Big Data: Valor de Negocio. Transformación en conocimiento

El Big Data ha entrado en la vida empresarial con el determinado convencimiento de que el tratamiento de la información y los datos de la organización, tanto internos como externos (procedentes de distintas fuentes como redes sociales, medios escritos, radio o televisión), es una fuente de valor incalculable para su negocio. Para ello invierten elevados porcentajes de su presupuesto en TI en costosos CPDs y sistemas de almacenamiento de datos, tanto estructurados como no estructurados, inundando “data lakes” cada vez más grandes y complejos. Pero almacenar mucha información no aporta valor per se. El CTO de una de las principales entidades financieras del país me decía en un tono medio en broma medio en serio “Ya tengo el lago montado… ¿Y ahora qué?”

Para crear valor a partir de la información del Big Data debemos saber tratarla de forma inteligente y ágil, ámbito en el que entra el Análisis Predictivo. El Análisis predictivo utiliza algoritmos de minería de datos que basándose en datos actuales e históricos generan modelos que son útiles para hacer predicciones sobre futuros eventos con determinados niveles de probabilidades apriorísticas. Se suelen distinguir tres tipos de modelos:

·         Modelos predictivos: Los modelos predictivos analizan datos históricos procedentes de diferentes fuentes para evaluar qué probabilidad tiene un nuevo caso o cliente de seguir un comportamiento determinado. Suelen utilizarse para la optimización de campañas de marketing o para la fidelización de clientes, así como para la prevención del fraude o predicción de demanda. Los modelos predictivos suelen utilizarse online e interactúan con la lógica de negocio.

·         Modelos descriptivos: Los modelos descriptivos describen las relaciones en los datos para poder clasificar los casos o clientes en grupos que permitan un mejor conocimiento de la lógica de negocio que subyace. Los modelos descriptivos se utilizan a menudo offline. Por ejemplo, clasificar a los clientes por las preferencias de los productos según la etapa de la vida.

·         Modelos de decisión: Los modelos de decisión se apoyan en los modelos predictivos para observar el resultado que provocaría la modificación de diferentes variables determinantes para negocio. Estos modelos pueden ser utilizados en optimización.

¿Pero, cómo de costoso es explotar esta información? ¿Está de verdad la analítica predictiva al alcance de los usuarios de negocio? Las herramientas de Data Mining aplicadas a entornos Big Data permiten al usuario de negocio explotar la información que hay en sus “lagos” para crear modelos que le permitan dar soporte a su toma de decisiones empresariales. Las características que estas herramientas de Data Mining deberían aportar son:

•        Modelización sencilla: Construcción de workflows por parte del propio usuario que le permitan crear modelos sin que sea necesario tener profundos conocimientos matemáticos.

•         Sencilla implementación: Los modelos creados deben interrelacionar con los sistemas de la organización con una implantación sencilla y no disruptiva que complemente lo que el cliente ya tenga.

•         Aprendizaje cíclico: Los nuevos patrones anómalos detectados mejoran automáticamente la capacidad predictiva de los modelos, disminuyendo sin apenas esfuerzo en el recalibrado de los modelos los falsos positivos.

En definitiva, los datos se han convertido en el petróleo de la economía digital y las herramientas de análisis predictivo permiten convertir esos datos en valor. El objetivo debe ser dotar de autonomía a los usuarios de negocio para que de una forma sencilla puedan utilizar los datos que custodian en su organización, con el fin de contribuir a la toma de decisiones estratégicas, y hacer posible implementarlas con mínima inversión en tecnología.