Sacar partido al Big Data supone un auténtico reto para las organizaciones hoy en día debido a la situación coyuntural de un continuo cambio a una velocidad de vértigo. En este post me gustaría reflejar cuales son las claves para tener éxito sí queremos implantar Big Data.
- Construir los modelos para predecir y optimizar los objetivos de negocio.
Los objetivos de negocio deben estar claro en el diseño de nuestro mapa de Big Data. El entusiasmo por el potencial disruptivo del Big Data puede llevar al fracaso del proceso de implantación. Comenzar con pequeños pilotos para ganar experiencia y conocimiento de las nuevas tecnologías es primordial. Trabajar con expertos es recomendable para evitar cometer grandes errores. Se necesita construir un modelo que permita conocer a futuro y corrija los errores permitiendo la optimización de los procesos de negocio. Big Data no es sólo una herramienta o una tecnología si no un conductor de una disciplina de toma de decisiones mejorada basada en análisis predictivos, que marca el comienzo de una era de cambio cultural y mejor rendimiento. La experiencia del usuario será clave, no sólo en la venta de servicios, sino también en los productos. Con Big Data la venta de productos o servicios podrá diferenciarse haciendo que el consumo de los mismos suponga una experiencia personalizada para los gustos y preferencias del cliente. Big Data nos permitirá llevar a cabo la gestión de emociones a la hora de enriquecer el consumo de los productos y servicios.
- Escoger los
datos correctos para el análisis
Big Data no es una
actividad aislada. Para el éxito se necesita más que nunca el conocimiento del
negocio que permita hacer las preguntas correctas y establecer las
correlaciones oportunas. Negocio y TI deben de ir de la mano desde el primer
momento y más que nunca. Sin duda alguna uno de los retos de Big Data es incorporar a su capacidad analítica información de contexto que permita adaptar y comprender el resultado del análisis en base a las condiciones del entorno. Para ello, el verdadero conocimiento será aquel que incorpore los atributos de entorno que contextualicen el análisis. La contextualización del dato trata de responder e incorporar al análisis información relativa a: ¿Cuándo se obtuvo la fuente origen?, ¿Cómo se obtuvo?, ¿De dónde procede? ¿Cuál es su naturaleza?
Existe una gran complejidad de realizar análisis cuando el número de variables es muy alto. Big data es mucho más que volumen de información. Mucha de la información no es útil o pueda considerarse falsa .Big Data puede derivar que se encuentren correlaciones falsas o falsos positivos. Muchas tipos de variables, muchos tipos de observaciones, muchos resultados. En el articulo Beware the Big Errors of ‘Big Data’ de @nntaleb en wired analizan en profundidad los problemas derivados de manejar gran volumen de variables.
- Transformar
las capacidades de la organización.
Gestionar bien el talento y
tener claro el mapa de conocimiento dentro de la organización es primordial para afrontar con éxito un proyecto de Big Data. Nuevos perfiles profesionales se harán necesarios como consecuencia de esta ola tecnológica. Computerworld a través de @tamharbert basándose en informes de Mckinsey establece roles necesarios para Big Data. Quizá como apunta HBR el sexy job del siglo 21 sea el científico de datos (Data scientist). James Kobielus en Smarter Planet Blog realiza una descripción sobre este rol llamando a los científicos de datos astrónomos del universo de Big Data muy interesante. Big data necesita de personas que cambien el modo de pensar sobre la información y el modo en el que la usan. Big Data supone un cambio en la cultura organizacional y posee un impacto directo en la estrategia y en los modelos de negocio. Toda organización necesita reconsiderar el impacto del Big Data en su estrategia empresarial y armar un plan de transformación y desarrollo de capacidades que al menos de respuesta a cinco cuestiones clave:
1. ¿Dónde existen oportunidades de creación de valor?
2. ¿Qué herramientas necesita la organización para aplicar en sus decisiones el conocimiento generado?
3. ¿Qué capacidades hay que desarrollar para analizar los datos y transformarlos en conocimiento?
4. ¿Cómo tengo que diseñar y operar mi “refinería de datos” para recoger, clasificar, depurar y almacenar los datos que la organización necesita para tratarlos analíticamente y transformarlos en conocimiento?
5. ¿Qué cuestiones críticas harán que la transformación sea exitosa?
1. ¿Dónde existen oportunidades de creación de valor?
2. ¿Qué herramientas necesita la organización para aplicar en sus decisiones el conocimiento generado?
3. ¿Qué capacidades hay que desarrollar para analizar los datos y transformarlos en conocimiento?
4. ¿Cómo tengo que diseñar y operar mi “refinería de datos” para recoger, clasificar, depurar y almacenar los datos que la organización necesita para tratarlos analíticamente y transformarlos en conocimiento?
5. ¿Qué cuestiones críticas harán que la transformación sea exitosa?
Dar respuesta a estas cuestiones necesita de un dialogo y debate estratégico entre varías áreas de la empresa, partiendo siempre desde una visión de negocio y donde la tecnología será la solución para mucho de los retos que se planteen, pero al mismo tiempo es necesario generar las condiciones adecuadas para que usar Big Data sea un éxito y se materialice en la cuenta de resultados.
