BACKGROUND IMAGE: iSTOCK/GETTY IMAGES

Evaluar Conozca los pros y contras de las tecnologías, productos y proyectos que está considerando.

Big data, el siguiente paso en la analítica de datos

¿Cuáles son las diferencias entre big data, analítica de datos (DA), inteligencia de negocios (BI), data mining y data warehouse? Conózcalas aquí.

El análisis de datos no es algo nuevo. Desde hace años, las empresas tratan de aprovechar la información que reciben de sus usuarios, canales, proveedores, etc. con el fin de tomar mejores decisiones de negocios. Sin embargo, la cantidad, calidad, formato y fuentes de la información se han ido transformando en los últimos años, y las herramientas para analizarla se han ido adaptando a estos cambios.

Con la llegada de big data, muchas organizaciones necesitaron pasar por un proceso de aprendizaje de lo que trae e implica este tipo de soluciones, y cuál es la diferencia con aquellas que ya tenían, o de las que habían estado escuchando hablar por años, como business intelligence, data mining o data warehouse. Arturo Benavides, gerente de negocios mid-tier en EMC Latin America, dijo que aunque generalmente la gerencia de TI tiene claros estos conceptos y lo que hacen, no ocurre lo mismo con las distintas líneas de negocio (LOB).

Así pues, ¿cuál es la diferencia? Empecemos por el más reciente: big data.

Arturo Licona, especialista de Deloitte Consulting Group, le llama un paso evolutivo, “la suma de los niveles anteriores de madurez, que por lo general se centra en fuentes estructuradas y no estructuradas de gran volumen”, y que se enfoca en el análisis de naturaleza predictiva o de tendencias.

Big data analiza “todos esos datos cuyo volumen, velocidad y variedad supera la capacidad de manejar y procesar la información que tienen las herramientas tradicionales”, con un costo y en un tiempo razonables para las compañías, dijo Víctor Pichardo, vicepresidente para América Latina de Excelerate Systems.

Por eso, para representar un problema que requiere de big data, en la mayoría de los casos, se puede utilizar tres indicadores básicos, según indicó Benavides: Velocidad (tiempo rápido de generación de datos), Variedad (más y distintas fuentes generadoras de datos) y Volumen (mayor capacidad generada).

En comparación, el ejecutivo de EMC dijo que business intelligence (BI) es un proceso que permite organizar y analizar los datos existentes, para facilitar una mejor toma de decisiones comerciales.

Licona explicó queBI se centra en analizar cuál fue la causa de un resultado, basándose en fuentes estructuradas de información que componen el nivel de análisis de datos. Este enfoque de gestión permite definir qué información es útil y relevante para la toma de decisiones, mientras que “big data se centra en el proceso, visualización y explotación de los datos”, subrayó Pichardo. 

Almacén y minería de datos

Considerado por muchas compañías como la fuente primaria de su información estructurada, data warehouse es una colección de datos históricos, que incluyen la copia de las transacciones de datos específicamente estructurados para la consulta y el análisis. Tal como lo indica su nombre, es el almacén de los datos estructurados.

Una vez que esa información está guardada y organizada en el data warehouse, se usa el data mining para explorarla y clasificarla, en busca de patrones para big data.

Data mining es un conjunto de técnicas de extracción de datos, para detectar patrones de comportamiento a través de algoritmos matemáticos”, manifestó Licona.

Adicionalmente, sobre la minería de datos se puede ejecutar un conjunto de técnicas para realizar análisis predictivos y de tendencias; esto se conoce como analítica de datos (data analytics).

El modelo de madurez en la administración de la información de Deloitte nos da una mejor idea de cómo se organizan estos procesos en una organización (Ver Cuadro 1).

"Actualmente la mayoría de las empresas tiene claros los conceptos que involucran hasta el nivel de análisis de datos, como business intelligence, data warehouse y data mining, éste último en menor medida porque en años anteriores no había sido muy solicitado, hasta la aparición del nivel de madurez predictivo, el cual está ligado a analytics.  A partir del concepto de analytics hasta big data, cada empresa posee su propia visión de la realidad”, comentó Licona.

Cuándo es recomendable adoptar big data

Aunque en 2013 muchas organizaciones en América Latina todavía estaban pensando en implementar herramientas de BI y data warehouse, parece que este año la tendencia de big data se consolidará en la región. Licona subrayó que la adopción de la tecnología se producirá cuando un área u objetivo estratégico de la organización se vea beneficiada de la consolidación e integración de fuentes de información estructuradas y no estructuradas, tanto de origen interno como externo, con un procesamiento en tiempos cercanos al real.

“Quisiéramos poder generalizar una recomendación al público, pero, en el caso de big data, según la problemática a resolver y el entorno de información a explorar, es el conjunto de técnicas a aplicarse, así como la metodología adecuada para el compromiso”, puntualizó Licona.

Lo cierto es que big data encuentra aplicación en todas las verticales de negocio, gobierno, salud, manufactura, finanzas, etc. Benavides afirmó que las empresas y organizaciones están entendiendo su importancia, y están buscando implementar soluciones de este tipo, pues los requerimientos de sus distintas líneas de negocio determinan de mejor manera la necesidad que tienen.

Algunos beneficios de big data son un mejor conocimiento del comportamiento de los clientes, que permitiría mejorar la segmentación, retención y captura de nuevos clientes; la optimización de operaciones, que facilita aumentar la productividad y hacer más eficientes los procesos de negocio; un manejo de riesgos más efectivo, que asegure la continuidad del negocio, mejore la seguridad, reduzca la eventualidad de fraudes y abusos, y minimice riesgos regulatorios internos y externos; y habilitar la innovación, para descubrir nuevos productos, servicios y modelos de negocio.

“Si tienes bases de datos históricas y actuales, si te interesa saber qué dice el consumidor de tu empresa, cuál es su comportamiento de compra, qué siente y qué quiere; si comprendes el papel de las redes sociales hoy en día, si quieres mejorar la toma de decisiones para que sean rápidas y precisas, si necesitas optimizar los procesos dentro de tu organización, ya deberías estar haciendo algo con big data”, concluyó Pichardo. 

 

Inicie la conversación

Envíenme notificaciones cuando otros miembros comenten sobre este artículo.

Por favor cree un Nombre de usuario para poder comentar.

- ANUNCIOS POR GOOGLE

Close