Professional Documents
Culture Documents
Resumen
El ensayo presenta una investigación sobre Big Data y la importancia del análisis de
datos como parte fundamental y estratégica para obtener el éxito cuando se habla de
Big Data, no solo se habla de almacenamiento de datos, sino generar información y
obtener conocimiento para poder potenciar el negocio en las empresas. Contar con un
científico de datos es importante, ya que es la persona que analiza los datos haciendo
uso de sus conocimientos en matemáticas, estadística, tecnología, área a la que esta
enfocada la empresa para así potenciar a la empresa y obtener estrategias de
negocio, se debe contar con información depurada para lograr obtener un análisis
eficiente.
El crecimiento acelerado y la producción de datos día a día, los datos generados
pueden ser estructurados y semiestructurados, la limitación de las herramientas
tradicionales han dado lugar al aparecimiento de Big Data, siendo este para las
empresas un desafío tecnológico ya que pueden tener dificultades para analizarlos,
capturarlos y explotarlos, los cuales brindarán importantes recompensas a las
empresas.
Introduccion
El Big Data y la analítica de datos es algo que hoy en dia esta muy de moda,
pero también es algo que no surgió hace un par de dias. En 1930 ya se llevaba
a cabo las primeras tareas de análisis de datos, aunque no con el volumen como
el que ahora se mueve.
La predictibilidad de la analítica, desde el siglo XX ha cambiado mucho, tanto asi
que era usada en la II Guerra Mundial para descifrar mensajes. “La analítica
predictiva se está convirtiendo en la tecnología del siglo XXI”, comenta Andrew
Jennings, director de analítica de Fico Labs. “Se puede mirar hacia atrás y ver
su importancia en el pasado, pero hemos llegado a un punto en el que el Big
Data, el cloud computing y la tecnología de analítica está llevándonos a una
innovación masiva y disrupción en el mercado”.
Según los resultados de Fico Labs, todos los dias se crean 2,5 trillones de bytes
relacionados con big data, esto explicaría claramente que la venta de soluciones
de analítica haya pasado de facturar 11.000 millones de dólares en 2000 a
35.000 millones de dólares en 2012 y ademas, el número de puestos de trabajo
relacionados con estas soluciones haya crecido un 15.000% entre 2011 y 2012.
Las características de Big Datas hacen referencia a las tres “Vs” (3Vs): Volumen,
variedad y velocidad, sin embargo existen algunas empresas que han
incursionado en big data han ampliado la definición original, incorporando dos
características nuevas: valor del dato y veracidad, por lo tanto se puede
consideran cinco “Vs” (5Vs).
Volumen
Cuando se habla de Big Data se consideran grandes volúmenes de datos,
refiriéndose a Terabytes o Petabytes que superan a la gestión de estos datos en
sistemas tradicionales, es por esto que el avance tecnológico ha dado el
surgimiento al aparecimiento de big data que permite manejar los enorme
cantidades de datos y gestionarlos.
Variedad
Esta característica se refiere a incluir varias fuentes de datos de diferentes a las
que se manejan en el sistema tradicional, pudiendo ser obtenida de redes
sociales, de dispositivos electrónicos que se encuentran conectados y cada vez
en un número mayor, sensores que permiten conocer movimientos y hábitos
cotidianos, es decir, diversas fuentes externas que obtienen datos.
Es importante recalcar que los datos que puede manejar big data pueden ser
estructurados y semiestructurados. La gestión de la información desestructura,
precisa el uso de tecnologías que permitan tomar decisiones basadas en
información obtenida con gran exactitud, los algoritmos para el tratamiento de
los datos utilizan lógica difusa.
Velocidad
Esta característica se basa en la rapidez con la que se reciben los datos,
procesan y se toma decisiones en función de estos. En la mayoría de sistemas
tradicionales es imposible analizar los grandes volúmenes de datos de forma
inmediata los en el momento de receptarlos, pero big data este concepto es
imprescindible por ejemplo en sistemas de detención de fraude o realizar ofertas
personalizadas de clientes, entre otros.
Veracidad
Esta característica no hay que dejarla de lado, es la confianza de los datos,
extrayendo los datos de calidad y eliminado la imprevisibilidad de algunos, por
ejemplo en el tiempo, economía, etc. De esta forma se puede llegar a obtener la
información precisa para tomar decisiones correctas.
Valor del Dato
Esta característica se refiere a la importancia del dato en el negocio, se debe
tener en claro que datos se van analizar, apareciendo el científico de datos (data
scientists) un profesional con perfil científico, tecnológico y con visión del
negocio, el cual será el encargado de analizar los datos y prestando servicio
tanto a los clientes como a los ejecutivos para la toma de decisiones. Esta
profesión es una del futuro, en pocos años aumentará el requerimiento de estos
profesionales para el análisis de datos. Es de vital importancia formar a gente
con este perfil de innovación en las tendencias actuales.
Big data proveerá en el futuro de negocio que producirá grandes cantidades de
dinero, es necesario contar con científicos de datos (data scientists) que son
especialistas en analizar y correlacionar big data para así obtener ventajas
competitivas en las compañías; Amazon, Facebook, LinkedIn, Google, Youtube
constantemente se busca como usar la enorme cantidad de datos que se
producen a diario, para aprovechar las oportunidades de negocio basado en el
análisis de los datos y las oportunidades de mercado. Los científicos de datos no
solo están centrados en el análisis de datos, sino también en las necesidades de
usuarios y ayudar los ejecutivos hacer nuevos productos.
Existen varios modelos de análisis de datos, orientados al análisis de datos de
miles de datos y actualmente se habla de millones de datos aún falta por obtener
nuevos modelos análisis aplicables para hoy en día.
Se necesita formar emprendedores para estas nuevas tendencias hay que salir
del estado de trance en el que de cada profesional se dedica a lo que sabe, se
quedan en una área de confort sin el objetivo del querer cambiar las cosas,
involucrándose en nuevos retos y proyectos.
Hay varios retos que resolver y uno de esos son el almacenamiento, discos de
estado sólido como se está usando actualmente, procesamiento de datos,
administración de información a través de bases NoSQL.
En este ensayo se va a realizar algunas revisiones orientadas al análisis
predictivos usadas en big data, la importancia de big data es obtener información
de los datos que se almacenan con el objetivo de producir la información para la
toma de decisiones, por lo que es imprescindible contar con un científico de datos
en la empresa para lograr los objetivos fijados proyectándose sobre el resto de
empresas, siendo efectivas y productivas.
Modelo Predictivo
Modelo Descriptivo
Los modelos descriptivos especifican los vínculos que se dan en los datos para
poder diferenciar y separar a las personas en grupos según su comportamiento.
Los modelos descriptivos determinan los diferentes vínculos entre personas o
productos. Aunque los modelos descriptivos no clasifican a los clientes según su
probabilidad de tomar una acción en particular. Los modelos descriptivos
normalmente son usados “offline” un ejemplo de esto seria el clasificar a los
clientes por sus preferencias de los productos según su etapa de vida.
Modelo de Decisión
Los modelos de decisión explican las diferentes relaciones entre todos los
elementos de una decisión, los datos que se conocen, la decisión y el plan de
variables y valores que determina la decisión, con el fin de revelar los resultados
de las decisiones de muchas variables. Estos modelos pueden ser utilizados en
optimización.
Para adoptar correctamente la filosofía Big Data en una empresa hay que tener en
cuenta que no sólo es una cuestión solamente tecnológica, la empresa requiere tener
una visión lo suficientemente transparente de los beneficios que le genera el basar el
negocio en data, el valor del conocimiento que se extraerá, englobando los datos
internos como los externos.
Es muy importante el poder contar con gente profesional en este campo que cuenten
con conocimientos que les permitan traspasar esa barrera entre los factores técnicos y
los de negocio, por lo que da cabida nuevamente y recobra importancia el sentido de
la posición del científico de datos.
Sean Owen de Cloudera define al científico de datos como “una persona que entiende
la estadística mejor que un ingeniero software y es mejor en ingeniería software que
cualquier estadístico”. A parte de estas herramientas que sin duda son indispensables
se debe agregar la experiencia del negocio y capacidad para proyectar las preguntas
convenientes.
Las opiniones son diversas y no coincidentes, pero la mejor forma de comenzar a
“realizar Big Data” es un paso a la vez, tomando el tiempo necesario e incluyendo
proyectos cuyos objetivos deben ser enfocados. Los candidatos indicados para probar
con esta tecnología son los procesos que tienen un cuello de botella, existen
diferentes situaciones que surgen de la necesidad de innovar, a través del vinculo de
data externa o también el diseño de los productos basados en la data.
Se puede citar un buen ejemplo como es la iniciativa de Big Data desde el Centro de
Innovación BBVA que proporciona información agregada sobre transacciones de
tarjetas de crédito.
La fuente más importante de donde extraer los datos es la obtenida en las redes
sociales, los datos están marcados por la heterogeneidad que ofrece, es una de las
fuentes de datos que plantea varios retos.
Fuente: http://www.breva.biz/big-data-y-analisis-de-la-informacion/
Data y la nube
Hoy en dia, por el gran desequilibrio de talento y la recesion global, las organizaciones
se están concentrando en intercambiar los sistemas convencionales de RRHH por el
razonamiento de la analítica aplicada al talento. Como se muestra en la siguiente
figura, las las evoluciones se empieza por conocimiento básico e informes y crece
hacia el análisis predictivo y precisamente esto es lo que esta ocurriendo en RRHH.
Fuente: http://www.peopletreespain.com/big-data-en-rr-hh-porque-esta-aqui-y-lo-que-significa-i/
El uso de Big Data en RRHH es una estrategia que puede ayudar o facilitar a
contestar las preguntas mas comunes que surgen los departamentos de RRHH,
como: Cuál es el mejor candidato para ocupar la vacante?, Cuáles factores son
los que determinan la rotación de empleados?, Cuáles son los empleados con el
mejor desempeño?, Qué empleados tienen mayor potencial? Y Qué factores se
repiten en nuestro perfil ideal de empleado?
Un muy buen ejemplo del uso de Big Data en recursos humanos para citar es el
de Josh Besin, consultor y especialista en RRHH de Forbes, para una
organización financiera estadounidense, que mediante el uso de Big Data y
análisis estadístico se estudiaron los datos de ventas y rotación de vendedores
donde se incluyo con el desempeño total de la compañía, variables de factores
demográficos y tasas de retención anuales para asi poder identificar a sus
empleados con mejor desempeño y hacer una selección de los mejores
aspirantes para asi mejorar sus indicadores de productividad y poder fortalecer
su departamento comercial.
Con los resultados obtenidos se creo un nuevo sistema en la política de RRHH
y con su empleo se aumento el ingreso de la organisacion en 4 millones de
solares anuales. Con este ejemplo podemos decir que en la mayor parte de las
empresas de contratación, la promoción, las decisiones de gestión y las
recompensas se siguen basando en la experiencia personal, el instituto y los
sistemas de creencias corporativas.
Las organizaciones tienen acceso a millones de datos de todo tipo sobre sus
propios empleados ya sean de rotación laboral, formación, demográficos, historia
académica, índice de rendimiento, etc. Y muchas empresas no la toman en
cuenta o no le dan la importancia necesaria en la toma de decisiones ya sea para
fortalecer la productividad, gestión y competencia.
Consideraciones
Conclusiones
Citas
[1] McKinsey Global Insitute (MGI), “Definición Big Data”, Junio de 2011
[2] GARTNER – IT GLOSSARY “Defición Big Data” https://www.gartner.com/it-
glossary/big-data/.
Bibliografia