El ‘big data’ i la transformació analítica

La posada en marxa de la transformació analítica i la gestió de dades pot ajudar els objectius estratègics de les empreses.

A l’hora de posar en marxa un projecte de big data, sorgeix la pregunta de per on començar. Les dades les podem classificar de tres maneres diferents: per volum, per varietat i per velocitat. Les noves tecnologies permeten crear una gran varietat i quantitat de dades i la velocitat de la seva creació és abismal. No obstant això, el volum de dades no és tan important; resulta més interessant la combinació de la seva varietat i velocitat. Així ho va explicar el professor d’Operacions, Innovació i Data Sciences d’ESADE, Manu Carricano, durant el Programa de Continuïtat Big data: extreure valor de la transformació analítica.

Un projecte de big data

Per a Carricano, els fonaments sobre els quals se sustenta la creació d’un projecte de big data són quatre: les fonts de dades i les eines que en permetin la connexió, la infraestructura per al tractament de tota la informació, l’anàlisi de les dades i, per acabar, les aplicacions, la interfície que arriba a l’usuari i li permet prendre decisions.

Segons Manu Carricano, alguns dels reptes, o frens, als quals s’enfronta un projecte de big data són la dificultat de l’accés a les dades, la seva qualitat i la seva propietat; la falta d’orientació del negoci als equips, tractar de manera separada les dues potes del big data (l’arquitectura de dades i les analítiques); i la tendència a tirar pel que és més sofisticat quan de vegades el millor resultat s’obté amb el que és més senzill.

L’avantatge competitiu no és tenir dades, sinó crear una pròpia plataforma o eina amb les dades que tenim. Aquí és on entren en escena els algoritmes, que permeten construir, entregar i consumir productes analítics.

La transformació analítica

La transformació analítica, que no ha de ser només d’un departament sinó per a tota l’organització, capacita l’orientació i suposa una competència nova per resoldre problemes en temps real, fent ús dels fluxos d’informació. A tall d’exemple, Procter & Gamble ha democratitzat l’accés a la dada, creant un programa que els proporciona prediccions de quotes de mercat en diferents terminis de temps, entre altres indicadors, i , per guanyar en eficiència, han analitzat tots els contractes amb centenars d’agències per renegociar-los.

Altres empreses que han invertit esforços en el big data són Walmart, que ja té gairebé la mateixa capacitat que Amazon i que és el big data més potent dels Estats Units pel que fa a la mida; o GE Digital, que ha orientat l’empresa cap al software, com una solució molt potent. I, en el cas d’Espanya, destaquen LUCA, de Telefònica, i BBVA Data & Analytics, que porten temps dedicats a la creació de productes analítics.

La recepta de la transformació analítica

Sobre com portar a terme la transformació analítica, el professor Carricano va exposar sis ingredients:

1.- Tenir una arquitectura de dades escalable, perquè s’ha de pensar a mitjà i llarg termini. Les variables que s’empren alimentaran un flux més analític, començant per coses senzilles que guanyin en complexitat amb el temps.

2.- Un equilibri entre producció, de dades i d’eines, i exploració, cosa que podríem considerar l’R+D del big data, per crear eines en el futur.

3.- L’accés ràpid als resultats per una gran part dels usuaris, presentant indicadors clars i precisos.

4.- Orientar les analítiques a les preguntes del negoci.

5.- Un mix d’algoritmes, la recepta màgica que ens solucionarà el problema.

6.- La força gravitatòria que barreja tots els ingredients: quins objectius volem aconseguir, quines accions hem de prendre i quins impactes es volen assolir.