Big data, estrategia y gestión de negocio: Las cinco utilidades básicas del uso de información masiva

"Los datos masivos están presentes cada vez más en nuestras vidas, y su forma de utilizarlos implica cambiar nuestra mentalidad: de la causa a la correlación".

Big data, estrategia y gestión de negocio: Las cinco utilidades básicas del uso de información masiva

La irrupción del Big Data está provocando cambios masivos a todos los niveles (en los métodos de investigación científica, en la planificación empresarial, en la organización social, en las formas de interpretar la realidad…) una repercusión de tal magnitud que terminará por convertirse en una auténtica revolución, no habrá ningún área que no se vea afectada.

Más allá del aprendizaje sobre el funcionamiento y las características de las tecnologías Big Data, es importante conocer cuáles son los problemas principales de las compañías a los que Big Data puede aportar una solución.

Según las conclusiones de los analistas sobre las encuestas realizadas a clientes actuales y clientes potenciales, las cinco principales aplicaciones de Big Data son:

1. La exploración de grandes datos.

Las tres 'V' del Big Data (velocidad, volumen y variedad) reflejan el reto al que se enfrentan las grandes compañías a la hora de dar a los datos un valor para tomar mejores decisiones, mejorar las operaciones y reducir los riesgos. Por lo tanto, es necesario poder navegar de forma fácil para obtener la información tanto dentro de los sistemas de la compañía como los datos que llegan desde afuera.

El aumento del llamado “bruto de datos” o “ruido” plantea el dilema de cómo contextualizar estos datos para alimentar un mejor análisis y una mejor toma de decisiones. La exploración de datos, además de ofrecer soluciones a estos problemas, también contribuye a disminuir el riesgo de filtración de información confidencial gracias a sus mecanismos de seguridad.

2. 360º de visión sobre el cliente.

Para conseguir un conocimiento total del cliente, las compañías deben obtener información de fuentes internas y externas para poder asesorarle y entender cuál es la mejor manera de ayudarle. El objetivo es comprender el comportamiento del cliente y predecir sus futuras acciones.

Los empleados que trabajan directamente con los clientes deben poseer la información suficiente y adecuada para crear una relación de confianza y conseguir un compromiso o una fidelidad por parte del consumidor. Para conseguirlo, el empleado debe poder disponer al instante tanto de información interna (según el comportamiento del cliente en otras experiencias con la propia compañía) como externa (sobre sus gustos e intereses, obtenida de redes sociales, correo electrónico, etc).

Hay que aclarar que la palabra cliente es un nombre genérico, que pasará a denominarse paciente en el sector de la salud, un sospechoso en un caso policial, etc.

3. Extensión de la seguridad/inteligencia.

Mecanismos para localizar anomalías y prevenir ataques. Este tipo de soluciones permite discernir entre cantidades masivas de datos (tanto internos como externos) posibles relaciones ocultas, detectar patrones de conducta y prevenir amenazas a la seguridad.

También posibilita descubrir un fraude mediante la comprobación en tiempo real del historial de actividad de una cuenta, con lo que es factible desenmascarar un comportamiento anormal de un usuario o una transacción sospechosa. También permite examinar nuevas fuentes y variedades de datos como pruebas de una actividad criminal, por ejemplo internet. Las tres aplicaciones principales son:

a. Visión mejorada de inteligencia y vigilancia: Análiss de datos en movimiento y en reposo para encontrar asociaciones o descubrir patrones. Esta información en tiempo real puede incluso salvar vidas.

b. Previsión y atenuación de ataques cibernéticos en tiempo real: Analizando el tráfico de la red, las compañías puede descubrir amenazas nuevas y prevenir ataques de hackers, intrusos, espionaje, fraude cibernético e incluso ciberterrorismo.

c. Predicción y prevención del crimen: :La capacidad para analizar datos de la red de telecomunicaciones y de redes sociales permite detectar amenazas y adelantarse a los criminales antes de que actúen.

4. Análisis de Operaciones.

Un cuidadoso y exhaustivo análisis de las operaciones permite obtener visibilidad en tiempo real de las mismas, la experiencia del cliente, transacciones y comportamiento. Dinamiza el plan para incrementar la eficiencia de las operaciones, identifica e investiga las anomalías, y monitoriza la infraestructura end-to-end para evitar de forma preventiva la degradación o apagones en el servicio.

Con un acelerador de datos permite ingerir y procesar grandes volúmenes de datos para proporcionar un conocimiento detallado del estado de la compañía. Los machine data pueden ser correlacionados con otros datos de la empresa como información del cliente o del producto, aunque el gran volumen de datos esté en formatos distintos que, sin la solución, no son compatibles con los demás.

Esta combinación es de gran utilidad para los encargados de tomar las decisiones operativas, a la vez que aumenta la inteligencia y la eficiencia de las operaciones. Estos responsables de la toma de decisiones pueden visualizar los datas a través de distintos sistemas para obtener la visión más informada posible y poder reaccionar de forma rápida ante cualquier imprevisto.

5. Aumentar el almacén de datos o Data Warehouse.

Se trata de ampliar una estructura de almacenamiento de datos ya existente aplicando las ventajas de Big Data para incrementar su valor. El aumento del Data Warehouse nace de dos necesidades básicas: Aprovechar al máximo diferentes tipos de datos para ganar nuevas perspectivas de negocio en tiempo real, y para optimizar la estructura de almacenamiento de datos facilitando la tarea y ahorrando costes.

En este sentido existen tres tipos de Data Warehouse:

a. Pre-Processing Hub (núcleo de pre-procesamiento): Proporciona un área de montaje o “zona de aterrizaje” de los datos antes de decidir cuáles se incorporan al almacén de datos.

b. Discovery/Analytics (descubrimiento-análisis): Otorga la capacidad de realizar análisis que deberían haberse hecho antes en el Data Warehouse, para así optimizar el almacén de datos y posibilitar nuevos tipos de análisis.

c. Query-able Data Store (almacén de datos de consulta): Descarga datos que se consultan con poca frecuencia o de una antigüedad considerable del datawarehouse mediante software y herramientas de integración de información, y los almacena en un espacio de almacenamiento de bajo coste, pero mateniéndolos aún accesibles desde la solución.

Big Data, marketing y gestión de negocio.

Desde el punto de vista del marketing, el Big Data es entendido como la obtención de grandes cantidades de información del mercado y de los consumidores. Un proceso laborioso que supone el filtrado e interpretación de los datos registrados para convertirlos en conclusiones útiles (que faciliten la consecución de los objetivos previamente definidos).


Establecer estrategias de negocio basadas en la predicción de las preferencias y hábitos de consumo, supone una potente herramienta empresarial a la hora de apostar por el lanzamiento de un producto o una determinada línea de negocio. Los datos nos permiten llegar más lejos, intuir cuáles serán las tendencias del mercado (adelantándonos incluso a las necesidades y preferencias de nuestros consumidores).

Utilizando esta información es posible tomar ventaja sobre la competencia y llevar a cabo decisiones más eficientes. Basar las estrategias de negocio en la predicción del comportamiento del consumidor es un arma muy potente para hacerse un hueco en mercados cada vez más saturados. Aunque el análisis predictivo no sea fiable al 100%, sí nos permitirá ejecutar nuestra estrategia empresarial con más tranquilidad.

Conclusión.

El concepto de Big Data va mucho más allá de la mera acumulación de grandes volúmenes de datos. A diario muchas de nuestras acciones (un pago con nuestra tarjeta de crédito, la consulta de una web, la contratación de un viaje etc…) dejan tras nosotros una huella digital con información muy valiosa.

El Big Data ya se define como “el Nuevo Oro” o “el Petróleo del Siglo XXI”. Se trata de una auténtica ventaja competitiva para las empresas que analicen, relacionen y logren extraer conclusiones a partir de enormes cantidades de información.

Fuente: Lantares Solutions