
Por Alejandro Lanuque, doctor en Psicología Social y posdoctor en Psicología, autor del libro “Innovadores Disruptivos”
Como puede inferirse de lo que venimos diciendo en nuestra columna semanal, en la base de Big Data se encuentra la datificación. Todas las interacciones que ocurren en las redes sociales contribuyen a la datificación, ya que generan una inmensa cantidad de datos que pueden utilizarse cada vez con una mayor profundidad para obtener una nueva perspectiva de la realidad.
Otras veces, la obtención de los datos no es tan visible, dado que se realiza en forma inadvertida, sin que los usuarios o poseedores de información sean conscientes de cómo se reutilizan sus los datos.
La información relativa a Big Data procede de varias fuentes:
• Personas: Por medio de mensajes de texto, vídeos, notas de voz en sus dispositivos móviles, computadoras de escritorio y otros.
• Transacciones: Registros de facturación y de llamadas telefónicas.
• Redes sociales y web: Correos electrónicos, redes sociales, blogs y contenidos de las páginas web.
• Machine to machine (M2M): Son las tecnologías que comparten datos a través de dispositivos (medidores de temperatura, de altura, presión, química, etc. que transforman información en valores).
• Biométrica: medidas estandarizadas de seres vivos o procesos biológicos usadas en el mundo de la seguridad e inteligencia.
Por su parte, los datos obtenidos de dichas fuentes son de naturaleza variada:
• Estructurados: Información ya procesada, filtrada, especificada con detalle, que tienen una estructura y un esquema fijos o un formato pre organizado, pensado para ser almacenados en las bases de datos tradicionales. Es el tipo de datos más usado en la actualidad.
Pueden ser:
○ Creados: Datos generados por sistema en forma predefinida (por ejemplo, registros en tablas).
○ Provocados: Datos creados en forma indirecta a partir de una acción previa (tal es el caso de las valoraciones de restaurantes).
○ Dirigido por transacciones: Datos que resultan al finalizar una acción previa de manera correcta (como las facturas de compra).
○ Compilados: Como los resúmenes de datos de empresa.
○ Experimentales: Datos creados como parte de pruebas o simulaciones para validar si existe una oportunidad de negocio.
• Semi-estructurados o híbridos: Información procesada y con un formato definido, pero no estructurado, que puede tener variaciones.
Siguiendo al mismo autor, podemos identificar:
○ Datos de mercados emergentes.
○ E-commerce.
○ Datos meteorológicos.
• No estructurados: Información sin procesar y que puede tener distintos tipos de estructura y formato como textos, imágenes, vídeos, códigos, mails, mensajes instantáneos de WhatsApp, Facebook, Messenger, libros o artículos, entre otros. Es decir, no están sujetos a un tipo o estructura fija predefinida y se almacenan como “objetos” u “documentos” sin campos especificados. La mayoría de datos que poseen las empresas es de tipo no estructurado.
Podemos encontrar:
○ Capturados: Datos creados a partir del comportamiento de un usuario (por ejemplo, aplicaciones de seguimiento de actividades deportivas).
○ Generados por usuarios: datos que especifica un usuario (como las publicaciones en redes sociales).
Lo cierto es que en el actual contexto tecnológico y social es posible recoger datos de casi todo, y muchas veces de forma pasiva, es decir, sin que el usuario realice una acción específica. Esta posibilidad permite tomar otra perspectiva y detectar conexiones y detalles que, de otro modo, no hubiesen sido captados.
Big Data en los sectores del mercado
Como se trata de una disciplina transversal, Big Data se puede aplicar en todos los sectores. Pero para poder hacerlo se deberá disponer de los siguientes elementos:
1. Gran volumen de datos.
2. Personal capacitado y con experiencia para trabajar con los datos.
3. Infraestructura y tecnología.
4. Disposición dentro de la organización de una estructura que pueda aprovechar los beneficios de Big Data.
Big Data otorga la posibilidad de comprender y predecir mejor los comportamientos de los clientes y mejorar su experiencia. A través del análisis de los movimientos que estos realizan, como transacciones, interacciones multicanal, redes sociales, y otros, las empresas pueden conocer más claramente sus preferencias y demandas, lo que les ayuda a encontrar nuevas formas de interactuar con ellos.
Con Big Data también es posible optimizar los procesos para lograr una mejora operativa y un incremento de beneficios. Otras aplicaciones de Big Data son la gestión financiera y la de riesgos, la prevención del fraude, la colaboración de los empleados y la habilitación de nuevos modelos de negocio.
No todas las organizaciones necesitan gestionar todo el abanico de funcionalidades de Big Data. Sin embargo, en cualquier sector existe la posibilidad de utilizar nuevos datos, tecnologías y analíticas. Las empresas generan valor cuando analizan el volumen, la velocidad y la variedad de datos ya existentes y nuevos, y cuándo aplican las herramientas adecuadas para comprender mejor sus operaciones, clientes y mercado.
En definitiva, Big Data ofrece a las empresas numerosas ventajas para que su negocio rinda mejor:
• Genera nuevas oportunidades de negocio.
• Mejora la segmentación: Se puede identificar con más precisión la probabilidad de que el cliente contrate servicios o productos.
• Mejora la estrategia: Se puede predecir más exactamente qué productos son más apropiados para cada cliente.
• Hace más visible el negocio: Se pueden elaborar informes más detallados.
• Analiza las Redes Sociales y, dentro de ellas, a las personas: Se pueden identificar los círculos sociales de los clientes y comprender qué papel desempeñan en ellos además de su grado de influencia.
• Mejora el conocimiento de clientes y mercados a través del Marketing Viral.
• Provee información en tiempo real: La información siempre está disponible, sin tener que esperar una actualización de datos.
• Se anticipa al problema: El análisis predictivo y el cruce de datos hace posible prever los problemas.
• Reduce costos: La simplificación de los procesos actuales y el control de negocio, y la analítica predictiva frente a fraudes y transacciones y operaciones sospechosas posibilitan la reducción de costos innecesarios.
• Ayuda en la toma de decisiones: Por medio de algoritmos automáticos se puede descubrir información que se mantenía oculta o a la que no se le daba importancia, y que contribuye a una buena toma de decisiones.
• Reduce el tiempo.
• Se pueden establecer filtros inteligentes de seguridad en el negocio electrónico.
Mejía Cruz afirma que para extraer todo el potencial de esta nueva tecnología se debe:
• Entender el negocio y los datos. Es necesario realizar un análisis detallado de las herramientas que la empresa maneja y que intervienen en sus procesos.
• Localizar los problemas del negocio y cómo los datos pueden ayudar a solucionarlos.
• Establecer expectativas razonables y metas alcanzables, para probar si con las nuevas soluciones que brinda Big Data, se puede revertir la situación.
• Al implementar un proyecto de Big Data es necesario ser flexible con la metodología y las herramientas, pues la reconfiguración de la estrategia empresarial lleva tiempo y ensayos prueba-error.
• Trabajar en paralelo con el sistema que hoy está funcionando en cada organización o empresa.
Fases en la adopción de Big Data en una organización
Existen cuatro fases en la adopción y progresión de Big Data en una organización:
1. Educación: Crear una base de conocimiento. En primer lugar, se deben realizan acciones de desarrollo del conocimiento para lo cual se debe recabar información.
2. Exploración: Crear la hoja de ruta para el desarrollo de Big Data, un caso de negocio cuantificable y un proyecto.
3. Organización: Adoptar Big Data. En esta fase, la organización comienza a comprobar el valor de esta opción para el negocio.
4. Ejecución: Ejecutar Big Data a escala. El nivel de operatividad e implementación de las funciones analíticas y de Big Data es mayor dentro de la organización.
Cuando las organizaciones consideran que sería beneficioso para su negocio incorporar soluciones de Big Data, generalmente se encuentran con la dificultad en determinar cómo y dónde abordarlas.
Para poder definir estos dos puntos identificamos cinco tipos de análisis que pueden ser una guía sobre cómo abordar Big Data en una organización:
1) Exploración: Consiste en la búsqueda, visualización y comprensión de Big Data para contribuir a la toma de decisiones.
2) Ampliación de la perspectiva del cliente: Consiste en desarrollar el espectro de la perspectiva actual de los clientes por medio de la incorporación de fuentes de información internas y externas. Se trata de estudiar el comportamiento de los clientes para entender sus necesidades y anticipar sus futuros comportamientos. Para lograr esto, es necesario involucrar a los empleados de primera línea proporcionándoles información para comprometer a los clientes, fortalecer el vínculo y lograr resultados positivos.
Los colaboradores deben disponer de los medios necesarios para analizar grandes volúmenes de información e identificar las necesidades puntuales de los clientes en el menor tiempo posible.
3) Incremento de la inteligencia/seguridad: Se reducen los riesgos y fraudes, y se puede supervisar la ciberseguridad en tiempo real. La mejora de la inteligencia/seguridad permite a las organizaciones:
○ Filtrar datos internos y externos para detectar relaciones ocultas y patrones de comportamiento, así como para evitar amenazas de seguridad.
○ Detectar fraudes al relacionar la actividad histórica de las cuentas con los datos en tiempo real y, de este modo, localizar transacciones o comportamientos dudosos.
○ Inspeccionar nuevas fuentes de datos como Internet, los dispositivos móviles, las transacciones, el correo electrónico o los medios sociales, para adquirir pruebas de actividades delictivas.
4) Análisis de operaciones: Inspeccionar los datos informáticos para obtener mejores resultados eleva la eficacia. El aumento de los datos de sistemas provenientes de equipos y dispositivos de red, sensores, medidores y dispositivos GPS, entre otros, es otro factor esencial para obtener soluciones de Big Data.
Cuando se combinan los datos de sistemas con los datos empresariales analizando las operaciones, las organizaciones están en condiciones de:
○ Ver en tiempo real las operaciones, las transacciones, comportamientos y la experiencia del cliente.
○ Planificar en forma proactiva para aumentar la eficacia de las operaciones.
○ Identificar y analizar anomalías.
○ Controlar la infraestructura para prevenir las incidencias o la degradación de los servicios.
5) Modernización de los Data Warehouse: Al integrar Big Data con las posibilidades de almacenamiento de la organización, se pueden obtener nuevas perspectivas de negocio que mejoran la infraestructura existente.
En definitiva, esta tecnología ofrece infinitas alternativas para incrementar la rentabilidad y eficiencia operativa de las organizaciones y para aumentar sus ingresos, ya que opera con una oferta personalizada de servicios adaptados a las características y circunstancias de cada consumidor.
De esta manera, al definir nuevos productos e identificar novedosas oportunidades en el mercado puede retener a los mejores clientes. También, hace posible disminuir los costes al optimizar los canales de aprovisionamiento, dado que reduce la comunicación a los contenidos relevantes, detecta fraudes y dimensiona las plataformas comerciales.
El análisis efectivo de los datos posibilita agilizar el lanzamiento de nuevos productos, modificar precios, calcular con mayor exactitud el retorno sobre las inversiones y prever la disposición del cliente para que compre otro producto.