BIG DATA

y su impacto en el negocio
Una aproximación al valor que el análisis
extremo de datos aporta a las organizaciones
 Leopoldo Boado
Country Manager de Oracle España.

LA BÚSQUEDA DEL TESORO… DE DATOS

En la literatura infantil anglosajona hay una bella imagen que excita la imaginación de los niños: al final del
arcoíris hay un tesoro; un caldero lleno de monedas de oro custodiado por un duende. Hoy, lo que excita la
imaginación de buena parte de los directivos y empresarios es un tesoro de un tipo muy particular. El tesoro
se llama Big Data y consiste en la acumulación y tratamiento de cualquier tipo de información que se está
produciendo en todo tipo de redes, dispositivos y sistemas informáticos.
Cada día, según información de McKinsey, la humanidad crea 1,5 trillones de bytes de datos. La imparable
expansión de Internet, no sólo como un canal de información, sino como un instrumento al servicio de la
gestión empresarial, explica en gran medida este incremento de datos. Pero a ello se unen otros fenómenos,
como la explosión de las redes sociales, el desarrollo de la telefonía móvil –en particular de redes 3G y
smartphones con capacidades de conexión de datos impensables hace no tanto tiempo-, el crecimiento de la
producción y divulgación de materiales multimedia –foto y vídeo- por parte de usuarios particulares, la eclosión
de medidores inteligentes (smartmetering) y el despliegue de dispositivos que transmiten información por
radiofrecuencia.
¿Cómo pueden las empresas hacerse con este tesoro? ¿Cómo pueden convertir los datos propios y los que
circulan por las redes y sistemas de información en un valor añadido para su negocio y en una ventaja
competitiva?
No hay una respuesta única para estas preguntas. Cada organización, en función de su sector de actividad y de
sus propias peculiaridades, deberá analizar qué uso puede hacer de este inmenso caudal de datos y cómo los
puede aprovechar. Pero lo que sí hay es una clara respuesta tecnológica. Aprovechar el potencial de Big Data es
una realidad perfectamente posible hoy en día, y a un coste razonable, gracias a los sistemas que empresas como
la nuestra ponen a disposición de sus clientes.
En el presente informe, promovido por Oracle, buscamos ofrecer una muy amplia visión de lo que Big Data
puede representar para el entorno empresarial en todo el mundo y en España en particular. Con ello queremos
ofrecer a nuestros clientes una aproximación caracterizada por la independencia de criterio y opinión de quienes
han colaborado en su desarrollo.
Los Big Data representan una ventaja competitiva para todos aquellos que los sepan aprovechar. No nos
cabe duda de que, al contribuir a una mejor comprensión sobre este fenómeno, ayudaremos a los gestores
empresariales de toda España a llegar al final del arcoíris.

Leopoldo Boado
RESUMEN EJECUTIVO
BIG DATA y su impacto en el negocio
Una aproximación al valor que el análisis extremo de datos aporta a las organizaciones
El 90% de los datos del planeta se ha generado en los
últimos dos años y durante 2011 se rozaron los dos
zettabytes (1 zettabyte = 1024 exabytes) de información
en todo el mundo según datos de McKinsey Global
Institute. Provienen de redes sociales (más de 900 millones
de usuarios de Facebook , 500 millones de seguidores
de Twitter y cerca de 200 millones de blogs públicos);
teléfonos móviles (5.000 millones en uso en todo el
mundo); sistemas de telemedición; fotografías; vídeos;
emails… El conjunto de toda esta explosión de información
recibe el nombre de Big Data y, por extensión, así también
se denomina al conjunto de herramientas, técnicas y
sistemas destinados a extraer todo su valor.
En el sector retail se espera que quien aplique técnicas de
Big Data podrá incrementar sus márgenes en más de un
60%; los costes de fabricación y mantenimiento de muchas
empresas se verían reducidos a la mitad; en sus distintas
aplicaciones en el sector público europeo podría generarse
negocio por valor de 250.000 millones de dólares y de
300.000 millones en el sector sanitario estadounidense y
los nuevos negocios basados en servicios de localización
podrían generar más de 100.000 millones de dólares.
El valor de las prácticas de análisis extremo reside en el
punto de encuentro entre el acercamiento a Big Data con
los métodos y herramientas apropiados y su integración
con los datos de la informática tradicional. Al combinar las
herramientas de Big Data con la gestión de datos clásica las
organizaciones obtienen una visión “enriquecida” de ellas
mismas y sus posibilidades.
Para el éxito de las iniciativas de Big Data es fundamental
una buena sincronía entre la capa de negocio y la
infraestructura tecnológica subyacente. Las TI son sin duda
la herramienta imprescindible para llevar a cabo cualquier
proyecto de Big Data pero es el conocimiento de negocio el
que determinará el éxito de la misma.
Aplicaciones
Existen múltipes aplicaciones horizontales de Big Data:
motores de recomendaciones; análisis de sentimientos;
control del riesgo; detección del fraude; análisis de
campañas de marketing, de abandono de clientes,
de influencia social, y de experiencias de cliente;
monitorización de la red y aplicación del análisis extremo a
los procesos de investigación y desarrollo.
Por sectores, Big Data influye en una gran variedad de
aplicaciones:
Banca y finanzas: Servicios de protección de marca;
protección ante riesgos y fraude y servicios personalizados a
clientes.
Sector Público: Servicios de inteligencia, defensa y
protección (control de comunicaciones, vigilancia,
intercepción de redes de telefonía, acumulación de todo
tipo de datos); protección de la flota pesquera; vigilancia,
seguridad y señalización y proyectos de Smart Cities.

Sanidad: Monitorización remota de pacientes; localización
de emergencias y almacenamiento de historias clínicas,
radiografías, escáneres y todo tipo de pruebas de forma
centralizada.
Retail-Gran Consumo: Control de la cadena de
fabricación; análisis del ticket de compra; marketing
personalizado y RFID (Identificación por Radio Frecuencia)
en centros comerciales.
Turismo: Optimización de precios y generación de ofertas
personalizadas.
Telecomunicaciones: control de la red; venta de servicios
de localización; servicios de publicidad asociados al patrón
de llamadas o las aplicaciones descargadas; obtención
de perfiles enriquecidos de consumidor enriquecidos y
explotación de RFID para segmentar y personalizar ofertas
análisis de abandono.
Utilities: Interpretación de contadores inteligentes en todas
las casas; control de la red comunicaciones, de tuberías,
red del metro y proyectos de señalización de tramos de
mantenimiento
Web y Digital Media: Análisis de click and stream;
personalización y forecasting y optimización
Cuestiones técnicas
Un término íntimamente relacionado con Big Data desde
el punto de vista técnico es Hadoop, un entorno de código
abierto para almacenar y organizar cantidades masivas de
datos distribuidos y no estructurados que, a su vez, estaba
inspirado en MapReduce, una función desarrollada por
Google a principios de 2000 para indexar la web.
Hadoop se encuadra como un proyecto de la Apache
Software Foundation, en el que cientos de participantes
mejoran continuamente el núcleo de la tecnología. Además,
una nueva generación de desarrolladores de este entorno
y de “Científicos de datos” está empezando a despuntar.
Asimismo, start-ups de última generación empiezan a
perfeccionar bases de datos NoSQL que, combinadas con
Hadoop, son capaces de descubrir patrones prácticamente
en tiempo real.
La propuesta de Oracle en Big Data descansa
en tres pilares: sistemas preconstruidos
con hardware, software y comunicaciones
integrados que se puedan conectar
directamente (Big Data Appliance);
herramientas de productividad y de desarrollo
alrededor de creaciones OpenSource como
Hadoop o MapReduce y conectores que
automatizan las transformaciones necesarias
para procesar la información en origen,
dotando de la estructura necesaria a la parte
que se desea integrar con la informática
tradicional.
Big Data en España
Las empresas españolas muestran interés hacia la
explotación de Big Data, pero es difícil sustraerse a los
rigores del momento económico que limita los presupuestos
de TI. Las principales cuestiones que se plantean las
organizaciones españolas en relación a Big Data son: ¿es
aplicable y factible en mi organización?, ¿cuánto me cuesta?
Y ¿quién me ayuda a implantarlo?
BIG DATA: DESGRANANDO EL CONCEPTO
Proliferación de información en crecimiento acelerado y sin visos de ralentizarse, explosión de
indicadores, señales y registros, interacciones en redes sociales… No hay camino de vuelta: la
cantidad de datos que se genera diariamente en el mundo no presenta síntomas de ir a reducirse,
más bien todo lo contrario. El mundo está lleno de señales, de signos, datos, piezas de información
que analizadas y puestas en relación podrían responder a cuestiones que nunca hubiéramos
imaginado poder preguntar. Según la consultora McKinsey Global Institute, el 90% de los datos del
planeta se ha generado en los últimos dos años y su proliferación va en aumento en una progresión
difícil de calcular. Están en todas partes, provienen de redes sociales, sistemas de telemedición,
fotografías, vídeos, emails, son de múltiple naturaleza y se almacenan en distintos lugares y
formatos. El conjunto de toda esta explosión de información recibe el nombre de Big Data y, por
extensión, así también se denomina al conjunto de herramientas, técnicas y sistemas destinados a
extraer todo su valor.

En 2010 existían 480 millones de smartphones y la cifra
crece….¡al 20% anual! Un segundo de vídeo en alta
definición ocupa 2.000 veces más que una página de
texto. Las cámaras integradas en los teléfonos hacen fotos
a de 15 megapíxeles que ocupan 10 Megas. Existen más
de 30 millones de sensores en transportes, automoción,
industria, fabricación… En todas nuestras interacciones
los seres humanos dejamos rastros, señales que nos definen
y que mediante las tecnologías de la información y, sobre
todo a raíz de la proliferación de las redes sociales, pueden
registrarse a modo de documento de identidad vital.
“La vida de la tecnología ha alcanzado
las fases de madurez en las que ser
rápido y ser fuerte importa pero no es
suficiente. Ha llegado el momento de
combinar la ambición y la fuerza de la
juventud (informática estructurada) con
la experiencia comparada (informática no
estructurada), de modo que la interrelación
de ambos tipos de datos nos lleve a la
sabiduría corporativa”
Andrew Sutherland,
Vicepresidente Senior de Tecnología de Oracle EMEA.
La realidad muestra una acumulación que nunca termina
de todo tipo de datos, la mayoría proveniente de nuevos
canales para formar lo que se conoce por Big Data, y
que carecen de una estructura común. Los volúmenes de
datos son tan extremos y su crecimiento tan exponencial
que resultan demasiado ingentes o demasiado crudos
para ser recogidos, registrados, aceptados, gestionados y
analizados por software y hardware tradicional a unos costes
razonables.
Pero la posibilidad de explotarlos abre mucho espacio para
nuevas empresas y para las organizaciones tradicionales que
sepan extraerle valor a su capital informativo.
Según McKinsey Global Institute, en el sector retail se
espera que quien aplique técnicas de Big Data podrá
incrementar sus márgenes en más de un 60%; los costes de
fabricación y mantenimiento de muchas empresas se verían
reducidos a la mitad; en sus distintas aplicaciones en el
sector público europeo podría generarse negocio por valor
de 250.000 millones de dólares y de 300.000 millones en
el sector sanitario estadounidense y los nuevos negocios
basados en servicios de localización podrían generar más de
100.000 millones de dólares.
McKinsey añade que las oportunidades laborales asociadas
al fenómeno también son más que relevantes: de aquí
a 2018, la demanda prevista de proyectos de Big Data
en Estados Unidos va a necesitar de un ecosistema de
profesionales expertos de entre 440.000 y 490.000.
El objetivo principal de Big Data es enriquecer
y complementar los sistemas corporativos
con capacidades predictivas
La estimación de la oferta real de talento analítico, sin
embargo, se calcula que no superará en 2018 los 300.000
profesionales, lo que significa que se abren oportunidades
laborales para entre 140-190.000 expertos.
Pero no todo son buenas noticias. La teoría tiene todo
el sentido pero, según expresa Gartner en su informe de
2011 Extreme Data challenges and opportunities: “Hasta
2015 más del 85% de las empresas que componen la lista
Fortune 500, van a fallar en la explotación de Big Data de
forma eficiente para obtener ventajas competitivas”.
Para Andrew Sutherland, Vicepresidente Senior de
Tecnología de Oracle EMEA , “no se trata de montar un
departamento de I+D de Big Data, se trata de sacarle un
valor a esa información al combinarla lo antes posible con
las fuentes tradicionales de datos. Hablamos de enriquecer
la fuente, de dar herramientas de productividad alrededor
de un entorno que de por sí es improductivo”.
Estructurado-no estructurado
Hay datos que conforman el alma operativa de una
organización y deben estar almacenados, organizados y
clasificados en bases de datos transaccionales con métodos
que garanticen su seguridad, cifrado y alta disponibilidad.
A estos se les conoce como datos “estructurados” que se
almacenan, gestionan y analizan según unos procedimientos
de tablas, atributos e indexación.
En la lógica de Big Data lo relevante tiene que ver
con tratar la ingente y creciente cantidad de datos “no
estructurados” procedentes de canales no tradicionales
(blogs, redes sociales, emails, sensores, fotografías, vídeos,
servicios de geolocalización, tecnologías de radiofrecuencia).
Estos datos tendrían gran utilidad predictiva pero
resultaría desproporcionadamente costoso darles el
mismo tratamiento con las condiciones de seguridad, alta
disponibilidad y cifrado que los datos que se denominan
estructurados.
Entre la punta de la pirámide que representan
Facebook o Google y la base de la informática
tradicional existe una casuística amplia
y variada a la hora de añadir información
de valor procedente de nuevas fuentes y
canales, mezclándola con la información y los
sistemas tradicionales
La razón para utilizar tecnologías distintas a la relacional
tiene, por tanto, mucho que ver con el carácter no
estructurado de los datos y con la necesidad de utilizar
algoritmos de búsqueda/filtrado distintos al lenguaje
utilizado por las bases de datos relacionales, el SQL.
Conocimiento combinado
El valor de las prácticas de “análisis extremo” reside en el
punto de encuentro entre el acercamiento a Big Data con
los métodos y herramientas apropiados y su integración
con los datos de la informática tradicional. Al combinar las
herramientas de Big Data con la gestión de datos clásica las
organizaciones obtienen una visión más completa de ellas
mismas y sus posibilidades.
Facebook, Google y Amazon son ejemplos de compañías
que utilizan el “análisis extremo” como patrón de
tratamiento de las ingentes cantidades de datos que
manejan. De hecho, las herramientas, lenguajes y
entornos asociados al análisis de Big Data se desarrollaron
bajo el paraguas de estas compañías que demandaban
nuevos métodos para tratar y obtener valor de su capital
informativo.
Entre la punta de la pirámide que representan Facebook o
Google y la base de la informática tradicional existe una
casuística amplia y variada a la hora de añadir información
de valor procedente de nuevas fuentes y canales,
mezclándola con la información y los sistemas tradicionales.
Las grandes empresas tienen sus sistemas de gestión
de la relación con clientes (CRM), conocen sus gustos
y comportamientos, aplican pautas de inteligencia de
marketing, personalizan ofertas… Pero aun así, existe
información que podría enriquecer esas prácticas. De este
modo, el objetivo principal de Big Data es enriquecer y
complementar los sistemas corporativos con capacidades
predictivas.
Los volúmenes de datos son tan extremos y
su crecimiento tan exponencial que resultan
demasiado ingentes o demasiado crudos
para ser registrados, aceptados, gestionados
y analizados por software y hardware
tradicional
Big Data busca capturar, almacenar, organizar y
analizar esos datos “no estructurados”, pero ahora con la
necesidad de aplicación de economías de escala y con unos
requerimientos técnicos muy concretos y específicos por
debajo.
Para Andrew Sutherland, nosotros mismos somos
contenedores de información, estructuras de datos.
Almacenamos exabytes de información genética y al
aprender desarrollamos un marco, una estructura de
conocimiento que nos servirá para organizar la información,
las señales, los estímulos que percibimos y los que nosotros
generamos. La experiencia vital, el ensayo y error ayudan
a edificar esa estructura de conocimiento que se acaba
conociendo como sabiduría.
“En tecnología no es muy diferente. Nos encontramos en
un punto en el que la vida de la tecnología ha alcanzado las
fases de madurez en las que ser rápido y ser fuerte importa
pero no es suficiente. Ha llegado el momento de combinar
la ambición y la fuerza de la juventud (informática
estructurada) con la experiencia comparada (informática
no estructurada), de modo que la interrelación de ambos
tipos de datos nos lleve a la sabiduría corporativa”, señala
Sutherland.
A VUELTAS CON LA AVALANCHA DE DATOS
Los datos son la materia prima de cualquier práctica de análisis de negocio. Hasta ahora eso
implicaba datos estructurados creados y almacenados por las propias organizaciones: información
de clientes recogida en CRMs, datos operacionales almacenados en sistemas ERP o datos financieros
almacenados en bases de datos de contabilidad. Todo esto permanece pero ahora, además, el
volumen y los nuevos tipos de datos disponibles en las empresas –y la necesidad de analizarlos
prácticamente en tiempo real para obtener de ellos el máximo valor de negocio- crece rápidamente
gracias a la popularización de las redes sociales como Facebook y Twitter, de los sensores y
dispositivos de red generadores y captadores de señales, de las transacciones on line y de otras
fuentes de datos no estructurados y semi estructurados. Big Data en estado puro.

Investigaciones de The Economist Intelligence Unit y de
McKinsey Global Institute, revelan que durante 2011 se
rozaron los dos zettabytes (1 zettabyte = 1024 exabytes)
de datos creados en el mundo. En la próxima década el
número de servidores que tendrá que gestionar el capital
de datos mundial podría multiplicarse por diez. Cada día
se envían en el mundo 294.000 millones de emails. Una
compañía como Wal-Mart procesa más de un millón de
transacciones cada hora y posee bases de datos con una
capacidad estimada de 2,5 petabytes. Las cifras son tan
inabarcables como las distancias del universo, pero ahí
están, componiendo la materia prima más valiosa de las
organizaciones.
“Big Data puede llegar a ser el activo más decisivo de una
organización o una de sus obligaciones más costosas, todo depende
de las estrategias y soluciones que se pongan en marcha a corto
plazo para afrontar el ingente crecimiento del volumen, la
complejidad, la diversidad, y la velocidad de los datos. Como
veremos, es una tendencia importante para las organizaciones y
añadido de Big Data y por ello están surgiendo nuevas
aproximaciones que ayuden a las compañías a obtener un
conocimiento aplicable al negocio.
La transición no va a ser sencilla para muchas
organizaciones, pero aquellas que acometan la tarea y
abracen Big Data como los pilares de sus prácticas de
análisis de negocio podrán obtener ventajas competitivas
relevantes frente a rivales más “tímidos”. Big Data
combinado con sofisticados métodos de análisis tiene el
potencial de ofrecer a las empresas un conocimiento sin
precedentes del comportamiento de los consumidores y de
las volátiles condiciones del mercado. Esto les permitirá
tomar decisiones basadas en las evidencias que plantean los
datos y ser más eficaces que su competencia.
Datos tradicionales BIG DATA
Gigabytes/Terabytes Petabytes/Exabytes
Centralizados Distribuidos

sus procesos de toma de decisiones, pero en absoluto afectará de Estructurados Semiestructurados-desestructurados

la misma forma a todas las firmas y sectores”, explica Manuel
Modelo de datos estable Carencia de esquemas
Ángel Méndez, analista asociado de Penteo y autor del
documento Big Data: ¿humo o reto corporativo? Interrelaciones complejas Ausencia de relación

Según The Economist Intelligence Unit, el 53% de las

firmas con una estrategia eficiente de gestión y análisis de
datos obtuvieron mejores resultados de negocio frente a solo
el 36% que asegura no tener esa estrategia establecida.
“¿Por qué? Porque la mejora en la segmentación y calidad
de la información revierte en el descubrimiento de necesidades,
identificación de problemas, automatización de la toma de
decisiones y el aumento de la transparencia”, añade Manuel
Ángel Méndez en el documento de Penteo arriba
mencionado.
La gestión de datos tradicional y las herramientas de
análisis de negocio se revelan como limitadas bajo el peso
Desde la tecnología de servidores de almacenamiento
que soporta el procesamiento de Big Data hasta las
herramientas de visualización del front-end, el surgimiento
del fenómeno también implica grandes oportunidades para
los fabricantes de hardware, desarrolladores de software y
proveedores de servicios.
En esta línea, Big Data se perfila, además, como la nueva
fuente de ventajas competitivas para todos los sectores.
Las organizaciones y los fabricantes de tecnología que
enfoquen esta práctica como una moda pasajera se exponen
a quedarse atrás y pronto se verán a sí mismos imitando a
rivales con mayor capacidad de pensar un paso más allá.
 Previsiones para el mercado de Big Data 2012-2017
(en miles de millones de dólares)
$60.0
$53.4
$50.0 $48.0
$40.0
$32.1
$30.0
$20.0
$16.8
$10.0 $5.1
$10.2
$0.0
2012 2013 2014 2015 2016 2017
Fuente: Wikibon , 2012
Con V de volumen, variedad y velocidad
La explosión de la Web como vehículo comercial y de
relación, la rapidísima difusión de la telefonía y los
dispositivos móviles y de otras tecnologías paralelas ha
provocado un cambio fundamental en la naturaleza de los
datos. Ahora más que nunca, los datos están dispersos,
distribuidos, ligeramente estructurados, su volumen se
dispara cada vez más y hay que saber encontrarles el valor.
Tras identificar y filtrar los elementos valiosos de Big
Data éstos se relacionan con información estructurada,
“enriqueciéndola”. Los datos estructurados seguirán
residiendo en estructuras de almacenamiento de alta
densidad (bases de datos relacionales) y continuarán siendo
la base de las operaciones de la empresa. Así lo hacen los
grandes jugadores de Social Media: extraer el valor de Big
Data y almacenarlo en estructuras relacionales para ponerlo
en valor e integrarlo en los procesos de negocio
Cuatro “uves” definen a Big Data:
Volumen: La cantidad de datos creada tanto dentro de las
organizaciones como detrás del firewall corporativo a través
de la web, dispositivos móviles, sensores, infraestructura de
TI y otras se incrementa exponencialmente cada año.
Variedad: La variedad de tipos de datos también se
diversifica, ya se trate de datos no estructurados basados en
texto, semiestructurados como los provenientes de social
media o los de información basada en la localización.
Velocidad: La velocidad a la que se crean nuevos datos
y la necesidad de analíticas en tiempo real para extraer
valor de ellos, se incrementa gracias a la inmediatez de las
transacciones, a la informática móvil y al creciente número
de usuarios de Internet y de dispositivos móviles.
Valor: El valor económico de los datos varía
significativamente. Siempre hay información valiosa oculta
entre enormes cantidades de datos no tradicionales y el
reto reside en identificar aquellos datos que tienen valor,
Mercado de Big Data 2011. Ingresos por segmento.
Total: 5.200 millones de dólares
Servicios: 44%
Hardware: 31%
Software:25%
Fuente: Wikibon , 2011
transformarlos y extraerlos para su análisis. Para obtener el
máximo valor de Big Data, las organizaciones deben hacer
evolucionar sus infraestructuras de TI de cara a soportar
el ratio de entrega de volúmenes extremos de datos de
distintos tipos, integrarlos con los datos corporativos y
proceder a su análisis.
Fuentes de Big Data: ¿de dónde proceden los
datos?
Big Data se nutre de una serie de fuentes que incluyen, de
forma general:
Redes y medios sociales: Según Mc Kinsey Global Institute,
existen actualmente más de 900 millones de usuarios de
Facebook , 500 millones de seguidores de Twitter y casi
200 millones de blogs públicos. Cada actualización de un
perfil de Facebook, cada tweet, cada post y cada comentario
de cada blog crea, a su vez, múltiples nuevos datos.
Dispositivos móviles: IDC apunta a que existen alrededor
de 5.000 millones de teléfonos móviles en uso en todo el
mundo. Cada llamada, cada texto de cada mensaje queda
registrado a modo de datos. Los dispositivos móviles,
especialmente los smart-phones y las tablets, también
facilitan el uso de las redes sociales, al tiempo que utilizan
otras aplicaciones generadoras, a su vez, de más datos.
Además, los dispositivos móviles recogen y transmiten
datos de localización.
Transacciones vía Internet: Miles de millones de compras
online, operaciones bursátiles y otro tipo de transacciones
se suceden cada día. Cada una de ellas genera una serie
de datos que son recogidos por tiendas, bancos y agencias
crediticias, entre otros.
Sensores y dispositivos de red: los dispositivos electrónicos
de todo tipo (incluyendo servidores y otras clases de
sistemas de hardware, contadores inteligentes y sensores de
temperatura) crean datos de registro semiestructurados que
dejan constancia de cada acción.
¿PARA QUÉ BIG DATA?
APLICACIONES REALES DE UN CONCEPTO
La razón de que Big Data sea tan atractivo y poderoso es porque permite a las organizaciones
encontrar respuestas a cuestiones que ni siquiera se habían planteado preguntarse. Esto puede
generar descubrimientos que lleven a nuevas ideas para incorporarlas a los productos o servicios o
que ayuden a identificar la manera de mejorar las cuestiones operativas.
En este momento, existen varias prácticas de utilización
de Big Data tanto en gigantes de la web como Google,
Facebook o LinkedIn como en compañías más tradicionales.
Estos son, según Wikibon y Mc Kinsey Global Institute,
algunos ejemplos de las aplicaciones que pueden dársele a
Big Data. Aunque según ambas compañías de análisis, la
mayoría está aún por descubrir.
Motores de recomendaciones: los gigantes de la Web y
los vendedores online utilizan Hadoop para recomendarse
entre ellos o para aconsejar a los clientes sobre otros
productos y servicios que podrían interesarles a partir
del análisis del perfil de usuario y de su comportamiento
online. LinkedIn utiliza este enfoque para reforzar su
apartado “Gente que podrías conocer” y Amazon hace lo
propio para sugerir productos relacionados con una compra
concreta a los consumidores online.
Análisis de sentimientos: utilizadas en conjunción con
Hadoop, las herramientas de análisis de texto avanzadas
analizan el texto no estructurado de las redes sociales
(tweets y posts de Facebook), para determinar los
sentimientos de los usuarios en relación a marcas, empresas
o productos concretos.
Modelización del riesgo: las compañías del sector
financiero utilizan Hadoop y los data warehouses de
próxima generación para analizar grandes volúmenes de
datos transaccionales y determinar el riesgo al que están
expuestos sus recursos, además de para prepararse ante
futuros escenarios basados en situaciones de mercado
simuladas.
Detección del fraude: utiliza técnicas Big Data para
combinar el comportamiento de los clientes y los datos
históricos y los transaccionales para detectar actividades
fraudulentas. Las compañías de tarjetas de crédito, por
ejemplo, utilizan tecnologías de Big Data para identificar
comportamientos transaccionales que indican que podría
estar utilizándose una tarjeta robada.
Análisis de campañas de marketing: los departamentos
de marketing de todos los sectores utilizan desde hace
largo tiempo la tecnología para monitorizar y determinar
la efectividad de las campañas de marketing. Big Data
permite a los equipos de marketing incorporar mayores
volúmenes de datos de granularidad incremental, como
datos sobre el flujo de clicks de un usuario o los detalles
de registro de una llamada para aumentar la precisión del
análisis.
Análisis de abandono de clientes: las compañías utilizan
Hadoop y tecnologías Big Data para analizar los datos
relacionados con el comportamiento de los clientes para
identificar patrones que indiquen qué cuáles de ellos son
más susceptibles de abandonar la compañía en favor de
un producto o servicio de la competencia. De ese modo,
pueden tomarse medidas para evitar el abandono de clientes
valiosos.
Análisis de influencia social: los datos provenientes de
redes sociales se analizan para determinar qué usuarios
tienen mayor influencia sobre otros dentro de los social
media. Esto ayuda a las compañías a determinar quienes
son sus “clientes más importantes”, que no son siempre los
que más productos consumen o más dinero gastan, sino
los que poseen una mayor capacidad de influencia sobre el
comportamiento de compra del resto.
Análisis de experiencias de cliente: las organizaciones
que trabajan de cara al público utilizan las prácticas de Big
Data para integrar la información previamente recogida
proveniente de canales de interacción con los clientes como
call centers, chats online, Twitter, etc. Para obtener una
visión completa de la experiencia de cliente. De ese modo,
las empresas pueden comprender el impacto que tiene un
canal de interacción con los clientes sobre otro de cara a
optimizar el ciclo de vida completo de la experiencia de
cliente
Monitorización de la red: Hadoop y otras tecnologías
relacionadas con Big Data también se utilizan para
atrapar, analizar y desplegar datos recogidos de servidores,
dispositivos de almacenamiento y otros tipos de hardware
para permitir a los administradores monitorizar la actividad
de red y diagnosticar cuellos de botella y otros problemas.
Este tipo de análisis puede aplicarse también a otro tipo
de redes, incluyendo las de transporte para, por ejemplo,
mejorar la eficiencia del combustible.
Investigación y desarrollo: organizaciones como las
farmaceúticas utilizan Hadoop para “peinar” enormes
volúmenes de investigaciones basadas en textos y otros
datos históricos que puedan contribuir al desarrollo de
nuevos productos.
APLICACIONES DE BIG DATA POR Y PARA LOS DISTINTOS SECTORES
Banca y finanzas
• Servicios de protección de marca
• Protección ante riesgos y fraude
• Servicios personalizados a clientes
• Búsqueda de patrones de uso de productos financieros
• Marketing personalizado
• Creación de servicios basados en la localización
Sector Público
• Servicios de inteligencia, defensa y protección: control
de comunicaciones, vigilancia, intercepción de redes de Retail-Gran Consumo
telefonía, acumulación de todo tipo de datos
• Protección de la flota pesquera
• Vigilancia, seguridad y señalización
• Localizaciones por GPS
• Detección del fraude
• Control de presupuestos públicos
• Protección de la infraestructura pública
• Protección contra el maltrato
• Proyectos de Smart Cities
Sanidad
• Monitorización remota de pacientes
• Localización de emergencias
• Almacenamiento de historias clínicas, radiografías,
escáneres y todo tipo de pruebas de forma centralizada
• Elaboración de estadísticas alrededor de incidencias de
determinadas enfermedades por zonas concretas
• Acercamiento de la asistencia a domicilio
• Investigación clínica: estudios de medicamentos,
ensayos clínicos, genoma humano
• Las prácticas de explotación de Big data son el núcleo
de su negocio desde hace muchos años por encima de las
aplicaciones transaccionales
• Control de la cadena de fabricación
• Análisis del ticket de compra
• Marketing personalizado
• Identificación por radiofrecuencia (RFID) en
centros comerciales
Turismo Utilities
• Optimización de precios • Smart Metering: interpretación de contadores
• Generación de ofertas personalizadas inteligentes en todas las casas
• Análisis de sentimientos • Control de la red comunicaciones, de tuberías, red del
metro
• Proyectos de señalización de tramos de mantenimiento
Telecomunicaciones
• Control de la red
• Venta de servicios de localización
Web y Digital Media
• Análisis de click and stream
• Servicios de publicidad asociados al patrón de llamadas
o las aplicaciones descargadas • Personalización
• Obtención de perfiles de consumidor enriquecidos • Forecasting y optimización
• Explotación de RFID para segmentar y personalizar
ofertas
• Análisis de abandono, riesgo y fraude en clientes
• Satisfacción y lealtad de clientes
• Análisis de CDR (Call Data Record) o registro de
llamada
SMART CITIES, un capítulo aparte
La población mundial es mayoritariamente urbana.
Así lo asegura el estudio de Naciones Unidas “World
Urbanization Prospects” que, entre otras conclusiones,
muestra cómo ha evolucionado la tendencia del ser humano
a agruparse en ciudades. Si en 1950, la población urbana
del planeta era del 51% del total, actualmente el índice es
del 71% y creciendo: hasta un 84% hacia la mitad del siglo
XXI.
La concentración en núcleos urbanos y el desarrollo de los
mismos trae consigo la definición de un nuevo modelo
de ciudad que permita desarrollarse sosteniblemente
optimizando todos sus recursos y conformando un entorno
humano para sus ciudadanos.
Nace así el concepto de Smart Cities, en el que múltiples
organizaciones públicas y privadas pertenecientes a
diversos sectores trabajan para definir ese modelo de
ciudad inteligente que es necesario perfilar. La tendencia
es mundial pero justamente en España ha alcanzado una
notoriedad especial y así quedó recogido en el informe
elaborado por IDC sobre Smart Cities españolas en 2011.
Al margen de fijar una clasificación de ciudades según
su grado de “inteligencia”, el informe de la consultora
ha revelado que los núcleos urbanos españoles han de
avanzar en sus modelos de desarrollo y gestión para crear
los pilares de un futuro más sostenible que contemple al
ser humano como centro. El soporte de las tecnologías
El soporte de las tecnologías de la
información, especialmente del análisis
extremo de datos, señales y transacciones
es el elemento crucial del que obtener la
información de referencia para permitir que se
desarrollen las ciudades inteligentes. Big Data
aplicado a la habitabilidad, la sostenibilidad y
la convivencia ciudadana.
de la información, especialmente del análisis extremo de
datos, señales y transacciones es el elemento crucial del que
obtener la información de referencia para permitir que se
desarrollen las ciudades inteligentes. Big Data aplicado a la
habitabilidad, la sostenibilidad y la convivencia ciudadana.
 MATRIZ DEL ÍNDICE DE CIUDADES INTELIGENTES DE ESPAÑA
Alto
Málaga

Santander
Barcelona
Elche Donostia-
Madrid San
Sebastían
Hospitalet
de Llobregat
Santa Cruz Zaragoza
Burgos
de Tenerife
Dimensiones de inteligencia

Vitoria-a- Bilbao
Gasteiz
Cartagena San
Cristobal de Alicante
Pamplona
Almería la Laguna /Iruña
Murcia Coruña (A)
Sevilla Gijón
Móstoles Logroño Oviedo
Alcalá de Castellón de
Henares Palma de
la Plana Mallorca
Valencia
Getafe Albacete
Fuenlabrada
Córdoba Granada Valladolid
Leganes

Jerez de la Salamanca
Frontera
Alcorcon
Badajoz
Badalona
Vigo

Las Palmas
de Gran Sabadell
Canaria
Bajo
Débil Fuerzas capacitadoras Fuerte

Cinco primeros 10 aspirantes Jugadores activos Seguidores

Para IDC, las ciudades inteligentes hacen un uso intensivo
de las TIC para transformar su manera de operar en
apartados como medio ambiente, energía, servicios
públicos, tráfico o construcción. Málaga, Barcelona,
Santander, Madrid y San Sebastián abren el ranking de
“inteligencia urbana” gracias a estas iniciativas:
1) Málaga: despliegue de una iniciativa de ciudad ecológica
y eficiente a partir de la integración en la red eléctrica de
fuentes de energía renovables.
2) Barcelona: adopción de soluciones de movilidad en el
transporte urbano mediante el proyecto LIVE (Logística per
a la Implementació del Vehicle Elèctric).
3) Santander: desarrollo del proyecto SmartSantander,
basado en el despliegue de 20.000 sensores dirigidos al
control medioambiental en aspectos como el tráfico, la
gestión de los residuos y la eficiencia en el transporte
público.
4) Madrid: creación del Centro Integrado de Servicios de
Emergencia (CISEM), capaz de coordinar todos los servicios
de urgencia.
Aunque suene a iniciativa en beneficio del ciudadano y
eso le confiere un carácter básicamente público, hay varios
organismos privados involucrados en el desarrollo de
proyectos de Smart Cities. Tal es el caso de BBVA, muy
implicado en el concepto desde su centro de Innovación
que, a su vez, colabora con el Senseable City Lab del MIT
(Massachusetts Institute of Technology).
Los objetivos van en la línea de buscar nuevos enfoques
de uso de todos los datos de carácter no personal que
proceden de las transacciones de pago y de las retiradas de
efectivo. También intenta comprender cómo las personas se
relacionan con las ciudades analizando sus interacciones con
los distintos tipos de comercios.
“En BBVA buscamos, igualmente, evaluar las
posibilidades de predicción que estos análisis tienen
sobre comportamientos futuros. Combinando los datos de
transacciones con otras fuentes de información se podrán
añadir nuevas perspectivas y desplegar nuevos servicios que
repercutan en la calidad de los espacios urbanos”, comenta
Elena Alfaro, gerente en el área de Business Discovery y
experta en Smart Cities de BBVA.

5) Donostia-San Sebastián: despliegue del proyecto

Estrategia 2020, que contempla aspectos como “personas y
valores”, “ciudad conectada” y “vivir y disfrutar”.
Unos cuantos tecnicismos que hay que conocer

Otra forma de hacer las cosas:

los nuevos modos de procesamiento y análisis que trae Big Data

Existen varias aproximaciones para afrontar el procesamiento y análisis de Big Data, pero la mayoría
comparten algunas características comunes. Básicamente, se benefician de hardware estándar que
permite implantar técnicas de procesamiento paralelo y escalabilidad; emplean capacidades de
almacenamiento no relacional de cara a procesar datos no estructurados y semi estructurados y
aplican tecnologías avanzadas de análisis y visualización de datos a Big Data para extraer elementos
de comprensión a los usuarios finales.

Wikibon, una comunidad profesional de intercambio de Un cliente accede a datos no estructurados y

conocimiento que aborda cuestiones tecnológicas aplicadas semiestructurados desde distintas fuentes. Secciona
a la resolución de retos de negocio, ha identificado dos los datos en “partes”, que se cargan a continuación en
aproximaciones a Big Data que transformarán los mercados un sistema de ficheros de múltiples nodos. El fichero
de la gestión de datos y las analíticas de negocio: Hadoop y almacenado por defecto en Hadoop se denomina Hadoop
los data warehouses de nueva generación. Distributed File System o HDFS. Los sistemas de archivo
como HDFS resultan adecuados para almacenar grandes
Hadoop puede definirse como un entorno de código abierto volúmenes de información de cualquier naturaleza que
para procesar, almacenar y analizar cantidades masivas no requieren datos ni instrucciones para organizarse en
de datos distribuidos y no estructurados. Doug Cutting columnas o tablas relacionales.
de Yahoo! fue quién creó el entorno que, a su vez, estaba
inspirado en MapReduce, una función desarrollada por
Google a principios de 2000 para indexar la web.
Hadoop se diseñó para soportar petabytes y exabytes de
datos distribuidos en múltiples nodos en paralelo. Los
clusters de Hadoop operan en hardware estándar que no
requiere grandes inversiones de modo que los proyectos
pueden escalar sin afectar presupuestariamente a las
organizaciones. “En estos tiempos de rigor presupuestario,
la opción de entrada en Big Data que se plantean algunas
empresas españolas con las que hemos hablado del concepto
es empezar a investigar y a adentrarse en Hadoop para
identificar la utilidad que podría tener en un futuro”,
comenta Óscar Alonso, analista de Penteo.

En ocasiones veo elefantes amarillos

Actualmente Hadoop se encuadra como un proyecto
de la Apache Software Foundation, en el que cientos de
participantes mejoran continuamente el núcleo de la
tecnología. ¿Qué tiene de especial este entorno conocido
a través de su icónico elefante amarillo? Hay un concepto
fundamental en relación a él: en lugar de procesar un
enorme bloque de información cada vez, Hadoop segmenta
Big Data en múltiples partes, de modo que pueden
procesarse y ser analizadas al mismo tiempo.
Cada “parte” se replica múltiples veces y se carga en el
sistema de ficheros de modo que si un nodo falla, otro
dispone de una copia de los datos que se encontraban
en el nodo que falló. Lo que se conoce como Name
Node actúa como facilitador, comunicando de vuelta al
cliente información como, por ejemplo: qué nodos están
disponibles en el cluster, en qué lugar del cluster reside un
determinado dato y qué nodos han fallado.
Una vez que el dato se ha cargado en el cluster ya está listo
para ser analizado por el entorno MapReduce. El cliente
pone en marcha, entonces , la tarea de “Map” (normalmente
una query escrita en Java) en uno de los nodos en el cluster
conocido como Job Tracker. Éste se relaciona con el Name
Node para determinar a qué datos necesita acceder para
completar la tarea y en qué lugar del cluster se encuentran.
Una vez determinados, el Job Tracker transfiere la query
a los nodos relevantes. En lugar de devolver todos los
datos a una localización central para su procesamiento, dicho
procesamiento sucede en cada nodo simultáneamente o en
paralelo. Esta es una característica esencial de Hadoop.
Cuando el nodo termina de procesar una determinada
tarea, almacena los resultados. El cliente inicia entonces un
trabajo de “Reduce” a través del Job Tracker en el que los
resultados de la fase de “Map” almacenados localmente en
nodos individuales se agregan para determinar la “respuesta”
a la consulta original, para después cargarse en otro nodo
del cluster. El cliente accede a esos resultados que pueden
cargarse después en uno o varios entornos de análisis. De este
modo se completa la tarea MapReduce.
Hadoop se diseñó para soportar petabytes y
exabytes de datos distribuidos en múltiples
nodos en paralelo. Los clusters de Hadoop
operan en hardware estándar que no requiere
grandes inversiones.
Una vez que la fase MapReduce se complete, los datos
procesados están listos para un análisis más detallado por
parte de los “Científicos de datos” que poseen habilidades
avanzadas de análisis de datos. Los “Científicos de datos”
pueden manipular y analizar los datos utilizando una o
varias herramientas para múltiples propósitos como la
búsqueda de conocimiento o de patrones ocultos para
utilizarlos como pilares en la construcción de aplicaciones
analíticas concretas. Los datos pueden también
modelarse y transferirse desde clusters de Hadoop a
las bases de datos relacionales existentes, a los data
warehouses o a cualquier otro sistema de TI tradicional
para un análisis más detallado o para soportar los procesos
transaccionales.
Unos cuantos tecnicismos que hay que conocer

Otra forma de hacer las cosas:

los nuevos modos de procesamiento y análisis que trae Big Data

Algunas de las mentes más brillantes del sector de TI
están contribuyendo con su experiencia al proyecto Apache
Hadoop y una nueva generación de desarrolladores de
este entorno y de “Científicos de datos” está empezando
a despuntar. Como resultado, la tecnología avanza
rápidamente y se transforma en un elemento más poderoso
y sencillo de implementar y mantener.
Algunas de las mentes más brillantes del
sector de TI están contribuyendo con su
experiencia al proyecto Apache Hadoop y
una nueva generación de desarrolladores de
este entorno y de “Científicos de datos” está
empezando a despuntar. Como resultado,
la tecnología avanza rápidamente y se
transforma en un elemento más poderoso y
sencillo de implementar y mantener.
Middleware y aplicaciones. La actualización del middleware
y aplicaciones en un entorno de Big Data es menos
exigente que en el apartado de infraestructura. Muchos de
los proveedores tradicionales de herramientas de ETL o
de middleware de integración de datos, están adaptando
ya sus soluciones. A nivel de aplicaciones, sin embargo,
el software de visualización no está tan maduro aunque se
trata de módulo fundamental para sacarle partido al análisis
de millones de datos.
Opciones de software libre. Durante el último año se
ha hablado mucho de la capacidad de herramientas de
software libre como Apache Hadoop para gestionar grandes
volúmenes de datos. Cada vez más compañías utilizan esta
y otras opciones de software libre para experimentar cómo
almacenar, gestionar y analizar grandes cantidades de datos.
Una de las claves para entender las implicaciones del Big
Data es que no importa tanto el volumen de los datos o
la rapidez con la que se generan como el valor en sí de la
información y la complejidad de extraer valor de la misma.

Múltiples sabores Fuente: Big Data: ¿humo o reto corporativo?, Penteo 2011

Igualmente, un gran número de fabricantes ha desarrollado

sus propias distribuciones de Hadoop, la mayoría basadas
en la de código abierto de Apache pero con distintos niveles
de personalización propietaria. El claro líder de mercado
en términos de distribución es Cloudera, una start-up de
Silicon Valley con un equipo de primera línea de expertos
en Big Data que incluye al propio creador de Hadoop,
Doug Cutting, y a Jeff Hammerbacher, anterior mago del
análisis de datos de Facebook.
En paralelo, otras start-ups de última generación empiezan
a perfeccionar bases de datos NoSQL que, combinadas con
Hadoop, son capaces de descubrir patrones prácticamente
en tiempo real.

Principales bloques tecnológicos para

establecer una estrategia Big Data según Penteo
Bases de datos e infraestructura. Dotarse de bases de datos
e infraestructura potente es fundamental en un entorno de
Big Data. Más allá de los tradicionales sistemas de gestión
de bases de datos relacionales (RDBMS, en sus siglas en
inglés), se requieren bases de datos con capacidades de
procesamiento y almacenamiento extremas, sistemas OLAP
multidimensionales y bases de datos basadas en memoria
volátil (in-memory). La virtualización de servidores,
almacenamiento y desktop suele ser también necesaria
para acelerar la gestión de datos y hacerla escalable, y otros
componentes como aceleradores de aplicaciones y redes o
bases de datos distribuidas, son también clave.
Buscando desesperadamente al científico de
datos
Los datos no van a hacer más que crecer y crecer. En cifras
de IDC, el volumen de información que se creó, capturó
y replicó en 2010 fue de 1,8 millones de petabytes, cifra
que implica un aumento del 125% en relación a 2009.
Las previsiones a largo plazo apuntan a que en 20 años
el volumen de datos habrá crecido un 1.845% respecto a
2010, alcanzando el astronómico volumen de 35 millones
de petabytes.
McKinsey Global Institute relaciona el aumento del
volumen de información con la demanda de expertos
en extraer valor de los datos y asegura que en 2018
habrá un desfase de entre el 50-60% entre demanda de
talento analítico para acometer proyectos y la oferta real
de profesionales preparados para abordar tal tarea. Esto
quiere decir que serán necesarios alrededor de 490.000
profesionales para diseñar estrategias Big Data en Estados
Unidos pero que tan sólo habrá 300.000 para cubrir la
demanda. Ver gráfico
“Muchas necesidades futuras y pocos expertos presentes”,
así lo resume Miguel Galera en una entrada de TICbeat,
mientras que Michal Lev-Ram, periodista de Fortune
exhortaba en septiembre de 2011: “Si encuentra algún
científico de datos: contrátelo”.
Parece que la de científico de datos será la carrera del
futuro. El término, desconocido hasta hace año y medio, se
dispara como entrada de búsqueda en Google, un indicador
siempre claro del interés de un concepto. En el último
trimestre de 2011 y 2012, alcanzó picos 20 veces superiores
a los de los mismos periodos del año anterior.
La necesidad de expertos en análisis extremo: hasta
un 60% por encima de la oferta real de profesionales.
Escenario: Estados Unidos, 2018
Oferta y demanda de profesionales con capacidades analíticas en 2018.
En miles de personas
140-190 440-490
1803 0
300
50-60% de
desfase entre
demanda de
150
talento
analítico y la
oferta real.
Profesionales Universitarios con
empleados en capacidades de
OtrosP rofesionales
cualificados en
Desfase Profesionales
cualificados para
2008 análisis extremo analítica cubrir la demanda
extrema en prevista en 2018
2018
Perfiles demandados: Estadísticos, científicos cuantitativos, analistas,
managers con enfoque y
experiencia cuantitativa y técnicos expertos en software y lenguajes de
programación de análisis de datos.
Fuente: Oficina de Estadística de Empleo de Estados Unidos;
Censo de EE.UU.; Dun & Bradstreet; McKinsey Global Institute
Para Jaime García Cantero, analista independiente,
las capacidades del así llamado científico de datos se
concretarían en “un perfil mixto que integre conocimientos
tecnológicos con comprensión del negocio. El CIO (Chief
Information Officer) ha acabado por estar vinculado a la
parte más puramente tecnológica, lo que le convierte más
en un CTO (Chief Technology Officer). Para entender la
naturaleza y magnitud de Big Data se necesitaría una figura
nueva: el Chief Data Officer capaz de entender la naturaleza
de los datos y organizarlos y explotarlos para obtener un
impacto positivo”.
Ante la brecha entre demanda de talento analítico y
profesionales actuales expertos en la lógica de Big Data,
García Cantero opina que no queda más remedio que
adaptarse a lo que la realidad impone. “Los analistas de
datos tradicionales son más bien matemáticos, estadísticos,
economistas. Trabajan con modelos más que con tecnología
pura y dura porque lo que importa son las reglas de
negocio. Ahora habrá que ponerle un plus de inteligencia
por encima para que ese análisis de datos se integre en las
áreas de marketing, comunicación, ventas… “
De la teoría a la práctica

BIG DATA EN LAS ORGANIZACIONES ESPAÑOLAS

Para compañías como Google, Facebook o LinkedIn la explotación de los datos es el núcleo de su
actividad y han sido pioneras en hacer de la acumulación de información un activo de rentabilidad
casi infinita. Pero ¿y el resto? Las organizaciones recogen las tendencias tecnológicas a veces
mucho antes de que analistas y medios especializados se encarguen de difundirlas. Estos últimos
dan nombre a prácticas que ya ejecutaban las empresas como parte de la evolución de negocio o
como modo natural de buscar ventajas competitivas. En el caso de Big Data, algunas organizaciones
ya lo practicaban “orgánicamente” pero no le habían puesto nombre, de modo que la adopción del
fenómeno está en curso pero hay pocos ejemplos totalmente contrastados y aquilatados tanto a
escala global como en España.

En una sesión organizada por Penteo con 15 empresas

españolas de distintos tamaños y sectores que facturan más
de 100 millones de euros al año, quedó registrado que las
organizaciones están impregnadas de la idea de crear valor a
partir de los datos. “En España estamos en un momento de
curiosidad hacia el concepto pero con dudas razonables. Las
empresas españolas muestran interés hacia la explotación
de Big Data, pero es difícil sustraerse a los rigores del
momento económico que limita los presupuestos de TI”,
comenta Óscar Alonso, consultor de la firma de análisis
Penteo.
“Las principales cuestiones que se
plantean las empresas con las que hemos
hablado en relación a Big Data son: ¿es
aplicable y factible en mi organización?,
¿cuánto me cuesta? Y ¿quién me ayuda a
implantarlo?”
Óscar Alonso,
analista de Penteo
“Las principales cuestiones que se plantean las empresas
con las que hemos hablado en relación a Big Data son: ¿es
aplicable y factible en mi organización?, ¿cuánto me cuesta?
Y ¿quién me ayuda a implantarlo?”, explica Alonso.
Para Jaime García Cantero, analista independiente, “Big
Data trae un cambio en los modelos de gestión de las
organizaciones que ahora pasarían a ser compañías que
toman sus decisiones basándose en lo que les dicen los
datos. Los egos corporativos se diluyen. Las decisiones
tienen que venir avaladas por datos que las justifiquen y
esto es un cambio de mentalidad importante”.
Por su parte, Óscar Alonso asegura que todas las
compañías con las que han hablado del concepto entienden
la necesidad de sacar partido de sus datos a la misma
velocidad que su propia proliferación impone y que cada
una aplica la explotación de sus datos según su “naturaleza”
sectorial. “En líneas generales, retail, gran consumo,
banca, telco y sector público son las actividades que más
rápidamente ven los beneficios de la aplicación de Big Data
y que más dinamismo muestran a la hora de adoptarlo.
Hay ejemplos de proyectos concretos pero aún son muy
pocos y pasará tiempo antes de que las empresas los den a
conocer abiertamente”.
García Cantero está de acuerdo en la enorme potencialidad
de Big Data en segmentos como banca (cálculo de riesgo,
percepción de marca), telecomunicaciones (control de
la red, análisis de abandono, riesgo y fraude en clientes,
satisfacción y lealtad de clientes) sector público (fraude
fiscal, control del gasto, smart cities) y gran consumo.
Aun así, el analista cree que es pronto para hablar de
experiencias consolidadas pero que, al ser una práctica
que tiene que ver más con el negocio, es probable que el
ritmo de adopción sea más rápido que si se tratase de un
asunto puramente tecnológico. “Hay ejemplos conocidos
de explotación de datos como en el caso de R Cable, la
operadora gallega de telecomunicaciones, que ha generado
un agregador de datos en su contact center para tener
una visión única de cliente: su facturación, productos y
servicios, incidencias…”.
En cuanto al tamaño de las organizaciones más receptivas,
Óscar Alonso, comenta que con Big Data sucede lo mismo
que con los proyectos de inteligencia de negocio: “en un
principio se asociaban a gran cuenta pero su utilidad es
aplicable a cualquiera. Basta con tener volumen de datos
y querer hacer uso de ellos. De hecho, empiezan a aparecer
muchas start-ups en las que la explotación intensiva de los
datos es la regla principal de su negocio. No hay que ser
una firma del IBEX 35 para sacarle partido a esta práctica”.

¿Cómo hacerlo?
Óscar Alonso añade que “el momento económico no es
fácil y los presupuestos de TI están congelados, cuando no
se han reducido. Lo que sí hemos visto es que, al tratarse
Hadoop de un entorno OpenSource algunas compañías están
derivando recursos humanos a investigar este entorno y a
aproximarse a su utilización”.
De entre las compañías a las que Penteo tiene acceso existe
una compañía de retail de gran consumo que sin denominar
Big Data a su modo de explotar la información, lleva tiempo
aplicando el análisis de datos para recoger y relacionar lo que
se dice de ellos en las redes sociales integrándolo en el BI
tradicional. “Esta compañía tiene un grupo de analistas que
pueden considerarse auténticos científicos de datos: personas
con perfiles matemáticos-estadísticos con una visión y unos
conocimientos de negocio muy intensos”. La recomendación
de Penteo a las organizaciones es empezar a buscar ya mismo
ese talento analítico que requiere este tipo de proyectos.
La banca gana
Hay pocos ejemplos concretos de inicio y desarrollo de
prácticas de Big Data y mucha discreción a la hora de hablar
de ellos por parte de sus responsables, ya se trate de personal
técnico o de profesionales ligados al negocio. La prudencia
se impone. Aun así, algunos representantes de empresas
españolas de varios sectores sí que muestras sus experiencias
en encuentros y foros profesionales o valoran a título
personal el concepto y las iniciativas de sus organizaciones
en la explotación de Big Data.
Manuel Gómez Burriel, de Sistemas Centrales de la
Confederación Española de Cajas de Ahorros (CECA) opina
que el concepto Big Data viene de tiempo atrás, sobre
todo desde el momento que surge la necesidad de manejar
información no estructurada. “Hasta ahora, los gestores de
bases de datos “clásicos” han ido incorporando, con más o
menos funcionalidades, los datos tipo LOB y XML, pero
siguen apareciendo nuevas necesidades de accesos analíticos
a información no estructurada. La valoración positiva
del impacto en el negocio vendrá determinada, como es
habitual, por el retorno de la inversión estimada para
proveer el servicio”.
Acerca de qué usos de Big Data que ayudasen a mejorar
el negocio podrían ser relevantes en su organización,
Gómez Burriel sólo observa el posible requerimiento de
cantidades ingentes de información para los servicios que
deben conservar datos a lo largo del tiempo, por razones o
imperativos legales y/o de auditoría.
Para un profesional de TI de otra entidad financiera
española que prefiere no identificarse, Big Data no es
una práctica completamente nueva: “el tratamiento de la
información no estructurada lleva realizándose hace varios
años, lo que ha cambiado realmente es la cantidad de
información a almacenar y procesar, así como las fuentes
diversas que la originan. Este crecimiento es exponencial
y en estos momentos desconocemos cual será el techo, si es
que algún día llega a tenerlo”.
“Disponer de información masiva permite
prever mejor dónde es necesario suministrar
la energía y eso se traduce en ser más
eficiente, más fiable y, en consecuencia,
mejorar económicamente. En un mercado
desregulado hay que competir por los
clientes. Hace unos años, el crecimiento
de la construcción trajo en paralelo un
incremento del despliegue de agua, energía,
luz nueva, gas... Pero la fiesta se acabó.
Ahora peleamos por los clientes y estamos
obligados a ser más eficientes, a ser
mejores”.
Rafael Blesa,
Responsable de Arquitectura y BI y de Gestión del
Software SSII de Gas Natural/Fenosa
Otro hecho diferenciador es la velocidad de acceso
a la información a la que nos hemos acostumbrado.
“Necesitamos la información ya, de forma inmediata.
Si combinamos estos aspectos, Big Data si es un nuevo
concepto. ¿Están justificadas las inversiones? Pues
dependerá de las necesidades del negocio, y debe ser este
área de la compañía quien decida su rentabilidad o no.
Lo que parece indudable, es que el futuro nos lleva a
trabajar con este concepto, por lo que de una forma u otra
tendremos que evolucionar en este sentido.
De la teoría a la práctica
BIG DATA EN LAS ORGANIZACIONES ESPAÑOLAS
Mundo Telco
El sector de las telecomunicaciones es uno de los que más
potencial podría extaer de las prácticas relacionadas con Big
Data.
Ana Lledó Tarradell, directora de Productos y Diseño de
Soluciones de BT España, valora el fenómeno en toda su
amplitud: “ Big Data se ha convertido en un auténtico
desafío para las empresas en los últimos dos o tres años:
inmensa y creciente generación de datos que se acumulan
cada día y que hay que gestionar de la manera más eficiente
posible con el objetivo de disponer de información como
ventaja competitiva. En este contexto, la eclosión de las
redes sociales, donde cada individuo interactúa y genera
mucha información, ha venido a evidenciar más si cabe la
necesidad de abordar soluciones prácticas”.
“Big Data trae un cambio en los modelos
de gestión de las organizaciones que ahora
pasarían a ser compañías que toman sus
decisiones basándose en lo que les dicen
los datos. Los egos corporativos se diluyen.
Las decisiones tienen que venir avaladas por
datos que las justifiquen y esto es un cambio
de mentalidad importante”
Jaime García Cantero,
analista independiente
Para Lledó, volumen, variedad y velocidad constituyen
el algoritmo común que comparten las empresas para
enfrentarse a la gestión del ingente volumen de información
acumulado. “La búsqueda del difícil equilibrio entre
análisis y parálisis, es decir, qué y cuántos datos analizar
para obtener información de auténtico valor para la
empresa, es el dilema al que se enfrentan. Y todo ello en
mercados que cambian cada vez más rápidamente y con
normas regulatorias en algunos de ellos que obligan a
almacenar los datos durante tiempo prolongado aunque no
se utilicen”, continúa la directora de Productos y Diseño de
Soluciones de BT España.
De modo más concreto, la directiva de la compañía de
telecomunicaciones comparte la experiencia y planes de
su firma en relación a Big Data: “Como operador, BT
analiza los datos del tráfico de voz y datos de sus clientes
para dimensionar sus propias redes según la geografía y
la demanda de capacidad e incluso para diseñar ofertas
específicas. Este análisis, le permite también la gestión
idónea de las necesidades de sus clientes colaborando
directamente con ellos en la optimización de sus redes y
sistemas teniendo en cuenta sus necesidades de tráfico,
transacciones, almacenamiento e incidencias según la
estrategia de uso. Al no estar en España orientados al
mercado residencial, y a pesar de que el volumen de datos
que se generan es enorme y sigue creciendo, BT continúa
en disposición de manejar la información de sus clientes
con un mayor grado de personalización”.
Continuando en el segmento de las telecomunicaciones,
el 1004 de Telefónica es un ejemplo concreto de prácticas
de Big Data a través de modelos predictivos. Durante
una jornada de difusión del concepto organizada en
ESADE Por Bayes Forescast bajo el epígrafe “Big Data y
modelos de predicción en marketing y operaciones”, el
Gerente de Atención al Cliente en Telefónica, Javier Falcó,
compartió la experiencia de su organización explotando
sus datos y utilizando modelos de predicción que ayudan
a diagnosticar, explicar y prever y que producen un
impacto muy positivo en la optimización de los procesos
productivos y en los ahorros de costes.
En su ponencia Falcó explicó que el número de atención a
sus clientes, el conocido 1004, utiliza modelos predictivos
para determinar el número de llamadas que recibirá el
servicio cada vez que se lanza una campaña. Actualmente,
el 1004 realiza un plan de operaciones mensual y otro
trimestral y en enero de 2012 llegó a atender 14 millones
de llamadas.
“Para Telefónica, el 1004 ha sido siempre su canal
fundamental de ventas. Cada vez que se programa una
campaña, se invita a los posibles clientes a contratar el
servicio en el 1004 y los responsables de gestión tenemos
la responsabilidad de determinar los picos de llamadas,
de garantizar que un cliente va a ser atendido, de trabajar
junto al equipo de previsiones de cara a cumplir las
expectativas…En este punto, los modelos predictivos
resultan de una utilidad vital.”

“La valoración positiva del impacto en

el negocio vendrá determinada, como es
habitual, por el retorno de la inversión
estimada para proveer el servicio”

Manuel Gómez Burriel,

Sistemas Centrales de la Confederación
Española de Cajas de Ahorros (CECA)

Posteriormente, y de cara a los aspectos comerciales, se

miden los efectos de las acciones de marketing masivo
(prensa, televisión, sms, cartas, email … ), el marketing
de emisión (inbound o llamadas por efecto de la acción
comercial) y la factura.
En su intervención, Falcó también señaló que “una variable
muy interesante y necesaria es la del comportamiento del
cliente. No es lo mismo el comportamiento de un usuario
que ha comprado la promoción en una tienda, a través del
call center o a través de telemarketing de emisión. Es muy
importante identificar los patrones asociados al lugar y
momento donde se ha generado una venta”.
De la teoría a la práctica
BIG DATA EN LAS ORGANIZACIONES ESPAÑOLAS
Energía concentrada
El conocido como sector Utilities, generador y distribuidor
de energías y servicios básicos (luz, gas, agua, gasolina,
petróleo) vive un momento marcado por tendencias como
las Redes Inteligentes, el Smart Metering, la entrada
de nuevos actores y distribuidores en el mercado, la
atomización de las operadoras y las inversiones congeladas.
Esto se une a las propias tendencias del mercado de TI que
propone prácticas como Big Data, soluciones de movilidad
y la convergencia de las tecnologías de la información con la
esencia del negocio.
“Big Data representa una vuelta a las viejas
prácticas del mainframe. “Las estrategias
tecnológicas, como sabemos, son cíclicas
y ahora toca consolidar. Particularmente,
defiendo una posible inversión, aunque al
principio no veamos un impacto directo
en el negocio. Su impacto sería más bien
indirecto, de cara a minimizar los riesgos
técnicos que tienen el hardware y software
distribuido entre n-mil empresas”
Mario Sanz Mayor,
Equipo de plataformas de Middleware de Barclays
Como resultado del cruce de tendencias, las estrategias
tecnológicas del área Utilities enfatizan el uso de la
explotación de tecnologías de información geográfica que
minimicen el impacto en el medio ambiente, la utilización
de soluciones en la Nube y las capacidades ampliadas de
gestión de activos.
Además, las compañías de energía asumen un riesgo
importante: se trata de servicios básicos y el desprestigio de
imagen y de marca que se sucede a un mal servicio o a un
servicio caro es difícilmente recuperable.
Rafael Blesa, Responsable de Arquitectura y BI y de
Gestión del Software SSII de Gas Natural/Fenosa, opina
que disponer de información masiva permite prever mejor
dónde es necesario suministrar la energía y eso se traduce en
“ser más eficiente, más fiable y, en consecuencia, mejorar
económicamente”.
“En un mercado desregulado hay que competir por los
clientes. Hace unos años, el crecimiento de la construcción
trajo en paralelo un incremento del despliegue de agua,
energía, luz nueva, gas... Pero la fiesta se acabó y la
economía va para atrás. Ahora nos peleamos por los clientes
con compañeros como Endesa o Iberdrola y estamos
obligados a ser más eficientes, a ser mejores”.
Para ello, Blesa entiende que es necesario optimizar las
campañas que se lanzan desde Gas Natural/Fenosa: “hay
que afinar la dirección de las acciones para calar mejor en
los públicos objetivos y obtener un mayor éxito: llegar con
la oferta adecuada, organizar campañas menos masivas y
más dirigidas a segmentos concretos. Esa es una demanda
del negocio y desde el punto de vista de sistemas tenemos
que proveer más información, en períodos mucho más
cortos. Se necesita información y se necesita para analizarla
YA.”
En el caso de su organización, Blesa comenta que se trata de
aprovechar la información de los clientes y sus patrones de
consumo pero que también es necesario incorporar fuentes
externas: información demográfica, geográfica-geodésica-
geoespacial, metereológica, de impacto medioambiental
y sin olvidar la influencia de las redes sociales en la
reputación de la compañía.
“Big Data trae un cambio en los modelos
de gestión de las organizaciones que ahora
pasarían a ser compañías que toman sus
decisiones basándose en lo que les dicen
los datos. Los egos corporativos se diluyen.
Las decisiones tienen que venir avaladas
por datos que las justifiquen y esto es un
cambio de mentalidad importante”
Jaime García Cantero
Analista independiente
“Hay muchas soluciones interesantes que estamos
evaluando actualmente que espero nos ayuden. La barrera,
como casi siempre es el coste. Los proyectos no resultan
baratos y tenemos que estar seguros que la aplicación
justifica la inversión en un momento en que todo se
cuestiona”, concluye el Responsable de Arquitectura y BI
de Gas Natural/Fenosa.
Gran Consumo
También en la Jornada sobe Big Data y modelos predictivos el valor que verdaderamente tiene. Los modelos favorecen
aplicados al marketing y operaciones, Massimiliano la comunicación objetiva. Ya no se trata de decir: el año
Marinucci, Director de Marketing de Estrategia y pasado hizo calor y por eso vendimos más. Vamos a analizar
Productividad de Coca Cola compartió la experiencia de la el aumento de temperatura y lo vamos a cuantificar. Así se
que es, quizás, la marca global por excelencia con el uso de acaba con la diatriba tipo: fue el calor frente a no, fue mi
las técnicas predictivas a partir del análisis masivo de los marketing”.
datos.
Marinucci inició su intervención con una frase pronunciada “BT analiza los datos del tráfico de voz y
en 1887 por John Wanamaker, considerado el padre de la datos de sus clientes para dimensionar
publicidad moderna y pionero de las técnicas de marketing sus propias redes según la geografía y
: “Ya sé que la mitad del dinero que empleo en marketing la demanda de capacidad e incluso para
no tiene ningún efecto. El problema es que no sé de qué diseñar ofertas específicas. Este análisis, le
mitad se trata”. permite también la gestión idónea de las
Con ella, el directivo de Coca Cola pretendía enfatizar necesidades de sus clientes colaborando
la necesidad de entender de dónde vienen las ventas y directamente con ellos en la optimización
los factores que influyen en ellas en un deseo de prever, de sus redes y sistemas teniendo en cuenta
planificar y mejorar la productividad. En ese sentido, los sus necesidades de tráfico, transacciones,
modelos predictivos creados tanto globalmente como en almacenamiento e incidencias según la
nuestro país pueden considerarse un ejemplo de innovación estrategia de uso”
y desarrollo. Ana Lledó Tarradell,
“Nos interesa analizar los datos porque necesitamos directora de Productos y Diseño de Soluciones de BT España
entender, diagnosticar, saber de dónde vienen nuestras
ventas o los factores que han influido en ellas… Si
Para el directivo de Coca Cola un asunto importante es
añadimos la capacidad de previsión de los modelos a su
cómo se reciben estas prácticas de análisis extremo de datos
habilidad para entender lo que está pasando, el resultado
y aplicación de modelos predictivos. Según Marinucci el
es que los modelos también podrán utilizarse de cara a la
punto fundamental es que los altos cargos entiendan su
planificación. Otra razón más que potente para modelizar
beneficio y utilidad “que se den cuenta de que se trata de
es el dinero que invertimos en publicidad: Utilizamos los
una práctica que les va ayudar a tomar decisiones y a valorar
modelos para mejorar la productividad de nuestras acciones
los riesgos de cara al futuro”.
de marketing. A través de la diagnosis podemos mover los
recursos de un lado para otro según la productividad”.
Los modelos explican qué motivaciones influyen en el
negocio, de dónde vienen las ventas, cómo contribuye cada
elemento al crecimiento o a los volúmenes de venta por
año y, de ese modo pueden identificar cuál sería la inversión
óptima en acciones de marketing y publicitarias.
De modo muy gráfico, Marinucci relató que los modelos
generan controversia en los departamentos de marketing.
“Por ejemplo el hecho de demostrar que gran parte del
aumento de ventas no se debe al marketing sino a factores
externos como una mayor tasa de crecimiento de países en
vías de desarrollo. En ese sentido, los modelos ayudan a
redimensionar la aportación de cada elemento y a darle
 Jaime García Cantero
Analista independiente
@jaimegcantero

BIG DATA: MUCHO MÁS QUE INFORMACIÓN

Transacciones financieras y ventas en tiempo real, medidas de sensores en las cadenas de
fabricación, localización de nuestra flota de distribución u opiniones de los clientes en las redes
sociales. Nuestras organizaciones manejan en la actualidad una cantidad ingente de información. Su
análisis hace posible una nueva manera de gestionar las organizaciones que el profesor del MIT Erik
Brynjolfsson define como DDD (Data Driven Decision) que permite a las organizaciones ganancias de
productividad de entre un 5 y un 6 % (Brynjolfsson, 2011).

Big Data, unánimemente incluida entre las UTILIDAD DE BIG DATA POR SECTORES
Datos de la economía estadounidense
tendencias del año por todos los analistas y El tamaño del círculo indica la contribución relativa al PIB
consultoras, es el conjunto de herramientas,
procesos y aptitudes que van a permitir Alto Utilities Servicios
Big Data: facilidad para capturar datos

Informática de consumo
sanitarios
la gestión de estas enormes cantidades de Recursos naturales
Información
información para mejorar los resultados
Fabricación Finanzas y seguros
de nuestras organizaciones. Sin duda el
impacto de Big Data y la complejidad de su Transportes
Servicios profesionales
implantación dependen en gran media de la Inmobiliarias
Industria alimentaria
organización concreta, pero prácticamente Gestión de empresas

todos los sectores pueden verse beneficiados Gran Consumo

como muestra la figura 1 en un ejercicio Construcción

Servicios administrativos
realizado por Mckinsey para el mercado de Retail
Sector Público
EEUU. Otros servicios

Servicios educativos

Arte y entretenimiento
Figura 1: Facilidad y Potencial de la
Bajo
implantación de Big Data en los diferentes Alto

sectores Big Data: valor potencial de utilización

La explosión de la información.
Un estudio de investigadores de La Universidad del Sur
de California publicado en la revista Science en Mayo de
2011, cifraba la información digital almacenada en el año
2007 en todo el mundo en más de 276,000 millones de
Gigabites, unas 13,800 veces la información almacenada 20
años antes (Figura 2). Según este estudio menos del 9% de
toda esa información está almacenada en servidores. Lejos
de frenarse, este crecimiento sigue acelerándose y dicho
estudio prevé que la información generada en 2020 sea 50
veces la originada en 2011. Fuentes menos académicas pero
que dan cifras más actualizadas, como la consultora IDC
cifran en 1,8 Zettabytes la información generada en 2011.
Si tratáramos de almacenar esa información en Ipads (de
los caros, de los de 32GB) necesitaríamos 57.500 millones.
Con ellos puestos unos al lado de otro formaríamos una
línea que daría 3 veces la vuelta al mundo y si tratáramos
de apilarlos, la “montaña” resultante sería 25 veces más alta
que el monte Fuji.
Estas magnitudes macro tienen su reflejo micro, y la
información gestionada y almacenada por las organizaciones
también alcanza cifras espectaculares, Google procesa al día
20 Petabytes de Información y el CERN en Ginebra genera
40 terabytes por segundo. Pero no sólo estos gigantes
manejan ingentes cantidades de información. Según la
consultora Mckinsey, en 15 de los 17 sectores económicos
analizados, la empresa americana media de más de 1.000

1986 ANALOGICO
2,62 Gigabytes
DIGITAL
0,02 Gigabytes
POTENCIA DE COMPUTACIÓN
En 1986, las calculadoras de bolsillo recogían la mayor parte de la potencia de
procesamiento de datos mundial
Porcentaje de potencia de procesamiento disponible por dispositivo
Calculadoras Ordenadores personales
41% 33%
66%
Figura 2: La explosión de la información
empleados almacena en sus bases de datos más de 235
Terabytes de capital informativo (cantidad de información
almacenada en la biblioteca del congreso de los EEUU,
considerada una de las mayores del mundo).
Pero esto sólo es el principio, la anunciada llegada de
Internet de las cosas, en la que multitud de objetos
cotidianos están dotados de “ojos y orejas” que les
permiten ser conscientes del entorno que les rodea
(context awareness), de su posición geográfica (location
awareness) y su entorno. Este entorno que distintos autores
denominan de formas diferentes: Web squared (O´Reilly,
2009), Pervasive computing (Weiser, 1993) o Everyware
(Greenfield, 2006). Supone que el futuro de Internet es
su encuentro con el mundo real. Una ingente cantidad de
nueva información formará una piel digital que cubrirá
el mundo físico y abrirá nuevas oportunidades para
organizaciones privadas y públicas.
2007 ANALOGICO
18,86 Gigabytes
Papel, películas, cintas de música y vinilos: 6,2%
ANALOGICO
Cintas de vídeo analógicas: 93,8%
Otros medios digitales: 0,8%*
DIGITAL
Discos duros portátiles: 2,4%
CDs y Minidisks: 6,8%
Discos duros de servidores y mainframes: 8,9%
Cintas digitales: 11,8%
DVD/Blu-ray: 22,8%
Discos duros de PC: 44,5%
Consolas de
videojuegos Servidores
9% 17%
*Tarjetas con chip integrado, tarjetas de memoria,
disquetes, cámaras de teléfonos móviles y PDAs,
25% 3% 6% Superordenadores 0,3%
videojuegos
Teléfonos móviles, PDAs
2007 DIGITAL
276,12 Gigabytes
Mucho más que información
Sin embargo la información no es la parte crítica en
el proceso de adopción de Big Data, casi todas las
organizaciones disponen ya de información suficiente o les
resultaría relativamente sencilla su captura. El problema
es la transformación organizacional y de los procesos y la
inteligencia de negocio que permita sacar conclusiones de
esa información. En esto es crítico entender que el perfil
de los usuarios de la información está cambiando. Si antes
esta parecía patrimonio de los departamentos financieros y
por supuesto del CIO, hoy son los directivos de marketing
y operaciones quienes se están convirtiendo en los usuarios
más intensivos de la misma. Por eso es fundamental
para el éxito de las iniciativas de Big Data una buena
sincronía entre la capa de negocio y la infraestructura
tecnológica subyacente. Las TI son sin duda la herramienta
imprescindible para llevar a cabo cualquier proyecto de Big
Data pero es el conocimiento de negocio el que determinará
el éxito de la misma.
 Fran Rosillo
Experto en gestión de crisis
Director General
Aleph Comunicación
www.alephcom.es

BIG DATA,
METEOSAT DE LA GESTIÓN DE CRISIS
La capacidad de generar y difundir información de modo instantáneo se ha disparado especialmente
desde la llegada de los social media. Resulta muy difícil “gobernar” y canalizar las opiniones de
un público cada vez más amplio que se expresa libremente sobre cualquier asunto y difunde sus
valoraciones con una capacidad de influencia en aceleración constante.

¿Qué hacer desde las organizaciones para evitar que se produzcan crisis de reputación o de cualquier
clase? ¿Cómo volver en su favor el uso de las redes sociales analizando y valorando los datos que en
ellas se generan?

El mercado de las Tecnologías de la Información tiene un
nuevo mantra: Big Data. Puede parecer increíble, pero se
estima que el 90% de los datos mundiales se ha generado
en los últimos dos años. Además, el 80% de ellos no son
estructurados, es decir, no están integrados en bases de
datos al uso, por lo que únicamente el 20% está disponible
para ser analizado en sistemas tradicionales.
¿Cómo distinguir el polvo de la paja?
¿Cómo identificar opiniones que pueden
llegar a tener influencia?
Así pues, contamos con gran cantidad de información,
enormemente valiosa, pero la gran mayoría de las
compañías –incluso las líderes- todavía no han articulado
sistemas punteros de gestión de información para
“cocinarla” y obtener sólidos puntales para la toma de
decisiones, puesto que sus tecnologías tradicionales de TI se
quedan cortas.
Además, tampoco se aprecia un decidido respaldo por
parte de algunos CEOs, que siguen reticentes con respecto
al valor que Big Data puede aportar a sus negocios.
Naturalmente, también ellos son conscientes de que la
popularidad de los social media y la multiplicación de
los dispositivos electrónicos han sido en buena parte
responsables de esa masiva generación de datos que ha
provocado un cambio radical, dado que hoy en día –a
diferencia de años atrás- tanto los consumidores como
los negocios generan e interaccionan con información
dispar. Y sin embargo, aún no se atreven a apostar clara
y decididamente por un cambio de paradigma a nivel
tecnológico y estratégico.
IDC prevé que en 2012 el volumen del contenido digital
llegará a alcanzar los 2,7 ZB, un 48% más que en 2011,
cifra que en 2015 se disparará hasta los 8 ZB. Lo curioso
es que la propia analista reconoce que estos datos están
repletos de una valiosísima información, pero todavía
constituyen un reto que debemos comprender y analizar.
Todo el mundo opina
Aun así, en medio de este complejo contexto, en el que las
cifras ingentes llegan a escapar a nuestra comprensión, se
siguen situando las personas. Sí, gente de carne y hueso,
que vive, lucha, ama, tiene hijos, celebra cumpleaños, visita
otros países, encuentra trabajo, lo pierde… y consume
millones de productos a lo largo y ancho del planeta.
Al igual que actualmente es más sencillo
difundir por cualquier confín del mundo
un argumento, un rumor o una consigna,
las actuales tecnologías proporcionan
las herramientas suficientes como para
detectarlos a tiempo y prepararse para el
“combate”. Todo es cuestión de clasificar,
procesar, analizar y escuchar lo que nos dice
Big Data.
Ahora más que nunca, estas personas expresan su opinión.
No es que antes no la tuvieran; los libros de Historia
están repletos de las consecuencias de esos pareceres. La
diferencia es que ahora cuentan con medios fáciles, baratos,
inmediatos y sumamente cómodos para expresarlas y
difundirlas a nivel mundial.
Habrá quien piense que esto provoca las crisis, pero no es
del todo cierto. Revoluciones, manifestaciones, caídas en
desgracia, derrocamientos, modas, rumores y cambios de
tendencia en la opinión pública han sido una constante
desde que el hombre es hombre, lo que ocurre es que hoy
todo eso sucede instantáneamente.
Ahora bien, también los gestores de las crisis contamos
con la misma ventaja que sus protagonistas o impulsores.
Al igual que actualmente es más sencillo difundir por
cualquier confín del mundo un argumento, un rumor o
una consigna, las actuales tecnologías proporcionan las
herramientas suficientes como para detectarlos a tiempo y
prepararse para el “combate”. Todo es cuestión de clasificar,
procesar, analizar y escuchar lo que nos dice Big Data.
El abanico de posibilidades que se abre es prácticamente
inimaginable y su origen es la digitalización de la
información y la trazabilidad digital, porque no olvidemos
que todas nuestras huellas y acciones en el mundo online
pueden ser analizadas. Todo este volumen de información
interconectado, analizado y explotado proporciona un
detalle nunca antes imaginado.
Pero para poder gestionarlo debemos estar sumamente
preparados, porque a veces las señales que lanzan las redes
cuando algo no marcha bien se producen tenuemente y
con la rapidez de un tweet; en cuestión de minutos la
chispa puede encenderse… y en apenas unas horas nos
encontraríamos con una bonita crisis. ¿Cómo distinguir el
polvo de la paja? ¿Cómo identificar opiniones que pueden
llegar a tener influencia?
Hoy más que nunca, las marcas no tienen el control sobre
los consumidores. Sólo cuando el compromiso es real y las
En una segunda fase, deberíamos ser capaces
de identificar cuál fue el origen del problema,
las áreas de la compañía implicadas, los
fallos cometidos y qué puntos débiles tenía
nuestra estrategia. Para ello, una vez más, los
resultados procedentes del análisis de Big Data
equivaldrían a oro puro.
tecnologías las adecuadas pueden las empresas identificar
sus errores y reaccionar a tiempo, al igual que cuando el
hombre del tiempo anuncia lluvias torrenciales la gente
prepara sus casas. Es entonces cuando podríamos ser capaces
de atajar un rumor incipiente, o responder a una queja
que tiene razón de ser, es decir, gestionar adecuadamente
una crisis en las redes sociales y además apuntarla en
nuestro haber: sumar puntos para la marca en términos de
confianza, en definitiva.
De cualquier modo, nuestro trabajo no habría acabado.
Comenzaría una segunda fase, en la que deberíamos ser
capaces de identificar cuál fue el origen del problema, las
áreas de la compañía implicadas, los fallos cometidos y qué
puntos débiles tenía nuestra estrategia. Para ello, una vez
más, los resultados procedentes del análisis de Big Data
equivaldrían a oro puro.
ENTREVISTA
Andrew Sutherland,
Vicepresidente Senior de Tecnología para
Europa, Oriente Medio y África de Oracle
“Big Data es el vigía capaz de optimizar los procesos de una
organización al estar pendiente y vigilante de los cambios de
tendencia”
¿Por qué The Beatles tuvieron tanto éxito y tan
rápido? Tras años de Beatlemanía, Beatlelogía y
páginas y páginas escritas sobre la clave del fenómeno
de los cuatro de Liverpool parece que todo puede
destilarse en una premisa bien simple: el éxito de los
Beatles era que estaban tan cerca de su público, que
el reflejo y la identificación era inmediato. ¿Cómo
pueden las organizaciones estar cerca de su público-
audiencia-consumidor-ciudadano? Según Andrew
Sutherland, Vicepresidente Senior de Tecnología para
Europa, Oriente Medio y África de Oracle, Big Data
tiene la respuesta. Sólo hay que encontrar el camino
adecuado, despejar la maleza, ver el bosque y cada
árbol, cada rama, cada hoja y saber interpretar qué
significa.
¿Qué beneficios puede aportar Big Data a las
organizaciones?
Si uno entiende la utilidad de las aplicaciones de negocio,
entiende entonces los beneficios de Big Data. Básicamente
hablamos de una práctica que aspira a añadir valor de forma
rápida a una organización, encontrando las oportunidades
de nuevas fuentes de ingresos. Cuando le das valor de
negocio a los proyectos de TI, todo el mundo gana. Se
obtienen ventajas competitivas, se incrementan las ventas,
se aumenta la sabiduría corporativa, la inteligencia
colectiva. Eso es siempre bueno.
¿Qué diferencias o matices hay entre Big Data y otras
prácticas consolidadas como el data warehouse, la
inteligencia de negocio, las herramientas estadísticas o
los sistemas de gestión de relación con los clientes…?
Históricamente, en la primera generación de las
aplicaciones de negocio las soluciones estaban muy
centradas en la automatización de los procesos. En la
segunda generación, la inquietud iba por otro lado. No
se trata sólo de automatizar procesos, sino también de
encontrar el modo de automatizar los cambios en los
procesos: la flexibilidad era la clave. Los procesos cambian,
evolucionan, es fundamental entender esto.
“Hay que conocer la realidad del cliente. Big
Data permite hacer ajustes a los procesos,
que no son inamovibles, ya lo estamos
viendo, y obtener mayores beneficios en el
negocio”
¿Big Data aporta la visión sobre cómo podrían cambiar esos
procesos a raíz de los indicios que están recogiéndose de la
realidad?
Efectivamente. Valora la dirección a la que nos dirigimos
y ayuda a reconducir el rumbo si fuera necesario. Es el
vigía capaz de optimizar los procesos de una organización
al estar pendiente y vigilante de los cambios de tendencia.
Algo de lo que somos muy conscientes es que ya pasaron
los días de la cultura del puro producto en una dirección.
Hay que conocer la realidad del cliente. Big Data permite
hacer ajustes a los procesos, que no son inamovibles, ya lo
estamos viendo, y obtener mayores beneficios en el negocio.

¿Funciona de manera proactiva-positiva o sólo sirve
para corregir?
Big Data ofrece la posibilidad de analizar con mayor
precisión lo que está cambiando. Tiene valor predictivo,
de identificador de tendencias y desviaciones de lo que
se daba por bueno. Va a un nivel intenso y profundo
de granularidad en el entendimiento de nuestras
organizaciones. Es análisis extremo.
“Big Data ofrece la posibilidad de analizar
con mayor precisión lo que está cambiando.
Tiene valor predictivo, de identificador de
tendencias y desviaciones de lo que se daba
por bueno. Va a un nivel intenso y profundo
de granularidad en el entendimiento de
nuestras organizaciones. Es análisis extremo”
¿Por qué llamamos datos no estructurados a los
que provienen de nuevas fuentes y canales si están
perfectamente estructurados en sí mismos?
No se trata tanto de una cualidad de los propios datos
sino del método que usamos para analizarlos. Un dato es
estructurado porque la manera de capturarlo, almacenarlo,
organizarlo y analizarlo cumple unos parámetros
estructurados, concretos, alineados con unas prácticas
contrastadas, validadas y automatizadas. Los datos no
estructurados relacionados con Big Data se denominan así
porque la forma de gestionarlos y obtener valor de ellos no
responde a un patrón tan rígido en términos de estructura,
ordenamiento y seguridad.
LA ESTRATEGIA DE ORACLE EN BIG DATA
Sistemas preconstruidos con hardware,
software y comunicaciones integrados
que se puedan conectar directamente.
El Big Data Appliance es el ejemplo más
representativo.
Herramientas de productividad y de
desarrollo alrededor de creaciones
OpenSource como Hadoop o MapReduce.
La conexión con los sistemas tradicionales
es fundamental. Oracle ofrece conectores
que automatizan las transformaciones
necesarias para procesar la información
en origen, dotando de la estructura
necesaria a la parte que se desea integrar
con la informática tradicional.
¿Qué ofrece Oracle alrededor de Big Data?
Nuestra estrategia se apoya en tres aspectos. El primero
es ofrecer sistemas preconstruidos con hardware, software
y comunicaciones integrados que se puedan conectar
directamente. El Big Data Appliance es el ejemplo más
representativo. En segundo lugar, ofrecemos herramientas
de productividad y de desarrollo alrededor de creaciones
OpenSource como Hadoop o MapReduce. Muchas de
las empresas Fortune 500 quieren adoptar la tecnología
OpenSource porque es buena, está muy probada, no tiene
coste y es muy escalable, pero no quieren hacerlo sin un
soporte de tipo empresarial, sin un gran sponsor detrás.
Cuando se deciden las arquitecturas corporativas los
clientes esperan una lógica de distribución, mecanismos de
soporte bien establecidos. El elemento de soporte es crítico,
la integridad de la distribución es básica. En el caso de Big
Data las mejores herramientas (Hadoop, MapReduce…)
para el manejo masivo de información ya existen en clave
OpenSource y junto a Cloudera, la principal empresa que se
dedica a soluciones Big Data basadas en Hadoop, vamos a
ofrecer nuestra garantía de continuidad y soporte.
En tercer y último lugar, la conexión con los sistemas
tradicionales es fundamental. Para ello Oracle ofrece
conectores que automatizan las transformaciones necesarias
para procesar la información en origen, dotando de la
estructura necesaria a la parte que se desea integrar con la
informática tradicional.
Big Data y su impacto en el negocio
Una aproximación al valor que el análisis
extremo de datos aporta a las organizaciones

Mayo 2012 Oracle is committed to developing practices and products that help protect the environment
Autor: Ana García Huerta Copyright © 2012, Oracle and/or its affiliates. All rights reserved. This document is provided for information
Diseño e ilustraciones: Iván Ordás Ayuga purposes only and the contents hereof are subject to change without notice. This document is not warranted
Oracle España to be error-free, nor subject to any other warranties or conditions, whether expressed orally or implied in
C/ José Echegaray 6B law, including implied warranties and conditions of merchantability or fitness for a particular purpose. We
Las Rozas specifically disclaim any liability with respect to this document and no contractual obligations are formed
28230 Madrid either directly or indirectly by this document. This document may not be reproduced or transmitted in any
form or by any means, electronic or mechanical, for any purpose, without our prior written permission.
Telf. 900992922 | 900952900 Oracle is a registered trademark of Oracle Corporation and/or its affiliates. Other names may be trademarks
http://www.oracle.com/bigdata of their respective owners.