Mejores prácticas para la gestión de proyectos de Big Data y Analítica
Lo primero que debo de comentar que sin importar el tamaño de la empresa o el giro, una estrategia de Big Data y Analítica bien diseñada debe de contener como mínimo una visión, objetivos y un marco de trabajo metodológico. En un artículo sobre el desarrollo de una estrategia para big data, Kathleen Walch recomienda los siguientes cuatro pasos:- Defina los objetivos comerciales de su empresa para asegurarse de que la estrategia esté alineada con ellos.
- Identifique las fuentes de datos disponibles y evalúe el estado actual del uso de datos en los procesos del negocio.
- Identifique, priorice y documente casos de uso de Big Data y Analítica que cumplan con sus objetivos del negocio.
- Formule una hoja de ruta del proyecto que incluya un análisis de brechas de su arquitectura de datos y tecnologías existentes, y luego vuelva a priorizar los casos de uso planificados si es necesario.
6 Prácticas Esenciales
A continuación voy a describir seis mejores prácticas de Analítica y Big Data que debes tener en cuenta: o también lo podrías ver como seis temas de discusión que se pueden llevar a la mesa cuando se desea evaluar en invertir en tecnologías de Analítica y Big Data en las empresas. Estas prácticas no son de naturaleza técnica. Es importante recordar que los datos deben ser considerados un activo del negocio, no sólo un recurso técnico. Así que, comencemos por este punto:
1. Céntrese en las necesidades empresariales, no en la tecnología
La tecnología, especialmente en el campo del análisis de datos, avanza a un ritmo rápido. Los equipos de análisis y gestión de datos ahora pueden lidiar con volúmenes complejos de datos y de de análisis que hace algunos años no estaban al alcance de empresas privadas o entidades de gobiernos, excepto las más avanzadas. Podemos dejarnos llevar por la tecnología en sí, asumiendo que si existe una nueva capacidad, debe haber una ventaja en su uso. Tenga en cuenta que los ejecutivos y los trabajadores siempre encuentran que sus acciones van retrasadas con respecto al análisis de datos, lo que significa que, hasta cierto punto, ha gastado costos innecesarios.
Cuando se trata de solicitudes de análisis en tiempo real , vale la pena preguntarse si los «análisis en tiempo real» se adaptarían mejor al ritmo del negocio.
2. Recopilar gran cantidad de datos es algo bueno, no un problema
Muchos científicos y analistas de datos se quejan de sentirse abrumados por la gran cantidad de datos que manejan en cada requerimiento o proyecto y ven en muchas ocasiones los proyectos de Big Data y analítica como parte de ese problema. La percepción es que al tener más datos de los que ellos pueden asimilar y comprender no es necesario utilizarlos o guadarlos. Sin embargo, no todos los datos tienen que ser analizados por ellos o usuarios de negocio. Por ejemplo, los algoritmos de aprendizaje automático (Machine Learning) y las herramientas de inteligencia artificial pueden aprovechar los grandes volúmenes de datos que los equipos de ciencia de datos pueden manejar.
Por ejemplo, si no decides realizar análisis en tiempo real de los datos, aún te puede resultar valioso recopilar y almacenar todos esos datos para uso futuro. Y posteriormente, el equipo de ciencia de datos puede encontrar patrones para detectar posibles problemas u oportunidades de negocio. Luego, se me ocurre, que podrían enviar alertas y notificaciones para ayudar a mejorar las decisiones de negocio.
La estrategias de analítica y Big Data de tu organización debe centrarse en brindar de manera efectiva los análisis más apropiados para la toma de decisiones de negocios, al mismo tiempo que pueda almacenarlos y administrarlos para la formulación de casos de uso que aún no ha identificado.
3. Utilice la visualización de datos pensando en el descubrimiento de hallazgos
Cuando trabajamos con grandes volúmenes de información, nuestra capacidad visual disminuye. Este punto se trata de lo siguiente Las personas con perfil de negocio que no tienen las habilidades de programación para desarrollar algoritmos que realicen agrupaciones o clústeres puedan seleccionar fácilmente un grupo de puntos de datos de un gráfico generado por ese algoritmo para tomar decisiones. Y para aquellos que no puedan encontrar valores atípicos en un conjunto de datos mediante programación encontrarán sencillo detectar algunos valores que simplemente no encajan visualmente (Outliers). Así que contar con las visualizaciones adecuadas, todos podremos ser analistas de datos.
Por supuesto, no todas las visualizaciones son simples y fáciles de comprender. Pero cuando se trata de grandes análisis de datos, la forma en que los usuarios de negocio lo entienden y, en consecuencia, su uso para la toma de decisiones será más eficaz si contamos con representaciones visuales bien diseñadas . Esto también aplica en cierto grado para las aplicaciones de análisis predictivas, donde interpretar los detalles de los datos puede ser una tarea muy técnica, incluso cuando hablamos de pronósticos y proyecciones de objetivos del negocio. En consecuencia, tu estrategia de Big Data y analítica debe incluir herramientas de visualización adecuadas, junto con la capacitación adecuada tanto para analistas como para usuarios de negocio. 4. Evolucione la solución tecnológica de acuerdo a sus necesidades Por su naturaleza, las soluciones de Big Data y analítica son escalable, es decir, la tecnología involucrada ira creciendo de acuerdo a las necesidades. Por ejemplo, las grabaciones de audio de las llamadas de atención al cliente pueden almacenarse en un entorno de Big Data, quizás junto con imágenes de productos, contenido relevante de redes sociales, varios tipos de documentos y datos más tradicionales, como transacciones y registros operativos. Por tanto, los usos de estos datos también son muy diversos. Simplemente, es imposible tratar de formular múltiples casos de uso o posibles proyectos para todos los requerimientos del negocio. Del misma forma, no es posible incorporar todas esas necesidades en un solo proyecto. Con el tiempo, descubrirá nuevos usos para los datos que aún no este utilizando a medida que su equipo de análisis se desarrolle o evoluciones, las necesidades del negocio maduren o cambien y la tecnología utilizada evolucione. Este enfoque evolutivo debe ser parte de su pensamiento estratégico a largo plazo sobre el uso de Big Data y analítica. Recuerde: Es una maratón, no un sprint. 5. Considera la nube para la implementación de sistemas de Big Data Y analítica Con un proceso incremental de administración de datos y la necesidad de almacenar grandes volúmenes de datos para su posible uso futuro, seguramente te preocupará por los costos de mantener tantos datos. Esto no debe de ser una barrera para su estrategia de Big Data y analítica, pues los servicios en la nube realmente ayudan a reducir estos costos. Por un lado, los proveedores de plataformas en la nube estiman precios accesibles para el almacenamiento de datos basado en el uso o capacidad, lo que generalmente lo hace mucho más barato que comprar tus propios dispositivos de almacenamiento y mantenerlos en tus instalaciones. Además, los proveedores realizan las tareas de administración la seguridad, alta disponibilidad, copias de seguridad y restauración, replicación y almacenamiento por el mismo precio. Es probable que una plataforma de Big Data y Analítica en la nube no solo tenga más capacidad de procesamiento, sino también mejores herramientas y personal con más experiencia que su actual equipo de trabajo. 6. Gobierna los datos tanto para el cumplimiento como para la usabilidad En el entorno regulatorio actual, una gobernanza de datos sólida ya no es algo opcional: debe ser una consideración primordial en tu estrategia de Big Data y analítica. Ya sea que necesites lidiar con la legislación de seguridad y privacidad de datos, como el GDPR de la Unión Europea, o regulaciones verticales como HIPAA para la información de atención médica en los EE. UU. por ejemplo. El cumplir con el marco normativo y legal representa uno de los motivos primordiales para que gobiernes tus datos de manera adecuada.
Escrito por
No responses yet