Por Leandro Africano
Cada nueva idea que se convierte en tendencia global de IT tiene, al comienzo, muchos detractores y seguidores. Luego, al atravesar algunos obstáculos, sobre todo los periodísticos, la tendencia logra a fuerza de casos de negocios convertirse en una realidad con muchas aristas. En este momento del proceso se encuentra el concepto de big data.
Empecemos por entender que big data alude a la explosión de información cuantificable, en gran parte generada por el comportamiento de la usuarios en Internet y en medios sociales, y que ha logrado atraer a empresas, académicos y organismo como un potente imán. Pero también hace referencia a toda la información almacenada y por almacenar basada en datos estructurados como las bases de datos y los que no son estructurados, como las imágenes, videos o sonidos que, mediante un algoritmo matemático pueden ser leídos, interpretados y transformados en información valiosa.
La posibilidad de relacionar, vincular y cruzar grandes volúmenes de datos que hoy están inconexos permite solucionar pequeños problemas que pueden ser grandes soluciones. Por ejemplo, cualquier compañía aseguradora puede pensar que es imposible saber si jugar al fútbol los sábados es más peligroso que hacer paracaidismo para definir el costo de una cobertura para un cliente, y hoy con el concepto big data es más fácil estimarlo debido a la gran diversidad de fuentes que pueden acercar información estadística sobre esta situación.
Otro ejemplo aun más llano es que un médico puede escribir “TVP” como el diagnóstico de un paciente en el sistema de historia clínica de una institución sanitaria. Esta abreviatura se utiliza comúnmente tanto para “trombosis venosa profunda” como para “diverticulitis”, dos condiciones médicas muy diferentes. Una base de conocimientos construida a partir de datos relacionados como los síntomas asociados a las enfermedades y los medicamentos se puede utilizar para determinar cuál de los dos términos es al que hacía referencia el médico y evitar malos entendidos futuros.
Una visión humana de este proceso es, de alguna manera, imprescindible. Todos los especialistas coinciden en que no hay que olvidar que invertir en big data no tendrá un retorno si no hay una empatía humana detrás hacia los consumidores y una visión creativa para comunicar. Sin esto, cualquier algoritmo matemático que me ayude a interpretar datos almacenados es simplemente inútil.
Sin una teoría de cómo los consumidores forman sus preferencias y actúan en consecuencia, un analista se verá rápidamente superado por la cantidad de datos a disposición y ni todo el poder de procesamiento del mundo va a acudir en su ayuda. El punto de partida debería ser una hipótesis explícita sobre las necesidades de sus clientes y de cómo las empresas crean valor para ellos. Puede ser que se trate de un nuevo producto que está en el laboratorio y se cree que puede ser un acierto. O puede ser que haya clientes en el mercado que no son leales a nadie. Son los votantes indecisos a quienes se podría captar con alguna proposición ligeramente modificada.
A medida que la infraestructura del universo digital se conecta aún más, la información no se encontrará en la región en que se utilice, ni será necesario. Hacia 2020 se calcula que cerca de 40% de los datos serán “tocados” por la computación en la nube (privada o pública), lo que significa que en algún punto entre la creación y el uso de los bytes, se almacenarán o se procesarán en la nube. En todo está el marketing
Lo que se necesita es la visión más amplia posible del camino que recorre un cliente hacia la compra. Esta perspectiva significa entender más completamente cómo su interacción con un cliente encaja con todas las otras interacciones que esa persona tiene con otros minoristas o, para el caso, con otros negocios, canales de compra o actividades. Sin ese conocimiento sobre qué es lo que hace que un cliente vaya a algún lugar distinto de nuestro negocio, las iniciativas de crecimiento no sirven.
Big data analytics es el proceso de examinar grandes cantidades de datos de diversos tipos para descubrir patrones escondidos, correlaciones desconocidas y otro tipo de información útil. Esa información puede dar ventajas competitivas frente a organizaciones rivales y resultar en beneficios comerciales. El principal objetivo de hacer big data analytics es ayudar a las empresas a tomar mejores decisiones.
• Asociación: búsqueda de patrones donde un evento se conecta con otro evento
Big data es un fenómeno consecuente con la evolución de los sistemas de toma de decisión. La cantidad de información que se genera hoy día es muy grande y se necesita de gran velocidad para la captura, tratamiento y análisis. En el ambiente de los negocios va a ir tomando mucha importancia a medida que pase el tiempo, porque cada vez se necesitan capturar y almacenar mayor cantidad de datos, y se necesita mayor velocidad de respuesta para el análisis. Viene a apoyar más la definición de información, ya que para que exista información tiene que estar en el momento adecuado. Muchas veces los decisores tienen los datos, pero fuera de tiempo. En la vida cotidiana, estimo que ayudará a mejorar la calidad de vida, ya que la ciencia no disponía la posibilidad de manejar grandes volúmenes de datos que hoy si puede.
La gente convive y es usuaria de big data y no solo consume diariamente información, sino que también la misma es generada por cientos de millones de individuos que quieren ser partícipes de este universo informático, ya sea compartiendo sus experiencias, fotos, pasiones. Las empresas que brindan estos servicios deben ser conscientes de este fenómeno y adecuar su infraestructura actual pensando en el crecimiento exponencial futuro de los datos no-estructurados principalmente.
Big data es un proceso que va mucho más allá del volumen de los datos. Cuando no solo la cantidad sino la variedad y la velocidad de generación de datos exceden las capacidades de almacenamiento y cómputo de una organización, estamos frente a un desafío: ¿Cómo obtener valor? Es decir, la organización tiene un activo potencialmente muy valioso pero no puede sacar provecho de él. Según encuestas de Economist Intelligence Unit, apenas 50% de los datos de una organización son aprovechados y el 25% más importante es de difícil acceso y no se obtiene conocimiento sobre ellos. En este sentido, las organizaciones que tienen la tecnología, la cultura y los procesos correctos empiezan a obtener ventajas competitivas.
Podemos mencionar ejemplos en varias industrias: sitios web prueban diferentes versiones de sus sitios para entender que combinaciones logran mayores ventas; empresas de comida rápida estudian movimientos dentro del local y patrones de los pedidos en tiempo real para hacer pruebas de cambios de menú y diseño de locales; supermercados optimizan dinámicamente sus precios para mejorar márgenes y reducir inventarios. Los Gobiernos tendrán accesos a mejores recursos de fiscalización impositiva, haciendo uso de técnicas estadísticas sobre enormes volúmenes de datos.
En líneas generales, big data tiene un gran espectro de posibles aplicaciones. Estas son:
Toda esta tarea debe hacerse integrando múltiples fuentes de información, tanto internas como externas, en algunos casos de gran volumen, y segmentando en forma interactiva a pedido de las personas, para atender el segmento de población referido a la discusión específica. Por ejemplo, las antenas o componentes de la red de telefonía celular, donde más se caen llamadas en un horario específico; el Tablero de Control de Gestión de un banco o una empresa. ¿Cuántas fuentes de información y de qué volumen deben integrarse para disponer de una visión completa de la problemática?
La adopción generalizada de tecnologías de big data por fuera de la computación de alto desempeño. Entre los hallazgos en este mercado figuran los siguientes:
Conducta del cliente
Desde otro punto de vista, a los ejecutivos de Ventas los seduce la idea de sacar conclusiones sobre el comportamiento de compra de sus clientes a partir de lo que hacen en Internet o pueden obtener de diversas fuentes de información como la que puede proveer una tarjeta de crédito: con quién se conectan, qué les gusta, dónde compran, qué marcas siguen, qué productos les resultan valiosos y cuáles no, entre otras variables. Esta promesa nace en parte del hecho que los datos que se obtienen en Internet para ser analizados –un procedimiento que se conoce como analytics– ya se encuentran alojados en computadoras para su clasificación, filtrado y confección de modelos.
Parece que la idea big data será lo que va a cambiar las reglas del juego para la gente de marketing y los anunciantes, aunque algunos le sacarán más el jugo que otros. Como muchos ejecutivos ya cuentan con herramientas automatizadas para hacer data mining (proceso que intenta descubrir patrones en grandes volúmenes de conjuntos de datos) se supone que fácilmente podrán descubrir tendencias que antes no eran visibles. Pero big data implica más que conocer los hechos, necesita que analistas adecuados hagan preguntas adecuadas para tomar decisiones adecuadas.
David Meer, consultor y ejecutivo de Booz & Company, explica que para contestar esas preguntas y para aprovechar todo el potencial de big data, las empresas deben volver a las bases, ir tras una visión totalizadora de los clientes y mercados y finalmente aprender haciendo.
Sin una teoría de cómo los consumidores forman sus preferencias y actúan en consecuencia, un analista se verá rápidamente superado por la cantidad de datos a disposición y ni todo el poder de procesamiento del mundo va a acudir en su ayuda. El punto de partida debería ser una hipótesis explícita sobre las necesidades de sus clientes y de cómo las empresas crean valor para ellos. Puede ser que se trate de un nuevo producto que está en el laboratorio y se cree que puede ser un acierto. O puede ser que haya clientes en el mercado que no son leales a nadie. Son los votantes indecisos a quienes se podría captar con alguna proposición ligeramente modificada.
Una vez que han reunido los datos necesarios para testear su hipótesis, dice Meer, por lo general el análisis va a conducirle a ideas específicas para desarrollar buenas proposiciones de valor y luego llevarlas al mercado. Una segmentación de calidad superior, agrupando a sus clientes y prospects sobre la base de conductas o preferencias similares, puede conducir a estrategias de targeting mucho más efectivas.
Coyuntura de datos
La proliferación a escala mundial de dispositivos como las PC, tablets y teléfonos inteligentes aumentó el acceso a Internet dentro de los mercados emergentes (entre los que se encuentra la Argentina) y el incremento de datos generados por máquinas, tales como las cámaras de vigilancia o contadores inteligentes, ha contribuido a la duplicación del universo digital solamente en los últimos dos años alcanzando un tamaño de 2,8 ZB (una cifra que incluye 21 ceros).
El estudio de IDC que fue difundido por EMC proyecta que, para 2020, el universo digital alcanzará 40 ZB, cifra que supera las proyecciones realizadas anteriormente en 14%. En términos de volumen, 40 ZB de datos se puede comparar con los granos de arena en todas las playas del mundo que se estima asciende a setecientos trillones quinientos mil billones. Esto significa que 40 ZB equivalen a 57 veces la cantidad de granos de arena de todas las playas del mundo. Asimismo, 40 ZB serán 5,247 GB por persona a escala mundial.
La promesa de big data reside en la extracción de valor a partir de grandes conjuntos de datos sin explotar. Sin embargo, la mayor parte de los datos nuevos son en gran medida datos no estructurados, sin etiquetar originados en archivos, lo que significa que no se conoce mucho sobre ellos.
Según la investigación en 2012, 23% del universo digital (643 exabytes) es útil para el big data si se etiquetan y se analizan. Sin embargo, en la actualidad, solo 3% de los datos potencialmente útiles están etiquetados y un porcentaje aún menor se analiza. Hacia el año 2020, 33% de los datos existentes (más de 13,000 exabytes) tendrá valor como big data si se etiquetan y se analizan.
La cantidad de datos que se deben proteger está creciendo de forma más rápida que el propio universo digital. En 2010, menos de 1/3 de este requería protección; pero se espera que esa proporción supere 40% en 2020. El nivel de protección varía según la región, y en los mercados emergentes la protección es mucho menor.
Como el cómputo en la nube desempeña una función aún más importante en la administración de big data, se espera que la cantidad de servidores mundiales aumente 10 veces, y que la cantidad de información administrada de forma directa por centros de datos empresariales crezca a razón de un factor de 14.
El tipo de datos almacenados en la nube también atravesará una transformación radical en los próximos años. Hacia 2020, IDC predice que 46,7% de los datos almacenados en la nube estará relacionado con el entretenimiento, no con información empresarial. El resto estará formado por datos de vigilancia, datos incorporados y datos médicos, e información generada por computadoras, teléfonos y productos electrónicos de consumo.
En la actualidad, Europa occidental está realizando la mayor inversión para administrar el universo digital a razón de US$ 2,49 por GB. Estados Unidos se encuentra en segundo lugar, ya que invierte US$ 1,77 por GB, seguido por China que invierte US$ 1,31 por GB e India que aporta US$ 0,87 por GB.
A medida que la infraestructura del universo digital se conecta aún más, la información no se encontrará en la región en que se utilice, ni será necesario. Hacia 2020 se calcula que cerca de 40% de los datos serán “tocados” por la computación en la nube (privada o pública), lo que significa que en algún punto entre la creación y el uso de los bytes, se almacenarán o se procesarán en la nube. En todo está el marketing
Una de las lecciones fundamentales extraídas de la disciplina del marketing es que cuando aparece una nueva fuente de datos enamora a todo el mundo. Las empresas inteligentes, sin embargo, dan un paso atrás y se esfuerzan por lograr una visión holística de sus clientes y mercados. Usan la nueva fuente de datos pero sin subestimar otra información que puede aportar importantes piezas faltantes para el análisis.
Esta no es la primera vez que una revolución de datos cambia el juego para los anunciantes: no todas las transiciones anteriores tuvieron un desarrollo fluido. A mediados de los 80 la introducción del escaneo de códigos de barra permitió a las empresas reunir información en las cajas de cobro. Antes de eso, los datos eran limitados, las empresas sabían lo que despachaban, y podían preguntar a los clientes lo que compraban. Pero con el advenimiento de los escáners, podían ver lo que estaba pasando en el punto de venta. En los primeros años de esta tecnología, este nuevo conocimiento llevó a algunas equivocaciones.
Los departamentos de Marketing se concentraron demasiado en el impacto de las promociones de precios sobre las ventas y perdieron de vista algunos conceptos fundamentales de la disciplina: creación y valor de la marca. Con el tiempo, las empresas desarrollaron modelos estadísticos más evolucionados y reorientaron su energía. Recién entonces los escáners se convirtieron en una bendición para el marketing y la venta minorista de los últimos 30 años.
Como los imperfectos modelos de ROI (return on investment, o retorno sobre la inversión) de los primeros años de los códigos de barras, los nuevos análisis de big data pueden conducir a error. Muchas cadenas de retail creen que saben todo lo que sale de sus estanterías y creen también que saben mucho sobre sus clientes. Pero resulta que cuando ponen más cosas en las estanterías que se parecen a las cosas que ya se están comprando, no ven el crecimiento esperado.
Lo que se necesita es la visión más amplia posible del camino que recorre un cliente hacia la compra. Esta perspectiva significa entender más completamente cómo su interacción con un cliente encaja con todas las otras interacciones que esa persona tiene con otros minoristas o, para el caso, con otros negocios, canales de compra o actividades. Sin ese conocimiento sobre qué es lo que hace que un cliente vaya a algún lugar distinto de nuestro negocio, las iniciativas de crecimiento no sirven.
Los primeros pasos que se tomen para adquirir, armonizar y hacer uso de big data a partir de nuevas fuentes de datos siempre conducen a interesantes conocimientos nuevos. Se podrá aprender cosas sobre los clientes que hagan cuestionar ciertos productos, servicios o estrategias. El especialista Meer recomienda que las compañías no se zambullan de cabeza a practicar analytics sobre big data: “es mejor aconsejarles que comiencen con proyectos piloto. Será bueno que aprendan a caminar antes que a correr: pueden elegir un producto, una geografía y un problema con el cual concentrarse y luego ver si el retorno por el esfuerzo y costo justifica el esfuerzo”, explica. Para saber de qué estamos hablando Glosario de términos que son préstamos del inglés Data. En computación, data es información que ha sido traducida a una forma más conveniente para ser trasladada o procesada. Con relación a las actuales computadoras y medios de transmisión, data es información convertida a forma binaria digital.
Big data: es un término general usado para describir la voluminosa cantidad de datos no estructurados y semi estructurados que crea una compañía: data que llevaría mucho tiempo y dinero cargar en una base de datos relacional para su análisis. Aunque no se refiere a ninguna cantidad específica, por lo general se usa cuando se habla de petabytes exabytes. Un primer objetivo de mirar big data es descubrir patrones comerciales repetibles. Por lo general se acepta que los datos no estructurados, la gran mayoría ubicados en archivos de texto, representan por lo menos 80% de los datos de una organización. Si se los deja en el olvido, el simple volumen de los datos no estructurados que se genera cada año en una empresa puede ser muy costoso en términos de almacenaje.
Big data analytics es el proceso de examinar grandes cantidades de datos de diversos tipos para descubrir patrones escondidos, correlaciones desconocidas y otro tipo de información útil. Esa información puede dar ventajas competitivas frente a organizaciones rivales y resultar en beneficios comerciales. El principal objetivo de hacer big data analytics es ayudar a las empresas a tomar mejores decisiones.
Data mining: es el proceso de ordenar y clasificar data para identificar patrones y establecer relaciones.
Entre los parámetros de data mining se incluye:
• Asociación: búsqueda de patrones donde un evento se conecta con otro evento
• Análisis de secuencia o de ruta: búsqueda de patrones donde un evento conduce a otro evento posterior.
• Clasificación: búsqueda de nuevos patrones, que puede llevar a una nueva organización de los datos.
• Clustering: encontrar grupos de hechos no vistos anteriormente.
• Forecasting o prognosis: descubrir patrones en los datos que pueden llevar a predicciones razonables sobre el futuro. Las técnicas de data mining se usan en muchas áreas de investigación, incluidas las matemáticas, cibernética, genética y marketing.
• Web mining, un tipo de data mining usado en “customer relationship management” (CRM), aprovecha la enorme cantidad de información reunida por un sitio web para buscar patrones en la conducta de los usuarios.
Data analytics: es la ciencia de examinar datos crudos con el propósito de extraer conclusiones sobre esa información. Se la usa en muchas industrias para permitir a las empresas y organizaciones tomar mejores decisiones comerciales y en las ciencias para verificar o refutar modelos o teorías existentes. Mientras que data mining usa software complejo para identificar patrones no descubiertos y establecer relaciones escondidas, data analytics se enfoca en la inferencia, el proceso de derivar una conclusión basada exclusivamente en lo que el investigador ya sabe.
CRM (customer relationship management) analytics: comprende toda la programación que analiza datos sobre los clientes de una empresa y los presenta de manera tal que se puedan tomar mejores y más rápidas decisiones. CRM analytics puede emplear data mining. Argentinos inmersos en big data La visión local de los datos Protagonistas de este fenómeno de IT en auge interpretan para Mercado cómo es el proceso en el país, qué oportunidades de negocios se abren y cómo las marcas y las empresas pueden capitalizarlas. Es una oportunidad para el mercado global en veloz crecimiento y de multimillonario valor. Se estima que este segmento crecerá de los US$ 6.000 millones que facturaba en 2011, a US$ 23.800 millones en 2016. A un ritmo de crecimiento siete veces mayor que todo el sector de TIC (tecnologías de la información y las comunicaciones).
Miguel Falabella
Director de Protech – Process Technologies
Big data es un fenómeno consecuente con la evolución de los sistemas de toma de decisión. La cantidad de información que se genera hoy día es muy grande y se necesita de gran velocidad para la captura, tratamiento y análisis. En el ambiente de los negocios va a ir tomando mucha importancia a medida que pase el tiempo, porque cada vez se necesitan capturar y almacenar mayor cantidad de datos, y se necesita mayor velocidad de respuesta para el análisis. Viene a apoyar más la definición de información, ya que para que exista información tiene que estar en el momento adecuado. Muchas veces los decisores tienen los datos, pero fuera de tiempo. En la vida cotidiana, estimo que ayudará a mejorar la calidad de vida, ya que la ciencia no disponía la posibilidad de manejar grandes volúmenes de datos que hoy si puede.
Un caso de negocios para encarnar este proceso es, por ejemplo, hacer análisis de tráfico de llamadas para un analista en una telefónica, en tiempo real y ver las tendencias de los años anteriores y poder así predecir posibles caídas por saturación. Otro uso importante es la captura de datos de redes sociales y el análisis de los mismos; es muy importante para el área de Marketing de empresas. En la vida cotidiana, la medicina puede tener a disposición patrones en enfermedades y analizarlos.
Big data en los negocios implica que las empresas puedan ver su funcionamiento en tiempo real, independizando del volumen de los datos. El volumen de datos era una piedra difícil de pasar, pero ahora es posible. En unos años nadie va a tener que esperar información para tomar decisiones.
Carlos Franciosi
Regional Solution Architect de Red Hat
La información se crea, se replica o se referencia y no para de crecer. Ya sea que se publique un comentario o se comparta con otra persona cualquier contenido ya almacenado en las redes sociales, estamos generando continuamente más y más información. Es un fenómeno que ya forma parte de nuestras vidas y no tenerlo en cuenta en la operatoria diaria de las empresas podría tener consecuencias severas a futuro.
Desde recomendaciones específicas sobre productos, servicios y hasta incluso nuevas amistades, el análisis de la información en línea se ha transformado hoy en día en un must para la mayoría de los proyectos. De esta manera, se pretende predecir el comportamiento de los usuarios y ofrecer la mejor recomendación posible.
Esto implica también, para las empresas, un crecimiento en la oferta de servicios y al mismo tiempo de la infraestructura de TI para poder ofrecerlos, sin reducir la calidad de los sistemas en su totalidad. Es por eso que contar con las herramientas necesarias, resultará en que sea mucho más sencillo y dinámico capturar, almacenar, procesar y analizar en simultáneo grandes volúmenes de información entre múltiples plataformas.
La gente convive y es usuaria de big data y no solo consume diariamente información, sino que también la misma es generada por cientos de millones de individuos que quieren ser partícipes de este universo informático, ya sea compartiendo sus experiencias, fotos, pasiones. Las empresas que brindan estos servicios deben ser conscientes de este fenómeno y adecuar su infraestructura actual pensando en el crecimiento exponencial futuro de los datos no-estructurados principalmente.
Más allá de este crecimiento de la información que ya todos conocemos, los principales desafíos a los que se enfrentan las compañías tienen que ver con: performance, es decir, qué tan rápido puedo responder a un requerimiento; escalabilidad, cuántos pedidos puedo responder en un momento dado (on-demand) y agilidad, en cuanto al tiempo necesario para responder un nuevo requerimiento.
Alexis Zlocowski
Regional Account Manager C&LA de Teradata
Con el concepto de big data se profundiza la capacidad de las organizaciones de hacer “Behavioral Analytics” en donde dejamos de analizar transacciones para analizar interacciones. Hoy no solo es importante comprender la rentabilidad por cliente o por producto si no también poder predecir el comportamiento de cierto cliente para poder influenciarlo.
Lo que es interesante del mundo de big data no son los datos en sí mismos si no los resultados obtenidos mediante el análisis de los mismos, aplicando técnicas que hasta hace poco eran inviables sobre grandes volúmenes de información. Para apalancar la utilización de big data hay que darle a los analistas de negocio de la organización las herramientas analíticas que permitan explorar la información sin importar su volumen, su complejidad o la velocidad con la que se genere.
Consideramos que muchas industrias pueden obtener valor de iniciativas de big data. Por ejemplo en el sector de venta minorista el análisis conjunto de la información de visitas a tiendas, llamadas a call centers, información de weblog y transacciones online provee una visión multidimensional de los clientes donde se observa no solo sus compras, también sus preferencias y comportamientos para poder sugerir que productos incluir su próxima compra.
Instituciones financieras ya están utilizando data analytics para maximizar lealtad de sus clientes y mejorar sus niveles de servicio. Al utilizar información multi estructurada de distintas fuentes pueden predecir patrones de comportamiento y comprender la “última milla” del proceso de decisión de un cliente.
Hay soluciones que permiten incorporar dentro del análisis información generada por sensores de máquinas, información de web logs, información de texto no estructurado proveniente de call centers o de reportes de servicio, clickstream de Internet, imágenes, videos e información geoespacial.
Las organizaciones deben aceptar que la información es un activo que no pertenece a un área o sector y es importante cerrar la brecha entre los científicos de datos y los usuarios de negocios. La gran diferencia con las plataformas de business intelligence tradicionales es que en el caso de las plataformas de big data no buscamos respuestas sino preguntas. Este es un proceso de aprendizaje que las compañías tienen que transitar.
Santiago Fainstein
Gerente de Ventas Sas Argentina
Big data es un proceso que va mucho más allá del volumen de los datos. Cuando no solo la cantidad sino la variedad y la velocidad de generación de datos exceden las capacidades de almacenamiento y cómputo de una organización, estamos frente a un desafío: ¿Cómo obtener valor? Es decir, la organización tiene un activo potencialmente muy valioso pero no puede sacar provecho de él. Según encuestas de Economist Intelligence Unit, apenas 50% de los datos de una organización son aprovechados y el 25% más importante es de difícil acceso y no se obtiene conocimiento sobre ellos. En este sentido, las organizaciones que tienen la tecnología, la cultura y los procesos correctos empiezan a obtener ventajas competitivas.
La capacidad más valiosa que se puede ganar es la de probar estrategias antes de la decisión final. Usando técnicas estadísticas y predictivas puedo “preguntarle” a mis datos simulando alternativas y optimizando la decisión. Esto implica una enorme transformación en los procesos de toma de decisión e inclusive genera nuevos negocios. Los procesos de negocio (desde la decisión de a quién contratar hasta qué producto ofrecer para tener mayor probabilidad de éxito) deben incorporar esta inteligencia.
Podemos mencionar ejemplos en varias industrias: sitios web prueban diferentes versiones de sus sitios para entender que combinaciones logran mayores ventas; empresas de comida rápida estudian movimientos dentro del local y patrones de los pedidos en tiempo real para hacer pruebas de cambios de menú y diseño de locales; supermercados optimizan dinámicamente sus precios para mejorar márgenes y reducir inventarios. Los Gobiernos tendrán accesos a mejores recursos de fiscalización impositiva, haciendo uso de técnicas estadísticas sobre enormes volúmenes de datos.
En nuestro país se empieza a ver la creación de áreas del tipo “Centro de Excelencia Analítico” que están lideradas por personas que empiezan a ser llamadas “data scientists”, es decir que aplican estadística avanzada y modelos de predicción sobre big data y obtienen nuevas perspectivas sobre ese activo de las organizaciones. Estas áreas dan servicios “analíticos” a las diferentes áreas de negocio y responden preguntas complejas agregando mucho valor.
Pablo Chamorro
Country Manager de Unisys
El concepto de big data nos habla de aplicaciones de negocio que generan valor para cualquier tipo de empresa. Considera el uso de la información de sus sistemas transaccionales, los datos generados en Internet y de las principales redes sociales para la toma de decisiones en tiempo real. Debido a que la generación de información viene evolucionando a un nivel exponencial este fenómeno no tiene un límite definido todavía; sus usos futuros son todavía inimaginables debido a que hoy por hoy no somos conscientes de toda la información que tenemos delante de nosotros.
En la vida cotidiana, tales sistemas escanean las redes sociales para la extracción y el tratamiento de todo tipo de datos para descubrir patrones de consumo entre diversos usos. Como ejemplo estos sistemas son capaces de, en tiempo real, enviarte una promoción especial para comprar el vino que te gusta beber y está disponible en un determinado supermercado que se encuentra a 200 metros de donde uno se encuentra. Este tipo de acciones simplifican la resolución de situaciones cotidianas de una manera nunca imaginada anteriormente.
Este fenómeno implica cambios radicales en las empresas, la forma de comercializar productos no tiene comparación a como lo estamos haciendo hoy en día. Por lo tanto de la rápida adopción de estos conceptos dependerá cómo evolucionen los negocios de cada compañía en el futuro.
Como toda evolución, cuando se empieza a masificar es cuando llega la verdadera revolución del fenómeno big data. Cuando eso ocurra, las empresas y nosotros los consumidores nos veremos beneficiados de su utilización. Las empresas porque bajarán los costos de comercialización y tendrán una penetración uno a uno para con sus clientes y los consumidores porque tendrán al alcance de la mano la mejor elección de la transacción que desean realizar, no solo por precio sino sobre todo por su comodidad en la ejecución de dicha acción. Porque en el futuro el precio pasará a un segundo plano, la competencia radicará en la forma de llegar y entregar dicho producto o servicio de la forma más adecuada para cada cliente.
Gustavo Rodríguez
Director general de Softline
Es una realidad que el hecho de estar conectados las 24 horas, mediante los distintos dispositivos de uso cotidiano, hace que los volúmenes de información sean cada vez mayores. Ya no hablamos de Megabytes o Terabytes, sino que hoy en día estamos a niveles de Petabytes (1.000.000.000.000.000 megas) y vemos un horizonte que podría llegar hasta los Exabytes si tomamos en cuenta la cantidad de personas que todos los días navegamos y alimentamos Internet con información.
En los negocios, la idea de big data tiene una implicancia muy grande ya que, por un lado, la integración de las redes sociales a los negocios es una realidad. Cada vez más empresas están utilizando estas redes como plataforma para desarrollar nuevos canales y llegar a más clientes y conocer mejor sus necesidades. Además les sirve para obtener feedback más directo.
Por otro lado es clave el aporte de datos precisos para la toma de mejores decisiones y el hecho de tener estos mecanismos que nos permiten explotar los distintos datos sin importar la cantidad ni la fuente.
En la vida cotidiana esto también es una realidad, ya que estamos usando a diario estas fuentes de datos, como ser, buscar cómo llegar a un lugar, averiguar datos para las próximas vacaciones, etc. También existe una realidad local que las empresas suelen esperar a que las soluciones estén maduras para empezar a trabajar en este tipo de cambios que, muchas veces, son culturales y que tienen que ver con la información que dejan los usuarios, por ejemplo, al navegar por Internet.
Alejandro Girardotti
Regional Product Manager,
Data Services Level 3 Latin America El volumen y la velocidad con la que se genera información se incrementa día a día y muchas empresas apuestan a usar esta información clave para la innovación, diferenciación y crecimiento.
En líneas generales, big data tiene un gran espectro de posibles aplicaciones. Estas son:
• Sensores inteligentes aplicados a diferentes verticales de la industria, que almacenan continuamente datos de las líneas de producción que son luego analizados para, por ejemplo, mejorar procesos industriales.
• Horas de video grabadas para vigilancia u otros fines.
• Miles de pagos con tarjeta de crédito cada segundo alrededor del mundo.
• Millones de tweets por día. Miles de tweets por segundo.
• Numerosos comentarios en las páginas corporativas de las redes sociales.
• Gigas de archivos de documentos, planos, formularios, y muchos otros tipos de datos desestructurados que son digitalizados para hacer más eficiente su almacenamiento.
• Información de transacciones en la bolsa, cotizaciones de commodities.
• Movimiento de vehículos, carga, seguimiento por GPS. Información del clima: temperatura, presión, humedad, vientos, precipitaciones.
Esta enorme cantidad de información es almacenada, sintetizada, analizada estadísticamente para obtener medias, picos o patrones de comportamiento. El resultado del procesamiento es donde está el verdadero valor para las empresas y para nuestra vida cotidiana: que nuestro proveedor de video por Internet nos recomiende una buena película, o que nuestro sitio preferido de compra de libros nos avise de un nuevo lanzamiento, es solo un ejemplo de aplicación de técnicas de big data.
Guillermo Blauzwirn
Presidente de Data IQ – QlikView en la Argentina
En nuestro caso vemos indispensable darle sentido a big data y que sea relevante y hacer que sea relevante a la necesidad de cada usuario en particular. Esto es propio de nuestra compañía que ofrece en forma integrada la visión general y el acceso al detalle de transacciones que causaron la ocurrencia de una serie de indicadores, lo que llamamos el DAR integrado, es lo que permite transformar la gestión de las compañías y mejorarla, haciéndola más eficiente.
Toda esta tarea debe hacerse integrando múltiples fuentes de información, tanto internas como externas, en algunos casos de gran volumen, y segmentando en forma interactiva a pedido de las personas, para atender el segmento de población referido a la discusión específica. Por ejemplo, las antenas o componentes de la red de telefonía celular, donde más se caen llamadas en un horario específico; el Tablero de Control de Gestión de un banco o una empresa. ¿Cuántas fuentes de información y de qué volumen deben integrarse para disponer de una visión completa de la problemática?
Entendemos que las decisiones no se toman aisladas por las personas sino en un ámbito social, contextualizado. Y esto es mucho más fuerte que el concepto de big data.
Nuestro mensaje es que podemos ofrecerle una visión holística de la empresa integrando información interna y externa, clave para contextualizar el análisis para la toma de decisión de las personas, que le den sentido y soporte a la decisión, y que en la Argentina hay centenas de casos referenciales que lo confirman.
Alfredo Taborga
Director de Marketing de EMC para América latina
Hoy existen grandes volúmenes de información pasiva que circula y convive en dispositivos de almacenamiento, pero se vuelve útil y explotable a través del proceso de big data. De nada va a servir seguir almacenando información si no se puede utilizar para hacer mejor la vida de los consumidores.
En este contexto, los ciudadanos de todo el mundo generan datos de múltiples fuentes que con la combinación de tecnología apropiada y pensamiento estratégico se puede volver útil para las compañías. Es así que creemos que el mayor desafío está en la captura, interpretación y análisis de los datos no estructurados a través de herramientas de inteligencia de acceso a la información. Diferentes desarrollos de algorítmos matemáticos permiten hoy clasificar la información y hacerla visible para quienes deben tomar decisiones de negocios, de seguridad, de cuidados médicos, de atención al cliente o simplemente de entretenimiento.
Nuestro desafío cotidiano y de escala humana es que tenemos que ayudar a tomar decisiones sobre el análisis de la información porque sabemos que se está generando más información de la que se puede analizar.
El proceso de big data lo lidera el negocio, no necesariamente el área Tecnologías de la Información, que sin embargo es el área que tiene que proporcionar el soporte tecnológico. Ya no se trata de comprar una máquina, sino de acordar el compromiso de servicio o los requerimientos. Servicios donde costes y beneficios están pactados. Es una transformación, radical y profunda, de lo que llevamos haciendo 20 años.
Lo que las compañías quieren es conocer mejor a sus clientes, quieren arreglar temas de fraude, implica que sus administraciones quieren saber cómo están funcionando los servicios al ciudadano o proporcionar otros nuevos. Big data está liderado desde el negocio, aunque corresponda a TI proporcionarle soporte en infraestructura y software. Así, el científico de los datos es un perfil a medio camino entre ambos mundos, negocio y tecnología.
Hallazgos de IDC Naturaleza y dimensiones del mercado que crece sin cesar Big data representa una multimillonaria oportunidad mundial que no para de crecer. Es el tema obligado en las agendas ejecutivas y un motor de inversiones en tecnología y servicios. Presenta algunas de las oportunidades laborales más atractivas para quienes cuentan con la adecuada experiencia en tecnología, analytics y comunicación. Al mismo tiempo, el mercado de big data está en sus primeras etapas de desarrollo, cuando el entusiasmo suele ahogar los verdaderos temas de negocios y tecnología con que tropiezan los primeros adoptantes.
Un reciente estudio de IDC (International Data Corporation) sobre usos y mercados para la tecnología y servicios de big data demuestra que cada caso requiere combinaciones diferentes de software, hardware y servicios para dar los mejores resultados. Esas combinaciones son luego customizadas todavía más para adaptarlas a la industria a que pertenece el negocio y al valor que busca derivar de los datos analizados.
La adopción generalizada de tecnologías de big data por fuera de la computación de alto desempeño. Entre los hallazgos en este mercado figuran los siguientes:
• IDC anticipa que el mercado de tecnología y servicios de big data crecerá de US$ 6.000 millones en 2011 a US$ 23.800 millones en 2016. Esto representa un crecimiento anual de 31,7% o unas siete veces el del mercado de la tecnología de información y comunicación (ICT según siglas inglesas).
• Habrá oportunidades para los vendedores en todos los niveles de la tecnología, incluidos infraestructura, software y servicios además de modelos de entrega en la nube o en el lugar de trabajo.
• El factor oferta y demanda de tecnología y servicios de big data sigue evolucionando con rapidez, por lo que necesita frecuentes revisiones en la metodología que mide el mercado y en los pronósticos, además de evaluación del mercado competitivo.
Es que la economía inteligente produce una constante corriente de datos que se controlan y analizan. Las interacciones sociales, los dispositivos móviles, las instalaciones, los equipos, las actividades de investigación y desarrollo, las simulaciones y la infraestructura física, todo eso contribuye a la corriente. Esa realidad demanda ordenar y pronosticar la tecnología y servicios para administrar, analizar y lograr acceso a big data, y no la data propiamente dicha.
La definición que hace IDC de estas tecnologías describe una nueva generación de tecnologías y arquitecturas destinadas a extraer valor en forma económica a grandes volúmenes de una gran variedad de datos facilitando la captura, descubrimiento y/o análisis a alta velocidad.
Big data garantiza soluciones innovadoras de procesamiento para que todos esos datos nuevos y existentes den beneficios reales al negocio. Pero procesar grandes volúmenes o gran variedad de datos sigue siendo sólo una solución tecnológica a menos que se la combine con objetivos y metas comerciales. Vender con un toque personal.
Los grandes minoristas se orientan hacia lo “personal”. Analizar los datos es desde hace mucho tiempo una herramienta importante en el arsenal de recursos para persuadir a los compradores, abrumados con miles de opciones no solo en la calle sino en la web, de que compren sus productos y no los de sus rivales.
Tesco, la cadena de supermercados más grande de Gran Bretaña, abrió surcos con su Clubcard, un programa de lealtad introducido en 1995 que le redituó una masa de datos para estudiar cómo compra la gente. Pudo así no solo analizar hábitos de los consumidores sino también detectar carencias en sus ofertas. Como resultado, Tesco llegó a saber más de los británicos de lo que tal vez ellos saben de sí mismos.
Pero a medida que el entorno de los consumidores se fue volviendo más difícil, y el uso de big data más predominante, los minoristas han llevado el uso de sus datos un paso más adelante y ahora esperan que la personalización les aporte más penetración en el mercado. El sector supermercados se inundó de ofertas especiales –en el Reino Unido, casi 40% de todas las compras de supermercado están en promoción. Mike Coupe, director comercial de Sansbury, otra gran cadena de supermercados, se refirió a las promociones generales como “tirar bolas de barro a la pared para ver cuál se queda pegada”.
Janet Smith, jefa del grupo de lealtad de Tesco, dice que la cadena británica está usando datos de Clubcard para ofrecer promociones más orientadas que el cuponeo masivo, esos cupones de descuento que aparecen en los diarios. “No son eficientes”, dijo. La compañía está ahora adaptando los cupones que ofrece a las preferencias de sus propios clientes sobre la base de sus gustos y preferencias. “De lo que se trata es de dar a los clientes descuentos sobre las cosas que quieren comprar”, dijo.
La cara humana Existe un proyecto denominado The Human Face of Big Data que generó una aplicación que permite, a través de una serie de preguntas y de las capacidades propias de los dispositivos inteligentes, conocer algunos de los hábitos, desplazamientos, objetivos personales o profesionales o incluso sueños. Permite comparar con las respuestas de millones de otras personas en el mundo, y sorprende cuando localiza y muestra un alma gemela, la persona cuyas respuestas y modo de vida son más similares a los nuestros sobre una muestra tan amplia como dispersa geográficamente.
La aplicación no solicita ningún tipo de información de contacto, como nombre, teléfono o correo electrónico, y dispone del correspondiente documento de términos de uso y privacidad. Otros ejemplos de utilización de big data que tienen un impacto social de primera magnitud pueden ser la utilización de animales marinos para comprobar el estado de los océanos o proyectos para devolver la visión a personas cegadas por la degeneración macular. Se invierte el origen de los datos Si bien al comienzo lo que se denomina universo digital fue un fenómeno que se produjo en los países desarrollados, esta tendencia está a punto de cambiar a medida que la población de los mercados emergentes comienza a desarrollarse. Estos países representaban 23% del universo digital a principios de 2010, su participación ya ha aumentado a 36% en 2012 y hacia 2020, IDC predice que 62% de este universo tendrá lugar en los mercados emergentes.
La distribución actual a escala mundial del universo digital es la siguiente: Estados Unidos 32%, Europa Occidental: 19%, China: 13%, India: 4%, resto del mundo: 32%. Hacia 2020, se espera que China genere 22% de los datos mundiales.
