Francisco Bernal, director general, Teradata México
En los últimos años, debido al avance de la TecnologÃa de la Información, somos testigos de una verdadera explosión en la cantidad de datos disponibles, listos para ser analizados y asà convertir información importante para la inteligencia de negocio.
Este nuevo escenario se refiere no sólo al volumen de datos, sino también a la velocidad, complejidad y variedad de los tipos de información disponible, como es el caso de los datos de las redes sociales, logs de acceso a Internet o datos generados por máquinas, por ejemplo. Por lo tanto, los modelos tradicionales de data warehouse y soluciones analÃticas, desarrolladas para ofrecer soporte a ese mundo de informaciones, encuentran un nuevo desafÃo relacionado, sobre todo, a la manipulación de ese contenido, acompañado de toda esa complejidad y dinamismo: es aquà donde surge el concepto de Big Data.
Big Data – o las grandes cantidades de datos – son datos ricos y extremamente útiles para el análisis, pero que no están –inicialmente- disponibles de una manera estructurada, debido a la alta velocidad con que son producidos o a los mecanismos a través de los cuales son generados. AsÃ, más allá de la gran cantidad de información disponible hoy, los Big Data se relacionan directamente a la capacidad de manipular y analizar datos con múltiples estructuras no relacionados, que requieren de una interacción rápida y adaptable.
Como soporte a esa nueva realidad, ya están disponibles nuevas técnicas y tecnologÃas como MapReduce o Hadoop, que resuelven limitaciones de SQL, para tratar los diferentes tipos de datos complejos disponibles en Internet o en otras fuentes. Desde el punto de vista de hardware, los Big Data pueden recurrir a tecnologÃas existentes, como las arquitecturas de Procesamiento Paralelo Masivo (MPP), que permiten el rápido procesamiento de estos grandes y complejos volúmenes de datos.
Muchas empresas ya están comenzando a desarrollar su propia lógica utilizando ese tipo de infraestructura, permitiendo el análisis del comportamiento de los clientes en casos de optimización de la mercadotecnia digital, las interacciones entre usuarios en las redes sociales, transacciones e interacciones en lÃnea para la detección y la prevención del fraude y la eficiencia operacional por datos generados por máquinas, entre otros.
En esos escenarios, surge también la figura del cientÃfico de datos o desarrollador analÃtico, que es un profesional responsable del desarrollo e implementación de esos tipos de análisis para beneficio del negocio. Este no es el mismo analista tradicional de BI (Business Inteligence) que conocemos hoy; son personas que conocen con detalle la necesidad del negocio, los datos disponibles y, al mismo tiempo, utilizan estas nuevas tecnologÃas para perfeccionar análisis que puedan traer nuevas directrices para la gestión estratégica.
Naturalmente, hay una cuestión importante que debe discutirse entre los usuarios y sus profesionales de TI sobre la madurez de estos grupos para utilizar este potencial en beneficio de las empresas. Esto sucede porque muchos de ellos están en torno al desarrollo e implementación de proyectos relacionados con los sistemas, aplicaciones y análisis tradicionales de BI, que también son necesarios y vitales pero que muchas veces consisten básicamente en la obtención de datos de sus fuentes tradicionales de origen (tales como el ERP) a fin de disponerlos en informes preconcebidos para los usuarios.
En este vasto universo de capacidades analÃticas, el contexto de los Big Data incrementa el potencial de las empresas, aprovechando la utilización de las nuevas tecnologÃas y herramientas cada vez más importantes para el análisis de las inagotables fuentes de información que están disponibles hoy, trayendo consigo conocimiento, nuevas perspectivas y oportunidades para vencer en un mercado cada vez más competitivo.
