Cómo se beneficiarán las empresas de los datos integrados

Cómo se beneficiarán las empresas de los datos integrados
Este contenido ha sido traducido automáticamente con IA.

Hay muchas pymes que quedan fuera del ámbito de los usuarios de Big Data. Sin embargo, es posible segmentar este panorama en varias categorías, definidas por la cantidad de datos que consumen y por lo central que resultan para sus actividades principales. Estas serían:

  • Grandes usuarios de datos, como las empresas centradas en datos del sector servicios que proporcionan información e investigación, cuyos principales productos son los informes; sectores como marketing, jurídico, cumplimiento normativo, etc.

  • Usuarios de datos medios, que también dependen en gran medida de los datos. Muchos de ellos pertenecen a los sectores de servicios y suelen mantener grandes inventarios de productos. Este tipo de empresa se basa en la mano de obra y el conocimiento, y se fundamenta en la prestación de servicios y recursos. Sectores como contratación de personal, logística, seguros, viajes, etc.

  • Pequeños usuarios de datos, que utilizan los datos principalmente para respaldar la gestión y las actividades empresariales básicas, como fabricación, comercio minorista, ocio, gestión de instalaciones, etc. Estas empresas utilizan los datos para trasladar productos desde la cadena de suministro hasta sus clientes.

Volumen de datos Usuarios

Pese a dividir a los usuarios empresariales en segmentos según la cantidad de datos que utilizan, resulta difícil imaginar una empresa que no dependa de los datos, al menos, para un conjunto básico de procesos de gestión. Aunque cabría esperar que los grandes usuarios de datos fueran más sofisticados en sus herramientas y más competentes en el almacenamiento y el acceso a los datos, los tres segmentos comparten los mismos problemas. Los sistemas que suelen tener constan de numerosos silos distintos de datos estructurados y semiestructurados. Las grandes empresas tendrán, o se esforzarán por tener, soluciones integradas, pero este nivel de integración de datos está lejos de ser universal, incluso en el conjunto de las empresas de mayor tamaño. Tenemos evidencia de que, en el extremo superior del mercado de las pymes, hay muchas empresas con escasa integración entre los conjuntos de información. En la parte inferior de la escala, solo unas pocas empresas, con modelos de suministro y distribución muy sencillos, tienen datos integrados que abarcan la mayor parte de sus procesos.

Por qué las pymes necesitan acceder a la tecnología Big Data

Durante varios años, seguimos encontrando un único problema con el que se topan las empresas. Este problema, y otros que se derivan de él, son todos resultado de una causa común. Cada empresa que hemos analizado a lo largo de los años ha tenido información disponible en sus sistemas, pero no podía distribuirla fácilmente a quienes toman las decisiones, no podía reunir la información de forma oportuna y resultaba difícil presentarla y compartirla en formatos fáciles de entender. Por ejemplo, para un cliente recopilamos datos de cinco aplicaciones ERP distintas. En toda la empresa utilizaban Oracle, JDE, SAP y CODA, junto con una configuración totalmente diferente de SAP. Lo más habitual es que acabemos con los datos de salida de estos sistemas en forma de volcados CSV manuales, que después se depuran a mano mediante una secuencia de manipulaciones en hojas de cálculo. Aunque podemos idear otras formas de captar datos y crear cualquier número de API basadas en REST o SOAP que ingieran o reciban flujos de datos, ello implica crear asignaciones complejas para convertir un esquema en otro, o añadir una nueva tabla que acepte datos que siguen resultados estructurados. Suele tratarse de un hecho puntual y, una vez completado el análisis, las tablas personalizadas ya no son necesarias. Estos procesos pueden consumir muchos recursos de programación.

Silos de datos

Aunque estos problemas eran evidentes hace algún tiempo, y antes de que Big Data hubiera alcanzado su madurez, y aunque dominamos diversas técnicas de almacenamiento de datos, todas ellas dependen de contar con datos de estructura similar. El lujo de disponer de conjuntos de datos con estructuras parecidas no existe dentro de una sola empresa, y mucho menos en innumerables empresas. A ello se suma que también hay una gran cantidad de datos semiestructurados en juego, así como datos en formatos diferentes. Cuando se reúne lo que parecen grandes cantidades de datos para formar instantáneas que muestran los elementos centrales y la información crucial, a menudo proceden de fuentes que cambian muy rápidamente. La velocidad, o velocidad de flujo, con la que llegan los datos y la velocidad a la que se consumen aumenta; este es otro factor que debe tenerse en cuenta.

Intentar resolver los problemas de sistemas de las empresas en rápido crecimiento, que superan con rapidez sus aplicaciones heredadas, nos recuerda que el mismo problema de información fragmentada ha existido durante las últimas décadas. Hace algún tiempo nos encontramos con una empresa que había crecido rápidamente mediante adquisiciones y una agresiva estrategia de marketing, y había encargado una aplicación ERP transversal para todo el grupo. Esta aplicación tardó bastante en diseñarse, desarrollarse y entregarse. Además de que la aplicación costó una fortuna, los especificadores, los analistas de negocio y los desarrolladores pasaron por alto el hecho de que gran parte del grupo obtenía ingresos de ventas recurrentes de arrendamientos. El problema era que el sistema no disponía de una forma automatizada de comunicar a los comerciales sobre el terreno las fechas de vencimiento de los arrendamientos. Quienes se encargaban de gestionar las renovaciones de arrendamientos se movían con sus propias hojas de cálculo. Incluso en aquella época resultaba difícil aceptar que una empresa de éxito impulsada por las ventas dependiera de que sus consultores crearan sus propias hojas de cálculo e incluso bases de datos independientes para ofrecer sus productos principales de forma eficiente. Es todavía más difícil aceptar que esta situación siga existiendo y sea habitual hoy en día. Un problema común de las soluciones que han proporcionado los grandes integradores es que no son muy flexibles: incorporar una nueva fuente de datos al sistema o extraerla de él puede ser un proceso complejo y costoso, en comparación con la flexibilidad que puede ofrecer la tecnología Big Data.
Para nosotros, las soluciones son evidentes: internet y, en concreto, la web nos ha enseñado que buscar en los datos proporciona información. Si funciona con los datos de internet, puede funcionar con los datos que una empresa crea, adquiere y utiliza. La tecnología Big Data puede aplicarse a datos privados, así como a una combinación de datos privados y públicos, porque está diseñada para gestionar datos estructurados y semiestructurados. Está concebida para trabajar con datos almacenados en la nube y es eficiente a la hora de atender requisitos de procesamiento dinámicos y volúmenes cambiantes de material de origen.

Almacén de datos
File Stire

Identificamos una solución porque ha surgido la tecnología que la hace posible. Esta tecnología es madura, permite un escalado flexible y resulta asequible. Por qué necesitamos una solución es evidente: responde a una necesidad y resuelve un problema recurrente. También cambiará la forma en que las personas y las empresas trabajan con los datos. Facilita el acceso a herramientas de toma de decisiones basadas en datos, ofrece inteligencia empresarial bajo demanda y permite acceder al conocimiento atrapado en documentos sin necesidad de amplios recursos técnicos internos. Permite combinar y analizar el conocimiento recopilado de los silos de documentos y almacenes de datos.

Datos combinados

El caso de negocio para que las pymes estudien las soluciones de Big Data

Al analizar las necesidades tecnológicas generales de cualquier empresa, el problema individual más frecuente que todas padecen se debe a la existencia de silos de información. Todas las grandes consultoras empresariales con las que hemos trabajado reconocen esto como un problema crítico. Algunas incluso lo utilizan como medida de la madurez de los procesos que tiene implantados la empresa. Hay muchas razones por las que las empresas sufren información fragmentada. Normalmente tendrán un sistema para gestionar sus relaciones con los clientes (como Sales Force), contarán con software de contabilidad (como Sage), dispondrán de aplicaciones que gestionan sus ventas, existencias o servicios (como una aplicación de comercio electrónico o un producto de punto de venta) y tendrán software de gestión de recursos.

A medida que una empresa crece, sus sistemas crecen de forma independiente; a medida que aumenta la cantidad de información recopilada, su gestión se vuelve menos manejable. Como consecuencia del crecimiento de los datos, los departamentos de TI quedarán muy sobrecargados. Obtener los datos de todos estos sistemas resulta problemático, ya que, además de que no se comunican entre sí, todos ellos producen datos contenidos en estructuras completamente distintas. Tres características que pueden atribuirse a los datos que acumulan las empresas son: la velocidad (la rapidez con la que se crean y consumen los datos), el volumen (la cantidad física de datos recopilados y almacenados) y la variedad (la estructura y forma diferentes en que se almacenan los datos). Alto volumen, alta variedad y alta velocidad es una descripción estándar de «Big Data».

Aunque, en comparación, las cantidades de datos con las que trabaja una pyme son mucho menores que la definición actual de «big data», las tecnologías que gestionan tanto los datos de una pyme como las empleadas por los actores de «Big Data» pueden compartirse. Las características de alto volumen, alta variedad y alta velocidad se aplican a los conjuntos de datos con los que suele encontrarse una pyme. Por tanto, no sorprende que la tecnología que impulsa a empresas de Big Data como Google, Amazon, Face Book y Twitter ofrezca soluciones a los problemas a los que se enfrenta una pyme típica. La capacidad de trabajar con datos no estructurados y semiestructurados, el procesamiento distribuido, el almacenamiento en la nube, los recursos elásticos, la búsqueda optimizada, la clasificación e indexación sencillas, el aprendizaje automático, las visualizaciones y los informes de autoservicio bajo demanda son las puertas que ha abierto la tecnología Big Data.

Este artículo se publica en colaboración con Smart Data Collective. La publicación no implica que el Foro Económico Mundial respalde las opiniones expresadas.

Para estar al día de la Agenda, suscríbase a nuestro boletín semanal.

Autor: Bruce Robbins es director ejecutivo de Xcipi.

Imagen: En esta imagen se ven cables. REUTERS.

Compartir esto:

Licencia y republicación
Los artículos del Foro Económico Mundial pueden volver a publicarse de acuerdo con la Licencia Pública Internacional Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0, y de acuerdo con nuestras condiciones de uso. Las opiniones expresadas en este artículo son las del autor y no del Foro Económico Mundial.