Soy apasionada de la tecnología y me gusta pensar en un futuro en el que vamos a estar rodeados de robots con los que interactuemos, que probablemente aprenderán de nosotros. Pero para eso hace falta mucho tiempo y mucho trabajo por parte de las empresas para ir transformándose hacia una cultura del dato, en la que manejemos los datos con soltura y extraigamos el conocimiento necesario para poder transmitirlo a los robots. Supongo que saben que las empresas se están transformando digitalmente, que todos los procesos se automatizan, que cada vez disponemos de más datos generados por nosotros mismos o por las cosas que usamos habitualmente.
Y es que vivimos a día de hoy en una sociedad hiperconectada a través de dispositivos de muy diversa índole. Ya no solo el móvil, sino la TV que está en tu casa o el coche que conducimos generan continuamente datos de nuestro comportamiento como seres humanos. Esto genera miles de petabytes (1.015 en el sistema internacional) de información. En seguida llegaremos al exabyte (1.018), al zettabyte (1.021) y al yottabyte (1.024); incluso, por qué no, ¿llegaremos a inventar también el googolbyte (10.100) para medir toda esta información?
¿Pero qué hacemos con esa información y cómo podemos obtener conocimiento y por tanto sacar valor de ella? Hace falta para ello que las empresas estén preparadas con infraestructuras que permitan la ‘ingesta’ (extracción y almacenamiento) y análisis de esos datos para poder convertirlos en insights (hechos que descubrimos al analizar los datos) que sirvan a negocio para la toma de decisiones, por ejemplo, predecir las causas cuando un cliente se va de una empresa. Ahora podemos hacerlo porque la tecnología ha avanzado, pero… ¿cómo nos preparamos en las empresas para ello?
Departamentos transversales
Se necesita crear departamentos transversales en las empresas que provean servicios de datos a otros departamentos, que sean habilitadores para la toma de decisiones. ¿Cómo hacer esto? Lo primero y más necesario es contar con una estrategia clara por parte del CDO para saber qué tipo de valor se puede aportar a la compañía al extraer la información de este enorme volumen de datos, como solución a las necesidades que tiene negocio. Definir una serie de casos de uso que realmente de- muestren que el valor obtenido con esta nueva manera de procesar estos datos es mayor que el obtenido anteriormente. A partir de estos casos de uso, hay que tener la prioridad establecida en base a determinados KPI como puede ser ROI, tiempo de desarrollo y/o la dificultad de los mismos. Una vez priorizados, y definido el objetivo de cada uno de ellos, hay que saber con qué datos contamos. ¿Los tenemos?, ¿es necesario que los generemos? o ¿los podemos obtener de fuentes externas a la empresa? Estas preguntas son fundamentales para saber si disponemos de histórico de los datos y podemos empezar a analizarlos. Pero, ¿dónde se lleva a cabo la ingesta de estos datos y quién se va a encargar de ello en las empresas? Para estos datos, que generan un volumen enorme de información, no nos sirven solo los sistemas tradicionales data warehouse (DWH), que solo pueden manejar información estructurada, sino que tenemos que crear una nueva arquitectura big data, con un ecosistema basado en nuevas formas de procesar y almacenar los datos, que nos permita extraer estos datos de sus fuentes, bien sean estructurados o no estructurados, guardar estos datos y transformarlos para poder analizarlos. Todos estos procesos incluido el análisis y visualización de los datos son llevados a cabo por perfiles que hasta hace bien poco no existían y están ahora apareciendo en el mercado pero en pequeñas cantidades.
¿Llegaremos a inventar también el googolbyte (10.100) para medir toda esta información?
Ingeniero de datos
Así, por ejemplo, los procesos de recolección de las fuentes y su almacenamiento y tratamiento posterior son llevados a cabo por un nuevo perfil llamado data engineer. Los responsables de montar esta nueva arquitectura para almacenamiento y procesamiento de los datos son los data architect, que usan el ecosistema Hadoop a través de sus distribuciones comerciales y ensamblan sus componentes a modo de mecano, donde las piezas serían las componentes de la arquitectura por donde pasan los datos como si de combustible se tratara. Estos datos son analizados por un nuevo y relevante rol, los data scientist, encargados de encontrar los patrones para poder predecir nuevos datos en base a estos patrones y, por último, los data visualization specialist, que se encargan de representar con visualizaciones entendibles por el usuario de negocio todos estos datos y sus patrones para que tomen decisiones basadas en estos datos a través de su representación visual y analítica. Todo ello bajo la coordinación del data translator, que es la figura dentro del área de big data que se encarga de traducir las necesidades de negocio en objetivos hacia los que los data scientist, data engineers y data visualizadores, se puedan dirigir. ¿Creen que va a llegar el momento en que los robots puedan imitar nuestro comportamiento si les damos estos patrones de conducta nuestra obtenidos a través del volumen tan inmenso de datos que generamos como individuos? Este es uno de los dilemas que tendremos que averiguar en los próximos años. De momento, en las empresas, tenemos que innovar en cuanto a nuestra forma de procesar los datos y dar respuesta a nuestros clientes para incrementar su nivel de satisfacción. Vivimos en la era de la inmediatez, donde queremos respuestas a todo en el momento. Solo tenemos que abrir un navegador y preguntar por lo que necesitamos en la barra del explorador, con nuestro lenguaje natural, que nos mostrará una lista de páginas que contienen información relacionada con el tema que buscamos. Lo mismo nos pasa con las cosas. Abrimos Amazon y encontramos el artículo que buscamos, lo encargamos y en una hora podemos tenerlo en casa. Igualmente nos está pasando en nuestro entretenimiento. ¿Quién no ha visto una película en Netflix o Internet en el momento que la quería ver?, ¿quién no ha leído un libro de iTunes?
La empresa de hoy ha de evolucionar para dar servicio al nuevo patrón de cliente digital al que vamos. Todos estos procesos nos están llevando a un mundo de acción, donde el pensamiento se transforma en el momento en acción. Así debe funcionar la empresa del futuro, la empresa basada en los datos como combustible que permita realizar acciones inmediatas para llegar más rápidamente al cliente, proporcionando de esta forma un servicio que se está demandando y que nos permitirá ser una empresa competitiva en cuanto a generación de servicios de forma inmediata a nuestros consumidores, tanto si quieren una prenda, móvil, libro, película, incluso un nuevo terminal móvil o quizás conocer aspectos de su negocio en tiempo real. El modelo de negocio de la empresa tradicional ha de cambiar hacia el servicio al nuevo patrón de cliente digital. Pero… ¿serán los robots parte de nuestros clientes en el futuro?
Fuente: http://www.computing.es
Cookie | Duración | Descripción |
---|---|---|
__cf_bm | 1 hour | This cookie, set by Cloudflare, is used to support Cloudflare Bot Management. |
_GRECAPTCHA | 6 months | Google Recaptcha service sets this cookie to identify bots to protect the website against malicious spam attacks. |
cookielawinfo-checkbox-advertisement | 1 year | Set by the GDPR Cookie Consent plugin, this cookie records the user consent for the cookies in the "Advertisement" category. |
cookielawinfo-checkbox-analytics | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Analytics". |
cookielawinfo-checkbox-functional | 11 months | The cookie is set by GDPR cookie consent to record the user consent for the cookies in the category "Functional". |
cookielawinfo-checkbox-necessary | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookies is used to store the user consent for the cookies in the category "Necessary". |
cookielawinfo-checkbox-others | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Other. |
cookielawinfo-checkbox-performance | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Performance". |
CookieLawInfoConsent | 1 year | CookieYes sets this cookie to record the default button state of the corresponding category and the status of CCPA. It works only in coordination with the primary cookie. |
csrftoken | 1 year | This cookie is associated with Django web development platform for python. Used to help protect the website against Cross-Site Request Forgery attacks |
opt_out | 1 year | This cookie is used for preventing the installation of third party advertiser or other cookies on the browser. |
PHPSESSID | 24 minutes | This cookie is native to PHP applications. The cookie stores and identifies a user's unique session ID to manage user sessions on the website. The cookie is a session cookie and will be deleted when all the browser windows are closed. |
rc::a | never | This cookie is set by the Google recaptcha service to identify bots to protect the website against malicious spam attacks. |
rc::b | session | This cookie is set by the Google recaptcha service to identify bots to protect the website against malicious spam attacks. |
rc::c | session | This cookie is set by the Google recaptcha service to identify bots to protect the website against malicious spam attacks. |
rc::f | never | This cookie is set by the Google recaptcha service to identify bots to protect the website against malicious spam attacks. |
ts | 1 year 1 month | PayPal sets this cookie to enable secure transactions through PayPal. |
usprivacy | 1 year 1 month | This is a consent cookie set by Dailymotion to store the CCPA consent string (mandatory information about an end-user being or not being a California consumer and exercising or not exercising its statutory right). |
viewed_cookie_policy | 11 months | The cookie is set by the GDPR Cookie Consent plugin and is used to store whether or not user has consented to the use of cookies. It does not store any personal data. |
wordpress_test_cookie | session | WordPress sets this cookie to determine whether cookies are enabled on the users' browsers. |
Cookie | Duración | Descripción |
---|---|---|
cX_G | 1 year 1 month | Cxense sets this cookie for storing the global ID, mapping different ids together into one ID. |
v1st | 1 year 1 month | The v1st cookie is set by TripAdvisor to collect details about how visitors use the website, by displaying user reviews, awards and information received on the TripAdvisor community. |
yt-player-headers-readable | never | The yt-player-headers-readable cookie is used by YouTube to store user preferences related to video playback and interface, enhancing the user's viewing experience. |
yt-remote-cast-available | session | The yt-remote-cast-available cookie is used to store the user's preferences regarding whether casting is available on their YouTube video player. |
yt-remote-cast-installed | session | The yt-remote-cast-installed cookie is used to store the user's video player preferences using embedded YouTube video. |
yt-remote-connected-devices | never | YouTube sets this cookie to store the user's video preferences using embedded YouTube videos. |
yt-remote-device-id | never | YouTube sets this cookie to store the user's video preferences using embedded YouTube videos. |
yt-remote-fast-check-period | session | The yt-remote-fast-check-period cookie is used by YouTube to store the user's video player preferences for embedded YouTube videos. |
yt-remote-session-app | session | The yt-remote-session-app cookie is used by YouTube to store user preferences and information about the interface of the embedded YouTube video player. |
yt-remote-session-name | session | The yt-remote-session-name cookie is used by YouTube to store the user's video player preferences using embedded YouTube video. |
ytidb::LAST_RESULT_ENTRY_KEY | never | The cookie ytidb::LAST_RESULT_ENTRY_KEY is used by YouTube to store the last search result entry that was clicked by the user. This information is used to improve the user experience by providing more relevant search results in the future. |
Cookie | Duración | Descripción |
---|---|---|
_gat | 1 minute | Google Universal Analytics sets this cookie to restrain request rate and thus limit data collection on high-traffic sites. |
dmvk | session | The dmvk cookie is set by Dailymotion to record data of visitor behaviour on the website. |
Cookie | Duración | Descripción |
---|---|---|
_fbp | 3 months | Facebook sets this cookie to display advertisements when either on Facebook or on a digital platform powered by Facebook advertising after visiting the website. |
_ga | 1 year 1 month 4 days | Google Analytics sets this cookie to calculate visitor, session and campaign data and track site usage for the site's analytics report. The cookie stores information anonymously and assigns a randomly generated number to recognise unique visitors. |
_gid | 1 day | Google Analytics sets this cookie to store information on how visitors use a website while also creating an analytics report of the website's performance. Some of the collected data includes the number of visitors, their source, and the pages they visit anonymously. |
cX_P | 1 year 1 month | Cxense sets this cookie for site-specific user sessions - across sessions. |
Cookie | Duración | Descripción |
---|---|---|
guest_id | 1 year 1 month | Twitter sets this cookie to identify and track the website visitor. It registers if a user is signed in to the Twitter platform and collects information about ad preferences. |
test_cookie | 15 minutes | doubleclick.net sets this cookie to determine if the user's browser supports cookies. |
VISITOR_INFO1_LIVE | 6 months | YouTube sets this cookie to measure bandwidth, determining whether the user gets the new or old player interface. |
VISITOR_PRIVACY_METADATA | 6 months | YouTube sets this cookie to store the user's cookie consent state for the current domain. |
YSC | session | Youtube sets this cookie to track the views of embedded videos on Youtube pages. |
yt.innertube::nextId | never | YouTube sets this cookie to register a unique ID to store data on what videos from YouTube the user has seen. |
yt.innertube::requests | never | YouTube sets this cookie to register a unique ID to store data on what videos from YouTube the user has seen. |
Cookie | Duración | Descripción |
---|---|---|
__cflb | 1 day | This cookie is used by Cloudflare for load balancing. |
_awl | 1 year 1 month | No description available. |
_pcid | 1 year 1 month | Description is currently not available. |
_pctx | 1 year 1 month | Description is currently not available. |
gckp | 1 year | This cookie is set by the provider Cxense. This cookie is used for building user profile information across all sites in the Cxense network. |
itsec-hb-login-27e4caa2b0fb20a2dee118de04e9de77 | 1 hour | Description is currently not available. |
ntvSession | session | Description is currently not available. |