Hace un par de días estaba repasando la guía de televisión cuando vi programada la película “Por qué lo llaman amor cuando quieren decir sexo”.
Subliminalmente me vino a la cabeza la idea para este post, ya que creo que la frase recoge a la percepción una sensación que estoy teniendo últimamente de forma frecuente.
Te la comento a ver si te identificas también en ella. Es la siguiente.
Siempre me he dedicado profesionalmente al Analytics, en sentido amplio, es decir, a cómo analizar datos para mejorar procesos de negocio.
Sabemos que la mayor revolución en este campo en los últimos años ha sido el nacimiento y evolución de la tecnología Big Data.
Por tanto es entendible que actualmente el foco de eventos, congresos, seminarios o presentaciones en el sector esté ahí.
Pero es que, volviendo a la sensación, últimamente a todo se le llama Big Data, aunque realmente no lo sea porque en verdad se está hablando de Analyitcs.
Me explico. Reconoces el siguiente patrón?
Ponencia de Big Data, podría llamarse por ejemplo “Cómo Big Data ha transformado el sector financiero”, o quizá “Cómo cautivar al nuevo consumidor gracias al Big Data”.
El ponente hace un resumen de cuantas cosas pasan en internet por segundo. Acto seguido explica Big Data con unas cuantas Vs, normalmente al menos una V más que el ponente anterior.
Plantea los retos del sector. Millennials, movilidad, geolocalización y tiempo real no deberían faltar.
Y entonces presenta alguna diapositiva de este estilo:
Fuente: Ejemplo arquitectura Big Data
Puedes encontrarla en diferentes variaciones, pero al final lo importante es que aparezcan muchos iconos de animales y muchas flechas entre ellos.
Estas diapositivas tienen un efecto mágico, y es que después de ellas ya puedes presentar los resultados que quieras que tendrán credibilidad. Porque nadie va a preguntar cómo se pasa del stack tecnológico a los resultados.
Nadie planteará qué criterios de negocio, algoritmos, análisis ni procesos se han aplicado.
Todos sabemos que esas son cosas que hay que hacer sólo si trabajas con una arquitectura basada en BBDD relacionales y SW analítico tradicional (digamos SAS o Modeler). Pero en el momento en el que hay icons de animales todo eso ya no hace falta.
Pero lo realmente interesante, y el concepto principal de este post, viene cuando se presentan los casos de uso que justifican realizar todo el despliegue anterior.
Y sorprendentemente nos encontramos con cosas como: personalización comercial, retención de clientes, modelos de crédito, identificación de fraude, … ¿Te suena de algo? Son los de siempre!
A donde quiero llegar, ya recuperando un tono más serio, es a que cuando se habla de la aplicación de Big Data a casos de negocio, en el 95% de los casos se está hablando de Analytics.
Esto es, del conjunto de metodologías, algoritmos y análisis que podemos aplicar para resolver necesidades de negocio.
Y el grueso de esas necesidades de negocio que tienen las empresas siguen siendo las mismas.
No quiero decir en ningún momento que la tecnología Big Data no aporte valor, ni que todos los casos de negocio se puedan resolver sin ella. Todo lo contrario, soy un defensor de estas tecnologías, y han llegado para quedarse.
Pero es una parte del conjunto de herramientas que tenemos a nuestra disposición, no el conjunto entero.
Es cierto que hay algunas (relativamente pocas) empresas que manejan un volumen de información que hace imprescindible el uso de Big Data.
También es cierto que hay algunos casos de uso en los que la tecnología ahora permite solucionar problemas que antes no se podía o se hacía de manera ineficiente. En mi opinión por ejemplo los casos de real time.
Pero me atrevería a decir que en el 95% de los casos de negocio actualmente llamados Big Data realmente no es necesaria la tecnología Big Data, y que sube hasta el 99% el porcentaje de empresas que no necesitan Big Data en su sentido estricto.
Realmente en ambos casos estamos hablando de Analytics, que después podrá ser implementado sobre tecnología “tradicional” en la mayoría de las situaciones o sobre Big Data en las que lo requiera.
El proceso a la hora de afrontar una necesidad de negocio siempre debería ir desde el negocio hacia la tecnología.
Es decir, primero hacer una buena descripción desde el negocio y entender bien el mismo.
Después el nivel de Analytics, seleccionar las metodologías y técnicas analíticas que permiten solucionar el problema.
Y por último la tecnología, identificando el stack tecnológico que pueda respuesta a los requerimientos de negocio como a las técnicas analíticas que hay que aplicar.
Pero seamos sinceros,
Actualmente si un planteamiento no lleva la etiqueta Big Data parece que está desfasado y que no va a aportar valor. Algo que es totalmente falso según lo que hemos explicado en este post, pero así está ocurriendo.
De esta forma cada vez se está viendo más la etiqueta Big Data Analytics. Yo mismo la utilizo en este blog. Como un intento de poner el foco en la parte de Analtyics y negocio, y no tanto en la tecnología.
Con el tiempo y la evolución que seguirán las plataformas de Analytics la palabra “Big” se caerá y se quedará “Data Analytics”, ya que el analista sólo se preocupará de explotar la información, y la plataforma se adaptará de forma transparente al tamaño y tipo de los datos que se estén analizando.
Pero eso ya es contenido para otro post.
