¿Realmente es necesario el big data?

¿Realmente es necesario el big data?

La Harvard Business Review acaba de publicar un artículo de Maxwell Wessel con un título muy singular: You don’t need Big Data, you need the right data. Algo así como: No necesitas big data sino los datos correctos, los que tú precisas para tu negocio, página web, etc.

Nada más certero en este mundo digital donde se gestionan una grandísima cantidad de datos que podemos gestionar de miles de maneras pero… ¿Para qué? ¿De qué me sirve a mí saber ciertos datos de mis usuarios o clientes si no puedo hacer nada con ello o, simplemente, no encaja en mi modelo de negocio?  Las empresas, negocios, entidades gubernamentales, industrias… Se afanan en digitalizarlo todo, en recoger ingentes cantidades de datos porque es lo que, por el momento, nos han dicho que hay que hacer y, lo más importante, la tecnología nos permite realizar.

Pero la realidad es que se está perdiendo el objetivo del big data. La innovación no vendrá del tipo de dato, o de la cantidad del mismo, sino que el factor crítico es ser capaz de obtener los datos correctos.

Wessel pone el ejemplo de Uber, como un ejemplo del buen uso del big data. Nadie duda que Uber capta una ingente cantidad de información: Su aplicación rastrea los movimientos de los móviles de los clientes y de sus coches, mapeando un flujo logístico a tiempo real del transporte humano. Pero el éxito de Uber no radica en su función como recolector de big data. El big data ha habilitado que esta compañía haya entrado en nuevos mercados, creado nuevos trabajos y nuevos hábitos para sus clientes. El logo de Uber es el resultado de algo muy diferente: El pequeño dato, el dato correcto que necesita para hacer algo muy simple, enviarte un coche.

En el futuro, arrancaremos el coche apretando el botón de nuestros móvil. Pese a ello, las personas necesitaremos seguir llamando a un taxi cuando lo necesitemos. Los taxis, mientras sigan desconectados y sin una infraestructura tecnológica, son los jugadores ‘big’ a la espera de identificación. El tráfico necesita una infraestructura de miles de ojos alrededor de una ciudad viendo si hay alguna persona con el brazo en alto, llamando a un taxi. Pero Uber logro romper el equilibrio físico – taxi en la calle, persona con el brazo en alto – siendo capaz de recoger el dato correcto en el momento preciso.

La conclusión es que los datos correctos a veces son masivos, a veces son pequeños. Realmente la innovación se sustenta en colocar las piezas críticas de datos en una posición competitiva. Para ello, Wessell propone tres cuestiones para que un proceso nos dé el dato correcto:

  1. ¿Qué decisiones no son útiles en mi negocio?
    Muchas veces, nos encontramos con puntos en los que invertimos mucha energía que no es útil. Son puntos de esfuerzos malgastados  que nos pueden guiar hacia el dato correcto.
     
  2. ¿Qué decisiones puedes automatizar para reducir el esfuerzo inútil?
    Las personas no solemos encontrarnos cómodas realizando tareas simples y repetitivas. Las máquinas pueden realizar fantásticamente tareas tediosas, en las que cuesta tomar decisiones.

    Amazon, por ejemplo, quiere dejar en manos de un algoritmo el precio de los productos. Para muchas empresas que venden sus productos en Amazon esto es cruzar una línea roja. Pero las matemáticas de Amazon seguramente trabajen mejor, ajusten mejor los precios, mejore los inventarios de estos productos y sean capaces de predecir mejor cuando hay que introducir un nuevo producto o una oferta. Al final, será más competitivo.
     

  3. ¿Qué dato necesitas en realidad?
    Una vez conocido estas pérdidas de eficacia, una vez tomadas las decisiones indicadas para lograr acabar con estos esfuerzos inútiles, el siguiente paso es preguntarte si tuvieras datos para tomar la decisión perfecta, ¿cómo serían esos datos?

En el caso de Uber, necesita saber exactamente donde están estos clientes o viandantes potenciales en la ciudad, para que, cuando tomen la decisión de pedir un taxi, reduzca esa pérdida de esfuerzo asociada a los conductores buscando la tarifa. En una industria puede ser cuando se romperá una máquina, para poder reemplazarla o arreglarla. Para un sistema sanitario, por ejemplo, cuando sube el azúcar de un paciente diabético.

Esos son los datos correctos. Si llegas a ellos a través de pesadas aplicaciones que gestionan grandes cantidades de datos, perfecto. Si los logras con una sencilla aplicación para el móvil que activan tus clientes, mucho mejor.

La reflexión es que muchas compañías van a perder mucho tiempo y dinero en el altar del Big Data. Y no pensando qué dato correcto se está buscando.

Sobre el autor