Hasta no hace mucho las aplicaciones de Business Intelligence (estamos hablando de cuando el termino BIG D
ata no existía) estaban relegadas a un segundo plano en los departamentos de IT. Hasta no hace relativamente mucho la preocupación principal de IT era la implantación de procesos. Si echamos la vista atrás, Los ERP fueron los reyes de los ’90 (con SAP como el rey indiscutible), la década del 2000 trajo las aplicaciones de eCommerce y los CRMs. Y la de 2010 comenzó con la integración y el Cloud. Empezamos a usar los términos SOAP, BPM, Bus de datos. Hasta ahora lo importante era arrancar, funcionar, procesar sin morir en el intento. Digamos que hasta ahora hemos consolidado las empresas tradicionales por un lado y por otro lado hemos vivido la época de las primeras startups, el boom las operadoras de Telco, la primera banca electrónica, los call centers y el desarrollo del comercio electrónico.
El BI era algo que todos los usuarios de negocio reclamaban pero que nunca había tiempo para hacer (bien). Los DWH corporativos se veían más como un problema que otra cosa. Algo complicado y que proporcionaba muy poco retorno de inversión (ROI) ya que se usaban para reportar y poco más ( a excepción de algún honroso departamento de marketing que comenzaba a jugar con la experiencia del cliente). Ese era el panorama hasta que en 2007 comenzaron las redes sociales.
Las empresas que resolvieron la etapa “Process & Query” estaban listas para un nuevo reto. Y lo encontraron, más bien lo crearon las redes sociales, el comercio electrónico y la optimización de los procesos de atención: un cliente digital. Aparecieron sistemas capaces de almacenar no ya los datos de las personas, sino las vidas (reales o inventadas, no entremos en eso) de millones de personas. Este cliente, con el que raramente tenemos contacto personal, solo lo conocemos por lo que hace, por donde se mueve o que siente o desea. Es decir, por los datos que va dejando a su paso a través de redes sociales y dispositivos digitales (IoT).
Es aquí donde vivimos el gran cambio de planteamiento. Los datos pasaron a ser un activo y no un pasivo. BiG Data no tiene que ver tanto con el volumen, la velocidad y todas esas V’s con las que nos machaca el marketing de la industria del SW. Eso son conceptos de marketing tecnológico. El verdadero cambio del BiG Data, está, como en toda tecnología, en el problema que resuelve. El problema que resuelve no es un problema tecnológico (Hadoop no es más que un sistema de ficheros, las bases de datos NoSQL tienen su origen en las BBDD jerárquicas de los ’70 … ML no es más que una parte de la IA) sino de cambio social. La ciencia de los datos es la única forma de conocer al cliente digital y si bien hay empresas sin tecnología no existe ninguna sin clientes. De ahí la importancia de resolver este problema: conocer, anticipar y aprovechar al cliente digital. Este cambio social es imparable, sino observate a ti mismo, leyendo este blog, hablando con tus amigos en Facebook o aprendiendo en YouTube.
La inversión en Big Data, hablando de forma general, será rentable en tanto esté enfocada en el campo del conocimiento del este cliente. Claro que existen otros escenarios de aplicación para Big Data (estoy pensando en un escenario “clásico” como Fraud Detection) pero a mi entender no se implementan por una necesidad real de datos. Estos escenarios nacen desde otro ángulo, la reducción de costes operativos (y en esto la crisis económica tiene mucho que ver) o por temas de regulación. No buscan el crecimiento sino frenar pérdidas y por esa misma razón están en el mismo punto de que los sistemas de BI de los 90. Serán siempre un problema y no una solución.
Los datos son un activo, para algunas compañías el único activo (Airb&b no posee casas , Uber no posee coches …) y las tecnologías que los manejan son la única inversión rentable. Para las empresas más tradicionales Predecir lo que el cliente va a demandar es el próximo paso. Para eso primero hay que almacenar y gestionar grandes cantidades de datos.
Para que la inversión sea rentable y el proyecto Big Data tenga alguna probabilidad de éxito, todas las etapas de la pirámide de necesidades deben de haberse cubierto, sino estaremos ante intentos infructuosos.
