Introducción

Grande en nombre y grande en naturaleza, Big Data es una palabra de moda tecnológica que no desaparecerá pronto. ABI Research considera que el gasto de big data a nivel mundial superó los $ 31 mil millones (alrededor de £ 20,8 mil millones, o AU $ 40,2 mil millones) en 2013 y se activará para llegar a $ 114 mil millones (alrededor de £ 76,6 mil millones, o AU $ 148 mil millones) en 2018, y Sin embargo, hay muchos que todavía están confundidos en cuanto a qué son los grandes datos en realidad y por qué valdría la pena esa cantidad de ojos que se hacen llorar en solo tres años..

Prev Página 1 de 6 Siguiente Prev Página 1 de 6 Siguiente

1. que es?

Puramente y simplemente es un término usado para describir los enormes conjuntos de datos que están siendo producidos por los procesos digitales y los intercambios de redes sociales que están aumentando en la actualidad por la carga de cubo cada minuto de cada día. Es una mezcla de datos estructurados, semiestructurados y no estructurados que no pueden ser manejados por bases de datos o software regulares, y en su lugar deben ser canalizados a través de programas analíticos específicos.

El procesamiento de big data ya es un gran negocio y la falta de habilidades para usar adecuadamente los análisis para descifrar información procesable es algo que sigue siendo un problema muy real, a pesar de que estamos bastante avanzados a la hora de entender qué es big data..

Prev Página 2 de 6 Siguiente Prev Página 2 de 6 Siguiente

2. La analítica sólida es la clave.

La obtención de cualquier tipo de ventaja comercial a partir de grandes volúmenes de datos significa contar con análisis sólidos y las habilidades para usarlos. Poseer un modelo analítico exitoso significa que su empresa podrá encontrar nuevas correlaciones para resolver problemas, identificar tendencias y básicamente ganar más dinero..

Michael Watson de Supply Chain Quarterly dio un breve análisis de los análisis de big data, donde escribió que existen tres tipos diferentes de análisis: descriptivo, predictivo y prescriptivo. Los datos descriptivos presentan los datos de una manera que le permite saber qué está sucediendo en el lugar de donde se extraen los datos. Predictivo describe la forma en que puede tomar datos y hacer mejores predicciones al usarlos. Mientras tanto, las preocupaciones prescriptivas sobre el uso de datos se combinan con las predicciones posteriores para tomar medidas que mejoren el negocio.

Unirlos y hacer las preguntas correctas al comienzo de todo el proceso analítico es clave para asegurarse de que su modelo funcione y le brinde los resultados que desea..

Prev Página 3 de 6 Siguiente Prev Página 3 de 6 Siguiente

3. Internet de las cosas aporta mucho.

Lo creas o no, Gartner tiene un Ciclo de Hype para Tecnologías Emergentes y, después de encabezar la tabla en 2013, el big data se ha quedado atrás con otra de las palabras clave de la tecnología del momento: el Internet de las cosas. A pesar de que este es el caso, el big data tiene una gran cantidad de beneficios cuando se trata de la IoT..

La estimación conservadora de Cisco sobre la IoT menciona que la cantidad de dispositivos conectados alcanzará los 21 mil millones para 2018 y la mala noticia para cualquier empresa no preparada es que habrá zettabyte sobre zettabyte de datos para mantener un control. Darle sentido a todos estos datos es algo que todavía está demostrando ser un gran desafío y la brecha de habilidades, que veremos en la siguiente diapositiva, es algo que tiene el potencial de hacer o deshacer el éxito de los datos extraídos de todos estas cosas".

Prev Página 4 de 6 Siguiente Prev Página 4 de 6 Siguiente

4. Todavía hay una gran brecha de habilidades

Los científicos de datos tienen la tarea de manejar los conjuntos de datos que se ofrecen y de generar información de ellos, y para cualquiera que busque iniciar una carrera, la noticia es buena: la brecha de habilidades para los científicos de datos es actualmente enorme. La investigación de Gartner encontró que el 85% de las compañías en la lista de Fortune 500 no podrán explotar los datos de manera efectiva en 2015 y decidir cómo superar esta brecha es fundamental para que las empresas se den cuenta de los beneficios de big data.

Mientras tanto, Accenture llevó a cabo un proyecto de investigación de un año de duración sobre científicos de datos y descubrió que Estados Unidos creará alrededor de 39,000 nuevos puestos de trabajo para expertos analíticos hasta el 2015, pero en realidad solo podrá asignar candidatos al 23% de esos roles..

Una forma fácil de llenar los vacíos es, obviamente, capacitar y promocionar desde el interior, aunque esto depende de que se haya implementado la capacitación adecuada y de que haya personas "correctas" dentro de la organización. La otra forma es la educación..

Una de las instituciones educativas que intentan ayudar es la Academia Europea de Ciencia de Datos, que es una plataforma en línea para la formación de científicos de datos en toda Europa. Afirma que la demanda de profesionales con las habilidades para administrar big data aumentará en un 160% para 2020 y ya ha asegurado una inversión de € 2.9 millones (£ 2.2 millones o $ 3.25 millones) de la UE para realizar una variedad de cursos, que ponerse en marcha a finales de 2015. Más planes como este también están en trámite y solo pueden ayudar a solucionar el déficit.

Prev Página 5 de 6 Siguiente Prev Página 5 de 6 Siguiente

5. Los datos ricos podrían ser aún más importantes

El Dr. Rado Kotorov, director de innovación de Information Builders, lo expresó bien cuando describió la diferencia entre big data y datos ricos como la forma en que el crudo y el petróleo refinado difieren. Los datos completos, en términos simples, son lo que se obtiene cuando se combinan los datos de diferentes sistemas y se les da un contexto para que se convierta en una propuesta práctica para empresas e individuos..

Resuelve una de las principales quejas sobre big data en que los datos no estructurados producidos no proporcionan una visión lo suficientemente detallada en comparación con el nivel de datos contextualizados que es posible con datos ricos. El hecho de que los datos enriquecidos necesiten grandes volúmenes de datos para que existan significa que los grandes datos nunca desaparecerán, sin embargo, para un mayor nivel de información y beneficios, los datos enriquecidos deben ser parte del cuadro..

Sin embargo, una de las grandes preocupaciones acerca de los datos enriquecidos será, en última instancia, que es más detallado y, como tal, podría presentar un riesgo de privacidad para los consumidores que los datos grandes no estructurados pueden no terminar. Lo que esto podría presentar es una situación en la que los consumidores se vuelven aún más protegidos con sus datos personales y optan por ceder menos a las empresas que lo solicitan, y quizás incluso utilizarlos como una herramienta de negociación en el futuro..

"En el futuro, las personas pueden optar por controlar la información que están creando y luego monetizarla de nuevo a las empresas; esto puede consistir en reducir sus facturas o obtener una mejor calidad de servicio de un proveedor", admitió Matt Pfeil, Director de Clientes. en DataStax.

Prev Página 6 de 6 Next Prev Página 6 de 6 Next
Comparte