El Big Data y su lado oscuro

Los datos son indiscutiblemente la clave para la innovación organizativa, ya que brindan inmensas oportunidades para que las empresas tomen decisiones comerciales informadas. Pero, mientras que las organizaciones adoptan el Big Data, también deben considerar su lado oscuro.

Big Data tiene una gran fuerza para transformar las empresas y su forma de hacer negocios. En la actualidad, las organizaciones están buscando con avidez formas de eclipsar a sus competencias en un panorama competitivo cada vez mayor y Big Data les abre el camino para cumplir su objetivo. El Big Data, si se analiza adecuadamente, descubre patrones ocultos e información informativa que ayuda a las empresas a mejorar su eficiencia operativa. Si hay que creer en las fuentes (y no veo ninguna razón por la que no debamos hacerlo), el 53% de las empresas en los EEUU han adoptado el análisis de Big Data para aprovechar su poder. Esta estadística indica que el Big Data está llegando a la corriente principal. Si bien vemos que la mayoría de las compañías en los EEUU están aprovechando el Big Data, también es vital que consideren su potencial para dañarnos. Puede que sea difícil para nosotros creerlo, pero la realidad es que también hay un lado oscuro en el Big Data.

Explorando la oscuridad del Big Data

La implacable adopción de Big Data ha llevado a las empresas a priorizar su atención para resolver los tres principales problemas de datos importantes que se mencionan a continuación:

1. Seguridad de datos. Los usuarios de Internet son una población en crecimiento. Usamos Internet para navegar, realizar pagos en línea, navegar por las redes sociales y hacer mucho más. Cada vez que nos conectamos, dejamos un rastro. Nuestra información confidencial queda atrapada en el espacio digital sin que nos demos cuenta. Además, en algún rincón de este mundo digital se encuentran hackers, que están esperando con entusiasmo para robar nuestra información personal. Desde luego no nos gustaría compartir nuestros detalles. Cuanto más tiempo pasamos en línea, más nos engañan para divulgar nuestra información. Por ejemplo, puede hacer clic en la opción de llamada a la acción "cupones gratuitos disponibles ahora" y aterrizar en un sitio web falso, y revelar su información confidencial, convirtiéndose en una víctima.

2. Privacidad de datos. Con el advenimiento de las tecnologías de la era moderna, ¿No cree que su privacidad está siendo comprometida? El brote de dispositivos conectados a la IoT (Internet of Things) ha dado lugar a un problema considerable de robo de nuestros datos privados. Los dispositivos portátiles, los dispositivos implantables, los hogares inteligentes, los vehículos inteligentes y muchos de estos dispositivos conectados a la IoT del día a día recopilan datos útiles en tiempo real a través de sensores. Los datos recopilados ayudan a las organizaciones a evaluar nuestros patrones de comportamiento, lo que les permite mejorar o innovar sus servicios para mantenerse relevantes en este mundo competitivo. Es evidente que las organizaciones basadas en clientes utilizan benignamente nuestros datos, pero ¿Qué hay de nuestra privacidad?

3. Calidad de los datos. Existen múltiples fuentes de Big Data, desde donde las empresas recopilan información sobre nosotros. Por ejemplo, las plataformas de redes sociales, los datos de IoT, nuestros clics mientras navegamos por Internet, etc. Las empresas deben considerar de manera prominente la recopilación de datos significativos y de alta calidad. ¿Por qué? Si las organizaciones se centran más en la cantidad de datos que en la calidad, tendrán que realizar un análisis de datos complejo sobre los datos. Cuanto más cantidad, más contenido inútil contienen los datos. Además, la recopilación de datos de baja calidad también puede perjudicarnos. Por ejemplo, todos somos conscientes del hecho de que los algoritmos de AI (Artificial Intelligence) son conocidos por sus resultados "imparciales". Sin embargo, ¿Qué sucede si la organización recopila datos que contienen sesgos cognitivos o de género? Naturalmente, los desarrolladores entrenarán el modelo de AI con los datos erróneos, desarrollando un modelo de AI "sesgado". Por lo tanto, las organizaciones tienen que encontrar una manera de recopilar datos útiles, claros y de alta calidad solamente.

Las organizaciones deben incorporar una política adecuada y estricta de gobernabilidad de Big Data, asegurando que los datos del consumidor no se vean comprometidos, sin importar qué. Con la infraestructura adecuada, datos significativos y expertos en IT (Information Technology), las organizaciones pueden aprovechar los beneficios de Big Data al nivel óptimo.

Fuente: Naveen Joshi. Fundador y CEO de Allerin. Experto en Big Data, IoT, AI y Blockchain.

¡Seguimos creciendo juntos!

10 tecnologías de Big Data que debes conocer

A medida que el mercado del análisis de Big Data se expande rápidamente para incluir a los principales clientes, es importante conocer las tecnologías de Big Data que realmente importan.

Todo el mundo habla de la ciencia de datos, con su modelo predictivo, minería de datos y aprendizaje automático (Machine Learning). Pero la mayor parte de esto no sería posible, especialmente a gran escala, sin ingeniería de datos. A continuación se enumeran algunas tecnologías de Big Data que todo ingeniero de datos debe conocer.

1. Análisis predictivo: Esta tecnología, que incluye soluciones de hardware y software, ayudará a su empresa a descubrir, evaluar, optimizar y desplegar modelos predictivos. Esto lo hace mediante el análisis de fuentes de Big Data, mejorando así el rendimiento comercial o mitigando el riesgo.

2. NoSQL Base de datos: En comparación con sus contrapartes RDBMS, las bases de datos NoSQL están disfrutando de un crecimiento exponencial. El tipo de base de datos NoSQL ofrece un diseño de esquema dinámico, que otorga la posibilidad de una mayor personalización, flexibilidad y escalabilidad, que es muy necesario cuando se almacenan grandes volúmenes de Big Data.

3. Descubrimiento de búsqueda y conocimiento: Necesita conocer estas herramientas y tecnologías para la auto extracción de información. El descubrimiento de búsqueda y conocimiento consiste en obtener nuevos entendimientos de grandes repositorios de datos estructurados y no estructurados que residen en fuentes, como sistemas de archivos, flujos de datos, bases de datos, APIs (Application Programming Interface) y otras plataformas y aplicaciones.

4. Análisis de flujo: Necesita agregar, filtrar, enriquecer y analizar un alto rendimiento de datos. El análisis de flujo examina los datos que provienen de fuentes de datos múltiples, dispares, en vivo y en distintos formatos.

5. Tejido de datos en memoria: Esta tecnología proporciona acceso de baja latencia y le permite procesar grandes cantidades de datos. Distribuye datos a través de la memoria de acceso aleatorio dinámica (DRAM), SSD o Flash de un sistema informático distribuido.

6. Almacenes de archivos distribuidos: Una red informática que almacena datos en más de un nodo, a menudo de forma replicada, para ofrecer redundancia y rendimiento.

7. Virtualización de datos: Si necesita información entregada desde varios orígenes de Big Data, como Hadoop y tiendas de datos distribuidos, en tiempo real y casi en tiempo real, la virtualización de datos es su tecnología.

8. Integración de datos: La integración de datos se trata de herramientas que permiten la orquestación de datos en soluciones como Apache Hive, Apache Pig, Amazon Elastic Map Reduce (EMR), Hadoop, Couchebase, MongoDB, Apache Spark, etc.

9. Preparación de datos: Para aliviar la carga de dar forma, limpiar, buscar y compartir conjuntos de datos desordenados y diversos que aceleran la utilidad de los datos para el análisis.

10. Calidad de datos: La tecnología que lleva a cabo la limpieza y el enriquecimiento de datos en grandes conjuntos de datos de alta velocidad. Utiliza operaciones paralelas en bases de datos distribuidas y almacenes de datos.

Tecnologías de Big Data: A tener en cuenta

Todas estas herramientas contribuyen a la comprensión en tiempo real, predictiva e integrada; y es exactamente lo que Big Data quiere de los clientes ahora. Para obtener la ventaja competitiva que ofrece Big Data, debe infundir análisis en todas partes, explotar el valor en todos los tipos de datos y hacer un diferenciador de velocidad. Todo esto requiere una infraestructura que pueda administrar y procesar volúmenes masivos de datos estructurados y no estructurados. Las tecnologías de Big Data deben admitir los servicios de búsqueda, gobierno, desarrollo y análisis de datos que abarcan desde datos de transacciones y aplicaciones hasta datos de máquinas y sensores, datos geo espaciales, sociales y de imágenes.

Fuente: Naveen Joshi. Fundador y CEO de Allerin. Experto en Big Data, IoT, AI y Blockchain.

Estrategias CIO: 5 consejos para implementar inteligencia de negocios

Como responsable de los sistemas de tecnologías de información de una empresa, a nivel de procesos y desde el punto de vista de la planificación, el CIO (Chief Information Officer) tiene nuevos retos y uno de los más importantes es conseguir que el uso correcto de la inteligencia de negocios sea más que construir un almacén de datos.

Martin Draper, Director de Tecnología del retail Liberty, dice que su gran prioridad para 2017 es la inteligencia de negocios. La empresa reúne información de diversas fuentes y Draper quiere crear una estrategia basada en datos que ayude a los ejecutivos de la empresa, a tomar decisiones más inteligentes de manera rápida y eficaz.

Draper se unió a este retail de renombre mundial en marzo del 2016, después de haber sido responsable 13 años en el área de IT (Information Technologies) en Harrods. A lo largo de su carrera, Draper ha estado ansioso por impulsar la transformación a través de la información. Pasó una década dirigiendo su propia consultora de inteligencia de negocios (Business Intelligence) antes de convertirse en un CIO minorista, ayudando a las organizaciones de todos los sectores a transformar los datos en información.

Basándose en su experiencia, Draper ofrece cinco consejos de mejores prácticas para ejecutar un BI de éxito imitativo:

1. Vea su iniciativa como un potente enfoque cultural.

Los analistas están dispuestos a hablar de la continua inversión en BI y analítica. Gartner dice que el 48% de las empresas invirtieron en Big data en 2016 y un 3% desde 2015. IDC (International Data Corporation), por su parte, espera que el gasto global en Big Data y análisis de negocios crezca de 130.100 millones de dólares en 2016 a más de 203.000 millones de dólares en 2020.

Sin embargo, Draper dice que la tecnología es sólo un elemento de un enfoque de BI fuerte. Él dice que el éxito en BI es mucho más que la suma de herramientas y procesos. Demasiados CIOs todavía no reconocen que el elemento cultural es esencial. "He hecho una vida buena de los tecnólogos que construyen plataformas de datos y luego el beneficio no ha regresado", dice, refiriéndose a su experiencia anterior como consultor de BI.

"Tienes que tener la tecnología adecuada y un mapa de la arquitectura de datos claro, pero también tienes que tener una organización que puede consumir información y desarrollar la visión. Si no ves tu proyecto de BI como un potente acercamiento cultural al negocio, no se moleste en comenzar".

2. Obtenga un respaldo de alto nivel para sus objetivos a largo plazo.

Draper dice que los CIOs deben reconocer que una iniciativa de análisis es mucho más que alcanzar metas a corto plazo. "La inteligencia de negocios es para siempre", dice. "Si usted va a hacerlo correctamente, tiene que entender todos los aspectos de su organización y planificar un plan de trabajo para la implementación en la medida de lo que pueda ver."

Los CIO, dice Draper, deberían ver su proyecto de BI como un programa, en lugar de una intervención. "En algunos casos puede tomar años crear un programa de BI", dice. La naturaleza prolongada (y a veces costosa) de una iniciativa analítica, requiere esencialmente el apoyo de alto nivel.

"Asegúrese de que la persona número uno de su organización sea el patrocinador clave para su programa de BI", dice Draper. "La idea de que vas a usar los datos para decir la verdad y tomar decisiones, significa que el apoyo del jefe ejecutivo es absolutamente clave".

3. Utilizar la capacidad del especialista para desarrollar éxitos rápidos para el negocio.

Aunque Draper cree que BI debe ser visto como un "programa para siempre", también reconoce que los éxitos rápidos pueden ayudar a demostrar los beneficios de sus ideas a los que dudan, en particular en los primeros días de una iniciativa. Estas ganancias tempranas pueden ayudar a dictar la dirección futura.

"La belleza de la capacidad y la tecnología de hoy en día es que las personas con experiencia, ya sea interna o externamente, pueden ayudar a su empresa a ofrecer algunos beneficios de BI con bastante rapidez", dice Draper.

"Siempre debe pensar en términos de objetivos a largo plazo, pero también puede obtener éxito a corto plazo rápidamente, si crea un equilibrio eficaz entre la tecnología, la capacidad de IT, el talento comercial y la arquitectura de datos." Debemos reconocer que el mundo es un conjunto de procesos de negocios y nuestro trabajo en tecnología, es automatizar tantos procesos como podamos y dejar los elementos creativos a los expertos.

4. Recuperar la demanda organizacional de forma continua.

Draper dice que los CIOs deben definir lo que es el éxito en términos de BI. Para algunas personas, el éxito se trata de informes empresariales. Para otros, podría implicar autoservicio, capacidades analíticas avanzadas, o una sola versión de la verdad.

"La realidad es que, dependiendo de la audiencia, puede ser todos esos elementos o sólo uno", dice Draper. "Darse cuenta de que el BI es un facilitador para una mejor toma de decisiones y definir lo que necesita para ofrecer esa visión, es absolutamente crítico".

Las expectativas de los ejecutivos en torno al poder potencial de la analítica siguen siendo altas. Draper dice que los requisitos del negocio pueden flexionar y cambiar, por lo que los CIO deben asegurarse de que sus programas de BI coincidan con la capacidad técnica y la conciencia comercial. "Tendrá que volver a conectarse al negocio continuamente, y para siempre".

"BI no se trata sólo de crear un almacén de datos de SQL Server, sino de crear beneficios en un punto definible de la línea, de lo contrario, es sólo otra plataforma y su negocio no verá el valor de su inversión".

5. Objetivo de una comprensión matizada de la información que proporciona.

Draper advierte a los ejecutivos que no se centren únicamente en la representación visual de los datos. El verdadero entendimiento, dice, proviene de un nivel más detallado de comprensión.

"A menos que su organización pueda mirar el tablero, y entender cómo convertir el indicador rojo en naranja y verde, entonces las ganancias serán pequeñas", dice. "El nuevo enfoque en Big Data y en tiempo real es potencialmente brillante, pero si su organización no puede reaccionar ante la visión, entonces la información es inútil".

Draper dice que a principios de su carrera los jefes de finanzas le enseñaron que la conversación en torno a los datos debería centrarse siempre en los objetivos. "BI es entender lo que ustedes y sus colegas van a hacer diferente mañana debido a la visión que tienen hoy", dice.

"Es muy fácil de producir números y opiniones, es muy difícil de ejecutar".

Fuente: Mark Samuels. Periodista de negocios especializado en temas de liderazgo de IT. www.zdnet.com