Blog

Requisitos que deben cumplir las empresas antes de poner en marcha proyectos de Big Data


El Big Data ayuda a las empresas a mejorar sus resultados, equilibrar la oferta a la demanda, anticiparse al futuro o cumplir con los objetivos que se propongan. También ayuda a mejorar la satisfacción de los clientes, a anticiparse a sus necesidades, visualizar mejor el futuro y acertar en todas las decisiones que se tomen.

La lista de ventajas para las empresas no tiene fin, pero antes de embarcarse en proyectos de Big Data deben ser conscientes de que deben cumplir unos requisitos si quieren que estos proyectos tengan el éxito deseado y cumplan las expectativas.

7 claves que debe tener en cuenta una empresa antes de poner en marcha un proyecto de Big Data y Analytics:
1.- Debemos preguntarnos si tenemos suficientes datos disponibles. Históricos, fuentes internas, open data. La medida viene en términos de muchos Terabytes en incluso Petas. Si aún hablamos de Megabytes, probablemente nos basta con una solución tradicional de Business Intelligence.

2.- La generación y propagación de los datos debe estar automatizada. En el momento que los datos tengan que originarse manualmente, no tiene sentido aplicar Big Data. Por ejemplo, las empresas deben disponer ya de sistemas informáticos de gestión transaccional u operacional que proporciona datos de funcionamiento (ERP) o datos de actividad comercial (CRM).

3.- Se requiere que la organización esté volcada en la toma rápida de decisiones, en tiempo real, ya que si las decisiones importantes se toman en comités como en las empresas tradicionales, que se celebran una vez a la semana o al mes, no va a funcionar.

4.- La organización y los procesos deben simplificarse y aplanarse para permitir la democratización de las decisiones, su aceleración y acierto en las mismas. La tecnología será solo un facilitador.

5.- El Big Data debe responder y satisfacer a grandes preguntas de negocio en términos de incremento en los objetivos de ingreso, satisfacción, cross selling, margen, reducción de riesgos, pérdidas, incremento de cuotas de mercado, etc.

6.- Las empresas deberán contar con data scientists, es decir, alguien que tiene autonomía para coger un data set y, con un conocimiento de negocio, extraer valor de los datos y dar instrucciones al resto de analistas para tomar decisiones. De cara a los próximos años, se prevé que el 80% de las empresas medianas contarán, al menos, con este tipo de perfil. En el caso de las grandes empresas, será el 100% y con un número no inferior a 5 profesionales.

7.- Dado que son proyectos estratégicos que deben liderar tanto negocio como tecnología, conjuntamente, el CEO de la compañía debe estar implicado para que de verdad sean un éxito.

“Definir una correcta arquitectura tecnológica para el tratamiento masivo de datos es básico para afrontar proyectos de Big Data, pero sólo aquellas empresas que se adapten y realicen cambios en las estructuras organizativas podrán convertirse en líderes en sus segmentos mercados y verán un efecto multiplicador en su cuenta de resultados”, ha declarado Enrique Serrano, CEO de Tinámica.

 

Fuente Redacción Byte TI

Volver

The 10 Best Data Analytics And BI Platforms And Tools In 2020


Cloud ecosystems empowered with AI have matured greatly in recent years. Smart, augmented prediction and decision-making tools are at a s

Ampliar

Four Steps to Prepare Your Enterprise for Machine Learning


Implementation of machine learning (ML) is often misunderstood, but knowledge of the technological tools and processes that facilitate th

Ampliar

10 Invisible Secrets of Data Scientists


In 2010, it was 200qn bytes which grew up to 410000qn in Feb 2020. (1qn byte is 10^18 bytes on a short scale and one million million mill

Ampliar
developed by Avilasoto