Business intelligence y big data: ¿deben quedar atrás?

By: Guido Secco
Ago.13, 2019
0

El reto de capturar tantos datos como sea posible lleva años planteándose a las organizaciones. Business Intelligence y big data protagonizan reuniones, informes y planes estratégicos. Pero, desde hace algunos meses hay empresas que están experimentando con el aprendizaje automático y la inteligencia artificial.

Se plantea una nueva cuestión que tiene que ver con cuántos datos se necesitan realmente. ¿Es verdaderamente necesario recoger toda la información a nuestro alcance?

Pero tener más datos no siempre es mejor. Más datos también significa que se hace más difícil de administrar y obtener información valiosa, y aprovechar conjuntos de datos viables para realizar tareas específicas y lograr los resultados deseados.

Discutir Business Intelligence y big data en el contexto de la IA nos lleva a plantearnos algunas cuestiones acerca del futuro de los grandes datos.

¿Necesitamos grandes cantidades de datos o bastaría con pensar en pequeño?

Business Intelligence y big data: una vuelta a los “pequeños datos”

Es imposible aprovechar Business Intelligence y big data correctamente hasta que no se domina el arte de aprovechar los datos pequeños. Y es que, en este caso, aunque sus dimensiones no son en realidad reducidas, sí que están lejos de las desorbitadas cantidades de terabytes que se asocian con cualquier iniciativa que tenga que ver con Hadoop.

Estos datos más contenidos pueden ser cualquier conjunto de datos de negocios que pueda ubicarse en un solo ordenador. Por esta razón, son mucho más manejables y carecen de los altos costes (sin mencionar los riesgos de cumplimiento y regulatorios) de los datos grandes, que pueden requerir una gran cantidad de trabajo para administrar, mantener y limpiar.

Los datos pequeños, incluso si vienen en forma no estructurada, también se pueden etiquetar con cierta facilidad. Claro que una empresa con tantos recursos como Google, por ejemplo, también podría etiquetar perfectamente sus datos masivos no estructurados, pero la realidad es que la mayoría de negocios no tienen acceso a esos recursos.

Eso no quiere decir que Business Intelligence y big data no tengan razón de ser, pero sí que es importante ser razonable en su explotación.

Si no se pueden encontrar maneras de gestionar y aprovechar los “datos pequeños”, cualquier esfuerzo por avanzar a lo grande probablemente será una decepción. Puede que esta sea la razón por la que todavía estamos en etapas bastante tempranas de la IA empresarial. La realidad muestra que las empresas:

  • Aún no tienen claro para qué utilizar la inteligencia artificial.
  • No saben cómo lanzarle preguntas.
  • No tienen claro cuáles son los datos que necesitan para obtener las respuestas que desean.

Para evitar que se prolongue esta situación, convendría que las organizaciones se planteasen si lanzarse a trabajar con conjuntos de datos más grandes o si consolidar su dominio de datos de dimensiones más reducidas.

Para determinar si los datos grandes o pequeños son la mejor herramienta para el aprendizaje automático o la próxima iniciativa de inteligencia artificial, bastaría con responder a estas preguntas:

  • ¿Ya tiene la empresa los datos que necesita y están etiquetado? Si todo lo que se tiene es una idea, antes de buscar nuevas formas de usar Business Intelligence y big data habría que plantearse si podría bastar con un pequeño conjunto de datos que sea mejor para el trabajo en cuestión.
  • ¿Cuál es el caso de uso y cuáles son los datos mínimos necesarios para solucionarlo? Para maximizar la eficiencia y reducir los costes,es preciso utilizar la cantidad mínima de datos necesarios para realizar el trabajo.
  • ¿Cómo de avanzada está la organización en lo que respecta a IA y aprendizaje automático? Es importante desarrollar las capacidades de la organización paso a paso, en lugar de ir directamente a los problemas más difíciles (incluso si son los más interesantes).

Por último, si la empresa se está iniciando en el campo del aprendizaje automático, la solución de algunos problemas básicos con datos pequeños es probablemente el mejor lugar para comenzar. Una vez se consigan buenos resultados, entonces se podrán empezar a plantear formas de avanzar con Business Intelligence y big data hacia niveles superiores o, incluso, de llegar a poner en marcha iniciativas de IA.

Fuente: Retos en Supply Chain