Más allá del aprendizaje sobre el funcionamiento y las características de las tecnologías Big Data, es importante conocer cuáles son los problemas principales de las compañías a los que Big Data puede aportar una solución. Si ya estás familiarizado con ellos no te pierdas este otro artículo: Big Data, ventajas de "la revolución de los datos masivos".
La exploración de grandes datos
Las tres 'V' del Big Data (velocidad, volumen y variedad) reflejan el reto al que se enfrentan las grandes compañías a la hora de dar a los datos un valor para tomar mejores decisiones, mejorar las operaciones y reducir los riesgos. Por lo tanto, es necesario poder navegar de forma fácil para obtener la información tanto dentro de los sistemas de la compañía como los datos que llegan desde afuera.
El aumento del llamado “bruto de datos” o “ruido” plantea el dilema de cómo contextualizar estos datos para alimentar un mejor análisis y una mejor toma de decisiones. La exploración de datos, además de ofrecer soluciones a estos problemas, también contribuye a disminuir el riesgo de filtración de información confidencial gracias a sus mecanismos de seguridad.
360º de visión sobre el cliente
Para conseguir un conocimiento total del cliente, las compañías deben obtener información de fuentes internas y externas para poder asesorarle y entender cuál es la mejor manera de ayudarle. El objetivo es comprender el comportamiento del cliente y predecir sus futuras acciones.
Los empleados que trabajan directamente con los clientes deben poseer la información suficiente y adecuada para crear una relación de confianza y conseguir un compromiso o una fidelidad por parte del consumidor. Para conseguirlo, el empleado debe poder disponer al instante tanto de información interna (según el comportamiento del cliente en otras experiencias con la propia compañía) como externa (sobre sus gustos e intereses, obtenida de redes sociales, correo electrónico, etc).
Hay que aclarar que la palabra cliente es un nombre genérico, que pasará a denominarse paciente en el sector de la salud, un sospechoso en un caso policial, etc.
Extensión de la seguridad/inteligencia
Mecanismos para localizar anomalías y prevenir ataques. Este tipo de soluciones permite discernir entre cantidades masivas de datos (tanto internos como externos) posibles relaciones ocultas, detectar patrones de conducta y prevenir amenazas a la seguridad. También posibilita descubrir un fraude mediante la comprobación en tiempo real del historial de actividad de una cuenta, con lo que es factible desenmascarar un comportamiento anormal de un usuario o una transacción sospechosa.
También permite examinar nuevas fuentes y variedades de datos como pruebas de una actividad criminal, por ejemplo internet.
Las tres aplicaciones principales son:
- Visión mejorada de inteligencia y vigilancia: análiss de datos en movimiento y en reposo para encontrar asociaciones o descubrir patrones. Esta información en tiempo real puede incluso salvar vidas
- Previsión y atenuación de ataques cibernéticos en tiempo real: analizando el tráfico de la red, las compañías puede descubrir amenazas nuevas y prevenir ataques de hackers, intrusos, espionaje, fraude cibernético e incluso ciberterrorismo.
- Predicción y prevención del crimen: la capacidad para analizar datos de la red de telecomunicaciones y de redes sociales permite detectar amenazas y adelantarse a los criminales antes de que actúen.
Análisis de Operaciones
Permite obtener visibilidad en tiempo real de las operaciones, la experiencia del cliente, transacciones y comportamiento. Dinamiza el plan para incrementar la eficiencia de las operaciones, identifica e investiga las anomalías, y monitoriza la infraestructura end-to-end para evitar de forma preventiva la degradación o apagones sen el servicio.
Con un acelerador de datos permite ingerir y procesar grandes volúmenes de datos para proporcionar un conocimiento detallado del estado de la compañía. Los machine data pueden ser correlacionados con otros datos de la empresa como información del cliente o del producto, aunque el gran volumen de datos esté en formatos distintos que, sin la solución, no son compatibles con los demás.
Esta combinación es de gran utilidad para los encargados de tomar las decisiones operativas, a la vez que aumenta la inteligencia y la eficiencia de las operaciones. Estos responsables de la toma de decisiones pueden visualizar los datas a través de distintos sistemas para obtener la visión más informada posible y poder reaccionar de forma rápida ante cualquier imprevisto.
Aumentar el almacén de datos o Data Warehouse
Se trata de ampliar una estructura de almacenamiento de datos ya existente aplicando las ventajas de Big Data para incrementar su valor. El aumento del Data Warehouse nace de dos necesidades básicas: sacar provecho de diferentes tipos de datos para ganar nuevas perspectivas de negocio en tiempo real, y para optimizar la estructura de almacenamiento de datos facilitando la tarea y ahorrando costes. Existen tres tipos de Data Warehouse:
- Pre-Processing Hub (núcleo de pre-procesamiento): proporciona un área de montaje o “zona de aterrizaje” de los datos antes de decidir cuáles se incorporan al almacén de datos.
- Discovery/Analytics (descubrimiento-análisis): da la capacidad de realizar análisis que deberían haberse hecho antes en el Data Warehouse, para así optimizar el almacén de datos y posibilitar nuevos tipos de análisis.
- Query-able Data Store (almacén de datos de consulta): descarga datos que se consultan con poca frecuencia o de una antigüedad considerable del datawarehouse mediante software y herramientas de integración de información, y los almacena en un espacio de almacenamiento de bajo coste, pero mateniéndolos aún accesibles desde la solución.
