Las organizaciones producen (y tienen) mucha más información de la que realmente pueden procesar y almacenar. En base a este concepto, surge el de “Good Data”, que se refiere a tomar los inmensos volúmenes de datos para analizarlos, filtrarlos y aplicarles transformaciones para llegar a datos de calidad, que permitan tomar buenas decisiones de negocio.
Como ilustración de esta situación, un sondeo realizado entre compañías líderes de todo el mundo reveló que el 97% está invirtiendo en iniciativas de datos, aunque sólo el 40% está administrando datos como un activo de negocios para sus empresas. En este sentido, uno de los problemas que tienen hoy las empresas es que no saben cómo almacenar su Big Data, ya que no suelen tener conocimiento sobre los servicios que se ofrecen en la nube. Además, hay desconocimiento acerca de cómo convertir esos datos en un activo útil para el negocio.
A juicio de Juan Martín Beines Furcada, Pre Sales Engineer – Cloud Services en BGH Tech Partner, esta situación ocurre porque dentro de las organizaciones no priorizan sus necesidades reales y no identifican el problema. “Si en lugar de recopilar millones de datos porque sí, primero se ocuparan de determinar qué datos necesitan para su negocio, y a partir de ahí analizarán cómo llegar a él, podrían ir registrando los diferentes orígenes de datos que formarán la métrica que requieren; y luego podrían determinar qué transformaciones hacen falta para llegar a ella, para finalmente ejecutarla y obtenerla”, explica.
Cómo obtener Good Data
Para convertir Big Data en Good Data, primero hay que garantizar que toda la información requerida, de todos los orígenes y fuentes de datos, sea almacenada de una forma segura y altamente disponible. Por lo general, esto se hace en un “Datalake”, que facilita la centralización de estos últimos. Luego hay que limpiar esa información y ver qué datos sirven, cuáles no, dejar solo los primeros, organizarlos y darles tanto un orden lógico como una jerarquía para armar una especie de modelo de datos. Por último, hay que llegar al nivel más ínfimo de esa métrica, para lo que hay que aplicarle diferentes filtros y aperturas.
“Por ejemplo, si la métrica final que se busca es ‘cuántos autos se vendieron en el último mes’, ese dato se debería poder filtrar por sucursal y por vendedor, para darle mayor profundidad”, indica el ejecutivo.
Actualmente existen distintas soluciones tecnológicas que ayudan a transformar Big Data en datos que aportan valor al negocio. En particular, AWS ofrece una serie de herramientas tales como S3, Glue, Athena, Quicksight y Sagemaker.
