La importancia de Big Data crece al mismo ritmo que crece la digitalización de la sociedad en todos los ámbitos y sectores, materializada a través de la proliferación de dispositivos móviles, wearables que recogen toda nuestra actividad física diaria; la sensórica que ofrece datos sobre el comportamiento de todo tipo de máquinas, robots y equipos en los proceso industriales; el Internet de las Cosas que aglutina información de nuestros comportamientos en ciudades, vehículos y hogares; los drones que captan imágenes sobre la situación de infraestructuras; los ‘smartmeters’ que miden los consumos eléctricos…
Su importancia reside en sus dos capacidades principales:
o La de recoger, procesar y almacenar de forma eficiente, y en ocasiones en tiempo real, grandes volúmenes de información granular, reflejando con todo lujo de detalles lo que está ocurriendo en una determinada realidad, aunque sea de forma caótica y poco estructurada.
o La de extraer conocimiento-valor a partir de esa gran masa de información, ayudándonos a comprender lo que está ocurriendo en esa realidad que estamos analizando y predecir cómo se comportará en el futuro.
Si analizamos el Big Data desde un punto de vista de innovación tecnológica, el aspecto diferencial que introduce se encuentra más bien en la primera de las capacidades, la de recoger, procesar y almacenar grandes cantidades de información de forma eficiente y en tiempo. Las nuevas tecnologías de computación ‘en memoria’ y las nuevas plataformas de procesamiento masivo de información de forma distribuida, como Hadoop o Spark, son los máximos exponentes de estas innovaciones.
Pero de poco sirve una innovación tecnológica si no se tienen unos ‘para qué’s claros que, en definitiva, se traduzcan en ventajas competitivas para las empresas o en beneficios claros para la ciudadanía. Big Data aflora su valía precisamente a través de la segunda de las capacidades, la de poder extraer conocimiento-valor de esa gran masa de información.
Estos ‘para qué’s pueden clasificarse en cuatro grandes bloques y son aplicables en todos los sectores: búsqueda sobre información en bruto; comprensión de la realidad actual; predicción, planificación y simulación de escenarios futuros; y estimulación de una nueva realidad.
Incluso en un negocio como el televisivo, tan pendiente de lo que dicen los datos, el Big Data introduce una nueva vuelta de tuerca, especialmente con la irrupción de las plataformas digitales. La cadena puede saber qué programación ve cada persona, desde qué dispositivo, cuándo y cómo. Con la creciente fragmentación de la oferta de canales y contenidos, el disponer de datos granulares le permite comprender mejor el comportamiento y mejorar la experiencia de uso de sus televidentes, personalizando más su oferta, recomendándoles contenidos, haciendo publicidad de forma más focalizada, o produciendo nuevos contenidos en base a los intereses más demandados.
Por tanto, la disponibilidad de los datos a niveles granulares y la tecnología son parte fundamental de la ecuación del Big Data, pero no son suficientes. Por sí solos poco pueden hacer sin alguien que sepa reconocer comportamientos y patrones interesantes (y coherentes) dentro de esos datos. El análisis de los datos es complejo. Las máquinas y los algoritmos no pueden hacer todo el trabajo, requieren de un componente humano, el data scientist, mitad experto en datos mitad experto en el negocio, que descarte el ruido y aporte una cierta interpretación.
En definitiva, si quieres saber más sobre cómo se comportan y qué factores inciden y guían a tus procesos, tus clientes o a tu mercado en general, no te quedes exclusivamente en lo que dicen las encuestas o lo que dice tu intuición y experiencia. Este tipo de análisis pueden esconder subjetividades o ser demasiado simples. Mejor hazte con datos granulares, con la tecnología necesaria y con los servicios de un data scientist que te ayude a extraer lo que hay detrás de esos datos.
