Si bien los orígenes del término son difíciles de alcanzar e incluso debatidos, el big data es uno de esos conceptos que muchos conocen, pero desafía una definición simple. En el corazón de los grandes datos, como sugiere directamente el término, se encuentra un volumen extremadamente grande de datos. A menudo, esto se obtiene de diversas fuentes e incluso de diferentes tipos de datos, que luego se analizan mediante técnicas analíticas avanzadas que, con suerte, seleccionan patrones que pueden llevar a conclusiones útiles..

Big data también infiere las tres V: volumen, variedad y velocidad. El volumen se refiere al tamaño de los datos, la variedad indica que los conjuntos de datos no son homogéneos y la velocidad es la velocidad a la que se realiza el análisis, a menudo con el objetivo de lograr un análisis en tiempo real.

Los conjuntos de datos involucrados son realmente muy grandes, estamos hablando de terabytes a zettabytes (1ZB es equivalente a 909,494,701TB, para los curiosos). Además del tamaño de estos conjuntos de datos, los datos pueden ser de diferentes tipos: estructurados, semiestructurados y no estructurados, además de que se pueden extraer de múltiples fuentes.

Esto plantea la pregunta de dónde se generan todos estos datos. Proviene de todo tipo de lugares, incluidos la web, redes sociales, redes, archivos de registro, archivos de video, sensores y dispositivos móviles..

Los últimos son particularmente importantes ya que la mayoría de nosotros mantenemos nuestros teléfonos con nosotros los 24 horas del día, los 7 días de la semana, y tienen una gran variedad de sensores, que incluyen GPS, cámaras, un micrófono y un sensor de movimiento. Además, la mayoría del uso de teléfonos inteligentes no es la comunicación por voz, sino otras actividades, incluidos correos electrónicos, juegos, navegación web y aplicaciones sociales, que en última instancia se traducen en el 90% de las aplicaciones móviles. Un gran impulsor de big data son estos datos móviles, que se generan a un ritmo vertiginoso..

Minería de datos

Pero los datos sin ningún análisis apenas valen mucho, y esta es la otra parte del proceso de big data. Este análisis se conoce como minería de datos y se esfuerza por buscar patrones y anomalías dentro de estos grandes conjuntos de datos. Estos patrones luego generan información que se utiliza para una variedad de propósitos, como mejorar las campañas de marketing, aumentar las ventas o reducir los costos. El enfoque de big data y data mining no solo tiene el poder de transformar industrias enteras, sino que ya lo ha hecho..

Por ejemplo, Trainline es un minorista de billetes de tren independiente líder en Europa, que vende boletos nacionales y transfronterizos en 173 países, con aproximadamente 127,000 viajes diarios por clientes. La compañía utilizó Big Data para modernizar su enfoque de viaje, con un enfoque en mejorar la experiencia del cliente a través de la innovación a través de su aplicación..

Los resultados son que ahora los clientes reciben notificaciones de interrupción mejoradas a través de la aplicación. Más que simples notificaciones de retrasos, estas notificaciones mejoradas son específicas para el viaje de cada viajero, una primera para la industria ferroviaria del Reino Unido. La firma también ha innovado en términos de precios predictivos, que pueden predecir cuándo aumentarán las tarifas anticipadas de la tarifa con descuento inicial, permitiendo a los pasajeros comprar tarifas a precios más bajos..

Big data también se ha utilizado en restaurantes, y en particular en la industria de comida rápida. McDonald's es la cadena de restaurantes más grande del mundo por ingresos y atiende a más de 69 millones de clientes diariamente en más de 36,900 ubicaciones en más de 100 países.

Solo por su gran volumen, se generan toneladas de datos y, por lo tanto, McDonald's ha adoptado una cultura basada en datos, con el objetivo de mejorar su comprensión en el nivel de cada ubicación individual, con el objetivo general de una mejor cadena de restaurantes..

A través de big data, McDonald's ha optimizado su experiencia de manejo, por ejemplo, tomando nota del tamaño de los autos que llegan y preparándose para un aumento en la demanda cuando los autos más grandes se unen a la cola..

Otra innovación de big data ha sido esas pantallas de menú digital que pueden mostrar de manera flexible los elementos del menú basándose en un análisis en tiempo real de los datos. Los menús cambian los elementos resaltados en función de los datos que incluyen la hora del día y el clima exterior, específicamente la promoción de bebidas frías cuando hace calor en el exterior y más alimentos de confort en los días más fríos. Este enfoque ha impulsado las ventas en ubicaciones canadienses en un 3% a 3.5% reportado.

La salud importa

Este enfoque de big data también se ha aplicado a la asistencia sanitaria. Un ejemplo obvio es el cambio importante que se aleja de los registros de "lápiz y papel" donde los datos de su médico están guardados en un archivador en la oficina, a los registros electrónicos de salud (EHR), que ahora tienen toda la información del paciente ingresada en una base de datos de computadora. listo para ser minado.

Este enfoque promete ser disruptivo, con una publicación reciente en el European Heart Journal que promete la “potencial para mejorar nuestra comprensión de la causa y clasificación de la enfermedad relevante para la traducción temprana y contribuir con analíticas procesables para mejorar la salud y la atención médica”.

Los beneficios de los grandes datos en la asistencia sanitaria irán más allá de la minería de datos del EHR. Un reto importante para los hospitales es la dotación de personal, que debe ser adecuada en todo momento, con el potencial de aumentar durante los períodos pico..

En un grupo de cuatro hospitales de París que comprenden la Asistencia Pública-Hôpitaux de París (AP-HP), buscan mejorar la flexibilidad en la dotación de personal. Utilizaron un conjunto de datos de 10 años de registros de ingreso hospitalario, hasta un nivel granular del número de ingresos por día, así como la hora del día, y lo combinaron con datos meteorológicos, patrones de gripe y días festivos..

Usando el aprendizaje automático, a continuación, afinaron sus algoritmos para las tendencias futuras a fin de predecir el número de admisiones futuras para diferentes días y horas. El resultado es que ahora tienen una interfaz fácil de usar, basada en navegador para la administración del hospital, así como personal clínico que puede pronosticar las tasas de ingreso en los próximos 15 días, que se utiliza para obtener personal adicional en momentos en que un mayor Se anticipa número de admisiones.

Con los datos, y en particular los datos móviles que se generan a una velocidad ridículamente rápida, se necesita el enfoque de big data para convertir este enorme montón de información en inteligencia procesable. En los ejemplos que hemos citado anteriormente, el desafío se ha superado y, a medida que se recopilan más datos, habrá más oportunidades para aumentar la calidad y la eficiencia en una serie de industrias diversas a través de un análisis más rápido y mejor de estos conjuntos de datos dispersos..

  • También preguntamos: ¿Es el big data un gran fracaso??