7 sugerencias para tener éxito con los big data


Resumen | Lo que aprenderá: 

Los big data no paran de crecer. Algunas empresas almacenaban datos antes de poder aprovecharlos y, ahora, están viendo los resultados.

La realidad es que los big data continuarán creciendo. Ya sea que sus datos estén en una hoja de cálculo, una base de datos, un almacén de datos, sistemas de archivos de código abierto como Hadoop o todo lo anterior, usted necesita la flexibilidad para conectarse rápidamente a los datos y consolidarlos. No se preocupe por el tamaño real, lo que importa es el principio de recolección y, especialmente, el aprovechamiento de los datos.

Este informe le enseñará por donde comenzar. Contiene 7 prácticas recomendadas para abordar los big data y aprovecharlos al máximo.

También le ofrecemos las primeras páginas del informe para que las lea. Descargue el PDF de la derecha para leer el resto.


Justo cuando pensaba que los big data no podía crecer más, crecieron aún más. Independientemente de su tamaño real, los big data están demostrando su valor. Organizaciones de todos lados tienen big data de todas las formas y todos los tamaños. Estas reconocen la importancia, la oportunidad e, incluso, la necesidad de tenerlos en cuenta. Ha quedado claro que los big data sobrevivirán a aquellos que los ignoren.

Las organizaciones que ya dominaron los big data (la masa de estructuras múltiples que almacenaron antes de saber que valían la pena) están mejorando su eficacia operativa, aumentando sus ingresos e impulsando nuevos modelos de negocios.

¿Cómo lo hacen? Sus técnicas para el éxito pueden resumirse en siete sugerencias.

1. Piense a largo plazo pensando a corto plazo

Si se preocupa por mantenerse actualizado con la tecnología de big data, no está solo. Todo está evolucionando tan rápido que es imposible saber cuáles herramientas, plataformas y metodologías serán mejores este año o el siguiente.

Relájese. Esta evolución rápida puede beneficiarlo.

Cada año, los proveedores mejorarán y mejorarán en el uso de los big data. Los sistemas relacionales y de transacciones en línea (OLTP) se volverán más eficaces e inteligentes, ya sea que se ejecuten en forma local o en la nube. Se desarrollarán técnicas para facilitar relaciones entre Hadoop y los almacenes de datos. Y todo el tiempo, llegarán productos al mercado para satisfacer sus necesidades particulares aún más precisamente.

Entonces conserve la calma. Manténgase abierto a las posibilidades de nuevos productos, siempre que proporcionen un valor suficiente que justifique incorporarlos a su ambiente existente. Mantenga una plataforma de inteligencia de negocios que se conecte directamente con una amplia variedad de formatos. Ahora está listo para todo lo que el mercado pueda ofrecer.

2. Detecte la elección innecesaria

¿Qué necesitará su organización? ¿Hadoop o un almacén de datos? Ah, pero esta es una pregunta con trampa. Hadoop y los almacenes de datos no solo funcionan bien uno junto al otro, sino que, además, las organizaciones realmente se benefician con su interacción cooperativa.

El almacén de datos es mejor para manipular sus datos estructurados importantes y para almacenarlos donde las herramientas de inteligencia de negocios y los dashboards puedan encontrarlos fácilmente. Pero es más débil y lento para el procesamiento de análisis y algunos tipos de transformación.

Deje que Hadoop haga eso. También, a pesar de que Hadoop es ineficaz para consultas interactivas y administración de datos, es bueno para incorporar sus datos complejos, en bruto y sin estructuras.

Juntos, establecen una relación simbiótica. Imagine, por ejemplo, los datos que los ejecutivos utilizan para proyectar sus necesidades de inventario para el próximo año. El conjunto de datos es probablemente masivo, y hay muy poco tiempo para modelarlo, reestructurarlo o prepararlo de alguna otra manera para el almacén de datos. Cuando los ejecutivos terminen con eso, tal vez en solo una semana, lo desecharán. Ahí es cuando Hadoop aparece para almacenar y refinar los datos, y enviar una muestra al almacén de datos.

"Los big data no son un reemplazo para el almacenamiento de datos", escribió el director ejecutivo de Third Nature, Mark Madsen, en su artículo "What big data is Really About" (Qué son realmente los big data). "No forman una isla que deba mantenerse por separado. Son parte del nuevo entorno de TI".

No caiga en la trampa de elegir entre Hadoop o el almacén de datos. Usted puede y debe utilizar ambos.

3. Baje los big data al nivel de los ojos.

Los big data bajan al nivel de los ojos cuando los visualiza. Un informe de 2013 por Aberdeen Group detectó que "en las organizaciones que utilizan herramientas de descubrimiento visual, el 48 % de los usuarios de BI pueden encontrar la información que necesitan sin ayuda del personal de TI". Sin el descubrimiento visual, el índice baja a un mero 23 %.

También, los gerentes que utilizan descubrimiento de datos visual tenían un 28 % más de probabilidades que sus colegas sin datos visualizados de encontrar información oportuna, de acuerdo con el estudio.

Tal vez lo más importante en relación con los big data sea que el informe descubrió que la visualización también invita a la interacción con los datos. Los gerentes que utilizan datos visualizados tienen más del doble de probabilidades que sus colegas de interactuar exhaustivamente con ellos (33 % frente a 15 %). También tienen muchas más probabilidades de hacer preguntas a su antojo, preguntas que a menudo se inspiran en los conocimientos que obtuvieron un rato antes.

La exploración visual de los datos permite que la historia de los datos se revele vívidamente de una forma que el cerebro pueda captar en un segundo. "Se enciende una lamparita", dice Dana Zuber, vicepresidenta de planificación estratégica de Wells Fargo, "eso simplemente no sucede con una hoja de cálculo".

El análisis visual le permite hacer dos cosas en cualquier momento:

  • cambiar los datos que está mirando (porque preguntas diferentes suelen requerir datos diferentes),
  • cambiar la forma en que los mira (porque cada vista puede responder preguntas diferentes).

Con estos pasos simples, ingresa en lo que se denomina ciclo de análisis visual: obtiene datos, ve los datos, hace y responde preguntas, y repite el procedimiento. Cada vez, su investigación se profundiza junto con sus conocimientos. Puede explorar exhaustivamente, obtener detalles o agrupar datos. Puede incorporar nuevos datos. Puede crear vista tras vista a medida que acelera su visualización y agiliza su pensamiento.

Cuando está listo, comparte. Los colegas hacen y responden sus propias preguntas, acelerando el conocimiento, la acción y los resultados de negocios de todo el equipo.

¿Desea leer más? Descargue el resto del documento técnico.

Continuar leyendo...

También podría interesarle...