Big data como implementar
implementación de la analítica de datos
Si quiere experimentar algo de suspense, que sea mientras ve una película de acción, no mientras su empresa está implementando alguna iniciativa prometedora como un proyecto de big data. Para evitarle cualquier giro inesperado, el equipo de ScienceSoft ha resumido su experiencia de 8 años en la prestación de servicios de big data para compartir con usted una hoja de ruta de implementación para un proyecto típico de big data. También hemos elegido tres ejemplos reales de nuestra cartera de proyectos para que pueda seguir algunas de las mejores prácticas.
Un proyecto de big data siempre comienza con la obtención de las necesidades del negocio. El objetivo principal de esta etapa es mirar más allá de las necesidades que las partes interesadas manifiestan explícitamente y detectar incluso aquellas que aún no han reconocido. Una vez identificadas las necesidades de la empresa, deben traducirse en casos de uso (por ejemplo, visión de 360 grados del cliente, mantenimiento predictivo u optimización del inventario) que una futura solución de big data debe resolver.
Al final de este hito, debería tener identificados los principales componentes de su futura solución de big data, es decir, un lago de datos, un almacén de big data y un motor de análisis. También debería decidir en qué tecnologías basar todos los componentes de la arquitectura. Además, debe formalizar sus fuentes de datos (tanto las existentes como las potenciales), así como los flujos de datos para tener una imagen clara de dónde proceden los datos, a dónde van y qué transformaciones sufren en el camino.
implementación de big data analytics pdf
El big data es todavía relativamente nuevo en muchas organizaciones, y su importancia en los procesos y resultados empresariales ha ido cambiando cada día. A continuación se presentan algunas de las mejores prácticas clave que los equipos de implementación necesitan para aumentar las posibilidades de éxito.
1. Reúna los requisitos del negocio antes de reunir los datos. Comience las implementaciones de big data reuniendo, analizando y comprendiendo primero los requisitos del negocio; este es el primer y más esencial paso en el proceso de análisis de big data. Si no se lleva nada más, recuerde esto: Alinear los proyectos de big data con los objetivos específicos del negocio.
2. “La implementación de big data es una decisión de negocio, no de TI”. Esta es una cita maravillosa que resume una de las mejores prácticas más importantes para la implementación de big data. Las soluciones analíticas tienen más éxito cuando se abordan desde una perspectiva empresarial y no desde el extremo de TI/Ingeniería. TI necesita alejarse del modelo de “Constrúyelo y ellos vendrán” a “Soluciones que se ajustan a las necesidades definidas del negocio.”
3. Utilizar un enfoque ágil e iterativo para la implementación. Normalmente, los proyectos de big data comienzan con un caso de uso y un conjunto de datos específicos. A lo largo de las implementaciones, hemos observado que las necesidades de la organización evolucionan a medida que entienden los datos, una vez que los tocan y empiezan a aprovechar su valor potencial. Utilizar técnicas de implementación ágiles e iterativas que ofrezcan soluciones rápidas basadas en las necesidades actuales en lugar de un desarrollo de aplicaciones a lo grande. En lo que respecta a los aspectos prácticos de la analítica de big data, la mejor práctica consiste en empezar poco a poco identificando oportunidades específicas y de gran valor, sin perder de vista el panorama general. Logramos estos objetivos con nuestro marco de trabajo de big data: Piensa en grande, actúa en pequeño.
ejemplos de aplicación de big data
Los días en los que las decisiones de marketing se basan en la experiencia y la intuición han quedado atrás. Las organizaciones que utilizan datos para tomar decisiones son las que están preparadas para el éxito. Pero no basta con cualquier dato, y el mal uso de los datos le cuesta a la economía estadounidense 3 billones de dólares al año. No querrá que su empresa forme parte de esta estadística.
En el mundo digital actual, las empresas de éxito se basan en los datos y toman decisiones clave incorporando big data a sus procesos. El 97% de las empresas están invirtiendo en big data, y entender cómo estas empresas son capaces de catapultar su negocio al éxito a través de big data es clave para saber cómo posicionar su negocio para el crecimiento también.
El análisis de big data se refiere a la gestión y extrapolación de información de las grandes cantidades de datos estructurados y no estructurados que las empresas acumulan a diario. Más que los datos en sí, lo que más importa a las empresas es cómo los utilizan.
En comparación con las bases de datos tradicionales, el big data se concentra en el procesamiento y el análisis de los datos con una latencia mínima o nula en todos los ámbitos. Con el número de dispositivos y plataformas que aumentan día a día, los datos se acumulan a partir de diversas fuentes como las redes sociales, los dispositivos móviles, el Internet de las Cosas (IoT), los sitios web y más.
cuándo utilizar soluciones de big data
A menudo me preguntan sobre “big data”, y la mayoría de las veces parece que hablamos a diferentes niveles de abstracción y comprensión. Aparecen palabras como “tiempo real” y “análisis avanzado”, y enseguida hablamos de productos, lo que no suele ser una buena idea.
Así que tratemos de dar un paso atrás y ver lo que significan los macrodatos desde la perspectiva de un caso de uso, y entonces podremos mapear el caso de uso en una imagen de infraestructura utilizable y de alto nivel. A medida que avancemos, espero que empiecen a ver un patrón y a entender cómo encajan palabras como tiempo real y análisis.
La idea que subyace a Smartmall suele denominarse interacción multicanal con el cliente, es decir, “¿cómo puedo interactuar con los clientes que están en mi tienda física a través de sus smartphones? En lugar de exigir a los clientes que saquen su teléfono inteligente para consultar los precios en Internet, nos gustaría impulsar su comportamiento de forma proactiva.
El primer paso -y, posiblemente, el más importante- y el dato más importante es la identificación de un cliente. El primer paso, en este caso, es el hecho de que un usuario con un smartphone entre en un centro comercial. Al identificarlo, activamos las búsquedas del paso 2a y del paso 2b en una base de datos de perfiles de usuarios.