Gestionar el aumento de los datos, es decir, el Big Data, significa tener un enfoque del negocio basado en los datos, para tomar decisiones informadas y anticipar el futuro. Estas son las tecnologías y competencias necesarias para ser más competitivos.
¿Qué es el Big Data? ¿Qué es el análisis de Big Data?
Estas son preguntas que escuchamos cada vez más a menudo hoy en día, especialmente en España, donde el big data se ha convertido recientemente en una necesidad para todas las empresas que pretenden transformarse en una empresa impulsada por los datos, para tomar decisiones informadas basadas en datos relevantes. Así que veamos en detalle para dar una definición y una explicación sencilla al concepto de Big Data.
Qué es el Big Data y qué es el análisis de Big Data
Los big data son una cantidad creciente de información que la transformación digital de los negocios está creando y haciendo circular dentro de las empresas y fuera de ellas. El Big Data, por ejemplo, proviene de los sensores integrados en los miles de objetos que, conectados a la Red, hoy llamamos Internet de las Cosas; según el McKinsey Global Institute hoy ya hay más de 30 millones de ellos, conectados a la Red y utilizados en los sectores de la automoción, la industria, los servicios públicos o el comercio minorista y el número cada año aumenta un 30%.
Más allá de los flujos de datos producidos por los sistemas informáticos y las infraestructuras de apoyo a la producción, la distribución y la prestación de servicios, el big data es un fenómeno asociado a una evolución masiva de los usos y costumbres de las personas. Cada vez que usamos un ordenador, encendemos un smartphone o abrimos una aplicación en una tableta, siempre dejamos nuestra huella digital hecha de datos.
En 2001, Doug Laney (hoy vicepresidente y analista distinguido del equipo de investigación y asesoramiento de Gartner Chief Data Officer) describió en un informe el modelo que describe sintéticamente el Big Data con las 3V: Volumen, Velocidad y Variedad. Un modelo sencillo para definir los nuevos datos generados por el aumento de las fuentes informativas y, en general, por la evolución de las tecnologías. Hoy en día el paradigma de Laney se ha enriquecido con las variables de Veracidad y Variabilidad y por eso se llama 5V.
Big Data Analytics: de los navegadores a las redes sociales, ¿qué significa?
El Big Data, de hecho, también proviene de la creciente multimedia que se origina en la proliferación de dispositivos fijos y móviles que utilizamos para vivir y trabajar. La familiaridad con la compartición de vídeos y una cultura de la imagen que lleva a la gente a compartir todo tipo de fotos ayudará a quienes sepan gestionar esta masa de datos a comprender aún mejor los gustos y las tendencias, orientando mejor las decisiones.
Los Big Data también proceden de las redes sociales y de todo el tráfico de información que pasa por los distintos sistemas de CRM, desde la caja de un supermercado que pasa una tarjeta de fidelidad hasta una llamada telefónica que llega a un centro de atención.
De hecho, a diferencia de muchas modas tecnológicas, el Big Data no es una tendencia sino una necesidad de gestión. Y lo son para cualquier tipo de organización, lo que está provocando que muchas empresas adquieran los servicios de agencias de Big Data. Esos conjuntos de datos crecientes que parecen estar explotando las bases de datos corporativas serán las claves de la competitividad, el crecimiento empresarial y la innovación. ¿Cómo?
- Ayudando a entender cómo reaccionan los mercados y cómo perciben las marcas.
- Identificando los factores clave que impulsan a la gente a comprar un determinado servicio o producto
- Segmentar la población para personalizar al máximo las estrategias de actuación
- Permitiendo nuevos experimentos gracias a la disponibilidad de datos inéditos
- Ganando en previsibilidad, gracias a un historial de información tan amplio y preciso que permite realizar simulaciones más que plausibles
- Permitir nuevos modelos de negocio
El uso de Big Data en la emergencia de Covid-19
La pandemia provocada por Covid-19 ha puesto de manifiesto la importancia de aprovechar los datos para tomar decisiones rápidamente y garantizar la continuidad de la actividad en tiempos de crisis, pero también ha obligado a muchas empresas a replantearse sus planes de inversión. Esto ha ampliado la brecha entre las empresas más innovadoras, que han racionalizado las inversiones reinventando o acelerando su estrategia basada en los datos, y las más conservadoras, que han detenido o pospuesto las inversiones. El resultado es una ralentización del crecimiento del mercado de Analytics. El negocio, por tanto, está ahí y no se ha detenido.
A pesar de las dificultades relacionadas con Covid-19, el 96% de las grandes empresas no ha dejado de realizar actividades para mejorar la recogida y explotación de datos y el 42% se ha movido, en términos de experimentación y experiencia, en el campo de la Analítica Avanzada. Por otro lado, entre las PYMES, el 62% tiene en marcha alguna actividad de análisis de datos, de las cuales el 38% son análisis avanzados.
«La pandemia ha llevado a replantear algunas actividades de análisis de datos, prestando más atención a la eficiencia, la presencia de competencias internas y la gobernanza de los datos y el Data Science. – explica Alessandro Piva, director de investigación del Observatorio de Big Data y Business Analytics – Covid ha sido una prueba de esfuerzo: mientras que las empresas más inmaduras han visto reducido su interés por el tema, las orientadas al enfoque basado en datos han sido capaces de reinventarse».
Otras tendencias relevantes de los últimos meses tienen que ver con la aplicación del Machine Learning en todo el ciclo de vida de los datos, la industrialización del Advanced Analytics y una mayor madurez organizativa.
También según Polimi, el análisis en tiempo real (fast data) está ganando terreno: significa que se integran diferentes fuentes de información en streaming en tiempo real, especialmente en el ámbito del IoT: se trata de publicidad en tiempo real (programática), detección de fraudes, mantenimiento predictivo y desarrollo de nuevos productos.
¿Cuáles son las tecnologías para Big Data Analitycs?
En 2020, la mayor parte del gasto se centró en el software (52%, +16% en comparación con 2019, incluye bases de datos y herramientas para adquirir, procesar, visualizar y analizar datos, aplicaciones para procesos empresariales específicos), en particular para las plataformas de Inteligencia Artificial y Ciencia de Datos. Le siguen los servicios, que representan el 28% del mercado, y los recursos de infraestructura (20%, +7%), es decir, los sistemas de análisis que proporcionan capacidad informática y de almacenamiento. El gasto en Analítica en la Nube crece un +24% y este componente llega a pesar el 19% del gasto (+2% respecto a 2019).
Ejemplos y estado del arte del Big Data
¿La mayoría de la gente sólo tiene una vaga idea de hasta qué punto Google tiene un profundo conocimiento de todo lo que buscamos en Internet, o de hasta qué punto Facebook sabe (cualquier cosa y todo) sobre los amigos, sentimientos, preferencias, sueños y necesidades de su gran comunidad?
Aunque nunca se lo hayamos dicho, Google sabe reconocer nuestros datos personales, elaborando perfiles en función de nuestros modos de navegación para ofrecernos anuncios tan dirigidos que rozan la personalización. Para toda esa mitad del cielo que ha elegido Android, MountainView siempre sabe dónde hemos estado, dónde hemos viajado, parado, comido o alojado.
Por otro lado, Facebook, con sus mil millones de miembros, sabe incluso cuando un romance ha llegado a un punto crítico. Basándose en las actualizaciones de estado de los muros (se publican 3,3 millones de posts cada minuto), la empresa puede predecir si una relación está destinada a durar, con una precisión inquietante. Por no hablar de Twitter que cada 60 segundos mueve 347 mil tuits y que, al igual que las otras Big Tech ha desarrollado una API (Application Program Interface) que permite a terceros acceder a cada uno de estos (por definición todos públicos): se trata de datos no estructurados, sondeados por las nuevas técnicas de análisis de sentimiento que pueden entender las emociones contenidas en la información textual, ayudando a los responsables de la toma de decisiones (empresariales y políticas) a entender hacia dónde va el viento de la opinión pública.
Las nuevas profesiones del Big Data
El problema con el Big Data no es tanto su cantidad, sino la capacidad de las empresas para poder analizar los datos disponibles de la forma adecuada. La fórmula es conversacional y se desarrolla en tres etapas: consulta, respuesta y vista detallada. Algoritmos cada vez más sofisticados permiten interceptar e interpretar cada flujo digital. Este es el progreso tecnológico que está revolucionando los modelos de negocio.
Las empresas impulsadas por los datos necesitan nuevos perfiles de ciencia de datos, ahora muy extendidos en las grandes empresas: en 2020 se observa una estabilidad en la difusión del Analista de Datos, ahora presente en el 76%, y del Científico de Datos, presente en el 49%, pero crecen el Ingeniero de Datos (58%, +7%) y el Experto en Visualización de Datos (52%, +31%), mientras que el Traductor de Analítica (presente en el 30% de las empresas) se perfila como un perfil emergente.
Para ello, el último informe de McKinsey («The age of analytics») identifica cuatro tipos de perfiles que serán cada vez más requeridos por las empresas:
- Arquitectos de datos, es decir, los que diseñan sistemas de datos y flujos de trabajo relacionados
- Ingenieros de datos, que identifican soluciones basadas en datos y desarrollan productos de exploración y análisis específicos.
- Los científicos de datos, que analizan los datos mediante algoritmos cada vez más sofisticados
- Traductores de negocios, figuras bimodales con conocimientos técnicos y empresariales
