Implicaciones del Big Data por industria

Big Data está integrándose en los negocios. ¿Pero, qué empresas explotan los datos? Más allá de las empresas pioneras en su aprovechamiento, como Google y Amazon, son muchas las organizaciones de todo tipo que emplean eficazmente el análisis de datos.

Desde las empresas de escala web hasta las organizaciones no gubernamentales, empresas del sector de la salud, las telecomunicaciones, minoristas o, por ejemplo, el sector retail o de seguros, entre otras. 

Básicamente, toda organización que pueda extraer valor de los grandes datos, al margen de su tamaño y sector, puede beneficiarse de una plataforma de análisis de Big Data para obtener ventajas competitivas.

Grandes oportunidades y desafíos

Lograrlo, sin embargo, representa un gran desafío a nivel tecnológico. De hecho, el valor real de los grandes datos no reside en su recopilación sino en un análisis acertado. Solo mediante la comprensión de la naturaleza del problema y el adecuado planteamiento del mismo podremos hacer el enfoque que nos permite un uso efectivo. 

Las organizaciones están empezando a procesar y analizar una gran cantidad de información. Si bien los casos de uso por industria son muy diferentes, por lo general se busca resolver problemas de negocio específicos mediante aportaciones que ofrezcan un nuevo análisis, marketing, BI o, pongamos por caso, a la mejora de los procesos de negocio.

Una vez la tecnología de Big Data ha dado el salto de gigante que ha supuesto su bajo coste,  la parte más difícil del análisis de los grandes datos es encontrar un uso apropiado. Si por un lado la industria está preparada para aprovechar los beneficios de tan prometedor análisis, al mismo tiempo, es necesario comprender que extraer valor de los grandes datos solo es posible con una gestión que lo permita. 

Del mismo modo que estas plataformas proporcionan una poderosa herramienta para las empresas, su implementación y el establecimiento de metodologías para regir las iniciativas asociadas puede requerir un trabajo de varios años. Un nuevo paradigma tecnológico requiere, como es lógico, un enfoque de gestión de datos diferente al tradicional a la hora de manejar las características de los grandes datos. 

Big Data Analytics: casos de uso 

A la hora de conocer cómo aplican el Big Data Analytics las industrias, observamos que sus diferencias responden a su orientación a la hora de centrarse en las necesidades de negocio. Las diferentes arquitecturas aprovechan la escala y el poder de los grandes datos, así como su capacidad de integrar y aplicar principios de análisis hasta ahora inéditos. Las prácticas de implementación, por lo tanto, dependen de patrones y arquitecturas diseñadas de forma estratégica. 

Es así como los grandes datos crean oportunidades significativas, y solo superándolas se logra su utilización efectiva. Muchas empresas están luchando para convertir los grandes datos en un activo fundamental que se traduzca en una mayor competitividad y en oportunidades de monetización.

A continuación, veamos algunos ejemplos de casos de uso a partir del libro "Big Data Imperatives: Enterprise Big Data Warehouse, BI Iplementations and Analytics":

• Telecomunicaciones: La industria que ha experimentado un mayor crecimiento de datos. Los análisis de Big Data, por ejemplo, permiten organizar y analizar datos sobre sus abonados para proporcionar un mayor conocimiento de los clientes y sus preferencias. También se utiliza para satisfacer al cliente sin sobrecargar la capacidad de la infraestructura y sin excesivos costes de funcionamiento gracias al seguimiento de los servicios prestados a nivel micro y la toma de decisiones en tiempo real considerando los aspectos críticos del negocio. 

• Big Data Analytics Banca: Ante el aumento de los datos, las organizaciones financieras necesitan las nuevas tecnologías para poder actualizar sus tradicionales aplicaciones con las que detectar fraudes, realizar análisis de riesgo y otros análisis de clientes. Una plataforma para el análisis de grandes datos permite además sumar datos adicionales para realizar análisis sofisticados con el fin de captar actividades fraudulentas, hacer mejores recomendaciones y, si además se genera información en tiempo real, tomar decisiones más rápidamente. 

• Big Data Analytics Salud: El enriquecimiento de información obtenida a partir de fuentes de datos tradicionales (demográficos, antecedentes clínicos, diagnósticos, datos de ensayos clínicos, etc.) nos proporciona una valiosa fuente de información para reducir costos y mejorar los resultados de los tratamientos. En general, si pagador, proveedor y empresa farmacéutica comparten datos y conocimientos se beneficiarán los pacientes al tiempo que se optimizará la gestión de los servicios de salud. Los casos de uso son muy variados, entre otros descubrir secuencias en los datos que se producen antes de un resultado clínico o aquellos basados en la minería de datos para desarrollar señales de alerta temprana o, por ejemplo, mejorar la experiencia del paciente. 

• Big Data Analitycs Seguros: Las aseguradoras están actualizando sus métodos tradicionales con análisis de grandes datos para lograr una mayor penetración y resultados más concluyentes con el objetivo de impulsar sur prioridades de negocio. Entre otras iniciativas, se busca combinar datos internos de clientes con información externa procedente de distintas fuentes para un mejor manejo de los riesgos. 

• Big Data Analytics Retail: Los vendedores retail buscan en el Big Data obtener una visión holística de los clientes para conocer sus necesidades y así mejorar la cifra de negocio. La venta al por menor también está moviéndose hacia el modelo multicanal, lo que exige proporcionar experiencias unificadas en todos los canales, incluyendo los tradicionales. Igualmente, el comercio minorista se orienta a la personalización, nuevos retos que pueden abordar gracias al análisis de grandes datos. 

Fuente imagen: adamr / FreeDigitalPhotos.net

Post relacionados:

• ¿Acabará el Big Data con el Business Intelligence?

• Lo que el CIO debe conocer de la tecnología Big Data Hadoop

• ¿Para iniciarme en Big Data necesito Hadoop?