A primera vista, el hecho de aadir ms capacidad de Estas tecnologas tambin son capaces de gestionar la
almacenamiento y uno o ms servidores grandes puede creciente velocidad de los datos que llegan, y se almacenan,
parecer suficiente para respaldar el crecimiento de una base al hacer posible un movimiento coherente y automatizado
de gestin de la informacin. No obstante, es importante delos datos en toda la empresa a medida que ms personas
comprender que prever y configurar la infraestructura resulta necesitan tener acceso a tipos de informacin adicionales
clave para alcanzar el valor de negocio del caso de negocio ydiferentes. Tecnologas emergentes como la jerarquizacin
pretendido. Las empresas han de plantearse cmo soportar y compresin de datos y los sistemas de archivos escalables,
de la mejor forma posible el vaivn de datos a fin de permitir junto con bases de datos en memoria, hacen posible la
a los usuarios acceder a los mismos cuando los necesiten gestin de cargas de trabajo mucho ms grandes que los
ycmo analizar los datos teniendo en cuenta las limitaciones warehouses convencionales. Para muchas organizaciones,
de tiempo de las empresas (ya sean das, horas, segundos mejorar la capacidad para gestionar volmenes de datos en
omilisegundos). Este equilibrio de configuracin y despliegue crecimiento es la mxima prioridad de big data, seguida muy
de servidores y almacenamiento tiene como resultado una de cerca por la capacidad para abordar la creciente variedad
infraestructura ms optimizada. de datos. (Vase el recuadro Vestas: una mejor capacidad
Big data infrastructure deanlisis de datos reduce los costes y mejora la eficacia)
Infraestructura de big data El 58% de las empresas que afirman haber puesto ya en
marcha iniciativas de big data cuenta con unos procesos
Integracin de la informacin 65% deseguridad y gobierno slidos. Si bien la seguridad y
elgobierno han sido durante mucho tiempo un aspecto
Infraestructura de almacenamiento escalable 64% inherente al business intelligence, las nuevas consideraciones
jurdicas, ticas y normativas de big data introducen nuevos
Warehouse de alta capacidad 59% riesgos y amplan el potencial de fallos pblicos, tal y como
hemos tenido la oportunidad de ver con algunas empresas
que han perdido el control sobre los datos o los han
Seguridad y gobierno 58%
utilizadode formas cuestionables.
Herramientas de desarrollo y creacin de scripts 54% Como resultado de ello, la seguridad de los datos,
yespecialmente la privacidad de los mismos, constituye una
Bases de datos por columnas 51% parte fundamental de la gestin de la informacin, tal y como
afirman varios expertos en la materia y directivos empresariales
encuestados para este estudio. La seguridad y el gobierno
Procesamiento de eventos complejos 45% sern todava ms importantes a medida que las empresas
comiencen a utilizar nuevas fuentes de informacin,
Optimizacin de la carga de trabajo 45% especialmente datos procedentes de redes sociales.
Paracomplicar an ms la situacin, las normativas
Aceleradores de analtica 44% sobreprivacidad continan evolucionando y pueden
variarenormemente dependiendo del pas.
Hadoop/MapReduce 42%
Existe la percepcin de que la privacidad y la seguridad son
aspectos fciles, pero estn muy regulados y se encuentran
Motores NoSQL 42% bajo un frreo control, seala un directivo del sector
de las telecomunicaciones. Y no son solo las agencias
Stream computing 38% gubernamentales las que ejercen este control, sino tambin
los propios clientes. Segn este mismo directivo, hay una
serie de mbitos nuevos, como pueden ser los datos la
Se pregunt a los encuestados con iniciativas de big data en curso
qu componentes de la plataforma estn siendo probados en la navegacin web, donde existe una zona gris entre lo que
actualidad o estn integrados en la arquitectura. Cada punto de datos eslegal y lo que est bien. Nosotros hemos tomado la
se Platform
recopil components either in pilot or integrated into architecture, based on those respondents whose
por separado. El nmero total de encuestados por cada
organizations are already engaged in big data efforts
determinacin de considerar cada accin aplicando la
punto de datos oscila entre los 297 y los 351. mxima de qu pensara el cliente si la forma en la que
utilizamos los datos apareciera reflejada en la pgina
Imagen 5: Componentes de las infraestructuras de big data principal de nuestra web.
de losencuestados.
10 Analtica: el uso real de big data
Ms del 75% de los encuestados con iniciativas de big data Adquirir o desarrollar estas capacidades analticas y tcnicas
en curso sealaron que utilizan funcionalidades analticas ms avanzadas necesarias para el avance de big data se
clave, tales como las consultas, la generacin de informes estconvirtiendo en un importante reto para muchas
y la extraccin de datos para analizar big data, en tanto empresas con iniciativas de big data en curso. Entre estas
quems del 67% afirma que utiliza modelos predictivos. organizaciones, la falta de habilidades analticas avanzadas
Comenzar con estas funcionalidades analticas fundamentales constituye un gran obstculo a la hora de obtener el mximo
es una forma pragmtica de comenzar a interpretar y analizar valor de big data.
big data, especialmente cuando estn siendo almacenados
enuna base de datos relacional. (Vase la imagen 7).
Big data analytic capabilities
Funcionalidades analticas de big data
La necesidad de funciones de visualizacin de datos
msavanzadas aumenta con la introduccin de big data. Consulta y generacin de informes 91%
Amenudo los conjuntos de datos son demasiado grandes
para que las empresas o los analistas de datos puedan
Extraccin de datos 77%
visualizarlos y analizarlos con las herramientas tradicionales
de generacin de informes y extraccin de datos. En nuestro
estudio, los encuestados admitieron que el 71% de las Visualizacin de datos 71%
iniciativas de big data en curso dependa de las habilidades
devisualizacin de datos.
Modelado predictivo 67%
Las empresas inmersas en big data necesitaban funciones
cada vez ms avanzadas para descubrir patrones en la inherente Optimizacin 65%
complejidad. Para lograrlo, los encuestados aplican modelos
de optimizacin y analtica avanzada a fin de comprender
mejor cmo transformar los procesos de negocio clave. Simulacin 56%
Utilizan funciones de simulacin para analizar las miles de
variables disponibles con big data. Nuestro estudio revel
que ms del 50% de las iniciativas de big data en curso Texto de lenguaje natural 52%
utilizan estas funciones de modelacin avanzadas.
Analtica geoespacial 43%
Hoy en da, la mayor parte de las empresas centran la atencin
de sus primeras iniciativas de big data en analizar datos Analtica de
estructurados. Sin embargo, big data tambin genera la streaming 35%
necesidad de analizar mltiples tipos de datos, incluida una
gran variedad de datos que pueden ser completamente Analtica
26%
de vdeo
nuevos para muchas organizaciones. En ms de la mitad de
las iniciativas de big data en curso los encuestados afirmaron Analtica
utilizar funcionalidades avanzadas diseadas para analizar de voz 25%
texto en su estado natural, como pueden ser las transcripciones
de las conversaciones de un centro de atencin telefnica.
Esta analtica incluye la capacidad para interpretar Se pregunt a los encuestados con iniciativas de big data en curso
ycomprender los matices del lenguaje, tales como qu funcionalidades analticas estaban disponibles en la actualidad
lossentimientos, el argot y las intenciones. ensus empresas. Cada punto de datos se recopil por separado.
Elnmero total de encuestados por cada punto de datos oscila
entrelos 508 y los 870.
Disponer de la capacidad para analizar datos no estructurados Analytic capabilities currently available within organizations already engaged
(por ejemplo, datos de una ubicacin geoespacial, voz y vdeo) in big data efforts.
o en streaming sigue siendo un reto para la mayora de las Imagen 7: Los encuestados aplican una variedad de
analticasavanzadas.
empresas. A medida que el hardware y el software de estos
mbitos evoluciona, las habilidades siguen siendo escasas.
Menos del 25% de los encuestados con iniciativas de big data
en curso contaba con las capacidades necesarias para analizar
datos no estructurados, tales como voz y vdeo.
IBM Global Business Services 13
El patrn emergente de la adopcin de big data Explorar: definir el caso de negocio y la hoja de ruta (47%)
secentra en generar un valor de negocio que En esta fase la atencin se centra en desarrollar la hoja
seacuantificable deruta de la empresa para el desarrollo de big data.
Para comprender mejor el escenario de big data en la Prcticamente la mitad de los encuestados reconoci
actualidad hemos pedido a los encuestados que describieran quehaba conversaciones formales en curso dentro de
el nivel de actividades de big data existente en sus empresas susorganizaciones acerca de cmo utilizar big data para
ada de hoy. Los resultados sugieren cuatro fases principales abordar importantes retos empresariales. Los principales
en el proceso de adopcin y evolucin de big data, junto con objetivos de estas empresas incluyen desarrollar un caso
un continuo que hemos denominado Educar, explorar, denegocio cuantificable y crear un proyecto de big data.
interactuar y ejecutar (vase la imagen 8). Laestrategia y la hoja de ruta tienen en cuenta los datos,
latecnologa y las habilidades existentes y, a continuacin,
Educar: crear una base de conocimiento (24% de establecen dnde comenzar y cmo desarrollar un plan en
losencuestados) consonancia con la estrategia de negocio de la empresa.
En la fase de educacin la atencin se centra en la
concienciacin y el desarrollo del conocimiento. Casi el Interactuar: adoptar big data (22%)
25%de los encuestados indic que an no utiliza big data En la fase de la interactuacin las empresas comienzan
dentro de sus empresas. Si bien algunos siguen teniendo acomprobar el valor de negocio de big data, as como
relativamente poca informacin acerca del concepto de big allevar a cabo una valoracin de sus tecnologas y
data, las personas entrevistadas sugieren que la mayora de las habilidades. Ms de una de cada cinco empresas encuestadas
empresas que se encuentran en esta fase estn estudiando las est desarrollando en la actualidad POCs para validar los
posibles ventajas de las tecnologas y la analtica de big data requisitos asociados a la implementacin de iniciativas de
eintentando comprender cmo puede ayudarles aabordar bigdata, as como para articular los resultados esperados.
importantes oportunidades de negocio en sus propios Lasempresas que se encuentran en este grupo estn trabajando
sectores o mercados. En el seno de estas empresas son Big data adoption pattern
(dentro de un mbito definido y limitado) para comprender
principalmente los empleados los encargados de recabar la yprobar las tecnologas y habilidades necesarias para
informacin, a diferencia de los grupos de trabajo formales, aprovechar nuevas fuentes de datos.
ysus conocimientos an no estn siendo utilizados por la
empresa. Como resultado de ello, los directivos empresariales
an no han comprendido totalmente ni abrazado el potencial
de big data.
Porcentaje del total Porcentaje del total Porcentaje del total Porcentaje del total
de encuestados de encuestados de encuestados de encuestados
Primary obstacles
Creemos que las exigencias de un acceso en tiempo an
msreal continuarn aumentando a medida que los modelos Principales obstculos
de negocio evolucionan y las empresas invierten en las
tecnologas necesarias para el streaming de datos, la analtica Educar Explorar Interactuar Ejecutar
en memoria, el procesamiento mquina a mquina y otros
avances innovadores.
Articular un caso de negocio atractivo
los POCs, el principal desafo al que se enfrentan las empresas seponderaron y agruparon. Total de encuestados = 1.062
es encontrar las habilidades necesarias para que big data
resulte operativo, incluidas las habilidades tcnicas, Imagen 11: Comprender los obstculos clave para la adopcin
analticasy de gobierno. de big data.
Required data availability
Recomendaciones: Fomentar
Recomendaciones: fomentar la adopcin de big data
laadopcin de big data
Educar Explorar Interactuar Ejecutar El anlisis realizado por IBM de las conclusiones del
estudio Big Data @ Work Study proporcion nuevos
conocimientos acerca de cmo las empresas promueven
En una
semana susiniciativas debig data en cada fase. Impulsadas por la
necesidad de superar los retos empresariales, y a la vista de
las tecnologas en desarrollo y de la naturaleza cambiante
En 24 horas
de los datos, lasempresas estn comenzado a estudiar
msde cerca las posibles ventajas de big data. Para obtener
ms valor de bigdata ofrecemos un amplio abanico de
El mismo da laborable
recomendaciones a las empresas a medida que avanzan
enla implementacin de big data.
Como flujo
en tiempo real
Dedicar los esfuerzos iniciales a resultados
Respondents were asked how quickly business users require data to be available for analysis or within processes.
centrados en el cliente
Box placement reects the prevalence of that requirement within a stage. Es fundamental que las empresas centren sus iniciativas
Preguntamos a los encuestados con qu rapidez tenan que estar
debig data en mbitos que puedan proporcionar el mximo
disponibles los datos para los usuarios o procesos deTotal respondents
negocio. n = 973
La digitalizacin masiva, una de las fuerzas que ayud a Comenzar con los datos existentes para lograr
difundir el concepto de big data, tambin ha cambiado el resultados a corto plazo
equilibrio de poder entre el individuo y la institucin. Si las Para poder lograr resultados a corto plazo, al mismo tiempo
empresas han de comprender y proporcionar valor a clientes que se crea el impulso y la experiencia para respaldar el
y ciudadanos capacitados, debern centrarse en conocer a sus programa de big data, resulta fundamental que las empresas
clientes como individuos. Tambin tendrn que invertir en adopten un enfoque pragmtico. Tal y como confirmaron
nuevas tecnologas y analtica avanzada para poder entender losencuestados, el lugar ms lgico y rentable para comenzar
mejor las interacciones y preferencias de cada uno de ellos. abuscar estos nuevos conocimientos es dentro de la empresa.
Sin embargo, los clientes de hoy en da, usuarios finales Buscar primero internamente permite a las empresas mejorar
oclientes B2B, desean algo ms que la simple comprensin. sus datos, software y habilidades existentes y ofrecer un valor
En este sentido, para cultivar realmente una relacin de valor de negocio a corto plazo, as como obtener una experiencia
con sus clientes las empresas deben poder conectar con ellos importante para cuando ms adelante se planteen ampliar
de formas que sus clientes perciban como valiosas. suscapacidades para abordar fuentes y tipos de datos ms
complejos. La mayor parte de las organizaciones desean
El valor puede llegar de la mano de interacciones ms hacer esto para aprovechar la informacin almacenada
oportunas, informadas o pertinentes; tambin puede enrepositorios existentes, a la vez que amplan su(s) data
surgir a medida que las empresas mejoran sus operaciones warehouse(s) para poder gestionar volmenes y variedades
subyacentes de forma que sean capaces de mejorar tambin la dedatos ms grandes.
experiencia global de dichas interacciones. En cualquier caso,
la analtica alimenta unos conocimientos obtenidos de big Desarrollar funcionalidades analticas sobre
data que resultan cada vez ms fundamentales para crear labase de prioridades de negocio
esenivel de intensidad que necesitan dichas relaciones. En todo el mundo las organizaciones han de hacer frente
auna creciente variedad de herramientas analticas, al mismo
Desarrollar un proyecto de big data para toda tiempo que han de sobrellevar una escasez de habilidades
laempresa analticas. La eficacia de big data depende de abordar esta
Un proyecto abarca la visin, la estrategia y los requisitos importante laguna. En pocas palabras, las empresas tendrn
debig data dentro de una empresa y resulta fundamental que invertir en adquirir tanto herramientas como habilidades.
para armonizar las necesidades de los usuarios de negocio Como parte de este proceso se espera que surjan nuevos
con la hoja de ruta de la implementacin de TI. Crea una roles y modelos de trayectorias profesionales para individuos
comprensin comn de cmo la empresa pretende utilizar con el equilibrio necesario de habilidades analticas,
big data para mejorar sus objetivos de negocio. funcionales y de TI.
Un proyecto efectivo define el alcance de big data dentro Centrar la atencin en el desarrollo profesional y el avance
dela empresa al identificar los retos empresariales clave de la trayectoria de los analistas internos, que ya estn
alosque se aplicar, los requisitos de proceso de negocio familiarizados con los retos y procesos de negocio nicos
quedefinen cmo se utilizarn esos datos masivos y la dela empresa, debera ser una prioridad para los directivos
arquitectura que incluye los datos, las herramientas y el empresariales. Al mismo tiempo las universidades y los
hardware necesarios para lograrlo. Se trata de la base para propios individuos, independientemente de su formacin
elaborar una hoja de ruta que gue a la empresa a travs oespecialidad, tienen la obligacin de desarrollar slidas
deun enfoque pragmtico para desarrollar e implementar habilidades analticas.
sussoluciones de big data de forma que cree un valor de
negociosostenible. Crear un caso de negocio sobre la base
deresultados cuantificables
Desarrollar una estrategia de big data exhaustiva y viable,
ascomo la posterior hoja de ruta requiere un caso de negocio
slido y cuantificable. Por lo tanto, es importante contar
conla implicacin y el respaldo de uno o ms directivos
empresariales a lo largo de todo el proceso. Igual de
importante para lograr el xito a largo plazo es una
colaboracin empresarial y de TI continua y slida.
IBM Global Business Services 17
Muchas empresas basan sus casos de negocio en las Explorar para interactuar: convertir los planes en accin
siguientes ventajas que se pueden derivar de big data: Verifique que existe un respaldo activo por parte de un
lder empresarial a medida que desarrolla su estrategia
Decisiones ms inteligentes Aprovechar nuevas fuentes yhoja de ruta de big data.
dedatos para mejorar la calidad de la toma de decisiones. Desarrolle el caso de negocio para una o dos oportunidades
Decisiones ms rpidas Permitir una captura y anlisis de negocio o retos empresariales clave que prevea abordar
dedatos en tiempo ms real para respaldar la toma de a travs de POCs o proyectos piloto.
decisiones en el punto de impacto, por ejemplo cuando Al mismo tiempo que planifica los requisitos a ms largo
un cliente est navegando por su sitio web o al telfono plazo, verifique que su base de gestin de la informacin
con un representante del servicio de atencin al cliente. ysu infraestructura de TI son capaces de respaldar las
Decisiones que marquen la diferencia Centrar las tecnologas y funcionalidades de big data necesarias para
iniciativasde big data en mbitos que proporcionen elPOC o el proyecto piloto.
unaverdadera diferenciacin. Evale sus actuales procesos de gobierno de la informacin
y su disponibilidad para abordar los nuevos aspectos de
bigdata.
Un principio importante que subyace a cada una de estas
Analice los actuales conjuntos de habilidades de los recursos
recomendaciones es que los profesionales del negocio y de
internos y ponga en marcha un anlisis de carencias en
TI deben trabajar codo con codo a lo largo del camino hacia
aquellos puntos en los que necesita desarrollar y/o
big data. Las soluciones de big data ms eficaces identifican
contratar habilidades adicionales.
primero los requisitos de negocio y, a continuacin,
adaptanla infraestructura, las fuentes de datos y el anlisis
cuantitativo a fin de respaldar la oportunidad de negocio. Interactuar para ejecutar: comprender las oportunidades
y los retos que nos aguardan
Promueva activamente los xitos de los proyectos piloto
Recomendaciones adicionales por fase:
para mantener el impulso al mismo tiempo que comienza
comiencedonde se encuentra
ainteractuar con otras partes del negocio.
Determinadas actividades son caractersticas de cada una
Concrete el caso de negocio con la validacin
delas fases del ciclo de adopcin de big data. Las siguientes
y la cuantificacin de la ROI y las ventajas previstas,
recomendaciones por fase ofrecen un enfoque probado
incluidoslos criterios y los parmetros de xito definidos.
yprctico para pasar de una fase a la siguiente.
Identifique las modificaciones y las mejoras que podran
realizarse en el proceso de negocio ahora que tiene acceso
Educar para explorar: crear una base para la accin a una informacin mejor y ms oportuna (por ejemplo,
Contine ampliando sus conocimientos centrndose en marketing, ventas, atencin al cliente y sitios de
aquellos casos de uso donde big data proporciona una redessociales).
ventaja competitiva a las empresas, tanto dentro como Desarrolle un plan de competencias para confirmar la
fuera de su sector. disponibilidad de las habilidades tcnicas y cuantitativas
Trabaje con diferentes unidades de negocio y departamentos adecuadas y necesarias para lograr objetivos tanto a corto
empresariales para identificar las oportunidades de negocio como a largo plazo.
y retos empresariales ms cruciales que se pueden abordar Documente el plan de proyecto detallado para migrar
con un acceso mejor y ms oportuno a la informacin. proyectos piloto a produccin. Este plan debera incluir la
Muchas empresas comienzan con datos y analtica de confirmacin del valor de negocio, los costes, los recursos
clientes para respaldar su agenda de transformacin y los calendarios de proyecto esperados.
defront-office.
Cntrese en fortalecer su entorno e infraestructura
degestin de la informacin, incluido el desarrollo
deunproyecto de big data. A menudo estos proyectos
estnbasados en estndares del sector, arquitecturas de
referencia y otros marcos y recursos tcnicos disponibles.
18 Analtica: el uso real de big data
Fase ejecutiva: aceptar la innovacin de big data Si quiere ms informacin sobre este estudio del IBM Institute
Documente los resultados cuantificables de los primeros for Business Value, escriba a iibv@us.ibm.com. Si quiere ver
xitos para reforzar futuras iniciativas. un catlogo completo de nuestras investigaciones, visite
Ponga en marcha comunicaciones formales sobre big data ibm.com/iibv.
en toda la empresa a fin de continuar aumentando el
respaldo y el impulso. Suscrbase a IdeaWatch, nuestro boletn electrnico mensual
Cntrese en ampliar las tecnologas y habilidades necesarias que incluye los ltimos informes ejecutivos basados en la
para abordar nuevos retos de big data en todas las unidades investigacin del IBM Institute for Business Value:
de negocio, funciones y ubicaciones geogrficas. ibm.com/gbs/ideawatch/subscribe.
Mantngase alerta sobre el gobierno de la informacin
(incluida la gestin del ciclo de vida de la informacin), Puede acceder a los informes ejecutivos del IBM Institute
laprivacidad y la seguridad. forBusiness Value desde su tablet descargando la aplicacin
Contine evaluando las herramientas y tecnologas gratuita IBM IBV para iPad o Android.
debigdata de rpido desarrollo. Mantenga el equilibrio Para obtener ms informacin acerca de la Escuela
delaactual infraestructura con tecnologas ms recientes deNegocios Sad en la Universidad de Oxford, visite
que aumentan la escalabilidad, optimizacin y resistencia. www.sbs.ox.ac.uk.
Autores Colaboradores
Michael Schroeck es socio y vicepresidente de IBM Global Fred Balboni, Director global, Optimizacin y analtica
Business Services, donde ha prestado sus servicios como denegocio, IBM Global Business Services
responsable global de Information Management Foundation
para la empresa. Michael es tambin un ingeniero distinguido Dr. Stephen Buckley, Director de investigacin aplicada,
de IBM con el que puede ponerse en contacto en la direccin BAO, IBM Research
mike.schroeck@us.ibm.com.
Wendy Olivier, Directora de programa de Information
Rebecca Shockley es la responsable de investigacin global Management Foundation, IBM Global Business Services
de Business Analytics y Optimisation para el IBM Institute
for Business Value, donde lleva a cabo investigaciones basadas Katharyn White, Vicepresidenta de Marketing, IBM Global
en hechos sobre analtica de negocio con el objetivo de Business Services
desarrollar liderazgo experto para altos ejecutivos. Su correo
electrnico de contacto es rshock@us.ibm.com. Los autores tambin desean agradecer a los siguientes
compaeros de IBM y de la Universidad de Oxford su ayuda
La Dra. Janet Smart es miembro y codirectora del grupo
a la hora de elaborar este informe ejecutivo: Dr. John Bell,
deinvestigacin Complex Agent-Based Dynamic Networks
Min Chen, Michael Coleman, Richard Cuthbertson, Tom
en la Escuela de Negocios Sad y combina experiencia en
Deutsch, Angela Finley, Mark Graham, Larry Gosselin, Tina
sistemas complejos, ingeniera de sistemas, big data y gestin
Groves, Bambi Grundwerg, Pamela Hartigan, Bernie Hogan,
de proyectos. La Dra. Smart tambin colabora en el proyecto
Matin Jouzdani, Jim Kocis, Eric Lesser, Monica Logan,
ATLAS del CERN en el mbito de la gestin de proyectos e
Eduardo Lopez, Dr. Robin Lougee, Piyush Malik, Helen
ingeniera de sistemas en proyectos Big Science. Es profesora
Margetts, Joni McDonald, Brian Morris, Richard Perret,
de ingeniera de sistemas en el mster en Gestin de
Nancy Puccinelli, Tarun Ramadorai, Dean Ranalli, Eric Sall,
Programas y en el programa Major Projects Leadership
Ralph Schroeder, Stephanie Schneider, Ronald Shelby, Neil
Academy del Reino Unido. Puede ponerse en contacto
Shephard, James Taylor, Owen Tebbutt y Andy Twigg.
conella en la direccin Janet.Smart@sbs.ox.ac.uk.