Big Data

M.B.A. Ing. Luis H. Vidal V.

IIBA - Membership ID 137679

E-mail: lvidal@uach.cl Twitter: @LuisVidalVidal

Profesor Luis Vidal V.

 Unidad de Aprendizaje 1:

• Introducción a Big Data.

• Valoración de Proyectos de Big Data.
• Futuro del Big Data

Profesor Luis Vidal V.

Gestión de Rendimiento,
Estrategia e Inteligencia
Empresarial

Profesor Luis Vidal V.

• https://laflecha.net/las-5-tendencias-de-big-data-para-el-2018/

Profesor Luis Vidal V.

La toma de decisiones – HOY.
• En la actualidad, el entorno competitivo presiona a las compañías a
tomar cada vez mejores decisiones y a tener que hacerlo cada vez
más rápido.
• Como resultado de estas presiones, las organizaciones han ido
adaptando sus procesos de toma de decisiones hacia una cultura
“data-driven”, basada en el uso de analíticas y de inteligencia de
negocios.

Profesor Luis Vidal V.

La toma de decisiones – HOY.
• El cambio en los procesos de toma de decisiones es
evolutivo, gradual. Las compañías recorren un serie de pasos
en el proceso de expandir el enfoque analítico a través de la
organización, desarrollando un ecosistema analítico,
formado por los datos, los modelo y su aplicación a la toma
de decisiones.

Profesor Luis Vidal V.

El dato como un activo digital.
• Durante el proceso de transformación digital hacia una
compañía data-driven, la empresa debe ir ajustando sus
procesos de administración de la información, considerando
a los datos como un activo, digital, pero con la misma o
mayor importancia para el negocio que la de otros activos no
digitales.
• Los mismos procedimiento de administración de los activos
físicos o tradicionales resultan aplicantes, con las
modificaciones necesarios, a la administración de los datos.
Profesor Luis Vidal V.
Disponibilidad de las fuentes de datos.
¿Posee la compañía buenas fuentes de datos?
• Es importante revisar periódicamente si la plataforma de
datos utilizados por la empresa cuenta con suficientes
fuentes de datos o si por el contrario, existen brechas en
relación a las fuentes de datos que existen en el mercado o a
ciertos dominios de información que resulten claves para
describir un segmento de clientes o un área determinada del
negocio. Estas brechas, una vez identificadas, deberían guiar
la estrategia de adquisición de información.
Profesor Luis Vidal V.
Disponibilidad de las fuentes de datos.
Completitud de los Datos.
La existencia de información incompleta puede impedir el
avance en la evaluación de la empresa. Este problema es un
desafío que puede ser solucionado en la etapa de extracción
de la data, teniendo en cuenta dos aspecto clave:
• Completitud de transacciones.
• Completitud de los atributos.

Profesor Luis Vidal V.

Disponibilidad de las fuentes de datos.
Completitud de transacciones:
• Es importante asegurar que se recogen todas las
transacciones posibles, incluyendo transacciones atípicas. Se
debería procurar descartar la menor cantidad de
operaciones ya que en estos casos atípicos o en la
información de mayor detalle es posible que existan
oportunidades de aprendizaje y mejora.

Profesor Luis Vidal V.

Disponibilidad de las fuentes de datos.
Completitud de atributos
• Es importante asegurar que el diseño de extracción y
almacenamiento de los datos se haga pensando no solo en
las necesidades actuales de información, sino también en las
necesidades futuras. La riqueza de los atributos esta dada
por su relevancia, oportunidad e integridad. Es por eso que
es importante asegurarse de incluir todos los campos
relevantes para la toma de decisiones actuales y futuras.

Profesor Luis Vidal V.

Disponibilidad de las fuentes de datos.
Riqueza de los datos
• Para evaluar la riqueza de los datos disponibles es
recomendable evaluar, al menos, las categorías de calidad,
oportunidad, utilización e integración. La calidad de los datos
es la piedra basal de la confianza en los datos para toda la
empresa. A medida que el uso de la información crece y
nuevas fuentes de datos se incorporan es necesario incluir
un marco de trabajo que permita dar seguimiento y medir
las dudas que puedan surgir en relación a los datos.
Profesor Luis Vidal V.
Disponibilidad de las fuentes de datos.
• La falta de un marco de trabajo claro y efectivo puede afectar
el valor de los activos de datos de forma generalizada.
• La obtención oportuna de los datos es relevante para que los
usuarios y los procesos operativos puedan disponer de ella
cuando la necesitan. Una frecuencia inadecuada de
actualización, limita el uso de las fuentes de datos por lo cual
es importante establecerlo adecuadamente y monitorearlo.

Profesor Luis Vidal V.

Disponibilidad de las fuentes de datos.
• El nivel de utilización de los datos significa que sirven de
base a información que se usa para proveer valor al negocio.
Para determinar el nivel de utilización de los datos, es útil
formular preguntas tales como: ¿Cuál es el principal uso de
la fuente de datos? ¿Se utiliza para generar valor para los
clientes? ¿Para aumentar niveles de retención de clientes?,
entre otras.

Profesor Luis Vidal V.

Disponibilidad de las fuentes de datos.
• Por último, la integración o conexión de las diferentes
fuentes de datos es necesaria para poder obtener un mayor
valor de la misma. Si las fuentes de información se
mantienen en silos, su impacto es menor que si es posible
interconectar diferentes fuentes de información, y generar,
por ejemplo, una visión de 360° de los consumidores.

Profesor Luis Vidal V.

Modelo de un Gobierno de Datos
• Al igual que con los activos físicos, es fundamental proteger
la seguridad de los datos. La empresa debe implementar un
modelo de gobierno de datos adecuado, que proteja a la
empresa del acceso inadecuado a los datos, tanto interno
como externo.
• El acceso inadecuado interno, expone a la empresa a riesgos
de reputación e incluso a fuertes sanciones de los
organismos de control gubernamentales

Profesor Luis Vidal V.

Modelo de un Gobierno de Datos
• El acceso no autorizado desde el exterior de la empresa,
conocidos como data breach, expone a la empresa a
fuertes pérdidas económicas, así como a problemas de
confianza que pueden llegar a cambiar la forma en que
realizan negocios de forma definitiva.

Profesor Luis Vidal V.

Potencial del Big
Data y Analytics

Profesor Luis Vidal V.

Estrategias de aproximación a Big data y
Analytics
• Para tener una estrategia efectiva, debemos analizar y planificar
los conjuntos de acciones a ejecutar de forma precisa y veraz.
Estas acciones deben estar orientadas a obtener valor de los
datos en diversas componentes: corporativo (el impacto en el
negocio), departamental (necesidades y procesos en cada área
de la empresa), tecnologías de información (cuantos datos se
pueden almacenar, la escalabilidad de los procesos y la calidad
de los datos), desde el negocio (evaluar el retorno sobre la
inversión de los datos) e innovación (posibles nuevas áreas de
interés y procesos nuevos que permiten hacer los datos).
Profesor Luis Vidal V.
Estrategias de aproximación a Big data y
Analytics
• Big Data permite gestionar y analizar grandes cantidades de
datos, encontrando rasgos comunes para generar patrones,
sin embargo, debemos tener siempre en cuenta la estrategia
del negocio y no perder de vista que los datos deben aportar
siempre un valor real significativo para la toma de
decisiones.

Profesor Luis Vidal V.

¿Qué el BI o Business Intelligence?

Business Intelligence es la
habilidad para transformar los
datos en información, y la
información en conocimiento, de
forma que se pueda optimizar el
proceso de toma de decisiones en
los negocios.

Profesor Luis Vidal V.

¿Qué el BI?
Los principales productos de BI o Business Intelligence que existen hoy en día
son:
• Cuadros de Mando Integrales (CMI)
• Sistemas de Soporte a la Decisión (DSS)
• Sistemas de Información Ejecutiva (EIS)

Por otro lado, los principales componentes de orígenes de datos en el

Business Intelligence que existen en la actualidad son:
• Datamart
• Datawarehouse

Profesor Luis Vidal V.

¿Cómo compatibilizar la estrategia de Big data
y el BI tradicional?
• Lo primero que debemos tener claro para lograr
compatibilizar una estrategia BI con una Big Data es conocer
sus diferencias.

• BI analiza datos de compras, ventas o el ROI de marketing,

desde fuentes de datos estructurados almacenados en un
servidor central, con entorno seguro.

Profesor Luis Vidal V.

¿Cómo compatibilizar la estrategia de Big data
y el BI tradicional?
• Por otro lado, Big Data tiene fuentes de datos que pueden
provenir desde distintas plataformas, a gran escala y
actualizarse en tiempo real.

• Los datos que se reciben pueden no estar estructurados y es

necesario utilizar tecnologías de procesamiento paralelo
masivo (MPP) para mejorar la velocidad de análisis para que
sea sostenible con un gran flujo de información.

Profesor Luis Vidal V.

¿Cómo compatibilizar la estrategia de Big data
y el BI tradicional?
• Es importante considerar estrategias para enfocar correctamente la
innovación de un Big Data frente a las herramientas maduras del BI
tradicional.
• Actualmente, debido a la evolución de las tecnologías y la velocidad
del crecimiento en los volúmenes de datos, se ha forzado a las
empresas a integrar una estrategia de innovación en conjunto con Big
Data, lo cual ha resultado muy efectivo para la toma de decisiones
claves que aporten al crecimiento de las áreas de investigación
científica que genera nueva información de valor para el avance en
diversas áreas de la empresa. A continuación, veremos las múltiples
perspectivas del valor de los datos en cada una de estas áreas.

Profesor Luis Vidal V.

Perspectivas del valor de los datos en Big Data.
La perspectiva de TI
• Para la adopción de nuevas tecnologías de Big Data es
importante comenzar con habilitar el cambio de Mindset y
desarrollar capacidades mínimas propias de readiness,
además deben integrarse estrategias de innovación y
evaluación de las necesidades reales del negocio, para que
las tecnologías sean seleccionadas correctamente.

Profesor Luis Vidal V.

Perspectivas del valor de los datos en Big Data.
La perspectiva desde el negocio.
• Con Big Data and Analytics, es necesario más que solo un
mindset. Además hace falta adquirir nuevas competencias y
contar con recursos capacitados con habilidades numéricas y
de algoritmos complejos, que se encargarán de estructurar
los datos dispersos y convertirlos en información confiable y
de valor generando el conocimiento preciso de nuestro
entorno.

Profesor Luis Vidal V.

Perspectivas del valor de los datos en Big Data.
• Existen diversas áreas de uso para el Big Data y casos de éxitos
registrados, pero los límites están atados a nuestra imaginación.
Actualmente se aplican técnicas vanguardistas de Big Data en
diversos mercados:
• Retail.
• Banca.
• Telecomunicaciones.
• Prensa.
• Seguros
• Energía.
• Entre otras.

Profesor Luis Vidal V.

Perspectivas del valor de los datos en Big Data.
• Si bien los datos se están aprovechando en estos campos, es
muy común que las compañías guarden información que no
utilicen, ya sea por motivos legales o porque no querían
perderlos pero no saben aprovecharlos.

Profesor Luis Vidal V.

Perspectivas del valor de los datos en Big Data.
• Actualmente existen los conocidos Data Lake que
almacenan gran cantidad de información de manera semi-
estructurada, estructurada, “Raw Data” o datos sin pre-
procesamiento o no estructurada. El problema de estas
bases de datos es que son muy costosas de mantener y
generan costos adicionales por el espacios de
almacenamiento utilizado. Si estos datos no se usan, no se
justifica guardarlos desde el punto de vista del negocio.

Profesor Luis Vidal V.

Perspectivas del valor de los datos en Big Data.
• Para las empresas es una ventaja tener el output de un Data
Lake ya que el acceso a la información es más directo sin
pasos extras intermedios para su procesamiento, además de
los insights más detallados y rápidos.

• Es entonces necesario determinar el valor que se quiere

obtener de los datos, procesarlos y conservar la información
procesada. Aquí entra a jugar Big Data para el retorno de
inversión.
Profesor Luis Vidal V.
Perspectivas del valor de los datos en Big Data.
• Cuando se implementan proyectos de Big Data existen
distintas variables a considerar que pueden hacer peso en el
costo de la inversión inicial.

• Estas variables pueden estar atadas al modelo a implantar,

además habría que considerar si será con innovación o
reutilización.

Profesor Luis Vidal V.