Contexto: tercera entrega publicada en 2017. Se mantienen sus conceptos y ejemplos históricos, distinguiendo resultados de estudios, predicciones y recomendaciones prácticas.
La importancia del big data en la transformación digital
El análisis de datos puede ayudar a decidir y mejorar procesos si parte de preguntas útiles y datos de calidad. Un estudio de Bain & Company publicado en 2013, sobre más de 400 grandes empresas, relacionó capacidades analíticas avanzadas con una probabilidad tres veces mayor de ejecutar decisiones según lo previsto y cinco veces mayor de decidir mucho más rápido que sus pares. Es una asociación de aquel estudio, no un resultado garantizado ni una investigación de 2015.
Disponer de muchos datos no determina por sí solo el éxito o fracaso de un negocio. Importan la pregunta, la calidad del análisis y la capacidad de actuar sobre sus conclusiones.
¿Qué es el big data en la transformación digital?
El término big data hace referencia a una gran cantidad de datos con potencial para influir en la toma de decisiones de una empresa. Se caracteriza por sus «3Vs»: el gran volumen de información, la amplia variedad de tipos de datos (estructurados o sin estructurar, emails, videos, fotos…) y la velocidad a la que esta información debe ser procesada para ser útil.
La importancia del big data en la transformación digital no reside en la cantidad de datos almacenados, sino en lo que cada organización puede hacer con ellos. Los datos disponibles de forma legítima y adecuados para la finalidad pueden analizarse para 1) reducir costes, 2) aumentar la productividad, 3) desarrollar nuevos productos y optimizar las ofertas, y 4) tomar decisiones inteligentes.
Además del volumen, conviene revisar la calidad de los datos, su contexto y el uso previsto para interpretar el análisis.
Pero, si los resultados son tan buenos, ¿por qué no todas las organizaciones utilizan el big data en la transformación digital? Para muchos es un proceso intimidante, surgen dudas sobre de dónde obtener la información y cómo traducir los datos en informes útiles para la toma de decisiones. La clave está en empezar a usar el big data de forma lenta y metódica.
El tamaño puede dificultar el trabajo, pero también lo hacen la calidad, los permisos, la integración y la falta de objetivos. Se necesitan diferentes herramientas para analizar y visualizar la información. Por eso, cada vez se escucha más hablar de small data, con atributos más específicos, centrados en las percepciones y las emociones del cliente.
El enfoque cualitativo puede complementar las métricas con observación y entrevistas. No convierte automáticamente una intuición en evidencia: registra cómo se obtuvo la información y qué límites tiene.
Riesgos del big data
Los datos incompletos, inaccesibles o incompatibles pueden consumir tiempo de preparación y bloquear proyectos. Antes de invertir, define responsables, criterios de calidad, acceso y actualización. Las cifras históricas atribuidas en la versión original a Forrester y Gartner no deben usarse como probabilidades universales de fracaso.
Además, cuando se analizan correlaciones se corre el riesgo de no contrastar esa información. Lo ideal sería confirmar las conclusiones del big data con el small data.
Google Flu Trends ilustra este riesgo. El artículo de Lazer, Kennedy, King y Vespignani de 2014 analiza cómo, en febrero de 2013, el sistema estimaba más del doble de la proporción de visitas médicas por síntomas similares a la gripe que la referencia del CDC. No era simplemente un recuento de casos reales de gripe. La lección es validar los modelos con referencias independientes y vigilar cambios en los datos; una correlación no demuestra causalidad.
¿Externalizar el análisis de datos?
A la hora de decidir si externalizar o no, plantéate esta pregunta: ¿cómo de importantes son estos datos para tu empresa? Si externalizas, valora sensibilidad, acceso, seguridad, conocimiento del negocio, responsabilidades y capacidad de supervisar el resultado; la importancia del dato no obliga por sí sola a resolver todo internamente. Pero cuidado, el servicio de big data no puede quedarse en el almacenamiento de datos, tanto si la información es crítica como si no, los datos deben ser analizados (con un software y/o personal especializado).
Con el aumento de la demanda, cada vez es más difícil contratar a un experto en big data. Además, muchas empresas han fracasado realizado grandes inversiones en tecnología big data con un ROI mucho más bajo de lo esperado. Por estos motivos, cada vez más empresarios deciden externalizar este departamento.
Recuerda que el big data en la transformación digital no solo sirve para alcanzar a los competidores y hacer lo mismo que ellos, es mucho más útil a la hora de diferenciarse. La clave del éxito está en exponerse a nuevas oportunidades de negocio y de crecimiento.
