Big Data y Transformación Digital
Las empresas recopilan y almacenan grandes cantidades de datos, pero a menudo analizan solo una pequeña parte de ellos. Descubrieron que los datos son la nueva moneda porque hay mucho valor oculto en los datos. Están aprovechando la ciencia de datos y las herramientas de análisis de big data para extraer valor de sus "tesoros de datos". Esto les ayuda con su transformación digital. Algunas organizaciones han logrado un gran éxito en este sentido y continúan innovando, ganando participación de mercado y agregando valor (como Amazon, Google, Facebook, etc.), mientras que otras empresas se esfuerzan por seguir su ejemplo.
Big data y análisis comenzaron a atraer la atención en mayo de 2011, cuando el McKinsey Global Institute publicó un artículo fundamental titulado "Big Data: The Next Frontier for Innovation, Competition, and Productivity". La moda del big data y el análisis alcanzó su punto máximo en junio de 2016, según Google Trends Analysis (que aumenta el interés de búsqueda en palabras clave). La computación en la nube continúa recibiendo gran atención a medida que más y más empresas continúan implementando tecnología de computación en la nube para aumentar la agilidad empresarial, la elasticidad operativa, un mejor rendimiento y una mayor eficiencia.
La transformación digital necesita trabajar a nivel organizacional y se convertirá en una forma permanente de operar.
Uno podría preguntarse cómo serán los big data y el análisis una vez que alcancen su punto máximo. Mientras las encuestas de clientes publicadas, los intereses de los proveedores, los informes de los analistas, las fuentes de ingresos y otra información tengan valor, las empresas utilizarán big data y análisis para obtenerlo. Un informe de encuesta de 2016 de la firma de investigación Gartner mostró que la inversión corporativa en big data y análisis ha ido creciendo en los últimos cinco años, pero el interés en inversiones futuras parece haber disminuido. Esto puede deberse a una pausa en la obtención de rendimientos reales de estas inversiones. Otro informe de encuesta de Gartner muestra que sólo unos 12 proyectos de big data han logrado resultados mensurables. Sin embargo, las redes sociales, el Internet de las cosas (IoT), los teléfonos inteligentes, los dispositivos móviles, los equipos de juego, los dispositivos portátiles, los sensores, los drones, los monitores remotos, la medicina de precisión, la agricultura de precisión, las ciudades inteligentes, los edificios inteligentes, los vehículos autónomos, tecnologías como las controladas de forma remota Los vehículos generarán grandes cantidades de datos que deberán recopilarse, agregarse y analizarse para tomar decisiones útiles y valiosas.
Es imposible analizar datos manualmente utilizando métodos y sistemas tradicionales. El valor potencial del big data y el análisis alcanza miles de millones de dólares al año. Esto se considera una estimación conservadora. Porque el informe de la encuesta de 2011 realizado por McKinsey & Company sólo representa una pequeña parte del valor potencial del big data. Sólo los datos basados en la ubicación tienen una alta tasa de adopción y captura de valor de 50-60, seguidos por el comercio minorista de EE. UU. con 30-40, la industria manufacturera con 20-30, la atención médica de EE. UU. con 10-20 y las autoridades públicas de la UE con 10-20. 10-20. Como resultado, el interés y la inversión en big data y análisis aumentarán en casi todas las industrias para capturar el valor oculto en big data. Se espera que el interés empresarial por los big data en la computación en la nube continúe en los próximos años.
Seguridad de los datos
A medida que se recopilan, agregan, analizan y utilizan cada vez más datos para tomar decisiones que afectan la vida de las personas, la seguridad de los datos se ha convertido en el tema más importante para las personas. La gobernanza de datos debe ser una etapa central que maneje los picos de datos recopilados de diferentes fuentes y gestione los riesgos involucrados en estos elementos de datos. Las agencias gubernamentales federales, estatales, municipales y locales de EE. UU. y otras organizaciones de servicios públicos sin fines de lucro deben cumplir con estrictas reglas de Confidencialidad, Integridad y Disponibilidad (CIA) y brindar buena gobernanza, cumplir con los requisitos de cumplimiento y Gestión de Riesgos (GCR). .
Un error común es pensar que las organizaciones necesitan grandes cantidades de datos estructurados y no estructurados recopilados de diferentes fuentes, incluidas fuentes externas (que requieren validación y evaluación de riesgos) para comenzar el análisis. Las empresas no necesitan grandes cantidades de datos para iniciar un proyecto de análisis. Puede comenzar con los "datos estándar de oro" existentes y considerar la posibilidad de utilizar estos datos solos o junto con otros conjuntos de datos internos para resolver problemas comerciales como prueba de concepto para la compra para los tomadores de decisiones.
Las empresas pueden intentar analizar diferentes variables que no han analizado antes para identificar correlaciones, causalidades y predictores, descubrir discretamente y evitar superposiciones. Aquí es donde entran en juego el conocimiento y la experiencia en el dominio de la industria. Con potencia informática, almacenamiento y capacidad de red disponibles y asequibles, las empresas pueden analizar fácilmente más datos para ver los patrones y probabilidades ocultos en los datos. Según las necesidades comerciales, los análisis se pueden utilizar con fines descriptivos, de diagnóstico, predictivos y prescriptivos. IoT, sensores, tecnología operativa, mantenimiento de equipos, medicina de precisión, redes eléctricas, envíos, logística, aplicación de la ley y agricultura de precisión aprovechan cada vez más los diferentes tipos de análisis mencionados anteriormente para abordar uno o más problemas comerciales o para ofrecer la solución necesaria.
La necesidad de big data
Big data significa cosas diferentes para diferentes personas. Diferentes analistas de TI, líderes empresariales, consultores, investigadores académicos y organizaciones de estándares han definido el big data según sus puntos de vista, que incluyen factores como volumen, velocidad, variedad, precisión, complejidad, etc. Aunque no existe una comprensión clara de los big data, sus capacidades existentes en términos de personas, procesos y tecnología son demasiado grandes para manejarlas. Cuando se trata de big data y análisis, las personas son la parte más difícil. Existen problemas como la inercia organizacional, la falta de aceptación por parte de los tomadores de decisiones y la dificultad para encontrar científicos de datos que comprendan adecuadamente los datos y el dominio comercial que se analiza. Asimismo, hay escasez de analistas de big data. Muchas universidades u organismos de acreditación de todo el mundo ofrecen nuevos cursos en ciencia y análisis de datos para satisfacer la creciente demanda.
Dado que el campo del big data es una industria emergente y es difícil encontrar expertos adecuados, las grandes organizaciones financieras como transacciones financieras, bancos, agencias de calificación crediticia y compañías de tarjetas de crédito. Además, gigantes de la industria como Google, Facebook, LinkedIn, Yahoo, Microsoft y Amazon también están ansiosos por talentos porque les brindan salarios generosos, opciones sobre acciones y mejores perspectivas de desarrollo. Los gobiernos federal, estatal, municipal y local de Estados Unidos, así como las organizaciones sin fines de lucro, están en desventaja cuando se trata de competir por el mismo talento. Sin embargo, algunas organizaciones gubernamentales con visión de futuro han reclutado con éxito a excelentes científicos de big data.
Superar el desafío de la escasez de talento
Para superar el desafío de la escasez de científicos de datos, muchas empresas están creando un equipo de ciencia de datos que incluye personas con conocimiento y experiencia en análisis de big data, y expertos de la industria como TI y áreas de negocios. Juntos pueden complementar la experiencia de los demás, colaborar y encontrar soluciones a los problemas comerciales. Una característica importante de un equipo exitoso de análisis de big data es la capacidad de contar historias en términos comerciales e implementar visualizaciones de datos que requieren una explicación mínima. Esta es una habilidad muy específica que requiere habilidades de ventas para cerrar tratos. Estas capacidades ayudan a desarrollar la credibilidad de un equipo de ciencia de datos o de un equipo de análisis y big data para lograr la aceptación de la alta gerencia y escalar el análisis de un área comercial a otra y, en última instancia, a toda la organización o empresa. Estas personas son los "traductores" que toman los resultados del análisis de datos y los expresan en términos comerciales para que la empresa pueda comprenderlos y adaptarse. La transformación digital debe funcionar a nivel organizacional y convertirse en una forma permanente de operar. Big data y análisis son una parte integral de la transformación digital de empresas públicas o privadas. Como resultado, muchas organizaciones se han embarcado en un viaje de transformación digital para desbloquear el valor oculto en el big data a través del análisis. Más organizaciones seguirán este ejemplo en el futuro.