia Ltd
aISA
999-
HPLT
DA
GC2P
PLK9
DIMEX
CAPIT
AL SA
DE CV
GC2P
PLK9
DIMEX
CAPIT
AL SA
DE CV
DC2P
PLK9
DIMEX
CAPIT
AL SA
DE CV
CLOU
D-CMS
SIOT
HER1
GC2Q
1H7S
SUPE
RINTE
NDEN
CIA NA
CIONA
L DE A
DMINI
GC2Q
1H7S
SUPE
RINTE
NDEN
CIA NA
CIONA
L DE A
DMINI
DC2Q
1H7S
SUPE
RINTE
NDEN
CIA NA
CIONA
L DE A
DMINI
ISA99
9-
GC4G
62MM
Scont
inuida
d Lata
m, S.A
. de C.
V.GC
4G62
MMSc
ontinu
idad L
atam,
S.A. de
C.V.
DC4G
62MM
Scont
inuida
d Lata
m, S.A
. de C.
V.*
HPLT
DA
GC1Y
2BC9
Semp
ra En
ergy
GC1Y
2BC9
Semp
ra En
ergy
DC4G
FZWS
Semc
o Hold
co, S.
de R.
L. de C
. V.
NOCO
DE-NO
NEAC
CENT
80
Client Type Client Sub-type Entity Group P2C Quintile Fcst/Dec Date Month Contract Type Contract Booking
Commercial Commercial GTS UNASSIGNED December Services New Logo (IS)
Commercial Commercial GBS 2nd quintile December GBS Services New Logo (GBS)
Commercial Commercial GLMKT UNASSIGNED November Services New Contract (IS)
Commercial Commercial GLMKT UNASSIGNED November GBS Services New Logo (GBS)
Commercial Commercial GBS UNASSIGNED November GBS Services New Logo (GBS)
Commercial Commercial GTS UNASSIGNED December Services New Logo (IS)
Commercial Commercial GLMKT UNASSIGNED December Services New Contract (IS)
Commercial Commercial GBS UNASSIGNED October GBS Services New Logo (GBS)
Commercial CSP GTS 1st quintile December Services New Contract (IS)
Commercial Commercial GTS 2nd quintile November Services New Contract (IS)
Commercial CSP GTS 2nd quintile December Services Extension/Renewal (IS)
Commercial Commercial GTS 1st quintile December Services New Contract (IS)
Commercial Commercial GBS UNASSIGNED November GBS Services New Logo (GBS)
Commercial Commercial UNASSIGNED December Services New Contract (IS)
Commercial Commercial GTS UNASSIGNED December Services New Logo (IS)
Commercial Commercial GTS UNASSIGNED December Services New Contract (IS)
Commercial Commercial GBS UNASSIGNED December GBS Services New Logo (GBS)
Commercial Commercial GBS UNASSIGNED October GBS Services Extension/Renewal (GBS)
Commercial Commercial GTS UNASSIGNED November Services New Contract (IS)
Commercial Commercial BUSLS UNASSIGNED December SW Services Lab Services
Commercial Commercial GBS UNASSIGNED December GBS Services New Logo (GBS)
Commercial Commercial GBS 1st quintile December GBS Services New Logo (GBS)
Commercial Commercial GTS UNASSIGNED November Services New Contract (IS)
Commercial Commercial GTS UNASSIGNED December Services New Contract (IS)
Commercial Commercial GTS UNASSIGNED December Services PCR/RFS (IS)
Commercial CSP GTS UNASSIGNED October Services New Contract (IS)
Commercial Commercial GBS 1st quintile December GBS Services New Logo (GBS)
Commercial Commercial GTS UNASSIGNED December Services New Contract (IS)
81
TERRITORIO SEMANAL
DCR DCR Serial Name DCR Serial IDManager Segmento Cobertura Global Buying Group TOT TOT Name
Edward Moreno EDWARD MORENO xx Omar Ramírez CommercialSMALL COUNTRIES GB300MSR GB300MSRAMAZING GLOBAL DE VENEZUELA CA
Nicolás Polastri POLASTRI RAMIREZ, NICOLAS GIULIANO xx Omar Ramírez CommercialHIGH VALUE GB300NB5 GB300NB5BUENAVENTURA
Oscar Buitrago BUITRAGO RODRIGUEZ, OSCAR JAVIER xx Omar Ramírez CommercialSEED UNASSIGNED GC2NZ5RJ CONSTRUCTORA SAN MATEO SPA
Pablo Grieco Pablo Grieco xx Omar Ramírez CommercialHIGH VALUE GB0017BX GB0017BX WPP GROUP INC.
Oscar Buitrago BUITRAGO RODRIGUEZ, OSCAR JAVIER xx Omar Ramírez CommercialSEED GB0017BX GB0017BX WPP GROUP INC.
Oscar Buitrago BUITRAGO RODRIGUEZ, OSCAR JAVIER xx Omar Ramírez CommercialSEED GB000LRS GB000LRS CEMEX
Pablo Grieco Pablo Grieco xx Omar Ramírez CommercialHIGH VALUE GB000M6L GB000M6LUNILEVER
Oscar Buitrago BUITRAGO RODRIGUEZ, OSCAR JAVIER xx Omar Ramírez CommercialSEED GB000M6L GB000M6LUNILEVER
Nicolás Polastri POLASTRI RAMIREZ, NICOLAS GIULIANO xx Omar Ramírez CommercialHIGH VALUE GB000VRF GB000VRF NISSAN
Oscar Buitrago BUITRAGO RODRIGUEZ, OSCAR JAVIER xx Omar Ramírez CommercialSEED GB000L5Z GB000L5Z FACEBOOK INC
Gaston Norkus Gaston Norkus xx Verónica Tejeda CSP CSP GB0002HR GB0002HRLEVEL 3 COMMUNICATIONS
Oscar Buitrago BUITRAGO RODRIGUEZ, OSCAR JAVIER xx Omar Ramírez CommercialSEED GB300JDP GB300JDP GENERAL MACHINERY HIRE
Luciana Capurro Capurro Behr, Luciana xx Verónica Tejeda CSP CSP GB000ZXF GB000ZXF PRICEWATERHOUSECOOPERS
Karelita Sanchez SANCHEZ OROPEZA, KARELITA xx Verónica Tejeda CSP CSP UNASSIGNED GC4KXYQ7Inxap SpA
Sandra Chaves CHAVES HERNANDEZ, SANDRA xx Omar Ramírez CommercialSMALL COUNTRIES UNASSIGNED GC2SVMLZKELO CORPORATION
Carolina Ramírez RAMIREZ ZAMBRANO, CAROLINA xx Verónica Tejeda CSP CSP UNASSIGNED GC2QJVKNBIACTIVA SA
Carolina Ramírez RAMIREZ ZAMBRANO, CAROLINA xx Verónica Tejeda CSP CSP UNASSIGNED GC2M9NWPNUBITY S.R.L.
Javier Moreno Moreno Sanchez, Javier Camilo xx Verónica Tejeda CSP CSP UNASSIGNED GC77WY4GSISTEMAS DE INFORMACION EMPRESARIAL S A
No Coverage No Coverage xx Omar Ramírez CommercialSMALL COUNTRIES UNASSIGNED GCP2FWS2CLOUDBIT SRL
Oscar Buitrago BUITRAGO RODRIGUEZ, OSCAR JAVIER xx Omar Ramírez CommercialSEED UNASSIGNED GC2RH62MPAGOS GDE S.A
Oscar Buitrago BUITRAGO RODRIGUEZ, OSCAR JAVIER xx Omar Ramírez CommercialSEED GB0015VD GB0015VDMEAD JOHNSON NUTRITION
Augusto Freitas FREITAS CRESPO, AUGUSTO xx Omar Ramírez CommercialHIGH VALUE UNASSIGNED GCNL2QD9GRUPO EMBOTELLADOR ATIC SA
Juanita Perico Perico Londono, Juanita xx Verónica Tejeda CSP CSP UNASSIGNED GC2HP4PPMERCANET S.A.S
Oscar Buitrago BUITRAGO RODRIGUEZ, OSCAR JAVIER xx Omar Ramírez CommercialSEED UNASSIGNED GC9GV9P6San Martin Contratistas Generales S.A.
Christian Cuadros CUADROS CARLESI, CHRISTIAN ANDRES xx Omar Ramírez CommercialHIGH VALUE GB0011P6 GB0011P6 CONSORCIO PERIODISTICO DE CHILE S.A.
Edward Moreno EDWARD MORENO xx Omar Ramírez CommercialSMALL COUNTRIES GB0016NP GB0016NPPROCTER & GAMBLE
Nicolás Polastri POLASTRI RAMIREZ, NICOLAS GIULIANO xx Omar Ramírez CommercialHIGH VALUE GB000GEX GB000GEXHONG KONG & SHANGHAI BANKING
Oscar Buitrago BUITRAGO RODRIGUEZ, OSCAR JAVIER xx Omar Ramírez CommercialSEED GB000UCZ GB000UCZMICHELIN
TBH TBH xx Omar Ramírez CommercialHIGH VALUE GB001EAH GB001EAHEQUIFAX INC.
Santiago Zito SANTIAGO ZITO xx Omar Ramírez CommercialSMALL COUNTRIES GB000TGH GB000TGHGOBIERNO DE LA REPUBLICA ORIENTAL DEL URUGUAY
Oscar Buitrago BUITRAGO RODRIGUEZ, OSCAR JAVIER xx Omar Ramírez CommercialSEED GB001DR4 GB001DR4CHINA CONSTRUCTION BANK
Oscar Buitrago BUITRAGO RODRIGUEZ, OSCAR JAVIER xx Omar Ramírez CommercialSEED GB0015VD GB0015VDMEAD JOHNSON NUTRITION
Karelita Sanchez SANCHEZ OROPEZA, KARELITA xx Verónica Tejeda CSP CSP GB001DKW GB001DKWTATA CONSULTANCY SERVICES LIMITED
Augusto Freitas FREITAS CRESPO, AUGUSTO xx Omar Ramírez CommercialHIGH VALUE UNASSIGNED GCXLZBXF Soldex S.A.
Augusto Freitas FREITAS CRESPO, AUGUSTO xx Omar Ramírez CommercialHIGH VALUE GB0010M4 GB0010M4ENEL
TBH TBH xx Omar Ramírez CommercialHIGH VALUE GB0016NP GB0016NPPROCTER & GAMBLE
Luciana Capurro Capurro Behr, Luciana xx Verónica Tejeda CSP CSP GB0017BX GB0017BX WPP GROUP INC.
Oscar Buitrago BUITRAGO RODRIGUEZ, OSCAR JAVIER xx Omar Ramírez CommercialSEED GB0014GB GB0014GBCORPORACION CERVESUR SAA
Oscar Buitrago BUITRAGO RODRIGUEZ, OSCAR JAVIER xx Omar Ramírez CommercialSEED UNASSIGNED GC9HB75TAsociacion Solaris Peru
Nicolás Polastri POLASTRI RAMIREZ, NICOLAS GIULIANO xx Omar Ramírez CommercialHIGH VALUE UNASSIGNED GCP18Z3K Broadview Capital Management SA
Nicolás Polastri POLASTRI RAMIREZ, NICOLAS GIULIANO xx Omar Ramírez CommercialSEED GB000TES GB000TES GRUPO FONAFE
Oscar Buitrago BUITRAGO RODRIGUEZ, OSCAR JAVIER xx Omar Ramírez CommercialSEED GB227SN2 GB227SN2ECB CONSULTORES SAC
Augusto Freitas FREITAS CRESPO, AUGUSTO xx Omar Ramírez CommercialHIGH VALUE UNASSIGNED GC9H5RYHIlender Corporation S.A.
Augusto Freitas FREITAS CRESPO, AUGUSTO xx Omar Ramírez CommercialHIGH VALUE GB227XKM GB227XKMTIENDAS EFE S A
TBH TBH xx Omar Ramírez CommercialHIGH VALUE UNASSIGNED GCCC748GEnvases del Pacifico, S.A.
Karelita Sanchez SANCHEZ OROPEZA, KARELITA xx Verónica Tejeda CSP CSP UNASSIGNED GCCD2D4TServicios de Administracion Previsional SA
Milton Sosa SOSA VALENZUELA, MILTON JAVIER xx Verónica Tejeda CSP CSP GB001AYB GB001AYBAUTOMATIC DATA PROCESSING
Karelita Sanchez SANCHEZ OROPEZA, KARELITA xx Verónica Tejeda CSP CSP GB227MM7 GB227MM7UST - UNIDAD DE SOPORTE TECNOLÓGICO
82
RESULTADO GENERADO EN R DEL PIPELINE DE LA SEMANA PASADA
Nota: Al ser 63 columnas y más de 2000 filas los datos del primer archivo generados
las siguientes imágenes muestran fragmentos de los resultados.
Cust_Key Country.x Opp.No Opp.NameCustomer Business.Unit.GroupBusiness.Unit.Sub.GroupGeo Market Fcst/Dec.Quarter.SelectionRevenue.TypeRep.Rev/Sign.($M)S/S.Name Opp.Create.DatePPV.($M)
AR00005952Argentina BP2-GT-58RGRSVDRC65F51C-9B951F /*/PSAT/*/ - Renovación StorageKALCIYAN TECNOLOGIA DEL VIDRIOSystems HardwareStorage Latin AmericaSSA CQ Transactional 0.009 04-Validated/Qualifying43440 0.000543
AR00006044Argentina 2J-7BC2J0SProyecto Telefonía Nueva PlantaASOCIACION DE COOPERATIVASGTS Infrastructure SvcsLatin AmericaSSA CQ Signings 0.25 04-Validated/Qualifying43438 0.010908
AR00006044Argentina J4-FLMQQJKProyecto Control Desk Tiquetera para mesa de ayudaASOCIACION DE COOPERATIVASHybrid CloudCloud Mgmt & PlatLatin AmericaSSA CQ Transactional 0.02 04-Validated/Qualifying43431 0.000647
AR00006044Argentina BD-9VOBLF7Proyecto Cableado Nueva Planta Santa FeASOCIACION DE COOPERATIVASGTS Infrastructure SvcsLatin AmericaSSA CQ Signings 0.2 04-Validated/Qualifying43438 0.008727
AR00006349Argentina BP2-9X-0612TM8DRCB4495B-BE187B /*/PSAT/*/ - Actualizacion Tecnologica de HW para OracleADMINISTRADORA TRIBUTARIA DESystems HardwareStorage Latin AmericaSSA CQ Transactional 0.05 04-Validated/Qualifying43340 0.002821
AR00006349Argentina 1JF-2SPVMTZDRC1CF3D4-50B624 /*/PSAT/*/ - ATER Renov. Tecnologica StorageADMINISTRADORA TRIBUTARIA DESystems HardwareStorage Latin AmericaSSA CQ Transactional 0.05 04-Validated/Qualifying43307 0.003019
AR00006349Argentina BP2-9X-0612TM8DRCB4495B-BE187B /*/PSAT/*/ - Actualizacion Tecnologica de HW para OracleADMINISTRADORA TRIBUTARIA DESystems HardwarePower Latin AmericaSSA CQ Transactional 0.08 04-Validated/Qualifying43340 0.007273
AR00006381Argentina QG-3GAIJZECrecimiento ESA Base4BASE 4 SECURITY SASecurity Sec Ops & Resp SolnsLatin AmericaSSA CQ Transactional 0.03 04-Validated/Qualifying43472 0.001322
AR00006400Argentina BP2-K1-7QXMMN1DRC6866A4-542297 /*/PSAT/*/ - Power 9 - MEDIFE - SMXMEDIFE ASOCIACION CIVILSystems HardwarePower Latin AmericaSSA CQ Transactional 0.06 04-Validated/Qualifying43400 0.005455
AR00006476Argentina WH-00uzRSkQAMINVIMA_2018_HCSIGF LOAN IBM INTERNALWatson HealthProvider Latin AmericaSSA CQ SaaS 0.0225 04-Validated/Qualifying43469 0.000785
AR00006476Argentina WH-00ucVNoQAMRoche ArgentinaIGF LOAN IBM INTERNALWatson HealthOncology & GenomicsLatin AmericaSSA CQ SaaS 0.15 05-Qualified/Gaining Agreement43469 0.026674
AR00006476Argentina WH-00vRdTWQA0ICESI_HCS_2019IGF LOAN IBM INTERNALWatson HealthProvider Latin AmericaSSA CQ SaaS 0.00905 04-Validated/Qualifying43495 0.000316
AR00006476Argentina WH-00vRCM6QAOHospital De Pediatria S.A.M.I.C. Profesor Dr. Juan P. GarrahanIGF LOAN IBM INTERNALWatson HealthGHHS Latin AmericaSSA CQ Transactional 0.3 04-Validated/Qualifying43488 0.003393
AR00006489Argentina SOC-RKH825RWPOL-REQ-000016-Y&R-SWP-TrainingMINDSHARE ARGENTINA S.A.GBS Cloud App InnovLatin AmericaSSA CQ Signings 0.002043 07-Won/Implementing43390 0.002369
AR00006489Argentina CB-GEU0O7OWPOL-REQ-000010 - Tango &amp; Condor -WindowsMINDSHARE ARGENTINA S.A.GBS Cloud App InnovLatin AmericaSSA CQ Signings 0.017561 05-Qualified/Gaining Agreement43318 0.005109
CRM.Roadmap.StatusTotal.Opp.Value.USD.($M)Level.17 Level.20 Level.20.DescLevel.30 Level.30.DescSaas TransactionalSignings Deal.Size Prior.S/S S/S
Stretch 0.009 Storage HardwareSTOR System Storage HardwareST/GPP05 Do Not Use - GPP STORN Y N <$50K * 4
Stretch 0.25 Networking ServicesGSS4 NETWORK: ServicesGS/S4033 6950-07D Network as a Service (partners)N N Y $250K - $500K* 4
Key stretch 0.02 Application InsightsCOND Control DeskSW/SCCD SmartCloud Control DeskN Y N <$50K * 4
Stretch 0.2 Networking ServicesGSS4 NETWORK: ServicesGS/S4022 6950-99T IBM Network Integration ServicesN N Y <$250K * 4
Key stretch 0.13 Storage HardwareSTOR System Storage HardwareV7000FLS V7000 FlashN Y N $100K - $250K* 4
Key stretch 0.05 Storage HardwareSTOR System Storage HardwareST/GPP05 Do Not Use - GPP STORN Y N <$50K * 4
Key stretch 0.13 Power System i/pR600 Power Systems HW - AIX/LinuxST/GPP02 Do Not Use - GPP R600N Y N $100K - $250K* 4
Key stretch 0.03 Sec IntelligenceSECI QRADAR SW/QRSIE QRadar SIEMN Y N <$50K * 4
Stretch 0.06 Power System i/pR600 Power Systems HW - AIX/LinuxST/GPP02 Do Not Use - GPP R600N Y N $50K - $100K* 4
Stretch 0.0225 Provider PortfolioPRVS Provider - SaaSSW/WHGBMicromedexY N N <$50K * 4
Stretch 0.15 Oncology and GenomicsONOA Oncology & Genomics - SaaSSW/TOSA IBM Watson for Oncology - SaaSY N N $100K - $250K* 5
Stretch 0.00905 Provider PortfolioPRVS Provider - SaaSSW/WHGBMicromedexY N N <$50K * 4
Stretch 0.3 Social Programs and Care ManagementCCCM Social Programs & Care Management - SoftwareSW/PLSP IBM Curam Social Program ManagementN Y N $250K - $500K* 4
Won 0.002043 ADM InnovationGSDX Custom ADMGS/CBI16 CAI-ADMI-Custom ADM - AMSN N Y <$1M 8 7
Stretch 0.017561 ADM InnovationGSDX Custom ADMGS/CBI16 CAI-ADMI-Custom ADM - AMSN N Y <$1M * 5
Client.TypeClient.Sub-typeCustomer.NumberRepor.CountryReports.to.MarketReports.to.SectorBill.Date Decision.DateDetail.Create.DateElapsed.Days.in.S/SFcst/Dec.DateBP.CompanyChannel OI.Group Source Client.Rep
CommercialCommercial 5952 Argentina SSA Commercial 43530 43530 43440 55 43530 FK Tech S.R.L.Business PartnersBP Business PartnerMULTIPLECLIENTREP
CommercialCommercial 6044 Argentina SSA Commercial 43528 43528 43438 57 43528 Unknown Field SalesDigital SalesDigital Sales Coverage RepRODRIGUEZ PINZON, CARLOS ANDRES
CommercialCommercial 6044 Argentina SSA Commercial 43521 43521 43431 64 43521 PRIUX S.R.L.Business PartnersDigital SalesDigital Sales Coverage RepRODRIGUEZ PINZON, CARLOS ANDRES
CommercialCommercial 6044 Argentina SSA Commercial 43528 43528 43438 57 43528 Unknown Field SalesDigital SalesDigital Sales Coverage RepRODRIGUEZ PINZON, CARLOS ANDRES
CommercialCommercial 6349 Argentina SSA Commercial 43546 43553 43340 155 43546 INFOLOGY S.R.LBusiness PartnersBP Business PartnerCARLOSMANZANO
CommercialCommercial 6349 Argentina SSA Commercial 43555 43553 43307 188 43555 Sigma S.A. Business PartnersBP Business PartnerCARLOSMANZANO
CommercialCommercial 6349 Argentina SSA Commercial 43524 43553 43340 155 43524 INFOLOGY S.R.LBusiness PartnersBP Business PartnerCARLOSMANZANO
CommercialCSP 6381 Argentina SSA Commercial 43553 43553 43472 23 43553 Unknown Business PartnersBP Business PartnerMULTIPLECLIENTREP
CommercialCommercial 6400 Argentina SSA Commercial 43553 43491 43400 95 43553 SMX Group SRLBusiness PartnersBP Business PartnerRODRIGUEZ PINZON, CARLOS ANDRES
CommercialCommercial 6476 Argentina SSA Commercial 43523 43523 43469 26 43523 Unknown Field SalesField Brand Coverage RepMULTIPLECLIENTREP
CommercialCommercial 6476 Argentina SSA Commercial 43532 43532 43469 26 43532 Unknown Field SalesField Brand Coverage RepMULTIPLECLIENTREP
CommercialCommercial 6476 Argentina SSA Commercial 43493 43493 43495 0 43493 Unknown Field SalesField Brand Coverage RepMULTIPLECLIENTREP
CommercialCommercial 6476 Argentina SSA Commercial 43539 43539 43488 7 43539 Unknown Field SalesField Brand Coverage RepMULTIPLECLIENTREP
CommercialCommercial 6489 Argentina SSA Commercial 43496 43496 43390 0 43496 Unknown Field SalesOther IdentifiersServices DeliveryMULTIPLECLIENTREP
CommercialCommercial 6489 Argentina SSA Commercial 43371 43553 43318 177 43553 Unknown Field SalesOther IdentifiersServices DeliveryMULTIPLECLIENTREP
CommercialCommercial 6622 Argentina SSA Commercial 43545 43552 43311 184 43545 PRIUX S.R.L.Business PartnersMarketing DDR SoftwareMULTIPLECLIENTREP
83
RESULTADO GENERADO EN R DEL PIPELINE DE LA SEMANA ACTUAL
LIO.User.IDLIO Lotus.MailOwner Domestic.Buying.Group.IDDomestic.ClientGlobal.Buying.GroupDetail.Key Competitor.ListContract.TypeDominant.Business.UnitProduct.TypeLio.Steps.to.Closure.CommentsOffering.TypeCTRY DCR Manager Year Week
55255613 Pena Boada, Camila AndreaBUSINESSPARTNER* KALCIYAN TECNOLOGIA DEL VIDRIOUNASSIGNLINE01-DRC65F51C-9B951FNONE Hardware Storage Hardware AR Oscar BuitragoOmar Ramírez 2019 Prior
87146613 SCHMIDT, GERMANRocio Maria Ramis Bonillo/Argentina/IBM@IBMARRAMIS BONILLO, ROCIO MARIA* ASOCIACION DE COOPERATIVAS ARGENTINAS COOPERATIVA LIMITADAUNASSIGN2961c9e5-06ea-909b-78c4-5c06eef9780dOTHER1 Services Infrastructure Svcs Services AR Oscar BuitragoOmar Ramírez 2019 Prior
C39050661CARDONA SALAZAR, JULIANBUSINESSPARTNER* ASOCIACION DE COOPERATIVAS ARGENTINAS COOPERATIVA LIMITADAUNASSIGN14a40786-6008-0c9e-8c95-5bfd9dfea75fOTHER1 Software Cloud Mgmt & Plat Software AR Oscar BuitragoOmar Ramírez 2019 Prior
36792613 FONSECA, FERNANDO DANIELFernando Daniel Fonseca/Argentina/IBM@IBMARFONSECA, FERNANDO DANIEL* ASOCIACION DE COOPERATIVAS ARGENTINAS COOPERATIVA LIMITADAUNASSIGN9d494466-1fa8-d012-fd09-5c06ee803ef9OTHER1 Services Infrastructure Svcs Services AR Oscar BuitragoOmar Ramírez 2019 Prior
55255613 Pena Boada, Camila AndreaBUSINESSPARTNERDB50243X ADMINISTRADORA TRIBUTARIA DEGOB. PROV. DE ENTRE RIOSLINE02-DRCB4495B-BE187BNONE Hardware Power Hardware AR TBH Omar Ramírez 2019 Prior
55255613 Pena Boada, Camila AndreaBUSINESSPARTNERDB50243X ADMINISTRADORA TRIBUTARIA DEGOB. PROV. DE ENTRE RIOSLINE01-DRC1CF3D4-50B624Hardware Storage Hardware AR TBH Omar Ramírez 2019 Prior
64804613 MOLINA CACERES, GONZALO NICOLASBUSINESSPARTNERDB50243X ADMINISTRADORA TRIBUTARIA DEGOB. PROV. DE ENTRE RIOSLINE01-DRCB4495B-BE187BNONE Hardware Power Hardware AR TBH Omar Ramírez 2019 Prior
P76001815TABOADA BENAVIDES, RAFAELRafael Taboada/Peru/IBM@IBMPETABOADA BENAVIDES, RAFAEL* BASE4 SECURITY S.A.UNASSIGNcb4ea3e6-2916-f50b-17c9-5c33720e0d35OTHERS Software Sec Ops & Resp Solns Software AR Carolina RamírezVeronica Tejeda2019 Prior
64804613 MOLINA CACERES, GONZALO NICOLASBUSINESSPARTNER* MEDIFE ASOCIACION CIVILUNASSIGNLINE01-DRC6866A4-542297NONE Hardware Power Hardware AR Oscar BuitragoOmar Ramírez 2019 Prior
3.59E+08 Beeler, Neal L (NEAL)Neal Beeler/Dublin/IBM@IBMUSBeeler, Neal L (NEAL)DB22HCNZIGF LOAN IBM INTERNALIGF LOAN IBM INTERNAL ARGENTINAWH-021mGWnQAMNONE SaaS Provider SaaS AR Oscar BuitragoOmar Ramírez 2019 Prior
7873613 BASTIANON, GUILLERMO ADRIANGuillermo Bastianon/Argentina/IBM@IBMARBASTIANON, GUILLERMO ADRIANDB22HCNZIGF LOAN IBM INTERNALIGF LOAN IBM INTERNAL ARGENTINAWH-021kFdjQAENONE SaaS Oncology & Genomics SaaS AR Oscar BuitragoOmar Ramírez 2019 Prior
7873613 BASTIANON, GUILLERMO ADRIANGuillermo Bastianon/Argentina/IBM@IBMARBASTIANON, GUILLERMO ADRIANDB22HCNZIGF LOAN IBM INTERNALIGF LOAN IBM INTERNAL ARGENTINAWH-021GWQPQA4NONE SaaS Provider SaaS AR Oscar BuitragoOmar Ramírez 2019 Prior
7873613 BASTIANON, GUILLERMO ADRIANGuillermo Bastianon/Argentina/IBM@IBMARBASTIANON, GUILLERMO ADRIANDB22HCNZIGF LOAN IBM INTERNALIGF LOAN IBM INTERNAL ARGENTINAWH-021u2ISQAYNONE Software GHHS Software AR Oscar BuitragoOmar Ramírez 2019 Prior
34849613 FERRANDO, DIEGODiego Ferrando/Argentina/IBM@IBMARFERRANDO, DIEGODB500WYNMINDSHARE ARGENTINA S.A.WPP GROUP INC.soc-60c8-d243-11e8-b195-023e228556e2ACCENT GBS ServicesCloud App Innov GBS ServicesAR Pablo GriecoOmar Ramírez 2019 Prior
34849613 FERRANDO, DIEGODiego Ferrando/Argentina/IBM@IBMARFERRANDO, DIEGODB500WYNMINDSHARE ARGENTINA S.A.WPP GROUP INC.da583d53-6341-cab6-eac8-5b6856e811d4ACCENT GBS ServicesCloud App Innov GBS ServicesAR Pablo GriecoOmar Ramírez 2019 Prior
Cust_Key Country.x Opp.No Opp.NameCustomer Business.Unit.GroupBusiness.Unit.Sub.GroupGeo Market Fcst/Dec.Quarter.SelectionRevenue.TypeRep.Rev/Sign.($M)S/S.Name Opp.Create.DatePPV.($M)
AR00002882Argentina 2E-1V6QKSDCloud Private Cloud + Gestión GTSTECHNISYS S.AGTS Infrastructure SvcsLatin AmericaSSA CQ Signings 0.25 04-Validated/Qualifying43496 0.010805
AR00005952Argentina BP2-GT-58RGRSVDRC65F51C-9B951F /*/PSAT/*/ - Renovación StorageKALCIYAN TECNOLOGIA DEL VIDRIOSystems HardwareStorage Latin AmericaSSA CQ Transactional 0.009 04-Validated/Qualifying43440 0.000569
AR00006044Argentina J4-FLMQQJKProyecto Control Desk Tiquetera para mesa de ayudaASOCIACION DE COOPERATIVASHybrid CloudCloud Mgmt & PlatLatin AmericaSSA CQ Transactional 0.02 04-Validated/Qualifying43431 0.000542
AR00006044Argentina BD-9VOBLF7Proyecto Cableado Nueva Planta Santa FeASOCIACION DE COOPERATIVASGTS Infrastructure SvcsLatin AmericaSSA CQ Signings 0.2 04-Validated/Qualifying43438 0.008644
AR00006044Argentina EL-G1HIV87Watson Assistant para mesa de ayuda en conjunto con control deskASOCIACION DE COOPERATIVASHybrid CloudCloud PublicLatin AmericaSSA CQ SaaS 0.005 04-Validated/Qualifying43431 0.000187
AR00006044Argentina 2J-7BC2J0SProyecto Telefonía Nueva PlantaASOCIACION DE COOPERATIVASGTS Infrastructure SvcsLatin AmericaSSA CQ Signings 0.25 04-Validated/Qualifying43438 0.010805
AR00006349Argentina BP2-9X-0612TM8DRCB4495B-BE187B /*/PSAT/*/ - Actualizacion Tecnologica de HW para OracleADMINISTRADORA TRIBUTARIA DESystems HardwareStorage Latin AmericaSSA CQ Transactional 0.05 04-Validated/Qualifying43340 0.002843
AR00006349Argentina BP2-9X-0612TM8DRCB4495B-BE187B /*/PSAT/*/ - Actualizacion Tecnologica de HW para OracleADMINISTRADORA TRIBUTARIA DESystems HardwarePower Latin AmericaSSA CQ Transactional 0.08 04-Validated/Qualifying43340 0.006411
AR00006381Argentina QG-3GAIJZECrecimiento ESA Base4BASE 4 SECURITY SASecurity Sec Ops & Resp SolnsLatin AmericaSSA CQ Transactional 0.03 04-Validated/Qualifying43472 0.001186
AR00006400Argentina BP2-K1-7QXMMN1DRC6866A4-542297 /*/PSAT/*/ - Power 9 - MEDIFE - SMXMEDIFE ASOCIACION CIVILSystems HardwarePower Latin AmericaSSA CQ Transactional 0.06 04-Validated/Qualifying43400 0.004808
AR00006476Argentina WH-00ucVNoQAMRoche ArgentinaIGF LOAN IBM INTERNALWatson HealthOncology & GenomicsLatin AmericaSSA CQ SaaS 0.15 05-Qualified/Gaining Agreement43469 0.026563
AR00006476Argentina WH-00vRCM6QAOHospital De Pediatria S.A.M.I.C. Profesor Dr. Juan P. GarrahanIGF LOAN IBM INTERNALWatson HealthGHHS Latin AmericaSSA CQ Transactional 0.3 04-Validated/Qualifying43488 0.004292
AR00006476Argentina WH-00v0tQDQAYCOLFAR CIM 2019IGF LOAN IBM INTERNALWatson HealthProvider Latin AmericaSSA CQ SaaS 0.0019 04-Validated/Qualifying43455 6.80E-05
AR00006476Argentina WH-00uzRSkQAMINVIMA_2018_HCSIGF LOAN IBM INTERNALWatson HealthProvider Latin AmericaSSA CQ SaaS 0.0225 04-Validated/Qualifying43469 0.000807
AR00006476Argentina WH-00vRdTWQA0ICESI_HCS_2019IGF LOAN IBM INTERNALWatson HealthProvider Latin AmericaSSA CQ SaaS 0.00905 04-Validated/Qualifying43495 0.000324
CRM.Roadmap.StatusTotal.Opp.Value.USD.($M)Level.17 Level.20 Level.20.DescLevel.30 Level.30.DescSaas TransactionalSignings Deal.Size Prior.S/S S/S Client.TypeClient.Sub-typeCustomer.NumberRepor.Country
Key stretch 0.25 Hybrid Cloud ServicesGSO1 Hybrid Cloud: Infrastructure Services/OutsourcingGS/O2001 6940-96E (O) IBM Cld Mgd Infrastructure Svcs (cstm, private)N N Y $250K - $500K* 4 CommercialCSP 2882 Argentina
Stretch 0.009 Storage HardwareSTOR System Storage HardwareST/GPP05 Do Not Use - GPP STORN Y N <$50K * 4 CommercialCommercial 5952 Argentina
Key stretch 0.02 Application InsightsCOND Control DeskSW/SCCD SmartCloud Control DeskN Y N <$50K * 4 CommercialCommercial 6044 Argentina
Stretch 0.2 Networking ServicesGSS4 NETWORK: ServicesGS/S4022 6950-99T IBM Network Integration ServicesN N Y <$250K * 4 CommercialCommercial 6044 Argentina
Key stretch 0.005 Cloud Public SegmentWTSN IBM Cloud PublicSW/DEVCLIBM Cloud Public Subscription (Offering)Y N N <$50K 9 4 CommercialCommercial 6044 Argentina
Stretch 0.25 Networking ServicesGSS4 NETWORK: ServicesGS/S4033 6950-07D Network as a Service (partners)N N Y $250K - $500K* 4 CommercialCommercial 6044 Argentina
Key stretch 0.13 Storage HardwareSTOR System Storage HardwareV7000FLS V7000 FlashN Y N $100K - $250K* 4 CommercialCommercial 6349 Argentina
Key stretch 0.13 Power System i/pR600 Power Systems HW - AIX/LinuxST/GPP02 Do Not Use - GPP R600N Y N $100K - $250K* 4 CommercialCommercial 6349 Argentina
Key stretch 0.03 Sec IntelligenceSECI QRADAR SW/QRSIE QRadar SIEMN Y N <$50K * 4 CommercialCSP 6381 Argentina
Stretch 0.06 Power System i/pR600 Power Systems HW - AIX/LinuxST/GPP02 Do Not Use - GPP R600N Y N $50K - $100K* 4 CommercialCommercial 6400 Argentina
Stretch 0.15 Oncology and GenomicsONOA Oncology & Genomics - SaaSSW/TOSA IBM Watson for Oncology - SaaSY N N $100K - $250K* 5 CommercialCommercial 6476 Argentina
Stretch 0.3 Social Programs and Care ManagementCCCM Social Programs & Care Management - SoftwareSW/PLSP IBM Curam Social Program ManagementN Y N $250K - $500K* 4 CommercialCommercial 6476 Argentina
Stretch 0.0019 Provider PortfolioPRVS Provider - SaaSSW/WHGBMicromedexY N N <$50K 3 4 CommercialCommercial 6476 Argentina
Stretch 0.0225 Provider PortfolioPRVS Provider - SaaSSW/WHGBMicromedexY N N <$50K * 4 CommercialCommercial 6476 Argentina
Stretch 0.00905 Provider PortfolioPRVS Provider - SaaSSW/WHGBMicromedexY N N <$50K * 4 CommercialCommercial 6476 Argentina
Reports.to.MarketReports.to.SectorBill.Date Decision.DateDetail.Create.DateElapsed.Days.in.S/SFcst/Dec.DateBP.CompanyChannel OI.Group Source Client.Rep LIO.User.IDLIO Lotus.MailOwner Domestic.Buying.Group.ID
SSA Commercial 43551 43551 43496 6 43551 Unknown Field SalesField Brand Coverage RepMULTIPLECLIENTREP22168613 CHEMES, CECILIACecilia Chemes/Argentina/IBM@IBMARCHEMES, CECILIA*
SSA Commercial 43530 43530 43440 62 43530 FK Tech S.R.L.Business PartnersBP Business PartnerMULTIPLECLIENTREP55255613 Pena Boada, Camila AndreaBUSINESSPARTNER*
SSA Commercial 43521 43521 43431 71 43521 PRIUX S.R.L.Business PartnersDigital SalesDigital Sales Coverage RepRODRIGUEZ PINZON, CARLOS ANDRESC39050661CARDONA SALAZAR, JULIANBUSINESSPARTNER*
SSA Commercial 43528 43528 43438 64 43528 Unknown Field SalesDigital SalesDigital Sales Coverage RepRODRIGUEZ PINZON, CARLOS ANDRES36792613 FONSECA, FERNANDO DANIELFernando Daniel Fonseca/Argentina/IBM@IBMARFONSECA, FERNANDO DANIEL*
SSA Commercial 43521 43521 43431 5 43521 Unknown Telesales Digital SalesDigital Sales Coverage RepRODRIGUEZ PINZON, CARLOS ANDRESC36720661SERRANO ALVAREZ, NESTOR FERNANDONestor Fernando Serrano/Colombia/IBM@IBMCOSERRANO ALVAREZ, NESTOR FERNANDO*
SSA Commercial 43528 43528 43438 64 43528 Unknown Field SalesDigital SalesDigital Sales Coverage RepRODRIGUEZ PINZON, CARLOS ANDRES87146613 SCHMIDT, GERMANRocio Maria Ramis Bonillo/Argentina/IBM@IBMARRAMIS BONILLO, ROCIO MARIA*
SSA Commercial 43546 43553 43340 162 43546 INFOLOGY S.R.LBusiness PartnersBP Business PartnerCARLOSMANZANO55255613 Pena Boada, Camila AndreaBUSINESSPARTNERDB50243X
SSA Commercial 43553 43553 43340 162 43553 INFOLOGY S.R.LBusiness PartnersBP Business PartnerCARLOSMANZANO64804613 MOLINA CACERES, GONZALO NICOLASBUSINESSPARTNERDB50243X
SSA Commercial 43553 43553 43472 30 43553 Unknown Business PartnersBP Business PartnerMULTIPLECLIENTREPP76001815TABOADA BENAVIDES, RAFAELRafael Taboada/Peru/IBM@IBMPETABOADA BENAVIDES, RAFAEL*
SSA Commercial 43553 43491 43400 102 43553 SMX Group SRLBusiness PartnersBP Business PartnerRODRIGUEZ PINZON, CARLOS ANDRES64804613 MOLINA CACERES, GONZALO NICOLASBUSINESSPARTNER*
SSA Commercial 43546 43546 43469 33 43546 Unknown Field SalesField Brand Coverage RepMULTIPLECLIENTREP7873613 BASTIANON, GUILLERMO ADRIANGuillermo Bastianon/Argentina/IBM@IBMARBASTIANON, GUILLERMO ADRIANDB22HCNZ
SSA Commercial 43539 43539 43488 14 43539 Unknown Field SalesField Brand Coverage RepMULTIPLECLIENTREP7873613 BASTIANON, GUILLERMO ADRIANGuillermo Bastianon/Argentina/IBM@IBMARBASTIANON, GUILLERMO ADRIANDB22HCNZ
SSA Commercial 43509 43509 43455 0 43509 Unknown Field SalesField Brand Coverage RepMULTIPLECLIENTREP7873613 BASTIANON, GUILLERMO ADRIANGuillermo Bastianon/Argentina/IBM@IBMARBASTIANON, GUILLERMO ADRIANDB22HCNZ
SSA Commercial 43523 43523 43469 33 43523 Unknown Field SalesField Brand Coverage RepMULTIPLECLIENTREP3.59E+08 Beeler, Neal L (NEAL)Neal Beeler/Dublin/IBM@IBMUSBeeler, Neal L (NEAL)DB22HCNZ
SSA Commercial 43494 43494 43495 7 43494 Unknown Field SalesField Brand Coverage RepMULTIPLECLIENTREP7873613 BASTIANON, GUILLERMO ADRIANGuillermo Bastianon/Argentina/IBM@IBMARBASTIANON, GUILLERMO ADRIANDB22HCNZ
84
RESULTADO GENERADO POR R DEL PIPELINE DE LA SEMANA ACTUAL DEL AÑO
INMEDIATAMENTE ANTERIOR
Domestic.ClientGlobal.Buying.GroupDetail.Key Competitor.ListContract.TypeDominant.Business.UnitProduct.TypeLio.Steps.to.Closure.CommentsOffering.TypeCTRY DCR Manager Year Week
TECHNISYS S.AUNASSIGN7dd921e2-4da1-86f9-5629-5c53454a9b7eMS Services Infrastructure Svcs Services AR Carolina RamírezVeronica Tejeda2019 Current
KALCIYAN TECNOLOGIA DEL VIDRIOUNASSIGNLINE01-DRC65F51C-9B951FNONE Hardware Storage Hardware AR Oscar BuitragoOmar Ramírez 2019 Current
ASOCIACION DE COOPERATIVAS ARGENTINAS COOPERATIVA LIMITADAUNASSIGN14a40786-6008-0c9e-8c95-5bfd9dfea75fOTHER1 Software Cloud Mgmt & Plat Software AR Oscar BuitragoOmar Ramírez 2019 Current
ASOCIACION DE COOPERATIVAS ARGENTINAS COOPERATIVA LIMITADAUNASSIGN9d494466-1fa8-d012-fd09-5c06ee803ef9OTHER1 Services Infrastructure Svcs Services AR Oscar BuitragoOmar Ramírez 2019 Current
ASOCIACION DE COOPERATIVAS ARGENTINAS COOPERATIVA LIMITADAUNASSIGN5ea41c47-086e-3f25-58c6-5bfda43a51f7OTHER1 SaaS Cloud Public 5725 SaaS AR Oscar BuitragoOmar Ramírez 2019 Current
ASOCIACION DE COOPERATIVAS ARGENTINAS COOPERATIVA LIMITADAUNASSIGN2961c9e5-06ea-909b-78c4-5c06eef9780dOTHER1 Services Infrastructure Svcs Services AR Oscar BuitragoOmar Ramírez 2019 Current
ADMINISTRADORA TRIBUTARIA DEGOB. PROV. DE ENTRE RIOSLINE02-DRCB4495B-BE187BNONE Hardware Power Hardware AR TBH Omar Ramírez 2019 Current
ADMINISTRADORA TRIBUTARIA DEGOB. PROV. DE ENTRE RIOSLINE01-DRCB4495B-BE187BNONE Hardware Power Hardware AR TBH Omar Ramírez 2019 Current
BASE4 SECURITY S.A.UNASSIGNcb4ea3e6-2916-f50b-17c9-5c33720e0d35OTHERS Software Sec Ops & Resp Solns Software AR Carolina RamírezVeronica Tejeda2019 Current
MEDIFE ASOCIACION CIVILUNASSIGNLINE01-DRC6866A4-542297NONE Hardware Power Hardware AR Oscar BuitragoOmar Ramírez 2019 Current
IGF LOAN IBM INTERNALIGF LOAN IBM INTERNAL ARGENTINAWH-021kFdjQAENONE SaaS Oncology & Genomics SaaS AR Oscar BuitragoOmar Ramírez 2019 Current
IGF LOAN IBM INTERNALIGF LOAN IBM INTERNAL ARGENTINAWH-021u2ISQAYNONE Software GHHS Software AR Oscar BuitragoOmar Ramírez 2019 Current
IGF LOAN IBM INTERNALIGF LOAN IBM INTERNAL ARGENTINAWH-021sBEYQA2NONE SaaS Provider SaaS AR Oscar BuitragoOmar Ramírez 2019 Current
IGF LOAN IBM INTERNALIGF LOAN IBM INTERNAL ARGENTINAWH-021mGWnQAMNONE SaaS Provider SaaS AR Oscar BuitragoOmar Ramírez 2019 Current
IGF LOAN IBM INTERNALIGF LOAN IBM INTERNAL ARGENTINAWH-021GWQPQA4NONE SaaS Provider SaaS AR Oscar BuitragoOmar Ramírez 2019 Current
Cust_Key Repor.CountryOpp.No Detail.Key Opp.NameCustomer Customer.NumberSector/With.GBECustomer.SetISU/GB.SegmentBusiness.Unit.GroupBusiness.Unit.Sub.GroupReport.Unit.CodeLevel.20
AR00002915Argentina 1JF-2S1FL6DLINE01--1JF-2S1FL6DDRC555796-D4992A /*/PSAT/*/ - Nuevo PowerNALDO LOMBARDI S.A2915 CommercialCommercialCOMMERCIALSystems HardwarePower Power R600
AR00005680Argentina 1JF-2S73WQ1LINE01--1JF-2S73WQ1DRC50D348-3088E6 /*/PSAT/*/ - Storage Comodoro RivadaviaGLOBAL VIEW S.A5680 CommercialCommercialCOMMERCIALSystems HardwareStorage Storage STOR
AR00005815Argentina 1JF-2S7Q70NLINE01--1JF-2S7Q70NDRC9D8FA6-D84F8D /*/PSAT/*/ - Recambio Server AplicationDINOSAURIO S.A5815 CommercialCommercialCOMMERCIALSystems HardwarePower Power R600
AR00005934Argentina 1JF-2REWLJMLINE01--1JF-2REWLJMDRC00C0E7-327880 /*/PSAT/*/ - Renovación de Unidad Flash para DataCenterOBRA SOCIAL UNION PERSONAL DE5934 CommercialCommercialCOMMERCIALSystems HardwareStorage Storage STOR
AR00006303Argentina II-6ZYZ0R589d8ca42-694b-568e-a45d-5a1d8f9e26b5connect direct para conectar a clienteCELSUR LOGISTICA S.A6303 CommercialCommercialCOMMERCIALWatson Cust EngageWatson Supply ChainWatson Supply ChainSIS
AR00006365Argentina FI-TDX8Z5T701072ee-9353-d33a-149c-5a4fdbcedd94Pc´s y dispositivos móviles as a serviceFRATELLI BRANCA DESTILERIAS6365 CommercialCommercialCOMMERCIALGTS Infrastructure SvcsInfrastructure SvcsGS25
AR00006365Argentina 1JF-2RYDUGNLINE02--1JF-2RYDUGNDRC5B0C36-B6350C /*/PSAT/*/ - Recambio de DatacenterFRATELLI BRANCA DESTILERIAS6365 CommercialCommercialCOMMERCIALSystems HardwareStorage Storage STOR
AR00006365Argentina JK-YCLNCR92a209bab-6594-6c83-2e05-590b8a8edf87Oportunidad C4SAP & Bluemix InfraFRATELLI BRANCA DESTILERIAS6365 CommercialCommercialCOMMERCIALGTS Infrastructure SvcsInfrastructure SvcsGST1
AR00006365Argentina 1JF-2RYDUGNLINE01--1JF-2RYDUGNDRC5B0C36-B6350C /*/PSAT/*/ - Recambio de DatacenterFRATELLI BRANCA DESTILERIAS6365 CommercialCommercialCOMMERCIALSystems HardwarePower Power R600
AR00006365Argentina JK-YCLNCR987938ac4-854d-bb12-c4e4-5930568a8fe7Oportunidad C4SAP & Bluemix InfraFRATELLI BRANCA DESTILERIAS6365 CommercialCommercialCOMMERCIALCloud Cloud Unit ServicesCloud Unit ServicesGS02
AR00006400Argentina 1JF-2RXREAELINE02--1JF-2RXREAEDRCDEE090-C49585 /*/PSAT/*/ - Flash System SSG - Base de DatosMEDIFE ASOCIACION CIVIL6400 CommercialCommercialCOMMERCIALSystems HardwareStorage Storage STOR
AR00006491Argentina 1JF-2S1P4C6LINE01--1JF-2S1P4C6DRC1BA316-9EB870 /*/PSAT/*/ - Liberia de Cintas TS 3200ASOCIACION MUTUAL DEL PERSONAL6491 CommercialCommercialCOMMERCIALSystems HardwareStorage Storage STOR
AR00006502Argentina GR-QA7M2GLeb1e8d22-45ae-2fa6-9653-59cbf6672e4fProyecto suministro Servers y switches de licitación RFIUNIVERSIDAD NACIONAL DE SALTA6502 CommercialCommercialCOMMERCIALSystems HardwarePower Power R600
AR00006502Argentina SY-S8L2K113d0be41b-6cd1-94b3-a94a-59cbfc8140a0Proyecto cableado, adecuación de Datacenter y suministro de UPSUNIVERSIDAD NACIONAL DE SALTA6502 CommercialCommercialCOMMERCIALGTS Infrastructure SvcsInfrastructure SvcsGSS5
Level.30 Dominant.Business.UnitGeo Market Reporting.CountryFcst/Dec.DateFcst/Dec.QtrFcst/Dec.YearFcst/Dec.PeriodFcst/Dec.Quarter.SelectionRevenue.TypeRep.Rev/Sign.($M)Universal.Size.CodeDeal.Size Meas.Rogue.Code
ST/GPP02 Power Latin AmericaSSA Argentina 43145 Q1 2018 2018Q1 CQ Transactional 0.05 1 <$50K N
ST/GPP05 Storage Latin AmericaSSA Argentina 43173 Q1 2018 2018Q1 CQ Transactional 0.02 1 <$50K N
ST/GPP02 Power Latin AmericaSSA Argentina 43178 Q1 2018 2018Q1 CQ Transactional 0.05 1 <$50K N
V7000FLS Storage Latin AmericaSSA Argentina 43190 Q1 2018 2018Q1 CQ Transactional 0.06 2 $50K - $100KN
SIS/CDT Watson Supply ChainLatin AmericaSSA Argentina 43159 Q1 2018 2018Q1 CQ Transactional 0.005 1 <$50K N
GS/S3021 Infrastructure SvcsLatin AmericaSSA Argentina 43189 Q1 2018 2018Q1 CQ Signings 0.1 13 <$250K N
ST/GPP05 Storage Latin AmericaSSA Argentina 43127 Q1 2018 2018Q1 CQ Transactional 0.025 1 <$50K N
GS/T1001 Infrastructure SvcsLatin AmericaSSA Argentina 43189 Q1 2018 2018Q1 CQ Signings 0.4 4 $250K - $500KN
ST/GPP02 Storage Latin AmericaSSA Argentina 43127 Q1 2018 2018Q1 CQ Transactional 0.025 1 <$50K N
GS/1500 Infrastructure SvcsLatin AmericaSSA Argentina 43189 Q1 2018 2018Q1 CQ Signings 0.15 3 $100K - $250KN
ST/GPP05 Storage Latin AmericaSSA Argentina 43182 Q1 2018 2018Q1 CQ Transactional 0.05 1 <$50K N
ST/GPP05 Storage Latin AmericaSSA Argentina 43146 Q1 2018 2018Q1 CQ Transactional 0.01 1 <$50K N
PWRS814APower Latin AmericaSSA Argentina 43189 Q1 2018 2018Q1 CQ Transactional 0.08 2 $50K - $100KN
GS/S7000 Infrastructure SvcsLatin AmericaSSA Argentina 43159 Q1 2018 2018Q1 CQ Signings 0.1 4 $250K - $500KN
V5KU/HW Storage Latin AmericaSSA Argentina 43165 Q1 2018 2018Q1 CQ Transactional 0.01 1 <$50K N
Dtl.Odds Prior.S/S S/S S/S.Name SSM.Step.NameS/S.Update.DateElapsed.Days.in.S/SWin/Loss.DateArchive.Reason.CodeArchive.ReasonOpp.Create.DateOpp.Update.DateDetail.Create.DateDetail.CreatorDetail.Update.DateDetail.UpdaterChannel.Code
25 * 4 04-Validated/QualifyingValidated 43053 85 43145 ** INVALID 43053 43084 43053 SFA, SFA *FUNCTIONALID*43125 SFA, SFA *FUNCTIONALID*BP
25 * 4 04-Validated/QualifyingValidated 43083 55 43173 ** INVALID 43083 43083 43083 SFA, SFA *FUNCTIONALID*43090 SFA, SFA *FUNCTIONALID*BP
25 * 4 04-Validated/QualifyingValidated 43088 50 43178 ** INVALID 43088 43115 43088 SFA, SFA *FUNCTIONALID*43115 MOLINA CACERES, GONZALO NICOLASBP
50 4 5 05-Qualified/Gaining AgreementQualified 43003 135 43190 ** INVALID 42943 43105 42944 SFA, SFA *FUNCTIONALID*43111 Pena Boada, Camila AndreaBP
10 4 5 05-Qualified/Gaining AgreementQualified 43096 42 43159 ** INVALID 43067 43122 43067 Gutierrez Hurtado, Patricia43122 GIRALDO RINCON, LUIS FELIPEBP
10 * 4 04-Validated/QualifyingValidated 43105 33 43189 ** INVALID 43105 43105 43105 SANCHEZ, VERONICA CECILIA43118 SANCHEZ, VERONICA CECILIAFS
25 * 4 04-Validated/QualifyingValidated 43035 103 43127 ** INVALID 43035 43035 43035 SFA, SFA *FUNCTIONALID*43132 FunctionalIDBP
10 4 5 05-Qualified/Gaining AgreementQualified 42900 238 43189 ** INVALID 42859 43137 42859 AlbertoAvila Angel43137 GRIJALBA, IRINAFS
25 * 4 04-Validated/QualifyingValidated 43035 103 43127 ** INVALID 43035 43035 43035 SFA, SFA *FUNCTIONALID*43132 FunctionalIDBP
10 4 5 05-Qualified/Gaining AgreementQualified 42900 238 43189 ** INVALID 42859 43137 42887 GRIJALBA, IRINA43137 GRIJALBA, IRINAFS
25 6 5 05-Qualified/Gaining AgreementQualified 43105 33 43182 ** INVALID 43032 43105 43032 SFA, SFA *FUNCTIONALID*43105 Pena Boada, Camila AndreaBP
25 * 4 04-Validated/QualifyingValidated 43054 84 43146 ** INVALID 43054 43084 43054 SFA, SFA *FUNCTIONALID*43062 SFA, SFA *FUNCTIONALID*BP
10 * 4 04-Validated/QualifyingValidated 43005 133 43189 ** INVALID 43005 43075 43005 Alban Orejuela, Margarita Maria43118 Alvarado Barrueto, Lady MarleneBP
10 * 4 04-Validated/QualifyingValidated 43005 133 43159 ** INVALID 43005 43110 43005 Alban Orejuela, Margarita Maria43027 Alban Orejuela, Margarita MariaFS
10 * 4 04-Validated/QualifyingValidated 43075 63 43165 ** INVALID 43075 43091 43075 Alban Orejuela, Margarita Maria43091 SFA, SFA *FUNCTIONALID*BP
85
Channel BP.ID BP.CompanyIdentifier.User.IDIdentifier Owner.User.IDOwner Lotus.MailClient.Rep.User.IDClient.Rep Tier.ID Tier Industry Industry.CodeSub.IndustrySub.Industry.Code
Business Partnerszu2nacx Lease & Lease S.A.UNASSIGNED* BUSINESSPARTNERBUSINESSPARTNER 53448613 LATORRE, DANIELT6 Commercial AccountsRetail R Retail - Department StoresRC
Business Partners10ailxhs Efra - Ing S.A.UNASSIGNED* BUSINESSPARTNERBUSINESSPARTNER 53448613 LATORRE, DANIELT6 Commercial AccountsGovernment, State/Provincial/LocalG Fin. & Admin, State/Prov./Reg.GA
Business Partners10ailwnq The Computer S.R.L.UNASSIGNED* BUSINESSPARTNERBUSINESSPARTNER MULTIPLECLIENTREPMULTIPLECLIENTREPT6 Commercial AccountsRetail R Retail NetGenRW
Business Partners10airqnw EMETECH S.A.UNASSIGNED* BUSINESSPARTNERBUSINESSPARTNER 93104661 Alban Orejuela, Margarita MariaT6 Commercial AccountsHealthcareH Healthcare NetGenHW
Business Partners1apxxtcn Focus Systems S.A.C28564661Gutierrez Hurtado, PatriciaBUSINESSPARTNERBUSINESSPARTNER 53448613 LATORRE, DANIELT6 Commercial AccountsTravel & TransportationT Freight ServicesTG
Field Sales* Unknown 85426613 SANCHEZ, VERONICA CECILIA85426613 SANCHEZ, VERONICA CECILIAVeronica Cecilia Sanchez/Argentina/IBM@IBMAR53448613 LATORRE, DANIELT6 Commercial AccountsConsumer ProductsD CP - Beverages & TobaccoDJ
Business Partners198dixe9 SALES VISION ARGENTINA S.AUNASSIGNED* BUSINESSPARTNERBUSINESSPARTNER 53448613 LATORRE, DANIELT6 Commercial AccountsConsumer ProductsD CP - Beverages & TobaccoDJ
Field Sales* Unknown C32000661AlbertoAvila Angel85426613 SANCHEZ, VERONICA CECILIAVeronica Cecilia Sanchez/Argentina/IBM@IBMAR93104661 Alban Orejuela, Margarita MariaT6 Commercial AccountsConsumer ProductsD CP - Beverages & TobaccoDJ
Business Partners198dixe9 SALES VISION ARGENTINA S.AUNASSIGNED* BUSINESSPARTNERBUSINESSPARTNER 53448613 LATORRE, DANIELT6 Commercial AccountsConsumer ProductsD CP - Beverages & TobaccoDJ
Field Sales* Unknown C32000661AlbertoAvila Angel85426613 SANCHEZ, VERONICA CECILIAVeronica Cecilia Sanchez/Argentina/IBM@IBMAR93104661 Alban Orejuela, Margarita MariaT6 Commercial AccountsConsumer ProductsD CP - Beverages & TobaccoDJ
Business Partners8uv40 SMX Group SRLUNASSIGNED* BUSINESSPARTNERBUSINESSPARTNER 53448613 LATORRE, DANIELT6 Commercial AccountsComputer ServicesB OutsourcingBB
Business Partners18z7gicr Druidics Soluciones Informáticas S.R.L.UNASSIGNED* BUSINESSPARTNERBUSINESSPARTNER 53448613 LATORRE, DANIELT6 Commercial AccountsHealthcareH Healthcare OtherHE
Business Partners10aixd53 Grupo NET S.A.93104661 Alban Orejuela, Margarita MariaBUSINESSPARTNERBUSINESSPARTNER 53448613 LATORRE, DANIELT6 Commercial AccountsHealthcareH Healthcare OtherHE
Field Sales* Unknown 93104661 Alban Orejuela, Margarita Maria36792613 Fonseca, Fernando DanielFernando Daniel Fonseca/Argentina/IBM@IBMAR53448613 LATORRE, DANIELT6 Commercial AccountsHealthcareH Healthcare OtherHE
Business Partners10aixd53 Grupo NET S.A.93104661 Alban Orejuela, Margarita MariaBUSINESSPARTNERBUSINESSPARTNER 53448613 LATORRE, DANIELT6 Commercial AccountsHealthcareH Healthcare OtherHE
Super.INAC.CodeSuper.INACINAC.CodeINAC LIO LIO.User.IDLIO.Serial.NoProduct.TypeProduct.ModelSegment.CodeSegment Subsegment.CodeSubsegmentCoverage.Type/IDCoverage.NameReports.to.SectorCFU.LeaderTerritory.MgrBase.Coverage.Type
UNAS BUSINESSPARTNERBUSINESSPARTNER ** INVALID T0005405 AR - CommercialCommercialMarcelo Augusto MazzinaAgustin GattasT
UNAS BUSINESSPARTNERBUSINESSPARTNER ** INVALID T0005405 AR - CommercialCommercialMarcelo Augusto MazzinaAgustin GattasT
UNAS MOLINA CACERES, GONZALO NICOLAS64804613 64804 ** INVALID T0005405 AR - CommercialCommercialMarcelo Augusto MazzinaAgustin GattasT
UNAS Alvarado Barrueto, Lady Marlene48525661 48525 ** INVALID T0005405 AR - CommercialCommercialMarcelo Augusto MazzinaAgustin GattasT
UNAS GIRALDO RINCON, LUIS FELIPEC39100661C39100 ** INVALID T0005405 AR - CommercialCommercialMarcelo Augusto MazzinaAgustin GattasT
UNAS SANCHEZ, VERONICA CECILIA85426613 85426 6948 ** INVALID T0005405 AR - CommercialCommercialMarcelo Augusto MazzinaAgustin GattasT
UNAS BUSINESSPARTNERBUSINESSPARTNER ** INVALID T0005405 AR - CommercialCommercialMarcelo Augusto MazzinaAgustin GattasT
UNAS SANCHEZ, VERONICA CECILIA85426613 85426 ** INVALID T0005405 AR - CommercialCommercialMarcelo Augusto MazzinaAgustin GattasT
UNAS BUSINESSPARTNERBUSINESSPARTNER ** INVALID T0005405 AR - CommercialCommercialMarcelo Augusto MazzinaAgustin GattasT
UNAS PEREZ BAY, JOAQUIN GUILLERMO40063613 40063 ** INVALID T0005405 AR - CommercialCommercialMarcelo Augusto MazzinaAgustin GattasT
UNAS Pena Boada, Camila Andrea55255613 55255 ** INVALID T0005405 AR - CommercialCommercialMarcelo Augusto MazzinaAgustin GattasT
UNAS BUSINESSPARTNERBUSINESSPARTNER ** INVALID T0005405 AR - CommercialCommercialMarcelo Augusto MazzinaAgustin GattasT
UNAS MOLINA CACERES, GONZALO NICOLAS64804613 64804 ** INVALID T0005405 AR - CommercialCommercialMarcelo Augusto MazzinaAgustin GattasT
UNAS Fonseca, Fernando Daniel36792613 36792 ** INVALID T0005405 AR - CommercialCommercialMarcelo Augusto MazzinaAgustin GattasT
UNAS Pena Boada, Camila Andrea55255613 55255 ** INVALID T0005405 AR - CommercialCommercialMarcelo Augusto MazzinaAgustin GattasT
Base.Coverage.IDBase.Coverage.NameBranch.Group.IDBranch.GroupBranch.ID Branch Branch.Unit.IDBranch.UnitSource Source.CodeOpp.IdentifierOI.Group OI.Group.CodePPV.($M) ACV.Indc Decision.DateDecision.QtrDecision.YearBill.Date Bill.Qtr Bill.Year DTL_REV_USD
5405 AR - CommercialST Argentina 1205 Argentina CommercialI612 AR CommercialBusiness PartnerBUSP BP BP BP 0.005124 N 43145 Q1 2018 43145 Q1 2018 0.05
5405 AR - CommercialST Argentina 1205 Argentina CommercialI612 AR CommercialBusiness PartnerBUSP BP BP BP 0.000502 N 43173 Q1 2018 43173 Q1 2018 0.02
5405 AR - CommercialST Argentina 1205 Argentina CommercialI612 AR CommercialBusiness PartnerBUSP BP BP BP 0.005124 N 43178 Q1 2018 43178 Q1 2018 0.05
5405 AR - CommercialST Argentina 1205 Argentina CommercialI612 AR CommercialBusiness PartnerBUSP BP BP BP 0.006767 N 43190 Q1 2018 43190 Q1 2018 0.06
5405 AR - CommercialST Argentina 1205 Argentina CommercialI612 AR CommercialDDR SoftwareDDRSW Marketing Marketing TM 0.000162 N 43153 Q1 2018 43159 Q1 2018 0.005
5405 AR - CommercialST Argentina 1205 Argentina CommercialI612 AR CommercialBrand Specialist - ServicesBSSERV Brand SalesField FI 0.004463 N 43189 Q1 2018 43189 Q1 2018 0.008333
5405 AR - CommercialST Argentina 1205 Argentina CommercialI612 AR CommercialBusiness PartnerBUSP BP BP BP 0.000628 N 43127 Q1 2018 43127 Q1 2018 0.025
5405 AR - CommercialST Argentina 1205 Argentina CommercialI612 AR CommercialDigital Sales Coverage RepTELC Digital Coverage SalesDigital SalesTI 0.061895 N 43189 Q1 2018 43189 Q1 2018 0.011111
5405 AR - CommercialST Argentina 1205 Argentina CommercialI612 AR CommercialBusiness PartnerBUSP BP BP BP 0.002562 N 43127 Q1 2018 43127 Q1 2018 0.025
5405 AR - CommercialST Argentina 1205 Argentina CommercialI612 AR CommercialDigital Sales Coverage RepTELC Digital Coverage SalesDigital SalesTI 0.023674 N 43189 Q1 2018 43189 Q1 2018 0.0125
5405 AR - CommercialST Argentina 1205 Argentina CommercialI612 AR CommercialBusiness PartnerBUSP BP BP BP 0.005639 N 43182 Q1 2018 43182 Q1 2018 0.05
5405 AR - CommercialST Argentina 1205 Argentina CommercialI612 AR CommercialBusiness PartnerBUSP BP BP BP 0.000251 N 43146 Q1 2018 43146 Q1 2018 0.01
5405 AR - CommercialST Argentina 1205 Argentina CommercialI612 AR CommercialDigital Sales Coverage RepTELC Digital Coverage SalesDigital SalesTI 0.008199 N 43189 Q1 2018 43189 Q1 2018 0.08
5405 AR - CommercialST Argentina 1205 Argentina CommercialI612 AR CommercialDigital Sales Coverage RepTELC Digital Coverage SalesDigital SalesTI 0.004463 N 43159 Q1 2018 43159 Q1 2018 0.008333
5405 AR - CommercialST Argentina 1205 Argentina CommercialI612 AR CommercialS&D Client RepCLRP Client Rep Field FI 0.000251 N 43165 Q1 2018 43165 Q1 2018 0.01
FV.Indc Contract.DurationEXT_DTL_REV_USDFV.TSV.IndcBTT Campaign.CodeCampaign.ListGlobal.Ultimate.Client.IDGlobal.Ultimate.ClientGlobal.Client.IDGlobal.ClientDomestic.Client.IDDomestic.ClientCategory.Code/Value.ListCompetitor.ListCRM.Roadmap.Status
Y 1 0.05 N 1 * GC2G1VKCNALDO LOMBARDI S.AGC2G1VKCNALDO LOMBARDI S.ADC2G1VKCNALDO LOMBARDI S.AISA999- NIR
Y 1 0.02 N 1 * GCC8LK6WCORPORACION PARA LA DEFENSA DEL SUR S.A.GCC8LK6WCORPORACION PARA LA DEFENSA DEL SUR S.A.DCC8LK6WCORPORACION PARA LA DEFENSA DEL SUR S.A.ISA999- NIR
Y 1 0.05 N 1 * GCC171H5DINOSAURIO S.A.GCC171H5DINOSAURIO S.A.DCC171H5DINOSAURIO S.A.ISA999- Stretch
Y 1 0.06 N 1 * GCBZQM2BOBRA SOCIAL UNION PERSONAL DE LA UNION DEL PERSONAL CIVIL DE LA NACIONGCBZQM2BOBRA SOCIAL UNION PERSONAL DE LA UNION DEL PERSONAL CIVIL DE LA NACIONDCBZQM2BOBRA SOCIAL UNION PERSONAL DE LA UNION DEL PERSONAL CIVIL DE LA NACIONISA999-, SMARTAN-SAINFRAAt Risk
Y 1 0.005 N 1 000022OU000022OUGC2KM5DQCELSUR LOGISTICA S.AGC2KM5DQCELSUR LOGISTICA S.ADC2KM5DQCELSUR LOGISTICA S.ANOCODE-NONE, ISA999-ORACLE At Risk
N 12 0.1 Y 1 * GCLX8FNZ BRANCA INTERNATIONAL SPAGCLX8FNZ BRANCA INTERNATIONAL SPADCBXWHXSFRATELLI BRANCA DESTILERIAS S.A.BCSSI-BGMOBILEACCENT Stretch
Y 1 0.025 N 1 * GCLX8FNZ BRANCA INTERNATIONAL SPAGCLX8FNZ BRANCA INTERNATIONAL SPADCBXWHXSFRATELLI BRANCA DESTILERIAS S.A.ISA999- NIR
N 36 0.4 Y 1 * GCLX8FNZ BRANCA INTERNATIONAL SPAGCLX8FNZ BRANCA INTERNATIONAL SPADCBXWHXSFRATELLI BRANCA DESTILERIAS S.A.NOCODE-NONEOTHER1 Key stretch
Y 1 0.025 N 1 * GCLX8FNZ BRANCA INTERNATIONAL SPAGCLX8FNZ BRANCA INTERNATIONAL SPADCBXWHXSFRATELLI BRANCA DESTILERIAS S.A.ISA999- NIR
N 12 0.15 Y 1 * GCLX8FNZ BRANCA INTERNATIONAL SPAGCLX8FNZ BRANCA INTERNATIONAL SPADCBXWHXSFRATELLI BRANCA DESTILERIAS S.A.NOCODE-NONEOTHER1 Stretch
Y 1 0.05 N 1 * GCBZ1N6DMEDIFE ASOCIACION CIVILGCBZ1N6DMEDIFE ASOCIACION CIVILDCBZ1N6DMEDIFE ASOCIACION CIVILISA999- NIR
Y 1 0.01 N 1 * GCC54V78ASOCIACION MUTUAL DEL PERSONAL JERARQUICO DE BANCOS OFICIALES NACIONALESGCC54V78ASOCIACION MUTUAL DEL PERSONAL JERARQUICO DE BANCOS OFICIALES NACIONALESDCC54V78ASOCIACION MUTUAL DEL PERSONAL JERARQUICO DE BANCOS OFICIALES NACIONALESISA999- NIR
Y 1 0.08 N 1 * GCBZJN8C UNIVERSIDAD NACIONAL DE SALTAGCBZJN8C UNIVERSIDAD NACIONAL DE SALTADCBZJN8C UNIVERSIDAD NACIONAL DE SALTANOCODE-NONE, ISA999-Stretch
N 12 0.1 Y 1 * GCBZJN8C UNIVERSIDAD NACIONAL DE SALTAGCBZJN8C UNIVERSIDAD NACIONAL DE SALTADCBZJN8C UNIVERSIDAD NACIONAL DE SALTANOCODE-NONEOTHER1 Key stretch
Total.Opp.Value.USD.($M)Level.30.DescState/ProvCustomer.CityInitiative Affiliate.NumberGlobal.Buying.GroupGlobal.Buying.Group.IDReports.to.GeoReports.to.MarketCountry.x Level.20.DescLevel.17 SO.NA.SectorDomestic.Buying.Group.IDDomestic.Buying.GroupClient.Type
0.05 Do Not Use - GPP R600B JUNIN UNASSIGN* Latin AmericaSSA Argentina Power Systems HW - AIX/LinuxPower System i/p* * UNASSIGNCommercial
0.02 Do Not Use - GPP STORB CIUDAD DE BUENOS AIRES UNASSIGN* Latin AmericaSSA Argentina System Storage HardwareStorage Hardware* * UNASSIGNCommercial
0.05 Do Not Use - GPP R600X CORDOBA UNASSIGN* Latin AmericaSSA Argentina Power Systems HW - AIX/LinuxPower System i/p* * UNASSIGNCommercial
0.06 V7000 FlashB CIUDAD DE BUENOS AIRES UNASSIGN* Latin AmericaSSA Argentina System Storage HardwareStorage Hardware* * UNASSIGNCommercial
0.005 Connect:DirectB GRAL RODRIGUEZ UNASSIGN* Latin AmericaSSA Argentina B2B SoftwareB2B Collaboration* * UNASSIGNCommercial
0.1 6950-15R MobileFirst Managed Mobility ServicesB TORTUGUITAS - BUENOS AIRES UNASSIGN* Latin AmericaSSA Argentina MOBILITY: ServicesMobility Services* * UNASSIGNCommercial
0.05 Do Not Use - GPP STORB TORTUGUITAS - BUENOS AIRES UNASSIGN* Latin AmericaSSA Argentina System Storage HardwareStorage Hardware* * UNASSIGNCommercial
0.55 6950-05W Cloud Mgmt and Operations Consulting (GTS Hybrid)B TORTUGUITAS - BUENOS AIRES UNASSIGN* Latin AmericaSSA Argentina SYSTEMS: Enterprise IT Services (hybrid cloud)Systems Services* * UNASSIGNCommercial
0.05 Do Not Use - GPP R600B TORTUGUITAS - BUENOS AIRES UNASSIGN* Latin AmericaSSA Argentina Power Systems HW - AIX/LinuxPower System i/p* * UNASSIGNCommercial
0.55 6950-99D IBM Cloud infrastructure on Cloud BU paper (SLIC)B TORTUGUITAS - BUENOS AIRES UNASSIGN* Latin AmericaSSA Argentina Cloud Services - IBM Cloud infrastructure F2F (Cloud BU)IBM Cloud infrastructure* * UNASSIGNCommercial
0.05 Do Not Use - GPP STORB CIUDAD DE BUENOS AIRES UNASSIGN* Latin AmericaSSA Argentina System Storage HardwareStorage Hardware* * UNASSIGNCommercial
0.01 Do Not Use - GPP STORS SANTA FE UNASSIGN* Latin AmericaSSA Argentina System Storage HardwareStorage Hardware* * UNASSIGNCommercial
0.08 Power S814 - AIX or Linux primary OSA SALTA CAPITAL UNASSIGN* Latin AmericaSSA Argentina Power Systems HW - AIX/LinuxPower System i/p* * UNASSIGNCommercial
0.25 6950-92Z IBM Site, Facilities, and Data Center ServicesA SALTA CAPITAL UNASSIGN* Latin AmericaSSA Argentina RESILIENCY: ServicesResiliency Services* * UNASSIGNCommercial
86
Client.Sub-typeEntity.GroupP2C.QuintileCTRY DCR Manager Year Week
Commercial 2nd quintileAR Oscar BuitragoOmar Ramírez 2018
Commercial 4th quintileAR Oscar BuitragoOmar Ramírez 2018
Commercial 2nd quintileAR Oscar BuitragoOmar Ramírez 2018
Commercial 1st quintileAR Oscar BuitragoOmar Ramírez 2018
Commercial 5th quintileAR Oscar BuitragoOmar Ramírez 2018
CommercialGTS 2nd quintileAR Pablo GriecoOmar Ramírez 2018
Commercial 3rd quintileAR Pablo GriecoOmar Ramírez 2018
CommercialGTS 2nd quintileAR Pablo GriecoOmar Ramírez 2018
Commercial 3rd quintileAR Pablo GriecoOmar Ramírez 2018
CommercialGTS 1st quintileAR Pablo GriecoOmar Ramírez 2018
Commercial 1st quintileAR Oscar BuitragoOmar Ramírez 2018
Commercial 5th quintileAR Oscar BuitragoOmar Ramírez 2018
Commercial 2nd quintileAR Oscar BuitragoOmar Ramírez 2018
CommercialGTS 5th quintileAR Oscar BuitragoOmar Ramírez 2018