BACKGROUND IMAGE: iSTOCK/GETTY IMAGES

Lo básico Póngase al día con nuestro contenido introductorio.

Retos y desafíos de big data para América Latina

América Latina aún tiene mucho que hacer para consolidar iniciativas de big data ya que no es aún un mercado maduro.

A big data se lo considera como una tendencia clave en el ámbito de TI y como una de las actividades fundamentales para el desarrollo de cualquier negocio, tanto en el presente como en el mediano plazo; sin embargo, América Latina aún tiene mucho que hacer para consolidar esta tendencia.

“Lo que sucede es que son muy escasos los recursos para poner en marcha las iniciativas de big data ya que Latinoamérica no es aún un mercado maduro”, comenta Sergio Zambrano, director de Soluciones para Clientes en EMC. “Salvo en Brasil y México, esto implica que las empresas no tienen el expertise ni el capital para comenzar a ponerlas en marcha y el volumen de datos es bajo para la escala de big data, lo que hace más complejo el caso de negocio”, explica.

El ejecutivo destaca sin embargo que hay varios proyectos en el área de las telcos y en el ámbito financiero. “En ellos los resultados obtenidos son siempre extremadamente positivos pero primero hay que trabajar sobre la reposición de datos y luego sobre el lago de datos toda la tecnología y los procesos como para poder explorar la riqueza de esos datos”, puntualiza y avanza luego en la profundización de ejes claves para big data en el negocio:

SDC Es: ¿Qué responsabilidades trae consigo el manejo de big data para las compañías latinoamericanas que recién quieren incursionar en ese ámbito?

Sergio Zambrano

Sergio Zambrano (SZ): El proceso de transformación requerido para la adopción de estos nuevos conceptos no se reduce sólo a tecnología, se extiende tanto a los procesos de negocio como a la propia organización. Para la mayoría de las empresas, aprovechar al máximo big data requerirá la adopción de nuevos comportamientos y enfoques para la solución de problemas de negocio, y de igual importancia, la voluntad organizacional de abandonar los procesos y herramientas de toma de decisiones tradicionales en favor de las técnicas de modelado predictivo. Esto es muy poderoso, pero si las técnicas no son bien entendidas e implementadas pueden dar lugar a conclusiones no deseadas.

SDC Es: ¿Hay que desarrollar una cultura corporativa acorde con este paradigma?

SZ: Sin duda, con el tiempo, las organizaciones que crean una cultura que valora los datos en la toma de decisiones, la comprensión analítica y el espíritu de aprendizaje continuo se destacan en el uso de grandes volúmenes de datos. El enfoque actual debe ser complementario a los modelos de inteligencia de negocios (BI) existentes, y en este contexto acompañar el cambio, la transformación.

SDC Es: ¿Cómo toma forma esta cultura pro-big data en Latinoamérica?

SZ: Yo pienso que big data en la región no es un problema de tecnología, sino que es una limitante cultural. Las organizaciones deben aprender cómo se van a estructurar internamente y cómo van a colaborar, porque TI es visto en muchas organizaciones de la misma manera que un facilitador, a quien le avisas si necesitas de una mesa o una silla, y esto es funcional. No es importante para la empresa si la silla es ergonómica o no. El negocio asume que el facilitador de TI va a ser la mejor escuela, pero esto está cambiando porque toda empresa, todo negocio, se va a transformar en digital. Es una transformación, y es necesario que esto se haga en conjunto, como negocio. No es más que TI puede trabajar separado, o visto solamente como un proveedor de servicios.

SDC Es: ¿Qué pueden ir haciendo las empresas para prepararse para gestionar grandes volúmenes de datos aun cuando su volumen de datos no sea considerado como “big data”?

SZ: Lo que sucede es que cuando las empresas adquieren una herramienta nueva y se concentran en ella, se olvidan completamente de lo que ya tienen; están tan enfocados en ver cómo hacer para generar valor de esta novedad que pierden la oportunidad de combinarlo con lo que ya tienen, me refiero a usar la información existente para generar nuevo valor. Las empresas están sentadas sobre una mina de oro, porque es muy fácil hacer un análisis de todos los datos que colectaron en los últimos años, pero toda la analítica que hacen es inteligencia de negocios, la cual es muy costosa porque involucra un banco de datos y una infraestructura poco accesibles. Por lo tanto, cuando hablamos de big data, una de las grandes soluciones es sacar todos los datos que están asentados en Data Warehouses y aplicar Data Analytics para entender a dónde quieren llegar los clientes.  No obstante, las cantidades de datos que están siendo generados allí no son comparables con los que las empresas poseen hace 10 o 20 años y es una analítica de la cual no tienen el mismo conocimiento, por eso mismo deben realizar una investigación, pero lamentablemente cuentan con pocos recursos. Esto me lleva a repensar por qué las empresas no están combinando la analítica estructurada usando una infraestructura menos costosa. Es decir, combinando y enriqueciendo esto con los datos no estructurados.

SDC Es: ¿Cuál sería la sugerencia entonces?

SZ: Nosotros ofrecemos Data Lake, un almacenamiento que permite crear una capa y acceder a los datos de una manera uniforme, la cual facilita la migración de los datos que estaban en Data Warehouse a un commodity hardware o hardware estandarizado, que son menos costosos y de los cuales podemos hacer un análisis de los datos estructurados y de los no estructurados. Para mí esa es la principal ventaja de usar Big Data Analytics, ya que te permite realizar una comparación de la información que tienen hoy con los datos que están ganando. Finalmente, esto implica usar todas las herramientas modernas como Hadoop, Yarn, Cloud Foundry para analizar datos pero de una forma efectiva, innovadora y tecnológica.

SDC Es: ¿En qué puede ayudarles big data a las compañías según su industria?   

SZ: En una primer instancia, el modelo y arquitectura de big data contribuye con todas la industrias brindándoles flexibilidad y rapidez al momento de modelar y ejecutar procesos analíticos; y habilitando análisis predictivos. En el caso de Industria Financiera, la experiencia con casos de uso para detección de fraude, micro segmentación de clientes, cross selling y riesgo en inversiones se han obtenido excelentes resultados. Asimismo, en casos de manejo de campañas personalizadas y en near real time están siendo utilizadas por telcos y retail con muy buenos resultados, permitiendo el avance en casos de uso de fidelización y experiencia de cliente en diversas industrias. Avanzando en casos más particulares, se pueden mencionar experiencias en eficiencia de procesos, calidad en procesos industriales y análisis predictivo de fallas.

SDC Es: ¿Por qué mencionas que hay un común denominador que beneficia a todas las compañías?

SZ: Porque para mí, la reflexión de lo que aporta el big data a las compañías es la misma en todos los tipos de negocios: retailers, hospitales, consumo masivo, etc. Todos los negocios operan de la misma manera: al necesitar, por ejemplo, un tipo de retail IOS para un cliente, hay que tener el mayor número de productos disponibles, porque yo no sé qué cliente viene, qué necesita, cuánto va a comprar. La virtualización de la infraestructura analítica nos permite que consigamos el mismo nivel de optimización en otros sectores de negocios. Al entender mejor la demanda, al entender mejor los clientes, entonces se pueden optimizar matemáticamente las operaciones para el cliente. Son cosas simples, la habilidad de hacer lo predictivo. Este es el valor de la analítica: predecir mejor y orientar al consumidor mejor, incluso antes de que lo necesiten.

SDC Es: Más allá de las oportunidades que ofrece a las empresas para sus propios negocios, se puede suponer una nueva palanca para generar nuevos modelos de negocios, ¿cuáles pueden ser y en qué casos?

SZ: Big data es la base para crear nuevas fuentes de valor para el negocio. Con la integración del almacenamiento, herramientas analíticas, y aplicaciones big data ayuda a incrementar la eficiencia, la calidad y la personalización de productos y servicios, generando mayores niveles de satisfacción y experiencia del cliente. Otro aspecto relevante es la habilitación de análisis predictivo para la toma de decisiones. Las soluciones de negocio para big data están fuertemente asociadas con casos de negocio para cada cliente, sino es más de lo mismo. Se cae en el riesgo de seguir corriendo desde atrás, y justamente el concepto de big data principalmente es predictivo. No obstante, los modelos tradicionales no son aptos para generar toda la información que requiere el negocio. La realidad es más compleja, necesitamos descubrir e identificar conjuntos de datos de interés para el negocio y establecer modelos analíticos que sustenten este contexto.

SDC Es: Mencionas un cambio de paradigma ¿cuál es?

SZ: Pasamos de un paradigma orientado a las aplicaciones que “delimitan” la generación de los datos, a un paradigma orientado a los datos que surgen tanto de aplicaciones corporativas como de aplicaciones públicas o masivas. Big data habilita nuevas y mayores fuentes de datos, cómputo de nube, eficiencia, elasticidad y agilidad en los recursos de TI requeridos habilitando también modelos de integración con Fast Data.

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