Demasiado grande para ignorar

Conozca cuál es el gran problema con Big Data y cómo puede ejercer su poder para su negocio.

¿Qué haces cuando escuchas a la gente hablar sobre Big Data? Algo asiente con la cabeza, ¿pero espero que no tengas que decir nada? ¿Se pregunta si debería averiguar qué significa realmente? ¿O descartarlo como “solo otra palabra de moda”?

Bueno, todos deberíamos tomar Big Data en serio. Como Phil Simon argumenta en Demasiado grande para ignorar , Big Data no solo es demasiado grande, es demasiado importante para pasarlo por alto o ignorarlo.

Este resumen muestra por qué Big Data es repentinamente relevante y cómo puede usarlo para su ventaja. Es por eso que este paquete es una lectura obligada. Si desea mejorar su negocio u organización, debe hacer que Big Data trabaje para usted.

Después de leer este resumen, sabrá

• cómo puede dirigir su negocio hacia Big Data;

 

• cómo visualizar Big Data; y

 

• cómo las compañías como Netflix usaron Big Data para impulsar un enorme crecimiento.

 

Nuestros patrones de consumo cambiantes y los costos de la tecnología en picada han llevado al crecimiento de “Big Data”.

Todos hablan de Big Data en estos días, y muchas compañías contratan científicos de datos. Pero, ¿qué es exactamente Big Data ? ¿Y por qué se está extendiendo ahora ?

“Big Data” se refiere a grandes conjuntos de datos que son demasiado grandes o complejos para tratarlos fácilmente. No se pueden procesar con aplicaciones básicas como Microsoft Excel o Access.

El crecimiento de Big Data ha sido impulsado por nuestros patrones de consumo cambiantes. Los teléfonos inteligentes, la computación en la nube y las conexiones de banda ancha aseguran que constantemente consumimos y generamos datos.

Este acceso nuevo, rápido y simple a los datos garantiza que siempre estemos “encendidos”. Piénselo: ¿qué es lo primero que hace cuando aterriza su avión? Enciende tu teléfono, ¿verdad?

Después de eso, probablemente revises tu correo electrónico, Facebook o Twitter. Cuando haces eso, no solo estás accediendo a los datos, sino que los estás creando. Este tipo de comportamiento del consumidor creó Big Data.

Nuestros patrones de consumo han cambiado debido a la caída de los costos de la tecnología. La tecnología, especialmente el almacenamiento y el ancho de banda, se ha vuelto extremadamente barata.

Este cambio realmente no se puede subestimar. La tecnología moderna y económica nos permite e incluso nos alienta a contribuir con Big Data. ¿Cuántas series de televisión transmitirías si cada episodio costara $ 10 de ancho de banda, además de las tarifas de alquiler o compra?

En 1990, el almacenamiento de datos costó $ 10,000 por GB. Para 2010, esa cifra había caído a diez centavos.

La tecnología asequible y Big Data permiten cargar 48 horas de video a YouTube cada minuto. Permite ver más de 200 mil millones de videos cada mes. Sin Big Data, tales cosas no serían posibles. Entonces, ¿qué se supone que debemos hacer con él?

Big Data puede proporcionar una comprensión más profunda de sus clientes y negocios.

Entonces, ¿qué diferencia a Big Data de, digamos, los datos recopilados en la década de 1950?

Bueno, no es solo esa la cantidad. El tipo de datos que recopilamos también ha cambiado.

La mayoría de Big Data es no estructurada . Anteriormente, los datos eran relacionales , lo que significa que eran mucho más simples y podían leerse fácilmente en las tablas. Solo piense en un gráfico con los clientes en una columna y los productos que ordenaron en otra.

Los datos no estructurados, por otro lado, son muy confusos. No se puede organizar de la misma manera. Cada tweet sobre su producto es un dato, pero no puede simplemente poner tweets en una tabla.

¿Por qué? Porque los tweets no tienen solo una relación con otra cosa. Imagínese si alguien tuiteó que estaba considerando su producto. Ese tweet podría contener muchos datos, como la edad de la persona, pasatiempos, demografía, educación o más.

Por lo tanto, simplemente no puede hacer una tabla con “Tweet # 1” y todas sus características en columnas, sería inmanejable. ¡Ahora imagine tratar de hacer eso con miles y miles de tweets! Seria imposible.

Esto es lo que hace que los datos sean “no estructurados”. Los datos no estructurados representan más del 80 por ciento de los datos de la organización actual.

Si podemos aprender a administrar datos no estructurados, podremos obtener grandes conocimientos sobre el comportamiento del consumidor. Los datos no estructurados son en realidad una gran oportunidad.

Netflix es un ejemplo perfecto de esto. Realizan un seguimiento de dónde, cuándo y cuántas veces se ven sus películas. También rastrean en qué dispositivos los ven sus usuarios y monitorean los comentarios de las personas sobre la compañía en Facebook y Twitter.

En el verano de 2011, Netflix perdió 800,000 clientes. Cuando evaluaron cómo se discutían sus servicios en las redes sociales, se dieron cuenta de que muchos clientes habían sido expulsados ​​cuando su servicio de correo, Qwikster , renombró y cambió el precio de sus DVD. Entonces se deshicieron de Qwikster y su negocio se recuperó.

La visualización de sus datos le permitirá analizar tendencias.

Entonces, incluso si organiza sus datos no estructurados, ¿cómo los evalúa? ¿Cómo puedes aprender algo de millones de datos?

Aquí hay dos enfoques principales. El primero, análisis de series de tiempo , examina datos a lo largo del tiempo.

Es fácil predecir que las ventas aumentarán alrededor del Black Friday, por ejemplo, pero un análisis de series de tiempo puede ofrecer una visión mucho más profunda.

Puede mostrarle cómo cambian sus ventas en relación con las fechas de pago de los clientes, generalmente los días 1 y 15 de cada mes. También diferencia entre tendencias a largo plazo y estacionales. Un análisis de series de tiempo también puede explicar las fluctuaciones de ventas irregulares que existen fuera de las tendencias, por ejemplo, si alguien gana la lotería y deja que sus amigos se vayan de compras.

Cuando pueda dar sentido a sus datos, podrá asegurarse de no crear estrategias en torno a fluctuaciones temporales. No aumentará su inventario solo porque un ganador de la lotería realizó una compra única en su tienda.

El segundo enfoque, mapas de calor , le ayuda a visualizar una gran cantidad de datos con mucha facilidad.

Un mapa de calor representa valores con diferentes colores, que pueden mostrarle mucho más que los métodos tradicionales de visualización de datos. Una tabla con 100 millones de entradas ciertamente no iluminará mucho, y los gráficos técnicamente pueden revelar más, pero solo muestran la relación entre dos variables.

Los mapas de calor, por otro lado, proporcionan una visión general de varias variables a la vez. Pueden evaluar la cantidad, el contenido y la ubicación de los libros vendidos, por ejemplo. También son mucho más intuitivos para leer.

Puede detectar tendencias por la intensidad de los colores en el mapa de calor. Un montón de rojo en un área podría indicar que las ventas son altas en un vecindario en particular en verano, por ejemplo.

Utilice plataformas nuevas e innovadoras para administrar su trabajo de Big Data, o subcontratarlo.

Aquí hay algunas noticias que son buenas y malas: con Big Data, nunca volverás a usar Excel o Access. Tendrá que usar nuevas plataformas si desea aprovechar al máximo Big Data, y las plataformas deben ser versátiles.

Hadoop , por ejemplo, es una gran colección de proyectos que manejan datos. No tiene una configuración estándar. En cambio, se compone de varios subproyectos que son bastante complejos.

El funcionamiento preciso de Hadoop es muy técnico, pero es esencialmente una herramienta para dividir las tareas de Big Data en subtareas más pequeñas. Esas subtareas se procesan individualmente y se colocan en nuevos conjuntos de datos. Facebook usa Hadoop para analizar grandes extensiones de datos de usuarios.

Si no desea gastar el dinero en hardware y mantenimiento de Big Data, también puede subcontratarlo a una empresa de tecnología. Si lo desea, puede probar las aguas dejando que otra compañía ejecute sus cálculos de Big Data y vea si resultan rentables. Kaggle, una startup en línea, fue desarrollada para este mismo propósito.

Kaggle le permite publicar tareas de Big Data en línea y encontrar científicos de datos que puedan resolverlo. Incluso si no sabe lo que quiere hacer con sus datos, los usuarios de Kaggle pueden sugerir formas de usarlos. A los usuarios de Kaggle se les dio una vez datos de vuelo y clima, y ​​se les pidió que pronosticaran los tiempos de pista y puerta para los aviones. Tenían que ayudar a que el horario de vuelo se adaptara a las condiciones cambiantes. El análisis del ganador fue un 40 por ciento más preciso que los estándares de la industria.

En última instancia, debe encontrar la mejor manera de administrar Big Data de su empresa. Siempre pregúntate si lo que estás haciendo es mejor para ti.

Asegúrese de que su organización esté realmente lista para Big Data.

Incluso si se siente listo para comenzar a trabajar con Big Data, aún necesita hacer una pausa. También debes asegurarte de que tu empresa esté lista.

Recopilar y usar Big Data le costará, aunque algunas herramientas son gratuitas.

Hadoop está disponible gratuitamente, pero aún necesitará un presupuesto considerable para consultoría y capacitación, para garantizar que su inversión en Big Data valga la pena.

No pienses en Big Data como un nuevo programa que solo produce resultados cuando lo instalas. Debe reestructurar su enfoque de la tecnología y los datos en general.

Explorys , una compañía que usa Big Data para mejorar la atención médica, aprendió esto cuando comenzaron a trabajar. Tuvieron que introducir cuadrículas para el almacenamiento de datos y desarrollar una plataforma que funcionara en diferentes proveedores de atención médica. También tuvieron que construir un nuevo equipo de más de 100 empleados.

E incluso si obtienes excelentes herramientas de Big Data, recuerda que solo pueden ayudarte si tienes buenos datos. Incluso las mejores herramientas son inútiles si no recopila información útil.

Entonces, comience haciendo preguntas específicas y describiendo algunos objetivos a corto y largo plazo. Debe saber con precisión qué información desea, o no podrá averiguar dónde obtenerla.

Pregunta qué patrones de consumo hacen que ciertos productos tengan éxito, por ejemplo, o qué hace que los clientes abandonen tu marca. Luego, recopile tantos datos como pueda sobre clientes actuales y anteriores.

Eventualmente, podrá utilizar esta información para predecir qué productos se venderán bien. También sabrá cuándo los clientes están a punto de dejarlo, por lo que puede intentar recuperarlos.

Big Data amplifica los problemas éticos y de seguridad existentes.

Big Data no está exento de problemas. Si cree que almacenar una gran cantidad de información sobre las personas parece tener algunos inconvenientes, no está equivocado.

Big Data eleva los problemas de privacidad a nuevas alturas. Si las personas equivocadas se apoderan de ciertos tipos de Big Data, podría ser desastroso.

Apple y Amazon, por ejemplo, tienen alrededor de 400 millones de tarjetas de crédito de los clientes en el archivo. Piense en lo que eso podría significar para los piratas informáticos u otros piratas de datos.

Incluso si asumimos que estas compañías pueden confiar en nuestros datos (lo cual no es necesariamente una suposición sólida), ha habido muchos casos de robo de datos. Por lo tanto, las empresas deben proteger los datos de sus clientes además de sus propios datos internos.

En 2012, Google se metió en un poco de agua caliente cuando se reveló que su software Street View había estado recopilando datos de redes Wi-Fi abiertas. Esta es la desventaja de Big Data: puede amenazar nuestra privacidad.

Las principales empresas como Google, Amazon y Facebook pueden explotar los datos de los usuarios sin cesar si así lo desean. Si esto le molesta, puede considerar el uso de servicios alternativos como DuckDuckGo, un motor de búsqueda que no guarda ningún dato de usuario.

Big Data hará que los productos sean “más inteligentes”.

Entonces, ¿cuál es el futuro de Big Data? Algunas personas pasan por alto el efecto que tendrá en el mercado de consumo.

Por un lado, veremos un movimiento lento de activo a pasivo datos.

Actualmente, la mayoría de nuestros datos son activamente creados. Eso significa que usamos Internet a través de nuestras computadoras portátiles o teléfonos inteligentes, y creamos nuestros datos nosotros mismos.

Pero cada vez más, los datos serán pasivamente generados. Tendremos automóviles, televisores y otros dispositivos que se conectarán a Internet y rastrearán nuestro comportamiento. Estas tecnologías crearán datos por su cuenta.

Esto puede parecer una invasión de la privacidad, por supuesto. Sin embargo, también significa que nuestra tecnología se adaptará a nuestros comportamientos específicos.

En el futuro, la tecnología podrá utilizar los datos de manera más efectiva. Tony Fadell, el diseñador del iPod, desarrolló un programa para su nueva firma, Nest, que es un ejemplo de esto.

Uno de los dispositivos de Nest es un termostato que recopila datos del usuario para “conocer” las preferencias personales de las personas y controlar su calefacción central en consecuencia.

No tienes que programar Nest después de que “te aprende”: usa tus datos para ajustar la temperatura. Puede saber, por ejemplo, que le gusta su sala de estar más fría durante el día y su dormitorio más cálido por la noche. Cuanto más lo usas, más se adapta a ti.

Estos datos, a su vez, se recopilan y se envían en línea. Esto significa que puede controlar su calefacción con su teléfono inteligente y ver los registros de sus preferencias de temperatura.

Claramente, Big Data tendrá un gran impacto en nuestra tecnología, entorno y vida. ¿Serás parte de ello?

Resumen final

El mensaje clave en este libro:

Big Data exige una nueva forma de pensar, nuevas herramientas y un nuevo enfoque para el análisis de datos en general. Sin embargo, si puede administrar sus datos no estructurados, su empresa se beneficiará enormemente. Big Data solo jugará un papel más importante en nuestro futuro, ¡así que no te lo pierdas!

Consejo práctico:

Prueba las aguas.

¿Te sientes inseguro de saltar a Big Data? ¡No tienes que hacerlo! Pídale a una compañía de Big Data como Kaggle que realice un análisis por usted. Obtendrá una idea y descubrirá si está listo para ello. No te apresures a las cosas: tómalo con calma y asegúrate de estar preparado.

Lecturas adicionales sugeridas: Big Data por Viktor Mayer-Schönberger y Kenneth Cukier

Big Data proporciona una visión perspicaz de por qué un cambio a “big data” es un cambio importante en la forma en que recopilamos, usamos y pensamos sobre los datos que nos rodean. Proporciona excelentes explicaciones y ejemplos de cómo las personas y empresas que ya están por delante de la curva están utilizando las herramientas de Big Data para crear valor y ganancias. Mirando hacia adelante, el libro también describe las implicaciones futuras para una sociedad de big data en términos de riesgos, oportunidades e implicaciones legales.