Página 2 de 18
Estrategia y analítica de Big Data
Contenido
Analítica de datos impulsa el uso de big data en las empresas……………….2
Integrar herramientas de big data comienza con una planificación eficaz ..................... 4
¿Misión imposible? Procesos de gobernanza y “big data” ..................... 8
Incremento de Big Data obliga a cambios en las organizaciones…….11
Programas de analítica de big data exigen conocimiento del negocio y experiencia en TI ……………………13
Con el incremento en la capacidad y velocidad de las computadores, ha surgido desde hace unos años la tendencia de analizar grandes volúmenes de datos para descubrir patrones, correlaciones e información que pueda ayudar a la empresa a tomar mejores decisiones de negocio sobre incidentes que pudieran haber quedado sin explotar con el solo uso de la inteligencia de negocio convencional. Sin embargo, la implementación de esta herramienta analítica no es tan sencilla como parece. ¿Qué se necesita para planear e implementar una estrategia de “big data” exitosamente? En esta guía electrónica usted puede encontrar desde información sobre la planeación eficaz y los procesos de gobernanza de datos, hasta la implementación y los recursos necesarios a la hora de ejecutar una estrategia de “big data”.
Analítica de datos impulsa el uso de “big data” en las empresas Artículo por Lizzette Pérez
Aunque más del 75% de las organizaciones de mayor rendimiento citan al
crecimiento o a la innovación como el valor principal de la analítica de
negocios, más de dos terceras partes dice que cierta forma de resistencia
política o ejecutiva es la principal barrera para la realización del valor pleno
de sus inversiones, de acuerdo con un estudio de IBM.
En su quinto examen global sobre la adopción y el uso de la analítica, IBM
encontró que un número cada vez mayor de entrevistados (más de dos
terceras partes) está aplicando la analítica de negocios para apoyar las
estrategias de generación de ingresos, versus la contención de costos.
Página 3 de 18
Estrategia y analítica de Big Data
Contenido
Analítica de datos impulsa el uso de big data en las empresas……………….2
Integrar herramientas de big data comienza con una planificación eficaz ..................... 4
¿Misión imposible? Procesos de gobernanza y “big data” ..................... 8
Incremento de Big Data obliga a cambios en las organizaciones…….11
Programas de analítica de big data exigen conocimiento del negocio y experiencia en TI ……………………13
Adicionalmente, el estudio del Institute for Business Value, IBV (Instituto
para el Valor de Negocios) de IBM, titulado “Analítica: un plan para el valor”
encontró que casi un 40% de las compañías visualizan un rápido retorno
sobre la inversión, dentro de los seis meses de la adopción de la analítica.
El estudio también encontró tres factores esenciales para proponer la
analítica de negocios dentro de las organizaciones –el financiamiento, la
confianza y las habilidades– y las brechas significativas en cada área. Al
abordar esas brechas, los líderes en analítica tienen la oportunidad de
incrementar el apoyo ejecutivo, reforzar la confianza a través de la
organización y construir un conocimiento y habilidades más profundas.
El estudio de IBM revela que una cuarta parte de los directores generales y
los de operaciones actúan como los principales propulsores del uso de los
hallazgos de la analítica de información (24%). Esto representa un 10% de
incremento sobre el 2012, pero aún lejos del liderazgo convincente que se
requiere para crear la chispa de una transformación extensiva. Además del
director general y el director de operaciones, otros ejecutivos de alto nivel
como el Director de Información y el Director de Mercadotecnia tienen el
poder de promover el uso de big data y la analítica a lo largo de la empresa.
El financiamiento e involucración ejecutiva en el proceso de big data y la
analítica son la clave para la creación del valor. En las organizaciones con
bajos niveles de soporte ejecutivo, las implementaciones de la analítica se
obstaculizan por la falta de fondos, recursos y seguimiento.
Obstáculos para el big data
La falta de confianza dentro de las organizaciones está probando ser una de
los obstáculos más significativos para lograr valor. Mientras que el 60% de
los funcionarios más destacados disfrutan de fuertes niveles de confianza
entre los individuos dentro de su organización, el nivel de confianza baja
significativamente (47%) cuando se transfiere a otras unidades de negocios
y los departamentos de tecnología de la información en general.
Un enfoque fragmentado puede resultar en la disminución de la confianza
entre los diferentes grupos de personas al que puede accederse y para
Página 4 de 18
Estrategia y analítica de Big Data
Contenido
Analítica de datos impulsa el uso de big data en las empresas……………….2
Integrar herramientas de big data comienza con una planificación eficaz ..................... 4
¿Misión imposible? Procesos de gobernanza y “big data” ..................... 8
Incremento de Big Data obliga a cambios en las organizaciones…….11
Programas de analítica de big data exigen conocimiento del negocio y experiencia en TI ……………………13
interpretar y usar los datos en diferentes formas. Esta brecha surge de la
desconfianza básica sobre quién está calificado para analizar
competentemente y actuar en relación con los datos. Una falta de confianza
entre los ejecutivos, los analistas y los administradores de datos puede
impactar significativamente en la voluntad de compartir los datos, basarse en
los puntos de vista y trabajar en conjunto para entregar valor. El estudio de
IBM encontró que una brecha de valor entre los individuos es un indicador
líder de falta de confianza en la veracidad de los datos. Cuando esto ocurre,
los valores totales para un negocio son altos.
Por otro lado, la brecha entre la demanda del talento en big data y analítica a
nivel global y el surgimiento del talento a nivel local es uno de los obstáculos
claves para las implementaciones de la analítica a través de las
organizaciones. Una tercera parte de los entrevistados citó la falta de
habilidades para analizar e interpretar los datos que resulten en acciones de
negocios relevantes como el principal desafío empresarial que impide una
mejor analítica de valor dentro de sus organizaciones.
La brecha más grande en habilidades es combinar las habilidades de la
analítica junto con el conocimiento empresarial para poder inferir ideas
significativas sobre los datos. Lo que más se busca en el mercado es un
analista que tenga la capacidad de comprender los negocios y realizar
tareas matemáticas de mayor nivel. Más de una tercera parte de los
entrevistados (36%) citó esto como la brecha de habilidades que crea más
presión para su organización, seguido de las habilidades analíticas (24%),
habilidades de gestión de datos (21 por ciento) y habilidades empresariales
(19%).Normal style.
Integrar herramientas de “big data” comienza con una planificación ideal Por David Loshin
La experimentación con lo que puede ser denominado colectivamente como
herramientas de big data –incluyendo Hadoop clusters, el modelo de
Página 5 de 18
Estrategia y analítica de Big Data
Contenido
Analítica de datos impulsa el uso de big data en las empresas……………….2
Integrar herramientas de big data comienza con una planificación eficaz ..................... 4
¿Misión imposible? Procesos de gobernanza y “big data” ..................... 8
Incremento de Big Data obliga a cambios en las organizaciones…….11
Programas de analítica de big data exigen conocimiento del negocio y experiencia en TI ……………………13
programación MapReduce y bases de datos NoSQL– ha llevado a algunos
escenarios de aplicación emergentes y casos de uso que demuestran un
claro valor de negocios. Pero estos éxitos tempranos plantean una cuestión
potencialmente complicada: ¿Cuál es la mejor manera de integrar los
sistemas de big data en una arquitectura corporativa de data warehousing,
inteligencia de negocios (BI) y analítica?
Las tecnologías de big data no tienen que ser disruptivas para los entornos
existentes de data warehouse. Sí, las barreras reducidas de entrada
proporcionadas por el amplio conjunto de herramientas sin costo o de bajo
costo que conforman el ecosistema Hadoop, y su soporte para almacenar y
gestionar conjuntos masivos de datos en hardware básico, plantea el
potencial de desplazar al tradicional data warehouse corporativo de su
percha en el centro del universo de BI y analítica.
Pero las organizaciones que han invertido una cantidad significativa de
dinero, recursos y tiempo en la implementación de almacenes de datos para
apoyar la consulta, reporte y análisis no son propensas a querer dar la
espalda a esas inversiones. E incluso si su compañía no opta por la
transición a una nueva arquitectura de BI y analítica de big data por capas,
exclusivamente sobre las tecnologías de Hadoop y NoSQL, es poco
probable que el cambio suceda durante la noche. Más comúnmente, será
realizado a través de una serie de cambios incrementales para reducir el
riesgo de niveles de servicio disminuidos o interrupciones a gran escala en
los procesos de análisis.
Como resultado, la mayoría de las organizaciones se beneficiarán de un
enfoque que valore la integración e interoperabilidad para asegurar un nivel
de simbiosis entre viejas y nuevas tecnologías. Un ejemplo podría ser una
aplicación analítica basada en Hadoop para perfiles de clientes, junto con un
data warehouse existente de clientes. Los datos pueden ser transmitidos
desde el almacén a la aplicación Hadoop, mientras que las mejoras en los
perfiles de los clientes y clasificaciones generadas como parte del proceso
de análisis se pueden combinar de nuevo en el almacén de datos.
Página 6 de 18
Estrategia y analítica de Big Data
Contenido
Analítica de datos impulsa el uso de big data en las empresas……………….2
Integrar herramientas de big data comienza con una planificación eficaz ..................... 4
¿Misión imposible? Procesos de gobernanza y “big data” ..................... 8
Incremento de Big Data obliga a cambios en las organizaciones…….11
Programas de analítica de big data exigen conocimiento del negocio y experiencia en TI ……………………13
Estableciendo una conexión de big data
La primera consideración para la integración es el establecimiento de
conexiones entre los almacenes de datos y las plataformas de big data. En
la actualidad, uno de los usos más frecuentes de los sistemas de big data es
el aumento del data warehouse, en el que ofrecen almacenamiento de datos
ampliado a un costo más bajo de lo que puede brindar un tradicional data
warehouse o data mart. Muchos usuarios tempranos también están
utilizando clusters Hadoop y bases de datos NoSQL como áreas de escena
para los datos antes de cargar una parte o la totalidad de la información en
un data warehouse para usos analíticos. Tales aplicaciones pueden ser tan
simples como usar el sistema de archivos distribuidos Hadoop para
almacenar datos, o pueden involucrar enlaces más complejos a conjuntos de
datos en Hive, HBase, Cassandra y otras tecnologías NoSQL.
La incorporación de estas herramientas en un marco de data warehouse y BI
puede requerir tanto conectividad como interpretación. Las interfaces de
programación de aplicaciones se pueden utilizar para proporcionar acceso a
los sistemas Hadoop y NoSQL de los data warehouses; además, numerosos
proveedores ofrecen conectores empaquetados entre bases de datos SQL y
los sistemas de big data, incluyendo los basados en estándares de
integración, tales como ODBC y JDBC. Para esos sistemas que no se
ajustan a un modelo relacional típico, podría haber una necesidad de una
capa de interpretación que puede transformar objetos semi-estructurados
(documentos, por ejemplo) desde su forma representativa, como YAML o
JSON, en un formato que pueda ser entendido por las aplicaciones de BI.
Hay otros enfoques para una integración aún más estrecha entre los dos
tipos de sistemas. Por ejemplo, los sistemas de data warehouse son cada
vez más abiertos a la incorporación de llamadas hacia las funciones de
MapReduce como mejoras a su vocabulario SQL nativo, permitiendo que los
resultados de un proceso de análisis en un cluster Hadoop sean extraídos
directamente hacia el conjunto de resultados de una consulta de BI. Otro
ejemplo es la incorporación de los resultados analíticos generados por
Hadoop en almacenes de datos para la presentación de informes y su
posterior análisis.
Página 7 de 18
Estrategia y analítica de Big Data
Contenido
Analítica de datos impulsa el uso de big data en las empresas……………….2
Integrar herramientas de big data comienza con una planificación eficaz ..................... 4
¿Misión imposible? Procesos de gobernanza y “big data” ..................... 8
Incremento de Big Data obliga a cambios en las organizaciones…….11
Programas de analítica de big data exigen conocimiento del negocio y experiencia en TI ……………………13
Las brechas de big data necesitan puentes
Integrar los diferentes enfoques se convertirá rápidamente en un imperativo
para muchos equipos de TI y de data warehousing a medida que el valor
empresarial de big data –y la forma de revelarlo– llega a ser mejor
comprendido. El acoplamiento de un grado de agilidad con una buena
planificación del programa para el proceso de integración es fundamental.
Eso significa salvar algunas lagunas evidentes que persistirán a medida que
aumenta la adopción, incluyendo las siguientes:
Arquitecturas desconectadas. El enfoque típico para proyectos piloto o
pruebas de concepto, así como para muchas aplicaciones de producción
temprana, consiste en la implementación de sistemas Hadoop o NoSQL en
sus propios entornos de silos. Un plan de integración bien estructurado debe
incluir involucrar a TI y los arquitectos de datos para correctamente
visualizar, diseñar e implementar las diversas capas apiladas de una
arquitectura de data warehouse híbrido, BI y analítica.
Deficiencias de la administración. La naturaleza de código abierto de
muchas herramientas de big data a menudo conduce al énfasis de la
funcionalidad sobre la gestión y la administración. Esta brecha se reducirá
con el tiempo, a medida que maduren las versiones comerciales de
productos de software de big data, pero por ahora puede que tenga que
compensar la relativa inmadurez de sus capacidades de gestión.
Escasez de habilidades. La empinada curva de aprendizaje al trabajar con
las tecnologías Hadoop y NoSQL puede ser el obstáculo más grande a
escalar en los esfuerzos de integración de big data. El conocimiento de
técnicas de computación paralela y distribuida, en general, sigue siendo algo
difícil de encontrar en el mercado de personal de TI, e incluso hay un menor
número de gente con una profunda experiencia práctica en el desarrollo y
actualización de las aplicaciones de big data. Entrenar empleados internos
puede ser el camino más rápido y de menor costo para poner en su lugar las
habilidades requeridas.
Página 8 de 18
Estrategia y analítica de Big Data
Contenido
Analítica de datos impulsa el uso de big data en las empresas……………….2
Integrar herramientas de big data comienza con una planificación eficaz ..................... 4
¿Misión imposible? Procesos de gobernanza y “big data” ..................... 8
Incremento de Big Data obliga a cambios en las organizaciones…….11
Programas de analítica de big data exigen conocimiento del negocio y experiencia en TI ……………………13
En cada vez más empresas, la integración de Hadoop y NoSQL con los
entornos de data warehouse es una cuestión no de “si” sino de “qué tan
pronto”. Empezar a prepararse ahora le ayudará a identificar los posibles
obstáculos en la delantera, y le permitirá el desarrollo de un plan eficaz del
proyecto. Eso, a su vez, debe ayudar a construir procesos repetibles para
satisfacer sus necesidades de integración, y ese debería ser el objetivo final
de cualquier iniciativa.
¿Misión imposible? Procesos de gobernanza y “big data” Por Roger du Mars
"Big data" seductoramente, ofrece la promesa de ventajas competitivas a las
empresas que lo pueden utilizar para desbloquear secretos acerca de los
clientes, el uso del sitio web y otros elementos clave de sus operaciones
comerciales. Pero cierta precaución debe prevalecer: Sin un proceso de
gobierno de datos adecuado, liderar proyectos de datos grandes puede
desencadenar un lío de problemas, incluidos los datos erróneos y los costos
inesperados.
El papel del gobierno de datos es mantener los repositorios y grandes
volúmenes de datos. Big data, que generalmente implica una gran cantidad
de información no estructurada, es un fenómeno muy reciente que ha
encontrado su camino en muchas organizaciones bajo el radar del
departamento de TI. Como resultado de ello, la gestión de entornos de
grandes volúmenes de datos se encuentra en una etapa incipiente, y hay
pocas recetas generalizadas para saber cómo hacerlo de manera efectiva,
de acuerdo con analistas de la gerencia de datos.
"Big Data es un área tan nueva que nadie ha desarrollado procedimientos y
políticas de gobierno", dijo Boris Evelson, analista de Forrester Research
Inc. en Cambridge, Massachusetts. "Hay más preguntas que respuestas".
Un problema fundamental es que las piscinas de grandes volúmenes de
datos están más orientadas a la exploración de datos y descubrimiento de lo
que son la presentación de informes convencionales de Business
Página 9 de 18
Estrategia y analítica de Big Data
Contenido
Analítica de datos impulsa el uso de big data en las empresas……………….2
Integrar herramientas de big data comienza con una planificación eficaz ..................... 4
¿Misión imposible? Procesos de gobernanza y “big data” ..................... 8
Incremento de Big Data obliga a cambios en las organizaciones…….11
Programas de analítica de big data exigen conocimiento del negocio y experiencia en TI ……………………13
Intelligence y análisis, Evelson añadió. Eso, dijo, crea un círculo vicioso:
"Los datos no se pueden gobernar hasta que se modelan, pero no se puede
modelar tampoco hasta que se exploran [por los analistas de datos]".
Los programas de gobernabilidad de datos proporcionan un marco para el
establecimiento de datos de uso de las políticas y la implementación de
controles diseñados para asegurar que la información sigue siendo precisa,
coherente y accesible. Es evidente que un reto importante en el proceso de
gobernar grandes datos es categorizar, modelar y mapear los datos a
medida que se capturan y se almacenan, en particular debido a la naturaleza
no estructurada de gran parte de la información.
"Para obtener información comercial significativa de grandes volúmenes de
datos, hay que hacer todo tipo de cosas, como el análisis semántico de los
datos, que luego se presta en los modelos conceptuales u ontologías", dijo
Malcolm Chisholm, presidente de la consultora de gestión de datos en
AskGet Inc. Holmdel, New Jersey "Y todo eso implica un montón de cosas
de gobierno."
Buscando pistas en los grandes datos
La dificultad es que todo lo relacionado con el proceso de gobernabilidad de
datos para grandes volúmenes de datos es tan nuevo. "Hay una gran falta
de madurez cuando se habla de grandes volúmenes de datos, y la mayoría
de los gestores de datos realmente no tienen ni idea en lo que se meten ",
dijo Chisholm.
Big data, que también se incluye grandes cantidades de datos de
transacciones estructuradas, tiene características idiosincrásicas. Es
comúnmente definido de acuerdo con la V para tres: volumen, variedad y
velocidad. Forrester añade variabilidad a su definición, mientras que su rival
de la empresa de consultoría Gartner Inc. se enfoca en la complejidad.
Además, los datos a menudo proviene de fuentes externas, y su exactitud no
siempre se puede validar fácilmente; también, el significado y el contexto de
datos de texto no es necesariamente evidente. Y en muchos casos, se
Página 10 de 18
Estrategia y analítica de Big Data
Contenido
Analítica de datos impulsa el uso de big data en las empresas……………….2
Integrar herramientas de big data comienza con una planificación eficaz ..................... 4
¿Misión imposible? Procesos de gobernanza y “big data” ..................... 8
Incremento de Big Data obliga a cambios en las organizaciones…….11
Programas de analítica de big data exigen conocimiento del negocio y experiencia en TI ……………………13
almacena en sistemas de archivos o bases de datos NoSQL Hadoop en
lugar de almacenes de datos convencionales. Para muchas organizaciones,
grandes volúmenes de datos implica una curva de aprendizaje colectivo para
todos los implicados: gestores de TI, programadores, arquitectos de datos,
los datos de los modeladores de datos y profesionales de la gobernanza.
Un fuerte impacto
Una de las mayores dificultades para hacer frente a, y tratando de gobernar,
la inundación de grandes volúmenes de datos es perder de vista las
prioridades de negocio, dijo Rick Sherman, fundador de Athena IT Solutions,
una consultoría en Stow, Massachusetts
Por ejemplo, muchos de los datos no estructurados deben ser capturados
por las organizaciones que vienen de los medios sociales, y por lo general
sólo una pequeña parte de esa información es de gran valor, de acuerdo con
Sherman. "Tratar de manejar o controlar todo en datos no estructurados
sería un gran error", dijo, advirtiendo que las empresas podrían terminar
perdiendo tiempo y recursos en datos sin importancia.
Danette McGilvray, presidente de Granite Falls Consulting Inc. en Newark,
California, también dijo que los grandes volúmenes de datos pueden ser un
gran momento del disipador de datos para los equipos de gestión y de
gobierno si no se manejan de manera inteligente y sensata. "La única
manera de averiguar si los datos son la gestión de valor es si sabemos lo
que es la necesidad del negocio", dijo McGilvray. "Cuando se trata de
grandes volúmenes de datos, aún necesitamos que se nos recuerde de
eso".
Gwen Thomas, fundador y presidente de The Data Governance Institute
LLC, una empresa de consultoría y formación en Orlando, Florida,
recomienda que los juicios acerca de la calidad de los datos de entrada deba
ser una de las prioridades más importantes para los administradores de
gobierno de datos que buscan tener sus brazos alrededor de grandes
volúmenes de datos. Los controles de calidad Proactive de datos pueden
ahorrar un montón de tiempo y dolores en el camino, dijo.
Página 11 de 18
Estrategia y analítica de Big Data
Contenido
Analítica de datos impulsa el uso de big data en las empresas……………….2
Integrar herramientas de big data comienza con una planificación eficaz ..................... 4
¿Misión imposible? Procesos de gobernanza y “big data” ..................... 8
Incremento de Big Data obliga a cambios en las organizaciones…….11
Programas de analítica de big data exigen conocimiento del negocio y experiencia en TI ……………………13
La alineación correcta evita datos inconexos
Thomas agregó que con frecuencia subestiman la importancia de la
cartografía de los nuevos datos a los datos de referencia que las
organizaciones utilizan para clasificar la información. La alineación de
grandes volúmenes de datos con los datos de referencia existentes es "un
detalle enorme", dijo. "De hecho, si esto no se hace bien, la información que
resulta del procesamiento de grandes volúmenes de datos puede ser
engañosa, inexacta o incompleta."
Para ayudar a asegurar que los datos se asignen correctamente, la tarea
debe ser asignada a un arquitecto de datos principales en lugar de estar en
manos de un modelador de datos con menos experiencia o alguien fuera de
él, Thomas aconseja.
Chisholm dijo que los gerentes de gobernabilidad de datos también deben
tener como prioridad mantener conversaciones productivas acerca de los
modelos de datos aplicables con los programadores y usuarios de negocios,
que a menudo inician las instalaciones de datos grandes. Tales discusiones,
sin embargo, deben comenzar con un reconocimiento firme de Hadoop y
tecnologías NoSQL y en qué difieran de las bases de datos relacionales - y
una comprensión de la necesidad de un enfoque unificado para la gestión y
gobierno de datos grandes.
Lo que las empresas deben evitar, Chisholm dijo, es permitir que los
programadores y los usuarios sigan su propio camino y lleven perspectivas
impulsadas por silos para el proceso de configuración de los sistemas de
datos grandes y hacer el modelado de datos necesarios y las tareas de
mapeo. Eso podría cargar con las grandes facturas de reparación, las
instalaciones inadecuadas que no producen los beneficios esperados de
negocios e inversiones perdidas en los sistemas innecesarios.
Página 12 de 18
Estrategia y analítica de Big Data
Contenido
Analítica de datos impulsa el uso de big data en las empresas……………….2
Integrar herramientas de big data comienza con una planificación eficaz ..................... 4
¿Misión imposible? Procesos de gobernanza y “big data” ..................... 8
Incremento de Big Data obliga a cambios en las organizaciones…….11
Programas de analítica de big data exigen conocimiento del negocio y experiencia en TI ……………………13
Incremento de “big data” obliga a cambios en las organizaciones Por Lizzette Pérez
Un estudio de Intel revela que en 2012, el número de dispositivos
conectados fue igual al número de la población mundial. Y la previsión es
que en el año 2015 este número será el doble de la población del mundo.
Además, en 2015, tomará 5 años ver todos los videos que se han subidos a
la red.
Ante este escenario, la gestión y el análisis de Big Data se presenta como
un activo valioso para muchas organizaciones. De acuerdo con el estudio de
Intel, cada minuto se transfieren 639,800 Gb de datos globales sobre
internet.
En tan sólo un minuto, 20 millones de fotos son vistas y 61,141 horas de
música son escuchadas. Además, cada 60 segundos son enviados 204
millones de correos electrónicos, se realizan 2 millones de búsquedas en
Google y se reproducen 1.3 millones de videos en Youtube. Además, en 60
segundos, 20 personas son víctimas del robo de identidad en la red y se
disparan 135 virus letales hacia las computadoras.
La capacidad de analizar y entender Big Data tiene un enorme potencial
para transformar a la sociedad, ya que permite nuevos descubrimientos
científicos, modelos de negocios y experiencias de consumo. Aun así, sólo
una pequeña fracción del mundo es capaz de encontrar sentido en toda esta
información debido a que las tecnologías, técnicas y habilidades disponibles
actualmente son demasiado rígidas para los tipos de datos, o excesivamente
caras para implementarlas.
El software de Big Data recoge todos los datos que una organización genera
y permite a los administradores y analistas usarlos más tarde. En este
sentido, son más escalables que las bases de datos tradicionales y los data
warehouses.
Página 13 de 18
Estrategia y analítica de Big Data
Contenido
Analítica de datos impulsa el uso de big data en las empresas……………….2
Integrar herramientas de big data comienza con una planificación eficaz ..................... 4
¿Misión imposible? Procesos de gobernanza y “big data” ..................... 8
Incremento de Big Data obliga a cambios en las organizaciones…….11
Programas de analítica de big data exigen conocimiento del negocio y experiencia en TI ……………………13
De acuerdo con Intel, Norteamérica es quien lidera el servicio de Big Data,
seguido por Europa. Asia y América Latina están haciendo sus primeras
grandes inversiones en el tema. La razón es que para poder aprovechar
realmente el valor que genera esto, se necesitan tres cosas: un nivel de
arquitectura tecnológica avanzada, demanda y el know-how de parte del
usuario. También vale resaltar que la adopción de Big Data en Asia y
Latinoamérica será mucho más rápida que el cómputo de nube.
Otro frente será la forma en que se procesarán esos datos. Los
requerimientos para poder hacerlo impulsarán arquitecturas que permitan
procesar, simultáneamente, datos de distintos tipos y, lo más importante, de
distintos niveles. Todo sobre la misma infraestructura de red y todo en
tiempo real.
El data center cambiará de diseño en cuanto al armado de servers, switches
y almacenamiento; y también generará modificaciones para el uso eficiente
de estos recursos, entre ellos la energía requerida. Sin embargo, uno de los
cambios de la arquitectura de red es mover la gran cantidad de datos que
requerirá mayor performance y mayor ancho de banda.
Programas de analítica de “big data” exigen conocimiento del negocio y experiencia en TI Por Rick Sherman
Los artículos y estudios de caso que se han escrito sobre los programas de
analítica de “big data”(grandes datos) proclaman los éxitos de las
organizaciones, normalmente resaltando las tecnologías utilizadas para
construir los sistemas. La información sobre productos es útil,
evidentemente, pero también es absolutamente esencial que las
organizaciones que se embarquen en este tipo de proyectos tengan la
seguridad de contar con personas con la experiencia y conocimientos
apropiados para extraer la máxima utilidad a las herramientas de analítica de
big data.
Página 14 de 18
Estrategia y analítica de Big Data
Contenido
Analítica de datos impulsa el uso de big data en las empresas……………….2
Integrar herramientas de big data comienza con una planificación eficaz ..................... 4
¿Misión imposible? Procesos de gobernanza y “big data” ..................... 8
Incremento de Big Data obliga a cambios en las organizaciones…….11
Programas de analítica de big data exigen conocimiento del negocio y experiencia en TI ……………………13
Normalmente se piden conocimientos sobre las nuevas o emergentes
tecnologías de big data, como Hadoop, especialmente si el proyecto tiene
que ver con datos semi-estructurados o no estructurados. Pero, incluso en
estos casos, saber manejar Hadoop es sólo una pequeña porción de todos
los requisitos que debe tener el personal del proyecto; también es preciso
contar con capacidades en las áreas de inteligencia empresarial (BI) e
integración y almacenamiento de datos. Otros de los requisitos sine qua non
que debe cumplir un programa de analítica de big data exitoso es tener
conocimientos y experiencia sobre el negocio y la industria. Muchas
organizaciones también buscan capacidades analíticas avanzadas, como
análisis predictivo y técnicas de minería de datos.
“Científico de datos” es una nueva categoría laboral que está adquiriendo
cierta popularidad en la industria. En realidad, es un título que combina
capacidades de todas las áreas mencionadas arriba, incluyendo también la
elaboración de modelos predictivos, análisis tanto estadísticos como del
negocio, y desarrollo de la integración de datos. He visto algunas ofertas de
empleo para científicos de datos que exigen un título en estadística además
de otro relacionado específicamente con la industria concreta. Poseer dos
titulaciones y experiencia profesional relevante es fantástico, pero ¿cuáles
son las probabilidades de encontrar candidatos que tengan todo eso?
¡Bastante pocas!
Adoptando una perspectiva más realista sobre los aspectos a planificar, a
continuación ofrezco una descripción de los conjuntos más importantes de
capacidades y funciones que deberían formar parte de los proyectos de
analítica de big data. En lugar de hacer un listado de títulos profesionales o
trabajos específicos, he mantenido una visión general; las organizaciones
pueden unificar roles y responsabilidades de diversas maneras según los
niveles de capacidad y experiencia de su plantel de trabajo en cada
momento y de las nuevas contrataciones que realicen.
Conocimiento empresarial. Además de habilidades técnicas, las
compañías que deciden entrar en el terreno de los proyectos de analítica de
big data necesitan involucrar a personas con una amplia experiencia
empresarial en la industria. Aquí se incluiría el conocimiento de la propia
Página 15 de 18
Estrategia y analítica de Big Data
Contenido
Analítica de datos impulsa el uso de big data en las empresas……………….2
Integrar herramientas de big data comienza con una planificación eficaz ..................... 4
¿Misión imposible? Procesos de gobernanza y “big data” ..................... 8
Incremento de Big Data obliga a cambios en las organizaciones…….11
Programas de analítica de big data exigen conocimiento del negocio y experiencia en TI ……………………13
estrategia empresarial y las operaciones de una organización, así como de
los competidores, las condiciones actuales del sector y tendencias
emergentes, demografía de los clientes y factores micro y
macroeconómicos.
Gran parte del valor de negocio derivado de la analítica de grandes datos no
proviene de los indicadores clave de rendimiento más tradicionales, sino de
intuiciones, descubrimientos y datos desgranados del propio proceso
analítico. El proceso es en parte ciencia (por ejemplo, estadística), y por otro
lado, arte, como cuando los usuarios efectúan un análisis de hipótesis para
obtener información que pueda ser posteriormente aplicable a las
operaciones de negocio de una organización. Tales descubrimientos son
sólo posibles con la participación de los administradores y trabajadores que
tienen un conocimiento de primera mano de las estrategias y cuestiones que
afectan a la actividad de cada empresa en particular.
Analistas empresariales. Este grupo juega también un rol importante a la
hora de ayudar a las organizaciones a comprender las ramificaciones de los
grandes datos para sus negocios. Además de llevar a cabo una tarea
puramente analítica, estos expertos pueden también recibir la tarea de
recopilar los requisitos de negocio y los datos para un proyecto determinado,
ayudando a diseñar tableros de control (dashboards), reportes y
visualización de información para presentar los descubrimientos del análisis
a los usuarios y ayudar a cuantificar el valor que el programa analítico tiene
para el negocio.
"No caiga en la tentación de pensar que el éxito en la analítica de big data
depende solamente de las herramientas. La verdadera clave del éxito está
en garantizar que su organización dispone de las capacidades que
necesita."
Desarrolladores de BI. Estas son personas que colaboran con los analistas
empresariales para construir los tableros de instrumentos, reportes y
visualizaciones necesarias para los usuarios del negocio. Junto a esto,
dependiendo de las necesidades internas y las herramientas de inteligencia
de negocios (BI) que utilice una organización, pueden también habilitar
Página 16 de 18
Estrategia y analítica de Big Data
Contenido
Analítica de datos impulsa el uso de big data en las empresas……………….2
Integrar herramientas de big data comienza con una planificación eficaz ..................... 4
¿Misión imposible? Procesos de gobernanza y “big data” ..................... 8
Incremento de Big Data obliga a cambios en las organizaciones…….11
Programas de analítica de big data exigen conocimiento del negocio y experiencia en TI ……………………13
capacidades de autoservicio de BI mediante la elaboración de datos y
plantillas de BI necesarias para el uso de los directivos y trabajadores de la
empresa.
Constructores de modelos predictivos. En general, los modelos
predictivos para analizar big data tienen que estar hechos a medida. Para
crear buenos modelos es esencial contar con un profundo dominio y
conocimiento de la estadística. Con demasiada frecuencia, las compañías
subestiman el nivel de capacitación necesario y contratan a gente que sí ha
usado herramientas estadísticas, incluidos algunos modelos desarrollados
por otros, pero que no conocen los principios matemáticos subyacentes en
los modelos predictivos.
Las personas que realizan modelos predictivos también necesitan tener
ciertos conocimientos empresariales y entender los mecanismos de
recopilación e integración de la información en modelos, aunque en ambos
casos pueden apoyarse en otras personas más experimentadas en la
creación y refinamiento de los modelos. Otra capacidad clave que deben
tener quienes formulan este tipo de modelos es la de evaluar el grado de
limpieza, actualidad y amplitud de la información disponible. A menudo
existen lagunas o carencias en los datos y el analista tiene que saber
cubrirlas.
Arquitectos de datos. Los proyectos de analítica de grandes datos
necesitan alguien que diseñe la infraestructura de datos y guíe su desarrollo.
Normalmente, los arquitectos de datos tendrán que incorporar varias
estructuras de información en una sola arquitectura, además de los procesos
necesarios para capturar y almacenar los datos y hacerlos disponibles para
el análisis. Esta función abarca diversas capacidades tradicionales de TI,
como la elaboración de modelos, el análisis de perfiles, la calidad, la
integración y la gobernanza de los datos.
Desarrolladores de integración de datos. La integración de datos es
suficientemente importante para necesitar sus propios desarrolladores.
Estos sujetos diseñan y desarrollan procesos de integración para manejar el
espectro completo de estructuras informativas en un entorno de grandes
Página 17 de 18
Estrategia y analítica de Big Data
Contenido
Analítica de datos impulsa el uso de big data en las empresas……………….2
Integrar herramientas de big data comienza con una planificación eficaz ..................... 4
¿Misión imposible? Procesos de gobernanza y “big data” ..................... 8
Incremento de Big Data obliga a cambios en las organizaciones…….11
Programas de analítica de big data exigen conocimiento del negocio y experiencia en TI ……………………13
datos. Con ello se aseguran, al menos teóricamente, de que la integración
no se lleve a cabo en silos sino dentro de una arquitectura de datos global.
Asimismo, es preferible usar herramientas de integración de datos en
paquetes que soporten múltiples tipos de datos, incluyendo fuentes
estructuradas, no estructuradas y semi-estructuradas. Conviene evitar la
tentación de desarrollar código a medida para manejar, extraer, transformar
y cargar operaciones en grupos de grandes datos; el hand coding puede
aumentar los costos del proyecto, sin mencionar la posibilidad de que la
organización quede cargada con procesos de integración de datos
indocumentados, incapaces de escalarse según crecen los volúmenes de
información.
Arquitectos de tecnología. Este rol tiene que ver con el diseño de la
infraestructura subyacente de TI que servirá de soporte a la iniciativa de
analítica de grandes datos. Además de entender los principios del diseño
tradicional del almacenamiento de datos y los sistemas de BI, los arquitectos
tecnológicos deben contar con experiencia en las nuevas tecnologías que
habitualmente se emplean en los proyectos de big data. Y si la organización
planea implementar herramientas de código abierto como Hadoop, los
arquitectos tendrán que entender cómo configurar, diseñar, desarrollar e
implementar dichos sistemas.
Abordar un proyecto de analítica de big data y adquirir nuevas tecnologías
para apoyar el proceso de análisis puede ser muy emocionante. Pero no se
ilusione falsamente con la idea de que el éxito del proyecto depende
exclusivamente de las herramientas. La verdadera clave del éxito está en
asegurarse de que su organización cuenta con las capacidades necesarias
para administrar de forma efectiva grandes y diversificados conjuntos de
datos, así como la analítica necesaria para derivar valor de negocio de la
información disponible
Página 18 de 18
Estrategia y analítica de Big Data
Contenido
Analítica de datos impulsa el uso de big data en las empresas……………….2
Integrar herramientas de big data comienza con una planificación eficaz ..................... 4
¿Misión imposible? Procesos de gobernanza y “big data” ..................... 8
Incremento de Big Data obliga a cambios en las organizaciones…….11
Programas de analítica de big data exigen conocimiento del negocio y experiencia en TI ……………………13
Recursos gratis para profesionales en el área de la tecnología TechTarget publica información dirigida a medios de tecnología cubriendo la
información y los recursos que usted necesita para investigar productos,
desarrollar estrategias y tomar decisiones de compra que traigan un buen
costo-beneficio. Nuestra red, enfocada a páginas web de tecnología, le da
acceso a expertos en la industria, contenido y análisis objetivo, la biblioteca
virtual más grande de reportes escritos por proveedores, estudios, webcasts,
podcasts, videos, conferencias virtuales y más. Todo esto se hace
aprovechando los recursos de investigación y desarrollo de proveedores de
tecnología con el fin de poder abordar tendencias de mercado, retos y
soluciones. Nuestros eventos y seminarios virtuales le dan acceso a
observaciones, y consejos de expertos en retos y tareas del día a día.
Nuestra comunidad IT Knowledge Exchange le permite compartir
información en tiempo real con compañeros y expertos.
¿Que hace único a TechTarget? TechTarget se enfoca específicamente en el segmento de TI empresarial.
Nuestro equipo de editores y nuestra red de expertos en la industria proveen
el contenido más relevante e importante para los profesionales y
administradores de TI. Balanceamos las inmediaciones de la red, con las
oportunidades de contacto en persona, para permitirle hacer contactos en
eventos presénciales y virtuales, y para que pueda tener la habilidad de
interactuar con compañeros, todo esto con el fin de crear información valiosa
y relevante para los profesionales de TI en todas las industrias y mercados.