Series Background
Perspective Big Data

No se pierda en los números: grandes datos no es sinónimo de “gran caos”.

14-jul-2016

La época de los “cazadores y recolectores” ya ha acabado; grandes datos está entrando en el detalle. “Nuestro objetivo es extraer los datos recabados para dar respuesta a los retos a los que se ha enfrentado la empresa respectiva”, dice el Dr. Thomas Erwin, Socio Global de Ejecución de Datos & Análisis en KPMG. La empresa de consultoría se unió a la industria de TI  BITKOM para evaluar el estado actual del uso de grandes datos por empresas alemanas. El resultado: un número creciente de empresas está basando sus decisiones empresariales en el análisis de datos y está teniendo éxito en la aplicación de los resultados de manera provechosa; sobre todo en la industria de máquinas herramienta, de ingeniería industrial y del automóvil. Esto significa que el análisis de datos innovador está ganando importancia en la toma de decisiones empresariales.

Planificación de la producción y beneficio de la gestión del proyecto.

Según el estudio, la gran mayoría de los encuestados analiza los datos de sus clientes: un 79% analiza los datos de sensores o tomados in situ y un 70% usa datos disponibles públicamente, tales como la información general sobre avances económicos. Los conocimientos obtenidos se aplican a la planificación de la producción y al beneficio de la gestión del proyecto, así como en el análisis de clientes. Las finanzas y el control son áreas de aplicación importantes: un 91% de las empresas utiliza el análisis de los datos en la gestión del riesgo, para identificar y evaluar novedades potencialmente dañinas. En la industria de seguros, por ejemplo, esto implica riesgos en grupos de riesgo específicos; en el sector de la construcción, el análisis del riesgo se lleva a cabo, con frecuencia, durante la fase de oferta. Las empresas lo utilizan para determinar si pueden haber subestimado el alcance financiero de continuar para no presentar ofertas que sean demasiado bajas.
Axel Oppermann
Axel Oppermann, Avispador analyst
Sin embargo, el creciente uso de dichos métodos no es del todo incontrovertible, puesto que parece ser que algunas empresas hacen hincapié en la recopilación de datos por encima de todo. Las cifras de Bitkom indican que una tercera parte (34 %) del total de las empresas tiene una estrategia de grandes datos. Sin embargo, hay diferencias significativas entre las industrias: un 56 % de las empresas de comunicación y un 46 % de las empresas aseguradoras poseen semejantes estrategias, mientras que la cifra correspondiente en el sector automovilístico es tan solo de un 34 %. Como tal, algunas empresas todavía tienen dificultades para encontrar el enfoque estratégico adecuado para con grandes datos, como indica Axel Oppermann, analista en Avispador (ver entrevista).

 

¿Cómo funciona la estrategia de grandes datos adecuada?

BARC, una empresa de análisis, sabe que esta estrategia se puede diseñar con una orientación práctica. En consecuencia, las empresas, primero, deberían aclarar las condiciones generales, antes de lanzar proyectos de grandes datos; concretamente el soporte de gestión así como el potencial para generar innovación a partir de los datos. El siguiente paso lógico es doble: identificar y priorizar casos de uso y llevar a cabo un examen más pormenorizado de los datos. Esto significa examinar las preguntas siguientes: ¿Qué dato todavía no ha sido lo suficientemente combinado y analizado? ¿Qué fuentes de datos, internas o externas, podrían proporcionar un valor añadido? ¿Harán los datos que sea posible la ejecución de casos de uso? Dicho de otro modo, el trabajo propiamente dicho empieza mucho antes que la “caza” de datos.
Según el estudio de Bitkom, son necesarios los conocimientos de un experto para asegurarse de que los proyectos de grandes datos no fracasen, tanto en el desarrollo estratégico como en la subsiguiente ejecución. A fin de cuentas, cuando se combina información procedente de fuentes diferentes, el éxito de los proyectos de análisis con frecuencia estriba en la variedad de datos recabados. “Para conseguirlo, las empresas tienen que colaborar con profesionales de los datos especializados en métodos analíticos complejos”, aconseja la asociación. Y por último, las empresas de usuarios tienen que adoptar un enfoque proactivo para con temas como la privacidad de los datos y la seguridad de TI. De lo contrario, grandes datos puede volverse, rápidamente, en un “gran caos”.

Grandes datos… tres preguntas para Axel Oppermann, Avispador.

Sr. Oppermann, como analista, ¿dónde ve usted posibles cambios en el uso de grandes datos?

Entre los retos se encuentra entender el concepto y calcular su potencial, aunque el tema principal es el personal clave. Además, algunos usuarios no piensan en oportunidades –es decir, soluciones razonables que generen valor– sino que, en lugar de eso, se concentran en hechos, cifras y datos.
Un buen ejemplo de esto –o más bien uno malo– es el caso de un director de marketing de una empresa mediana que nosotros asesoramos. Él no conocía la diferencia entre correlación y causalidad. Como resultado, comparó una cantidad enorme de datos e identificó una correlación. Aunque las series temporales eran iguales, no tenían nada que ver la una con la otra; ahí no había causalidad. En lugar de ello, una variable diferente resultó ser decisiva. Tuvo mala suerte: tomó decisiones de gran importancia basadas en una interpretación incorrecta.

…y cuando habla de oportunidades, ¿a qué se refiere?

Si se utiliza adecuadamente, grandes datos puede ser un componente para modernizar los enfoques de gestión y los modelos empresariales, creando, a su vez, la base para asegurar un status quo económico. Un ejemplo de esto está asegurando la calidad de los servicios de salud prestados analizando los GDR: grupos de diagnósticos relacionados, en medicina.

En su opinión, ¿qué tenemos que hacer para aprovechar semejantes oportunidades?

No debemos sacar conclusiones erróneas, especialmente cuando no se pueda interpretar los resultados o cuando se planteen preguntas “erróneas” antes del análisis. Para analizar los datos correctamente, necesitamos datos de gran calidad, fuentes cualificadas y, sobre todo, información. Sin la información necesaria, los datos son prácticamente inútiles.