Big data, realidad o ficción

Big data nube

María Benito
Economista. Máster en Dirección Económico-Financiera por el CEF.-

Jordi Pla
Miembro de ACCID Comisión de Valoración de Empresas

Tecnología

“In god we trust all others must bring data” (Confiamos en Dios, el resto debe traer datos) (William Edwards Deming)

Cada día se generan millones de datos de internet que, gestionados de forma adecuada, pueden resultar muy útiles para las empresas en el diseño de sus estrategias de negocio. El objetivo marcado es la mejora de la experiencia de sus clientes, conocer a su competencia e identificar nuevas oportunidades de negocio.

Vivimos en una sociedad hiperconectada donde móviles, ordenadores, robots domésticos, smartwatches, altavoces inteligentes son parte de nuestra vida.

Definición

El concepto de Big Data surge para analizar y gestionar grandes volúmenes de datos (de 30-50 Terabytes a varios Petabytes), estructurados y no estructurados, que tienen que ser tratados con herramientas diferentes a las convencionales dado su tamaño, complejidad y velocidad de crecimiento, con el objetivo de convertir los datos en información útil que facilite la toma de decisiones de una empresa, incluso en real time.

La complejidad en Big Data reside en la naturaleza no estructurada de los datos generados en teléfonos inteligentes, ordenadores, dispositivos GPS, registros, centro de llamadas, webs, vehículos…

En la mayoría de los casos, con el fin de utilizar eficazmente el Big Data, debe combinarse con datos estructurados (normalmente de una base de datos relacional) de una aplicación comercial más convencional, como un ERP (Enterprise Resource Planning) o un CRM (Customer Relationship Management).

Aspectos clave

Lo que hace que Big Data sea tan útil para las empresas es que pueda proporcionarles respuestas a preguntas que todavía no se han formulado, dándoles un punto de referencia e identificando nuevas oportunidades de negocio. Consiguiendo valor en forma de reducción de costes, más rápida y mejor toma de decisiones y creación de nuevos productos orientados a las necesidades reales de los clientes.

Desafíos

Se trata de las conocidas como 5 Vs: volumen, velocidad, variedad, veracidad y valor. Esto hace que las empresas tengan problemas para extraer datos reales y de alta calidad de datos masivos cambiantes y complicados.

  • Selección y priorización: es fundamental entender la profundidad de los datos, establecer prioridades y seleccionar aquello que es realmente necesario. Valorando la gran volatilidad de los mismos que hace plantearnos un poder de procesamiento alto.
  • Seguridad y confidencialidad: el uso de cloud computing y de virtualización complica la decisión de hospedar soluciones de Big Data fuera de la empresa, por temas de confidencialidad, pero representa ventajas económicas significativas.
  • Formación: disponer de profesionales cualificados en las diversas herramientas es una labor complicada al ser un mercado poco maduro que representa una gran oportunidad de desarrollo profesional en competencias de Big Data y transformación digital.
  • No existen estándares de calidad unificados: fue en 2011 cuando ISO publicó las normas de calidad de datos ISO 8000. Este es un proceso clave, no solo por obtener las ventajas competi­tivas sino para evitar incurrir en errores estratégicos y operacionales al basarnos en datos erróneos que nos lleven a la toma de decisiones incorrectas.
  • Desarrollo de un modelo de Business Intelligence a nivel empresarial con gran capacidad de aprendizaje automático que incluirá el cálculo exhaustivo, inteligencia artificial y algoritmos gráficos, unificando tecnologías analíticas, buscando una mejor compatibilidad de los tipos de datos y fuentes que podrán ser leídas por cualquier lenguaje de programación.
  • La inteligencia artificial ha sido creada para la toma de decisiones y para atender las demandas de los consumidores, buscando esa personalización del producto o servicio hacia el cliente.
  • Tecnología Blockchain, con una gran capacidad de transacción y mantenimiento de registros (segura gracias al cifrado) que puede servir como base a otras aplicaciones potenciales de salud, cadenas de suministros... que se puede aplicar a todo tipo de transacciones que no tienen por qué ser necesariamente económicas.

Tendencias

En 2018 se democratizó la utilización del Big Data como herramienta para optimizar los negocios (grandes y pequeños). Para 2022, la estimación de generación de ingresos en el mercado de Big Data y Business Analytics estará en torno a 260.000 millones de dólares con un amplio margen de recorrido para esta tecnología.

En 2019 van ganar terreno estas ten­dencias:

  • Internet de las Cosas (IoT). El crecimiento de objetos conectados permite recoger datos y patrones de uso de funcionamiento y el Edge Computing, para determinar qué datos se almacenan localmente y cuáles en la nube, lo que permite acelerar el proceso y toma de decisiones.
  • Perfeccionar el diseño y funcionamiento de los chatbots, que ya permiten realizar acciones y contestar a los usuarios de forma automática y con un lenguaje natural, pero todavía con mucho que avanzar.
  • Computación cuántica para que el proceso de los algoritmos sea mucho más rápido.
  • Análisis predictivo: identificar riesgos y oportunidades futuras, generar mejores y más rentables campañas de marketing o detectar fraudes.
  • Programas de código abierto: software libre que permite reducir costes a las empresas (ejemplo: Hadoop).
  • Métricas en tiempo real para la toma de decisiones en tiempo real con una implementación ágil que no solo implica rapidez y disposición de informes móviles y acceso 100 % online a través del móvil con o sin conexión.
  • Data Storytelling reduce o agrega información dependiendo del rol que se tenga en la compañía, buscando la personalización de los datos.
  • Análisis de "datos oscuros" (dark data); datos que las empresas no pueden analizar porque no es posible su captura. Se están desarrollando nuevas herramientas que van a permitir su procesamiento.
  • Detección de amenazas en ciberse­guridad junto con el robo de datos.
  • Importancia del Chief Data Officer (CDO): como maximizador del valor de los datos.

Tal y como decía César Alierta, "Los datos son el petróleo del siglo XXI. El despliegue de sensores y el incremento de la capacidad del procesamiento, son claves en la transformación de muchos sectores y en la creación de un mundo más medible y programable".