Las grandes tendencias en tecnología aún resulta complicado de entender para las organizaciones y cómo pueden sacar provecho para su negocio por ello es que la organización Insead Knowledge comparte algunos puntos a tomar a consideración acerca de la big data.

Todo esto porque el análisis de datos y «Big Data» prometen revolucionar el marketing y la forma en que se entienden las áreas de TI. La mayoría de las empresas están sentados en toneladas de datos de diversas fuentes: los datos financieros, datos móviles, los datos transaccionales, datos de investigación de clientes, datos de comportamiento, datos de medios sociales, entre otros.

• El Big Data no es tan “Big” como piensas

Cuando hablamos de Big Data la tendencia natural es pensar en enormes cantidades de datos que hay que estructurar y exprimir para obtener el mayor valor. Big Data se refiere en realidad a un tipo diferente de datos. Datos que normalmente se actualizan con alta frecuencia y que cambian en tiempo real, proveniendo además de fuentes distintas. El Big Data puede tener en este sentido un caracter individual o granular y empieza en algo tan pequeño como un cliente pagando con su tarjeta de crédito en una gasolinera. En realidad el Big Data comprende ingentes cantidades de small data, de forma similar a como una tormenta del desierto contiene miles de millones de granos de arena.

• Tienes que abarcar todas las posibilidades que ofrece el Big Data

Aprender Big Data, como muchas otras materias críticas, no es sencillo. Si nos interesa el Big Data no podemos empezar desde cero, sino que tendremos que ir paso a paso, persiguiendo objetivos concretos. Antes de lanzarnos a abrazar todas las posibilidades que ofrece, tendremos que planificar y estudiar con cuidado qué es lo que queremos conseguir y qué queremos hacer con la información, cuál es su propósito de uso.

• Cuanto más granulares sean los datos, mucho mejor

Como hemos comentado antes, el Big Data parte de datos granulares que cambian en tiempo real y provienen de varias fuentes de información. ¿Quiere decir esto que cuando más granular sea el dato y más pequeño sea el intervalo de tiempo, vamos a obtener un análisis mejor? No siempre. A veces nos puede interesar una aproximación a cómo se están comportando los datos que se generan cada minuto ante una situación determinada, pero muchas otras veces nos será mucho más útil dar un paso atrás para tener una visión completa de la situación.

En un partido de fútbol por ejemplo, el hecho de que un equipo marque un gol en el primer minuto, no quiere decir que vaya acabar ganando el partido ¿Verdad? En análisis en tiempo real, demasiado “cercano a la acción” a veces puede llevarnos a deducir conclusiones que se van a presentar como erróneas a corto o medio plazo.

•  El Big Data siempre tiene buenos datos

Existe una gran diferencia una montaña de datos y una montaña de buenos datos. Los datos de baja calidad contienen una gran cantidad de errores, datos que nos van a conducir a una más que probable malinterpretación. Imaginemos por ejemplo todas esas imágenes que han sido mal etiquetadas por los usuarios, o texto no estructurado, escrito por adolescentes, en el que no está del todo claro si refleja un sentimiento positivo o negativo.

En análisis del big data supone entre otras cosas descartar enormes cantidades de datos que aportan muy poco para centrarnos en la única parte que puede aportar algo al análisis que queremos realizar.

• El Big Data siempre da respuestas concretas

En muchos sentidos, una de las características fundamentales del Big Data es su ambigüedad. El emplear muchas fuentes de datos de forma simultánea puede conducirnos a veces conclusiones diferentes de las que podrían sugerir las propias pruebas que tenemos frente a nosotros.

Si tomamos otro conjunto de datos, del mismo grupo, analizados incorrectamente puede llevarnos a una conclusión diferente e incompatible con la primera.  ¿Cuáles son los datos o las conclusiones que tenemos que tomar entonces por buenas?

El Big Data sigue requiriendo la intervención del factor humano, aportar un juicio racional capaz de resolver conflictos, datos ambiguos, etc. El experto tiene que no sólo ser capaz de programar modelos de análisis interesantes, sino además tener la capacidad de tomar las decisiones correctas ante los conflictos que sí o sí, se van a presentar.