Palabras Clave: Big Data, Activo Estratégico, Ventaja Competitiva, Gestión de la Información,

Big Data: El activo estratégico de las compañías por excelencia

La creación de valor en las empresas a través del Big Data ha impulsado la adopción de estrategias
corporativas para crear, almacenar, transferir y generar valor a los datos recopilados,
convirtiéndose en un factor diferenciador e innovador en el Siglo XXI, otorgando a un sinfín de
compañías, la posibilidad de detectar deficiencias y anticiparse a las necesidades del mercado,
desde una perspectiva de ética y responsabilidad. No obstante, los datos por sí solos no ofrecen
una ventaja competitiva en el sector, a nivel de compañía, deben implementarse técnicas de
análisis y exploración de datos, que permitan, aumentar la eficiencia de los recursos disponibles y
una mayor velocidad al cumplimiento de los objetivos estratégicos.

En el presente artículo se evalúa el avance de XXXXXX, de acuerdo a XXXXXX, .

¿Qué es un Activo según las NIIF?

De acuerdo con las Normas Internacionales de Información Financiera (NIIF), un Activo

se define como: “Un recurso controlado por la entidad como resultado de sucesos
pasados, del que la entidad espera obtener, en el futuro, beneficios económicos”. En
concordancia, este concepto se puede desagregar en tres momentos:

Resultado de Hechos Pasados: El bien debe proceder de un hecho cumplido en el pasado.

Recurso Controlado: El control es esencial para definir la condición de Activo de un bien; se

tiene control cuando son asumidos tanto los riesgos como las ventajas del bien en tiempo
presente. Tener el control es poder decidir su propósito, usabilidad y restricción de
terceros.

Beneficio económico Futuro: Refleja el potencial que tiene el bien para contribuir de
manera directa o indirecta a los flujos de efectivo de la entidad.

¿Qué se entiende por activo estratégico?

Los activos estratégicos son aquellos que brindan una ventaja competitiva duradera. Los
activos tangibles (físicos y financieros), cada vez son más fáciles de copiar y, por lo tanto, esa
ventaja se concentra en los activos intangibles.
Para Kaplan y Norton en 2004, uno de los principales activos intangibles lo constituye la
Información, definiéndose como los conocimientos socializados y enajenados que se obtienen
como resultado de la actividad cognoscitiva (espiritual), práctica (material) y social, y que se
trasmiten al sistema de comunicación social para su utilización en la producción social”.
(Gorkova, 1987).

¿Qué se entiende por Big Data?

“El big data es la intersección de estrategia de negocio y ciencia de los datos, ofreciendo nuevas

oportunidades para la creación de ventajas competitivas. Permite a las empresas utilizar los datos

como un activo estratégico, disponiendo de información relevante en tiempo de decisión para

erradicar procesos operativos ineficientes, mejorar la experiencia de los clientes, sacar provecho

de nuevos mercados, etc. Para muchas empresas y negocios, el big data es ya hoy la ruta crítica

para desarrollar nuevos productos, servicios y modelos de negocio que con toda seguridad va a

ocupar, cada vez más, una gran parte de la agenda de los directivos y sus equipos.”

¿Cuales son los siete principios de una ‘Insight Driven Enterprise?

Capgemini Insights & Data propone siete principios para incluir en el ADN de una
compañía la utilización de los datos. Hay que pensar que son una palanca
transformadora y, para ello, es necesario entender el concepto de negocio y
tecnológico del que se parte y definir el concepto al que se quiere llegar:
 El primer paso se centra en definir los objetivos de negocio y en centrar los datos y lo
digital en un punto importante de esa estrategia.

 A partir de esa estrategia, el segundo paso se dirige a la capacitación tecnológica. No todas

las plataformas tecnológicas de las compañías están al día y preparadas para lo que viene, ni
están conectadas a fuentes de datos externas y preparadas para absorberlo todo. Tampoco
están todas en la nube para poder empezar a capitalizar la información, lo que implica la
necesidad de habilitar la plataforma tecnológica para este nuevo modelo, bajo el nuevo
paradigma de trabajar “sin límites de volumen ni de tiempo”.

 Establecer el modelo de gobierno adecuado es el objetivo del tercer paso. Hay que tener en
cuenta que se va a manejar información de terceros, redes sociales o de posicionamiento y/o
de carácter personal de los clientes o de otras cuestiones del negocio, por lo que garantizar
la privacidad y la seguridad en su tratamiento y en su gobernanza es sumamente importante,
 como también lo es garantizar que las ideas que se vayan encontrando se lancen en un
entorno de innovación, detectando cuándo falla una para pararla a tiempo. No se encontrará
valor en todas las ideas, por lo que este entorno requiere equivocarse rápido para también
aprender rápido y cambiar de rumbo. En este sentido, si no hay un modelo de gobierno
definido, es posible que la organización reaccione demasiado tarde ante posibles errores.

 El cuarto paso consiste en trabajar la cultura del valor del dato. Cualquier persona en una
compañía puede identificar cómo mejorar sus funciones, procesos y decisiones a diario
mediante la utilización de los datos.

 El quinto es pensar en el modo de consumo, algo que también es crucial, al haber cambiado
la filosofía de usar versus poseer. Este nuevo paradigma ofrece nuevas formas de
desarrollar proyectos y de hacer inversiones.
 El sexto paso a dar se dirige a cuantificar en qué medida impacta en la cuenta de resultados
el uso de la información y qué porcentaje del negocio ha sido generado a través de la
monetización, de la aplicación de la información de los datos. Este debe pasar a ser un
indicador más de negocio.

 Y, por último, el uso del conocimiento derivado de los datos debe ser llevado al día a día de
cada una de las personas de la compañía y de cada una de las transacciones que se realizan.
La verdadera revolución está en reinventar cada uno de los momentos de negocio en los que
intervienen las personas, los dispositivos y los datos.
Ventajas de la implementación del Big Data en las empresas

Ventajas competitivas en la gran distribución: permite

actualizar, optimizar y ajustarinventarios en función de la
demanda en tiempo real. La extracción de datos posibilita el
análisis del comportamiento de los clientes, fijar los precios
en consecuencia u ofrecer los incentivos adecuados para
atraer a los clientes. Es posible realizarlo mediante la
digitalización de elementos,como los almacenes o las
cajas registradoras, en el caso de empresas comercializadoras.
Mejora de la eficiencia y los costes: el análisis del Big
Datapuede acelerar la velocidad con que se desarrolla un
producto. También permite compartir datos de forma rápida y
realizar simulaciones de producto. En algunos sectores, los
plazos de desarrollo se han llegado a reducir entre el 30% y el
50%.
Mejora de la gestión empresarial: además de optimizar la
cadena de suministro y el inventario, Big Datapuede ser útil para
reducir el ciclo de conversión de efectivo, controlar factores de
riesgo y tomar decisiones empresariales que pueden virar el
futuro de la empresa,fundamentadas en datos recogidos en
tiempo real.Almacenamiento en la nube: uno de los problemas
para gestionar altos volúmenes de datos es el elevado
coste de la infraestructura de almacenamiento. Muchos
proveedores de almacenamiento masivo de datos alquilan
potentes servidores a los que se puede acceder en línea, y ponen
a disposición del cliente como solución,almacenarlos en una
especie de nube. El resultado es que se puede acceder a
ella mediante aplicacionesdiseñadas para manejar grandes
volúmenesde datos y se pueden obtener soluciones,a menudo
en tiempo real de forma sencilla8

Gestión de Bases de Datos como factor de generación de valor

Piramide Informacional

En relación con lo señalado, la naturaleza del conocimiento parte de un proceso en el cual éste (el
conocimiento) se deriva de la información que, a su vez, surge de los datos. Por ello, las
experiencias personales y muy particulares de dos personas o de dos organizaciones van a marcar
la diferencia entre los conocimientos manejados por una y por otra. Para confirmar este
planteamiento Martínez (2009: 7) apela al esquema propuesto por Taylor que grafica la llamada
pirámide informacional (Ver figura 1)
Un paso obligado tras el ‘big
data’
Big data y deep learning van de la mano cuando hablamos de data
science. Las empresas se han dado cuenta de la importancia de
estructurar y analizar los datos para establecer patrones y unirlos a
las estrategias de negocio para tomar decisiones. El big data
analytics es un primer paso para poner en orden toda esta
información, sin embargo, tras este y como parte del data science
y de la inteligencia artificial existe otra evolución, el deep
learning, menos conocida y puesta en práctica por las compañías,
pero que debe considerarse como el siguiente paso obligatorio
para ser competitivos en el mundo computacional del futuro.

Ahora bien, ¿qué es exactamente el deep learning? Posiblemente

si acudimos a la definición técnicas de este concepto nos resulte
difícil entender, al tratarse de una técnica basada en complejas
abstracciones de representaciones de datos a través de un proceso
de aprendizaje continuo de los modelos de datos. Es el siguiente
paso del artificial neural network. Pero, si lo comparamos con el
cerebro humano, nos resultará algo más sencillo.
El deep learning, conocido como aprendizaje profundo basado en
redes neuronales, supone conseguir que las máquinas piensen
como lo hace el cerebro humano biológico, aprendiendo de los
patrones de comportamiento detectados y aumentando el número
de conexiones en modo red, de forma similar a como trabajan las
neuronas a medida que se va produciendo el aprendizaje. A mayor
interconexión de datos y de modelos, mayor capacidad de
autoaprendizaje y, por tanto, de resolución de problemas. En
definitiva, no se trata de que las máquinas decidan por nosotros,
sino que nos ayuden a tomar decisiones, disponiendo siempre de
capacidad para revocar la decisión artificial.

Google ha sido pionera a la hora de utilizar estas técnicas,

mientras que gigantes como Facebook, YouTube o IBM con el
supercomputador Watson hace tiempo que están trabajando en la
aplicación del deep learning en sus estrategias de big data con el
objetivo de mejorar sus servicios y software con propiedades
como el reconocimiento facial, de voz o el entendimiento del
lenguaje humano. Igualmente, hemos visto el surgimiento de
startups especializadas en este tema, sin embargo, fuera de EE UU
y en España, el concepto de deep learning es todavía el gran
desconocido.

Dar un paso más en la gestión y análisis de datos para establecer

patrones complejos que permitan a los ordenadores y dispositivos
reconocer personas y situaciones o buscar patrones ocultos en los
datos almacenados en los data lake para anticipar acciones, es el
objetivo que han de marcarse las empresas para los próximos
años.

Por tanto, el futuro del business intelligence y big data pasa por la
entrada en juego del concepto de deep learning y cómo las
maquinas van a ser capaces de aprender y entender la información
que están recopilando. Que las máquinas aprendan como el ser
humano es un concepto que está por llegar y que las empresas
tienen que aprovechar si quieren llegar con éxito y competitividad
a la meta de la carrera del big data.
Aunque nos falta por ver las ventajas y beneficios que aportará, el
futuro está ahí, y el Internet de las Cosas (IoT) será un impulso a
esta tecnología. Gracias a ello, dentro de nada vamos a tener en
casa más de 300 indicadores de consumo eléctrico y de actividad
de los electrodomésticos que nos aportarán información y a la que
será necesario dotar de valor e inteligencia; y el deep learning será
la solución para interconectar todos los aparatos y que interoperen
de forma inteligente para facilitarnos la vida.
Hoy en día, ya existe la capacidad de proceso y tecnología
suficiente como para analizar 10 millones de vídeos en YouTube y
extraer patrones que deciden la idoneidad del mismo; las fuerzas y
cuerpos de seguridad del estado usan el reconocimiento de voz
para analizar miles de conversaciones telefónicas en tiempo real o
para realizar análisis faciales a través de cámaras estratégicamente
situadas, o traducciones en tiempo real a lenguajes no
convencionales con índices de error que no superan el 5%.

Deep learning dota de capacidad de decisión al IoT de forma que,

antes de llegar a casa, detectan nuestro estado de ánimo y nos
reciben con la música, iluminación y temperatura apropiada e,
incluso, nos encargan la cena y proponen el mejor contenido
digital para desconectar antes de irnos a la cama… Solo nos queda
dormir, el sueño está realizado.

Las grandes empresas priorizan

el big data en sus estrategias
os millones de datos que los clientes dejan a las empresas a las que
compran bienes y servicios va a marcar el futuro de esas
compañías. Esa fue la reflexión más repetida por los máximos
representantes de cinco empresas (Corté Inglés, Microsoft,
Accenture, EVO y Siemens) durante la inauguración de una
jornada organizada por la revista Forbes sobre la economía
española. “La inteligencia de datos o big data abre infinitas
posibilidades para conocer mejor al cliente, saber quiénes son,
cuáles son sus gustos y permite discernir qué clientes quieren ser
reconocido y cuáles no”, apuntó Dimas Gimeno, presidente de El
Corte Inglés en un discurso en el que trazó cuál va a ser la
estrategia de su compañía para combatir con gigantes de la
distribución online como Amazon. 

En su opinión, la empresa que se quede al margen de la evolución

tecnológica "tendrá dificultades”, aunque apostilló a renglón
seguido que su futuro pasa por combinar el modelo de tienda
física y el comercio electrónico. “Tenemos que aceptar la realidad
omnicanal. Que todos los canales de venta confluyan, que el
comercio oline complemente al físico y viceversa. Y con ello
ofrecerle al consumidor omnicanal la mejor experiencia posible”,
recalcó Gimeno, que destacó una ventaja frente a competidores
como Amazon. “Los grupos como el Corte Inglés que disponen de
una amplia red de tiendas físicas disfrutan de una notable posición
competitiva y logística frente al resto”, apuntó en relación a la
recogida y entrega de paquetes ligados al comercio electrónico.
“Lo que importa es la satisfacción del consumidor y la
combinación entre lo local y lo global”.
MÁS INFORMACIÓN

 ¿Qué tiene en común la estrategia de Zara, Mercadona, El Corte Inglés o Mango? La omnicanalidad
 El 40% de los españoles compra por internet al menos una vez al mes

Por su parte, Pilar López, presidenta de Microsoft España, resaltó

que el nivel de digitalización en España no es el adecuado en las
empresas. “Tecnologías como la nube permiten en la actualidad a
las empresas vender en cualquier país del mundo. El mayor reto es
la inteligencia artificial, es decir, ser capaces de gestionar los datos
de atención al cliente, que son el combustible de la inteligencia
artificial. La supervivencia de muchas pymes dependerá de cómo
sepan gestionar esos datos”.
Enrique Tellado, consejero delegado de EVO, destacó los tres
principales cambios que se han producido en el ámbito
tecnológico. “Ha aparecido una inteligencia diferente a la humana
y sin límite; la capacidad de almacenamiento se ha democratizado
y la separación de barreras entre sectores ha desaparecidos, como
en el caso de Amazon”. Por todo ello concluyó que las empresas
deben enfocar sus estrategias en ofrecer “una experiencia
diferenciada a sus clientes”. Y ello pasa, en su opinión, por no
despreciar a los nuevos actores, como las fintech en el caso de la
banca, sino de colaborar con ellos. “La regulación no puede ser un
freno. Ellas responden más rápido. Tenemos que aprender de ellas.
La presión de los nuevos actores es lo que nos va a servir de
revolución al resto”, recalcó.

La consejera delegada de Siemens España, Rosa García, subrayó

la necesidad de responder rápido a los clientes. “La gran duda está
en cómo vamos a ser capaces de adaptarnmos a cambios digitales
tan rápidos. Los consumidores quieren muchas cosas y las quieren
ya”. Por su parte, Juan Pedro Moreno, consejero delegado de
Accenture, destacó dos cuestiones que las empresas deben tener en
cuenta en el futuro. “Tendrán que atender cada vez a una
población más vieja, ya que el 36% será mayor de 50 años en
2050, y que la sociedad está migrando hacia una economía de la
experiencia”.

¿Qué entendemos por Big Data?

El Big Data engloba muchos conceptos interrelacionados, pero si hubiera que

establecer una definición diríamos que el Big Data es la huella digital que la
sociedad genera a través de sus usos cotidianos gracias a su progresiva
tecnologización. Esta definición otorga más importancia al origen del Big Data por
encima de aspectos tecnológicos o sus beneficios cuantitativos, lo cual es
importante para poder entender su dimensión social. Hablar de Big Data implica,
por supuesto, una mayor dimensión de datos y nuevas tecnologías para manejar tal
magnitud de información. Además, implica el florecimiento de nuevos perfiles
profesionales en tecnologías, análisis de los datos y diseño de soluciones y
productores innovadores. Esta definición se centra en el valor social del dato como
la clave del Big Data, y por el cual se vuelven importantes todos los otros aspectos.

Los datos se vuelven más valiosos cuanto más ampliamos su contexto o dominio. El
valor del Big Data no nace de la importancia de datos personales individuales, si no
de los datos generados por personas dentro de una sociedad y en constante
interacción entre ellos. Este grado de interconexión, que es posible y a su vez queda
reflejado gracias a la tecnologización de las sociedades, es lo que consideramos que
convierte al Big Data en uno de los grandes recursos del futuro y ya del presente.

¿Qué retos encierra el Big Data?

Actualmente, el uso del Big Data está bajo constante experimentación y evolución.
Gran parte de los retos a considerar dependen de los objetivos y aplicación del Big
Data. En países en desarrollo, con bajo nivel de penetración de TICs, los retos pasan
por la adquisición de datos y la estandarización de los mismos para poder ser
analizados. Es decir, en países en desarrollo es necesario incrementar la densidad
de los datos. En esta situación, compañías del sector de las TICs han estado abiertas
a distribuir sus datos, bajo cuidadosos procesos respetando la privacidad de los
clientes, para explorar el posible impacto del Big Data en países de desarrollo. Sin
embargo, la falta de Open Data y Open Standards dificulta mucho tener información
de validación y comparación. Las iniciativas Big Data para el Desarrollo han crecido
notablemente mediante acuerdos de colaboración y alianzas entre muchas
instituciones y empresas, haciendo posible recolectar los datos y alinear a los
actores para diseñar indicadores útiles para monitorización y gestión de decisiones.

En países desarrollados tecnológicamente, la problemática es bien distinta: la gran

cantidad de datos dificulta discriminar relaciones concretas dentro de un
ecosistema tan masivo de datos. En este sentido, la investigación socio-económica a
través de Big Data no puede ser simplemente analítica, sino que necesita de un
profundo entendimiento del contexto socio-cultural y económico-mercantil para
poder guiar, a través de hipótesis y modelos, los estudios con Big Data. La otra gran
barrera es la propiedad y privacidad de los datos. Por un lado las empresas
propietarias de los datos, conscientes de su valor como activo, en pocas ocasiones
contemplan abrir y compartir datos. Por otro, la gran sensibilidad de la gente sobre
la privacidad añade grandes dificultades organizativas, normativas y tecnológicas a
la compartición de datos, ya que estos han de pasar por complejos procesos de
anonimización acorde con la legislación y los contratos entre los proveedores de
servicios y sus clientes.

Por ello, y pese a la alta densidad de datos, éstos se muestran muy poco

específicos, lo cual lleva a desconfiar sobre si el Big Data tiene más ruido que
información valiosa. En consecuencia, el Big Data en numerosas ocasiones queda
limitado a un análisis de inteligencia de negocio con datos masivos pero en un
dominio acotado o a experimentos de investigación con datos variados pero que no
adquieren impacto real.

Cómo el Big Data puede llevar a la innovación social

Creemos que una perspectiva del Big Data inspirada en la Agenda Post-2015,

puede no sólo abrir la dimensión social del Big Data, sino darle también su mayor
potencial innovador. La sociedad, compuesta de usuarios (cada vez más)
tecnológicos productores de datos, es el comienzo de la cadena de valor. Por tanto,
es posible incrementar el impacto teniendo en cuenta a la misma sociedad en los
procesos de innovación como la fuente del Big Data: tanto de manera pasiva
(diseñando sensores sociales TIC) como de manera activa (democratizando la
generación y uso del Big Data).

Pero más allá, dentro del enfoque de la agenda de sostenibilidad, la innovación

mediante Big Data también está dirigida a la sociedad. Por ejemplo, a través de
estas aproximaciones:

 Transparencia y representatividad: Los mecanismos de monitorización y

decisión basados en Big Data tienen el potencial de considerar de manera
transparente y cuantitativa a una muestra mayor de la población.
 Distribuyendo la capacidad de decisión: Gracias a las TICs y el análisis de
datos, también es posible mejorar los sistemas de organización y
decisiones más locales.
 Estrategias de negocio con la sociedad: Tomar el pulso a las sociedades a
través de Big Data permite adaptarse a las necesidades y demandas de la
sociedad cada vez más a tiempo real, además de mejorar los sistemas de
predicción y prevención.

Gracias a estos paradigmas, sería posible crear redes de colaboración y producción

entre diferentes actores "Público-Privados-Personas" a través de
alianzas multiactor que creen interconexiones fuertes y no puramente
contractuales. De este modo, podríamos esperar una transformación profunda en
diferentes mecanismos sociales que progresivamente pudiera aumentar la
sostenibilidad y resiliencia tanto de sociedades desarrolladas como en desarrollo.
Interpretamos que este proceso de transformación ya se está dando de diferentes
formas, por ejemplo, en forma de nuevas comunidades virtuales o modelos
alternativos de negocio basados en economía colaborativa y TICs.

En conclusión

El Big Data es una oportunidad para la innovación social y la transformación de la

sociedad hacia la sostenibilidad. La clave será, más allá de los avances tecnológicos,
una compleja revolución en la que habrá una convivencia entre formas
de innovación basadas en los sistemas actuales con formas de innovación que den
lugar a nuevos sistemas. En este proceso, la propia sociedad está llamada a ser un
actor cada vez más importante y para ello será necesaria su toma de conciencia y su
alfabetización como sociedad digital. Todo este proceso, sin duda, supondrá
también un reto organizativo y estratégico para instituciones y empresas de cada
sector.
La importancia del
análisis de datos para las
empresas
julio 6, 2020 / Equipo AnahuacX
La ciencia de datos, análisis de datos, minería de datos y Big
Data, por decir algunos, son de los términos que escuchamos
cada vez en nuestro entorno y que ya forman parte de la
cotidianidad en el ámbito empresarial. Sin embargo, para muchos
son palabras propias de la ingeniería o la estadística y surgen dos
grandes interrogantes un tanto difíciles de responder
concretamente ¿cuál es su significado? y ¿cómo pueden
ayudarnos? La realidad es que la cantidad de datos disponible
hoy en día es inmensa y de acuerdo al IBM Marketing Cloud, el
90% de los datos actuales ha sido generado en los últimos diez
años, complejo pero muy cierto. Esto quiere decir que la llegada
de la cuarta revolución industrial o industria 4.0 intensificará aún
más el manejo de la información digital en las empresas.

El futuro o incluso el fracaso mismo de las empresas, dependerá

de la decisión que tomen con respecto a toda esta información.
Por lo tanto, afrontar esta realidad lo antes posible y tomar
acciones al respecto, permitirá a las empresas ser más
competitivas y sobretodo más eficientes.
Sin embargo, hay que tener claro que como todas las nuevas
implementaciones, el aprovechamiento de esta información
conlleva un riesgo, por ejemplo, para muchas organizaciones la
inversión en la ciencia de datos no siempre brinda el valor que
debería (Bajuk, 2020) , la falta de credibilidad, el lento cambio
hacia el valor y beneficios efímeros hace dudar a muchas
organizaciones e invertir en esta alternativa que a primera vista
luce muy atractiva, sin considerar las variables y opciones.
Además, la aplicación del análisis puede estar sujeta a un
proveedor de software, que busque obtener más valor por la
licencia del mismo que por el análisis de los datos, lo cual es un
gran factor a considerar.

Por esto, no es suficiente confiar en el manejo de la información

y/o el análisis de los datos, es indispensable tener una
capacitación previa que te permita conocer las herramientas que
permiten realizar el análisis de los datos al mismo tiempo que su
potencial y limitaciones. Muchos de los perfiles que toman
decisiones en las empresas se encuentran cada vez más en una
posición de desventaja con respecto a las nuevas generaciones
que se capacitan cada vez más en el análisis de la información,
sin embargo hoy en día existen tantas opciones y disponibilidad
de estas nuevas tecnologías que esto no debe ser una limitante
sino un aliciente para acercarse, conocerlas e implementarlas.

La formación académica si bien puede ser importante, no se limita

ahora a las ciencias computacionales, la estadística avanzada, o
las matemáticas complejas. Actualmente es posible con un poco
de esfuerzo y la formación adecuada comenzar a formar una base
sólida en el manejo, análisis e interpretación, de información
relevante para nuestra empresa.

Existen actualmente una gran variedad de herramientas

computacionales que auxilian al analista en el manejo y
presentación de información. Pero lo que se busca actualmente
es que también el tomador de decisiones entienda cómo
funcionan estas herramientas, pueda manejarlas hasta un cierto
nivel para después utilizarlas en la toma correcta de decisiones en
la empresa, y posteriormente de ser necesario llevarlas a un nivel
de análisis más avanzado.

En el mundo globalizado, resulta cada vez más arriesgado tomar

decisiones sin ponderar todos los factores que involucren la
decisión final. La crisis de salud que vivimos actualmente ha
mostrado al mundo la complejidad de tomar una decisión en el
momento adecuado, no solo para los países y su bienestar, en
cuanto a la salud de cada individuo esta toma de decisiones
puede resultar en un tratamiento exitoso o con fatales
consecuencias.

De igual forma con esta situación nos dimos cuenta de que nos
enfrentamos a un problema para el cual sólo teníamos referencias
aproximadas y son los analistas y expertos en manejo de
información quienes han llevado a los países a tomar las
decisiones adecuadas en un problema sin una solución escrita.
En el ámbito industrial ocurre lo mismo, las características que
deberá tener nuestro producto, el lugar donde deberíamos colocar
a nuestra empresa, los mercados que deberemos abordar, la
materia prima más adecuada, son cuestiones que el análisis de
datos puede ayudarnos a resolver con el menor riesgo posible.

Las decisiones solo basadas en la experiencia o las

recomendaciones ya no son válidas actualmente, los modelos
matemáticos y computacionales que existen pueden aplicarse a
casi cualquier situación empresarial y llevarnos a un camino más
certero, que la lógica empírica. Además, nos permite analizar
diferentes escenarios sin tener que invertir nada en ellos,
solamente construyendo el análisis matemático y su
interpretación.

Para las empresas el  análisis de información dependerá del

entorno para el cual planea utilizar el análisis (Alcouffe, 2019) este
puede ser  prescriptivo, si solo se busca el mejor plan de acción
para una situación;  predictivo, si incluye técnicas estadísticas de
extracción de datos para hacer hipótesis predictivas
o descriptivo, si se emplea para dar resúmenes basados en
gráficos que exponen información sobre las muestras o las
medidas. Este último forma la base de casi todos los análisis de
datos cuantitativos.

La invitación es entonces a sumergimos en este mar de

información, obtener lo mejor de ella y aprovecharla para mejorar
como empresa o como tomador de decisiones siempre y cuando
empleemos las herramientas adecuadas asociadas a una
formación sólida de su aplicación y manejo. Y para esto hoy en
día existen muchas opciones que ofrecen las bases necesarias
para el análisis de datos, su interpretación y cómo utilizarlas en la
toma de decisiones empresariales. Es el momento de tomar
acción y transformar tu empresa.

. La ventaja competitiva se traslada al entendimiento del mercado, cliente, proveedores,

anticipándose a las necesidades del mercado y generando un factor diferenciador entre los
competidores desde una perspectiva de ética y responsabilidad.

*****************+

1. https://incp.org.co/definicion-de-activos-y-pasivos-en-las-normas-internacionales-de-
informacion-financiera-niif/
2. El especialista: Los activos estratégicos – La Nación (nacion.com)
3. ‘Big data’: ruta crítica para desarrollar nuevas oportunidades de negocio | IE Insights
4. Evolución e impacto de Big Data en empresas grandes de diferentes industrias del sector
corporativo en Antioquia - CORE Reader
5. Cómo la tecnología puede mejorar su ventaja competitiva (nebi.co)
6. Piramide Informacional: Dialnet-ElConocimientoActivoIntangibleEstrategicoEnLasEmpr-
4003687.pdf
7. Paso obligatorio Un paso obligado tras el ‘big data’ | Empresas | Cinco Días (elpais.com)
8. Big Data para sociedades más sostenibles (fundacionseres.org)
 9. Las grandes empresas priorizan el big data en sus estrategias | Compañías | Cinco Días
(elpais.com)
10. La importancia del análisis de datos para las empresas (edx.org)
11. ebook-the-data-driven-enterprise.pdf (awsstatic.com)

file:///C:/Users/hp/Downloads/MBA_2016_Villarruel.pdf