Analítica del big data

Qué es y por qué es importante

La analítica del big data examina grandes cantidades de datos para descubrir patrones ocultos, correlaciones y otros insights. Con la tecnología de hoy, es posible analizar sus datos y obtener respuestas de ellos casi de inmediato – esfuerzo que es más lento y menos eficiente con soluciones de inteligencia de negocios más tradicionales.

Historia y evolución de la analítica del big data

El concepto del big data ha estado entre nosotros por años; la mayoría de las organizaciones entienden ahora que si capturan todos los datos que reciben sus empresas, pueden aplicar la analítica y obtener un valor significativo de ellos. Pero incluso en la década de 1950, décadas antes de que alguien pronunciara el término “big data”, las empresas utilizaban analítica básica (básicamente números en una hoja de cálculo que se examinaban de forma manual) para descubrir insights y tendencias.

Sin embargo, los nuevos beneficios que trae a la mesa la analítica del big data son velocidad y eficiencia. Aunque hace unos años una empresa habría reunido información, ejecutado la analítica y desenterrado información que podría haberse utilizado para tomar decisiones futuras, hoy esa empresa puede identificar insights para tomar decisiones inmediatas. La posibilidad de trabajar más aprisa – y mantenerse ágiles – da a las organizaciones una ventaja competitiva que antes no tenían.

 


¿Por qué es importante la analítica del big data?

La analítica del big data ayuda a las organizaciones a aprovechar sus datos y utilizarlos para identificar nuevas oportunidades. A su vez, eso conlleva a acciones de negocios más inteligentes, operaciones más eficientes, mayores utilidades y clientes más contentos. En su reporte Big data en grandes compañías, el director de investigación de IIA Tom Davenport entrevistó a más de 50 empresas para entender cómo utilizaban el big data. Él descubrió que obtenían valor de las siguientes formas:

  1. Reducción de costo. Las tecnologías de big data como Hadoop y la analítica en la nube ofrecen ventajas de costo significativas cuando se trata de almacenar grandes cantidades de datos – además, pueden identificar formas más eficientes de hacer negocios.
  2. Toma de decisiones mejores y más rápidas. Con la velocidad de Hadoop y la analítica en memoria, combinadas con la posibilidad de analizar nuevas fuentes de datos, las empresas pueden analizar información de inmediato – y tomar decisiones basadas en lo que han aprendido.
  3. Nuevos productos y servicios. Con la posibilidad de medir las necesidades y la satisfacción del cliente a través de la analítica viene el poder de dar a los clientes lo que desean. Davenport puntualiza que con la analítica del big data, más compañías están creando nuevos productos para satisfacer las necesidades de los clientes.

Lea el documento

Analítica del big data en el mundo actual

La mayoría de las organizaciones tienen big data. Y muchas entienden la necesidad de aprovechar esos datos y extraer valor de ellos. ¿Pero cómo? Estos recursos cubren el pensamiento más actual en la intersección del big data y la analítica.

Suba a las personas indicadas en el autobús del big data

El lanzamiento de una iniciativa de big data requiere un cambio de pensamiento no sólo en datos y sistemas, sino también en personas. Y es el momento indicado.

Lea más

Llevamos el poder de SAS® a Hadoop

¿Desea obtener aún más valor de Hadoop? Este documento presenta el portafolio de soluciones de SAS que le ayudan a aplicar la analítica de negocios a Hadoop.

Lea el resumen

Atención a la salud y analítica del big data

Se vislumbra un auge del big data en el horizonte, de modo que es más importante que nunca tomar el control de su información de salud. Este webinar explica el rol que juega la analítica del big data.

Vea el webinar

El trabajo arduo detrás de la analítica

Para entender las oportunidades de la analítica de negocios, MIT Sloan Management Review llevó a cabo su sexta encuesta anual a ejecutivos, gerentes y profesionales de la analítica.

Lea más

 

La analítica de alto desempeño le permite hacer cosas en las que nunca pensó porque los volúmenes de datos eran demasiado altos. Por ejemplo, puede obtener insights puntuales acerca de oportunidades efímeras, obtener respuestas precisas a problemas difíciles de resolver y descubrir nuevas oportunidades de crecimiento – todo mientras utiliza recursos de TI con mayor eficiencia.
Del documento técnico El big data conoce la analítica del big data

 

 


In-Memory Analytics

With in-memory analytics solutions from SAS – from SAS Event Stream Processing to SAS Visual Analytics – you can use analytics to get immediate insights from your big data.

Learn more about in-memory analytics

¿Quién la utiliza?

Piense en una empresa que se apoya en decisiones rápidas y ágiles para mantenerse competitiva, y es muy probable que intervenga la analítica del big data para hacer que esa empresa funcione. Ésta es la forma en que diferentes tipos de organizaciones podrían utilizar la tecnología:

Viajes y hospitalidad

Mantener contentos a los clientes es fundamental para la industria de los viajes y la hotelería, pero la satisfacción del cliente puede ser difícil de medir – en especial de una manera oportuna. Por ejemplo, los complejos turísticos y casinos tienen sólo una breve ventana de oportunidad para enderezar una experiencia del cliente que se deteriora con rapidez. La analítica del big data da a estas empresas la posibilidad de recopilar datos de clientes, aplicar la analítica e identificar de inmediato problemas potenciales antes de que sea demasiado tarde.

Atención a la Salud

El big data es un elemento reconocido en la industria de la atención a la salud. Los registros, planes de salud, información de seguros y otros tipos de información de pacientes pueden ser difíciles de gestionar – pero están repletos de insights clave una vez que se aplica la analítica. Ésa es la razón por la que la tecnología analítica del big data es tan importante para la atención a la salud. Mediante el análisis de grandes cantidades de información – estructurada y no estructurada – de manera rápida, los proveedores de atención a la salud pueden proporcionar diagnósticos u opciones de tratamiento que salven vidas casi de inmediato.

Gobierno

Ciertas dependencias de gobierno enfrentan un gran reto: estirar el presupuesto sin comprometer la calidad o la productividad. Esto es particularmente problemático con las dependencias de procuración de justicia, que se esfuerzan para mantener los índices delictivos en un nivel bajo con recursos relativamente escasos. Y ésa es la razón por la que muchas dependencias utilizan la analítica del big data; la tecnología optimiza las operaciones y al mismo tiempo da a las dependencias una vista más holística de la actividad criminal.

Retail

El servicio al cliente ha evolucionado en los últimos años, porque los compradores mejor informados esperan que los comerciantes entiendan exactamente lo que ellos necesitan, cuando lo necesitan. La tecnología analítica del big data ayuda a los comerciantes detallistas a satisfacer esas demandas. Equipados con cantidades interminables de datos de programas de lealtad de clientes, hábitos de compra y otras fuentes, los comerciantes no sólo entienden a fondo a sus clientes, sino que también pueden anticipar tendencias, recomendar nuevos productos – e incrementar la rentabilidad.

 

Royal Bank of Scotland utiliza la analítica para cambiar su forma de hacer negocios

RBS aspira a convertirse en el banco número 1 del Reino Unido en servicio a clientes, confianza y promoción para el año 2020. Entérese de cómo el banco utiliza analítica avanzada de SAS para redefinir la forma en que hace negocios para alcanzar esa meta.

Consiga la historia completa

Cómo funciona y tecnologías clave

No hay una tecnología única que englobe la analítica del big data. Desde luego, existe analítica avanzada que se puede aplicar al big data, pero en realidad varios tipos de tecnología trabajan juntos para ayudarle a obtener el mayor valor de su información. Éstos son los participantes principales:

 

Gestión de datos. Los datos necesitan ser de alta calidad y estar bien gobernados antes de poderlos analizar de manera confiable. Con la entrada y salida constante de datos de una organización, es importante establecer procesos repetibles para construir y mantener estándares de calidad de datos. Una vez que los datos son confiables, las organizaciones deben establecer un programa maestro de gestión de datos que sintonice a la empresa completa en el mismo canal.  

Minería de datos. La minería de datos le ayuda a examinar grandes cantidades de datos para descubrir patrones en los mismos – y esta información se puede utilizar para realizar un análisis adicional para ayudar a dar respuesta a preguntas de negocios complejas. Con el software de minería de datos, usted puede filtrar todo el ruido caótico y repetitivo en los datos, destacar lo relevante, usar esa información para evaluar resultados probables y luego acelerar la velocidad de toma de decisiones informadas.

Hadoop. Esta infraestructura de software de código abierto puede almacenar grandes cantidades de datos y ejecutar aplicaciones en clústeres de hardware comercial. Se ha convertido en una tecnología clave para hacer negocios debido al incremento constante de los volúmenes y variedades de datos, y a que su modelo de cómputo distribuido procesa el big data a gran velocidad. Un beneficio adicional es que la estructura de código abierto de Hadoop es libre y utiliza hardware comercial para almacenar grandes cantidades de datos.

Analítica en memoria. Mediante el análisis de datos de la memoria del sistema (y no de su disco duro), puede obtener insights inmediatos de sus datos y actuar con ellos con rapidez. Esta tecnología puede eliminar latencias en la preparación de los datos y el procesamiento analítico para probar nuevos escenarios y crear modelos; no sólo es una forma fácil para que las organizaciones se mantengan ágiles y tomen mejores decisiones de negocios, sino que también les permite ejecutar escenarios analíticos iterativos e interactivos. 

Analítica predictiva. La tecnología analítica predictiva utiliza datos, algoritmos estadísticos y técnicas de aprendizaje basado en máquina para identificar la probabilidad de resultados futuros basados en datos históricos. Se trata de proveer la mejor evaluación de lo que sucederá en el futuro, de modo que las organizaciones puedan tener mayor confianza en que toman la mejor decisión de negocios posible. Algunas de las aplicaciones más comunes de la analítica predictiva incluyen la detección de fraude, riesgo, operaciones y marketing.

Minería de texto. Con la tecnología de minería de texto, usted puede analizar datos de texto de la Web, hacer comentarios en campos, libros y otras fuentes basadas en texto para descubrir insights que no había observado antes. La minería de texto utiliza el aprendizaje basado en máquina o la tecnología de procesamiento del lenguaje natural para repasar documentos – correos electrónicos, blogs, textos de Twitter, encuestas, inteligencia competitiva y más – para ayudarle a analizar grandes cantidades de información y descubrir nuevos temas y relaciones de términos.