El proceso natural de la analítica y la acertada toma de decisiones El dueño del pequeño café, restaurante, tienda o boutique, comienza a reconocer lo crucial e indispensable de incorporar la analítica en el seno de sus operaciones. Muchas empresas están permitiendo incorporar cada vez más sistemas automatizados y naturales para el proceso de toma de decisiones, teniendo en cuenta el valor del actual entorno big data. El ser competitivos, el fidelizar a clientes, mejorar la productividad, posicionar mejor los productos o lograr mejores servicios, se convierten en el foco de cualquier organización, sin importar su tamaño o sector industrial al que pertenezca.
Big Data
Big data, la nueva moneda de cambio
En la actualidad, los datos son quizá la moneda más valiosa en los negocios. El dominio de los grandes proveedores de energéticos, en aquel entonces era evidente. Hoy las cosas son muy diferentes y los datos se han convertido en el nuevo combustible que mueve los negocios dentro del sector empresarial.
Durante 2016, Apple (con un valor de 571.4 mmdd); Alphabet (530.6 mmdd);Amazon (362.4 mmdd), Exxon Mobil (356 mmdd) y Facebook (355.6 mmdd) se consolidaron como las organizaciones empresariales con mayor dominio de mercado.
La otra cara del Big Data
Vivimos en la era del algoritmo. Muchas decisiones sobre nuestra actividad cotidiana (la cuota mensual que pagamos por un seguro médico, la selección de nuestro CV para una entrevista de trabajo, o la aceptación o rechazo de un crédito) no las toma ya un humano sino un modelo matemático. Y aunque, en teoría, esto debería conducir a una mayor igualdad ya que todo el mundo es juzgado en base a los mismos criterios, muchas veces ocurre lo contrario: los modelos son opacos, no están sujetos a regulación, con frecuencia están basados en hipótesis erróneas y refuerzan prácticas discriminatorias con los sectores más débiles de la sociedad. Esta marginación ha existido siempre, en la era digital simplemente se puede implementar de manera más eficiente e impersonal.
Las empresas de seguros usan complejos modelos para fijar la prima de un seguro en función de las características del solicitante: una persona más mayor pagará más seguro de salud, y un conductor con poca experiencia más seguro de automóvil. En ambos casos, la prima mayor está justificada por un mayor riesgo, estimado sobre datos anteriores de personas con características similares. Pero los datos también muestran que las personas de renta más baja tienen mayor riesgo de enfermedad, ¿es lícito cobrarles una prima más alta? Para el modelo matemático, “edad” ó “nivel de renta” son variables predictoras que se tratan por igual para afinar y mejorar la predicción. Sin embargo, la ética obliga a poner límites a la eficiencia de dichos algoritmos, y condiciona por ejemplo qué variables son susceptibles de ser utilizadas. Con frecuencia los modelos utilizan proxys: variables supuestamente correlacionadas con otras de las que no disponen de información suficiente. Por ejemplo, usar el código postal como proxy del nivel de renta. El abuso de esta práctica produce modelos estadísticos cuyos datos de aprendizaje son poco más que ruido, y conducen a predicciones erróneas. Cómo dicen en la jerga: si metes basura, sacas basura.
Impactos del Big Data y analytics en las compañías y nuevos retos de los analístas de negocio
Los proyectos de Big Data y analytics son en su inicio proyectos de tecnología, pero tiene que acabar siendo iniciativas que impacten de forma positiva en el negocio. A medida que esta estrategia se implanta en el día a día de las compañías va transformando la forma de trabajar de las unidades de negocio.
Los 6 principales cambios que las iniciativas de Big Data y analytics están provocando en los negocios:
Control de fraudes, del big data al small data
Uno de los principales retos de quienes se encargan del control interno de las compañías es transformar los datos de sus empresas en información útil y relevante para sus propósitos de control y monitoreo. Esto implica por lo menos tres desafíos que generalmente se ignoran o no se les da la debida atención:
Desafío 1
Es necesario contar con una arquitectura de sistemas mínima que permita producir, resguardar y extraer datos de los procesos de negocio de las compañías. Parece obvio, pero en la realidad muchas empresas, de todos los sectores e industrias, hoy día siguen trabajando con procedimientos rudimentario.
¿La tecnología realmente soluciona problemas en las empresas?
En los últimos años, se ha hablado mucho de tendencias como big data, inteligencia artificial o el Internet de las cosas (IoT) como las siguientes olas de innovación a las que hay que subir.
Para muchos líderes, estas siglas pueden resultar extrañas y podrían pensar que sus organizaciones no pertenecen a esa liga, destinada para las grandes tecnológicas como Google, Facebook, Microsoft o IBM. Aunque es importante estar al día con las tendencias, un problema común es poner ?el carro delante de los caballos?, aseverando que una tecnología particular es la solución o la bala de plata que hay que disparar para resolver un problema.
Utiliza Big Data para retener clientes
Las pequeñas y medianas empresas están posicionadas para comenzar a aprovechar el análisis de Big Data para hacer frente a uno de sus desafíos más importantes: la retención de clientes. El concepto de retención de clientes es muy adecuado para la analítica, gracias a la gran cantidad de información recopilada en plataformas de redes sociales y otras fuentes de datos que proporcionan información sobre los clientes, y que permiten crear programas de fidelización de clientes que maximicen la retención de ingresos y generen nuevos beneficios.
Cuida la marca de tu empresa con análisis de Big Data predictivos y en tiempo real
¿Necesita mi empresa tecnología Big Data? Ésta es la típica pregunta que se están haciendo muchos directivos y emprendedores a la hora de hablar de Big Data. “Si mi empresa va mal soy como un zombie, más muerto que vivo, la única solución es intentar reinventarse: hay que saber distinguirse para no extinguirse”. Y, en la actualidad, la transformación pasa por Big Data.
Este consejo, también sirve para las empresas líderes, ya que ellas tienen que cuidar su marca y lo pueden hacer mejorando la experiencia de cliente. “Esto solo se consigue con análisis de Big Data en tiempo real y con análisis predictivos”.
Para ello, el primer paso es identificar en qué áreas puede aportarte valor el uso de tecnología Big Data. Esto resulta esencial para poder implementar un proyecto de negocio, planteando unos objetivos y creando un modelo de análisis para identificar las necesidades de datos y las búsquedas que debemos hacer.
Cuatro tendencias de big data y AI a las que echarles un ojo
Existen algunas tendencias emergentes de big data y de AI que podrían afectarle a usted y a su centro de datos más pronto que tarde:
Donde hay una chispa (Spark)… Apache Spark está reemplazando al básico Hadoop MapReduce en los trabajos de big data sensibles a la latencia, con sus consultas en memoria, en tiempo real y el rápido aprendizaje automático a escala. Y con construcciones de datos y lenguajes conocidos y amigables con los analistas, Spark lo pone todo al alcance de todos nosotros, los tipos de hackers regulares. En cuanto a la producción a prueba de balas, no está completamente horneada. Pero la versión dos de Spark acaba de salir a mediados de 2016, y se está solidificando rápidamente. Aun así, este ecosistema en rápido movimiento y las potenciales “siguiente gran cosa”, como Apache Flink, ya están volteando las cabezas.
Cómo mejorar la gestión del ‘big data’
Las empresas todavía no aprovechan todo el potencial que el big data ofrece. Porque la mayoría de las empresas solo están capturando una fracción del valor potencial de datos y análisis.
El volumen y la diversidad de los datos disponibles han crecido exponencialmente, los algoritmos se han vuelto más sofisticados y que el procesamiento y el almacenamiento informático han mejorado progresivamente, tendencias que están impulsando rápidos avances tecnológicos y haciendo que la industria se convierta en disruptiva.