¿Qué es Big Data?

Cuando hablamos de Big Data nos referimos a conjuntos de datos o

combinaciones de conjuntos de datos cuyo tamaño (volumen), complejidad
(variabilidad) y velocidad de crecimiento (velocidad) dificultan su captura, gestión,
procesamiento o análisis mediante tecnologías y herramientas convencionales,
tales como bases de datos relacionales y estadísticas convencionales o paquetes
de visualización, dentro del tiempo necesario para que sean útiles.

Las 5 grandes V de Big Data

 Volumen Como su propio nombre indica, cuando hablamos de Big Data
nos referimos a grandes volúmenes de datos. Así que la cantidad de datos
que recibas importa. Pueden ser datos de valor desconocido, como los
datos sobre el número de clics en un sitio web o una aplicación móvil. Para
algunas empresas pueden ser decenas de terabytes de datos, mientras que
para otras pueden ser cientos de petabytes. O es posible que sepas
exactamente la fuente y el valor de los datos que recibes, pero aun así vas
a recibir grandes volúmenes a diario.
 Velocidad La velocidad es la gran V que representa lo rápido que se
reciben y tratan los datos. Si los datos se transfieren directamente a la
memoria y no se escriben en un disco, la velocidad será mayor y, como
consecuencia, operarás mucho más deprisa y los datos se proporcionarán
prácticamente en tiempo real. Pero para esto también hace falta una forma
de evaluar los datos en tiempo real. La velocidad es también la gran V más
importante en ámbitos como el aprendizaje automático y la inteligencia
artificial.
 Variedad La variedad se refiere a los tipos de datos que están disponibles.
Cuando trabajas con tantos datos, debes saber que muchos de ellos son no
estructurados y semiestructurados (texto, audio, vídeo, etc.). Habrá que
procesar aún más los metadatos para que todos puedan entenderlos.
 Veracidad La veracidad se refiere a lo exactos que son los datos del
conjunto de datos. Puedes recopilar muchos datos de redes sociales o
 sitios web, pero ¿cómo puedes asegurarte de que los datos son exactos y
correctos? Si usas datos de mala calidad sin comprobarlos, puedes tener
problemas. Los datos inciertos pueden dar lugar a análisis imprecisos y
llevarte a tomar decisiones equivocadas. Así que siempre debes comprobar
los datos y cerciorarte de disponer de suficientes datos precisos para
obtener resultados válidos y relevantes.
 Valor Como decimos, no todos los datos citados tienen valor y pueden
utilizarse para tomar decisiones comerciales. Es importante conocer el valor
de los datos que tienes a tu disposición. Tendrás que establecer una forma
de limpiar los datos y confirmar que son relevantes para el propósito que
tienes en mente.
 Variabilidad Cuando tienes muchos datos, en realidad puedes utilizarlos
con muy distintos fines y formatearlos de distintas maneras. No es fácil
recoger tantos datos, analizarlos y gestionarlos de la manera más
adecuada, así que lo normal es usarlos varias veces. Eso es lo que significa
la variabilidad: la opción de utilizar los datos con distintos fines.

¿Por qué el Big Data es tan importante?

Lo que hace que Big Data sea tan útil para muchas empresas es el hecho de que
proporciona respuestas a muchas preguntas que las empresas ni siquiera sabían
que tenían. En otras palabras, proporciona un punto de referencia. Con una
cantidad tan grande de información, los datos pueden ser moldeados o probados
de cualquier manera que la empresa considere adecuada. Al hacerlo, las
organizaciones son capaces de identificar los problemas de una forma más
comprensible.
La recopilación de grandes cantidades de datos y la búsqueda de tendencias
dentro de los datos permiten que las empresas se muevan mucho más
rápidamente, sin problemas y de manera eficiente. También les permite eliminar
las áreas problemáticas antes de que los problemas acaben con sus beneficios o
su reputación.
El análisis de Big Data ayuda a las organizaciones a aprovechar sus datos y
utilizarlos para identificar nuevas oportunidades. Eso, a su vez, conduce a
movimientos de negocios más inteligentes, operaciones más eficientes, mayores
ganancias y clientes más felices. Las empresas con más éxito con Big Data
consiguen valor de las siguientes formas:
1. Reducción de coste. Las grandes tecnologías de datos, como Hadoop y el
análisis basado en la nube, aportan importantes ventajas en términos de
costes cuando se trata de almacenar grandes cantidades de datos, además
de identificar maneras más eficientes de hacer negocios.
2. Más rápido, mejor toma de decisiones. Con la velocidad de Hadoop y la
analítica en memoria, combinada con la capacidad de analizar nuevas
fuentes de datos, las empresas pueden analizar la información
inmediatamente y tomar decisiones basadas en lo que han aprendido.
3. Nuevos productos y servicios. Con la capacidad de medir las necesidades
de los clientes y la satisfacción a través de análisis viene el poder de dar a
los clientes lo que quieren. Con la analítica de Big Data, más empresas
están creando nuevos productos para satisfacer las necesidades de los
clientes.
Por ejemplo:
 Turismo: Mantener felices a los clientes es clave para la industria del
turismo, pero la satisfacción del cliente puede ser difícil de medir,
especialmente en el momento oportuno. Resorts y casinos, por ejemplo,
sólo tienen una pequeña oportunidad de dar la vuelta a una mala
experiencia de cliente. El análisis de Big data ofrece a estas empresas la
capacidad de recopilar datos de los clientes, aplicar análisis e identificar
inmediatamente posibles problemas antes de que sea demasiado tarde.
 Cuidado de la salud: El Big Data aparece en grandes cantidades en la
industria sanitaria. Los registros de pacientes, planes de salud, información
de seguros y otros tipos de información pueden ser difíciles de manejar,
pero están llenos de información clave una vez que se aplican las
analíticas. Es por eso que la tecnología de análisis de datos es tan
 importante para el cuidado de la salud. Al analizar grandes cantidades de
información - tanto estructurada como no estructurada - rápidamente, se
pueden proporcionar diagnósticos u opciones de tratamiento casi de
inmediato.
 Administración: La administración se encuentra ante un gran desafío:
mantener la calidad y la productividad con unos presupuestos ajustados.
Esto es particularmente problemático con lo relacionado con la justicia. La
tecnología agiliza las operaciones mientras que da a la administración una
visión más holística de la actividad.
 Retail: El servicio al cliente ha evolucionado en los últimos años, ya que los
compradores más inteligentes esperan que los minoristas comprendan
exactamente lo que necesitan, cuando lo necesitan. El Big Data ayuda a los
minoristas a satisfacer esas demandas. Armados con cantidades
interminables de datos de programas de fidelización de clientes, hábitos de
compra y otras fuentes, los minoristas no sólo tienen una comprensión
profunda de sus clientes, sino que también pueden predecir tendencias,
recomendar nuevos productos y aumentar la rentabilidad.
 Empresas manufactureras: Estas despliegan sensores en sus productos
para recibir datos de telemetría. A veces esto se utiliza para ofrecer
servicios de comunicaciones, seguridad y navegación. Ésta telemetría
también revela patrones de uso, tasas de fracaso y otras oportunidades de
mejora de productos que pueden reducir los costos de desarrollo y montaje.
 Publicidad: La proliferación de teléfonos inteligentes y otros dispositivos
GPS ofrece a los anunciantes la oportunidad de dirigirse a los
consumidores cuando están cerca de una tienda, una cafetería o un
restaurante. Esto abre nuevos ingresos para los proveedores de servicios y
ofrece a muchas empresas la oportunidad de conseguir nuevos prospectos.
 Otros ejemplos del uso efectivo de Big Data existen en las siguientes áreas:
o Uso de registros de logs de TI para mejorar la resolución de
problemas de TI, así como la detección de infracciones de seguridad,
velocidad, eficacia y prevención de sucesos futuros.
 o Uso de la voluminosa información histórica de un Call Center de
forma rápida, con el fin de mejorar la interacción con el cliente y
aumentar su satisfacción.
o Uso de contenido de medios sociales para mejorar y comprender
más rápidamente el sentimiento del cliente y mejorar los productos,
los servicios y la interacción con el cliente.
o Detección y prevención de fraudes en cualquier industria que
procese transacciones financieras online, tales como compras,
actividades bancarias, inversiones, seguros y atención médica.
o Uso de información de transacciones de mercados financieros para
evaluar más rápidamente el riesgo y tomar medidas correctivas.

¿Qué es Bussiness Intelligence?

El término Business Intelligence (BI por sus siglas en inglés) hace referencia al
uso de estrategias y herramientas que sirven para transformar información en
conocimiento, con el objetivo de mejorar el proceso de toma de decisiones en una
empresa.
En plena era digital, tomar decisiones bien informadas es uno de los principales
factores de diferenciación de las empresas. En este post vamos a explicar con
precisión qué es Business Intelligence, o inteligencia de negocio, y qué
herramientas de BI existen.
¿Business Intelligence, inteligencia de negocio o inteligencia empresarial?
Los tres conceptos se refieren a lo mismo: el uso que las empresas hacen de los
datos y de la información que tienen - del mercado, de sus competidores, clientes,
proveedores, stakeholders o incluso de sus empleados - y de cómo la procesan
para poder tomar decisiones bien informadas.
El concepto de Business Intelligence combina por tanto información interna y
externa de muy diversa procedencia: los datos que recopila una empresa sobre su
producción, por ejemplo, son inteligencia de negocio.
Pero también lo es un recorte de prensa sobre los resultados de un competidor, un
informe sobre un nuevo mercado o sector en el que la empresa quiere
introducirse, o datos que una empresa puede obtener de sus dispositivos de IoT o
de redes sociales.
La relevancia de la inteligencia empresarial para cualquier negocio, y la
complejidad en recopilar los datos, procesarlos, analizarlos y presentarlos de
forma que cualquiera los pueda entender, es lo que ha hecho florecer el mercado
de herramientas de Business Intelligence.
Ejemplos que se usaron Bussines Intelligence
REI aumentó las tasas de membresía de cooperativas minoristas
Empresa: REI
Problema: Dificultad para rastrear las métricas de membresía con 90 terabytes de
datos.
Solución: En este ejemplo, REI, la cooperativa minorista de productos Outdoor,
utiliza una plataforma de inteligencia de negocios para analizar la membresía de
su cooperativa. Los miembros de la cooperativa contribuyen a la cuenta de REI en
más del 90 por ciento de las compras minoristas, por lo que es fundamental
realizar un seguimiento de métricas como la adquisición, retención y reactivación.
Toda esta información equivale a más de 90 terabytes de datos. Poder analizar
todos estos datos significa que los equipos de operaciones puedan determinar si
invertir más en ventas minoristas tradicionales o en experiencias digitales para sus
miembros.
Esto lleva a una mayor satisfacción del cliente y asociaciones positivas con la
marca.
"Hemos visto un cambio completo en 2017 con la adquisición de nuevos
miembros", observó Clinton Fowler, director de clientes y análisis avanzado de
REI.
El equipo también utiliza su plataforma de BI para analizar la segmentación de
clientes, lo que ayuda a informar decisiones como los métodos de envío, la gestión
del ciclo de vida de los miembros y los surtidos de categorías de productos.
Coca-Cola Bottling Company maximizó su eficiencia operativa
Empresa: Coca-Cola Bottling Company (CCBC), el mayor socio independiente de
embotellado de Coca Cola
Problema: Los procesos de generación de informes manuales restringen el acceso
a ventas y datos de operaciones en tiempo real.
Solución: El equipo de inteligencia de negocios de Coca-Cola maneja la
generación de informes de todas las operaciones de ventas y entrega de la
empresa. Con su plataforma de BI, el equipo automatizó los procesos de
generación de informes manuales, ahorrando más de 260 horas al año, más de
seis semanas de trabajo de 40 horas.
La automatización de informes y otras integraciones de sistemas empresariales
ponen los datos de administración de relaciones con clientes (CRM) nuevamente
en manos de los equipos de ventas en el campo mediante dashboards móviles
que proporcionan información oportuna y accionable, y una ventaja competitiva
que los distingue de los demás.
Una implementación de BI de autoservicio fomenta colaboraciones más efectivas
entre los TI y los usuarios corporativos, lo que maximiza la experiencia de los
participantes. Los analistas y TI pueden centrarse en una estrategia global y en
innovaciones a largo plazo, como la gobernanza de datos corporativos, en lugar
de en tareas de investigación e informes manuales.