Teamleader CRM

PATROCINA
PuroMarketing

Cuando empezó a hablarse del big data, se solían dar unas cuantas lecciones sobre lo que debían hacer quienes se lanzasen a la conquista de esta nueva herramienta de negocio. El big data, señalaban los expertos, era muy prometedor y podía aportar muchas cosas a la industria. Para las empresas era un cambio brutal que les permitiría conocer mucho mejor a sus consumidores de lo que ya lo hacían, una herramienta que además les daba la llave para adelantarse a sus necesidades y a sus problemas o para descubrir nuevas vetas en el mercado. Pero el big data no era mágico.

Para que funcionase se necesitaban grandes caudales de datos y la tecnología adecuada, pero también requería que se contase con el personal especializado en la materia que permitiese gestionar la información entre todo aquello. Las herramientas tecnológicas son importantes, pero la persona que las gestiona también lo es. Es al fin y al cabo quien hace las preguntas pertinentes y quien sabe separar el grano de la paja.

En resumen, en medio de todos los datos hay oro, pero para usarlo hay que saber antes llegar hasta el, algo que no todo el mundo puede o sabe hacer. Y ese problema era uno de los principales lastres cuando se empezó a implantar la tecnología de big data y sigue siéndolo ahora mismo.

Como explica un experto en big data y tal y como recoge Phys, no hay suficientes mineros para lo que el big data puede aportar. Esto es además un problema que es cada vez mayor, ya que la cantidad de datos también va en aumento. Cada año se generan más datos, lo que hace que las compañías tengan que enfrentarse a cada vez más y más información y tengan que ser mucho más eficientes a la hora de separar lo que no les interesa de lo que sí.

Las estimaciones hablan de que el número de datos que se crean sube en un 40% anual. Esta creciente cantidad hace que el potencial de información y sobre todo el potencial de lo que puede aportar sea mayor, pero también que el trabajo de minado sea más duro.

Y el hecho de que este trabajo sea más duro y que haya personal insuficiente para gestionarlo tiene un impacto en cómo se percibe al big data. El entusiasmo del principio ante su potencial se está enfriando y se está convirtiendo en cierto escepticismo. No se están consiguiendo los resultados maravillosos que se prometía y lo que se encuentra tiene una utilidad limitada, pero en general no hay una autocrítica en por qué ocurre esto.

Una posible solución

¿Tiene esta situación solución? De entrada, y partiendo del análisis, se podría concluir que la solución debería estar en una mejor formación del personal. Si hay más expertos en big data, las cosas funcionarán mejor.

Sin embargo, la realidad es un poco más compleja. En la batalla hay también un choque entre dos posiciones, la de los computer scientists, que usan métodos como algoritmos para usar los datos, y la de los social scientists, que emplean más métodos de las ciencias sociales. Los segundos son mucho más lentos y, a medida que los datos aumentan, se ven sobrepasados. El experto cree que hay que cerrar la diferencia de trabajo entre unos y otros para que se completen y mejoren los resultados.