.jpg)
Mucho se ha hablado de los Big Data o datos masivos y muchos mitos se han creado en torno a ellos. La analista Svetlana Sicular ha analizado alguno de ellos, como por ejemplo el hecho de que fallar es inevitable, que la variedad y la velocidad son más importantes que el volumen de estos datos o que en lugar de buscar un especialista es más efectivo crear todo un equipo multidisciplinar dentro de la empresa.
Cuando se empieza a trabajar con estos datos es inevitable cometer errores, y la clave –apunta Matt Asay en un artículo publicado en Read Write sobre las conclusiones de la analista– está en reducir al mínimo el coste de cada uno de estos fracasos.
El primer mito sobre los datos masivos –continúa Asay–- es la creencia de que lo importante es el volumen, pero varios estudios han demostrado que son la velocidad y la variedad las características más importantes.
También resulta imprescindible saber qué preguntas necesitan respuesta a la hora de almacenar estos datos, es decir –explica Sicular– si la empresa sabe cuáles son las preguntas que quiere realizar y consigue que éstas encajen correctamente en una base de datos relacional, es muy probable que no tenga muchos problemas con el tratamiento de los Big Data.
Ahora bien –continúa– si la compañía se limita a adquirir datos sin orden ni concierto en su búsqueda de las tendencias de mercado que vayan a favorecer sus ventas, es probable que se enfrente a más de una dificultad. Muchos de estos datos se encuentran dentro de las mismas empresas –señala la analista– lo que ocurre es que no se han manejado correctamente en el pasado.
Una vez que ya se tienen los datos, las compañías comienzan a buscar un científico especialista en su tratamiento, pero en seguida se dan cuenta de que no es tan sencillo. Para la analista resulta mucho más eficiente preparar un equipo multidisciplinar dentro de la compañía que destaque en distintas habilidades, y que pueda ser capaz de enfrentarse a retos tecnológicos y de solucionar problemas relacionados con la adopción de estos datos.