Documente Academic
Documente Profesional
Documente Cultură
I. Big Data
2
Transformación de Datos en Información
ശശ Los datos masivos son útiles para todos. Analizar datos ocultos y extraer los
patrones que ocultan son habilidades básicas en las empresas de cualquier ta-
maño. Incluso las empresas más pequeñas pueden aprovechar las ventajas de
utilizar los datos masivos en su trabajo diario, ir más allá del Excel en su análisis
de clientes, buscando dar con los patrones de compra.
Las empresas tienen por delante un reto ante el análisis de los datos de
sus procesos de negocio, resultados empresariales y expectativas de ven-
tas.
La tecnología en la que alojemos el Big Data debe ser escalable para sopor-
tar las cada vez mayores cargas de trabajo ante la llegada de aplicaciones
analíticas al servicio de cualquier trabajador desde cualquier lugar y a través
de cualquier tipo de dispositivo.
3
Transformación de Datos en Información
Estos desafíos del Big Data hacen cada vez más necesario que se aumente el
almacenamiento de datos con nuevas arquitecturas que deben considerarse
para hacerlo posible. Las soluciones de almacenamiento cloud reúnen todos
los requisitos. Las empresas deben empezar a tener en cuenta que sus in-
fraestructuras no tienen por qué encontrarse en las mismas sedes físicas de
sus empresas.
En la definición de Big Data entran en juego las cinco Vs: volumen, veloci-
dad, variedad, veracidad y valor de los datos. El avance de las tecnologías
y los nuevos sistemas de información (como Hadoop o Spark) están per-
mitiendo que podamos usar estos datos, almacenándolos y procesándo-
los según las necesidades de uso.
Para la toma de decisiones hay que separar los datos útiles de los no útiles y
obtener valor a partir de este océano de datos. Es aquí donde surge el con-
cepto de Smart Data, centrado en la veracidad y el valor de los datos para
dar una respuesta real a los problemas y necesidades empresariales.
4
Transformación de Datos en Información
Las nuevas herramientas analíticas de negocio son las que nos permiten
procesar estos datos no estructurados en datos inteligentes y útiles, convir-
tiendo Big Data en Smart Data.
Los datos deben servir a la empresa para tomar mejores decisiones no solo
para describir procesos. No basta con recoger enormes cantidades de datos.
Hay que contextualizarlos para poder interpretarlos correctamente.
El objetivo es:
ശശ Acelerar los tiempos de respuesta.
ശശ Ganar flexibilidad.
ശശ Capacidad de adaptación al entorno en el que se mueve el negocio.
5
Transformación de Datos en Información
Smart Data sería el resultado de obtener valor para el negocio a partir de Big
Data mediante procesos analíticos de negocio como el análisis predictivo y la
automatización de máquinas de aprendizaje.
Con la ayuda de herramientas como SAP HANA Vora, que transforma y sim-
plifica el análisis analítico de Big Data (mediante un motor de computación
en memoria para Spark -Hadoop-), podemos realizar dos operaciones esen-
ciales alrededor de los datos: democratizarlos (hacer que sean accesibles a
los usuarios con el popular lenguaje SQL) y ponerlos en contexto con el uso
de jerarquías y la semántica del negocio.
Por otro lado SAP ha construido la plataforma SAP HANA Cloud Platform
(HCP) capaz de integrar los Smart Data con datos transaccionales de las dis-
tintas líneas de negocio e información consolidada a través de los EDW (data
warehouse) corporativos, que aportan información confiable, veraz y con va-
lor para tomar decisiones de negocio ágiles y efectivas.
6
Transformación de Datos en Información
Small Data es un salto de profesionalización para las pymes que pueden co-
nocer la edad, el status social y los hábitos de los consumidores además de
sus emociones, necesidades, sentimientos, opiniones y otros indicadores
que justifican sus comportamientos.
7
Transformación de Datos en Información
Small Data conecta a personas con datos recientes y concretos que po-
seen un significado y que están estructurados para ser fácilmente acce-
sibles, entendibles y manejables.
1. Martin Lindstrom
8
Transformación de Datos en Información
9
Transformación de Datos en Información
Los datos que poseen las Pymes de clientes, ventas, pedidos, produc-
ción... es un volumen suficiente para realizar un análisis que les permita
la mejora de sus procesos y su actividad.
Ejemplo. En una hoja de cálculo con 1.000 clientes y 20 columnas de información existen
más de 5 millones de datos: un small data. La transformación de datos en insights (conoci-
mientos) precisos y relevantes para la toma de decisiones es incuestionable.
La idea de los pequeños datos es decisiva para el éxito del marketing. La es-
trategia de marketing debe estar basada en el análisis de los datos adecua-
dos atendiendo al público objetivo de cada negocio. Se pasa de una visión
macro-datos a otra de mayor segmentación y aproximación teniendo en
cuenta los beneficios que Small Data puede proporcionar para tomar deci-
siones de Marketing1. Entre los ejemplos de cómo Small Data que pueden
ayudar a conocer mejor el mercado están:
ശശ Identificar la diversidad de la demanda del cliente
ശശ Determinar si el tamaño de un mercado es suficiente para un nuevo producto
ശശ Cómo desarrollarse o expandirse en un mercado
ശശ Qué estarían dispuestos a pagar los consumidores por un producto
ശശ Cuáles son los precios de la distribución
ശശ Cuáles son los mejores canales para la distribución
ശശ Cómo mejorar el producto y/o sus ventas atendiendo a las particularidades lo-
cales
ശശ Qué fuentes de materiales están disponibles y dónde.
10
Transformación de Datos en Información
Ejemplo. En las etiquetas inteligentes Small Data puede proporcionar información para su
localización y otros atributos de un determinado medicamento y conocer los motivos por
los que los medicamentos caducan o se deterioran.
Internet de las cosas (IoT) es una realidad cada vez más extendida. Es un re-
curso útil por ejemplo para conocer patrones de comportamiento y hábitos
de los clientes y sus preferencias.
Los resultados del análisis de datos mediante Small data aplicados a la estra-
tegia empresarial pueden ayudar a una toma de decisiones más ágil, a con-
trolar y estandarizar la información y a ser más eficientes. Las ventajas que
aporta small data son:
ശശ consolidar la información multi-origen en un entorno cada vez más divergente
de sistemas, operativas y productos.
ശശ tener una visión 360º del cliente.
ശശ estandarizar KPIs y métricas de negocio.
ശശ analizar variables operativas.
11
Transformación de Datos en Información
El análisis Small Data forma el nuevo núcleo de CRM que se utiliza para
crear un panorama completo de clientes, segmentos, personas influyentes
(influencers) e incluso competidores. Permite combinar las perspectivas de
los canales sociales (redes sociales) y las campañas con el análisis Web y los
datos transaccionales. El Small Data es la clave para crear estos perfiles que
formarán la parte central de las nuevas soluciones data CRM.
12
Transformación de Datos en Información
Los consumidores han visto el potencial del Small Data para optimizar sus
compras, potenciar su actividad física o hacer recomendaciones sobre el me-
jor precio para su próximo vuelo. Los próximos dispositivos basados en datos
más inteligentes y portátiles prometen una mayor demanda de dispositivos
de datos configurados y de entrega de datos que se ajusten a las necesida-
des de los consumidores.
Las herramientas son las mismas en las que se apoya el Big Data pero utili-
zadas de forma más segmentada y personalizada. Una estrategia de Small
Data cuenta con:
ശശ Elementos de análisis y medición de datos como Google Analytics o Google
Trends focalizados en el negocio y público objetivo y en el uso de herramientas
SEO para el posicionamiento en nuestro entorno más local.
ശശ El papel fundamental del Community Manager para la gestión y la escucha ac-
tiva en redes sociales y el diálogo con los clientes.
ശശ La importancia de tener en cuenta el factor humano no solo se centra en las
opiniones sino también en los gustos y emociones de nuestra comunidad.
13
Transformación de Datos en Información
1. Gartner
14
Transformación de Datos en Información
15
Transformación de Datos en Información
16
Transformación de Datos en Información
IX. Ejemplos
Estos volúmenes de Small Data (una batería de Small Data por turbina) son incor-
porados un pool de datos de mayor volumen (Big Data) donde algoritmos de pro-
cesamiento de datos permiten descubrir tendencias y pautas de comportamiento.
Estas pautas pueden revelar información de rendimiento de ciertos mecanismos
en base a su histórico de mantenimientos. Por ejemplo, cómo el viento y las condi-
ciones meteorológicas afectan al desgaste de los componentes de las turbinasdes-
agregar la información para conocer el tiempo de vida útil de una pieza concreta
de la turbina.
2º Etiquetas inteligentes en frascos de medicinas. Small Data puede ser usado para
determinar la ubicación del frasco, el estado del sello de la botella, las condiciones
de temperatura y humedad de la ubicación.
Agregando las secciones de Small Data a un volumen de Big Data se pueden eje-
cutar algoritmos de análisis para, por ejemplo, determinar la raíz de la causa por
la que una medicina se ha deteriorado o caducado: ¿Es debido a una compañía de
transporte o a un comercializador? ¿Son problemas recurrentes que apuntan a un
fallo en la cadena de suministro?
17
Transformación de Datos en Información
Resolver problemas como estos puede suponer un gran ahorro. Small Data per-
mite saber qué hace el objeto que está siendo analizado. Si lo que se quiere es
saber por qué está haciendo eso Big Data es lo que se necesita.
18