6 aciertos y errores en big data
Jueves 30 de julio del 2015
El éxito comienza con una
estrategia sólida. De ahí la necesidad de conocer las mejores y peores
prácticas para analizar el big data, reveladas en un estudio de IDG Research
Services.
Los ejecutivos están cambiando
sus opiniones sobre el big data. Cada vez más líderes de organizaciones están
reconociendo la importancia de capturar y analizar de forma estratégica los
datos para un despliegue amplio de razones.
Para muchas organizaciones, este
proceso se convierte rápidamente en un ejercicio abrumador. Con acceso a nuevas
fuentes de datos como el flujo de datos en dispositivos, datos no estructurados
en redes sociales y más niveles de datos transaccionales online, muchas
organizaciones no saben dónde empezar a buscar respuestas, y son abandonados
para hacer las preguntas correctas.
De acuerdo con un estudio de IDG
Research Services, sólo el 26% de los encuestados dicen que sus organizaciones
son capaces de conocer cuáles preguntas hacer. Pero quizás eso está bien. Si
permites que los datos te guíen, las preguntas pueden ser obvias.
“Aquellos que lideran el espacio
están comenzando con los datos y permitiendo que éstos les ayuden a llevar a la
organización hacia la pregunta”, dice Scott Chastain, ingeniero en sistemas
senior para SAS. “Es un enfoque de la vieja escuela comenzar con una pregunta y
después encontrar los datos para responderla. Eso es un salto significativo.”
¿Qué otro consejo podemos reunir
de los expertos de la reciente investigación? Aquí presentamos seis aciertos y
errores para enfocarse en proyectos analíticos con big data y fuentes de datos
no estructurados.
No asumas que el enfoque más
ambicioso conseguirá el mejor retorno. Mientras que una gran ganancia es
tentadora, es peligroso cuando las empresas adoptan los datos no estructurados
al tratar de hacer todo a la vez. En su lugar, las organizaciones deben buscar
las aplicaciones más pequeñas y fáciles de medir como oportunidades piloto, y
luego construir el momento para el éxito inicial. Elegir los proyectos
correctos para probar las capacidades es crucial.
No enfoques los esfuerzos
exclusivamente en las necesidades de la unidad de negocio. El éxito es más
alcanzable cuando las organizaciones piensan a nivel global, pero actúan a
nivel local. “Reducir el riesgo medible es con frecuencia más efectivo como un
proyecto inicial que enfocarse en entender mejor a los competidores o crear
nuevas oportunidades”, dice Fiona McNeill, gerente global de Marketing de
Producto en SAS. “Los últimos son con frecuencia tareas más difíciles, y toman
más tiempo para medirse. El objetivo es encontrar proyectos con un ROI medible
de inmediato.”
No esperes que la tecnología sola
te garantice los resultados deseados. Aunque la investigación muestra que la
falta de tecnología es un principal obstáculo –especialmente entre las pequeñas
y medianas empresas–, la tecnología está disponible. Y en algunas instancias,
las organizaciones pueden aprovechar las soluciones de fuente abierta o
soluciones gratuitas para probar sus capacidades sobre una base de juicio. No
hay un remedio cuando se trata del éxito de los datos. A menos que sea una
compañía dirigida por la analítica, la capacidad y enfoque se vuelven menos
importantes, y alcanzar el ROI es el objetivo.
Construye capacidad colaborativa.
Usar sets de herramientas y procesos que hagan el big data alcanzable, con
frecuencia prueba ser instrumental en la resolución de algunos de los
principales desafíos señalados en el estudio, explica Chastain. “Cuando vemos el
costo y la serie de habilidades, la hipérbole del big data está creciendo más
rápido que las capacidades. Es necesario crear un ambiente que facilite el
uso”, dice. “La habilidad de emplear el poder del big data requiere más que
tecnología: requiere colaboración entre las áreas de negocios y TI. Las
organizaciones que promueven la mayor colaboración serán las que se beneficien
más –y más rápido– desde una plataforma de Hadoop.”
Adopta un enfoque escalonado. En
lugar de cometer el error común de tratar de enfrentar los problemas
desconocidos con datos desconocidos, las organizaciones más exitosas comienzan
por resolver un problema conocido de una forma nueva. El siguiente paso es
resolver el mismo problema con nuevos datos, y luego continuar resolviendo problemas
nuevos con datos nuevos. “Las organizaciones que adoptan un enfoque escalonado
tienen la mayor probabilidad de alcanzar el éxito”, dice Chastain. “Por
ejemplo, si una empresa de telecomunicaciones móviles tiene una forma
establecida de medir la rotación, el big data hace factible ver si las redes
sociales producen mejoras porque es una cuestión de abordar un problema
existente con nuevos datos.”
Piensa estratégicamente, pero
actúa tácticamente. Mientras que las organizaciones adoptan el big data, con frecuencia
se enfocan en construir una plataforma para resolver un problema de negocio
específico. Como resultado, el programa es visto típicamente como un
experimento, lo que dificulta evolucionar e integrarse como un negocio o activo
empresarial. Sin embargo, con objetivos estratégicos es más fácil ver las
segundas, terceras y cuartas aplicaciones. Esto es importante, porque con
frecuencia a través de las aplicaciones continuas los negocios se dan cuenta
del verdadero valor y potencial del big data.
No hay un remedio cuando se trata
de la analítica del big data, pero el éxito comienza con una estrategia sólida.
Esperamos que puedas usar estos tips para deducir los conocimientos valiosos
que van desde la optimización de procesos hasta las mejoras para enfrentar al
cliente.
No hay comentarios:
Publicar un comentario