Escrito en co-autoría con Juan-Pedro Cabrera-Sánchez.

El cambio que ha traído el big data sobre la forma de analizar los datos ha sido revolucionario. Esta tecnología supone un antes y un después en la forma de obtener información valiosa para la empresa y para su toma de decisiones con relación a la gestión de las relaciones y el marketing.  El big data  permite gestionar una gran cantidad de datos, prácticamente en tiempo real y obtener una gran cantidad de información que dota a las empresas que las tienen implementadas de una gran ventaja competitiva (Sivarajah, Kamal, Irani, & Weerakkody, 2016).

Las empresas están recolectando tal cantidad de datos de sus clientes que para poder tratarlos de forma adecuada hacen falta nuevas destrezas y competencias.  El perfil del Data Scientist (científico de datos)  es un híbrido de ingeniería, estadística y profundo conocimiento del ámbito empresarial y sobre todo de la gestión del marketing. Este tipo de perfiles ayudará a exprimir los datos generados por la compañía y cambiarán el proceso de toma de decisiones hacia decisiones basadas en datos y no en experiencias anteriores o en la intuición de las personas encargadas de gestionar la compañía (McAfee & Brynjolfsson, 2012). Sin embargo, para implementar o integrar big data en las empresas actuales hay que superar una serie de barreras como son el desconocimiento, los miedos, la resistencia al cambio, entre otros, además de las limitaciones de la propia tecnología (Yaqoob et al., 2016).

La mayor parte de la literatura científica se ha centrado en aspectos técnicos relacionados con todo el ecosistema big data, tanto en el desarrollo de aplicaciones y casos de estudio sobre minería de datos, analítica de datos, predicción, prescripción, modelado estadístico y experimentos de todo tipo, dejando de lado su integración y uso dentro de la empresa. Salvo un trabajo sobre la intención de adoptar analítica big data (Kwon, Lee, & Shin, 2014) y otros dos sobre adopción de la tecnología big data (Brünink, 2016; Rahman, 2016) hay poca literatura con relación al uso y aceptación de las técnicas de big data para la gestión empresarial.

Hoy día, estamos generando constantemente datos con nuestra actividad diaria vinculada al uso del móvil. El móvil está geolocalizado y tiene acceso a internet, a la que están conectados millones de dispositivos. Las empresas tienen todos estos datos a su disposición junto con la información sobre los productos que compramos, los momentos de consumo (días y horas), los sentimientos expresados hacia las marcas, nuestra actividad en redes sociales, las formas de pago y mucho más que supone que el tratamiento de toda esta gran cantidad de datos haya que hacerlo con novedosas técnicas como el big data (McAfee & Brynjolfsson, 2012).

Pero todos estos datos, muchos de ellos generados en tiempo real, no tienen la misma estructura por lo que las bases de datos SQL (en inglés, Structured Query Language; en español, lenguaje de consulta estructurada) no sirven para almacenarlos y aquí es donde surge el término big data. Se usa para describir grandes conjuntos de datos, no estructurados y que en muchos casos necesitan ser capturados casi en tiempo real. Aunque no existe una definición unánime de big data podríamos usar la propuesta por Brünink (2016) como la “tecnología que permite almacenar, procesar y combinar enormes cantidades de diferentes tipos de datos obtenidos de diferentes fuentes”. Para manejarlos es necesario un nuevo conjunto de tecnologías y herramientas que, inicialmente lideradas por la fundación Apache, han sido posteriormente desarrolladas sobre algún entorno computacional como el que proporciona el lenguaje estadístico R o las bibliotecas científicas ScyPy (scikit-learn,…) sobre el lenguaje Python. El científico de datos, en su intento de analizar y usar la información para la gestión empresarial y de marketing, normalmente trabaja con este software libre que le permite tratar y analizar gran cantidad de datos y apoyar en ellos la toma de decisiones en la empresa.

Como principales características del big data podemos hablar del modelo de las tres V’s propuesto por Gartner (2012):

• Volumen: grandes cantidades de datos creados por humanos y máquinas que continúa creciendo exponencialmente.
• Variedad: diferentes tipos de datos, desde imágenes a tuits pasando por datos de venta o geo posicionamiento.
• Velocidad: los datos llegan por diferentes flujos con especial hincapié por los generados en tiempo real.

Trabajos posteriores como los de Fan y Bifet (2013) o Gandomi y Haider (2015) añaden dos nuevas características:

• Veracidad: los datos han de ser veraces y las fuentes confiables.
• Valor: los datos han de aportar y generar valor para obtener ventajas competitivas.

En el trabajo referenciado (1), que podéis leer para ampliar, pretendemos obtener datos sobre los factores que afectan a la adopción y uso de esta nueva tecnología (big data) en empresas españolas, así como entender los posibles problemas para su implementación. Con ello, podremos dar las recomendaciones pertinentes a los profesionales que toman las decisiones, especialmente con relación al uso del big data como herramienta de marketing, llegando a mostrar el beneficio que reportará a las empresas españolas el desarrollo de esta tecnología para una mejor gestión de la relación con los clientes. Pero para conocer todo esto tendréis que leer el paper.

(1) Cabrera-Sánchez, J.P y Villarejo-Ramos, A:F. (2018): Factores que afectan a la adopción del Big Data como instrumento de marketing en las empresas españolas. En H.E. Barroso y V.M. de Sousa (eds.): Interioridade e Competitividade: Desafios Globais da Gestâo. ISBN 978-972-8681-72-0. Ed. Instituto Politécnico da Guarda.