Big Data

en la empresa
2
 Introducción

¿Qué es el Big Data? ¿Cuáles son sus características

principales? Los negocios de hoy ya no pueden sobrevivir
sin esta ciencia que cada vez demanda más perfiles
profesionales especializados.

Pero, ¿sabemos bien cómo funciona? ¿Qué tecnologías

se utilizan? En este ebook podrás encontrar un mapa
clave de tecnologías en el que descubrirás esquemas
sobre el ecosistema del Big Data. Además, claves sobre
cómo las empresas lo utilizan para sacar el máximo
partido en sus negocios y cómo puede ayudar en la
estrategia de marketing.

Temática:

Business & Tech

Nivel:

Medio
Estrategias de Crecimiento 3
 Índice

1. ¿Qué es Big Data? 5

2. Principales características 7

3. Mapa de tecnologías 11

4. Cómo sacar partido al Big Data 21

según el sector

5. Cómo definir una estrategia Big Data 26

en la empresa

6. Cómo aplicar el Big Data en 32

marketing

Estrategias de Crecimiento 4
¿Qué es Big Data?
¿Qué es Big Data?

El Big Data es una recopilación de datos de fuentes

tradicionales y digitales dentro y fuera de la empresa que
representan una fuente para el descubrimiento y el análisis
continuo.

El concepto Big Data también hace referencia a un conjunto

de tecnologías y herramientas capaces de capturar,
almacenar y procesar grandes cantidades de datos en
tiempo y coste asumibles para una organización.

El Big Data pueden ser datos digitales como el

comportamiento de la web y las interacciones de las redes
sociales como en los más tradicionales (transacciones de
producto, registros financieros y canales de interacción).

Es importante no confundirlo con Business Intelligence.

Mientras el Big Data se centra en la captura, almacenamiento
y procesamiento de los datos, el Business Intelligence se
centra en los procesos de análisis de dichos datos para
convertirlos en información y tomar las decisiones de
negocio oportunas.

Estrategias de Crecimiento 6
Principales características
Características del Big Data

Ya definido qué es el Big Data, es importante conocer el

concepto más profundamente a través de las V´s de Big
Data. En total son 7 las V´s que lo definen pero podrían
dividirse según sus funciones. Los datos grandes a menudo
se caracterizan por las 3 V: el volumen extremo de datos, la
gran variedad de tipos de datos y la velocidad a la que se
deben procesar los datos (características definidas por
primera vez por el analista de Gartner, Doug Laney en 2001).

Más adelante, se añadieron otras V´s para definirlo:

Veracidad de los datos, Viabilidad, Visualización de los datos
y Valor de los datos. Si bien el big data no equivale a ningún
volumen específico de datos, el término se usa a menudo
para describir terabytes, petabytes e incluso exabytes en
cantidad de datos capturados a lo largo del tiempo.

Estrategias de Crecimiento 8
Valor de los datos

Esta V del Big Data señala la capacidad de transformar los

datos en información. Este valor también apunta a la
capacidad con la que se transforma la información en
decisiones para ayudar a las empresas a que mejorar gracias
a ello.

Visualización de datos

Esta fase o parte del Big Data es necesaria para facilitar el

entendimiento de los datos a través de su visualización. Se
trata de que los datos sean más legibles, accesibles y ágiles
con herramientas especializadas.

Volumen de los datos

Se refiere a la gran cantidad de datos que se generan gracias

a las nuevas tecnologías.Cada minuto se generan grandes
cantidades de datos que son transformados en acciones.

Velocidad de los datos

En el mundo digital, los datos están en constante movimiento

gracias a las interconexiones. Por lo tanto los datos viajan de
tal manera que casi se vuelven inmediatos.

Estrategias de Crecimiento 9
Variedad de los datos

Esto significa que los datos son diferentes en función de sus

características. Depende de su origen, formas, tipos,
estructurados o no.

Veracidad de los datos

Esta parte está relacionada con la fiabilidad de los datos. En

el Big Data, uno de los valores importantes es que la
información sea de calidad y veraz.

Viabilidad

La inteligencia del Big Data hace que se pueda conocer

cómo de viable es un proyecto antes de lanzarlo. Mediante
variables ocultas y estrategias eficaces, el Big Data ayuda al
negocio a seguir con sus proyectos y continuar creciendo.

Nunca subestimes el poder de las 7 V´s

Estrategias de Crecimiento 10
Mapa de tecnologías
Mapa de tecnologías

En este mapa de tecnologías elaborado por la Junta de

Andalucía y publicado en su estudio sobre las nuevas
oportunidades de negocio para emprender basadas en Big
Data se describen perfectamente todos los componentes
necesarios para entender el funcionamiento y potencial del
Big Data.

Aquí tienes la información proporcionada por el estudio:

1. Tipos de información

Desde el Grupo TRC (empresas integradas de tecnología de

telecomunicaciones y desarrolladores de software), sostienen
que la información relativa al big data viene de las siguientes
fuentes:

● Personas: a través de mensajes de texto, vídeos,

ordenadores o notas de voz en sus móviles
● Transacción de Big Data: en registros de facturación y
llamadas telefónicas
● Redes sociales y web: correos electrónicos, redes
sociales, blogs y contenidos de las páginas web
● Machine to machine (M2M): son tecnologías que
comparten datos a través de dispositivos

Estrategias de Crecimiento 12
 ● Biométrica: los datos biométricos usados en el mundo
de la seguridad e inteligencia.

El estudio indica que los datos se clasifican también en

función de su naturaleza:

● Datos estructurados: estos datos se convierten en

información procesada y con un formato estructurado.
Dentro de este grupo están los datos creados,
provocados, dirigidos por transacciones, compilados y
experimentales
● Datos semi-estructurados o híbridos: es la
información procesada y con un formato definido, pero
no estructurado que puede variar. Dentro de los datos
híbridos encontramos los datos de mercados
emergentes, la E-commerce y Datos meteorológicos.
● Datos no estructurados: es información sin procesar
que puede adquirir cualquier estructura. Los datos no
estructurados pueden ser textos, imágenes o vídeos.
Dentro de este grupo están los datos capturados (los
que se generan a través del comportamiento del usuario
como la información biométrica de pulseras de
movimiento, aplicaciones de seguimiento de actividades
y posición GPS) y los generados por usuarios (los que
aporta el usuario a través de publicaciones en redes
sociales, búsquedas en Google)

Estrategias de Crecimiento 13
2. Conceptos de Big Data

Analista de Datos: es la persona dedicada profesionalmente

a analizar, con técnicas estadísticas, los datos de la empresa
para la que trabaja. Este perfil especializado en Big Data
maneja todos los datos y conoce bien toda su estructura
para tomar las mejores decisiones y definir las mejores
estrategias. Debe ser un perfil con amplios conocimientos en
matemáticas, comunicación y estadísticas y dominar
sistemas de análisis de datos masivos como el Machine
Learning. Al trabajar con datos históricos de la organización,
sus conocimientos hacen que detecte errores del pasado
para que no se repitan en el futuro.

Business Inteligence: es la forma con la que se trabajan

todos los datos que puede manejar un negocio pero de
forma inteligente. Es decir, no se trata sólo de manejar datos
sino de trabajar a partir de la información que los datos
aportan y aprovecharla para mejorar las estrategias de
negocio. Si quieres formarte en este área de negocio no te
pierdas el Curso en Big Data y Business Intelligence.

Ciencia de datos: son métodos científicos en los que se

utilizan algoritmos, estadísticas, procesos, sistemas,
ingeniería software para obtener conocimiento, resolver
problemas analíticos y tener un mejor entendimiento de la
información. Los científicos de datos extraen la información
que se utilizará en los negocios para mejorar las estrategias.

Estrategias de Crecimiento 14
Data Lake: es el lago de datos en el que el profesional de la
ciencia de datos se baña para conseguir todas las
respuestas a las preguntas que ofrece el Big Data. Es el
almacenamiento de toda la información en bruto recogida y
que trabaja con una arquitectura plana.

Data Mining: la minería de datos. Este concepto se utiliza

para nombrar las técnicas utilizadas para explorar las bases
de datos.

Indicador lift: según define la unidad de datos de telefónica

“Luca”, en la minería de datos y el aprendizaje automático
este indicador de confianza “compara la frecuencia de un
patrón observado con la frecuencia en que podríamos ver
ese mismo patrón por casualidad”. “Si el valor de “Lift” es
próximo a 1, es muy posible que el patrón que hemos
observado sea mera casualidad. Cuanto mayor sea este
valor, más posibilidades hay de que el patrón sea real”

Lingüística computacional: en las ciencias de la

computación, la lingüística computacional estudia el idioma
hablado para convertirlo en datos estructurados mediante
herramientas computacionales.

SQL (Structured Query Language): el lenguaje de consulta

estructurada es un lenguaje específico del dominio que,
según informa Luca, “se basa en el uso del álgebra y
cálculos relacionales para realizar consultas a las bases de
datos de manera sencilla.

Estrategias de Crecimiento 15
3. Ecosistema del Big Data

Dejamos en este apartado las imágenes que representan el

ecosistema del Big Data elaboradas por el Director General
de First Mark, Matt Turck y Jim Hao. Las imágenes,
elaboradas bajo el nombre Landscape 2017, representan las
tecnologías y herramientas existentes para hacer big data en
una empresa.

● Esquema de la infraestructura

Estrategias de Crecimiento 16
● Esquema de infraestructuras analíticas

● Esquema de analíticas

Estrategias de Crecimiento 17
● Esquema de arquitectura de código abierto

● Esquema de aplicaciones empresariales e industriales

Estrategias de Crecimiento 18
● Esquemas de bases de datos de APIS

● Esquemas de recursos de datos

Estrategias de Crecimiento 19
Ecosistema del Big Data

Estrategias de Crecimiento 20
 Cómo sacar partido al
Big Data según el sector
Big Data por sectores

En el entorno empresarial y gubernamental se mueven cada

día grandes volúmenes de datos, a gran velocidad, casi
inmediatos. La cantidad que se genera se gestiona gracias a
las tecnologías del big data, cada día más necesarias para
trabajar con información y mejorar los procesos en diversos
sectores.

Según IBM, estas son las utilidades del Big Data por sectores

1. Banca
Optimización de ofertas
Servicio a clientes y eficiencia
Detección e investigación de fraude
Riesgo de crédito y de contrapartida

2. Seguros
Vista 360 del sujeto
Modelización catástrofes
Fraude y Abuso
Analítica de rendimiento de producto

3. Telecomunicaciones
Call Center proactivo
Analítica de Red
Servicios basados en localización

Estrategias de Crecimiento 22
4. Energía y Utilities
Analítica de Smart Meter
Predicción/Planificación de carga
Mantenimiento basado en condición
Ofertas a clientes

5. Medios y entretenimiento
Transformación de procesos de negocio
Optimización de audiencias y marketing
Campañas multicanal
Optimización de comercio digital

6. Retail
Analítica de cliente y fidelización
Optimización de mercancías
Precios óptimos

7. Transporte y turismo
Analítica de cliente y fidelización
Analítica de mantenimiento predictivo
Optimización de capacidad y precios

8. Gran consumo
Disponibilidad estante
Optimización de Trade Funds
Cumplimiento de mercancías
Alertas de promociones

Estrategias de Crecimiento 23
9. Gobierno
Servicios públicos
Defensa e inteligencia
Servicios fiscales y tributarios

10. Salud
Medir y actuar sobre los resultados de salud
Involucrar a los consumidores en su salud

11. Automoción
Monitorización avanzada de condición
Optimización Data Warehouse
Analítica de cliente y fidelización

12. Química y petróleo

Vigilancia
Análisis
Optimización operacional
Optimización Data Warehouse
Investigación Upstream

13. Electrónica de consumo

Analítica de clientes
Monitorización avanzada de condición

Estrategias de Crecimiento 24
14. Aviación y defensa
Plataforma de Acceso Información Uniforme
Optimización Data Warehouse
Plataforma de Certificación Aerolínea
Monitorización avanzada de condición

Estrategias de Crecimiento 25
 Cómo definir una
estrategia de Big Data
La estrategia de las corporaciones se basa en integrar e
incorporar el análisis de grandes datos para extraer el valor,
veracidad y tener en cuenta un volumen importante que logre
relacionarlos. Podrán sacar conclusiones en la toma de
decisiones, así como las inversiones que se deberían de
realizar en los próximos años a tenor de la evolución de los
sistemas de información bajo el paradigma del Cloud
Computing.

Las organizaciones han visto en el Big Data la pieza clave en

la creación de sus estrategias. A día de hoy todas las áreas
de negocio ya se pueden beneficiar de las oportunidades del
Big Data. Con la mirada puesta en los reportes de actividad
por medio del empleo de los sistemas de Inteligencia de
Negocio (BI), como herramientas de ayuda para conocer y
saber el estado de las cosas en la dirección de operaciones,
departamento financiero o ventas.

Para mantenernos al día, el escenario principal centra las

acciones en el análisis del dato, selección de la tecnología,
presupuesto y seguimiento del proceso por medio de
profesionales que ayuden a la interpretación de la
recolección de la información, sobre todo en origen y
destino. Descubre los puntos principales para definir la
estrategia de Big Data en el siguiente apartado

Estrategias de Crecimiento 27
1.Acceso a los datos: ¿De dónde vienen? ¿Qué tipo de
fuentes tendremos en cuenta? Una organización tiene que
conocer el acceso y establecer criterios necesarios de
selección y recopilación, en función del volumen, variedad,
velocidad, veracidad y valor del propio dato. La configuración
de procesos repetibles, que puedan formar un patrón,
establece una argumentación sólida a la hora de
almacenamiento y manejo, según el sistema tecnológico
implantado, que puede ser contratado o creado y
personalizado desde cero.

2.Integración: no todos los datos vienen recolectados de la

misma manera, por lo que tenemos que tener la capacidad
de agruparlos, ordenarlos y localizar patrones que permitan
integrarlos en un mismo espacio. La figura del Data Science,
que es una de las profesiones con más futuro desde el
ejercicio 2011, tiene su entrada en esta fase, donde se
requiere de su experiencia y conocimiento para ayudar en la
definición del sistema escogido en el Big Data de la
organización.

3.Limpieza: los datos hay que limpiarlos; no todo vale.

Errores, duplicidad, imprecisión, incompletos o no definidos
estarán presentes de alguna manera en la recopilación. La
idea es enfrentarse a la limpieza y desinfección de los
mismos para que los especialistas no tengan que perder más
el tiempo con tareas que ya tienen que estar definidas y
depuradas.

Estrategias de Crecimiento 28
4. Control: la mejor manera de llevar a cabo un control es el
uso de fuentes fiables. Una importante recogida de datos
tiene que ser de calidad, organizados por categorías y con el
uso de información complementaria que enriquezcan su uso
y empleo.

5.Protección: las normas de seguridad son fundamentales

en un proyecto de integración y recogida de información a
través del Big Data. En los últimos meses ha habido agujeros
de seguridad, lo que ha provocado la fuga de información y
desconocimiento de a dónde han ido a parar los datos, por lo
que la sensibilidad de los directores de proyecto ha
aumentado de manera considerable en los últimos 24 meses.

6.El negocio: la relación entre el dato y el negocio es clave

para determinar qué es lo que queremos y cómo lo vamos a
hacer, sobre todo si pensamos en los clientes y en las
audiencias que podemos definir a través de las acciones de
Big Data Marketing, entre otras cuestiones.

7.Aprovechamiento de la información: la creación de

cuadros de mando, personalización de los datos y el acceso
a una serie de gráficos o variables interpretativas lleva a los
responsables de negocio a facilitar el trabajo a los directores
de área, con el objeto de tomar las decisiones correctas por
medio de los datos recolectados.

Estrategias de Crecimiento 29
Importante para que una empresa tenga en cuenta

Objetivos económicos: una empresa que se inicia en Big

Data tiene que saber qué es lo que puede invertir en la
personalización de la tecnología, así como el retorno de la
inversión y los resultados esperados. En la iniciativa pública
es más sencillo, porque los datos –obligaciones tributarias o
sociales- queda especificado a través de un DNI o CIF y la
cronología de datos ligados a un número concreto, o bien, la
entrada y salida en las distintas plataformas telemáticas por
medio de la Administración Electrónica. El presupuesto es
un factor esencial, por lo tanto, sin dejar de lado las
expectativas generadas por el uso de esos datos en la toma
de decisiones.

Liderazgo y tecnología: ¿quién se encarga de liderar el

proyecto? ¿El partner tecnológico? ¿Organizamos el equipo
propio? Sea de una manera u otra, el conocimiento es clave
en la propia organización y la dependencia de saber cómo se
recopilan los datos, las fuentes, quién es el encargado, cómo
se está midiendo y qué tipo de programas son los que
empleamos antes de la implantación de un sistema de
análisis de grandes de datos de información. Si la consultora
es de fuera, la comunicación es la clave en la
organización de los procesos y liderazgo, atendiendo a
una serie de responsables que se encargarán de extraer la
calidad y veracidad del dato.

Estrategias de Crecimiento 30
El usuario y cliente: no podemos olvidar en una estrategia
las personas que forman parte de los colectivos a los que
acudimos. Pueden ser clientes, colaboradores o
participantes en un proyecto común. El cliente final espera
que las cosas se las pongan sencillas cuando completa las
plataformas que captan los datos porque luego se va a llevar
a cabo una comunicación posterior (descarga de documento,
posibilitar una compra online o petición de información).
Recursos tecnológicos: como ya hemos comentado, es
necesario saber qué es lo que tenemos y qué es lo que
precisamos, con una continuidad en la evaluación de las
capacidades para que el proyecto se consolide con éxito, y
mirando a la nube por la facilidad de escalar y almacenar los
datos e información del proyecto.

Estrategias de Crecimiento 31
Cómo aplicar el Big Data
en marketing
Cómo aplicar el Big Data en marketing

En la imagen, un mapa de big data e Inteligencia Artificial

elaborado por FirstMark. Te dejamos estos consejos para
mejorar tus estrategias de marketing gracias al Big Data:

Estrategias de Crecimiento 33
● Elaborar estrategias de marketing personalizado:
crear estrategias de comunicación adaptadas a nuestros
clientes, según sus gustos, sus datos geográficos y toda
clase de información.

● Tener visiones de negocio más precisas:

tradicionalmente las empresas funcionaban con tablas
Excel que contenían los datos recopilados y que se
enviaban a todos los departamentos. Por el camino,
cada departamento hacia una aportación y en muchas
ocasiones se perdían los daros entre unos y otros.
Actualmente el Big Data permite crear una estructura de
datos única, sin que se pierdan datos entre
departamentos.

● Ayudar en la segmentación de clientes: anteriormente

analizábamos los clientes y veíamos cómo se
clasificaban según sus características, sobretodo, socio
demográficas, y se realizaban estrategias que se
aplicaban durante meses para comparar los resultados
del principio con los del final. Actualmente, podemos ir
viendo mes a mes y semana a semana como los clientes
van evolucionando y enfocar así las estrategias sobre la
marcha mucho mejor.

Estrategias de Crecimiento 34
● Cazar oportunidades en ventas: a partir de las
segmentaciones podemos ver en más detalle cómo
cambian los clientes y localizar las oportunidades de
negocios en base a ello. Por ejemplo, podemos ver qué
productos ha visitado el cliente o ha comprado y
recomendarle otro producto similar o complementario.

● Tomar decisiones en tiempo real más acertadas: si

pongo un producto a la venta en una hora determinada,
en un lugar determinado, con el real time y el Big Data
puedo ver cómo ese producto se está vendiendo y
tomar decisiones en base a los resultados.

● Para detectar y evitar la pérdida de clientes:

podemos ver con patrones cómo los clientes se
comportan y detectar qué va a hacer que el cliente
abandone la compra o la termine realizando.

● Para detectar fraudes: de la misma forma se puede ver

cómo hacen el pago las personas y ver en qué frentes
somos vulnerables a nivel de seguridad.

● Cuantificar el riesgo: hay muchas clases de riesgo que

se pueden detectar, ya sea relacionados con el
abandono del cliente, con los métodos de pago o con
estrategias de comunicación, entre otras.

Estrategias de Crecimiento 35
● Hacer seguimiento de tendencias del mercado:
gracias a los datos podremos ver cómo las personas
desarrollan sentimiento sobre nuestra marca, ya sean
positivos o negativos, cómo se mueven en el mercado,
qué lanzamientos les gustan más, qué productos son los
más vendidos…

● En la planificación y predicción: podremos predecir

cómo va a ir el negocio con más probabilidades de
acertar, gracias a la inmensa cantidad de datos
podremos tener una planificación más exacta.

● Para mejorar el análisis de costes: causa y efecto de lo

anterior. SI tenemos mejor predicción y planificación
también veremos mejor los costes que nos va a
representar.

● En el análisis del comportamiento de los clientes: ver

cómo se comportan los clientes en el momento de la
venta, en la interacción con la marca, la comunicación
que le enviamos, etc.

Estrategias de Crecimiento 36
¿Quieres aprender Digital Business Analytics
y Big Data?

Infórmate de todos los Masters y Postgrados Online

relacionados con el Big Data o a través de una sesión
informativa para conocer al detalle nuestra innovadora
metodología.

Mirar programas relacionados