4.

Las habilidades y estructuras organizacionales

Al igual que con las arquitecturas tecnolgicas, las estructuras y habilidades para big data en
las grandes empresas estn evolucionando e integrndose con las estructuras existentes, en
lugar de ser establecidas de nuevo. Ninguna organizacin ha establecido una organizacin
totalmente independiente para big data; si no, los anlisis existentes o grupos de tecnologa
han aadido funciones de big data a sus misiones. Algunos no marcan ningn cambio en la
estructura o las habilidades de organizacin en absoluto con big data, indicando que han
estado realizando analisis de grandes cantidades de datos durante muchos aos. Otros
simplemente dicen que se estn aadiendo las capacidades cientficas de datos a sus
portfolios existentes.

Estructuras organizativas para big data

Las estructuras organizativas con ms probabilidades de iniciar o adaptarse a big data son o
bien los grupos existentes de anlisis, o grupos de innovacin o de arquitectura dentro de las
organizaciones de IT. En muchos casos, estas organizaciones de servicios centrales se alinean
en iniciativas de Big Data con funciones de orientacin analtica -o unidades de negociomarketing, por ejemplo, o los negocios online para los bancos o minoristas. Algunas de estas
unidades de negocio tiene unidades de IT o grupos de anlisis por propia cu enta. Las
organizaciones cuyos enfoques parecan ms eficaces y con ms probabilidades de tener xito
han tenido estrechas relaciones entre los grupos empresariales que abordan big data y las
organizaciones de IT que los apoyan.

La escasez de habilidades para Big Data

En trminos de habilidades, la mayora de estas grandes empresas estn aumentando o
tratando de aumentar, su personal analticos existentes con cientficos de datos que poseen un
mayor nivel de capacidades de IT, y la capacidad de manipular l as tecnologas de Big Data, en
comparacin con los analistas cuantitativos tradicionales. Estos podran incluir procesamiento
del lenguaje natural o habilidades de minera de texto, anlisis de vdeo o imagen, y el anlisis
visual. Muchos de los cientficos de datos tambin son capaces de codificar en lenguajes de
programacin como Python, Pig y Hive. En cuanto a los antecedentes, algunos tienen Ph.D.s
en campos cientficos; otros son simplemente programadores con fuertes habilidades
analticas. Muchos se preguntaban si un cientfico de datos podra poseer todas las habilidades
necesarias, y estaban tomando un enfoque basado en el equipo para ensamblarlos. Una
habilidad clave consiste en explicar los resultados de big data a los ejecutivos en pantallas
visuales o narrativa verbal. Incluso entre los cientficos de datos, varios comentaron que su
gente debe "contar una historia con los datos", y relacionarse bien con los tomadores de
decisiones. Varios representantes de las empresas entrevistadas sealaron que sus analistas
tambin estn obligados a dedicar un tiempo considerable para cambiar los problemas de
gestin. A medida que los modelos analticos prescriptivos se incrustan en los procesos

operativos clave, alguien tiene que trabajar con los trabajadores d e primera lnea y los
propietarios de los procesos para llevar a cabo los cambios necesarios en las funciones,
diseos de procesos y habilidades.
Muchas empresas mencionaron tambin la necesidad de combinar habilidades de cientficos
de datos con las virtudes tradicionales de gestin de datos. Slidos conocimientos de
arquitecturas de datos, metadatos, procesos de calidad de datos y correccin, administracin
de datos y cuadros de mando de la administracin, centros de gestin de datos maestros, los
algoritmos de bsqueda, y una serie de otros temas especficos son importantes para las
empresas que buscan en big data como un diferenciador estratgico a largo plazo.

5. La integracin de los ambientes analiticos

En su constante bsqueda para entender el viaje de un paciente a travs de la continuidad de
la atencin, los proveedores de atencin de la salud estn observando las tecnologas de big
data para conducir el ciclo de vida del paciente, (a partir de una co nsulta mdica inicial y
diagnstico hasta la rehabilitacin y posterior seguimiento). Tales capacidades de gestin de
ciclo de vida incluyen las transacciones sociales - interacciones del paciente en redes sociales,
imgenes de radiologa, recetas de medicamentos, que pueden poblar y enriquecer registro de
salud de un paciente. Estos datos pueden ser almacenados en HDFS, repoblado en los
sistemas operacionales, o preparados para el anlisis posterior a travs de un datawarehouse
o data mart.

Notar que las fuentes de datos son heterogneos, involucran diversos conjuntos de datos no
estructurados y semiestructurados, como emails, registros web, o imagenes. Estas fuentes de
datos es cada vez ms probable que se encuentren fuera del entorno de la empresa. Las
grandes empresas que adoptan entornos de produccin de Big Data, necesitan procesos ms
rpidos y de menor costo de procesamiento de grandes cantidades de datos atpicos. Piense
en el poder de cmputo que precisan las empresas de energa para procesar dat os enviados
desde los medidores inteligentes,o la conciliacin de millones de recomendaciones de
compaeros de LinkedIn. O considerar la capacidad de una empresa de juegos de conectar a
los jugadores con sus amigos a travs de los videojuegos online.
La compaa de juegos renov no slo su pila de tecnologa de anlisis, sino los principios en
los que se procesan sus datos, haciendo hincapi en la relevancia empresarial y escalabilidad.
El grupo de IT adopt Hadoop y comenz a usar la mquina de aprendizaj e y algoritmos
avanzados de anlisis para tener una mejor prediccin, optimizando de esta manera las ofertas
y precios de los clientes
Hadoop ofrece a estas empresas una manera no slo de usar los datos de forma rpida, sino
tambin para procesar y almacenarla para su reutilizacin. Debido a su calidad-precio superior,
aunque algunas empresas estn apostando a Hadoop como un reemplazo de almacenamiento
de datos, la adquisicin de extensiones de SQL con el fin de hacer la big data ms consumible
para los usuarios de negocios. Por otra parte, muchas grandes empresas ya han invertido
millones en entornos de anlisis predominantes, y no tienen planes de reemplazarlos pronto.

Lo que hace la mayora de las empresas hoy

El entorno de anlisis clsicos en la mayora de las grandes compaas incluye los sistemas
operativos que sirven como fuentes de datos; un almacn de datos o conjunto de mercados de
datos federados que albergan y- idealmente integrar los datos para una variedad de funciones
de anlisis ; y un conjunto de herramientas de inteligencia de negocio y anlisis que permiten a
las decisiones sobre la utilizacin de las consultas ad hoc, cuadros de mando, y la minera de
datos
De hecho, las grandes empresas han invertido decenas de millones de dlares en l as
plataformas de hardware, bases de datos, ETL (extraccin, transformacin y carga) de
software, paneles de BI, herramientas de anlisis avanzado, contratos de mantenimiento,
actualizaciones, sistemas middleware y almacenes de datos robustos para el almacenamiento
de datos del tipo empresarial.

La imagen ilustra el ecosistema tpico almacn de datos de gran empresa .

En el mejor de los casos, estos ambientes han ayudado a las empresas a entender la compra
del cliente y los patrones de comportamiento en todos los canales y las relaciones, la
racionalizacin de los procesos de ventas, optimizando el precio del producto y el embalaje, y
manejando las conversaciones ms relevantes con perspectivas, mejorando as sus marcas.
En el peor de los casos, las empresas han invertido ms en estas tecnologas, incapaces de
recuperar sus inversiones en anlisis, y viendo sus infraestructuras de almacenamiento de
datos como costos hundidos con valor de negocio marginal.

Uniendo las piezas

Las grandes empresas con grandes inversiones en sus almacenes de datos no tienen ni los
recursos ni la voluntad para reemplazar simplemente un entorno que funciona bien haciendo lo
que fue diseado para hacer. En la mayora de las grandes empresas, una estrategia de
convivencia que combina lo mejor del almacn de datos y de anlisis de ambientes con el
nuevo poder de las soluciones de big data es la mejor solucin.
Muchas empresas siguen confiando en los almacenes de datos preexistentes, para el estndar
de BI (Business Intelligence) y anlisis de informes, incluyendo informes de ventas regionales,
cuadros de mando de clientes, o el historial de riesgo de crdito
En este nuevo entorno, el almacn de datos puede continuar con su carga de trabajo habitual,
utilizando los datos del legado de sistemas operativos y de almacenamiento de datos histricos
a las tradicionales de BI y anlisis disposicin causa .

Pero esos sistemas operativos tambin pueden poblar el entorno de big data cuando se
necesitan para el tratamiento de clculos complejos o para la exploracin de datos en bruto.
Una empresa puede dirigir la carga de trabajo de la plataforma adecuada en base a lo que la
plataforma fue diseado para hacer .

Esto reduce al mnimo la interrupcin de las funciones de anlisis existentes, mientras que al
mismo tiempo acelerar los procesos de negocios nuevos o estratgicos que podran
beneficiarse de una mayor velocidad

La integracin de las tecnologas de Big Data

Una empresa internacional de servicios financieros adquiere inicialmente una infraestructura de
big data para explotar la potencia de procesamiento ms rpido. Pero en todos los casos , el
anlisis es la siguiente frontera.
Los ejecutivos se suelen hacer las siguientes preguntas:
1)Cules son los problemas en que las tecnologas de Big data nos puede ayudar?
2)Qu tecnologas existentes jugarn un papel importante?
3)Tenemos las habilidades adecuadas en para desarrollar o personalizar soluciones de big
data para adaptarse a nuestras necesidades?
4)Estas nuevas soluciones tienen que comunicarse con nuestras plataformas preexistentes?
Vamos a necesitarlo? Hay proyectos de cdigo abierto que nos puedan dar una ventaja?
5) No es prctico para nosotros adquirir todas las tecnologas de big data de un solo golpe.
Suponiendo que podemos establecer niveles de adquisicin de soluciones clave de Big Data,
cules son los niveles presupuestarios correspondientes?

Teniendo en cuenta un conjunto especfico de problemas de negocio, las empresas que

consideran Big Data pueden ser ms especficas acerca de las capacidades funcionales
correspondientes y los grandes proyectos de datos o proveedores de servicios que pueden
ayudar a abordarlos. Este enfoque puede informar tanto a la adquisicin de nuevas tecnologas
de Big Data y la re-arquitectura de las ya existentes para encajar en el nuevo mundo del Big
Data.