News

[divider height=”30″ style=”default” line=”default” color=”” themecolor=”0″]

Recientemente Linkedin en su dilema de identidad como red social o herramienta corporativa, incorporó nuevas “reacciones”, y yo inmediatamente pensé en Big Data. Toma unos minutos, pero los invito a compartir conmigo esta reflexión y comprender la relación entre una y otra cuestión.

Big Data, en pocas palabras, es la capacidad de retener, procesar y comprender datos como nunca antes. Posiblemente, su nombre no sea la mejor elección, ya que, por contraste, hace parecer que hay otros tipos de datos que son más pequeños; cuando, en realidad, lo “grande” es el proceso que transforma estos datos en valiosa información. Puede significar más datos de los que se están utilizando hoy en día, pero también puede significar diferentes tipos de datos, una aventura en el mundo no estructurado donde reside la mayor parte de los datos actuales.

Una buena analogía para comprender mejor la gran oportunidad de Big Data es la de la minería de oro.

En los viejos tiempos, los mineros podían detectar fácilmente pepitas de oro porque eran visibles a simple vista. Consideremos que el oro es «datos de alto valor por byte»: puede verse su valor y, en consecuencia, se invierten recursos para extraerlo. Pero hay más oro por ahí, tal vez en las colinas cercanas o a kilómetros de distancia; no es fácil encontrarlo a simple vista, y tratar de hallar este oro oculto se convierte en una apuesta en un juego de azar.

La historia tiene relatos sobre la fiebre del oro pero, movilizar a millones de personas para cavar en todas partes, habría sido demasiado caro. En la actualidad, ocurre lo mismo con los datos que residen en el almacenamiento de su empresa. El valor de esos datos es notorio, ya que su negocio invirtió en limpiarlos, transformarlos, rastrearlos y catalogarlos. Los mineros de hoy trabajan de manera diferente.

Siguiendo con la analogía, la minería de datos aprovecha la tecnología, que puede procesar millones de toneladas de suciedad —o datos de bajo valor por byte— para encontrar hebras de oro casi invisibles. Generalmente, se necesitan treinta partes por millón de oro antes de que sea visible a simple vista, es decir, hay una gran cantidad de oro —datos de alto valor por byte— en medio de toda esa suciedad —datos de bajo valor por byte—. Con el equipo adecuado, se puede procesar, económicamente, una gran cantidad de suciedad y separar el oro que se encuentra.

Luego, este oro podrá ser combinado para hacer barras, atesoradas en un lugar seguro, y así poder confiar en estas barras el respaldo de nuestro capital. Si estos fueran datos, los habríamos llamado «cultivar datos», ya que una vez procesados, son valiosos y de buena calidad.

Los nuevos enfoques analíticos permitirán archivar más datos de lo que puede almacenarse con la tecnología de hoy. Y así se comenzará a hablar de computación cognitiva.

En un mundo de Big Data, se puede medir casi cualquier cosa que queramos. Por ejemplo: hoy en día, no se puede diagnosticar un problema de un auto eléctrico sin conectarlo a una computadora. Estos, en el mercado, generan 25 GB de datos durante una sola hora de carga, datos que no serán probablemente utilizados con ningún fin. Una importante capacidad de Big Data es la captura de datos que se «caen al suelo». Este tipo de datos es capaz de proporcionar información y resultados increíbles porque enriquece las iniciativas de análisis que se llevan a cuenta en su organización. El «escape de datos» es el término que se prefiere para este tipo de datos: se genera en grandes cantidades —a menudo, terabytes por día— pero, normalmente, no se aprovecha para obtener información empresarial.

Entre las propuestas de valor de Big Data, se encuentra la capacidad de analizar todos los datos como un análisis de toda la población. Imagine el tipo de predicciones y de ideas que sus programas analíticos podrían hacer si no estuvieran restringidos a muestras y subconjuntos de los datos acotados a los clientes de su empresa, de su sitio web, o de su aplicación.

En los últimos dos años, los datos que están disponibles en un mundo de Big Data aumentaron aún más. A esto nos referimos como «la internet de las cosas (IoT)». IoT representa la evolución en la que los objetos son capaces de interactuar con otros objetos. Como, por ejemplo: los hospitales pueden monitorear y regular los marcapasos desde lejos, los hoteles pueden ajustar la temperatura y la iluminación de acuerdo con las preferencias de sus huéspedes, entre otros.

Este exceso de orígenes y tipos de datos abre nuevas oportunidades. Como es el caso de las compañías energéticas. A partir de medidores inteligentes, recopilan datos y pueden proporcionar una mejor comprensión de la segmentación, del comportamiento de los clientes y de cómo los precios influyen en el uso. También pueden transformar y mejorar la eficiencia de la generación y programación de electricidad, determinar qué aparatos extraen demasiada electricidad y aprovechar esa información para proponer mejoras rentables. Esto es solo si las empresas tienen la capacidad de usar dichos datos.

Las redes sociales que más crecen —Snapchat, Pinterest, Instagram, etc.— se basan en las comunicaciones de video o imagen. Hoy en día, la mayoría de los datos recopilados se enriquecen temporal y espacialmente, es decir, con su fecha, hora, y ubicación. El formato de una publicación de Facebook es de datos estructurados. Están codificados en el formato JavaScript Object Notation (JSON), «oro visible». Sin embargo, es la parte no estructurada que tiene «la pepita de oro» del valor potencial: posee intenciones monetizables, datos de reputación. Aunque los datos estructurados sean fáciles de almacenar y analizar, son los componentes no estructurados los que marcan la intención y el sentimiento, que son difíciles de analizar.

¿Se habían preguntado por qué las redes sociales —incluso Linkedin— tienden a generar mayores opciones de reacción para las que antes eran solo «me gusta»? Sí, detrás de este inocente cambio hay una decisión relacionada con Big Data.