Índice

0. Introducción 3

1. Big Data drivers 4

2. Tipos de implementación de Big Data 7

3. Big Data Governance 11

4. Tres ventajas de implementar Analytics 13

5. Privacidad y Big Data 15

6. Modelos de deployment 17

7. Cloud y Big Data 18

8. El internet de las cosas 19

9. Data Science, ¿el nuevo superman? 20

10. Las 4 reglas de Big Analytics 21

11. Amplicación 22
0. Introducción
¿Qué tienen en común Facebook, Amazon y la • Cómo Big Analytics puede mejorar un
CIA? ¿Es cierto que el tamaño sí que importa? negocio y su rentabilidad desde el primer
¿Pueden encontrarse científicos con un marca- minuto.
do perfil artístico? ¿Existe la privacidad en la
• Quiénes son los profesionales más
era 3.0?
buscados en el mercado de trabajo actual.
Todas las respuestas convergen en un úni- • Cómo puede implementarse Big Data en
co concepto, Big Data, capaz de resolver los una organización.
problemas más complejos aportando valor
• Cuáles son las reglas de oro del
mientras que al mismo tiempo, desde el aho-
procesamiento de la información de última
rro, crea rentabilidad.
generación.
Pero lo primero de todo es ver a grandes ras- • Ejemplos reales donde el uso del Big Data
gos qué es esto de lo que tanto oímos y leemos ha dado resultados sorprendentes.
por todas partes. Big Data como ya nos pode-
• Hablaremos sobre la nueva ley de
mos hacer una idea si traducimos el término a
protección de datos
nuestro idioma, tiene que ver con un gran vo-
lumen de datos, pero no se trata solo de alma- • Cuales son los sectores que más se están
cenar datos así como así (las millones de fotos beneficiando del Big Data
que tenemos en nuestro PC no tienen que ver
• Cómo el buen uso de los datos ha ayudado
con el Big Data), sino que esa información que
a multitud de empresas
hemos ido recopilando tenemos que analizar-
la y obtener resultados para poder tomar las • Cuál es la clave para triunfar realmente
mejores decisiones. Y para procesar y analizar con el Big Data
esa gran cantidad de datos es necesario hacer
uso de una tecnología específica. Y de todo esto, del arte, o el arte de magia,
del Data Science al Internet de las Cosas; del
En esta guía trataremos de desgranar los tópi- cloud al Big Analytics… todo lo que rodea a
cos, los datos más curiosos y las anécdotas más Big Data quedará expuesto en forma de datos
interesantes alrededor del mundo de Big Data. que reflejan solamente la punta del iceberg
Sin embargo, nuestro objetivo tiene más que ver de la revolución que supone el tener acceso a
con el lado práctico y, por eso, nos esforzaremos tal volumen de información y, al mismo tiem-
en que se conozca mejor, entre otras cosas: po, con capacidad y medios para descifrarla,
interpretarla y encontrar todas las correlacio-
• En qué consiste el Data Governance. nes que desvelan el contenido que encierra
en su capa más profunda.

3
1. Big Data drivers
Al mismo tiempo que se van incrementando
la variedad y complejidad de los datos a que
tenemos acceso diariamente, casi sin darnos
cuenta en muchas ocasiones; Big Data se per-
fila como la única opción para quienes quie-
ren aprovechar esta ventaja competitiva que
nos brinda la tecnología para explotar su po-
tencial, innovando en su negocio como nunca
antes lo habían podido hacer. Pero ¿qué nos
ha llevado hasta aquí?
4
Los drivers de Big Data
Todo el mundo habla de Big Data y, lo cierto es
que no siempre se comprende muy bien qué
es o qué nos ha impulsado hasta este punto.
Parece obra de la magia y, sin lugar a dudas,
agrupa todo lo que se considera innovador.
En eso estamos todos de acuerdo. También
se sabe que, relacionado con el mundo de los
negocios se presenta como una forma muy
interesante de hacer dinero y aumentar la tario negativo. Deben recoger estos datos,
rentabilidad de muchas empresas. ser conscientes de cuánto puede afectarles,
ya no sólo en cuanto a las ventas de un pro-
Sin embargo, existen tres motivos que, al ducto, sino como marca; y tienen que conse-
conjugarse, derivan en esta revolucionaria guir volver las tornas y transformarlo en una
manera de entender, procesar y gestionar la ventaja, explotando esta posibilidad que les
información. Los drivers de Big Data tienen brinda Big Data.
mucho que ver con:
En esta información se encierra un gran valor
* Consumidores cada vez más sofistica- que, además se puede recoger sin límites gra-
dos: la tecnología ha contribuido a la efectiva cias a Big Data, porque hay que recordar que
globalización de las opiniones. Ya no hay límites en la mayoría de los casos se trata de texto
de tiempo, de idioma ni geográficos. Es cierto libre, que requiere análisis de sentimiento y,
que cada vez hay más productos a que el con- para ello, el uso de una tecnología muy precisa.
sumidor tiene acceso pero, también es verdad Y no pensemos que dato solo es igual a texto,
que, un 73% en mercados maduros y un 85% ¡ni mucho menos!, los datos están en cualquier
en emergentes no compran si un conocido ha lugar y formato: texto, audio, vídeo, imágenes…
tenido una mala experiencia, algo que demues- por eso es fundamental que en nuestra empre-
tra la importancia del “social media”. sa usemos una herramienta big data capaz de
extraer información de cualquier parte.
• Exigen más información.
* Automatización. Aquí es donde entra en
• Son más desconfiados. juego otro de los factores que conducen a Big
Data, la automatización, que es la capacidad
• Basan sus criterios de decisión en la de algunos procesos de cuantificar algo que
información que encuentran en el social no es tan sencillo de ponderar y donde, el ma-
media. yor cambio, es la disposición para modificar la
experiencia del cliente mediante políticas de
• En todas estas afirmaciones se basa el software, procedimientos y personalización de
éxito de Trip Advisor, un gran ejemplo sistemas self-service mucho más amigables.
de cómo entender la mentalidad de un
consumidor sofisticado y del impacto que • Escalabilidad. Se cuenta con capacidad
las opiniones tienen en las ventas y en las para almacenar un increíble volumen de
probabilidades de ganar o perder clientes. datos, y se necesita porque ya no se puede
hacer manualmente. Algo que recuerda,
Por todo ello, las empresas no pueden permi- por ejemplo a lo sucedido en los inicios de
tirse no conocer esta información. No pueden Google y Yahoo, donde mientras que el
ignorar la repercusión de un simple comen- primero recogía las peticiones de búsqueda

5
 y las gestionaba de forma automática,
el segundo lo hacía de forma manual.
Fue Google quien obtuvo el algoritmo,
automatizando, y por eso sus resultados
fueron tan buenos y su penetración tan
rápida.
• Granularidad. Se puede procesar toda
la información recibida. Por ejemplo,
almacenar todos los tweets y analizar cada
uno de manera automática usando un
diccionario para saber qué percepción se
tiene de la empresa en la red y obtener así
un porcentaje.
• Valor. Automatizando se puede obtener
valor, porque si no se puede procesar
la información de que se dispone, su
recolección y almacenamiento carecen de
sentido, les falta el análisis.
6
* Monetization. Big Data habilita un gran mer-
cado donde los datos se reúnen, intercambian
y se venden a otros clientes. La información se
ha vuelto una alternativa que permite obtener
rentabilidad. Es decir, que además del beneficio
que supone para la organización el poder acce-
der a tanta información se puede ganar dine-
ro con ello, si se sabe cómo y se tienen buenas
ideas (data science), ya que estos datos pueden
venderse a otras compañías. Ejemplo de ello se-
rían las empresas de telecomunicaciones, como
Telefónica que, gracias a los datos de cada
usuario que almacenan al perfeccionar cada
contrato, relacionados con su posición geográ-
fica, que consiguen saber por la conexión a las
distintas antenas; pueden elaborar un mapa
humano estructurado por edades y sexos, muy
útil a la hora de establecer un negocio en una
zona u otra de la misma ciudad.
2. Tipos de implementación de Big Data
¿Cómo se puede hacer una implementación de En cualquier caso, sí que puede hablarse de
Big Data? No existe una única respuesta a esta que, generalmente, las empresas, atendiendo a
cuestión porque ello dependerá de: su configuración y dependiendo de los factores
precitados se agrupan atendiendo a tres mode-
• La madurez del business intelligence de la los diferentes de implementación de Big Data:
empresa.
• Revolucionario
• La infraestructura de que la organización
disponga para la implementación. • Evolutivo
• Su nivel de conocimiento del nuevo • Híbrido
entorno, su expertise (data science).
• Su planteamiento, más innovador
o más tradicional, que condicionará
inequívocamente su elección.

7
La implementación revolucionaria de
Big Data
Quienes optan por esta forma de implementar
Big Data han decidido romper con todo y em-
pezar de cero. Es obvio que todas las empresas
ya están funcionando, han generado datos y los
han ido guardando y procesando a su mane-
ra. Hasta su primer contacto con Big Data han
tomado decisiones en función de datos, pero
siempre con un alto componente de incerti-
dumbre y una proporción de hechos que hoy
día puede parecer arriesgadamente ridícula.
Esta implementación les pone en el camino de
las mejores decisiones porque les confiere la
capacidad para hacerlo, no sólo en lo relativo
a volumen sino también en cuanto a poder de
análisis. Aunque puede sonar a magia, dar este
paso de gigante, cualitativamente hablando,
requiere nada más y nada menos que de mo-
ver todos los datos de que se dispone al nuevo
7 Big world, Big Data entorno. Y junto con ellos,
los informes, el modelado y la integración con
los procesos de negocio.
El pasado queda atrás y desde el primer mo-
mento todo comenzará de cero en esta nueva
plataforma, por eso decimos que es una imple-
mentación revolucionaria ya que va a cambiar
drásticamente la manera de trabajar que se te-
nía hasta ahora.
Hay 3 tres tecnologías que permiten llevarlo
a cabo: hadoop, las bases de datos paralelas
y las bases de datos in memory, para análisis
en tiempo real. Mediante su táctica de “divide y
vencerás” permiten trabajar con volúmenes in-
mensos de información en poco tiempo y a bajo
coste y que se complementan con la posibilidad
de moverlo todo al cloud.
8
* Ventajas de este tipo de implementa-
ción:
• Agilidad del procesamiento de la
información: ya que cada porción se
procesa de forma mucho más rápida y lo
que antes se procesaba en 6 horas, ahora
se hace en minutos.
• Optimización de los recursos que implica
una notable reducción de costes en
comparación a otros métodos.
• Flexibilidad de uso gracias al sistema de
nodos: que permite además poder calcular
lo que se va a gastar y pagar sólo por lo
que se usa.
* Inconvenientes:
• Altos costos en lo referente a habilidades
del personal, a lo que se sumaría la
dificultad de encontrar en el mercado
candidatos con este perfil, que conozcan
y sepan manejarnadecuadamente esta
tecnología, sacándole todo el partido,
aunque de un tiempo a esta parte con el
boom del big data cada vez son más los
profesionales formados en este sector.
• Quizás también puede suponer un mayor
tiempo de adaptación hasta que se pone
en marcha que otros sistemas, ya que se
trata de un método totalmente nuevo.
Implementación de Big Data: el método
evolutivo
El método evolutivo es otra forma de acceder a
este mundo que suele elegirse por empresas,
quizás no tan pioneras, pero que ya contaban
con un BI (Business Intelligence) bastante ma-
* Inconvenientes:
duro. Hablamos de organizaciones que dispo-
nen de su warehouse, su herramienta de visua-
• La velocidad de extremo a extremo siempre
lización y reporting y que llevan años analizando
estará limitada por el entorno actual de BI
datos, a la manera antigua pero con madurez.
(que es mucho más lento).
Decantarse por el método evolutivo de imple-
• El nivel de percepción no es tan amplio,
mentación de Big Data supone que, mantenien-
ya que fallaría la granularidad por el BI
do estructura actual, simplemente se suman
existente.
los datos que no tenían cabida en el sistema
para pre-procesarlos desde la plataforma de
• Esta solución no es definitiva, porque
Big Data. De esta forma, el sistema actual los
llegará un momento en que el BI no
puede ver y así se logran análisis, que siguen
tenga capacidad para hacer frente a
siendo del mismo tipo o parecidos, pero que
los requerimientos informativos de la
ahora incorporan más datos.
organización y se tenga que optar por
hacer el traslado completo de los datos al
La ventaja que tiene esta opción es que su um-
exterior de la empresa.
bral de entrada tiene un costo menor, ya que
las empresas todavía pueden seguir emplean-
La alternativa híbrida a la implantación
do su herramienta, aunque de la extracción de
de Big Data
datos y su estructuración se encargue Big Data.
En concreto, Big Data se convierte en una en-
Este sistema alterna el uso de una y otra tecno-
trada a la plataforma de BI existente. Los datos
logía en función del objetivo perseguido. Para
se acumulan y analizan, y los resultados se en-
determinado tipo de información, de análisis o
vían al data warehouse.
de usuario se seguiría usando la BI existente,
mientras que para análisis mucho más refina-
* Ventajas de este sistema:
dos, como los de tipo predictivo, simulaciones,
etc. se usaría Big Data. Para lograrlo, bastaría
• Rendimiento. Los modelos ahora se nutren
con establecer un par de puntos de integración,
con muchos más datos y más diversificados.
consiguiendo que los datos del data warehouse
se almacenen en el motor de análisis, lo que se-
• Volumen. Se multiplica el volumen de
ría visto por el éste como un DataMart (subcon-
información que se obtiene, gracias a
junto de datos).
Big Data y ya sabemos que cuantos más
datos, mejores resultados obtendremos En esta opción Big Data no sólo es un anexo al
para tomar la decisión más óptima para BI tradicional que permite ahora ver datos que
nuestro negocio. antes no podía, sino que además es una plata-
forma que sirve para hacer análisis avanzado
• Ahorro. Tanto en tiempo de implantación, mezclando datos del tradicional que siguen allí,
como en costes, ya que se mantiene el con los nuevos como por ejemplo Redes Socia-
BIexistente. les o los datos NO-Estructurados que los BI de
antes no contemplaban a la hora de trabajar.

9
* Ventajas: * Inconvenientes:

• Precisión: los sistemas ahora se nutren • Resistencia: de las empresas menos evo-
con una información estructurada, cuan- lucionadas, tecnológicamente hablando,
do antes sólo podían acceder a datos no a la implantación de un modelo de este
estructurados. tipo.

• Big Analytics. O lo que es lo mismo, po- • Dificultad: de quienes están

sibilidad de hacer un análisis predictivo,
creando un modelo estadístico con todos
los datos e identificando las relaciones
causales y las correlaciones; apoyándonos
también en herramientas avanzadas de
visualización.
acostumbrados a limitarse a un tipo
de análisis simplemente descriptivo,
a la hora de lanzarse a las nuevas
posibilidades.

• El internet de las cosas: que permite cono-

cer en tiempo real todo lo que está suce-
diendo en cualquier parte y en relación a
cualquier asunto.

• Rentabilidad. En definitiva, esta opción

permite ofrecer mejores servicios que,
claro está, también pueden cobrarse.

10
3. Big Data Governance
Nos importan los datos, nos interesa la informa- • Tener más claro el origen de la información.
ción pero ¿podemos controlarla? ¿Sabemos pro-
tegerla? ¿Estamos capacitados para determinar • Priorizar unas versiones sobre otras, unos
los límites de su uso? Con Big Data logramos ac- datos sobre otros.
ceder a ella de una forma totalmente novedosa
y en cierto modo, abrumadora pero de nada nos • Determinar qué información es necesaria
serviría sin un gobierno. Big Data Governance es acumular y cuál no.
el gobierno de la información y, con Big Data, su
papel se vuelve aún más decisivo debido a: * Veracidad de la información: hay que
encontrar la manera de homogeneizar los da-
* Vista única de cliente: ¿Cómo combina- tos obtenidos para que puedan ser usados con
mos estos datos recién adquiridos del cliente confianza. Aquí, Data Governance se ocupa de
con todo lo que hemos ido acumulando a crear gestionar los diferentes niveles de calidad de
un mundo más amplio la comprensión del los datos, ya que cada uno de ellos proviene de
cliente? Datos antiguos, recién adquiridos, todo una variedad que podría denominarse “parcial“
cuenta, pero no todo cuenta igual. Aquí es don- y por eso interviene para:
de interviene Big Data Governance que ayuda
a usar mucha más información de cada cliente • Establecer las reglas del juego e identificar
y a gestionarla de forma eficaz. Su función es cuáles son los objetivos.
de gran importancia puesto que ahora se tiene
acceso a los datos más completos sobre cómo • Velar por su correcta aplicación.
los clientes utilizan sus productos para sus co-
municaciones, contenidos y/o las necesidades • Estipular las métricas con las que evaluar
del comercio y por eso es necesario : los resultados.

11
• Definir los niveles de importancia que
ayudarán a estructurar la información.
• Trabajar para garantizar la fiabilidad del dato.
• ILM (Information lifecycle management): la
información es un flujo continuo que nunca
se agota y la importancia de la gestión es
crítica. El volumen de información a que se
tiene acceso hace que el ciclo de vida del
dato deba ser necesariamente controlado
con políticas específicas que indiquen
cuánto tiempo se prolongará su validez.
Esta gestión hace falta tanto cuando
se trabaja en entornos de real-time con
tiempos de respuesta muy cortos; como
cuando se habla de elevados volúmenes
de datos históricos y hay que decidir la
12
frecuencia de archivo de la información
usando infraestructuras más económicas
TIER-1, 2 o 3. Por eso es necesario que Data
Governance se encargue de:
• Administrar los datos.
• Establecer el ciclo de vida de cada dato.
• Descifrar el tiempo de interés de la
información y enunciar políticas de datos
acordes a él.
• Observar el cumplimiento de la legalidad
vigente.
• Auditar para comprobar que todo es
correcto.
4. Tres ventajas de implementar Analytics
Una de las ventajas de Big Data Analytics es que • En vez de necesitar agrupar la información,
puede coexistir con el BI tradicional, como ya ex-
plicamos en los modelos de implementación. Su
poder reside en la facultad que otorga a quien lo
disfruta de tener la posibilidad de trabajar con
grandes volúmenes de información y mayor pre-
cisión, algo que redunda en una toma de decisio-
nes impecable, por lo actualizado y profundo de
su enfoque.
Implementar Big Data Analytics es el futuro, sí,
pero ¿por qué esperar? todo tiende hacia un
perfeccionado control de la información que sólo
puede conseguirse mediante inmediatez, gran
capacidad y una tecnología que lo haga posible.
El tamaño de la empresa y su sector de actividad
son independientes de una decisión de este tipo,
que abre las puertas el negocio a una realidad
donde la información juega un papel fundamen-
tal, donde los datos se cuidan con celo y donde
la gestión proactiva de los mismos es ventaja
competitiva.
Los beneficios más importantes de Big
Data Analytics para la empresa
Las principales cualidades de Analytics son:
* Tiempo de acceso: se puede reducir la la-
tencia en un orden de magnitud que proporcio-
na acceso a los datos en minutos o segundos, en
lugar de horas o días y además permite trabajar
a un nivel de detalle muy superior.
• Comparado con el BI tradicional supone un
cambio radical.
como se hacía hasta ahora y para lo cual se
llevaban a cabo procesos donde se tomaba
una variable en común que se agrupaba
en tipos de movimientos; con Big Data
Analytics se puede trabajar con millones
de datos a la vez.
• El tiempo de procesamiento se reduce
exponencialmente.
• Se gana en perspectiva.
* Almacenamiento: se aumenta la capacidad
de almacenar los datos en un orden de magni-
tud, pasando de terabytes a petabytes.
• Se tiene acceso al detalle entero.
• Se gana en granularidad.
• Se logra una mejor comprensión de la
información y, por tanto, del entorno y de
la propia empresa.
* Bajo TCO (total cost of ownership): coste muy
inferior de adquisición y operación. La arquitec-
tura es típicamente construida en “commodity”
hardware y requiere un menor número de admi-
nistradores.
• Más fácil de conseguir y de acceder.
• Más sencillo de usar y de mantener.
• Significativamente más barato que
cualquier otra alternativa tecnológica que
esté preparada para trabajar a este nivel.
13
14
5. Privacidad y Big Data
La flexibilidad aplicada al mundo de la empresa lugar donde se ha innovado es en la visión de ne-
supone movilidad, implica agilidad y, por supues- gocio y la forma de rentabilizar la información, en
to, la información y su gestión entran en este jue- el modo de usarla, porque muchos de esos datos
go. Los datos hoy son el negocio de los negocios, ya existían antes de que la revolución de Big Data
la moneda de oro de la economía digital. Puede entrase de lleno en el mercado y la sociedad.
afirmarse que la información es el motor de la
economía del siglo XXI, una moneda de cambio Desde que los teléfonos móviles existen se han
que puede explotarse de muchas maneras y por tenido que conectar a una antena para funcio-
eso sólo queda plantearse si existen límites a nar y los datos de las conexiones siempre se
este uso. ¿Qué puesto ocupa la privacidad den- han quedado registrados. La única diferencia
tro de Big Data? es que ahora se tiene la capacidad de analizar
esa información, se cuenta la posibilidad de cru-
Negocio, ética, privacidad zarla y se juega con la opción de venderla para
empezar a ofrecer nuevos servicios. Tecnológi-
Ante este planteamiento, cuando se lanza la camente es posible, pero ¿es social y humana-
cuestión acerca de si todo vale en cuanto al co- mente deseable?
mercio de la información, surgen dos posiciones
opuestas que vendrían representadas por: Para responder a esta pregunta habría que co-
menzar planteándose si todo lo tecnológicamen-
• Quienes quieren flexibilizar ese uso para te posible es social y humanamente deseable.
poder ofrecer esos otros nuevos servicios, No podemos ser espectadores ingenuos y ciega-
como Telefónica, que vende datos mente maravillados por lo que nos dicen sobre el
anónimos para conocer qué perfil de gente Big Data y eso implica ser crítico con los servicios
pasa por un lugar determinado, de forma que se nos ofrecen.
que se pueda estudiar la viabilidad de abrir
un negocio en ese área. Los avances en cualquier campo han de ser eva-
luados, igual que ocurre en el ámbito de la me-
• Aquellos que exigen un debido tratamiento dicina, donde hay que apoyar el progreso, pero
de esa información y se cuestionan si también hay que saber frenar a tiempo para
realmente se puede sacar un negocio de evitar impulsar situaciones que atenten contra
todo esto. nuestros derechos o realidades deshumaniza-
das. Hay que cuestionar todo lo cuestionable
Las dudas acerca de la ética y la legalidad en el para evitar casos como el tristemente famoso de
uso de la información crecen cuando se habla de la CIA que ha saltado a los medios recientemen-
datos personales. Sin embargo, reflexionando, a te o el de IBM, que Edwin Black explica en su libro
veces se llega a la conclusión de que en el único “IBM y el holocausto”.

15
16
6. Modelos de deployment
Administrar datos nunca fue tan sencillo, ni tan
barato. Hoy día se puede escoger el modelo de de-
ployment que mejor encaja con las necesidades
de cualquier empresa y empezar a disfrutar de un
procesamiento de la información novedoso. Sin
embargo, es fácil adivinar que la tendencia en alza
es el cloud computing ya que es la opción más efi-
ciente y ágil, siendo además la única que hace po-
sible tener un control total del gasto y el consumo,
evitando además gastos extras en hardware.
• Modelo “Cloud”: la nube se está
Formas de implementar Big Data
Dependiendo del grado de almacenamiento y
procesamiento que se busque, de los recursos
con que se cuente y del perfil tecnológico del ne-
gocio, se implementará Big Data utilizando cual-
quiera de los siguientes modelos de deployment:
• Modelos “Tradicionales”: basan su
funcionamiento en un sistema central y
único en el centro de cómputo. Su principal
desventaja es el elevado coste que implica,
obligando a limitar el tamaño de datos que
gestionan. Se puede hacer Big Data con este
modelo, pero, de hecho, quienes optan por
él se encuentran con dificultades
a la hora de cargar datos, ya que
existen ciertas limitaciones que lo
causan, que son insalvables. Esta
alternativa es considerada parte
del pasado y, precisamente, esos
problemas a la hora de cargar datos
al sistema, apoyaron la transición
a ese nuevo mundo que son los
siguientes dos modelos.
procesamiento de la información por
sus capacidades de escalamiento y su
bajo TCO. Uno de sus puntos fuertes
es su sencillo manejo e instalación, ya
que todo está preparado y preinstalado,
listo para empezar a cargar datos.
Además sus capacidades de rendimiento
pueden aumentarse a petición, tan solo
incorporando nuevos nodos.
convirtiendo en una plataforma convincente
para administrar grandes volúmenes de
datos y se puede utilizar en un sistema
híbrido con entornos locales. En este caso
no es necesario adquirir el appliance, ya
que sólo hace falta tener acceso al servicio
de almacenamiento, con lo que se ahorra
espacio, costes de mantenimiento, de
actualización, etc. La desventaja de este
modelo es la fragmentación, algo que puede
hacer que muchas empresas se muestren
reacias. Sin embargo, su ventaja más
importante es la escalabilidad dinámica
que garantiza, algo imprescindible para
desarrollar el Big Data.

• Modelo “UAP” (Unified Analytic

Platform): fue la primera evolución
y da respuesta tanto al problema
de almacenamiento como el de

17
7. Cloud y Big Data
Cloud y Big Data parecen estar hechos el uno
para el otro. Esa relación recíproca que los vin-
cula es fuente de ventajas competitivas y sus
puntos fuertes son, en conjunto, mucho más • Pool de Recursos: el albergar las
trascendentes para el futuro del negocio incluso
que los que cada uno de estos elementos aporta
a la empresa por separado. Entre ellos destacan:
• Escalabilidad: la capacidad de pasar de
pequeñas a grandes cantidades de potencia
de cálculo con la misma arquitectura.
• Self-Service: el autoabastecimiento es
• Elasticidad: viene de la mano de la
escalabilidad y precisamente, como los
volúmenes son tan grandes es una gran
ventaja el poder escalar con tanta facilidad
y con la misma arquitectura, además sin
tener que parar las máquinas en ningún
momento. Esta cualidad se basa en la
capacidad para ampliar (a medida que el
negocio crece) o reducir (por ejemplo, cada • PAYG (Pay As You Go): complemento
año tras acabar la campaña de navidad)
la demanda de recursos en tiempo real,
basándose en la necesidad puntual. Siempre
• Fault Tolerance: cuando trabajas con
18
tendremos lo que necesitemos y sin tener
que esperar, ni preocuparnos con nada.
arquitecturas en Cloud permite la creación
eficiente de los grupos de recursos
compartidos que hacen que la nube sea
económicamente viable, al mismo tiempo
que posibilitan que cualquier empresa
pueda beneficiarse de su infraestructura.
imprescindible en un mundo donde los
datos crecen exponencialmente. Esta
posibilidad implica que el cliente es capaz
de, utilizando un navegador web, adquirir
los recursos necesarios en cada momento,
por ejemplo, para ejecutar un modelo
predictivo enorme.
ideal del autoabastecimiento es el PAYG.
Ya no hay compromisos de continuidad,
no existe la obligación de comprar un
paquete, sino que al cliente sólo se le
factura por los recursos utilizados en base
a precios de instancia. Este factor elimina
la incertidumbre que suele surgir en los
inicios de un proyecto de este tipo, debida
sobre todo a la falta de conocimiento que
dificulta el cálculo de recursos necesarios.
¡Paga solo por lo que uses!
la nube no hace falta mantenimiento, el
cloud aporta la flexibilidad necesaria para
implementar la iniciativa de Big Data,
proporcionando la tranquilidad de saber
que la tolerancia a fallos está integrada en
su arquitectura.
8. El internet de las cosas
El internet de las cosas no es el futuro, es la rea- • Aumentar la oferta de servicios: gracias a
lidad. Y puede observarse que existe una tenden- las nuevas posibilidades que aparecen y que
cia a que, cada vez, más dispositivos de todo tipo el Data Science reconocerá en cada caso.
están conectados a internet. Ello implica grandes
beneficios que pueden emplearse para mejorar • Mejorar significativamente la calidad de los
las conexiones entre personas, procesos, datos ya existentes: por ejemplo siendo capaces
y objetos. de conocer, además de la ubicación, la
temperatura, presión, altitud exacta de
Los beneficios del internet de las cosas un producto a cada momento durante su
transporte hasta el destino.
Si la tendencia continúa, encontraremos que to-
dos los dispositivos se vuelven identificables, no • Aumentar la ventaja competitiva: evitando
sólo todos los objetos, sino también cada una el almacén de productos en stock y
de sus partes. Si llegase el caso, el mundo en- reduciendo la fabricación a esas unidades
tero cambiaría empezando, por ejemplo, por la que se sabe que se van a vender, como ya
desaparición de la delincuencia porque si no es sucede con Inditex.
posible separar el chip del dispositivo no tienen
sentido los robos. • Reducir costes: al evitar los productos
extraviados o el perder una venta por
La seguridad iría en aumento y no sólo en este causas predictibles.
sentido, sino también en la carretera, con coches
auto-pilotados, de los que ya existen prototipos En definitiva, la asimilación del internet de las
que están ofreciendo resultados admirables tras cosas a los mercados supone cambiar el modelo
probar que es posible recorrer con ellos millones existente y alcanzar un nuevo status donde todo
de kilómetros sin tener ni un sólo accidente y está conectado y dónde los análisis se pueden
ningún percance. realizar en tiempo real. Según un Informe IoE Va-
lue Index, esta nueva realidad generará al sector
Aplicado al mundo de la empresa y de los nego- privado unos beneficios de 613.000 millones de
cios, el internet de las cosas supone: dólares solamente en este año, 2013.

19
9. Data Science, ¿el nuevo superman?
Big Data abre un mundo de posibilidades a la delante de la oferta y el resultado es que no exis-
organización que lo implementa. Pero, ¿dónde ten suficientes científicos de datos.
interviene Data Science? No es imprescindible
contar con esta figura para incorporar, usar y Teniendo en cuenta los retos de la tecnología,
disfrutar de Big Data, pero sí que es muy reco- cabe esperar que, en algún momento, las líneas
mendable. entre la innovación tecnológica y la madurez de
los sistemas se entrecrucen con las habilidades
Según un estudio de Harvard, Data Science es disponibles en el mercado. Pero, mientras esto
el trabajo más “sexy” del siglo XXI. Las claves de sucede, aparecen anuncios entre las ofertas
estos profesionales: de empleo que demandan profesionales Data
Science sin especificar cuál será su rol o qué ex-
• Elevado nivel de curiosidad. periencia han de aportar. No se puede definir el
perfil deseado porque, a veces, ni la propia em-
• Proactividad que les impulsa a descubrir presa conoce cuál es el cometido de este grupo
nuevos servicios, nuevas posibilidades. de expertos en los datos.

• Alto nivel de formación en el mundo de los Sin embargo, su misión puede parecer la de un
grandes volúmenes de datos. mago o un superman de los negocios ya que, de
los científicos de datos se espera:
• Perfil multidisciplinar que integra una
parte de estadística, otra de matemáticas, • Que dominen Big Data y que no existan
un intenso secretos para ellos en este área.

conocimiento del mundo de los negocios y una • Que sean capaces de hacer análisis de la
creatividad ajena a los límites. información que combine un background
técnico con una gran habilidad predictiva.
Data Science: barreras y desafíos
• Que logren encontrar todas las
El desafío para los profesionales de Data Science posibilidades que existen en una empresa,
es atraer a una empresa y ser productivo. Para conozcan la tecnología necesaria para
las empresas el reto consiste en aprender a iden- lograrlo y la sepan aplicar.
tificar el talento, porque la demanda ha corrido

20
10. Las 4 reglas de Big Analytics
La experiencia con Big Data nos permite hacer
un ejercicio de abstracción que condense en
cuatro principios lo más importante de la esen-
cia de Analytics:
• Se trata de datos: todo versa alrededor
de ellos, son el nuevo petróleo, la sangre • Latencias generan desprecio: cuando se
de una compañía. Hay que conservarlos,
cuidarlos, entenderlos. Pero, antes de
pensar en el análisis, hay que preocuparse
por ser exhaustivo en la recopilación de
información, perder el miedo a los grandes
volúmenes: se necesita contar con todos
los datos porque, si no, es imposible
encontrar relaciones entre ellos.
• Pasemos el poder a las personas:
hasta hace pocos años eran las propias
herramientas las que orientaban • Contexto, contexto, contexto: para
hacia unos determinados resultados.
Los objetivos de la interpretación de
la información a través del reporting
eran rígidos y estaban encasillados en
la aplicación utilizada para ello y sus
límites. Hoy se tiende hacia la apertura.
La flexibilidad llega a tal punto que es la
intuición del profesional de Data Science la
que pone a la organización en el camino
de nuevos retos, nuevas oportunidades.
Mediante la posibilidad de acceder a
todos los datos y efectuar un análisis, los
científicos descubren posibilidades que
generan valor y rentabilidad.
tiene la opción de estar permanentemente
actualizado, cuando se reconoce el poder
de la comunicación y se comprende que
cada opinión cuenta, que cada dato puede
encerrar una gran trascendencia, no se
puede dilatar ese primer contacto con
ellos. Ya no interesan los datos de ayer,
ahora se buscan los del último minuto y
la tecnología está de nuestra parte para
conseguirlo.
poder ofrecer un mejor servicio hay que
profundizar en la interpretación de la
información contextualizando cada dato
que se recibe. Para hacerlo, hay que
acceder a las relaciones de cada porción
de la información con todas las que la
rodean y eso sólo se consigue cuando se
tiene capacidad para trabajar con grandes
volúmenes de datos.
21
11. Ampliación

Ejemplos reales del Big Data
El Big Data está utilizándose como tendencia
de éxito en todo tipo de sectores, llevando a
que no solo las grandes empresas puedan sa-
car partido de sus beneficios. Un buen ejemplo
de ello se encuentra en el mundo del deporte,
que ha aprendido a utilizar los datos como for-
ma de potenciar sus resultados. En la historia
reciente es posible apreciar los ejemplos de ca-
sos como la NBA y la NFL, dos de las principales
competiciones deportivas de Estados Unidos,
donde sus equipos ya confían en los datos. La
adopción de las ventajas del Big Data varía en
su modo dependiendo de cada caso concreto,
viendo ejemplos como los siguientes:
historia de los Oakland Athletics, un equipo de
béisbol de Norte América. Hasta el momento
en el que este equipo adoptó el Big Data y de-
mostró la valía de la información, los equipos
siempre habían fichado jugadores en base a la
experiencia y opinión de los ojeadores. ¿Pero y
si el trabajo que hacían estuviera por debajo de
los mejores resultados que se pudieran obte-
ner? Eso lo puso a prueba el equipo contratan-
do a un analista, que se hizo cargo de cambiar
las decisiones del equipo para que se tomaran
de forma analítica. Los resultados confirmaron
la buena idea y el equipo mejoró de forma no-
table tomando decisiones que, para los ojeado-
res, quizá no tenían sentido.

• La NBA permite que sus equipos tomen

la decisión de usar o no Big Data para
formular estrategias que les permitan
alcanzar la victoria en los partidos.

• La NFL cuenta con una plataforma analítica

propia para que todos los equipos tengan
las mismas condiciones y oportunidades
de aprovechamiento de los datos. Esta
plataforma ofrece información exhaustiva
que influirá a la hora de definir el enfoque
de un encuentro. Entre los datos que
proporciona se incluyen estadísticas
personales de jugadores o las condiciones
del clima y del césped en los días de partido.

Otro caso similar de cómo el Big Data ha impac-

tado en el campo deportivo se encuentra en la

22
Muy distinta es la manera en la cual aprovechó
Barack Obama el Big Data para conseguir la
reelección en el año 2012 como presidente de
los Estados Unidos. El ex-presidente tuvo a un
equipo de 100 analistas divididos en distintos
puestos para que se ocuparan de exprimir to-
das las ventajas de los datos. Una parte de este
equipo obtenía datos, otra se ocupaba de ex-
traer más datos de distintas zonas del país y el
último grupo interpretaba los datos. Los datos
que se obtuvieron se utilizaron de forma activa
para combinar recursos. Obama logró algo que
hasta ese momento no había sido posible, que
todos los equipos de campaña estuvieran en
sintonía para obtener mejores resultados. Con
cada nueva pieza de datos se conseguía un co-
nocimiento mayor que permitiera personalizar
la campaña para unificar una mayor cantidad
de votos. Y así Obama lo volvió a conseguir.

Estos son ejemplos aislados que se salen del
estándar del aprovechamiento de Big Data que
hacen las empresas, las agencias de la informa-
ción y grandes empresas dedicadas a la venta
de productos. Es una forma positiva de ver que
todo está cambiando alrededor de la recolec-
ción de datos y de la personalización de los
mensajes teniendo en cuenta la información
que proporcionan los procesos de análisis.
El Big Data en la nueva ley de protec-
ción de datos
datos reciben ahora más importancia y una ma-
yor responsabilidad por parte de las entidades,
que deben velar en todo momento por los de-
rechos de los usuarios en relación a sus propios
datos. Por ejemplo, si se produce algún incidente
con estos datos las empresas tendrán que infor-
mar de inmediato de lo ocurrido, mientras que
si un usuario decide cambiar sus datos de una
empresa a otra, por cambiar del servicio que uti-
lice, las entidades tendrán que realizar todo lo
que esté en su mano para que ocurra y que la
información se transmita.

Los cambios que introduce el Reglamento Euro-
peo de Protección de Datos (GDPR) en su última
actualización buscan que el uso del Big Data
sea más justo para todos los usuarios y que la
sociedad al completo tenga una mejor forma de
sacarle partido en todos los contextos. Teniendo
este objetivo en mente, se aplican una serie de
factores que resultan de obligado cumplimiento
en el caso de las empresas y organizaciones. Los
Otra de las obligaciones que implica la entrada
en vigor de esta revisión en la ley de protección
de datos supone que a partir de ahora todas las
empresas de grandes dimensiones tendrán
que disponer de un empleado especializado
en la protección de la información y los datos
que se reúnan. No significa que todas las em-
presas deban tener a esta persona en nómina,
solo aquellas que trabajen a diario con grandes

23
volúmenes de datos. Para que se pueda enten-
der hasta dónde llega este tipo de requisito hay
que ser conscientes de que el tipo de empresa
que encaja en esta categoría es el que tiene un
perfil de alcance similar al de Google o el de Fa-
cebook. Es decir, solo grandes empresas.
Lo que sí es común en todos los casos y con
todas las empresas es que los usuarios tengan
la oportunidad de disponer de un control ab-
soluto sobre su información. Esto significa que
ellos tendrán la última palabra acerca de cómo
se utilizará su información personal y de cómo
se almacenarán o se compartirán con otras
entidades. Los ciudadanos tendrán siempre el
derecho a eliminar estos datos, a su modifica-
ción y a su gestión en el caso de las empresas
que los hayan reunido hasta el momento. En el
caso de no permitir que los usuarios sean ad-
ministradores de sus propios datos se podrían
producir infracciones y se podrían suceder pro-
blemas en el aprovechamiento del Big Data por
parte de los negocios.
24
Sectores pioneros en el Big Data
Aunque el Big Data se ha comenzado a instau-
rar como una norma y una tendencia de éxito
en todos los sectores, es verdad que una deter-
minada serie de tipos de negocio e industria
han tenido una mayor relevancia en su expan-
sión en el mercado. Principalmente se puede
ver que todo se ha generado y evolucionado
alrededor de los siguientes sectores:
• Salud
• Banca y finanzas
• Educación
• Agrícola
• Smart Cities
Salud
El sector de la salud ha sabido estar al día y
aprovechar el Big Data con rapidez, exprimien-
do sus múltiples posibilidades para construir
a su alrededor un futuro mejor para clínicas,
hospitales y centros de salud. Era lógico que un
mercado como este se beneficiara de ello, dado
que si algo ocurre en el entorno de la salud y
la medicina es que se generan miles de datos
de manera diaria. Los historiales de los pacien-
tes, las dosis de la medicación, los informes de
las pruebas... todo acaban siendo datos que tie-
nen que estar integrados y administrados para
alcanzar la mejor eficacia en el día a día de la
atención a los enfermos.
Los datos que se administran en el mundo de la
medicina incluyen también tarjetas sanitarias,
recetas de medicinas, informes de resultados
médicos, vídeos de intervenciones quirúrgicas
o imágenes que analicen en distintos pasos la
evolución de un tratamiento hacia una enfer-
medad. El aprovechamiento de esta informa-
ción y materiales significa que los profesionales
de la medicina no trabajarán a ciegas y que ten-
drán un mayor apoyo a la hora de realizar su
trabajo. Los problemas que se sufrían antaño
por falta de datos e información se solucionan
por medio de consultas a historiales y bases de
datos que lo saben absolutamente todo. Los es-
pecialistas de la medicina ya usan el RWD (da-
tos del mundo real) para tomar sus decisiones
y acertar mejor con los tratamientos.
Banca y finanzas
Ahora mismo comprender y conocer al cliente
es lo que ayuda a que cualquier empresa pueda
tomar decisiones que la lleven a triunfar en la
interacción con ese individuo. Los bancos, como
las grandes entidades del tipo de BBVA, están
volcando sus inversiones en el Big Data para
ser capaces de segmentar mejor sus propuestas,
promociones y servicios. Son muy conscientes de
que su catálogo de servicios y productos es am-
plio como para que lo puedan dirigir de una ma-
nera simultánea a todos los clientes. Abarcando
mucho sin tener información concreta, solo se
pierde dinero mal invertido. Esto es algo de lo
que son conscientes estas entidades bancarias
y también las empresas del mundo de las finan-
zas. El Big Data se ha trasladado incluso al circui-
to del retail, donde este tipo de datos también se
aplica a las aplicaciones de pagos para que los
clientes aporten más información a los negocios
cuando realicen operaciones con ellos.
Educación
La educación cambia de manera considerable
en los casos en los que ya ha sido aplicado el
mundo del Big Data. El principal cambio, la di-
ferencia principal en cuanto a su aplicación, es
25
que las clases pasan a ser absolutamente dis-
tintas a como se imparten en la actualidad. Lo
que permite el análisis de los datos correspon-
dientes a los alumnos, a su entorno y al ren-
dimiento que tienen en clase, es estipular un
método de aprendizaje que se personaliza de-
pendiendo de cada una de las personas.
Los informes que proporciona el Big Data lle-
van a que los estudiantes puedan suplir sus ca-
rencias con mayor facilidad y que se estimule
su aprendizaje de una manera sólida. Debido a
este cambio de paradigma los profesionales de
la educación pasan a tener un papel distinto en
el aula. Los profesores ya no son quienes gene-
ran el motor de las clases ni los que se ocupan
de instruir a los alumnos de una manera glo-
bal, sino que adoptan un papel conciliador, de
guía y coach. Esto ayuda a que los alumnos en-
cuentren su camino hacia el éxito y que puedan
aprender de una manera más sólida mediante
clases que saben cómo estimular su aprendiza-
je paso a paso.
Agrícola
La agricultura inteligente se presenta como
una de las necesidades de este sector para
progresar y alcanzar un mejor nivel de resul-
tados. El Big Data es lo que mueve la imple-
mentación de esta nueva evolución de la agri-
cultura, que de esta manera tiene capacidad
para tener un nivel de producción mayor y de
mejores resultados. Para conseguir que las
cosechas ofrezcan unos resultados mayores
y que los agricultores puedan sacar un mejor
partido a su inversión, se utiliza una amplia se-
rie de información y datos.
Entre ellos se incluye los estados del clima, la
humedad, la cantidad de cultivos que se están
generando y la calidad de los mismos y otros
factores medioambientales o incluso relaciona-
dos con las cantidades que se pueden perder
por aspectos adversos al agricultor. Entre las
mejoras que aporta la recolección de datos a la
forma en la que se cultiva se incluye una impor-
tante reducción en todo lo relacionado con la
inversión de producción. También se puede me-
jorar la calidad de las cosechas y medir distin-
tos factores que pueden llegar a ser tan espe-
cíficos como determinar las mejores épocas o
momentos del día para el cultivo y la recogida.
Smart Cities
Por ahora, todavía es un concepto que se en-
cuentra poco explotado, pero algunos gobier-
nos están intentando modificar la naturaleza
de sus ciudades para convertirlas en urbes
inteligentes. En los casos en los que se han lle-
vado a cabo estas iniciativas se ha notado un
claro incremento en el nivel de la satisfacción
de vida de los ciudadanos, por mucho que al
mismo tiempo esto signifique estar abiertos a
prescindir de cierta privacidad en algunos ras-
gos y aspectos cotidianos del día a día.
¿Cómo ha ayudado el Big Data a las
empresas?
Son muchos los casos en los que las empresas
están aplicando con éxito el Big Data y la ten-
dencia de exprimir el flujo de datos e informa-
ción que circula cada vez más a su alrededor.
Al margen de los casos principales hay otros
muchos ejemplos de compañías que han llega-
do a superar sus límites gracias al análisis de la
información, pero que no encajan de una ma-
nera tan global en los ejemplos más habituales
del mercado (TAN GLOBAL? Si da ejemplos no
comunes no dejan de ser tan globales o minimi-
zarlos al ser de distinto ámbito o embergadu-
ra). Un buen ejemplo de ello es cómo empresas
relacionadas con el transporte están aplicando
los análisis al aumento de rendimiento en su
efectividad. Por ejemplo, se aplica a la gestión
y administración del tráfico, lo que permite de-
terminar unos pasos a seguir por parte de los
vehículos para que eviten atascos y situaciones
de saturación. Estas empresas también hacen
ajustes en las rutas, en el tiempo de duración
de las paradas del transporte y en la forma en
la que se gestiona el trato con los viajeros.

Los ciudadanos de las smart cities viven inte-

grándose con los datos, permitiendo que la
información les englobe en todos los aspec-
tos, desde lo más básico, como puede ser un
análisis que permita saber cuáles son los pro-
ductos que más consume la población, hasta
algo más complejo como que los sistemas de
salud estén automatizados alrededor del día a
día de los pacientes. Cada decisión que tome el
ayuntamiento y el gobierno será mejor recibida
porque habrá constancia segura de qué volu-
men de la población está satisfecho o no con
ello. Lo mismo ocurre en aspectos más simples
que pueden hacer que el nivel de satisfacción y
felicidad de los ciudadanos sea mayor.

26
En el sector bancario se ven otras aplicaciones
distintas a las mencionadas. Por ejemplo, en los
datos obtenidos mediante el Big Data se puede
reforzar la seguridad en las operaciones. Gra-
cias al análisis de los datos, es posible detectar
procesos fraudulentos en el uso de tarjetas de
crédito, dado que en caso de apreciarse una si-
tuación extraña se realizan comparaciones con
accesos previos para comprobar si algo se sale
de lo normal. El Big Data también ayuda a los
bancos a tomar decisiones sobre el perfil cre-
diticio de un cliente, lo que ha ayudado a que
en la actualidad las concesiones de préstamos
sean instantáneas, tanto las que se aprueban
como las que se rechazan.
Por último, el sector de los seguros también se
ha sabido beneficiar de la información que le
transmite el Big Data. Hay distintas técnicas
que los especialistas de los seguros utilizan
en lo vinculado con incrementar el ritmo de su
día a día y los resultados positivos. La informa-
ción transmitida en relación a los clientes y sus
hábitos de consumo y vida permite dirigir los
productos de una manera más concreta hacia
ellos. Se analiza el comportamiento, el tras-
fondo y las variables de los clientes para que
las propuestas en términos de nuevos seguros
puedan ser más satisfactorias. Esta informa-
27
ción puede proceder de la red, de formularios,
de encuestas e incluso de circuitos de vigilan-
cia que hayan grabado las actividades de los
clientes. Extrapolar estos datos permite ofrecer
un servicio más rápido e incluso luchar con-
tra las estafas, dado que se tiene información
tan valiosa en tiempo real que se puede com-
prender cualquier tipo de situación al instante.
Triunfar con el Big Data, algo más que
tecnología
Contrariamente a lo que se pueda imaginar,
aprovechar los beneficios del Big Data no es
simplemente una cuestión tecnológica. Hay
mucho más que hacer al margen de reforzar
los recursos tecnológicos que lleven al éxito
en la gestión y el análisis de los datos. Por eso
seguir simplemente un anuncio en el que se
recomienda una herramienta de Big Data no es
ni mucho menos lo que vaya a garantizar que
las empresas puedan comenzar a aumentar su
productividad, reducir los gastos y sacar parti-
do a otros beneficios derivados del uso de esta
tendencia. Pero si esto es así, ¿qué necesitamos
para subirnos al barco del Big Data y no caer-
nos por la borda a las primeras de cambio?
Los expertos y el mundo corporativo que ya ha
tenido éxito aplicando el Big Data hace espe-
cial hincapié en tres factores fundamentales
que preparan el camino hacia la obtención de
resultados positivos:
• Tener un equipo formado, experimentado
y de gran inteligencia.
• Flexibilidad operativa.
• Prueba de los sistemas.
Disponer de un equipo que esté a la altura de
las exigencias del Big Data es importante y
acaba convirtiéndose en lo que marca la dife-
rencia. Los datos pueden automatizar ciertas
partes del trabajo, pero tiene que haber un
gran equipo a su alrededor para que se con-
viertan en lo que marque la calidad y el buen
futuro del negocio. Antes se comentaba que el
equipo de Barack Obama estuvo formado por
100 analistas en su campaña de reelección. La
cifra es indiferente, pero lo que sí queda es el
compromiso por tener un equipo especializado
que sepa entender, analizar y buscar entre to-
dos esos datos para dar con la clave de lo que
marcará las tendencias.
En todos los casos hay que saber gestionar bien
al equipo, repartir las tareas de la manera más
sabia y productiva, darle a cada miembro del
equipo su posición más apta y lograr que entre
todos los datos se conviertan en la herramienta
del éxito. No se puede trabajar a ciegas con esta
enorme cantidad de información y tampoco se
debe creer que con analizar superficialmente los
datos estará todo el trabajo hecho. La informa-
ción puede ser buena, pero si no ha sido pulida,
analizada y segmentada, es posible que la inver-
sión en Big Data caiga en saco roto.
Otro de los factores es la flexibilidad operativa
del negocio. A veces hay empresas que se pre-
sionan así mismas, o se engañan, para pensar
que el Big Data será lo que solucione sus pro-
blemas. El inconveniente en muchos de estos
casos reside en que esas empresas no están
preparadas para afrontar un mundo dominado
por los datos en el cual todas las operaciones
que realicen se ajusten a su aprovechamiento.
Para que esto no ocurra, hay que convertir los
datos en el protagonista principal, en la herra-
mienta que moverá cada decisión y en lo que
aportará mejores resultados. Es importante
28
que las empresas sean conscientes de la nece-
sidad de dar esta credibilidad a la información
y a la gestión de los datos.
Lo último que tienen que tener en cuenta las
empresas para que el trabajo con Big Data les
proporcione aquellos resultados que necesitan
es la importancia de poner a prueba las ideas.
Todo lo que se haya estipulado como camino a
seguir en el trabajo con la información y en la
gestión de los datos deberá probarse, compro-
bando si las ideas van a llegar a buen puerto
o si el proceso es posible que acabe sufriendo
algún inconveniente. Unas pruebas, que no tie-
nen que ser especialmente exhaustivas, se ocu-
parán de dejar de lado ciertos parámetros que
puedan llevar a que la experiencia de trabajar
con el Big Data genere resultados negativos.
Trabajando con Data Governance
Todas las empresas que busquen alcanzar un
buen rendimiento del Big Data tendrán que
terminar trabajando con un proceso de Data
Governance que gestione mejor esta forma
de administrar información. Esto se aplica
tanto a los grandes negocios como a los pe-
queños, permitiendo definir distintos planes
de gobierno de datos de una cobertura de dis-
tinta índole dependiendo de cada uno de los
casos. Con esto se conseguirá que todos los
departamentos estén más en sintonía y que dará a que la eficiencia sea alta en todos los
se pueda afrontar desafíos únicos que de otra momentos. Los procesos se tienen que cruzar
manera podrían suponer un volumen elevado entre todos los departamentos y no existir nin-
de problemas. La junta que forme este equi- gún obstáculo que pueda ralentizar las accio-
po se formará por ejecutivos que supervisarán nes de cada uno de los especialistas implicados.
todos los aspectos de la obtención y análisis Trabajar con eficacia implica poder fomentar la
de los datos, recayendo en ellos una enorme automatización y la aplicación de herramientas
responsabilidad. El trabajo siempre debe ser que ayuden a que todo sea más exitoso.
activo y cumplir con una serie de característi-
cas comunes en todos los casos: El compromiso, por su lado, tiene que ser fir-
me en todo momento y permitir que los nego-
• Perfil de funcionalidad cruzada cios estén muy mentalizados de lo que deben
hacer para llegar a las cifras de éxito que bus-
• Comunicación
can. Trabajando alrededor de lo estipulado en
• Eficiencia el gobierno de datos se garantizará que todos
los miembros del equipo estarán involucrados
• Compromiso
para que se puedan conseguir las metas en
• Centralización cuanto a obtención de información o toma de
decisiones.
El primer punto hace referencia a que la junta
que forme el gobierno de datos esté formada
Por último, no hay que olvidar que a la hora de
(Redundante) por distintas personas que ten-
aplicar el Data Governance hay que centrali-
gan especializaciones diferentes y que en con-
zar las decisiones y planificar cada uno de los
junto puedan responder a todos los desafíos a
pasos que se den a largo plazo. Las decisiones
los que se enfrente el negocio. Hay que tener
que se tomen no pueden buscar únicamente el
una visión global que permita salir al paso de
beneficio a corto plazo, sino que deben hacerlo
cualquier tipo de problema y que ofrezca a los
pensando en el futuro, abarcando de una for-
ejecutivos una manera de salir airosos cuando
ma central la actividad que realice cada uno de
se requiera su conocimiento y aptitud.
los departamentos.
La comunicación tiene que ser fluida y abarcar
todos los departamentos de la empresa, las
distintas funciones que se desarrollan y el grue-
so del equipo de trabajo. Una gran parte de los
problemas que se pueden generar en proyec-
tos basados en el Big Data están relacionados
con obstáculos en la comunicación, por la no
aceptación de la burocracia o por confusiones
en las transmisiones de información. Cuando
existe una buena comunicación los negocios
evitan situaciones indeseadas y siempre traba-
jan para sumar. Asegurarse de que estos dos
factores previos actúan en consecuencia ayu-

29
¿Tienes dudas de cómo empezar
tu proyecto de big data?

Haz click aquí para agendar una consulta

gratuita con uno de nuestros expertos