BIG DATA: Un cambio de enfoque (I)


Siempre sucede lo mismo: el ciclo de adopción de la tecnología pasa por un estallido mediático, y justo cuando el término empieza a perder su significado, cambia el enfoque y comienza su adopción.

¿Por qué?

Tomemos el caso de Big Data, separando la fase mediática, de educación, de la de adopción.

Fase de educación: El flujo del dato.

La forma en que asimilamos el fenómeno de Big Data es siguiendo el flujo del dato. A saber:

Se están generando nuevos datos susceptibles de ser capturados e integrados en los sistemas de la empresa que una vez transformados en información valiosa será entregada y consumida por los decisores para crear valor.

  • Generación: La proliferación de nuevos dispositivos, sensores, medios sociales, weareables, etc. conlleva un aumento de datos. Pero, no sólo crecen sino que también cambia su patrón de crecimiento – Ej. datos desestructurados, datos en tránsito, meta datos, etc.-. Y con ellos la empresa se enfrenta a sus primeros retos: ¿Dónde los almacenamos? o ¿Cómo integrarlos en la empresa?
  • Captura e integración: La avalancha de nuevos datos pone en jaque las tecnologías existentes – ej. bases de datos relacionales-, propiciando la adopción de nuevas tecnologías – Ej. NoSQL, In menory y Schema-less databases, Hadoop clusters, etc.- para procesar los datos. Pero ¿Qué plataforma elegir? Por ejemplo, Hadoop está basada en open source pero requiere conocimientos técnicos y no está especializada. Cada plataforma tiene sus ventajas e inconvenientes.
  • Transformación: En este punto la atención se desvía al algoritmo, ya no está en la cantidad de datos sino en el filtro, y con ello el foco pasa a cómo extraer significado del dato, a convertirlo en información valiosa. El científico del dato aplica programas y técnicas estadísticas, modelos econométricos, predictivos, etc. Pero encuentra un reto en el sesgo, la calidad de los datos y en encontrar las preguntas adecuadas.
  • Entrega y consumo: Los decisores buscan agilidad en su respuesta ante cambios de mercado y obtener un conocimiento profundo de lo que sucede basado en evidencias pero necesitan ser capaces de accionar esa información y aunque se desarrollan técnicas de visualización que permiten asimilar la información el problema de “la última milla” persiste.
  • La promesa de valor: Esta promesa abarca toda la organización, desde la optimización de precios hasta la creación de nuevos servicios – Ej. Cobrar por mantenimiento predictivo-. Pero la aproximación no puede producirse por big bang, primero hay que probar el valor que hay detrás antes de extenderlo a toda la organización. Ahora el reto es conseguir un sponsor que financie y se involucre en el proyecto.

Continuaremos del tema de Big Data en la segunda parte de este artículo.

Fernando Maldonado, Associate Research Analyst @ Delfos Research

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s