Cada segundo se recopila una cantidad ingente de datos en el mundo. Las compañías demandan profesionales capaces de procesarlos y convertirlos en conocimiento sobre el que basar sus decisiones y diseñar estrategias de negocio.
Cada vez más organizaciones basan sus decisiones en la información que obtienen del análisis de grandes cantidades de datos. En España se han demandado 6.413 profesionales de ‘big data’ durante 2018 —un 17% más que en 2017—, según el informe que anualmente elabora InfoJobs sobre el estado del mercado laboral en España. Los datos son imprescindibles para el diseño de políticas y estrategias eficaces, pero por sí solos no aportan valor. Es necesario que alguien los procese y analice para convertirlos en información útil para cualquier empresa, gobierno u organización.
“En una cocina, los datos serían los ingredientes y la información sería el plato cocinado”, explica Rubén Casado, senior manager en Accenture y director del máster de Big Data de KSchool. Con los mismos datos, es posible conseguir diferentes informaciones: “Los datos van a dar una inteligencia que está metida dentro de ese maremágnum y sirven para conseguir la respuesta a una pregunta determinada”. El gran desafío para las empresas, por tanto, es conseguir dar significado a los datos y transformarlos para que realmente cuenten una historia útil y con rigor sobre los clientes, el negocio o la sociedad en general.
Cada segundo se recopilan millones de datos. Miles de sensores desplegados por ciudades de todo el mundo recogen desde la calidad del aire, el ruido o la temperatura hasta qué aparcamientos están libres u ocupados en diferentes calles o cuándo es necesario regar un jardín determinado. Los usuarios también generan datos con cada acción que realizan en su ‘smartphone’ o con cada interacción que mantienen con cualquier negocio. También, cada texto e imagen publicados ‘online’ son susceptibles de procesarse como datos para extraer información.
Estructurar los datos
Un ejemplo de este último tipo de análisis es el trabajo realizado por BBVA Research en el que se analizó la percepción del fenómeno ‘fintech’ a través de la información que se publica en Twitter y medios de comunicación mediante técnicas de ‘big data’ e inteligencia artificial. "El avance tecnológico pone a nuestra disposición todo un artilugio de datos y herramientas. Que esto se traduzca en conocimiento será función del analista, que tendrá que articular esta maraña de datos desestructurados, procesarlos y analizarlos para traducirlo en conocimiento e impulsar el crecimiento y bienestar social”, explica Tomasa Rodrigo, responsable de Big Data en BBVA Research y una de las responsables de este trabajo.
Los datos se pueden dividir, según su tipología, en estructurados y no estructurados. Los primeros son aquellos que de antemano tienen una estructura: “Por ejemplo, una persona tiene un nombre, un apellido y una fecha de nacimiento, y todos los datos que me lleguen de personas van a tener siempre esa información. Eso es muy fácil de procesar porque siempre sabes lo que te vas a encontrar”, añade el experto de Accenture. En cambio, hay formatos no estructurados como el texto, el audio, el vídeo o la fotografía. Casado señala que, antes de analizar este tipo de datos, es imposible saber qué hay dentro de ellos.
"Que esto se traduzca en conocimiento será función del analista, que tendrá que articular esta maraña de datos desestructurados, procesarlos y analizarlos para traducirlo en conocimiento e impulsar el crecimiento y bienestar social”
Para extraer la información necesaria para un negocio, es posible recurrir a datos internos —de la propia empresa— o externos. Por ejemplo, si una compañía desea ver si se está hablando bien o mal de ella, puede procesar los datos externos de Twitter u otras redes sociales. “O para optimizar cuándo tienen que salir las máquinas quitanieves y hacer el plan de distribución de las mismas, habría que coger las predicciones meteorológicas”, añade Casado.
En el contexto empresarial, el uso del ‘big data’ y la ciencia de datos para analizar datos no estructurados también ha permitido entender mejor el entorno en el que se desarrolla un negocio mediante el análisis de dinámicas sociales o tendencias geopolíticas y sus interconexiones con la economía “a través de la información de redes sociales y medios de comunicación”, añade Rodrigo. Otro ejemplo de ello es el trabajo que BBVA Research ha realizado utilizando técnicas de aprendizaje automático (‘machine learning’) para analizar, monitorizar, medir y entender la estrategia de comunicación de los bancos centrales mediante el análisis de sus publicaciones ‘online’ en forma de informes, notas de prensa, minutas y otros comunicados.
Cuando una compañía recopila datos, es porque le interesa extraer algo de ellos. Por ejemplo, quiere predecir cuántos clientes va a tener el próximo mes. “Para sacar esa información, que tiene un valor de negocio, es necesario conocer el histórico: todas las compras que se han hecho en el pasado, qué personas las han realizado, en qué fechas, qué productos tenía entonces en el catálogo”, explica Casado.
Decisiones basadas en datos
Todos estos datos deben ser analizados para obtener información que permita tomar mejores decisiones. “El ‘big data’ es el conjunto de tecnologías que nacieron para ser capaces de procesar mucha información que se genera de forma muy rápida o en tiempo real”, prosigue Casado. Existen herramientas que permiten adquirir los datos, almacenarlos de diferentes maneras, procesarlos y explotarlos.
En el sector de la banca hay múltiples proyectos basados en ‘big data’. BBVA trabaja para convertir los datos en valor a través de iniciativas como la AI Factory. Se trata del centro global de desarrollo de la entidad para la creación de capacidades de inteligencia artificial, tanto para sus soluciones a clientes como para la optimización de los procesos internos del grupo.
El banco ha desarrollado plataformas que aprovechan los datos para mejorar la experiencia del cliente y ofrecerle productos personalizados. Por ejemplo, BBVA Valora es un servicio que permite conocer el precio aproximado de compraventa de una nueva casa, comprobar cómo son los precios de viviendas similares por la zona y conocer el impacto que podría tener esta compra en las finanzas personales. BBVA también trabaja para desarrollar soluciones cada vez más personalizadas utilizando los datos que permitan ofrecer a los clientes recomendaciones de ahorro hechas a medida, o consejos sobre qué productos financieros encajan con cada persona. “Los datos no sólo permitirán recomendar el producto adecuado para cada cliente, sino que además, podremos darles consejos hechos a su medida. Por ejemplo, si un cliente no llega a fin de mes, ¿cómo podemos ayudarle? Ahora mismo, a través de Bconomy, ya podemos avisar al cliente de que le va a faltar dinero a fin de mes para los gastos esperados, basándonos en su historial de operaciones. Y cada vez más podemos ofrecerle consejos básicos, como traspasar dinero de una cuenta a otra, o pedir un adelanto”, explica Gonzalo Rodríguez, responsable global de Customer Solutions de BBVA, en esta entrevista.
“Los datos no sólo permitirán recomendar el producto adecuado para cada cliente, sino que además, podremos darles consejos hechos a su medida"
Al mismo tiempo, las tecnologías de ‘big data’ están haciendo posible que los bancos puedan procesar en tiempo real todas las operaciones. Esto, según el experto, es uno de los retos pendientes en muchas industrias: “Tradicionalmente todo se ha hecho de un día para otro, pero cada día somos capaces de hacer más cosas en tiempo real. Lo normal sería procesarlo todo en tiempo real porque las cosas suceden así, no suceden cada seis horas o cada hora”, asegura Casado