10 Mitos de Big Data

Conocer Big Data es saber lo que no es, para conseguirlo, el primer paso es desmantelar algunos de los mitos más arraigados sobre los grandes datos, los que hacen referencia a sus orígenes, su definición y su proyección:

  1. Big data es un problema.

Big data puede suponer un esfuerzo extra, una inversión, pero nunca un problema sino una gran oportunidad y la única forma de permanecer a flote en el entorno de mercado actual. Este mito seguramente proviene de las dificultades en comprender big data que abruman a las empresas y suponen el mayor reto para el 15% de ellas.

  1. Big data es demasiado difícil de usar al basarse en datos no estructurados.

Big data combina datos estructurados y no estructurados (suponen entre el 80% y el 95% del total de datos) y, precisamente por ello, proporciona el marco idóneo para la toma de decisiones y el aprovechamiento de oportunidades que, de otra forma, no podrían detectarse. Eso sí, requiere de integración y automatismo.

  1. Big data analytics necesita de datos nuevos.

La analítica de grandes datos se ve generosamente enriquecida al integrar las bases de datos y fuentes de información tradicionales e históricas con las de la nueva generación. No obstante, quien dispone de un data warehouse puede comenzar a sacar partido de sus datos. Según el informe de Accenture “CountingonAnalyticaltalent”, 3 de cada 4 ejecutivos de las firmas más importantes de Reino Unido y EE.UU. están trabajando para aumentar el uso de big data analytics en sus organizaciones.

  1. Cuanto mayor volumen de datos, mejor.

Esta afirmación es sólo un mito ya que la clave para tener éxito con Big Data es conocer primero el propio negocio y sus objetivos. Tras ese primer paso, es responsabilidad de la organización el utilizar la información obtenida para proporcionar los productos y servicios de calidad que los clientes demandan. Según un estudio de Paradigm4, el 36% de los data scientist afirman que los datos han alcanzado tal volumen que requiere de mucho tiempo el sacar conclusiones, mientras que el 71% de los encuestados aseguran que big data ha aumentado la complejidad de su labor de análisis. En este sentido, una de las soluciones que propone IBM es IBM InfoSphereBigInsights, un software que ayuda a las compañías a procesar grandes volúmenes de información y así mejorar los conocimientos empresariales y la toma de decisiones.

  1. Big Data dicta su propio enfoque de marketing.

La importancia de los datos no radica en su existencia, sino en las posibilidades que éstos ofrecen. La única relación que big data tiene con la estrategia de marketing es la visión que aporta sobre objetivo y enfoque del análisis de datos, que en todo caso, requiere de un profundo conocimiento de la empresa, la visión y la misión y las preferencias de los consumidores para poder perfeccionarse. El social marketing se ha adoptado por más del 70% de las empresas, según datos de BRITE/NYAMA “Marketing ROI in the era of big data”

  1. Big Data significa marketing de gran alcance.

Más que hablar de una estrategia de marketing más grande, los grandes datos proporcionan los medios para llevar a cabo una más estrecha y eficaz, al permitir a las empresas alcanzar una visión clave de lo que quieren sus clientes. A partir de ahí, cada organización habrá de tomar acción por sus propios medios. El 91% de los mercadotécnicos corporativos de alto nivel opinan que las firmas de más éxito emplean datos de sus clientes para guiar su toma de decisiones en asuntos de marketing, según datos de BRITE/NYAMA “Marketing ROI in the era of big data”.

  1. Cualquiera puede usar big data.

El mito distrae levemente de la intención. Aunque todo el mundo puede, si se lo propone, acceder a big data, no todos sabrán extraer el mismo rendimiento. Ésta es una de las razones por las que los data scientist son una de las cualificaciones más demandadas. Según un reciente estudio de EMC, para el 32% de las organizaciones, el mayor obstáculo para la adopción de big data es el carecer de personal cualificado o con la formación adecuada.

  1. Big data tiene una sola definición universal.

Lo cierto es que no, ya que su complejidad y su riqueza hacen que, desde su aparición, su comprensión se aborde desde diferentes ángulos. Ejemplo de ello son las explicaciones que algunas de las organizaciones más influyentes han dado sobre este fenómeno. Para Intel supone oportunidad; para Oracle es el valor que deriva de la toma de decisiones basada en bases de datos relacionales argumentada con nuevas fuentes de datos desestructurados; para Microsoft es el poder de la computación elevado a su máximo exponente  y, para Gartner, es volumen, velocidad y variedad.

  1. Big data es nuevo.

Aunque el volumen de datos disponible en la actualidad, y nuestra capacidad para procesarlos en un nivel más elevado es ciertamente nueva, la idea de relacionar y analizar grandes cantidades de información no lo es. De hecho, su origen es incluso anterior a la aparición de las primeras bases de datos. Podría decirse que en 1790 se llevó a cabo el primer proyecto de recolección big data, el censo de EE.UU. y, aún más sorprendente, fue en 1912 cuando se introdujo en término por primera vez dejando constancia de ello, en la publicación “Marketing Communications” a la que puede accederse a través de Google.

  1. Es sólo una moda.

Big data no es una moda pasajera. En los próximos dos años, el 73% de las empresas empleará algún tipo de solución de análisis de grandes datos.

 

Fuente: Lantares Solutions.

Colaboración: Dino Orazi

bigdata1

Newsletter

La Compra Cognitiva, una experiencia real

Según el estudio de IBM “El consumidor es el canal”, el 94% de los directivos de la industria d...

Requisitos que deben cumplir las empresas antes de poner en marcha proyectos de Big Data

El Big Data ayuda a las empresas a mejorar sus resultados, equilibrar la oferta a la demanda, anti...

¿Qué beneficios puede aportar una consultoría de Big Data?

Mejorar procesos de negocio con Big Data Un ejemplo claro de la mejora de procesos es la selección...

Data visualization: ¿qué necesitas?

Data visualization es el preludio del análisis. La visualización, así entendida, es la aplicació...