40. agosto-septiembre 2013

Está preparado para enfrentar el próximo meta-problema

del mundo de los negocios? Le quitará el sueño.

Se trata de la administración de los grandes volúmenes de

datos que se generan por minuto —en redes sociales, en la

Web, en los servidores de las empresas, en las millones de

computadoras y dispositivos móviles conectados a Inter-

net—, más conocidos como “Big Data”.

Como es sabido, las empresas dependen de la toma ¿

BIGTENDENCIAS GLOBALES

IlustracIones: murIel frega

41.wobi.com/magazine

de decisiones para hacer funcionar sus negocios, y las me-

jores decisiones, a su vez, dependen de contar con infor-

mación confiable y oportuna. Tener los datos que necesi-

tamos en tiempo y forma para las decisiones que debemos

tomar es un problema gigantesco en una era en la que la

capacidad de captura, almacenamiento y procesamiento de

información se duplica cada 18 a 24 meses.

Pero el manejo de grandes cantidades de datos no es solo

una dificultad técnica: no se trata de una cuestión de alma-

cenamiento o de comunicación o de diseño del micro-

procesador. De hecho, los avances realizados en busca de

una solución en realidad complican el problema: brindan

acceso a más información, que cambia con rapidez, a me-

dida que un nuevo dispositivo o nuevas innovaciones des-

de el punto de vista de la arquitectura permiten disponer

de “datos instantáneos”.

El interrogante es el siguiente: ¿cómo transformar de manera

efectiva, eficiente y confiable los datos relevantes en informa-

BIGSe necesita mucho ingenio para gestionar y

extraer patrones útiles de los grandes volúmenes

de datos disponibles en la actualidad y generados

por el mundo digital. Este es el terreno de Big Data, donde aún manda

el desorden: la tecnología no está lista para analizar

la información, y el talento tampoco está

entrenado. ¿Qué dicen los que saben?

DATA

TENDENCIAS GLOBALES

42. agosto-septiembre 2013

ción útil? La generación de grandes cantidades de datos en

todas las industrias está demandando a gritos una herra-

mienta eficiente para gestionarlos. Los instrumentos con-

vencionales para el management de base de datos, como

los sistemas relacionales (RDBMS), no tienen la capacidad

de administrar estos volúmenes crecientes de información

no estructurada. Lo cual está impulsando el desarrollo de

varias herramientas y tecnologías para administrarla por

parte de los proveedores de tecnología.

ElcosmosEl mercado global de Big Data moverá US$ 48.300 millo-

nes para 2018, según la firma de investigación Transparen-

cy Market Research. En 2012 movió US$ 6.300 millones.

Norteamérica dominará, con una participación del 54,5%

de esos ingresos, seguida por Europa. Luego, la región de

Asia-Pacífico será la de mayor crecimiento acumulado en-

tre 2012 a 2018, con un 42,6%.

Este crecimiento —y el del resto de las empresas de otros

países— puede ser atribuido al interés de las firmas de

mejorar sus capacidades analíticas para perfeccionar la

toma de decisiones a través de la ob-

tención de conocimiento más ade-

cuado y de mejor calidad.

Los componentes básicos del mer-

cado de proveedores de servicios de

análisis de Big Data incluyen software

y soluciones, hardware y capacidad de

almacenamiento. El segmento de soft-

ware y servicios se come la porción

más grande de la torta de producción

de soluciones: más del 50% del total.

Pero el segmento de mayor y más rá-

pido crecimiento se estima será el del

almacenamiento, que crecerá hasta

un 45,3% hacia 2018. El sector finan-

ciero será el que más contribuirá a

este crecimiento, por la cantidad de

información que genera. De hecho, en

2012, ya dominaba el 20% del merca-

do de generación de datos.

Hoy, por ejemplo, los países emer-

gentes representan una enorme opor-

tunidad para la venta de productos y

servicios de las empresas occidentales. Pero para ganar

en este escenario, como advierte McKinsey, las empresas

deben predecir las preferencias, gustos y patrones de con-

ducta específicos de un grupo flamante, grande y diverso

de usuarios específicos.

¿Cómo hacerlo? Internet convirtió a cada usuario conec-

tado en su propio “hub interconectado” de enlaces con

otros usuarios, productos, tecnologías, filosofías y for-

mas de ser y proceder; una auténtica colmena lista para

ser explotada, siempre que podamos darle sentido a esta

base de datos masivamente interactiva.

En realidad, podríamos tomar a cada uno de los 7.000 millo-

nes de habitantes del planeta como un proceso constante

de generación de datos. Sus opciones de compra y estilo de

vida, sus estados de ánimo, generan información que pue-

de ayudarnos a entender y predecir su conducta, colaborar

con ellos en las emergencias y responder a sus preocupa-

ciones. ¿Cómo abrirse paso en medio de esta enorme can-

tidad de información que producen?

Convertir los datos relevantes en información útil es un in-

conveniente enorme; en realidad, es un conjunto de grandes

complicaciones. Si tuviera una base de datos que rastrea sus

tentaciones, estados de ánimo, deseos y gustos —que da-

ría forma a un retrato completo y resuelto de su persona—,

esa información sería sin duda valiosa para muchas de sus

decisiones. Podría hasta evitar el engaño y el autoengaño;

convencerse de abandonar los hábitos contraproducentes, o

seguir de cerca el clima de su ambiente laboral.

Los datos están allí. Pero son demasiados. A menos que

encuentre la manera de convertirlos en información ju-

gosa —en predicciones de sus respuestas a los estímu-

los, en modelos optimizados de cómo debería compor-

tarse su empresa o usted como líder—, su “disco rígido”

es un mero almacén de hechos que deben procesarse

para descartar la información innecesaria. El problema es

grande porque contiene muchas variables, cantidad de

relaciones entre ellas y, por lo tanto, requiere cuantiosas

operaciones para alcanzar una solución.

De hecho, podemos medir el tamaño del problema que

generan los grandes volúmenes de datos según el número

Las 6 “V”

En 2011, el analista de Gartner, Doug Laney, acuñó la defini-

ción de las 3 V que componen el término Big Data: Volumen, Velocidad y Variedad. Hoy se han agregado nuevas “V”:

Validez, que tiene que ver con la confiabilidad.

Venue, o campo, que habla de la complejidad que deviene de

tener una alta diversidad de fuentes de datos no estructurados.

Y Visualización, una herramienta útil para trasformar análisis

complejos en formatos procesables.

Por ejemplo, estas herramientas permiten estudiar datos no

estructurados, multidimensionales. Algunas herramientas exis-

tentes están construidas sobre HTML5 y hay hasta paquetes de

soluciones como Clickview, Microstrategy, Spotfire y Tableau.

Según la consultora, la V más importante es la de valor: ¿cómo

las organizaciones extraen verdadero valor de negocios sobre

una base sostenible en el tiempo?

Los datos, dice Gartner, deben tener “rostro”: es necesario

convertirlos en algo personal; uno debe buscar una relación que

tenga significado y sentido.

TENDENCIAS GLOBALES

44. agosto-septiembre 2013

de operaciones necesarias para convertirlos en información

que sirva para algo. En esencia, las empresas deben resolver

dos tipos de dilemas diferentes:

nDilemasdepredicción:¿quésucEDEsIhAGoEsTo?

nDilemasdeoptimización:¿cuálEslAmEjormAnErApArAconsEGuIrquEEsTosucEDA?

Estos dilemas toman los grandes volúmenes de datos

como un registro y, como resultado, generan información

útil: planes, estrategias, modelos. Y a medida que se acre-

cienta el tamaño de lo que ingresa y se registra, el proble-

ma se “mega-acrecienta” también. La relación entre el nú-

mero de variables de registro y el número de operaciones

requeridas para procesar la información no es lineal. La

mayoría de las dificultades que enfrentan las compañías

son irresolubles desde una óptica técnica, debido a que el

tamaño del problema aumenta exponencialmente en rela-

ción con el del ingreso y registro de datos.

Piense en analizar el patrón de relaciones generadas por

sus contactos en LinkedIn para predecir quién presen-

tará quién a quién, o el patrón de decisiones de compra

en Amazon de la gente que pertenece a la misma red de

amigos en Facebook, con el objetivo de predecir quiénes

influyen de manera clave.

Para resolver las ecuaciones que derivan de los modelos que

buscan identificar estos patrones hay una explosión de ope-

raciones que usted debe explicar, y no solamente una explo-

sión de memoria requerida para observar los datos. ¿Ayuda la

creciente potencia computacional? Apenas en parte.

unproBlEmAsExySi todo lo que hiciera falta fuera más y mejor poder com-

putacional, quizá el problema de Big Data se reduciría al

diseño de un chip y a un inconveniente de la ciencia: darle

más “operaciones de punto flotante por segundo” (FLOPS,

por su sigla en inglés). Esto es precisamente lo que la Ley

de Moore —que sostiene que el número máximo de transis-

tores que podemos colocar en un chip se duplica cada 24

meses— dice que ya estamos haciendo.

Pero, a pesar del hecho de que la inteligencia computacio-

nal colectiva crece con rapidez, el manejo de los grandes

volúmenes de datos no se simplifica. Todo lo contrario, es

cada vez más difícil de resolver, razón por la cual algunos

expertos en el análisis de información, como Tom Daven-

port, dicen que la tarea de los “científicos de datos” es “la

más sexy del siglo XXI”, mientras que Dominic Barton y Da-

vid Court, de McKinsey, sostienen que la capacidad de las

herramientas analíticas para procesar Big Data será un di-

ferenciador importante de las empresas a escala mundial.

¿Por qué Big Data es un meta-problema? La respuesta sim-

ple es: cuando se trata de dificultades gigantescas, no al-

canza con la inteligencia. El tamaño de nuestras dificultades

no solo crece de forma lineal respecto de la cantidad de

variables que tomamos en cuenta, sino que crece exponen-

cialmente o super-exponencialmente y, por lo tanto, con

mayor rapidez que lo que la Ley de Moore puede explicar.

Aquí no se necesita inteligencia —la capacidad para hacer

muchas operaciones en un período breve— sino ingenio;

es decir, la habilidad para encontrar e implementar el mejor

método de búsqueda de una solución.

lAsAlsAsEcrETAIngenio no es lo mismo que inteligencia. No es realizar

operaciones con rapidez, sino poder diseñar la manera en

la que secuenciamos las operaciones; es decir, el diseño de

los algoritmos y la heurística que usamos para resolver los

ChiCago Lo hizoDesde seguir estadísticas de crímenes hasta permisos de

construcción de edificios, la ciudad de Chicago ha recolec-

tado la suficiente cantidad de información para llenar más

de 400 servidores. La alcaldía está usando estos datos para

convertir a la ciudad en un mejor lugar para vivir. La ciudad

usa software libre para recolectar datos no estructurados,

como registros en tiempo real de llamados a la línea 911 e

información estructurada de sistemas disímiles de 30 depen-

dencias y departamentos del estado.

El objetivo del portal creado es darle a la ciudad una manera

de combinar datos de diferentes dependencias para llegar a

nuevas conclusiones. Por ejemplo, si la tasa del crimen está

aumentando en un área, los analistas pueden buscar factores

casuales, como la densidad de las licencias de venta de alcohol

o patrones que han cambiado respecto de la protección policial.

Los funcionarios pueden usar los datos para prevención.

Por ejemplo, una investigación reveló que los tachos de basura

en una localidad en particular generalmente desaparecían cuan-

do las luces de los callejones se quemaban. Si la ciudad podía

reemplazar las luces más rápidamente, evitarían gastar tanto

dinero en nuevos tachos.

46. agosto-septiembre 2013

grandes problemas que plantean

los enormes volúmenes de datos.

Es el ingenio el que permite opti-

mizar las plantas de fabricación,

calcular las interacciones críticas

entre los genes en los genomas de

los individuos en riesgo y diseñar

algoritmos para explotar las varia-

ciones —minuto a minuto— del

precio de las acciones de Apple. A

continuación, algunas de las habi-

lidades que hay que cultivar para

enfrentar la gestión de Big Data.

1.moDElAcIónPara interactuar con los grandes vo-

lúmenes de datos, es necesario en-

tender el proceso que los produce.

La conducta de compra, la de apa-

reamiento y la de navegación son

producidas por procesos de decisión

y elección. Los modelos y métodos

de las ciencias económicas y la teo-

ría de las decisiones, de la teoría de

las redes, de la teoría de la evolución,

de la teoría del procesamiento de la

información deben dominarse de la

misma forma que los estudiantes de

física dominan las Leyes de Newton.

La famosa ocurrencia de Google

de que “en un mundo en el que la

información es gratuita y abundan-

te usted no necesita modelos” es

equivocada, porque sin un modelo

del proceso subyacente que gene-

ra los datos, no tenemos manera de

saber qué es relevante y qué no, ni

tenemos filtros para los conjuntos

de información masiva capturada.

Pero necesitamos algo más que

solo modelos para los fenómenos

subyacentes: también necesitamos

modelos de los problemas que los

grandes volúmenes de datos ali-

mentan: modelos de la algoritmia

de los meta-problemas de los gran-

des datos.

2.coDIfIcAcIónLos grandes volúmenes de datos

resultan esquivos para la mayoría

de los graduados de las escuelas de negocios porque están

en un territorio al que no pueden acceder: están en el cibe-

respacio, en bases

de datos dispares,

codificados por

protocolos y len-

guajes de progra-

mación disímiles. Entonces, se

gradúan sintiendo que no tie-

nen habilidades para el juego

de talento en el terreno de Big

Data. La codificación —como

habilidad y capacidad— es la

“clave de acceso” al juego. Es el

requisito básico.

3.pErcEpcIónLa información no se da, se

produce y, en cierto sentido, se

construye. Hay que sentirla, per-

cibirla. La ciencia de la medición

se dedica a convertir la calidad

en cantidad, a transformar un

pálpito, una intuición, una per-

cepción, en un dato observable

y medible en términos subjeti-

vos. Los estados de ánimo im-

portan para las maneras en que

los seres humanos interactúan,

como importa el ritmo, el tono y

la intensidad de la voz o los ni-

veles de azúcar en sangre. Pero

hasta que no podamos medir de

forma instantánea lo que pensa-

mos que importa, nos quedare-

mos escribiendo documentos

sobre relaciones entre variables

a las que percibimos como inú-

tiles pero que, no obstante, son fácilmente

accesibles. La ciencia de la percepción, de

la medición, está en sus inicios. Pero las se-

millas ya fueron sembradas.

conclusIónLa gran oportunidad para las empresas

está en la construcción de negocios

capaces de explotar y dar sentido a

los terabytes de datos generados por

los usuarios en el mundo digital. Los

nuevos maestros de Big Data serán los

reyes del ingenio. z

© WoBIfuentes: rotman magazIne, por mIlhnea moldoveanu, dIrectora del desautels centre for IntegratIve thInkIng de la escuela de gestIón rotman; Informes del mercado.

TENDENCIAS GLOBALESBeth ComstoCk, directora de marketing de ge

“La empresa mantie-

ne un enorme ‘hub’ de

datos que incluye la

posibilidad de analizar

variables para revelar

información como

cuánta energía gastan

sus electrodomésticos

y cuánto le costará al

comprador utilizarlos.”

stephen Quinn, director de marketing de Wal-mart

“Wal-Mart desarrolló Polaris,

un motor de búsqueda

semántico que estudia

algoritmos para entender lo

que desea la gente y, de esa

manera, impulsar las ventas.

Sobre ese motor está mon-

tada la tecnología que de-

nominamos Social Genome

Product (con aplicaciones

varias como Shopycat, para

analizar los comentarios

en Facebook), que repasa

miles de tuits, mensajes en

Facebook, posts en blogs

y videos en YouTube de la

marca para detectar las

intenciones de compra e

impulsar el e-commerce.”

CaroLine haLLiWeLL, directora de marketing del Financial times

“El periódico tiene un equipo de aná-

lisis de datos de más de 30 personas

divididos en tres grupos: Data Analytics &

Campaigns, Data Product Development

y Data Technology. Actualmente estamos

usando los datos generados por nuestros

lectores para aumentar la circulación

del diario y crear productos publicitarios

gráficos más productivos y competitivos.

Todo sucede a través de nuestro sistema

de registro —tenemos más de 5 millones

de usuarios—; cada uno debe declarar

su dirección de email, dirección real,

código postal, industria en la que opera y

cargo. De esta manera, los anunciantes

pueden, por ejemplo, dirigir una campaña

publicitaria a ejecutivos en la industria de

las telecomunicaciones o de RR.HH. en

Brasil o cualquier otro país. El sistema

también sigue el comportamiento de los

lectores para que podamos convertirlos en

suscriptores.”

48. agosto-septiembre 2013

#BigData influencers en Twitter

FUENTES: ESTUDIOS DE EJECUTIVOS DE IBM, SAP, WIPRO, THE ECONOMIST, MCKINSEY.

TEXTO: LUZ LANDA

INFOGRAFÍA: GUIDO DELLAMEA

@bigdata: Ben Lorida, director científico de Datos en @OreillyMedia (de Tim O’Reilly, especialista en tecnología e innovación).@ibmbigdata: IBM Big Data.@JeffJonas: célebre investigador de Big Data.

La cantidad de información disponible hoy en

día es tan grande, compleja y dinámica que las

herramientas convencionales no sirven para

captarla, administrarla, almacenarla y analizarla.

>BIG DATA_INSIDE

LAS 3 “V” DE LOS DATOS

VOLUMENGrandes cantidades de datos.

VELOCIDADDeben analizarse rápidamente para obtener rédito de ellos.

VARIEDADDiferentes tipos de datos: estructurados y no estructurados (texto, audio, video, metadata, páginas web, streams de clicks, información de eventos, etc.). El 80% no están estructurados.

57,6%Analizar Big Data es nuestro mayor desafío. (Estudio de McKnisey)

72,7%El mayor beneficio, conseguir la eficiencia operacional.

50% Este análisis nos ayudará a satisfacer las demandas del consumidor y el crecimiento de la firma.

50%Bajaremos los costos de IT.

54%Impulsaremos las ventas.

46%Atraeremos y retendremos más clientes.

48%La firma será más ágil.

70% Esperamos un retorno de la inversión en herramientas de Big Data de un año.

Interrogantes sin respuesta EN 1 MINUTO

DE INTERNET…

Instantánea del nuevo mundo

● US$ 232.000 millones en gastos durante 2016 generará la gestión de grandes volúmenes de datos, según Gartner.

● 10.000 Librerías del Congreso de los Estados Unidos harían falta para llenar el volumen de datos creados por las compañías de ese país anualmente.

● US$ 200 millones invierte el gobierno de Barack Obama en proyectos de investigación de Big Data.

● 2015: 3.000 millones de personas online generarán y compartirán 8 zettabytes (1 ZB equivale a 10 a la 21 bytes de información). Twitter, por ejemplo, procesa 7 terabytes de datos por día; Facebook, 10 TB diarios.

● 4,4 millones de puestos de trabajo se crearán en 2015 en el mundo para gestionar estos datos.

● 2020: se habrán creado 35 zettabytes de datos.

● 2012: la firma Comscore contabilizó 1.400 billones de transacciones digitales por mes.

● Por US$ 600 se puede adquirir un disco que almacene toda la música del mundo.

● El inglés es el idioma dominante en Internet, pero para 2014 lo será el chino.

● 639.800 GB de datos IP se transfieren globalmente● + de 2 millones de búsquedasen Google● 47.000 descargas de aplicaciones● 3.000 cargas de fotos en Flickr● 100.000 nuevos tuits● 204 millones de email enviados. ● + de 100 nuevas cuentas de LinkedIn.

● US$ 83.000 en ventas en Amazon ● 1.300 nuevos usuarios móviles● 1,3 millón de videos vistos en YouTube● 277.000 ingresos en Facebook● 20 nuevas víctimas de robo de identidad● US$ 272.100 gastan los consumidores en compras ● 571 nuevos sitios son creados

1:00

¿Cómo almacenar los datos?

¿Cómo organizarlos y catalogarlos?

¿Cómo mantener los costos bajos y asegurarse de que la información esté disponible cuando se la necesita?

¿Cómo cambiarásu negocio?

> Si analiza 2 terabytesde tuits diarios podrá predecir los sentimientos generados por su producto entre los consumidores.

> Si analiza 500 millones de llamadas diarias en tiempo real podrá predecir el fraude entre clientes. JPMorgan analiza web logs, transacciones y medios sociales con ese fin.

> Monitoree 100 videos en vivo de cámaras de vigilancia y detectará acontecimientos clave.

Ejemplos delo posible

Otros beneficiosesperados

● Mejora en la productividad: 49% de incremento en el nivel de productividad del sector minorista implicó US$ 9.680 millones de nuevas ventas.

● Mejora en I&D.

● Análisis del gráfico social.

● Detección de fraudes.

● Creación de mejores modelos de riesgo.

● Análisis de la experiencia y sentimientosde consumidor.

● Análisis de campañas de marketing, monitoreo de redes, creación de motores de recomendación.

Pero...

● 53% de las organizaciones nota una gran brecha entre la disponibilidad de Big Data y su capacidad de analizarla y extraer conocimiento.

● 56% de las empresas debe implementar estrategias de análisis de datos de alto desempeño para conseguir resultados.

● 85% de las Fortune 500 fracasarán en la explotación efectiva de Big Data para obtener ventaja competitiva, pronostican los expertos.

● 1 de cada 3 líderes de negocios dicen tomar decisiones basadas en información en la que no confían o que no tienen.

● 1 de cada 2 líderes dicen no tener acceso a la información que necesitan para hacer su trabajo.

_“Cada dos días creamos tanta información como la producida desde los albores de la civilización

hasta 2003.”

ERIC SCHMIDT,

presidente

ejecutivo

de Google.

_“Torture a los datos; confesarán todo.”

RONALD COASE, Premio Nobel de Economía1991.

TENDENCIAS GLOBALES

48. agosto-septiembre 2013

#BigData influencers en Twitter

FUENTES: ESTUDIOS DE EJECUTIVOS DE IBM, SAP, WIPRO, THE ECONOMIST, MCKINSEY.

TEXTO: LUZ LANDA

INFOGRAFÍA: GUIDO DELLAMEA

@bigdata: Ben Lorida, director científico de Datos en @OreillyMedia (de Tim O’Reilly, especialista en tecnología e innovación).@ibmbigdata: IBM Big Data.@JeffJonas: célebre investigador de Big Data.

La cantidad de información disponible hoy en

día es tan grande, compleja y dinámica que las

herramientas convencionales no sirven para

captarla, administrarla, almacenarla y analizarla.

>BIG DATA_INSIDE

LAS 3 “V” DE LOS DATOS

VOLUMENGrandes cantidades de datos.

VELOCIDADDeben analizarse rápidamente para obtener rédito de ellos.

VARIEDADDiferentes tipos de datos: estructurados y no estructurados (texto, audio, video, metadata, páginas web, streams de clicks, información de eventos, etc.). El 80% no están estructurados.

57,6%Analizar Big Data es nuestro mayor desafío. (Estudio de McKnisey)

72,7%El mayor beneficio, conseguir la eficiencia operacional.

50% Este análisis nos ayudará a satisfacer las demandas del consumidor y el crecimiento de la firma.

50%Bajaremos los costos de IT.

54%Impulsaremos las ventas.

46%Atraeremos y retendremos más clientes.

48%La firma será más ágil.

70% Esperamos un retorno de la inversión en herramientas de Big Data de un año.

Interrogantes sin respuesta EN 1 MINUTO

DE INTERNET…

Instantánea del nuevo mundo

● US$ 232.000 millones en gastos durante 2016 generará la gestión de grandes volúmenes de datos, según Gartner.

● 10.000 Librerías del Congreso de los Estados Unidos harían falta para llenar el volumen de datos creados por las compañías de ese país anualmente.

● US$ 200 millones invierte el gobierno de Barack Obama en proyectos de investigación de Big Data.

● 2015: 3.000 millones de personas online generarán y compartirán 8 zettabytes (1 ZB equivale a 10 a la 21 bytes de información). Twitter, por ejemplo, procesa 7 terabytes de datos por día; Facebook, 10 TB diarios.

● 4,4 millones de puestos de trabajo se crearán en 2015 en el mundo para gestionar estos datos.

● 2020: se habrán creado 35 zettabytes de datos.

● 2012: la firma Comscore contabilizó 1.400 billones de transacciones digitales por mes.

● Por US$ 600 se puede adquirir un disco que almacene toda la música del mundo.

● El inglés es el idioma dominante en Internet, pero para 2014 lo será el chino.

● 639.800 GB de datos IP se transfieren globalmente● + de 2 millones de búsquedasen Google● 47.000 descargas de aplicaciones● 3.000 cargas de fotos en Flickr● 100.000 nuevos tuits● 204 millones de email enviados. ● + de 100 nuevas cuentas de LinkedIn.

● US$ 83.000 en ventas en Amazon ● 1.300 nuevos usuarios móviles● 1,3 millón de videos vistos en YouTube● 277.000 ingresos en Facebook● 20 nuevas víctimas de robo de identidad● US$ 272.100 gastan los consumidores en compras ● 571 nuevos sitios son creados

1:00

¿Cómo almacenar los datos?

¿Cómo organizarlos y catalogarlos?

¿Cómo mantener los costos bajos y asegurarse de que la información esté disponible cuando se la necesita?

¿Cómo cambiarásu negocio?

> Si analiza 2 terabytesde tuits diarios podrá predecir los sentimientos generados por su producto entre los consumidores.

> Si analiza 500 millones de llamadas diarias en tiempo real podrá predecir el fraude entre clientes. JPMorgan analiza web logs, transacciones y medios sociales con ese fin.

> Monitoree 100 videos en vivo de cámaras de vigilancia y detectará acontecimientos clave.

Ejemplos delo posible

Otros beneficiosesperados

● Mejora en la productividad: 49% de incremento en el nivel de productividad del sector minorista implicó US$ 9.680 millones de nuevas ventas.

● Mejora en I&D.

● Análisis del gráfico social.

● Detección de fraudes.

● Creación de mejores modelos de riesgo.

● Análisis de la experiencia y sentimientosde consumidor.

● Análisis de campañas de marketing, monitoreo de redes, creación de motores de recomendación.

Pero...

● 53% de las organizaciones nota una gran brecha entre la disponibilidad de Big Data y su capacidad de analizarla y extraer conocimiento.

● 56% de las empresas debe implementar estrategias de análisis de datos de alto desempeño para conseguir resultados.

● 85% de las Fortune 500 fracasarán en la explotación efectiva de Big Data para obtener ventaja competitiva, pronostican los expertos.

● 1 de cada 3 líderes de negocios dicen tomar decisiones basadas en información en la que no confían o que no tienen.

● 1 de cada 2 líderes dicen no tener acceso a la información que necesitan para hacer su trabajo.

_“Cada dos días creamos tanta información como la producida desde los albores de la civilización

hasta 2003.”

ERIC SCHMIDT,

presidente

ejecutivo

de Google.

_“Torture a los datos; confesarán todo.”

RONALD COASE, Premio Nobel de Economía1991.

49.wobi.com/magazine