Introducción
«Big Data nos hace más inteligentes, no más sabios «. – Tim Leberecht.
El término ‘Big Data’ se introdujo en la década de 1940. Compañías de todas partes han realizado incesantes esfuerzos para explorar su potencial. Los gigantes tecnológicos mundiales han aumentado enormemente su gasto en aprovechar las tecnologías de big data. Esta tendencia se replicó rápidamente entre los principales actores de la industria.
Como consecuencia, de acuerdo con un pronóstico emitido por la firma de investigación (IDC), la tecnología y los servicios de big data crecerán a una tasa compuesta anual del 23 por ciento hasta 2019. El gasto anual de big data alcanzará los 48.600 millones de dólares en 2019.
¡Así es como se aceptan los servicios de big data en todo el mundo!
Big Data ha dado un «rayo de esperanza» a las compañías y les ha permitido hacer uso de datos de cualquier tamaño y volumen. Los bits de datos recopilados por medio de nuestros teléfonos móviles, GPS, dispositivos sensores ya no son inútiles. Todos los datos recopilados se recopilan y procesan para obtener información útil sobre nosotros (clientes).
En medio de los crecientes beneficios de Big Data, la gente no ve las cosas que «hipocresía» hacer. Esto además fue sorprendente para mí. Pero pronto me di cuenta de que el Big Data siempre complementa la intuición empresarial, pero nunca puede reemplazarla.
En este post, les presento mi investigación de los últimos 7 días. Mi loca curiosidad me llevó hasta aquí. Simplemente no podía digerir el hecho de que los macrodatos disponen todo lo que se necesita para que una compañía tenga éxito. Big Data es «capaz» de muchas cosas. Pero ‘incapaz’ además.
Nota: Mis pensamientos no son exhaustivos, sino un intento de poner un marco. No dude en agregar sus perspectivas en la sección de comentarios a continuación.
Hack de datos del Black Friday – Faltan 9 días – Gana premios increíbles
Ejercicio ‘diminuto’ sobre datos ‘grandes’
Este ejercicio nos preparará para el futuro. Debemos conocer las cosas que están por venir. Por eso, si estás leyendo esto, te invito a que intentes solucionar esta cuestión. Solo necesitas escribir (aún cuando ya he compartido la solución):
”5 cosas que Big Data puede hacer” y “5 cosas que Big Data nunca puede hacer”.
A modo de ejemplo, si concluyo usando una lógica que X no es factible usando ninguna plataforma tecnológica con Big Data. Simplemente eliminaré todos los problemas comerciales relacionados con X. ¿Lo comprendes?
A continuación está mi lista. Si no está de acuerdo con alguno de los ítems de mi lista, ¡justifíquelo! Me encantará modificar esta lista con el tiempo. Comencemos con una breve nota sobre mi ideología sobre el uso de la intuición empresarial y la analítica empresarial.
La regla 80:20
La regla dice
«El 80% del tiempo se dedica a crear historias a partir de datos anteriores y el 20% del tiempo se dedica a conectar esas historias con el negocio actual».
Explicación: Creo que ningún conocimiento analítico es útil hasta que esté sincronizado con la intuición empresarial. De acuerdo ? Al mismo tiempo, wal mismo tiempo, los El componente impulsado por datos tiene crecido exponencialmente. Las compañías ahora están inundadas de datos. Pero, ¿eso verdaderamente marcaría la diferencia? ¡No!
Las compañías deben darse cuenta de que una combinación correcta de análisis de negocios exitosos sobre la intuición de negocios requerida está en una proporción de 80:20.
Si podemos construir una historia usando análisis que describan el pasado para predecir las expectativas futuras el 80% del tiempo, debemos invertir el 20% del tiempo pensando en cómo esta información es útil para los negocios. Debemos pensar en formas que puedan cambiar nuestro futuro y lograr nuestros objetivos comerciales más amplios. Esto necesita una sólida comprensión comercial y un sólido conocimiento de las reglas comerciales.
El componente del 20% en esta regla no es reemplazable. Es por esto que, Se necesita la intervención humana para solucionar este 20% y posiblemente ninguna máquina pueda compensarlo. Ni siquiera inteligencia artificial. Debido a que los humanos piensan de una manera indefinida que conduce a la imaginación. La imaginación es lo que creo que ninguna máquina puede aportar. Mi lista está inspirada en esta regla.
5 cosas que Big Data ‘PUEDE’ hacer
- Análisis de diagnóstico : Lo hacemos todos los días. Las máquinas son excelentes en esto. Una vez que ocurre un evento, nos interesa buscar sus causas. A modo de ejemplo, supongamos que hay una tormenta de arena en el Desierto A. Tenemos todos los parámetros en diferentes regiones del Desierto A: Temperatura, Presión, Camellos, Carreteras, # Autos, etc. Si podemos relacionar los parámetros con la tormenta de arena en ese área, si conocemos algunas relaciones causales, posiblemente podamos evitar las tormentas de arena. ¡Imagínese lo poderosos que son los macrodatos!
- Análisis predictivo : Hacemos esto a menudo. ¡El análisis predictivo está en nuestro ADN! A modo de ejemplo, tenemos una cadena de hoteles en todo el mundo. Ahora necesitamos hallar cuál de estos hoteles no alcanzará sus ventas objetivo. Y si lo sabemos, podemos centrar nuestros esfuerzos en estos hoteles. Esto se convierte en un obstáculo clásico del análisis predictivo.
- Hallar vinculación entre ítems / eventos desconocidos : Me encanta esta parte del análisis. Digamos que el número de trabajadores de ventas literalmente no tiene vinculación con las ventas. Entonces posiblemente pueda reducir el número de trabajadores de ventas si eso no produce ninguna otra pérdida.
- Análisis prescriptivo : Este es el futuro de la analítica. Digamos que estamos tratando de predecir un ataque terrorista en un destino popular y una factible estrategia para trasladar a las personas de manera segura. Para hacer esta predicción, debe realizar una serie de predicciones, que pueden implicar predecir el número de turistas, posteriormente el número de turistas en esa ubicación, posteriormente predecir el área que puede verse afectada por una explosión, etc., etc.
- Supervisión de un evento a medida que ocurre : La mayoría de las personas de la industria trabajan en el seguimiento de eventos. A modo de ejemplo, necesita monitorear la solución de una campaña y hallar segmentos que respondieron más y menos. Estos análisis se vuelven cruciales para administrar un negocio.
5 cosas que Big Data ‘NO PUEDE’ hacer
- Predecir un futuro definitivo : Podemos lograr 90 grados más altos en términos de precisión usando sofisticadas herramientas de aprendizaje automático. A pesar de esto, nunca cumple el 100% de precisión. Si pudiéramos hacer eso, podría haberle dicho exactamente a quién dirigirse y haber logrado una tasa de respuesta del 100% en todo momento. Pero, desgraciadamente, ¡nunca sucederá!
- Imputación de nueva fuente de datos : La imputación toma la mayor parte del tiempo en cualquier análisis. Y creo que aquí es donde aportas tu imaginación y comprensión empresarial. Posiblemente, una de las piezas más aburridas de tu análisis de la que nunca te librarás.
- Encuentre una solución creativa a un obstáculo empresarial : La imaginación es una cosa que siempre será una patente de la raza humana. Ninguna máquina puede hallar una solución creativa a un obstáculo. Esto se debe a que inclusive la IA está codificada por humanos y la imaginación nunca se aprende por medio de algoritmos.
- Hallar solución a un obstáculo no tan bien definido : El mayor desafío en la analítica es dar forma a un obstáculo de analítica a partir de un obstáculo empresarial. Si puede hacer esto bien, está en el camino correcto para convertirse en una superestrella de la analítica. Este papel es algo que las máquinas nunca te pueden quitar. A modo de ejemplo, su problema empresarial es administrar el desgaste. Hasta el momento, a menos que defina los respondedores, el tiempo pasa, etc. Ningún algoritmo predictivo puede ayudarlo.
- Administración de datos / Simplifique los datos para una nueva fuente de datos : Con el aumento de datos, la administración de datos se torna cada vez más difícil. Estamos avanzando con diferentes tipos de estructuras de datos para diferentes tipos de datos. A modo de ejemplo, los datos gráficos pueden ser adecuados para el análisis de redes, pero son inútiles para los datos de la campaña. Esta información es nuevamente que la máquina no puede analizar.
Notas finales
Creo que este post alcanzará su verdadero potencial si la gente comienza a probar el ejercicio de este post. Intente pensar en una visión más holística donde pueda ver lo que la máquina nunca puede hacer. A modo de ejemplo, mi punto de partida fue la regla 80:20 de que la máquina no puede aportar imaginación. Este punto de partida me ayudó a pensar en cuáles son las piezas que necesitan imaginación en el procedimiento de análisis.
¿Cuál es tu lista de cosas que hacer / no hacer? ¿Te gustó esta publicación? Escriba sus comentarios en el cuadro a continuación.
