1. ORIGEN DEL BIG DATA (Y DESARROLLO HASTA LA ACTUALIDAD)
Los grandes datos no son un fenómeno nuevo o aislado, sino que forman parte de una larga evolución en su uso y modo de utilizarlos. La historia del Big Data como término puede ser breve, pero sus cimientos se fueron construyendo mucho antes de que los ordenadores fueran comunes.
Los primeros antecedentes de registro de información con un fin de predicción, se remonta a la época del Paleolítico, cuando se hacían muescas en piedras o huesos para llevar un registro de las actividades cotidianas y comerciales para poder gestionar la duración del suministro de alimento. Años más tarde ha habido varios descubrimientos que han reforzado el interés por los datos, como la invención del ábaco supuso un empuje determinante al cálculo y análisis. O la consolidación de las primeras grandes bibliotecas, como la de Alejandría, que marca un antes y un después en el origen del almacenaje de datos.
A finales del XVII, John Graunt lleva a cabo el primer experimento registrado de análisis de datos estadísticos sobre defunciones con el cual diseña un sistema de alerta temprana de la terrible peste bubónica que asolaba Europa. Y dos siglos más tarde, en 1865, Richard Millar Devens emplea el término “business intelligence” en su Enciclopedia de Anécdotas Comerciales y de Negocios donde narra cómo el banquero Henry Furnese logró ventaja sobre sus competidores al recopilar y analizar información relevante de sus actividades comerciales.
El siglo XX es definitivo ya que en 1928, Fritz Pfleumer, ingeniero germano-austríaco, inventa cómo almacenar información magnéticamente en cinta. Y a finales de este siglo, las cosas se aceleraron muy notablemente, con la invención del almacenamiento digital y de Internet, hablamos del nacimiento del Business Intellingence.
Por la creciente generación de datos y la necesidad de poder registrarlos y analizarlos a tiempo, en 1965 el gobierno de los Estados Unidos planeó el primer “Data Center” del mundo para almacenar en cinta magnética 742 millones de declaraciones de impuestos y 175 millones de huellas dactilares.
A finales de los `80s empieza a utilizarse el término Big Data tal y como lo empleamos en la actualidad. En 1997 debuta el buscador de Google y desde ese momento ya se convierte en el motor de búsqueda de datos más utilizado de internet. De hecho, ya en en 2010, Eric Schmidt, presidente ejecutivo de Google, cuenta en una conferencia que ahora se crean tantos datos cada dos días como los que se crearon desde el comienzo de la civilización humana hasta el año 2003.
Así, el análisis de grandes volúmenes de datos comienza a convertirse en una prioridad para los negocios hasta el punto de que en la actualidad todo lo que hacemos deja un rastro digital que se puede utilizar y analizar; los avances en tecnología, junto a la expansión de Internet y el almacenamiento en la nube, han provocado que crezca la cantidad de datos que podemos almacenar.
2. CASOS DE ÉXITO DEL BIG DATA
El Big Data ha suscitado la máxima expectación en la industria durante la última década. Con la recolección a gran escala de datos de varios lugares como las comunicaciones de redes sociales, los rastros de datos de navegación web, etc. El análisis de grandes datos y sus subsiguientes puntos de acción basados en el conocimiento han marcado una gran diferencia en los distintos sectores.
¿Cómo utilizan las empresas Big Data de manera efectiva?
A continuación, vamos a comentar cuatro estudios de caso de Big Data con resultados impresionantes sobre cómo las empresas emplean datos masivos para optimizar y mejorar su cadena de valor y sus modelos de negocio:
1-Tal y como introducíamos, Google desarrolla constantemente nuevos productos y servicios que tienen grandes algoritmos de datos, además de utilizar grandes cantidades de datos para refinar incesantemente sus algoritmos de búsqueda y precisión en la publicación de anuncios.
2-Yusen Logistics que cuenta con 567 centros logísticos y está presente en 333 ciudades, mueve 350.000 TEUs al año por mar y 370,000 toneladas por vía aérea, contando con 2,65 millones de metros cuadrados de almacén estratégicamente ubicados para sus clientes. Curiosamente, hay muchas maneras en las que Yusen hace uso del Big Data, siendo uno de sus mejores enfoques la optimización de la flota mediante el empleo de los grandes datos.
El rastreo/seguimiento telemático del envío, supone una ayuda con las rutas, pudiendo medir detalles como el tiempo de ralentí del motor y el mantenimiento predictivo. Gracias a los algoritmos avanzados Yusen logró ahorrar millones de galones de combustible, así como evitar con éxito millones de kilómetros por haber optimizado sus rutas.
3-Verizon, operador estadounidense con más de 80 millones de clientes emplea sus grandes cantidades de datos para optimizar la publicidad móvil. Así, en el momento en el que alguien se registra en su web como usuario se crea un identificador que permite que el anunciante utilice su información y por consiguiente pueda precisar la publicidad en función del usuario al que se dirija, beneficiando tanto a los potenciales clientes como a las empresas gracias a la segmentación.
4-La campaña de Obama 2012 utilizó la tecnología para rastrear los patrones de los votantes y recaudar 1.000 millones de dólares mediante el análisis de datos, lo cual revocó el largo dominio de la publicidad televisiva en la política de Estados Unidos y creó algo nuevo en el mundo: una campaña nacional que se llevó a cabo como una elección de distrito local, en la que se conocieron y abordaron los intereses de los votantes individuales.
3. BIG DATA EN LA ACTUALIDAD
2019 está siendo un año clave en la puesta en marcha de los análisis del Big Data. Desde finales de 2018 podemos resaltar especialmente el cambio hacia la operacionalización de la canalización del Big Data, dado que, en la última década, ninguno de los sectores ha permanecido al margen de este cambio drástico. Mientras que muchas compañías tienen éxito en conseguir canales de Big Data para el aprendizaje de máquinas y casos de uso analítico en la producción, se necesita una cantidad increíble de esfuerzo para que se ejecuten y mantenerlos en funcionamiento.
El aprendizaje automático, más conocido como Machine Learning (ML) será cada vez más cotidiano y las compañías lo emplearán para aumentar los canales de análisis operativo diario y las actividades normales de la línea de negocio.
En todo caso, es la constante novedad de la tecnología, así como el enfoque en el análisis de datos ad hoc, lo que ha obstaculizado el progreso en la implementación de Big Data de calidad de producción. La clave de esta evolución es el reconocimiento de que existe una diferencia entre desarrollar un algoritmo de aprendizaje de máquina (ML) o ejecutar un pipeline de datos una vez en vez de ejecutarlo una y otra vez.
Durante este 2019 habrá un número cada vez mayor de organizaciones que incorporarán el Big Data a sus empresas con una visión de datos singular para pasar de la analítica ad hoc a la plena operacionalización de la misma.
Los consumidores ya convivimos en un mundo digital de expectativas instantáneas. Desde transacciones de ventas digitales hasta comentarios de marketing y refinamiento, todo el mundo empresarial actual basado en la nube se mueve rápidamente. Todas esas transacciones rápidas compilan datos al mismo ritmo. Hacer buen uso de esta información en tiempo real, a menudo significa la diferencia entre capitalizar la información para una visión de 360 grados de la audiencia objetivo, o perder clientes frente a los competidores que lo hacen.