Los resultados de big data analytics se reducen, muchas veces, a una cuestión de calidad. En este sentido, es el modelo de datos donde reside el potencial necesario para asegurar la idoneidad de la toma de decisiones, pero debe implementarse en condiciones óptimas ya que, de lo contrario, podrían poner trabas al negocio en vez de apoyarlo.

No siempre se logran los resultados esperados, ya que los sistemas e interfaces a menudo requieren un gran esfuerzo en lo relativo a su construcción y mantenimiento y la calidad debe asegurarse en todo momento en el proceso de data modelling. Pero, ¿dónde residen las principales dificultades?

Créditos fotográficos: istock defokes

El balanced scorecard ofrece muchas posibilidades a las empresas que tienen la habilidad de saber cómo aprovecharlas. Controlar el rendimiento, mejorar resultados o gestionar el cambio son sólo algunas de las opciones que se abre ante quienes cuentan con la herramienta adecuada y el expertise necesario para no quedarse en la superficie.

Créditos fotográficos: istock kgtoh

Cuando usamos la palabra modelos predictivos en un entorno de análisis, nos estamos refiriendo a una representación de la realidad basada en un intento descriptivo de relacionar un conjunto de variables con otro. El análisis predictivo reúne gestión, tecnologías de la información y modelado, orientándose al trabajo con grandes volúmenes de datos y con el objetivo de contribuir al éxito en los negocios.

Créditos fotográficos: istock castillodominici 

Es imposible negar el papel que las empresas han desempeñado en el espectacular desarrollo que las tecnologías de la información y la comunicación han experimentado en los últimos años; sin embargo, sí es posible (y conveniente) matizarlo.

Ciertamente, a nadie se le escapa que el cometido del BI es, en última instancia, apoyar la toma de decisiones en el contexto organizativo de una empresa, corporación o institución. Un fin último que tiene consecuencias ampliamente conocidas: minimización de los riesgos, mejora de la competitividad, aprovechamiento de oportunidades... y que requiere abarcar, a un mismo tiempo, áreas tan amplias y complejas como la gestión de datos o la planificación estratégica de la compañía.

La comunidad científica y los expertos en el desarrollo de soluciones TI hace tiempo que trabajan en lo que se ha convenido llamar «computación neuronal», o «redes neuronales artificiales», una nueva tecnología que pretende desarrollar sistemas artificiales que imiten la composición de las redes neuronales del cerebro humano, capaces de llevar a cabo sus funciones más básicas.

Cada vez falta menos para la plena entrada en vigor de la nueva normativa europea para el sector de los seguros y reaseguros, Solvencia II, con el pistoletazo de salida definitivamente establecido el 1 de enero de 2016.

La proliferación de las redes sociales, el incremento en el número de usuarios y las posibilidades que ofrecen para dar a conocer al público la misión, la visión, los productos y los servicios ofrecidos por cualquier compañía han abierto las puertas a nuevas oportunidades de negocio. Unas oportunidades que, a la vez, conllevan retos de distintas magnitudes, algunos de los cuales son fácilmente dirimibles si disponemos de las herramientas necesarias para ello.

El modelo relacional es un modelo de gestión de los datos albergados en las data warehouses (o bases de datos) diseñado para dar una respuesta eficaz a los retos planteados por el ingente volumen, la creciente variedad y la mayor velocidad en la afluencia de los datos que debe manejar una organización.

En no mucho tiempo, Internet de las Cosas y los avances que se realicen en esta materia dejarán atrás, en una consideración de mera anécdota, el volumen y la variedad de los datos que actualmente se manejan. Sirva de ejemplo este dato: los expertos estiman que dentro de 5 años, más de 25.000 millones de dispositivos alimentarán los datos obtenidos a través de IdC, y que las tecnologías y los sistemas basados en su desarrollo aportarán cerca de 13 billones de euros (con «b») al producto interior bruto mundial.