Desmascarando 8 mitos del Big Data y el Análisis
Al igual que con otros conceptos tecnológicos emergentes, el Big Data y la Analítica están obsesionados por los mitos. Aquí hay ocho mitos que usted querrá disipar a medida que avanza su estrategia de análisis.
No hay duda de que el concepto de análisis de datos masivos ha sido arrastrado por el barro varias veces a lo largo de los años. Los primeros adoptantes lucharon en muchas áreas que finalmente condujeron a tasas de fracaso más altas de lo esperado y, en última instancia, un pobre retorno de la inversión. Sin embargo, muchos de los errores del pasado han sido superados desde hace tiempo. Lo que queda, sin embargo, es una serie de mitos que rodean conceptos y pasos de implementación que algunos sienten todavía reflejan la verdad.
A pesar de que la trayectoria es menos que estelar, o percepción, los grandes datos siguen siendo un gran problema. IDC publicó un pronóstico en el tercer trimestre de 2016 que mostró que el gran mercado de datos y analítica alcanzó tasas de crecimiento interanual de dos dígitos. Si esto es cierto, entonces muchos de esos mitos aterradores que siguen flotando casi seguramente deben estar equivocados. ¿Derecha?
Te interesa: Dónde comprar datos masivos?
La cosa acerca de los mejores y más duraderos mitos, leyendas y tradiciones es que siempre hay una pepita de verdad que mantiene la mentira. Esto es comúnmente el caso con tecnologías complejas que a menudo son más exageradas y en última instancia se vuelven más lentos de lo esperado para ser adoptado. Los datos masivos son una de esas tecnologías, pero no es la única. Otros ejemplos recientes en los que se han formado mitos negativos alrededor de la tecnología incluyen WAN definidos por software (SD-WAN), seguridad de TI e incluso cloud computing. Sin embargo, si la tecnología es en última instancia el ajuste adecuado para las organizaciones empresariales, los mitos eventualmente son superados y la verdad está expuesta.
Hoy vamos a ver ocho de esos mitos que han surgido del gran movimiento de datos y análisis. Como usted está hojeando a través de las diapositivas, trate de averiguar donde la verdad se convirtió en sesgo hasta el punto donde la falacia se formó. Esta es la mejor manera de derribar el mito y traer la realidad de nuevo a la imagen. En la mayoría de los casos, un concepto erróneo que rodea algún aspecto de grandes datos o analítica se debió a un error en el juicio hecho por un número de primeros adoptantes. En otras situaciones, los mitos formados por el departamento de TI de la empresa carecen de las habilidades y herramientas necesarias para ejecutar un gran proyecto de datos. Finalmente, surgieron algunas falacias basadas en una simple desinformación y mala comunicación con respecto a conceptos y componentes de grandes arquitecturas de datos.
Guarde todos sus datos; puede ser que lo necesite un día
Uno de los mitos más grandes que se producen durante los primeros días del gran movimiento de datos es que las organizaciones empresariales deben tener en cada chatarra de datos que podrían ser recogidos. Para aquellos que siguieron ese camino, se les dio la tarea de averiguar dónde almacenar los datos al costo más bajo. Muchos buscaban tecnologías de archivo de datos basadas en la nube, como Amazon Glacier o Google Coldline Storage. Si bien estas tecnologías son realmente excelentes soluciones de bajo costo para el archivado de datos para la recuperación de desastres, no es el lugar adecuado para el análisis de datos. En última instancia, se descubrió que los verdaderos beneficios de los grandes datos vienen en el análisis en tiempo real y la presentación de informes de la información obtenida recientemente
Los grandes análisis de datos son demasiado caros
Cuando empiece a discutir el tema de los grandes datos a aquellos que no están completamente informados, a menudo vienen con la sensación de que muchos líderes de TI sienten que no pueden permitirse el costo de empezar. Esto probablemente se produjo porque los datos grandes primero se hicieron populares entre las organizaciones empresariales más grandes. Historia tras historia sobre los grandes datos que se apalancan en empresas como Facebook, Microsoft y Wal-Mart llevó a muchos a creer que esta era una tecnología sólo alcanzable por la mayor de las organizaciones. Aunque esto puede haber sido cierto desde el principio, las grandes soluciones de datos y analíticas basadas en la nube ahora permiten a las empresas comenzar pequeñas y escalar sus grandes ambiciones de datos según sea necesario, con costos iniciales relativamente bajos.
Ya estamos demasiado lejos de la gran curva de datos
Si usted está en el campo que piensa que su ventana de oportunidad de utilizar datos grandes y análisis de informes para obtener una ventaja competitiva ha cerrado desde hace mucho, tengo algunas noticias para usted. Los grandes datos van a ser parte de TI de la empresa durante mucho tiempo. Si usted piensa que va a pasar los datos masivos y esperar a que la próxima ola de la tecnología grande para montar, vas a estar esperando durante mucho tiempo. La verdad es que las próximas innovaciones en el análisis de datos no van a ser nada más que evoluciones de una gran base de datos que muchos ya tienen en su lugar. Dicho esto, todavía hay mucho tiempo para ponerse al día dado los avances en las herramientas y plataformas que han surgido en los últimos años. Esto es especialmente cierto en los campos de la inteligencia artificial y la automatización que pueden reducir drásticamente el tiempo y el esfuerzo gastado aprovechando la información obtenida de un gran análisis de datos.
Necesita saber qué preguntas hacer antes de iniciar un gran proyecto de datos
Si bien siempre es una buena idea iniciar cualquier proyecto de datos grande con una idea general de lo que está tratando de lograr, no es necesario saber qué preguntas exactas que busca obtener respuesta. A menudo, la analítica puede ayudar a responder preguntas o resolver problemas que ni siquiera consideró. Si usted está demasiado centrado en informar sobre respuestas muy específicas, puede perder la visión crítica que puede llegar a ser más útil que usted pensaba. Aunque las ideas pueden ser extrañas, también siguen siendo muy útiles.
El personal de IT no puede moverse fácilmente a los roles de análisis de datos
Una de las mayores preocupaciones en torno a los grandes proyectos de datos en 2017 es la escasez de datos de los científicos a menudo se informa en los medios de comunicación. Esta noticia ha llevado a muchos a creer que los analistas de datos sólo son buenos si tienen un fondo arraigado en la ciencia de los datos. En otras palabras, no se puede tomar algún profesional de TI que es la codificación o la gestión de máquinas virtuales y convertirlos en un experto en análisis. Si bien es cierto que la curva de aprendizaje para el análisis de datos es empinada, es lógico que cualquier persona con experiencia en TI empresarial (y tal vez introvertida) tenga una ventaja sobre otros que buscan entrar en el juego de análisis de datos.
Los resultados de la Analítica solo confirmarán lo que ya sabes
El viejo dicho "no sabes lo que no sabes" suena verdad en el mundo del análisis de datos. En muchos casos, los líderes empresariales sienten que son los que conocen íntimamente su negocio y su mercado. Por lo tanto, hay muy poco que se puede aprender de grandes ejercicios de análisis de datos. Esto es más un problema con romper el molde de la sabiduría convencional en el negocio que un mito verdadero con respecto a los datos grandes. En última instancia, se ha comprobado muchas veces que las organizaciones impulsadas por datos obtienen información clave del negocio que tiene el potencial de proporcionar verdaderas ventajas competitivas.
Te interesa: El rol del Big Data y la Analítica en la industria de la energía
Todas las plataformas de análisis son las mismas
Las plataformas de análisis son todas iguales. La diferencia está en lo que estás buscando. Estas declaraciones no podrían estar más lejos de la verdad y mostrar una falta de investigación en el campo de los grandes datos y análisis. La mejor manera de probar esto es pilotar varias plataformas usando los mismos datos y buscando las mismas respuestas. Probablemente se sorprenderá de lo diferentes que serán los resultados. Utilice esta información para encontrar el ajuste adecuado para sus datos y vertical del negocio.
El lago de datos es apenas un nombre de lujo para el almacén de datos
Los almacenes de datos empresariales existen desde hace mucho tiempo. Por lo tanto, cuando el data lake comenzó a surgir, muchos asumieron que esto era simplemente una palabra de moda utilizada para condimentar el concepto de EDW. Mientras que el data lake suena como un término inventado en la sala de conferencias de una empresa de marketing, hay diferencias claras entre EDW y los lagos de datos, en gran parte girando alrededor de los métodos de almacenamiento de datos estructurados y no estructurados.
Conclusión
Es importante ser capaz de separar el hecho de la ficción en este mundo de rápido crecimiento de TI empresarial. Creer en los mitos puede paralizar un departamento de TI en la celebración de demasiado tiempo en las tecnologías que realmente pueden impulsar un negocio hacia adelante. Por eso es tan crítico que como comunidad, identificamos y derribamos mitos en todas las tecnologías, incluyendo el Big Data.
Libros Big Data en PDF
1. Big Data en el Sector Financiero
2. Ejemplos prácticos de Big Data
2:35 p.m.
Tags :
noticias big data
Subscribe by Email
Follow Updates Articles from This Blog via Email
No Comments