El éxito comienza con una estrategia sólida. De ahí la necesidad de conocer las mejores y peores prácticas para analizar el big data, reveladas en un estudio de IDG Research Services.

 

Los ejecutivos están cambiando sus opiniones sobre el big data. Cada vez más líderes de organizaciones están reconociendo la importancia de capturar y analizar de forma estratégica los datos para un despliegue amplio de razones.

Para muchas organizaciones, este proceso se convierte rápidamente en un ejercicio abrumador. Con acceso a nuevas fuentes de datos como el flujo de datos en dispositivos, datos no estructurados en redes sociales y más niveles de datos transaccionales online, muchas organizaciones no saben dónde empezar a buscar respuestas, y son abandonados para hacer las preguntas correctas.

PUBLICIDAD

De acuerdo con un estudio de IDG Research Services, sólo el 26% de los encuestados dicen que sus organizaciones son capaces de conocer cuáles preguntas hacer. Pero quizás eso está bien. Si permites que los datos te guíen, las preguntas pueden ser obvias.

“Aquellos que lideran el espacio están comenzando con los datos y permitiendo que éstos les ayuden a llevar a la organización hacia la pregunta”, dice Scott Chastain, ingeniero en sistemas senior para SAS. “Es un enfoque de la vieja escuela comenzar con una pregunta y después encontrar los datos para responderla. Eso es un salto significativo.”

¿Qué otro consejo podemos reunir de los expertos de la reciente investigación? Aquí presentamos seis aciertos y errores para enfocarse en proyectos analíticos con big data y fuentes de datos no estructurados.

  1. No asumas que el enfoque más ambicioso conseguirá el mejor retorno. Mientras que una gran ganancia es tentadora, es peligroso cuando las empresas adoptan los datos no estructurados al tratar de hacer todo a la vez. En su lugar, las organizaciones deben buscar las aplicaciones más pequeñas y fáciles de medir como oportunidades piloto, y luego construir el momento para el éxito inicial. Elegir los proyectos correctos para probar las capacidades es crucial.
  2. No enfoques los esfuerzos exclusivamente en las necesidades de la unidad de negocio. El éxito es más alcanzable cuando las organizaciones piensan a nivel global, pero actúan a nivel local. “Reducir el riesgo medible es con frecuencia más efectivo como un proyecto inicial que enfocarse en entender mejor a los competidores o crear nuevas oportunidades”, dice Fiona McNeill, gerente global de Marketing de Producto en SAS. “Los últimos son con frecuencia tareas más difíciles, y toman más tiempo para medirse. El objetivo es encontrar proyectos con un ROI medible de inmediato.”
  3. No esperes que la tecnología sola te garantice los resultados deseados. Aunque la investigación muestra que la falta de tecnología es un principal obstáculo –especialmente entre las pequeñas y medianas empresas–, la tecnología está disponible. Y en algunas instancias, las organizaciones pueden aprovechar las soluciones de fuente abierta o soluciones gratuitas para probar sus capacidades sobre una base de juicio. No hay un remedio cuando se trata del éxito de los datos. A menos que sea una compañía dirigida por la analítica, la capacidad y enfoque se vuelven menos importantes, y alcanzar el ROI es el objetivo.
  4. Construye capacidad colaborativa. Usar sets de herramientas y procesos que hagan el big data alcanzable, con frecuencia prueba ser instrumental en la resolución de algunos de los principales desafíos señalados en el estudio, explica Chastain. “Cuando vemos el costo y la serie de habilidades, la hipérbole del big data está creciendo más rápido que las capacidades. Es necesario crear un ambiente que facilite el uso”, dice. “La habilidad de emplear el poder del big data requiere más que tecnología: requiere colaboración entre las áreas de negocios y TI. Las organizaciones que promueven la mayor colaboración serán las que se beneficien más –y más rápido– desde una plataforma de Hadoop.”
  5. Adopta un enfoque escalonado. En lugar de cometer el error común de tratar de enfrentar los problemas desconocidos con datos desconocidos, las organizaciones más exitosas comienzan por resolver un problema conocido de una forma nueva. El siguiente paso es resolver el mismo problema con nuevos datos, y luego continuar resolviendo problemas nuevos con datos nuevos. “Las organizaciones que adoptan un enfoque escalonado tienen la mayor probabilidad de alcanzar el éxito”, dice Chastain. “Por ejemplo, si una empresa de telecomunicaciones móviles tiene una forma establecida de medir la rotación, el big data hace factible ver si las redes sociales producen mejoras porque es una cuestión de abordar un problema existente con nuevos datos.”
  6. Piensa estratégicamente, pero actúa tácticamente. Mientras que las organizaciones adoptan el big data, con frecuencia se enfocan en construir una plataforma para resolver un problema de negocio específico. Como resultado, el programa es visto típicamente como un experimento, lo que dificulta evolucionar e integrarse como un negocio o activo empresarial. Sin embargo, con objetivos estratégicos es más fácil ver las segundas, terceras y cuartas aplicaciones. Esto es importante, porque con frecuencia a través de las aplicaciones continuas los negocios se dan cuenta del verdadero valor y potencial del big data.

No hay un remedio cuando se trata de la analítica del big data, pero el éxito comienza con una estrategia sólida. Esperamos que puedas usar estos tips para deducir los conocimientos valiosos que van desde la optimización de procesos hasta las mejoras para enfrentar al cliente.

 

Contacto:

Twitter: @SASMexico

Facebook: SASMx

Página web: SAS

 

Las opiniones expresadas son sólo responsabilidad de sus autores y son completamente independientes de la postura y la línea editorial de Forbes México.

 

Siguientes artículos

River Plate Vs Tigres, ¿cuál es la delantera más millonaria?
Por

El delantero de los Tigres, André-Pierre Gignac, tiene un precio 11 millones de dólares en el mercado, por lo que su val...

También te puede interesar