{"id":9100,"date":"2018-04-27T10:37:41","date_gmt":"2018-04-27T08:37:41","guid":{"rendered":"https:\/\/www.makingscience.com\/blog\/que-se-espera-del-big-data-en-2018\/"},"modified":"2018-04-27T10:37:41","modified_gmt":"2018-04-27T08:37:41","slug":"que-se-espera-del-big-data-en-2018","status":"publish","type":"post","link":"https:\/\/www.makingscience.com\/es\/blog\/que-se-espera-del-big-data-en-2018\/","title":{"rendered":"\u00bfQue\u0301 se espera del Big Data en 2018?"},"content":{"rendered":"
\u00bfQue\u0301 se espera del Big Data en 2018?<\/div>\n
En un peri\u0301odo de tiempo significativamente corto, el big data ha evolucionado de ser un tema habitualmente tratado en las reuniones y conferencias de expertos en ciencia, a desempen\u0303ar un papel muy importante en casi cualquier industria. La capacidad de extraer grandes volu\u0301menes de datos para ofrecer nuevos insights ha alterado radicalmente la dina\u0301mica de las empresas y su manera de hacer negocios, impulsar las ventas y atraer a los clientes convirtie\u0301ndose asi\u0301 en un componente esencial de la estrategia empresarial a di\u0301a de hoy. Viendo que las empresas han probado buscar nuevos descubrimientos y oportunidades encerradas en el big data, prevemos las siguientes tendencias para el mundo de la anali\u0301tica en 2018: <\/p>\n

1. Empresas orientadas al conocimiento:<\/h2>\n

Entender, gestionar y manipular grandes volu\u0301menes de datos se ha convertido en algo omnipresente y que la mayori\u0301a de las empresas tienen la capacidad de tratar. 2018 sera\u0301 el an\u0303o en el que empresas con e\u0301xito se movera\u0301n ma\u0301s alla\u0301 de la simple manipulacio\u0301n de datos, para aprovechar las ideas que el big data puede revelar. El foco estar\u00e1 en llevar a cabo un data mining eficaz para satisfacer los requisitos de la organizacio\u0301n y para la orientacio\u0301n precisa de productos y servicios. Un enfoque orientado al conocimiento facilitara\u0301 una experiencia al cliente de otro nivel, competitividad, seguridad avanzada, y eficacia operacional. Por ejemplo, una compan\u0303i\u0301a de electro\u0301nica, invirtio\u0301 la mayor parte de su presupuesto de marketing en los canales convencionales, incluyendo el papel, la televisio\u0301n y el display. Sin embargo, al analizar el proceso de decisio\u0301n de los consumidores, se observo\u0301 que la mayori\u0301a de los clientes navegaban por los sitios web de los minoristas y menos del 9% visitaban la web de la marca. Basto\u0301 que la compan\u0303i\u0301a pasara de la publicidad convencional a mostrar contenido de webs de sus distribuidores para que las ventas de su e-commerce, aumentasen 21%. <\/p>\n

\n
\n
\n
\n

2. Anali\u0301tica transversal:<\/h2>\n

La anali\u0301tica no debe existir so\u0301lo en departamentos como marketing o gestio\u0301n de riesgos, debera\u0301 estar presente en toda la empresa. La anali\u0301tica de datos sera\u0301 usada para entender la dina\u0301mica del negocio y revelara\u0301 las maneras de incrementar la eficiencia. Los insights generados desde diferentes departamentos estara\u0301n integrados con el fin de obtener una estrategia a nivel empresarial y asi\u0301, eliminar procesos redundantes para aumentar la eficiencia, el crecimiento y la productividad. <\/p>\n

3. Aplicaciones en seguridad ciberne\u0301tica:<\/h2>\n

Hemos alcanzado un nivel de dependencia tecnolo\u0301gica digital de tal magnitud que los ataques ciberne\u0301ticos tambie\u0301n se han vuelto mucho ma\u0301s desenfrenados. Aparte de atacar a las instituciones financieras globales, los delincuentes ciberne\u0301ticos tambie\u0301n esta\u0301n apuntando a datos personales y dispositivos y se han registrado ma\u0301s casos de ransomware en todo el mundo. La seguridad ciberne\u0301tica es una de las mayores preocupaciones de la industria -so\u0301lo posible a trave\u0301s de grandes ana\u0301lisis de datos- se convertira\u0301 en un importante a\u0301rea de inversio\u0301n y crecera\u0301 ra\u0301pidamente. Las empresas y agencias gubernamentales actualizara\u0301n sus sistemas de seguridad a la pro\u0301xima generacio\u0301n de software que se ocupe de amenazas de seguridad ultramodernas. Segu\u0301n el ‘Cybersecurity Market Report’ de Cybersecurity Ventures, el gasto en ciberseguridad superara\u0301 el billo\u0301n de do\u0301lares de 2017 a 2021. <\/p>\n

4. IoT & IoP:<\/h2>\n

Habra\u0301 una transicio\u0301n del \u201cInternet de las cosas\u201d al \u201cInternet de las personas\u201d. El ana\u0301lisis productivo sobre el comportamiento humano, las interacciones y otras a\u0301reas cognitivas crecera\u0301 y empezara\u0301 a filtrar todos los sectores verticales de la industria. Por ejemplo, los hospitales utilizara\u0301n cada vez ma\u0301s te\u0301cnicas de aprendizaje meca\u0301nico para predecir la probabilidad de la recai\u0301da de una enfermedad. Esto les permitira\u0301 elaborar la readmisio\u0301n de un paciente precisamente en el momento del alta inicial. <\/p>\n

5. Reducir el gap de talento:<\/h2>\n

Es obvio que la brecha de talento en anali\u0301tica de datos se disparara\u0301 ma\u0301s a medida que la demanda se expande. Es de esperar que las organizaciones e instituciones acade\u0301micas colaboren para generar habilidades y talento que satisfagan la demanda de ingenieros de datos. McKinsey estima que la escasez de personal en 2017 es de unos 200.000 so\u0301lo para los Estados Unidos, esta cifra puede duplicarse fa\u0301cilmente a escala mundial. En marzo de 2016, Continuum Analytics (creador de la plataforma anali\u0301tica de co\u0301digo abierto Anaconda) lanzo\u0301 Anaconda Skills Accelerator Program (ASAP), un curso de ciencias de datos de 12 meses. Segu\u0301n la estimacio\u0301n de la industria, los cienti\u0301ficos de datos reciben tanto como el doble de la remuneracio\u0301n recibida por un programador. <\/p><\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/p><\/div>\n

\n
\n
\n
\n

6. Colaboracio\u0301n entre empresas cienti\u0301ficas:<\/h2>\n

Las empresas tendra\u0301n que aprender y desplegar te\u0301cnicas tradicionales y cienti\u0301ficas de comparacio\u0301n de patrones e inteligencia artificial para los casos de uso anali\u0301ticos. Por ejemplo, las te\u0301cnicas para analizar las secuencias de genes en el ADN se utilizan en algoritmos de concordancia de texto para procesar correos electro\u0301nicos masivos. Se espera ver una estrecha colaboracio\u0301n entre los cienti\u0301ficos de los datos y la comunidad cienti\u0301fica, especialmente pertenecientes a disciplinas como la neuro-ciencia, la biologi\u0301a molecular, la astrofi\u0301sica, la fi\u0301sica de parti\u0301culas y la qui\u0301mica orga\u0301nica. Por ejemplo, el procesamiento de ima\u0301genes es ampliamente utilizado en \u00abetiquetado\u00bb en las redes sociales, mientras que el reconocimiento de voz se utiliza en aplicaciones como Siri. <\/p>\n

7. Tecnologi\u0301a:<\/h2>\n

Las empresas se movera\u0301n de las plataformas locales a entornos cloud e hi\u0301bridos. Segu\u0301n una encuesta de IDG, el 44% de las apps utilizadas por las organizaciones Fortune 500 ya esta\u0301n en la nube, y para finales de 2017, ma\u0301s del 50% de las aplicaciones de IT se movera\u0301n a la nube tambie\u0301n. Esto conlleva un aumento en la demanda de herramientas de ana\u0301lisis a\u0301giles que sean simples, flexibles y capaces de manejar varias fuentes de datos. Hadoop seguira\u0301 siendo cada vez ma\u0301s popular, ya que nos permite almacenar un volumen de datos extremadamente grande a un precio significativamente menor. La proporcio\u0301n de datos no estructurados en el data warehouse continuara\u0301 aumentando. Hadoop, ahora, ha superado la fase de evaluacio\u0301n de relevancia y escalabilidad empresarial y se espera que su adopcio\u0301n se acelere bruscamente. De acuerdo con una encuesta de 2.100 CXOs, empresarios y ejecutivos de IT de 1.300 empresas de todo el mundo, el 49% de los encuestados coincidieron en que obtuvieron un valor tangible a trave\u0301s de Hadoop. Adema\u0301s, el 45% del resto estaba anticipando un beneficio considerable en un breve peri\u0301odo de tiempo. Estamos avanzando hacia una nueva era en el dominio de ana\u0301lisis. Gracias al big data surgen ideas pioneras y tecnologi\u0301as innovadoras en los sectores verticales de la industriase, a pesar de estar e\u0301ste constituido por datos muy desagregados. Se abren nuevos mercados para el mundo de la anali\u0301tica, y si estos mercados quieren ser un ejemplo de innovacio\u0301n y crecimiento, no tendra\u0301n ma\u0301s remedio que aprovechar el big data para hacer del 2018 un an\u0303o exitoso. <\/p><\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

\u00bfQue\u0301 se espera del Big Data en 2018? En un peri\u0301odo de tiempo significativamente corto, el big data ha evolucionado de ser un tema habitualmente tratado en las reuniones y conferencias de expertos en ciencia, a desempen\u0303ar un papel muy importante en casi cualquier industria. La capacidad de extraer grandes volu\u0301menes de datos para ofrecer […]<\/p>\n","protected":false},"author":21,"featured_media":9101,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[33],"tags":[],"class_list":["post-9100","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-martech-adtech"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/posts\/9100","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/users\/21"}],"replies":[{"embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/comments?post=9100"}],"version-history":[{"count":0,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/posts\/9100\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/media\/9101"}],"wp:attachment":[{"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/media?parent=9100"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/categories?post=9100"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.makingscience.com\/es\/wp-json\/wp\/v2\/tags?post=9100"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}