Murió Big Data. Duró más que el OS/2 pero menos que la JavaStation. Llegó la hora del Smart Data.

​Hay un viejo chiste que cuenta de un oficial del Gobierno chino que está de visita en Lati­noamérica y es llevado a conocer una ciudad. El oficial pregunta cuántos habitantes tiene; y cuando el intendente, orgulloso, le dice que han llegado a 100.000, repregunta: “¿Y en qué hotel se hospedan?”. Las cantidades son relativas.

Según nuestra visión, la cantidad de datos no es tan relevante como la aproximación al análi­sis. El fundamento puede resumirse en una frase: lo diferente es el uso del método cientí­fico para cuestionar la visión de negocio basa­do en datos concretos. Es decir, tomar premisas de negocio que se dan por hechas y utilizar los datos para ratificarlas o refutarlas, y a partir de ahí disparar cambios. El hecho de refutar una visión establecida de negocio puede abrir nuevas fronteras y es algo que los datos ayudan a realizar. En un proyec­to de Big Data ejecutado en nuestra empresa tuvimos en un momento cuatro doctores en Informática en una sala discutiendo sobre las propiedades que mostraban los datos y cuestionando los algoritmos que se estaban usando. Esto caracteriza más a un proyecto de Big Data que el hecho de usar Hadoop u otra tecnología.

MAS QUE BIG, SMART

Desde un punto de vista técnico, queda claro que Hadoop no es la solución a todos nues­tros problemas. Para todos los que alguna vez trabajamos en sistemas distribuidos (mi doctorado fue en sistemas distribuidos), era obvio que no todos los problemas pueden re­solverse razonablemente con el modelo map & reduce, y a veces es necesario usar otros modelos. No solo eso: a veces ni siquiera es necesario utilizar más de una computadora…

Por eso, en Practia apostamos fuertemente por los hijos de Big Da­ta. Por Data Science, por Predictive Analytics. Creemos que entre la tecnología –que permite hoy procesar logs de operaciones, conjuntos enormes de datos de fuentes distintas, y apli­car sobre ellos numerosas reglas y algoritmos estadísticos– por un lado, y el negocio –que necesita estos datos para armar modelos con los cuales tomar decisiones– por el otro, ha­ce falta alguien que entienda los algoritmos y pueda traducirlos al negocio, y que pueda selec­cionar la mejor tecnología para un determina­do problema y así ayudar a realizar las preguntas que importan.

En 2005, al cumplir diez años, nos presentábamos como traductores de tec­nología: profesionales bilingües que podíamos interactuar con el mundo del negocio y el de la tecnología, generando valor en esa interpre­tación.

Hoy más que nunca estas capacidades son clave a la hora de armar proyectos que tal vez deberíamos llamar “de Smart Data”. Posible­mente sean Big, porque la dimensión de los datos es un problema con el cual hay que lidiar y haya que buscar estrategias adecuadas a la hora de resolverlos. Pero esa no es su principal característica, sino el valor que agregan, la inte­ligencia que generan, el “insight” con la natura­leza del negocio, por lo que es adecuado pensar en Smart como su principal característica. Y en Smart Data, en vez de las típicas tres”V” de Big Data (variedad, volumen, velocidad), tendremos otras tres “V”: valor, valor, valor.