Bajo presión: 4 factores estresantes clave para los líderes de Big Data
A medida que más empresas asumen proyectos de big data, aumenta la necesidad de científicos de datos y líderes de TI. Estos son los cuatro grandes puntos de presión de datos.
Los directores ejecutivos y las juntas corporativas quieren ver que los grandes datos den sus frutos en términos de ingresos, operaciones y desempeño financiero de la empresa. C-suite quiere lograr estos resultados más rápido que nunca, lo que lleva a muchos líderes de big data a sentir más presión en cuatro áreas específicas.
1: Datos como un activo
En un artículo del Wall Street Journal de 2014, el analista de Gartner Douglas Laney observó: «Confusamente, las empresas contabilizan mejor los muebles de oficina que los activos de información… No se puede gestionar lo que no se mide». En el mismo artículo del Wall Street Journal, El economista de la Fed de Filadelfia, Leonard Nakamura, estimó que el valor de los datos y otros activos intangibles en poder de las empresas podría superar los 8 billones de dólares.
Los datos aún no están en el balance de la empresa, pero podrían estarlo a medida que la empresa comience a desarrollar una función de pérdidas y ganancias que empaquete y revenda los datos a otros. Incluso para las empresas que no tienen planes actuales para comercializar datos, los datos administrados pueden verse como una fuente sin explotar de futuros derivados comerciales y generación de ingresos, por lo que las empresas deben encontrar formas de valorarlos. Esto ejerce una presión inmediata sobre los líderes de TI y otros administradores de datos para comprender qué es esta acumulación de datos y cuál es la mejor manera de explotarla.
VER: El nuevo hogar de los datos: el balance de su empresa (Tecnopedia)
2: Confusión sobre qué herramientas usar y cómo usarlas
Con tantas herramientas para la manipulación, extracción, limpieza, normalización de datos y más, puede ser difícil para las organizaciones decidir qué herramientas son las mejores para su entorno. Las empresas también están tratando de descubrir cómo usar estas herramientas.
«Un buen ejemplo es una empresa que utiliza sensores de Internet de las cosas (IoT) para monitorear el funcionamiento y el estado de las máquinas en una planta de fabricación», dijo Shawn Rogers, director de investigación del proveedor de análisis predictivo Dell Statistica. «Si un sensor envía datos cada segundo, eso podría ser hasta 86 400 veces al día. ¿Realmente necesita capturar toda esta comunicación para obtener una buena lectura del estado y las interacciones de la máquina?»
3: Cree que cualquiera puede hacer análisis de big data
Informes de big data de lectura obligada
Las herramientas de análisis más asequibles y las soluciones basadas en la nube están haciendo que los análisis sean accesibles tanto para pequeñas como para grandes empresas; estas herramientas proporcionan una capa de abstracción entre el trabajo altamente técnico de acceder y manipular datos y más herramientas gráficas que hacen que los usuarios con poco conocimiento de la mecánica de TI puede usarlos.
Los empleados están acostumbrados al acceso sin restricciones a los datos a través de navegadores, motores de búsqueda y redes sociales, y muchos de ellos quieren ser incluidos en el proceso de análisis, incluso si no tienen experiencia con proyectos de big data.
Juntas, estas fuerzas ejercen una presión adicional sobre TI para proporcionar administración de datos, gobierno y seguridad a medida que los datos se distribuyen entre todos los niveles de empleados en todos los departamentos.
VER: Kit de herramientas de contratación: Microsoft Power BI Developer (Tech Pro Research)
4: Las empresas consideran que la analítica es necesaria para seguir siendo competitivas
En el pasado, realizar análisis de datos se consideraba un lujo en las empresas, solo para las personas «inteligentes», pero ahora cada vez más empresas comienzan a tratar los datos que acumulan como un activo. El miedo a usar análisis se ha ido. «En cambio, lo que las empresas se preguntan es: ‘¿Cómo puedo hacerlo mejor con los datos?'», dice Rogers de Dell.
la línea de fondo
Para que las iniciativas de big data tengan éxito y se entreguen a tiempo, los líderes de proyecto deben tener metas claras y los usuarios deben tener las herramientas necesarias para resolver problemas analíticos y la capacitación sobre cómo usarlas.
