Big Data es un término que se utiliza para describir una gran cantidad de datos, que pueden ser estructurados, como la información que se suele encontrar en la mayoría de las bases de datos que se suelen mostrar en filas y columnas con títulos; y datos no estructurados, es decir, que no tienen una estructura como por ejemplo correos electrónicos, videos, audios, hojas de cálculo y otros.
Pero cuando hablamos de Big Data en mercadeo, no es la cantidad de datos lo que importa, es lo que hacen las empresas con los datos. Los datos grandes se pueden analizar para obtener información que conduzca a mejores decisiones y movimientos estratégicos de negocios.
Para poder entender bien qué es Big Data, quizás uno de los principios básicos de entender son las 3 V’s del analista de Gartner, Doug Laney, quien presentó el concepto de 3V en una publicación de investigación de MetaGroup de 2001, “Gestión de datos 3D: control del volumen de datos, la variedad y la velocidad”.
Las 3Vs significan volumen, variedad y velocidad y son tres propiedades de big data. El volumen se refiere a la cantidad de datos, la variedad se refiere al número de tipos de datos y la velocidad se refiere a la velocidad del procesamiento de datos. De acuerdo con el modelo de 3V, los desafíos de la gestión de big data se deben a la expansión de las tres propiedades, en lugar de solo al volumen, la gran cantidad de datos que deben administrarse.
Recientemente, se han propuesto V’s adicionales para agregar al modelo, incluida la variabilidad (el aumento en el rango de valores típico de un gran conjunto de datos) y el valor, que aborda la necesidad de valorar los datos empresariales.
El siguiente artículo por Diya Soubra, “Los 3V que definen Big Data, en Data Science Central” ilustra con una infografía la expansión creciente de los 3V.
El objetivo del Big Data es crear valor en la capacidad de analizar grandes volúmenes de datos, ver información masiva que muchas veces está “dormida” en sus servidores y analizar los patrones que puedan ayudarle a tener una ventaja competitiva para tomar decisiones. El principal objetivo es por lo tanto “preguntarle a los datos” de tal manera que puedan dar una respuesta para entender que está sucediendo, porqué sucede y que podría suceder. Estas variables son realmente lo que se conoce como análisis descriptivo, análisis predictivo y análisis prescriptivo.
Analítica Descriptiva: La analítica descriptiva utiliza los datos históricos, identificando comportamientos y describiendo cómo se están haciendo las cosas. Es la analítica más utilizada en las empresas y su objetivo es describir la situación actual para poder tomar decisiones con un alto grado de éxito. En este tipo de análisis se consultan diferentes indicadores de negocio de cara a obtener una visión de lo que ha pasado y está pasando.
Analítica Predictiva: La analítica predictiva hace posible la creación de modelos que permiten predecir lo que va a ocurrir, este tipo de análisis nos ayuda a entender cómo puede cambiar nuestro entorno y el de la compañía ante situaciones internas o externas. Por ejemplo, en este tipo de análisis se podría determinar cuántas ventas se realizarán en nuestro negocio en el próximo mes con base al patrón de comportamiento de este año. Su propósito es hacer pronósticos y está basada en métodos matemáticos avanzados como la estadística o el aprendizaje automático para predecir los datos que faltan y describir lo que va a suceder. La pregunta más habitual en este tipo de análisis es: ¿Qué pasará?
Analítica Prescriptiva: La analítica prescriptiva usa técnicas de simulación y optimización, logrando señalar cuál es el camino que conviene realmente elegir, informando acerca de lo que debiera suceder buscando mejorar el resultado, proporcionando recomendaciones para maximizar indicadores de negocio. Este es el tipo de análisis más avanzado y en el cuál ya no solo predigo lo que va a pasar, sino que prescribo la solución a través de reglas de negocio que ejecutan algún proceso para reaccionar ante un indicador determinado.