Gamers ahora disponen en Latam de SSD más fría
No sólo la Web3 y la IA están evolucionando. El Big Data y toda la analítica también.
De hecho, la IA está contribuyendo a que el procesamiento nos lleve a un nuevo nivel: el Good Data.
Es un hecho: las organizaciones producen (y tienen) mucha más información de la que realmente pueden procesar y almacenar.
En este sentido, pareciera que la pandemia aceleró algunas disrupciones y, en apariencia, rezagó otros. En realidad, los puso en pausa para mejores momentos.
Algo de ello se ve en el Big Data que, si bien no ha dejado nunca de ser importante, tiene por delante los retos que genera el procesamiento de datos que dejó la omnicanalidad de la pandemia.
Un sondeo realizado entre compañías líderes de todo el mundo reveló que:
- 97% está invirtiendo en iniciativas de datos
- Aunque solo el 40% está administrando datos como un activo de negocios para sus empresas
Este último aspecto ha generado que los gerentes y líderes tanto de las áreas de tecnología como de las de negocio se den cuenta que hay que pasar del Big Data o lo que ya se está llenando el Good Data.
Pero, ¿de que estamos hablando? Pues el good data se refiere a tomar los inmensos volúmenes de datos para:
- Analizarlos
- Filtrarlos
- Aplicarles transformaciones
Todo ello para llegar a datos de calidad, que permitan tomar buenas decisiones de negocio.
Un cerebro auxiliar
Lo cierto es que muchas empresas cuentan con enormes cantidades de datos que no saben cómo explotar. Para tomar decisiones informadas requieren de datos de calidad y transformados en base a una necesidad real.
Juan Martín Beines Furcada, Pre Sales Engineer – Cloud Services en BGH Tech Partner explica que esta situación ocurre porque dentro las organizaciones no priorizan sus necesidades reales y no identifican el problema.
Por ello, recomienda a las empresa, más que recopilar datos al voleo, las empresas deben determinar qué tipo de datos necesitan para su negocio.
“A partir de ahí, deben analizar cómo llegar a este tipo de dato. Podrían ir registrando los diferentes orígenes que formarán la métrica que requieren. Luego podrían determinar que transformaciones hacen falta para llegar a ella, para finalmente ejecutarla y obtenerla”, explicó.
En este sentido, Beines fue muy preciso: para convertir big data en good data primero hay que garantizar que toda la información requerida – de todos los orígenes y fuentes de datos – sea almacenada de una forma segura y altamente disponible.
La métrica, elemento clave en el Big Data
El ejecutivo de BGH Destca que, para llegar al nivel más ínfimo de la métrica es necesario aplicarle diferentes filtros y aperturas a la información que ya ha sudo, debidamente, recibida, seleccionada y almacenada.
“Si la métrica final que se busca es `cuantos autos se vendieron en el último mes´, ese dato debería poder filtrarse tanto por sucursal como por vendedor para darle mayor profundidad”, explica el Pre Sales Engineer – Cloud Services en BGH Tech Partner.
Actualmente existen distintas soluciones tecnológicas que ayudan a transformar big data en datos que aportan valor al negocio. Por caso, AWS ofrece una serie de herramientas tales como S3, Glue, Athena, Quicksight y Sagemaker.
“En BGH Tech Partner nos aseguramos que la privacidad y la seguridad de los datos estén contemplados al convertir big data en good data. Además, si no reconocen sus puntos de dolor, los ayudamos a identificarlos y a diagramar una hoja de ruta que permitirá contar con una estrategia tecnológica para tomar mejores decisiones de negocios basadas en datos”, concluyó Beines.
