LinkedIn Google+

Es un hecho el incremento exponencial de los datos digitales generados en el mundo, debido a la evolución digital y al boom de los dispositivos móviles (smartphones, tablets, wearables, internet de las cosas). La meta es transformar esos datos en conocimiento y con dicho conocimiento aportar valor para las organizaciones.

Según diversos estudios realizados por las consultoras de investigación, Gartner[1] y Forrester[2], los principales retos de los proyectos Big Data son:

Retos Proyecto Big Data tabla

Desde mi experiencia personal, tras varios años trabajando con diversidad de organizaciones de diferentes sectores, las claves para afrontar con éxito los principales retos de un proyecto de este tipo son:

  1. Actitud. El análisis es una actitud. Es necesario que la Dirección tenga la actitud de hacerse preguntas para mejorar y plantearse analizar datos para tomar decisiones.
  2. Política. La información es poder, y en las grandes organizaciones, a veces el verdadero reto es la disponibilidad de cierta información.
  3. Toda iniciativa de análisis de datos debe tener como finalidad mejorar la cuenta de resultados, ya sea incrementando los ingresos o reduciendo los gastos, con lo cual, debe existir un caso de negocio que justifique la iniciativa.
  4. Conocimiento. Para poder poner en valor la información, es necesario combinar conocimiento  en tres disciplinas:
    • Negocio: para identificar las variables relevantes para el proceso de negocio a analizar.
    • Matemáticas: para seleccionar las herramientas (algoritmos) más adecuadas para clasificar, predecir, etc.
    • Tecnología: para poder uitlizarla de forma eficiente.
  5. Tecnología. La tecnología evoluciona a tal velocidad, que siempre existirá una solución específica para cada problema a resolver.

¿Cómo obtener valor de los datos con Analytics?

Según el Profesor T. Davenport, los tipos de análisis que se pueden realizar son los siguientes:

  • Análisis Descriptivo, que informa sobre lo que ha pasado.
  • Análisis Predictivo, el cual usa modelos basado en el pasado para predecir el futuro.
  • Análisis Prescriptivo, el cual usa modelos para especificar acciones o conductas óptimas.

En su libro “Competing with Information”[3], el Profesor D. Marchand establece que un modelo con diferentes niveles de aportación de valor con la información:

  1. Minimización de riesgos: operativos, financieros, legales
  2. Reducción de costes de transacciones y procesos.
  3. Aportación de valor a clientes y mercados.
  4. Creación de una nueva realidad: inteligencia (social, política, etc.)

Dependiendo del caso de negocio, del sector, de los datos y del tipo de análisis, se pueden dar ejemplos de los diferentes niveles:

  1. El caso más sencillo sería disponer de un cuadro de mando con indicadores clave, para evitar desviaciones relevantes durante las operaciones de negocio.
  2. En la cadena de suministro, aplicando algoritmos se pueden optimizar rutas y reducir el coste operativo de las mismas.
  3. Analizando los hábitos de consumo de los clientes (su cesta de la compra), se pueden realizar ofertas personalizadas.
  4. Un ejemplo muy difundido, una empresa que presta un servicio de búsquedas por internet (vuelos, hoteles, etc.), puede analizar la demanda y venderle la información a los proveedores de los servicios buscados.

 

[1] Gartner Big Data Industry Insights 2015

[2] Forrester TechRadar: Big Data, Q3 2014

[3] “Competing with Information: A Manager’s Guide to Creating Business Value with Information Content”  Donald A. Marchand, 2000 ISBN: 978-0-471-89969-3

 

Artículo anterior

SAP MEMORY SETTINGS AT OS LEVEL

Artículo siguiente

THE IRONY OF ENTREPRENEURSHIP IN BIG CORPORATIONS

Sin Comentarios

Responder

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *