Big Data: Adoptando estrategias para impulsar crecimiento en la región

SAS, multinacional experta en soluciones analíticas, entrega una serie de recomendaciones para incrementar proyectos de Big Data en Latinoamérica. La compañía sostiene que el temor de implementar este tipo de programas se debe principalmente al desconocimiento que aún persiste sobre estas soluciones en el mercado.

Según IDC, el mercado de soluciones de Big Data y analítica en América Latina alcanzó 661 millones de dólares en 2014. Un monto muy menor si se contrasta con la realidad en otros mercados como el norteamericano o el europeo.

El mercado está llegando a una etapa de evangelización y conocimiento sobre el tema que anteriormente no poseía, aún existen algunos países que están un poco más rezagados con esta etapa del mercado analítico, pero se espera que poco a poco las empresas implementen estos métodos en sus proyectos.

Expertos de SAS señalan que para iniciar un programa de este tipo lo primero es preguntarse ¿por qué hacerlo? Debe existir un caso de uso convincente, un conductor competitivo, un factor de costo o algún otro tema que ha sido identificado para la aplicación de tecnologías de Big Data y analítica. Lo segundo es seleccionar a los integrantes del equipo antes que a la tecnología. La elección de personal es la variable más importante en el éxito del proyecto, sobre todo cuando se trata de tecnologías emergentes.

De cualquier modo, SAS, compañía experta en soluciones analíticas y que recientemente mantuvo su segundo lugar entre las 25 mejores multinacionales para trabajar en el mundo según Great Place to Work, entrega algunas claves para implementar un proyecto de Big Data.

Iniciar con pasos pequeños

Es muy importante moverse lento y seguro. Dar “pequeños pasos” y “aprender haciendo” es la clave del éxito. Con tantas opciones es fácil perderse y desperdiciar los escasos presupuestos y recursos de Tecnología de la Información (TI) si se trata de abarcar todos ellos, por lo que es recomendable definir y acotar el proyecto y seleccionar del ecosistema el o los proyectos que mejor se adecuen a los objetivos de la organización.

Alcance definido y acotado

Un factor fundamental de éxito es la definición de objetivos del proyecto, previo a la planificación del mismo. ¿Por qué son importantes los objetivos? Principalmente por tres razones: ayudan a acotar el alcance real, permiten monitorear la evolución y sirven para validar la satisfacción de expectativas. Ahora bien, los objetivos siempre deben ser acordes con una necesidad real de la empresa.

Necesidad Real

Tener claridad de las necesidades que cada empresa tiene es clave para iniciar un proyecto de Big Data. Por ejemplo, en Colombia, un banco de la región lanzó un producto que permite al cliente manejar de forma fácil y gratis su dinero desde su celular sin necesidad de tener una cuenta bancaria o tarjeta de débito. Una vez activado el celular con el servicio se puede recibir y enviar dinero. El banco ha tomado técnicas emergentes de Big Data para analizar los comportamientos típicos de grupos de clientes similares y controlar o rechazar uso atípico.

En Argentina, una empresa del rubro de comida rápida, analiza los recibos de las cajas, recolectando los datos de las ventas realizadas en todos los restaurantes, para saber quién come qué, cuándo y con quién, y después evaluar las nuevas ofertas a ofrecer en función de menús, recetas, regiones y horarios.

Son muchos los campos donde Big Data Analytics es utilizado en empresas del sector financiero, bancario, salud, automotriz, gubernamental, farmacéutico y otros sectores económicos en todos los continentes. Si bien existe un número de aplicaciones “sexy” como las antes mencionadas. Big data no es siempre tan sexy y, de hecho, la mayoría de las veces no lo es. De ahí que la clave del éxito es identificar una necesidad real de la empresa, cuál es el retorno de la inversión esperado, obtener la información y analizarla.

Retorno de inversión

Los proyectos de Big Data Analytics son complejos, de alto riesgo y el retorno de la inversión es difícil de cuantificar, pero definitivamente este es el nuevo tipo de aplicaciones que se requieren. Sin embargo, en la fase de aprendizaje lo mejor es iniciar creando un fundamento sólido para su desarrollo. Proyectos como los desarrollados con un banco de la región y una empresa del rubro de comida rápida tienen en común el acceso a un volumen de datos adecuado en forma oportuna y con la calidad suficiente para su análisis.

Las empresas exitosas en este tipo de proyectos han empezado evolucionando su almacenamiento de datos y su forma de extraerlos y procesarlos hacia un esquema de Big Data y herramientas de analítica avanzada para aprovechar la información lo mejor posible.