De un tiempo a esta parte, estamos viendo un interés creciente de las organizaciones por todo lo relativo a la analítica de datos o, lo que es lo mismo, al conocido big data. En este sentido, aumenta la necesidad de tomar decisiones basadas en datos desde diferentes perspectivas a partir de una analítica avanzada en sus aplicaciones. El interés por el big data hace que la atracción de talento sea un problema para la nueva era de organizaciones Data Driven o Data Centric. Científicos, arquitectos e ingenieros de datos son un bien escaso y, por tanto, un recurso codiciado por las organizaciones.
En cuanto a la implementación del big data, seguimos viendo grandes diferencias entre las empresas en función de su grado de madurez informacional o analítica y en cómo estas abordan la estrategia en estos ámbitos. En muchos casos, estas diferencias son muy notables desde el punto de vista tecnológico. Para conseguir una estrategia informacional adecuada es importante incluir una buena arquitectura de la información, un óptimo sistema de gobierno de datos y un análisis del grado de madurez del uso de los datos en la organización. También es adecuado incluir la figura del CDO (Chief Data Officer), así como la creación de Centros de Competencia de Analítica Avanzada en la estrategia de grandes organizaciones que permitan mejoras en la calidad y trazabilidad de los datos. La gestión estratégica de este cambio es uno de los mayores retos que afrontan las organizaciones. La toma de decisiones, desde el análisis de los datos, llega a todas las áreas de la organización y es necesario elevar el grado de madurez y conocimiento de las posibles apli-caciones. Por tanto, es importante definir una hoja de ruta realista y práctica alineada con la estrategia de la organización.
Cada vez más, se recurre al uso intensivo de algoritmos de machine learning, deep learning e inteligencia artificial (IA), así como de iniciativas que permiten utilizar y compartir estos recursos como un servicio sin necesidad de desarrollar los algoritmos. Por ello, la aparición de marketplace de este tipo de componentes de diferentes proveedores como Azure ML, Amazon AWS, Google, Watson de IBM o Algorithmia permite acelerar este tipo de iniciativas. La integración de los sistemas de información en arquitecturas empresariales modernas es muy habitual. Se trata de conectar arquitecturas de microservicios y API de forma orquestada con la analítica de datos. Esto permite el desarrollo del Data Centric, donde los datos y los algoritmos se ofrecen como un servicio, o el Data Service, que permite a su vez utilizar de forma eficiente los datos en tiempo real, el fast data, sobre arquitecturas modernas de datos. Asimismo, tenemos la posibilidad de abstraernos de la infraestructura ya sea esta on premise, cloud o serverless. Esto nos permite escalar de forma eficiente en base a las necesidades del negocio.
Es importante definir y tener una hoja de ruta realista y práctica para avanzar, alineada con la estrategia de la organización
Índice de temas
Big data en la toma de decisiones
La aplicación del big data en la toma de decisiones supone pasar de proyectos de consolidación de datos, en data lake, a utilizar datos cada vez más cercanos a los procesos de negocio. Esto genera nuevos retos a las organizaciones, como la necesidad de integrar la analítica avanzada en procesos de negocio, pasar de un sistema de información a sistemas de toma de decisiones basados en datos, integrar la información de diferentes fuentes y sacar valor a los datos no estructurados en la organización: documentos, expedientes, informes, relaciones, metadatos… La tendencia de las organizaciones es avanzar en la aplicación de la analítica en tiempo real, poner a disposición el autoservicio de datos para las áreas de negocio, así como facilitar la visualización y el storytelling de la información. Por todo ello, es fundamental trabajar en el ámbito de la estrategia de datos desde el diseño de productos y servicios. Los recursos analíticos nos dan una ventaja competitiva en dicho diseño gracias a los datos. Entre las buenas prácticas cabe destacar la simplificación de las herramientas y soluciones. Es posible pasar de entornos de programación R y Phyton, solo para desarrolladores, a entornos y librerías que simplifican el uso como, por ejemplo, Algorithmia, Azure ML, Dataiku, SAS Vija. Esto permite a usuarios con perfiles de analista, sin conocimientos de programación, acceder a este tipo de recursos y aplicarlos en las diferentes áreas de la organización.
Ámbitos de aplicación del big data
Se prevé que nuevas tecnologías como smart cities, IoT, connected car cambien el escenario tal y como lo conocemos generando grandes volúmenes de información que harán imprescindible el uso del big data. El uso del big data está ayudando a mejorar los procesos dentro de las organizaciones en áreas como marketing, RRHH, operaciones, riesgos, control de fraude y ventas, entre otros. El big data se está aplicando en el ámbito de la medición de emociones, en el análisis del comportamiento y en las relaciones. Se trata de medir y extraer valor, buscando sinergias con otros campos científicos o humanistas que son importantes para explicar el comportamiento humano en los procesos de negocio. Hay iniciativas interesantes de aplicaciones analíticas en ámbitos como la neurociencia y la psicología. La detección de sentimientos, opiniones y comportamientos en el procesamiento del lenguaje natural y de las emociones en imágenes y vídeos, se están incorporando en ámbitos como el marketing, el conocimiento del cliente y la detección del fraude.
Estamos en un momento clave para que las organizaciones evolucionen hacia un modelo Data Driven
En el sector médico, los grandes avances en la IA están permitiendo mejoras como el análisis de imagen, la medicina personalizada basada en datos, los sistemas de asistencia al diagnóstico y la detección precoz de enfermedades. En este sentido estamos asistiendo al comienzo de cómo los datos se pueden utilizar de forma eficiente para salvar vidas además de mejorar la cuenta de resultados de las organizaciones. Por todo ello, cabe concluir que estamos en un momento clave para que las organizaciones evolucionen hacia un modelo Data Driven. Es decir, convertirse en una organización orientada al dato. En el entorno competitivo y de crecimiento en el que estamos, es importante que las compañías entiendan la necesidad de incorporar en su hoja de ruta estas iniciativas para no quedarse atrás y formar parte de esta evolución.
