Dando sentido al Big Data

Tuesday, July 3, 2018

Dando sentido al Big Data

Post original escrito por Gary Maidment, periodista de tecnología y tendencias de negocio para Huawei


El Big Data es algo muy importante para las empresas – específicamente, si pueden usarlo para generar insights de valor. Y la investigación muestra que la mayoría no puede. De hecho, solo el 39 % de las empresas invirtió en una plataforma de análisis de big data, según una encuesta de Tech Pro Research en el cuarto trimestre de 2017. El Dr. Craig Brown, experto en Big Data, autor y consultor, comparte sus consejos sobre cómo las empresas pueden convertir los datos en oro en lugar de kryptonita.

Figure 1. Para que una estrategia de Big Data sea exitosa, se necesita más que solo datos de calidad

Una cuestión de calidad 

“Cuando te estás moviendo hacia una solución data driven, la pregunta que debes hacerte inicialmente es sobre la calidad de tus datos ". dice Brown.  “¿Los datos te permitirán tomar decisiones claras en un sistema basado en ellos?" Si no estás respondiendo estas preguntas en un contexto estratégico claro, tus planes de Big Data pueden fallar. En noviembre de 2017, Nick Heudecker de Gartner tuiteó que la estimación de 2017 de la compañía, que el 60 % de los proyectos de Big Data fracasan fue de hecho "demasiado conservador”. El porcentaje de fracasos está, de hecho, más cerca del 85 %. Y el problema no es la tecnología ". Los problemas más urgentes vienen de una combinación de factores como no contar con las estrategias correctas, las herramientas adecuadas y el apoyo directivo necesario .

Se necesita más infraestructura

Según Brown, definir la calidad, respuestas y tipos de decisiones que quieres extraer de los datos – tu estrategia – va a ayudar a identificar cuáles son las fuentes de datos relevantes, un primer paso que es crucial hacer bien. Algunos ejemplos de fuentes de datos son datos archivados, documentos, reportes, emails, redes sociales, imágenes, aplicaciones de negocio, motores de análisis, sensores, “click-streams”, aplicaciones, APIs y sitios web públicos. Los minoristas, por ejemplo, pueden aplicar técnicas sencillas como asignar una identificación de invitado a tarjetas de crédito para rastrear preferencias y hábitos de compra, monitorizar la actividad de las redes sociales para dar mayor visibilidad a promociones, optimizar el diseño en la tienda para aumentar el tráfico y administrar el inventario de manera más efectiva, para que los artículos agotados dejen de ser un problema. McKinsey informa que el retorno de la inversión a cinco años es del 15 % al 20 % para los minoristas que invierten en Big Data. A su vez, las empresas de telecomunicaciones se pueden beneficiar de las fuentes que producen grandes cantidades de datos, incluyendo registros de detalles de llamadas, uso de teléfonos móviles, equipos de red, registros de servidores, facturación y redes sociales, que se pueden aplicar a cosas como predecir el tráfico, evitar la fuga de clientes y recuperar facturas. 

La analítica es más fácil en el caso de los datos estructurados, es decir, cuando existen un registro predefinido, están organizados y pueden almacenarse en una base de datos relacional (RDB) para facilitar la búsqueda y el análisis. Los datos estructurados pueden generarse de forma automática, como etiquetas RFID de sensores en dispositivos como medidores inteligentes y  collares para ganado, o ser generados por humanos, por ejemplo, el rastro de datos de un “click-stream” que dejaste la última vez que hiciste una compra online.

Sin embargo, se estima que el 80 % de todos los datos están parcialmente estructurados o desestructurados, incluyendo publicaciones en redes sociales, artículos, correos electrónicos y archivos multimedia, lo que significa que no están organizados ni almacenados en un RDB. Este tipo de datos - la forma en que se crean - tiene un matiz típicamente humano, por lo que es más difícil para los algoritmos realizar análisis sintácticos o la visión de la computadora para dar sentido al discurso natural, el texto o las imágenes. Los programas de análisis tradicionales tienden a usar etiquetas para datos estructurados y palabras clave para datos no estructurados, que son imprecisos y pueden crear una brecha de conocimiento.

Según Brown, queda mucho camino por recorrer en el campo del análisis de datos no estructurados, siendo la IA y el 5G los puntos clave.  "La inteligencia de red puede actuar en redes 5G, recogiendo datos de sensores y llevando esa información no estructurada a nuevas tecnologías que proporcionan análisis ", dice refiriéndose a la arquitectura de gestión de la información no estructurada (UIMA).

El problema del personal 

Otra cuestión que Brown cree que deben plantearse las empresas es "la calidad de la colaboración entre sus administradores de datos y los que toman las decisiones". Una encuesta realizada por Tata Consulting, sobre el análisis de Big Data en la fabricación, identificó que  la creación de una relación de confianza entre los científicos de datos y los gerentes funcionales, es una de las principales preocupaciones de las empresas. Esta falta de confianza crea una brecha entre los datos y cómo y qué estrategias comerciales se ejecutan. Estos resultados fueron respaldados por una encuesta realizada por Forrester para Consultoría KPMG, que encontró que solo el 38 % de los encuestados tiene un alto nivel de confianza en las perspectivas de los clientes, solo un tercio parece confiar en los análisis que generan de sus operaciones comerciales y solo El 51 % de los ejecutivos alto nivel tienen plena confianza en  su política de datos y análisis. De acuerdo a un reporte de 2017 realizado por McKinsey, sobre la analítica avanzada de las empresas de telecomunicaciones, “Dado el volumen y el ritmo a que suceden los cambios dentro de la industria, los líderes [de empresas de telecomunicaciones] no están bien posicionados para mover sus empresas tan rápido o tan lejos como es necesario para prosperar.”

Sin embargo, para que los datos tengan valor en la cadena de toma de decisiones, dice Brown, "debe haber una comprensión clara y concisa sobre cuáles deberían ser esas decisiones, qué se espera confirmar de ellas, y qué datos los datos tienen el valor necesario para cubrir esas expectativas ". Ese impulso debe venir desde los niveles más altos de una empresa. 

Las herramientas correctas para el trabajo

Una faceta clave para superar la resistencia de los ejecutivos de alto nivel, es conocer los beneficios que tienen para las empresas las analíticas Big Data y elegir la herramienta adecuada para recopilar, organizar, almacenar y acceder a esos datos. Los problemas más comunes a la hora de elegir soluciones analíticas suelen ser el hacerlo sin antes haber definido correctamente qué problemas quieren resolver, el implementar una solución que no es ágil y no puede escalar, y el olvidarse de los sistemas legacy y cómo integrarlos.

FusionInsight-Universe Analytics de Huawei recibió el premio a la Solución de gobierno de datos más innovadora en la conferencia Telco Big Data Analytics Summit Euro 2017. Optimizada tanto para empresas como para operadoras de telecomunicaciones, la solución reduce de forma muy significativa las cargas de trabajo de integración de datos y proporciona capacidades de administración de la información en almacenes de datos heterogéneos, auditorías de calidad integradas, gestión del ciclo de vida y análisis de linaje de datos. Su solución de gobierno de Big Data proporciona datos de alta calidad para IA y aplicaciones de Big Data, acortando el ciclo de preparación de datos de meses a horas, incrementando en más del 40 % la eficiencia del gobierno de datos, y en un 40 % la cantidad de datos de alta calidad.

Junto con Informatica PowerCenter, una solución de integración de datos basada en Hadoop, la solución proporciona capacidades de integración, conversión y limpieza de datos, características clave porque, como dice Brown, "En el futuro, habrá cada vez más datos y, por lo tanto, necesitaremos sistemas más rápidos y una capacidad de procesamiento mayor para convertir esos datos en información útil para el negocio". Los datos pueden ser una mina de oro, pero su valor permanecerá enterrado sin las estrategias, herramientas y personal adecuados.

No comments:

Post a Comment