¿Sabes qué es Big Data Analytics? Actualmente casi todas las empresas se encuentran de una u otra forma inmersas en algún proceso de trasformación digital. Normalmente esto supone desarrollar proyectos como la digitalización de procesos, la mejora de la experiencia de cliente y el customer journey, o la adopción de la tecnología cloud. Pero hay otro aspecto que es absolutamente clave, y transversal a todos los proyectos de transformación digital. Se trata del análisis avanzado de datos, comúnmente conocido como Big Data Analytics.
Big Data Analytics
Si estás pensando en empezar a aplicar Big Data Analytics a tu empresa, en este artículo te cuento (puedes conocerlo con detalle en mi libro «Big Data para CEOs y Directores de Marketing: Como dominar Big Data Analytics en 5 semanas para directivo«) el modelo de 4 pasos que están siguiendo las grandes compañías para hacerlo:
Paso número 1: Definir los casos de uso de negocio
El mayor error que se cometió cuando se empezó a hablar de Big Data es asociarlo única (o principalmente) a tecnología.
Las empresas pioneras en la adopción de Big Data gastaron grandes sumas de dinero y varios meses en implantar tecnología Big Data, y una vez que lo terminaron comenzaron a preguntarse: ¿Y ahora qué podemos hacer con esto?
Tras esos errores el mercado aprendió, y comenzó a ver que la manera correcta de empezar en Big Data es por la definición de los casos de negocio que tienen sentido para la empresa, e ir haciendo un despliegue progresivo, validado y seguro de los mismos.
Actualmente los casos de uso de Big Data Analytics en ámbitos como marketing, riesgos u operaciones son ya muy conocidos y testados, por lo que casi se podría hablar de un “catálogo” en el que la empresa puede elegir los 2 o 3 primeros casos con los que empezar, generar valor con ellos y después continuar creciendo.
Paso número 2: Identificar los algoritmos analíticos y los datos necesarios
Una vez seleccionados los primeros casos de uso la siguiente etapa consiste en identificar algoritmos y datos.
Hay algoritmos para analizar volúmenes muy grandes de información, para utilizar en situaciones de tiempo real, para analizar datos estructurados, para analizar texto, imágenes o video, etc.
A muy grandes rasgos podríamos hacer una distinción principal entre los algoritmos descriptivos y los predictivos.
- Los descriptivos nos permiten analizar la información para entender qué ha pasado y por qué. Los más conocidos son los usados en el Business Intelligence clásico como consultas, cruce de datos, análisis OLAP o generación de informes.
- Los predictivos analizan la información para intentar predecir lo que pasará en el futuro (siempre en el terreno de la probabilidad). Como por ejemplo qué producto le interesa más a un cliente, cuál es el riesgo de que no devuelva un crédito o la probabilidad de que una operación sea fraude. En este caso se usan técnicas como las regresiones (multivariante y logística), Random Forest, redes neuronales, deep learning y muchas otras.
Además en esta fase también se identifican los datos que se van a necesitar, tanto si son datos internos de la empresa como si hay que capturarlos en internet y redes sociales o si hay que comprar datos a proveedores.
Paso 3: Tecnología
Ahora y sólo ahora es el momento de pensar en la tecnología.
Una vez que ya sabemos qué algoritmos y qué datos son necesarios para cubrir el caso de negocio ya podemos definir los requerimientos exactos que vamos a necesitar desde el punto de vista tecnológico.
Por ejemplo, imagínate que hubiéramos concluido que nuestro caso de uso se puede resolver utilizando una regresión logística sobre unos datos 100% estructurados en una tabla que tiene 500.000 filas y 80 columnas.
¿Qué sentido tendría implantar una plataforma Big Data y contratar a un programador de Tensor Flow? Con una base de datos relacional para el almacenamiento y un paquete estadístico como R resolveríamos el problema.
Si por el contrario el diagnóstico sugiere que tendremos que trabajar con muchísimos datos, con información no estructurada o con tiempo real, en ese caso, ya estaremos seguros de que la adopción de Big Data es necesaria y va a generar valor adicional, y por tanto no será un riesgo.
Paso 4: Management de Big Data Analytics
Como cualquier otro cambio, comenzar a utilizar Big Data en una empresa va a necesitar un meditado y planificado proceso de gestión del cambio.
Tendrás que definir aspectos como los siguientes:
- Equipo: los perfiles necesarios son especializados, por tanto es imprescindible una correcta identificación de los perfiles necesarios (arquitecto Big Data, ingeniero de datos, data scientist, business analyst, etc.) y de sus roles y responsabilidades
- Estructura organizativa: ¿dónde se va a situar el nuevo equipo?¿será un grupo dentro de departamento ya existente (ej: marketing)?¿será un departamento propio?¿con qué nivel jerárquico y competencias?
- Relación con otras áreas: se producirán con toda seguridad solapes en funciones con otras áreas de las tradicionales: de producto con Marketing, de visitas a clientes con Ventas o de explotación de la información con IT son las más comunes. Definir un marco de relación procedimentado desde el inicio es obligatorio para el éxito
Conclusión
Si sigues estos 4 pasos en este orden podrás estar tranquilo/a porque estarás incrementando exponencialmente las posibilidades de éxito de la implantación de Big Data Analytics en tu empresa.
Es por ello, como te decía al principio, que este modelo es el que se está usando en los grandes procesos de trasformación digital y se ha desarrollado como resultado de la experiencia y los errores cometidos en estos años que Big Data ya lleva en el mercado. Te lo cuento todo en mi libro «Big Data para CEOs y Directores de Marketing: Como dominar Big Data Analytics en 5 semanas para directivo» y también en mi blog.
Llevo más de 15 años dedicándome a la aplicación de Advanced Analytics a la mejora de resultados de negocio, especialmente en el área de marketing y comercial. He trabajado en consultoras referentes en este ámbito como Accenture Digital, Neometrics o Ernst & Young y desarrollado proyectos para grandes compañías como Santander, Endesa, VidaCaixa, BBVA Bancomer, etc.
Doy clase en el Master de Big Data de la EOI desde hace más de 5 años.
Autor del libro: «Big Data para CEOs y Directores de Marketing».