Inteligencia de negocios y big data para el mundo hispano parlante.

¡Subscríbase al boletín gratuito!


Inteligencia de Negocios en Español - Decideo.com





Actualidades y análisis

Big data: cuatro paradigmas a romper


, el 19 Noviembre 2016 | Leído 725 veces

No cabe duda que, gracias a la explosión de datos de los últimos años, diversas empresas han modificado y otras, creado sus modelos de negocios reorientando sus misiones corporativas, tomando la delantera en sus transformaciones digitales basadas en la analítica de datos masivos. Más sin embargo, en la actual evolución de la inteligencia de negocios de la cual todo el mundo habla y que todos bien conocemos bajo el nombre de Big Data, siguen siendo numerosas las empresas que aún no han entrado en esta transformación digital teniendo dificultad para dar el paso hacia la era del Big Data, ¿por qué razones?



Big data: cuatro paradigmas a romper
Si el Big Data, a ciencias ciertas, no es tan diferente a la inteligencia de negocios, con excepción de nuevas herramientas, nuevos jugadores, pero, al fin y al cabo, el mismo objetivo: tomar buenas decisiones, entonces, ¿qué es lo que impide a las organizaciones convertirse en empresas con iniciativas orientadas bajo un modelo de datos, conociendo el poder y el valor que estos conllevan?
Pues bien, todo es cuestión de paradigmas. Teniendo en cuenta que el Big Data también puede ser absorbido como un paradigma, con ello se hace necesario que su significado sea la forma como lo es entendido para muchos. He aquí los paradigmas del Big Data que muchos aún no se arriesgan a romper:

Primer paradigma: Un proyecto de Big Data es una solución de tecnología que ayuda a resolver problemas tecnológicos.
Existe la tendencia de esta consideración. Pero, un proyecto de Big Data no será de interés para ninguna empresa sin saber de antemano eso que la empresa desea lograr, resolver, proponer, mejorar, u optimizar en lo que respecta a su negocio, a su productividad u operatividad, así como preguntarse cómo los resultados serán obtenidos o cómo va ser capaz de analizar los datos con el fin de monetizarlos. Y si bien es cierto que las empresas deben superar diferentes tipos de desafíos, entre ellos los tecnológicos, el objetivo principal es otro: lograr la transformación de la información y valorizar los datos, éstos últimos, considerados como el corazón del proceso de destrucción creativa del siglo XXI.

Segundo paradigma: Existen miles de métodos para abordar un modelo de negocios en un proyecto de Big Data
Partiendo del principio de que los datos son materia prima, esto significa que se deberían someter a una transformación con el fin de crear servicios o productos alrededor de ellos con el fin de comercializarlos. Entonces, plantéese el siguiente cuestionamiento, ¿Cuál es la diferencia entre un modelo de negocios basado en datos y un modelo de negocios basados en el ofrecimiento de un servicio o producto? En estos dos tipos de modelos de negocio, el común denominador está en la etapa de análisis, paso extremadamente crucial el cual le permitirá, para el modelo de negocios del proyecto Big data, analizar de dónde vienen los datos, cuál es el costo de recolectarlos, de dónde se obtienen, cómo se desean transforman, a quién se desea proporcionar el nuevo servicio o producto, quiénes son los clientes internos, quiénes los clientes externos, cuál es el flujo de ingresos, a quién le interesan los datos; toda esta primera etapa de comprensión del modelo de negocio, a la que se le debe dedicar tiempo, suena a una plantilla de planeación estratégica que todos bien conocemos como Business Model Canvas.

Tercer paradigma: Un proyecto Big Data es costoso
Se suele creer que, para iniciar un proyecto de Big Data, las empresas deben realizar grandes inversiones para arrancar debido a que se debe adquirir una herramienta tecnológica sofisticada de varios miles de dólares, y por consecuencia, un proyecto de big data es costoso. No, no es costoso, simplemente porque al inicio del proyecto no se requiere adquirir ninguna herramienta, y este es el paradigma a romper; no se trata de un proyecto que necesita comenzar comprando soluciones de tecnología o herramientas. Obviamente, el interés financiero se debe asegurar en proyectos de esta magnitud. La clave, empezar con una prueba de concepto, la cual va a permitir pasar posteriormente al proyecto piloto. Si la prueba de concepto no funciona, se abandona y no se han perdido grandes inversiones.

Cuarto paradigma: Para comenzar un proyecto de Big Data es necesario adquirir una herramienta de las disponibles en el mercado
De la gran variedad de herramientas, para proyectos de Big Data disponibles en el mercado, que, por cierto, el contador podría pasar por más de 100, no sirve de nada compararlas todas. El error está en creer que comprando las últimas herramientas de moda se construye el proyecto Big data. Hablando en términos de la estructura de herramientas que se deben evaluar y probar, empezar por las herramientas ya disponibles en la empresa es una opción viable que se suma a las herramientas gratis en versión prueba y las de open source, para minimizar costos. La clave, no focalizarse en las herramientas. Esto tiene sentido, ya que, en una prueba piloto, el uso de las herramientas que ya se tienen a disposición: bases de datos relacionales, o inclusive el mismo Excel, serían suficientes para poner la prueba de concepto en obra y evaluar si el proyecto funciona y si es viable para comenzarlo a industrializar, es decir, reutilizar el proyecto piloto a otro nivel, donde quizás se deba invertir, pero razonablemente en función de los resultados obtenidos. Ya demostrando que tanto prueba de concepto como proyecto piloto funcionan, enseguida se puede mirar y dedicar tiempo al extenso panorama de herramientas disponibles para Big Data.

Para terminar, con la participación de un equipo competente, un proyecto de Big Data no es complicado, a pesar de que implica ser construido, ensamblando diversos componentes … o ¿será esto un nuevo paradigma?




Nuevo comentario:
Facebook Twitter

Usted puede comentar o proporcionar más información a todos los artículos de este sitio. Los comentarios son libres y abiertos a todos. Sin embargo, nos reservamos el derecho a eliminar, sin previo aviso ni explicación, todo comentario que no cumpla con nuestras normas internas de funcionamiento, es decir, cualquier comentario difamatorio o sin relación con el tema del artículo. Así mismo, los comentarios anónimos son eliminados sistemáticamente si son demasiado negativos o muy positivos. Exprese sus opiniones, compártalas con los demás y asúmalas. Gracias de antemano. Igualmente, agradecemos tener en cuenta que los comentarios no sean enviados automáticamente a los redactores de cada artículo. Si usted desea realizar una pregunta al autor de un artículo, contáctelo directamente, no utilice los comentarios.


Twitter
Rss
LinkedIn
Google+
Facebook
Pinterest