Documentos de Académico
Documentos de Profesional
Documentos de Cultura
En Bolivia las empresas ven muy poco la analítica de datos, en numerosas practicas
empresariales que tuvieron los estudiantes de la Universidad Mayor de San Simon,
observaron que varias de estas microempresas no realizan el análisis predictivo y muy
pocas el análisis prescriptivo de los datos que registran. También se ha notado que varias de
estas no consideran los datos no estructurados y semi estructurados al momento de realizar
el análisis prescriptivo.
Entonces ¿Por qué debemos de implementar Big Data?, el Big Data tiene como objetivo
principal resolver problemas esto por medio de la analítica de datos. A continuación, vamos
a ver una aplicación de Big Data en una empresa de del sector manufacturero donde se
puede prever la demanda, por ejemplo. Al analizar grandes conjuntos de datos, se logra
prevenir que cantidad de producto se necesitará producir, lo que dispensa un stock
exagerado, disminuyendo el desperdicio de tiempo, residuos, recursos, costos con
almacenaje, entre otros.
Ahora bien surge otra duda sobre la implementación del Big Data, ¿Cómo implemento Big
Data en mi empresa?, recordemos que anteriormente se explico que el Big Data es el
análisis masivo de datos. A continuación, vamos a ver la metodología de procesamiento de
grades volúmenes de datos:
Figura 1
Proceso Big Data
Comprencion
Del Negocio
Puesta De Comprencion
Valor De Los Datos
Proceso Plataforma
Despliegue
Tecnologica
Big Data
Presentacion
Tratamiendo
De
De Datos
Resultados
Modelizacio
n
En esta fase vamos a identificar las fuentes de información y analizar su conveniencia para
su posterior captura y almacenamiento. Las etapas de esta fase son: el inventario de
información, la identificación de fuentes, la disponibilidad de las fuentes, la relación de la
información y la representación funcional de los datos.
En esta fase aún no se tiene los datos aun se realiza un análisis conceptual, ¿cuál sería o
cuál es la información que nos gustaría tener? ¿Cuál sería la información adecuada para el
problema de negocio? Una vez que tenemos esa lista de la información que nos gustaría
tener lo siguiente es identificar las fuentes de información asociadas. ¿Dónde se encuentra
esa información? ¿O dónde podría estar esa información? ¿Se trata de fuentes internas? ¿Se
trata de fuentes externas?, posteriormente se deberá de encontrar esos identificadores que
nos van a permitir agrupar esa información y ver si somos capaces de tener un identificador
único.
Plataforma Tecnológica
El objetivo de esta fase es disponer de una plataforma tecnológica que nos ayude a
construir el modelo analítico. Esta fase se divide en tres etapas: primero, el diseño de la
arquitectura tecnológica; segundo, la selección de las componentes Big Data adecuados; y
tercero, establecer la estrategia de implantación de esta plataforma tecnológica.
Figura1
A lo largo de los años se han ido desarrollando componentes de Big Data, se estima que
para el 2017 se tenían 704 componentes los cuales se divides en herramientas de
visualización, tecnologías da análisis estadístico, bases de datos estructuradas, etc. Tenemos
que destacar también que la selección de los componentes depende tanto del tipo de
arquitectura Big Data que se vaya a implementar como de la estrategia de implementación.
Y finalmente tenermos que planear como vamos a utilizar este modelo con aplicaciones, es
decir, podemos coger los outputs del modelo e integrarlos en herramientas internas cómo
un CRM (Customer relationship management), podemos disponibilizar los outputs del
modelo a través de algún tipo de conector como un API (Interfaz de programación de
aplicaciones) o podemos plantearnos incluirlo dentro de cualquier tipo de aplicación.
Puesta en valor
En esta sección una vez que tenemos el código construido y está desplegado sobre la
plataforma tecnológica, lo que tenemos que hacer ahora es integrarlo dentro de las
operaciones, para ello debemos de emplear varias movilidades, en nuestro caso las
movilidades que vamos es la toma de decisiones en campañas periódicas y por último que
el modelo se utilice para tomar decisiones desde un punto de vista autónomo.