Big Data se define ‘académicamente’ como la tecnología que permite gestionar de forma eficiente grandes volúmenes de datos, que pueden ser estructurados, semiestructurados o desestructurados, para obtener valor por parte de la compañía.
Así, Óscar Quero, director del Área de Supply Chain Management y Tech & Data en EAE Business School, escuela de negocios perteneciente a Planeta Formación y Universidades, la red internacional de educación superior de Grupo Planeta, comienza a explicar las características de esta solución de la cual afirma que siempre que se haga referencia a ella se deben mencionar las llamadas ‘Vs de Big Data’.
No obstante, aclara que –dependiendo de las fuentes que se consulten– se pueden encontrar desde las cuatro ‘clásicas’ a más de 20, por lo que Quero se inclina por resaltar las seis que considera más relevantes: volumen, ya que con Big Data se manejan enormes cantidades de datos; velocidad, factor clave en el proceso de toma de decisiones; variedad, pues la información gestionada en estas plataformas es de naturaleza distinta y aun así se gestiona de forma eficiente.
A estas suma la veracidad, para asegurar la confiabilidad y autenticidad de los datos; variabilidad, importante para poder disponer de un flujo regular de datos independientemente del escenario, y por última el valor, que siempre se le debe aportar a la compañía.
Acerca de cómo contribuye esta tecnología al mejoramiento de los resultados de las organizaciones, Sara Fontdecaba, profesora del Máster en Big Data de EAE Business School, señala que la nueva materia prima de nuestro siglo son los datos y que esta materia prima, a diferencia de otras, no es difícil de encontrar sino todo lo contrario, puede ser infinita.
“Su ciclo desde la recogida, el análisis y la toma de decisiones permite a las compañías dar un valor añadido al desarrollo del PDCA (Plan, Do, Check and Act por sus siglas en inglés) atado al concepto empresarial de mejora continua. La mejora y la calidad nunca se podrán alcanzar sin la capacidad de cuantificar. Esta cuantificación proviene de los datos y lejos de las suposiciones y creencias empresariales de carácter subjetivo. El Big Data y la inteligencia artificial son el binomio adecuado para cambiar los modelos de negocio hacia la dirección adecuada para un nuevo empoderamiento empresarial”, enfatiza la docente.
Igualmente, aclara que los datos por sí solos jamás serán tomados como información y mucho menos como conocimiento, al igual que contar con bases de datos no significa tener la clave y la comprensión del negocio. “Los atributos que se relacionan con los datos están lejos del área del conocimiento de las empresas, pues son intangibles como el volumen, la velocidad, la capacidad y la gestión”, agrega.
“Los atributos que se relacionan con los datos lejos están del área de conocimiento de las empresas, son intangibles como volumen, velocidad, capacidad y gestión”, agrega.
Por eso, Fontdecaba indica que, para trazar el camino de los datos a la información, las organizaciones deben usar el análisis de Big Data para hacer un proceso parecido a armar un puzzle (rompecabezas), donde todas las piezas (los datos) que necesitan están dentro de una caja, aparentemente insignificante, sin sentido.
“Se debe empezar por coger unas cuantas piezas de la caja y muchas entre ellas no encajan, pero con estrategia y conocimiento, al final se unen con otras piezas que permiten construir el rompecabezas. Una estructura compleja que pasa a ser significativa y que alguien, siempre una mente humana con criterio y sentido común, observará y sacará la información necesaria que con el tiempo se transformará en conocimiento y oportunidades futuras, algo aún mucho más amplio, profundo y más opulento que los datos y la información”, precisa la profesora del Máster en Big Data de EAE Business School.
El Big Data permite gestionar enormes volúmenes de datos.
Istock
Aplicaciones exitosas de Big Data
De acuerdo con Óscar Quero, las finanzas (sector bancario) fue uno de los primeros sectores en implementar Big Data. “Ya en el siglo pasado eran capaces de gestionar enormes volúmenes de datos, con modelos de carga nocturnos, para poder realizar análisis posteriores y poder tomar decisiones empresariales. En la actualidad, el modelo implementado ha cambiado, ya que ahora se dispone de información en tiempo real y análisis predictivos de gran precisión”.
Así mismo, sostiene que otros dos sectores son noveles en el uso de esta tecnología: salud y educación, pero destaca al primero sobre el segundo. En ese sentido, asegura que la gestión de grandes volúmenes de datos médicos de pacientes y ensayos clínicos, unidos a la información de diferentes publicaciones de referencia (como ´The Lancet’), son un abono importante para el uso de estas tecnologías.
No obstante, dice que la innovación en los últimos años no viene tanto por Big Data como por la Inteligencia Artificial (IA). Y resalta que el apoyo que aportan estas tecnologías en el manejo y gestión de los datos permite prepararlos de forma adecuada y rápida, ayudando a las soluciones de IA, que define como ‘devoradores de datos’. Gracias a la unión de Big Data e IA, según anota Quero, las soluciones implementadas serán mejores y ofrecerán información más veraz.
Sobre los proyectos de Big Data exitosos que conoce por su impacto en la toma de decisiones empresariales, el docente exalta la mejora de la gestión del paciente oncológico y la solución ‘prescriptiva’ de próximos pasos con pacientes.
En el primer caso, revela que en un centro hospitalario la gestión de los pacientes oncológicos era muy deficiente, ya que se generaban excesivos tiempos de espera y el uso de recursos no era el adecuado.
Sin embargo, gracias a la implementación de una solución Big Data, se logró prever la demanda y asignar los recursos de una manera más eficiente. Algunos logros con esa implementación fueron la reducción del 30 por ciento en el tiempo de espera, optimización de camas en un 25 por ciento y la mejora del 20 por ciento en la asignación de recursos médicos.
El segundo ejemplo –teniendo en cuenta que en un centro se realizan multitud de pruebas diagnósticas y los procesos de análisis suelen ser complejos, por lo que se demora mucho el resultado, y además no hay una seguridad de que se indique siempre el diagnóstico más acertado– se dio con la aplicación de Big Data, encargada de gestionar y procesar toda la información clínica de los pacientes donde se pudo, gracias a algoritmos predictivos, identificar información clave y próximos pasos a realizar con el paciente.
De este proceso destaca la reducción del 40 por ciento en el tiempo promedio de diagnóstico, el aumento del 25 por ciento en el porcentaje de aciertos en el primer diagnóstico y la mejora del 15 por ciento en el nivel de satisfacción del paciente en la primera consulta.
Los retos que trae esta tecnología
Para el director del Área de Supply Chain Management y Tech & Data en EAE Business School, la ética y privacidad no es un asunto que solo aplique a grandes volúmenes de datos, sino a la gestión de cualquier tipo de dato. Además, considera que es un asunto de gran relevancia, ya que existen diferentes legislaciones en materia de protección de datos dependiendo de los países y las regiones.
“Lo más importante para asegurar que se garantiza el buen uso y la privacidad de los datos es el establecimiento de un política clara y transparente de gobierno del dato, donde se concrete tanto el propietario ‘interno’ del dato como qué perfiles deben acceder al mismo y a qué nivel. Esto en sectores como el sanitario, por ejemplo, cobra especial importancia, ya que a la información concreta de un caso médico sólo deben acceder las personas que estén gestionándolo en la compañía”, explica Quero.
La nueva materia prima de nuestro siglo son los datos y esta materia prima, a diferencia de otras, no es difícil de encontrar sino todo lo contrario, puede ser infinita
Y añade que un aspecto adicional que también se debe gestionar con precaución es la transferencia de datos a terceros, ya que se pierde el control de los mismos, por lo que sugiere que debe fijarse por contrato que precise cómo se deben tratar esos datos y realizar auditorías que verifiquen este hecho.
Mientras que, para asegurar la privacidad, este experto sostiene que es fundamental que se implemente una política de seguridad que garantice la reserva de los datos y esto aplica tanto a entornos on-premise (en instalaciones de la empresa) o en la nube.
“En este último caso, es importante recalcar que siempre rige un modelo de seguridad compartido, es decir, proveedor y empresa son responsables de diferentes aspectos de la seguridad. En cuanto al potencial mal uso por parte de empleados, es clave realizar acciones de concientización internas, haciendo hincapié en aquellos aspectos más críticos y que pueden impactarles a ellos o a la empresa”, subraya Óscar Quero.
Otros desafíos giran en torno a la calidad de datos en Big Data, los cuales para Sara Fontdecaba están atados a los parámetros del Big Data: volumen, velocidad y veracidad, tres atributos que pueden afectar de formas diferentes a cada una de las empresas y a cada uno de sus proyectos con un papel importante en el mundo tecnológico actual.
Por lo anterior, cree que se debe asegurar que la velocidad de los datos sea muy superior a la capacidad de procesamiento de los mismos pues, en caso contrario, puede que al momento de estudiar los datos estos ya sean obsoletos, en tanto que el volumen radica en almacenar, organizar y analizar estos datos de manera efectiva para obtener información valiosa que impulse la toma de decisiones estratégicas. Aquí afirma que es crucial implementar soluciones y herramientas adecuadas que permitan la gestión eficiente de estos volúmenes de datos.
“La veracidad cuyo atributo es más profundo, está relacionada con la calidad de los datos y la capacidad de generar un valor útil siempre que haya un propósito final y esto lleva a las empresas a plantear si el beneficio de la calidad es superior al costo de la mejora. En caso que los datos posean sesgo, falta de consistencia y variedad o que sean datos no representativos, estos no serán totalmente útiles para la finalidad empresarial que han sido recolectados. Garbage in, garbage out es probablemente la primera lección que cualquier experto en Big Data aprende para su futuro analítico”, concluye la profesora del Máster en Big Data de EAE Business School.
MÁS CONTENIDO. Un proyecto de Contenidos Editoriales Especiales de EL TIEMPO y PORTAFOLIO, con el auspicio de EAE Business School.
