Maestría en Gestión de

Tecnologías de la
Información
 Lección 12
Big Data

ASIGNATURA
Inteligencia de Negocios

2
 LECCIÓN 12

BIG DATA

1. INTRODUCCIÓN

Big Data es un término que describe el gran volumen de datos, tanto

estructurados como no estructurados, que inundan los negocios cada día.
Pero no es la cantidad de datos lo que es importante. Lo que importa con el
Big Data es lo que las organizaciones hacen con los datos. Big Data se
puede analizar para obtener ideas que conduzcan a mejores decisiones y
movimientos de negocios estratégicos...

El Big Data no solamente sirve para predecir revoluciones sociales. Con

varias herramientas una empresa puede convertir sus datos en
oportunidades de negocio. Diariamente empresas de todos tamaños colectan
información de todo tipo, reportes de ventas, retroalimentación de clientes,
volumen de ventas por punto físico. Regularmente esta información se
almacena en bases de datos y no vuelven a ser consultada hasta que el
departamento de finanzas tiene que hacer su reporte anual. No obstante, los
datos colectados durante semanas o meses cuando son analizados por
plataformas de Big Data pueden dar a las empresas herramientas muy
poderosas para identificar oportunidades de negocio que no eran visibles a
primera vista.

Así, por ejemplo, se puede saber en qué fechas los clientes son más
propensos a asistir a las tiendas, qué productos se mueven con más rapidez,
qué ofertas tuvieron impacto y cuáles pasaron desapercibidas, cuántos y
quiénes son los clientes más leales a la marca, entre otros aspectos. Esto
permite crear por ejemplo promociones personalizadas y exclusivas para los

3
clientes más leales, mejorar el ritmo de las promociones y retirar de
existencia inventarios que no son relevantes para los clientes. Con ello, la
percepción de marca mejora en la mayoría de los casos ya que los clientes
sienten que la marca sabe exactamente lo que quieren y cuándo lo quieren,
lo que desde su percepción es algo cercano a la magia.

2. IMPORTANCIA DEL BIG DATA

Big Data es un término que describe el gran volumen de datos, tanto

estructurados como no estructurados, que inundan los negocios cada día.
Pero no es la cantidad de datos lo que es importante. Lo que importa con el
Big Data es lo que las organizaciones hacen con los datos. Big Data se
puede analizar para obtener ideas que conduzcan a mejores decisiones y
movimientos de negocios estratégicos.

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. Aunque el tamaño utilizado para determinar si un
conjunto de datos determinado se considera Big Data no está firmemente
definido y sigue cambiando con el tiempo, la mayoría de los analistas y
profesionales actualmente se refieren a conjuntos de datos que van desde
30-50 Terabytes a varios Petabytes.

La naturaleza compleja del Big Data se debe principalmente a la naturaleza

no estructurada de gran parte de los datos generados por las tecnologías
modernas, como los web logs, la identificación por radiofrecuencia (RFID),
los sensores incorporados en dispositivos, la maquinaria, los vehículos, las

4
búsquedas en Internet, las redes sociales como Facebook, computadoras
portátiles, teléfonos inteligentes y otros teléfonos móviles, dispositivos GPS y
registros de centros de llamadas.

En la mayoría de los casos, con el fin de utilizar eficazmente el Big Data,

debe combinarse con datos estructurados (normalmente de una base de
datos relacional) de una aplicación comercial más convencional, como un
ERP (Enterprise Resource Planning) o un CRM (Customer Relationship
Management).

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:

5
  Reducción de coste. Las grandes tecnologías de datos, por ejemplo,
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.

 Más rápido, mejores 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.

 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.

Pero ¿Cómo mejora la gestión empresarial la analítica Big Data? Estos son
algunos ejemplos:

Sector 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.

6
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.

7
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:

 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.

 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.

 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.

 Detección y prevención de fraudes en cualquier industria que procese

transacciones financieras online, tales como compras, actividades
bancarias, inversiones, seguros y atención médica.

 Uso de información de transacciones de mercados financieros para

evaluar más rápidamente el riesgo y tomar medidas correctivas.

8
3. Desafíos de la calidad de datos en Big Data

Las especiales características del Big Data hacen que su calidad de datos se
enfrente a múltiples desafíos. Se trata de las conocidas como 5 Vs: Volumen,
Velocidad, Variedad, Veracidad y Valor, que definen la problemática del Big
Data.

Estas 5 características del Big Data provocan que las empresas tengan
problemas para extraer datos reales y de alta calidad, de conjuntos de datos
tan masivos, cambiantes y complicados.

Hasta la llegada del Big Data, mediante ETL podíamos cargar la información
estructurada que teníamos almacenada en nuestro sistema ERP y CRM, por
ejemplo. Pero ahora, podemos cargar información adicional que ya no se
encuentra dentro de los dominios de la empresa: comentarios o likes en
redes sociales, resultados de campañas de marketing, datos estadísticos de
terceros, etc. Todos estos datos nos ofrecen información que nos ayuda a
saber si nuestros productos o servicios están funcionando bien o por el
contrario están teniendo problemas.

Algunos desafíos a los que se enfrenta la calidad de datos de Big Data son:

3.1. Muchas fuentes y tipos de datos

Con tantas fuentes, tipos de datos y estructuras complejas, la dificultad de
integración de datos aumenta. Las fuentes de datos de Big Data son muy amplias:

 Datos de internet y móviles.

 Datos de Internet de las Cosas.
 Datos sectoriales recopilados por empresas especializadas.
 Datos experimentales.

9
Y los tipos de datos también lo son:

 Tipos de datos no estructurados: Son todos los documentos, vídeos,

audios, etc.
 Tipos de datos semi-estructurados: Principalmente software, hojas de
cálculo, informes.
 Tipos de datos estructurados: Solo el 20% de información es
estructurada y eso puede provocar muchos errores si no acometemos
un proyecto de calidad de datos.

3.2. Tremendo volumen de datos

Como ya hemos visto, el volumen de datos es enorme, y eso complica la
ejecución de un proceso de calidad de datos dentro de un tiempo razonable.

Es difícil recolectar, limpiar, integrar y obtener datos de alta calidad de forma

rápida. Se necesita mucho tiempo para transformar los tipos no estructurados
en tipos estructurados y procesar esos datos.

3.3. Mucha volatilidad

Los datos cambian rápidamente y eso hace que tengan una validez muy
corta. Para solucionarlo necesitamos un poder de procesamiento muy alto.
Si no lo hacemos bien, el procesamiento y análisis basado en estos datos
puede producir conclusiones erróneas, que pueden llevar a cometer errores
en la toma de decisiones.

3.4. No existen estándares de calidad de datos unificados

En 1987 la Organización Internacional de Normalización (ISO) publicó las
normas ISO 9000 para garantizar la calidad de productos y servicios. Sin
embargo, el estudio de los estándares de calidad de los datos no comenzó
hasta los años noventa, y no fue hasta 2011 cuando ISO publicó las normas
de calidad de datos ISO 8000.

10
Estas normas necesitan madurar y perfeccionarse. Además, la investigación
sobre la calidad de datos de Big Data ha comenzado hace poco y no hay
apenas resultados.

La calidad de datos de Big Data es clave, no solo para poder obtener

ventajas competitivas sino también impedir que incurramos en graves errores
estratégicos y operacionales basándonos en datos erróneos con
consecuencias que pueden llegar a ser muy graves.

11