"Big Data" se traaduce, literalmente, por "datos masivos" y se utiliza para rentabilizar la información disponible
La patronal de empresas tecnológicas (AMETIC) alerta sobre la falta de profesionales en nuevas tecnologías de la comunicación. Según los datos que manejan, de aquí a 2017 harán falta entre 25.000 y 50.000 programadores y desarrolladores, entre 60.000 y 70.000 especialistas en marketing y comunicación, entre 15.000 y 45.000 profesionales del diseño visual y la creatividad digital y entre 10.000 y 14.000 expertos en estrategia y gestión de negocio. Las cifras definitivas dependerán, como en cualquier sector, de la evolución de la economía en ese tiempo.
Coincidiendo con la publicación de estos datos, las compañías del sector comentaban su propia experiencia. Telefónica, por ejemplo, confirma que hay vacantes que tardan de 90 a 120 días en cubrirse por no encontrar candidatos adecuados. Uno de esos perfiles de difícil cobertura es el de los “científicos de datos”, especialistas en Big Data. Un campo en el que la formación académica se ha quedado muy por detrás de la demanda del mercado laboral.
¿Qué es Big Data?
Se traduce literalmente por “Datos Masivos”, aunque está más extendida la denominación en inglés. En realidad, podríamos hablar de “cantidades ingentes de datos” cuya principal ventaja radica, precisamente, en la abundancia de información y el mayor inconveniente en las dificultades para su almacenamiento y tratamiento, que requieren de equipos y personal especializados.
Consiste, en la práctica, en el análisis de información en grandes volúmenes, de diversas fuentes, a gran velocidad (real time) y de forma flexible con el objetivo de detectar patrones ocultos, correlaciones…
¿Para qué sirve?
Big Data es información, así que su utilidad se puede medir, básicamente, en términos de rentabilización de la información disponible. Aunque sus aplicaciones más extendidas son las relacionadas con el ámbito empresarial (estudios de mercado, marketing, ventas…) su valor va mucho más allá: defensa y seguridad, investigación, transporte, sanidad, educación, telecomunicaciones, etc. etc.
Desde el punto de vista empresarial, la utilidad de la información ha de analizarse desde la perspectiva de la ventaja competitiva, es decir: cómo aprovechar esa información frente a nuestros competidores. Para ello, además de disponer de los datos, es necesario tener una estrategia a la hora de utilizarlos, lo que requiere de la conexión entre los distintos departamentos y de altas dosis de creatividad.
Algunos ejemplos
El Big Data es lo que explica, por ejemplo, que a una mujer embarazada la “bombardeen” con anuncios de productos relacionados con su estado en las redes sociales, correo electrónico, vía Smartphone…
Google o Amazon son los ejemplos más claros de empresas pioneras en la optimización de los datos como instrumento de negocio, pero la utilidad del Big Data para mejorar resultados ha sido constatada por empresas de todos los sectores, desde la banca hasta las aseguradoras.
Un buen ejemplo, geográficamente cercano, sería el del gigante Inditex, que también en este ámbito se ha revelado visionario. Como si de una smart city se tratara, el grupo se ha dotado de una gran plataforma tecnológica central desde la que se controlan todas las tiendas de todas las marcas. Allí se procesan todo tipo de datos relacionados con las ventas, preferencias de cada cliente, existencias… lo que permite atender la demanda con un grado de eficacia y eficiencia (ahorro de costes) impensable hace unos años.
Errores comunes
En Big Data, como en cualquier otro campo empresarial, no se trata de invertir por invertir, sino que hay que tener en cuenta la rentabilización del gasto. Por eso, hay que tener en cuenta una serie de consideraciones:
- Diagnóstico: antes de realizar la inversión, debemos analizar la situación de partida, para definir nuestros objetivos a corto, medio y largo plazo.
- Adecuación: la inversión ha de adecuase a ese diagnóstico previo. Es decir, ha de responder a las necesidades reales de nuestra empresa, independientemente de la multiplicidad de la oferta.
- Planificación: la inversión ha de responder a una estrategia con metas intermedias, de manera que podamos ir testando su funcionamiento sin arriesgar cantidades demasiado elevadas.
- Especialización: la introducción de nueva tecnología en la empresa ha de ir acompañada de la dotación de personal especializado en su manejo, para rentabilizar al máximo la inversión (Chief Data Officer, Data Manager, Data Scientist, Data Analytics…).
·Formación: simultáneamente, el resto del personal ha de estar al tanto de las novedades del sistema, para exprimir su potencial.
· Transversalidad: aunque, por norma general, el tratamiento de Big Data requiere un departamento específico, ha de mantener una relación fluida y de intercambio con el resto de departamentos, también en aras de lograr una mayor eficacia. Al fin y al cabo, estamos hablando de “comunicación”.
· Ajustes internos: no vale de nada incorporar sistemas de datos en tiempo real si la toma de decisiones en la empresa se sigue realizando, por ejemplo, en juntas semanales.
Big Data e intimidad
En el análisis del Big Data hay una doble perspectiva: la de la empresa y la del cliente, que alimenta esa gran base de datos con cada clic en el ordenador, móvil, tableta… cada vez que usa una tarjeta de fidelización, cuando conecta el GPS o compra un billete, al emplear la tarjeta sanitaria o ingresar una nómina… Las redes sociales permiten, incluso, medir los “sentimientos” o el estado de ánimo de los usuarios. Por no hablar, por ejemplo, de las bases de datos de reconocimiento facial.
Una información en conflicto directo con la protección de datos y el derecho a la intimidad, que las empresas salvan mediante cláusulas de “aceptación de condiciones” pero que requieren de análisis en profundidad, adaptados a cada caso.
