- El camino se hace más fácil hasta que la empresa sea capaz de extraer con seguridad todo el valor que un proyecto de Big Data Value le pueda proporcionar
En la carrera para estar cada vez más cerca de los clientes, las empresas llegan a acumular una gran cantidad de información innecesaria. Sin saber qué hacer, terminan en proyectos de big data destinados al fracaso. ¿Qué le parece resolverlo pensando en ‘big data value’?
Una reciente encuesta mundial de Gartner reveló que el 73% de las organizaciones han invertido o planean invertir en big data en los próximos dos años. El número de empresas que dicen no tener planes para invertir en estrategias de análisis de datos no estructurados se redujo de 31% en 2013 al 24% en 2014.
Pero eso no es todo. Los números son optimistas pero en la práctica puede ser diferente, ya que la mayoría de los proyectos tiende a fallar debido a que las empresas y los ejecutivos no consideran el hecho de que big data no sólo consiste en el almacenamiento de gran cantidad de información.
El término 'big' se encuentra vinculado al tamaño pero, más que eso, también se relaciona con la cantidad de información heterogénea con la que la empresa tendrá que lidiar, como: forma, tipo de información, estructurada, no estructurada, texto, clics, etc.
Por otro lado, el denominado 'Data Lake' recibirá una gran cantidad de información y, para ello, la empresa debe estar preparada a fin de procesar diferentes datos, separarlos, analizarlos y agruparlos de manera adecuada y eficiente.
¿Y si miramos a través de una lupa el término 'big data'? Podemos ver estas dos palabras como pequeñas al lado de una tercera: ‘value’. Es decir, ’big data value’.
La pregunta es, ¿qué sentido tiene que almacenemos un universo de datos si no se extrae el valor de los mismos? El valor dependerá del tipo de negocio o estrategia que la organización está buscando.
Así como es importante almacenar lo que hace sentido, también lo es deshacerse de lo que no genera valor. De tal forma, las empresas no necesitan y no deben mantener costos innecesarios sólo por el hecho de acumular datos.
Algunas preguntas sencillas serán necesarias para ayudar a determinar por cuánto tiempo se requerirá la información. Por ejemplo, para definir con certeza el comportamiento estacional de un producto, las informaciones sobre las ventas de años anteriores son necesarias para obtener el valor de los datos y tomar las acciones necesarias.
Una vez que las empresas definen y aprenden a manejar la cantidad, variedad (diversas fuentes y tipos de datos) y calidad, pueden comenzar a generar la rentabilidad a través de la investigación de lo que es útil o no para su negocio.
Una vez que se tiene todo listo, se abre la oportunidad de ser creativos y comenzar con el descubrimiento y experimentación en el que varios datos son sometidos a nuevas preguntas, filtros y modelos estadísticos. El análisis de esas respuestas e indicadores revelará mejores caminos para la toma de decisiones en la organización. La información se vuelve inútil si no se actúa en base a sus resultados.
Por citar un ejemplo, si se observa un aumento en las ventas de ciertos productos durante el mismo período de los últimos dos años, lo lógico sería generar descuentos o promociones para impulsar aún más las ventas. Cuando su coche indica que la gasolina se acaba, ¿usted espera hasta que se vacíe el tanque para acudir a la gasolinera más próxima?
El punto de partida son las preguntas que la organización quiera hacer. A partir de ahí, el camino se hace más fácil hasta que la empresa sea capaz de extraer con seguridad todo el valor que un proyecto de big data value le pueda proporcionar. ¿Listo para empezar?
