Cinco mitos sobre Big Data que tienes que descartar

¿Es el Big Data tan grande como parece sugerir su nombre? ¿Tienen los expertos en Big Data todas las respuestas? ¿Cuál el valor real de los datos y qué conclusiones sugieren en la práctica? En Insead Knowledge nos cuentan cómo también el mundo del big data está teniendo que empezar a enfrentarse a sus propios mitos, que tanto para bien como para mal, están empezando a contaminar la disciplina dando a entender una cosa que en realidad no es. Estos son algunos de ellos.

1. El Big Data no es tan «Big» como piensas

Cuando hablamos de Big Data la tendencia natural es pensar en enormes cantidades de datos que hay que estructurar y exprimir para obtener el mayor valor. Y aunque en determinados escenarios la cantidad de datos puede ser fenomenal, no es esta su principal característica como hemos visto por ejemplo en el artículo «El Small Data del Internet de las Cosas se impone al Big Data».

Big Data se refiere en realidad a un tipo diferente de datos. Datos que normalmente se actualizan con alta frecuencia y que cambian en tiempo real, proveniendo además de fuentes distintas. El Big Data puede tener en este sentido un caracter individual o granular y empieza en algo tan pequeño como un cliente pagando con su tarjeta de crédito en una gasolinera. En realidad el Big Data comprende ingentes cantidades de small data, de forma similar a como una tormenta del desierto contiene miles de millones de granos de arena.

2. Tienes que abarcar todas las posibilidades que ofrece el Big Data

Aprender Big Data, como muchas otras materias críticas, no es sencillo. Si nos interesa el Big Data no podemos empezar desde cero, sino que tendremos que ir paso a paso, persiguiendo objetivos concretos. Antes de lanzarnos a abrazar todas las posibilidades que ofrece, tendremos que planificar y estudiar con cuidado qué es lo que queremos conseguir y qué queremos hacer con la información, cuál es su propósito de uso.

3. Cuanto más granulares sean los datos, mucho mejor

Como hemos comentado antes, el Big Data parte de datos granulares que cambian en tiempo real y provienen de varias fuentes de información. ¿Quiere decir esto que cuando más granular sea el dato y más pequeño sea el intervalo de tiempo, vamos a obtener un análisis mejor? No siempre. A veces nos puede interesar una aproximación a cómo se están comportando los datos que se generan cada minuto ante una situación determinada, pero muchas otras veces nos será mucho más útil dar un paso atrás para tener una visión completa de la situación.

En un partido de fútbol por ejemplo, el hecho de que un equipo marque un gol en el primer minuto, no quiere decir que vaya acabar ganando el partido ¿Verdad? En análisis en tiempo real, demasiado «cercano a la acción» a veces puede llevarnos a deducir conclusiones que se van a presentar como erróneas a corto o medio plazo.

4. El Big Data es siempre «Good Data»

Existe una gran diferencia una montaña de datos y una montaña de buenos datos. Los datos de baja calidad contienen una gran cantidad de errores, datos que nos van a conducir a una más que probable malinterpretación. Imaginemos por ejemplo todas esas imágenes que han sido mal etiquetadas por los usuarios, o texto no estructurado, escrito por adolescentes, en el que no está del todo claro si refleja un sentimiento positivo o negativo.

En análisis del big data supone entre otras cosas descartar enormes cantidades de datos que aportan muy poco para centrarnos en la única parte que puede aportar algo al análisis que queremos realizar.

5. El Big Data siempre da respuestas concretas

En muchos sentidos, una de las características fundamentales del Big Data es su ambigüedad. El emplear muchas fuentes de datos de forma simultánea puede conducirnos a veces conclusiones diferentes de las que podrían sugerir las propias pruebas que tenemos frente a nosotros.

Si tomamos otro conjunto de datos, del mismo grupo, analizados incorrectamente puede llevarnos a una conclusión diferente e incompatible con la primera.  ¿Cuáles son los datos o las conclusiones que tenemos que tomar entonces por buenas?

El Big Data sigue requiriendo la intervención del factor humano, aportar un juicio racional capaz de resolver conflictos, datos ambiguos, etc. El experto tiene que no sólo ser capaz de programar modelos de análisis interesantes, sino además tener la capacidad de tomar las decisiones correctas ante los conflictos que sí o sí, se van a presentar.

¿Quieres convertirte en un experto en Big Data?

Revisados los mitos, sigue siendo cada vez más interesante aprender cómo poner en marcha una estrategia de Big Data o cómo se puede aplicar el poder de los datos a nuestro negocio. En estos casos recomendamos el curso “Experto en Big Data”, programa especializado impartido por U-tad que permitirá a sus titulados dominar tanto el diseño como la administración y explotación de infraestructuras de última generación de Big Data.

Entre otras cosas, el profesional que apueste por este programa,  estará capacitado para realizar proyectos de desarrollo y administración de soluciones de Big Data con tecnologías como Hadoop; diseñar estrategias de inteligencia de negocio en grandes conjuntos de datos; proyectos de integración de Big data con el Data Warehouse de una compañía; gestión del conocimiento en grandes bases de datos distribuidas; liderazgo de planes de análisis de datos en entornos masivos como redes sociales, operadoras de telecomunicaciones, comercio electrónico o e-Health, entre otras.

Como salidas profesionales más claras, los profesionales que cursen el curso “Experto en Big Data”, se encontrarán ante un panorama formado por puestos como ingeniero en Big Data, analista de datos, consultor de business intelligence, auditor de sistemas de Big Data, gestor de infraestructuras o administrador de sistemas en el mismo campo.

Si quieres conocer más detalles de este programa y cómo puede contribuir a tu carrera profesional, no lo dudes más y ¡Descárgate aquí el folleto informativo!