Los 3 principales motivos para clasificar los datos

Categorías relacionadas:

whitepaper-veritas-noviembre-clasificacion-datos

El exorbitante volumen de datos, junto con nuestra dependencia innata a los dispositivos electrónicos, genera una avalancha de información digital que ha convertido a la clasificación de los datos en una exigencia operativa fundamental. Aquí tres motivos para hacerlo.

Descarga el documento

Leer más...



La tecnología cuántica formará un volumen de negocio de más de 2,100 MDD

Categorías relacionadas:

computo-cuantico

Según los analistas, la tecnología cuántica generará un gran volumen de negocio en los próximos años debido al crecimiento constante de las necesidades de seguridad en la transmisión de datos en línea. De hecho, y según Global Industry Analysts este mercado será superior a los 2,100 millones de dólares para 2024.

Leer más...



¿Qué es un científico de datos? ¿Cuánto gana y qué aporta?

Categorías relacionadas:

que-es-cientifico-de-datos

En términos llanos, los científicos de datos (Data Scients o DS) son los responsables de descubrir ideas a partir de cantidades masivas de datos estructurados y no estructurados para ayudar a dar forma o satisfacer las necesidades y objetivos específicos del negocio.

El papel del científico de datos en el análisis de datos es cada vez más importante, ya que las empresas dependen cada vez más de las grandes cantidades de datos y su análisis para impulsar la toma de decisiones.

El objetivo principal de este puesto es organizar y analizar grandes cantidades de datos, a menudo utilizando software diseñado específicamente para la tarea. Los resultados finales del análisis de datos deben ser lo suficientemente fáciles para que todos los interesados ​​puedan comprender, en especial aquellos quienes trabajan fuera del área de TI.

El enfoque que debe darle al análisis de datos depende no sólo de su industria, sino también de las necesidades específicas del negocio o departamento para el que está trabajando. Antes de que un científico de datos pueda encontrar significado en los datos estructurados o no estructurados, los líderes empresariales, los departamentos y los gerentes deben comunicar lo que buscan.

Como tal, un científico de datos requiere tener suficiente experiencia en el dominio de negocios para traducir objetivos de la empresa o departamentos en entregas basadas en datos tales como motores de predicción, análisis de detección de patrones, algoritmos de optimización y similares.

Cuánto cobra un científico de datos

En 2016, la Oficina de Estadísticas Laborales (BLS) de Estados Unidos informó que el salario promedio de un científico de datos alcanzó los 111,800 dólares al año. Es un campo de rápido crecimiento y muy lucrativo, ya que según las predicciones del BLS, los puestos de trabajo en este campo crecerán un 11% para el 2024.

¿Qué hace un científico de datos?

La responsabilidad principal de un científico de datos es el análisis de datos, un proceso que comienza con la recopilación de datos y termina con las decisiones de negocios tomadas sobre la base de los datos finales del análisis.

Los datos que analiza se basan en una serie de fuentes y hay dos tipos: los datos estructurados y los no estructurados. Los primeros se organizan por categorías que facilitan la ordenación, lectura y organización de una computadora de forma automática. Esto incluye datos recopilados por servicios, productos y dispositivos electrónicos, pero rara vez se recopilan datos de entrada humana. Asimismo, los datos de tráfico del sitio web, cifras de ventas, cuentas bancarias o coordenadas GPS recopiladas por el teléfono son formas estructuradas de datos.

Es más probable que los datos no estructurados, la forma de datos de más rápido crecimiento, provengan de la información humana: comentarios de los clientes, correos electrónicos, videos, publicaciones de redes sociales, etc. Estos datos suelen ser más difíciles de clasificar y menos eficientes para gestionar con tecnología.

Normalmente, las empresas emplean a los científicos de datos para manejar estos datos no estructurados, mientras que otro personal de TI será responsable de administrar y mantener datos estructurados. Sí, los científicos de datos probablemente tratarán con un montón de datos estructurados en sus carreras, pero las empresas quieren aprovechar cada vez más los datos no estructurados para conseguir sus ingresos.

Requisitos del científico de datos

Cada industria tiene su propio perfil de datos grande que un especialista de este tipo podría analizar. Estas son algunas de las formas más comunes, de acuerdo con el BLS:

Negocios: Hoy en día, los datos configuran la estrategia empresarial de casi todas las empresas, pero éstas necesitan que los científicos de datos den sentido a esa información. Por ejemplo, un análisis de los datos empresariales puede informar las decisiones sobre eficiencia, inventario, errores de producción, lealtad del cliente y más.

Comercio electrónico: Ahora que los sitios web recogen más que datos de compra, los científicos de datos ayudan a las empresas de comercio electrónico a mejorar el servicio al cliente, a encontrar tendencias y desarrollar servicios o productos.

Finanzas: Los datos sobre cuentas, transacciones de crédito y débito, y datos financieros similares son vitales para un negocio, pero para los científicos de datos en este campo, la seguridad y el cumplimiento, incluida la detección de fraude, también son preocupaciones importantes.

Gobierno: Los grandes datos ayudan a los gobiernos a tomar decisiones, apoyar a los gobernantes y supervisar la satisfacción general. Al igual que el sector financiero, la seguridad y el cumplimiento son una preocupación fundamental para los científicos de los datos.

Ciencia: Los científicos siempre han manejado los datos, pero ahora con la tecnología, pueden recopilar, compartir y analizar datos de los experimentos.

Red social: Los datos de redes sociales ayudan a informar la publicidad específica, mejorar la satisfacción del cliente, establecer tendencias en los datos de ubicación y mejorar las características y servicios.

Salud: En este sector, los científicos de datos pueden ayudar a mejorar los servicios de salud y descubrir tendencias que podrían pasar desapercibidas de otra manera.

Telecomunicaciones: todos los dispositivos electrónicos recolectan datos y todos esos datos necesitan ser almacenados, administrados, mantenidos y analizados. 

Sarah K. White, CIO EEUU

Leer más...



Reporte Especial: Cómo obtener el máximo valor y calidad de los datos

Categorías relacionadas:

Big-Data-analitica

El término “Big Data” apareció por primera vez en 1997 en un documento de la NASA titulado Application-Controlled Demand Paging for Out-of-Core-Visualization, en el cual Michael Cox y David Ellsworth explicaban cómo se habían topado con la dificultad de visualizar grandes cantidades de información.

Dos décadas después de aquel hecho, en este 2017 se puede afirmar que, al igual que los dispositivos móviles y la nube, el Big Data y la analítica avanzada han cambiado a las organizaciones y a los procesos empresariales, aunque en países como México, falta un largo trecho por recorrer.

Claudia Medina, Gerente de Investigación de Enterprise en IDC México, afirma que sólo el 8% de las empresas en nuestro país tienen una estrategia completa en esta tecnología. “Hemos sondeado las preferencias de los directivos del área de TI y estimamos que, tan sólo en 2016, un 23% de las empresas estaban pensando en implementar una estrategia de Big Data y/o analítica. De este porcentaje, un 13% estaba planeando hacerlo en los siguientes meses bajo esquemas de contratación como es cloud, que se está fusionando bastante con los temas de Big Data y analítica”.

En efecto, el año pasado las organizaciones llevaron cada vez más los proyectos de análisis de datos a la producción, buscando la capacidad de aprovechar mejor los datos internos y externos o para comprender mejor a sus clientes aumentando la eficiencia.

Un informe de IDC señala que sólo el 1% de los datos a nivel mundial que circulan está siendo analizado, y para el 2020, se estima que habrá unos 30 millones de dispositivos conectados a la red generando información.

En específico, los ingresos calculados por IDC para las soluciones de Big Data y analítica pasarán de los 122,000 millones de dólares actuales a 187,000 millones de dólares previstos para el 2019, lo que supone un aumento de más del 50% en cinco años. Los servicios relacionados con estas tecnologías moverán más de la mitad del total. Asimismo, el gasto en Big Data y analítica alcanzará los 187,000 millones de dólares para ese año, según la firma consultora.

Reporte-Especial-Claudia-Medina-IDC-Mexico

Claudia Medina, Gerente de Investigación de Enterprise en IDC México.

Pero más que un gasto, los recursos destinado a Big Data y/o analítica deben ser visto como una inversión, porque este tipo de soluciones nos ayuda a darle valor a la información de modo que ésta sea de fácil consulta, sea oportuna e impacte diversas áreas de la organización. “Incluso puede llegar a significar –en una etapa avanzada– una monetización del análisis, esto es, que se puedan generar alianzas o estrategias de venta cruzada, o vender las tendencias de información que está arrojando la analítica de los datos”, como asevera Claudia Medina, de IDC México.

Además, “los proyectos de Big Data y analytics van más allá de la tecnología, de manera que los factores del éxito o fracaso de este tipo de proyectos tiene más que ver con una definición y alineación de los objetivos de negocios que se están buscando”, afirma por su parte Sergio Mandujano, Director de Preventas y CTO de CA Technologies en México.

Según este directivo, el éxito de los proyectos de Big Data guarda una relación directa con la calidad de la información que se esté procesando, de tal forma que si ésta tiene una calidad adecuada, los análisis por medio del uso de la misma también pueden tener la asertividad que se necesita.

Por el contrario, señala que cuando una aplicación se relaciona con volúmenes de información altos, hay un mayor riesgo de que el desempeño de ese aplicativo no sea el que se espera. “Es por ello que todas las organizaciones deben considerar el tema de experiencia de usuario, de tal forma que puedan garantizar que el manejo de grandes volúmenes de información no impacte el rendimiento de las aplicaciones y puedan obtener una experiencia de usuario adecuada para lograr los objetivos que buscan”, considera Mandujano.

¿Cómo puede ser rentable el Big Data?

La transformación digital, proceso actualmente en boga, pasa por diferentes áreas: la experiencia del cliente, los puestos de trabajo de los empleados, la cultura de la empresa… pero como “ladrillo” que sustenta el edificio aparece el Big Data. Así lo señala el informe The Big Data Payoff: Turning Big Data into Business Value, elaborado por Informatica y Capgemini: “Las empresas que más progresan con el uso de iniciativas de Big Data son aquellas que tienen un modelo de gobernanza bien estructurado, un enfoque disciplinado hacia la implementación y una alta dirección comprometida”.

Este informe se sustenta en más de 200 encuestas aplicadas a ejecutivos senior de TI y de gestión de datos, y en él se afirma que menos de un tercio (27%) de los proyectos de Big Data son actualmente rentables, ¿cómo es posible esto?

Todo indica que el “factor” que correlaciona la rentabilidad con el Big Data está determinado por “quién gobierna” la estrategia. Según la encuesta, tanto los COO (Directores de Operaciones) como los CDO (Directores de Datos) tienen el doble de posibilidades que los CIO (Directores de TI) de llegar a dirigir proyectos rentables de Big Data

Reporte-Especial-Sergio-Mandujano-CA-Technologies

Sergio Mandujano, Director de Preventas y CTO de CA Technologies en México.

Más de la mitad de los encuestados declaró que los CIO son los responsables de la estrategia de Big Data en sus organizaciones, aunque parece que esta responsabilidad también se extiende a otras líneas de negocio, tal como refleja la posible intervención del COO (en el 20% de los casos consultados), del CTO (Director de Tecnología, con 16%) y del CMO (Director de Marketing, con el 16% de las respuestas).

Esto nos da idea de que existe una influencia –cada vez mayor– de otras áreas de negocio en las iniciativas de Big Data; además, las organizaciones que ya están obteniendo resultados de sus iniciativas de Big Data tienden a ser más eficientes en su esfuerzo por mejorar la calidad de los datos y el gobierno de los mismos, y en la aplicación de mejores normas dentro de la organización.

En efecto, tres cuartas partes (75%) de las empresas consultadas que afirmaron obtener rendimientos con el Big Data, señalaron que su progreso en la mejora de la calidad y el gobierno de los datos es “excelente” o “muy satisfactorio”, en comparación con el 50% que así lo considera del total de la muestra.

También un 75% de este segmento dijo que el área de estandarización y la mejora de la cohesión en la empresa son “excelentes” o “muy buenos”, en comparación con el 47% del total de encuestados.

Personal especializado en datos, principal carencia

Si bien existe un mercado potencial para crecer las aplicaciones de Big Data y/o analítica en nuestro país, es evidente que hay un factor clave que determinará su desarrollo: la escasez de mandos medios, llámense ingenieros de datos, analistas de datos e incluso los ejecutivos necesarios para gestionar este tipo de iniciativas.

En 2016, las organizaciones e instituciones ampliaron sus esfuerzos para capacitar, contratar y retener profesionales del sector, el Data Scientist (Científico de Datos) se ha convertido en una de las carreras más demandadas y de alto perfil en TI, ya que las empresas buscan la capacidad de hacer predicciones basadas en datos. Pero todavía no existe una forma única para convertirse en uno.

Y a medida que la demanda de los profesionales de análisis de datos explota, las universidades se apresuran a llenar el vacío con títulos de posgrado en Big Data.

Sin embargo, tanto los profesionales experimentados en la materia como las personas que buscan contratarlos están teniendo dificultades porque las organizaciones a menudo no entienden el papel del científico de datos y cuáles deberían ser sus responsabilidades.

Los científicos de datos pueden ser escasos, pero también lo son los gerentes que entienden la ciencia de los datos. Es por ello que el aprendizaje de máquina (machine learning) puede ayudarles a detectar oportunidades para el uso de estas disciplinas en la optimización de sus negocios.

Por su parte los directivos empresariales, acostumbrados a tomar decisiones basadas en instintos, tienen problemas para confiar en las ideas de datos y análisis. Esto no debería sorprendernos, pues las organizaciones que están llevando a fase de producción sus iniciativas de análisis de datos están aprendiendo qué preguntas deben hacer para asegurarse de que están utilizando las tecnologías, herramientas y plataformas adecuadas.

La información, ¿un valor intangible?

Esta es la pregunta que podrían formularse muchos CIO y responsables del manejo de grandes cantidades de datos al momento de proponer o justificar la puesta en marcha de un proyecto de Big Data o analítica.

Al respecto, un informe de la consultora Gartner sobre la creciente importancia de los datos y analítica advierte que, a pesar de que la información posiblemente cumpla con los criterios formales de un activo comercial, las prácticas contables actuales no permiten a las organizaciones capitalizarlo. En otras palabras, el valor de la información de una organización en general no se puede encontrar en ninguna parte del balance contable.

“Incluso en medio de la era de la información, esta no es tenida en cuenta por los que se encargan de hacer la valoración del negocio”, asegura Douglas Laney, Vicepresidente de Investigación en Gartner. Sin embargo, dijo que en los próximos años los responsables de valorar las inversiones corporativas “estarán obligados a considerar la riqueza de información de una empresa de forma adecuada”.

Reporte-Especial-Douglas-Laney-Gartner

Douglas Laney, Vicepresidente de Investigación en Gartner.

Un estudio de esta firma muestra que las compañías con una estrategia informática –como la contratación de un Jefe de Datos (CDO), la formación de equipos de ciencias de datos y la participación en la gobernanza de la información empresarial– están muy por encima del promedio del mercado.

“Cualquier persona que valore adecuadamente un negocio en el mundo cada vez más digital debe tomar nota de sus capacidades de datos y análisis, incluyendo el volumen, variedad y calidad de sus activos de información”, asevera Laney.

Inicialmente, Gartner señaló que los analistas de equidad e inversionistas institucionales considerarán sólo las capacidades técnicas de análisis y datos técnicos de una empresa y cómo su modelo de negocio proporciona una plataforma para capturar y aprovechar la información y no el valor real de sus activos de información.

Gartner afirma que los consejeros y directores ejecutivos no deben retrasar la contratación o nombramiento del Chief Data Officer o su equivalente para comenzar a optimizar la recopilación, generación, gestión y monetización de los activos de información antes de que los analistas de capital empiecen a hacer preguntas.

Por otra parte, la firma pronosticó que para 2019, se presentarán 250,000 solicitudes de patentes que incluyen reclamaciones de algoritmos. Las patentes de algoritmos se otorgan en Estados Unidos, la Unión Europea y muchos otros países. Cabe aclarar que no todos los algoritmos pueden ser patentados, pero muchos sí, incluso si las reglas de aplicación no son sencillas.

Para el año 2020, se estima que podría haber casi medio millón de solicitudes de patentes que mencionen “algoritmo” y más de 25,000 solicitudes de patentes para los propios algoritmos. Por ahora, de las 40 organizaciones que patentan la mayoría de los algoritmos de los últimos cinco años, treinta y tres son empresas y universidades chinas. La única compañía occidental dentro de las primeras 10 es IBM, que ocupa el décimo lugar.

“Pero a pesar de su creciente importancia, muchos grandes algoritmos en la empresa todavía están en la sombra y muchos directivos no lo valoran”, afirma Laney. “Los algoritmos pueden marcar la diferencia, basta al algoritmo PageRank de Google, el mp3 o el blockchain, como ejemplo de ello”.

Gartner recomienda que los responsables de análisis de datos trabajen junto a los directores empresariales para adoptar y desarrollar metodologías para valorar algoritmos y evaluar aquellos que deben ser patentados.

Razón de ser y desafíos

Por lo expuesto en este reporte, es evidente que tanto el Big Data como la analítica avanzada están transformando a las organizaciones. Éstas, decididas a ganar una ventaja competitiva –o simplemente seguir siendo competitivas– han invertido fuertemente en servicios, tecnología y personas, y la tendencia no muestra signos de que vaya a disminuir. “El objetivo final de Big Data y Analytics es crear fuentes adicionales de ingreso para las organizaciones ya sea ampliando el espectro de los servicios existentes hacia nuevos mercados o desarrollando servicios innovadores basados en los hábitos de consumos de sus clientes y usuarios, determinados a partir de los análisis de datos”, señala Sergio Mandujano, de CA Technologies.

Sin embargo, aún deben salvar al menos tres desafíos expuestos por Claudia Medina, de IDC México: 1) La integración de la información; 2) lograr calidad y estructura adecuada de la información; y 3) la seguridad de la misma. “Cuando se habla hoy de Big Data y analítica, nos referimos a que, mediante el análisis de datos históricos, se pueda tener visibilidad de lo que va a suceder, anticiparse a algunos hechos y tener la capacidad de reacción para implementar las estrategias adecuadas”, aseveró la analista.

RECUADRO

El Big Data como valor para la organización

Existen dos fases en los proyectos de Big Data: los que están en punto de equilibrio (de los cuales no se obtiene ni pérdidas ni ganancias) y los que de plano están generando pérdidas.

Sabemos que la mayoría de las organizaciones aún no están basadas en el conocimiento de sus datos, sin embargo, “poner en práctica el Big Data no es tan complejo como pudiera parecer, especialmente teniendo en cuenta los resultados positivos que se pueden recibir”, señala el estudio The Big Data Payoff: Turning Big Data into Business Value, elaborado por Informatica y Capgemini.

El estudio describe cuatro cimientos estratégicos que han seguido las organizaciones al emplear el Big Data de forma exitosa:

  1. Garantizar el respaldo y la intervención de los principales ejecutivos de la organización en las iniciativas de Big Data. Cualquier cargo por debajo del comité ejecutivo no es suficiente para impulsar cambios de valor duraderos.
  2. Ampliar la arquitectura de la información mediante la modernización de los sistemas de almacenamiento de datos, al tiempo que se integran las tecnologías nuevas de Big Data.
  3. Crear una estructura de gobierno de la estrategia de datos sólida y colaborativa, que propicie la agilidad organizativa, a la vez que sume la seguridad y la calidad de los datos.
  4. Fomentar una cultura corporativa que sea dinámica, que se fundamente en el uso de los datos e involucre tanto a la alta dirección como al resto de los empleados desde las primeras fases de desarrollo, utilización y mejora de las soluciones de Big Data.

____________________________

Por José Luis Becerra Pozas, CIO México

Leer más...



IoT y datos: un gran poder que conlleva una gran responsabilidad

Categorías relacionadas:

iot-datos-responsabilidad

El Internet de las Cosas (IoT) ha pasado de la etapa de la curiosidad y la especulación al punto en que prácticamente las aplicaciones de negocios se están construyendo sobre él y hay necesidad de un desarrollo más deliberado, así como políticas y normas para avanzar.

Actualmente estamos viendo aplicaciones extremadamente prácticas a través del llamado “Internet Industrial”, el enfoque de grupos como el Industrial Internet Consortium y compañías como GE, que incorporan sensores en equipos de resistencia industrial que van desde motores de aeronaves hasta herramientas de energía, aumentando drásticamente la eficiencia y la conciencia de los procesos de producción. De acuerdo a estimaciones de GE, hoy en día existen unos 10 mil millones de dispositivos conectados al Internet Industrial.

También hay emocionantes desarrollos impulsados por IoT que emergen en áreas tan amplias como la salud, la gestión urbana y la biología marina. Sobra decir que ahora hay mucho poder detrás del Internet de las Cosas, y con ello viene una gran responsabilidad.

De acuerdo con la empresa Informatica LLC, el IoT no se refiere realmente a las “cosas” sino a los datos que se mueven hacia adelante y hacia atrás entre estas cosas. En consecuencia, este año se han hecho importantes llamados a una “estrategia de IoT” nacional, que promueva el crecimiento económico a través del IoT, así como la protección de la seguridad y privacidad.

Hacia un esfuerzo gubernamental

En un artículo aparecido en CIO, Kenneth Corbin documentó algunas de las discusiones que tienen lugar entre los políticos sobre las implicaciones y posibilidades de los datos de IoT en Estados Unidos. Según Corbin, una política nacional en ese país ayudaría a solidificar el apoyo para cosechar los beneficios del IoT, al tiempo que restringiría una serie de regulaciones que podrían sofocar su potencial.

Se pide “un esfuerzo concertado en el gobierno federal, para reunir a las diversas agencias que tienen un papel en el entorno regulatorio para las aplicaciones de IoT y desarrollar una estrategia nacional cohesiva que identifique las áreas donde el gobierno podría estimular la inversión, innovación y la adopción. (Dicho esfuerzo) debe abarcar una amplia franja del gobierno federal, dado que los dispositivos de IoT y las aplicaciones están surgiendo en las industrias en todo el espectro regulatorio”, escribió Corbin.

Para este autor, los datos en sí mismos son una poderosa fuerza de innovación y están cada vez más en el centro de muchas discusiones políticas. Corbin cita un reciente informe del Centro para la Innovación de Datos, que concluye que hay “increíbles oportunidades de aprovechar los datos para abordar importantes asuntos sociales y fomentar el crecimiento económico”.

El Diluvio ­(de datos) que viene

Ha llegado el momento de que los responsables de la formulación de políticas –así como los estrategas corporativos– acepten los inmensos recursos de datos que IoT está generando. Para la analista Monika Jha “es el momento adecuado de prepararse y tener las medidas adecuadas para hacer frente al gran diluvio de datos que vendrá”. A nivel organizacional, esto requiere grandes estrategias y metodologías de datos más allá de lo que la mayoría de las empresas utilizan.

Esto no incluye herramientas analíticas ni plataformas, sino la infraestructura de red y presencia que puede hacer que esto suceda, afirma Jha. “La eficiencia del IoT depende de la transmisión efectiva de datos”, escribe. “Para que los dispositivos compatibles con IoT sean inteligentes y conectados, las empresas tendrán que crear una nueva infraestructura tecnológica. Junto con esa red, se requerirán comunicaciones para soportar conectividad y una nube de producto que contendrá la base de datos”.

Para que todo esto se implemente con éxito, será necesaria una plataforma en la que se establezcan las bases para la creación de aplicaciones de software que actúen como pasarelas para acceder a los datos del dispositivo. Esto, a su vez, permitirá que los datos sean comunicados a otros dispositivos en Internet, conectando así estos productos (o cosas) a sistemas empresariales”.

Para este2017, hay mucho trabajo –y mucho qué pensar– por delante, mientras que el IoT engulle el espacio de datos.

________

El autor de este artículo, Joe McKendrick, es especialista en soluciones de analítica de próxima generación y colaborador del blog de Informatica LLC.

Leer más...