Analítica de Datos y Big Data

Cuando hablamos de Big Data no nos referimos a un único término, sino una combinación de tecnologías que ayudan a las empresas a obtener conocimientos prácticos mientras gestionan de forma eficaz la carga, procesamiento y el almacenamiento de datos.   Así, realizar analítica utilizando Big Data (Big Data Analytics) requiere la capacidad de recopilar, administrar y analizar volúmenes potencialmente enormes de datos heterogéneos, a la velocidad adecuada, dentro del tiempo adecuado, mientras se proporciona el análisis y la actividad adecuada al consumidor final. Big Data Analytics incluye bases de datos estructuradas, datos no estructurados de diversas fuentes internas y externas, transmisión de datos, redes sociales, datos geoespaciales, etc. Para aprovechar con éxito estos diversos tipos de datos se requieren infraestructura, datos, análisis, estructura organizativa y procesos de gobernanza para que el análisis de Big Data sea operativo y accionable.  

   

¿Qué diferencia a Big Data Analytics de otros análisis? 

  El análisis de Big data no es algo nuevo. Algunas empresas ya utilizan Big Data desde hace años y han realizado análisis bastante sofisticados con resultados excepcionales. Un ejemplo de esto son las empresas líderes de Internet, los comercios electrónicos, los servicios financieros y las telecomunicaciones. ¿Pero que cambia cuando comenzamos a utilizar Big Data?   Es importante comentar que el principal uso que le están dando en la actualidad las organizaciones esta en mejorar los principales análisis que resuelven los inconvenientes operativos. Por ejemplo, tal vez un modelo de abandono o Churn que tomaba 20 horas de ejecución antes de que se estableciera una infraestructura de Big Data ahora tarda menos de 10 minutos. Así, un fabricante de automóviles puede utilizar los datos de los sensores de sus automóviles y combinarlos con otros datos para mejorar el mantenimiento preventivo. Lo anterior nos da la oportunidad de incluir nuevas tipos de datos (datos del sensor de la máquina) y ejecutar a través de la nueva infraestructura, combinando los resultados con los análisis existentes y creando más oportunidades para todos en el proceso.     Veamos otros puntos que diferencian a Big Data Analytics:  

• Más datos y atributos. Con las tecnologías de Big data, puedes utilizar muchos más atributos en un modelo avanzado porque ahora tendrás diferentes tipos de datos y la potencia informática asociada para hacerlo. Además, podrás abordar un conjunto más amplio de datos y potencialmente usar esos datos de formas imprevistas.

 

• Automático y programático. Debido a que muchos datos de tipo «Streaming» están involucrados en el análisis de Big Data, a menudo es importante utilizar el código para el análisis en lugar de hacerlo manualmente. El comercio de acciones(Trading) es un ejemplo de esto. La publicidad online es un ejemplo más reciente: Cuando recibes un cupón de descuento en tu teléfono inteligente, se esta haciendo uso de tus datos de GPS y Se tuvo en cuanta tu comportamiento en situaciones pasadas para precisar el momento en que debieron enviártelo.

 

• Un entorno libre de hipótesis. Esto a veces se denomina análisis basado en datos. Con un enfoque basado en hipótesis, primero define el problema; por ejemplo, creo que los clientes están actuando de esta manera debido a la razón «X». En un entorno libre de hipótesis, se configuran los algoritmos para que trabajen sobre los datos y descubran patrones. Por supuesto, tiene sentido no tener resultados en los primeras comprobaciones, pero algunos todavía lo consideran un enfoque diferente del análisis.

  Finamente, aunque en la actualidad este realizando o tenga una implementación de Big Data en su empresa, por ejemplo, analizar el tráfico de la red de telecomunicaciones, esto no significa que su organización esté madura en sus esfuerzos de análisis de Big Data. De la misma forma, podrías estar colaborando con una empresa de Internet que sea bastante avanzada en reunir varias fuentes de datos utilizando nueva tecnología. Sin embargo, esto no significa que sus procesos analíticos o de gobernanza de datos estén maduros. La madurez implica una combinación de personas, procesos y tecnología en una serie de dimensiones.

Escrito por

Post Relacionados