José Antonio Castillo Romero - Big data. IFCT128PO

A raíz de estos problemas es cómo surge la analítica de datos,desde la invención del business intelligence hasta el big data. El objetivo no es otro que el de analizar cada vez mayor cantidad de datos estructurados y no estructuradosmás rápidamente y transformarlos en decisiones.

Entonces, ¿cuál podría ser la clave del análisis de datos en los negocios? La respuesta es sencilla: ser capaces de realizar una estrategia de marketingadecuada y competitiva, anticipándose a la competencia y predecir el comportamiento de los clientes para saber qué y cómo quieren los servicios que ofreces.

SABÍAS QUE...

Cada minuto los más de 2.700 millones de personas que cuentan con acceso a internet envían más de 200 millones de correos electrónicos; realizan 2 millones de búsquedas en Google; publican 48 horas de vídeo en YouTube; escriben más de 100.000 mensajes en Twitter; publican 30.000 nuevos artículos en sitios como WordPress y suben más de 6.000 imágenes a Instagram.

Aquí puedes ver algunas estadísticas interesantes de todo el mundo y en tiempo real:

https://redirectoronline.com/ifct128po0102

Cómo y dónde surgió: primeros pasos

Como has visto anteriormente, en 1865se introdujo el término inteligencia de negocios, pero es en 1958cuando el investigador de la ya fundada IBM, Hans Peter Luhn,lo definió de una forma parecida a como se conoce hoy día, aunque aún tendría que sufrir modificaciones en su comprensión, ya que los procesos de negocios y su informatización avanzarían rápidamente.

La definición que Luhn dio en cuestión fue la siguiente: “es la habilidad de aprender las relaciones de hechos presentados de forma que guíen las acciones hacia una meta deseada”(Luhn, H. P. A Business Intelligence System. IBM Journal of Research and Development, 1958), definición relativamente básica si la comparamos con lo que actualmente implica este término.

En la actualidad, el BI se podría definir como el conjunto de medios utilizados para poder transformar los datos en información, con el objetivo de obtener conocimiento como finalidad para la mejora de procesos y la toma de decisiones eficaz en un negocio. Este conocimiento puede ser adquirido tras la consulta de datos históricos y su procesado mediante el cruzamiento de estos para así poder determinar el pasado y el presente de la organización.

Años más tarde, Kenneth Iversoncreó el primer lenguaje de programación multidimensional que sirvió de base para lo que se conoce como procesamiento analítico en línea.

DEFINICIÓN

OLAP (On-Line Analytical Processing)

Es una solución que permite analizar grandes cantidades de datos de manera multidimensional, también llamados cubos OLAP, que contienen grandes cantidades de datos.

Creación de las bases de datos: el data warehouse

HILO CONDUCTOR

Los de TextilTek, S. L. se dieron cuenta de que cada vez era más difícil analizar la información con los medios que tenían, todo ello centralizado en su sede mediante servidores y sistemas de almacenamiento que tenían que ampliar continuamente, ya que la empresa crecía y era necesario almacenar mucha información de clientes y funcionamiento de los departamentos. Por ello, han decidido dar un paso más e invertir en big data. ¿Qué implicará dar este paso? Pronto lo descubrirán.

Posteriormente, en los años setenta se crearon las primeras bases de datosy aplicaciones para empresas que permitían el acceso a la información de estas bases de datos, aunque aún de forma poco eficaz y con una calidad mediocre.

En los años 80, debido a los avances informáticos, la BI tomó más personalidad y se definiría como un conjunto de sistemas informáticos utilizados para tomar decisiones en los negocios que se basan en la recogida y análisis de datos o reportingde los bancos de información de cada organización, conocidos como data warehouse.Pero aún no había aplicaciones que facilitarían la exploración de bases de datos. Por ello, es en esta década cuando se crea Excel 1.0, convirtiéndose en la más ampliamente utilizada.

Datos muy resumidos

Datos compactos de fácil acceso y usados de forma más frecuente.

Datos poco resumidos

Nivel de datos poco detallados y guardados en unidades de discos.

Datos actuales

Datos de mayor interés, ya que son más recientes y tienen un alto nivel de detalle.

Datos históricos

Datos almacenados masivamente y de escaso acceso.

El business intelligence 2.0

HILO CONDUCTOR

Debido al desconocimiento del business intelligence y un sistema de marketing deficiente, TextilTek, S. L. ha tenido gran cantidad de datos valiosos guardados, sin sacarles el suficiente partido. Gracias a la consultora, ahora son capaces de analizar datos históricos para saber cómo funciona la empresa.

Hasta ahora puedes darte cuenta de que en ningún momento el tipo de datosha cobrado importancia para el BI, porque en su gran mayoría eran datos estructurados, y no es hasta la entrada del nuevo siglo cuando esto cobra importancia. Es entonces cuando se empiezan a desarrollar sistemas de análisis para datos no estructurados, ya que con la invención de las nuevas tecnologías más rápidas e inteligentes, los datos comienzan a adquirir una dimensión completamente diferente: nace así el business intelligence 2.0, creándose así el concepto de big data.

Como síntesis, el procedimiento del business intelligence lo puedes ver en el siguiente gráfico:

HILO CONDUCTOR

Pero, ¿cómo podría TextilTek, S. L. anticiparse a sus rivales y diseñar una estrategia de marketing eficiente? La respuesta está en el data mining.

El estudio del BI podría abarcar perfectamente un curso completo, pero ese no es el objetivo, aunque resulta esencial para poder situarnos en un contexto adecuado para lo que viene después. Paralelamente, y con el objetivo de cubrir ciertas carencias del BInace el data mining.

A finales de los años 80 surge una nueva expresión, el data mining o minería de datos, que consiste en buscar y extraer información y conocimiento de los datos mediante patrones y modelos que ayuden a estudiar el posible resultado en acciones que ocurrirán en el futuro.