Si la semana pasada hablábamos de cómo ganar dinero con Big Data, esta vamos a ver ejemplos de aplicaciones del Big Data en empresas y personas reales que que han utilizado esta tecnología para lograr sus objetivos.

Una de las muestras más apasionantes de aplicaciones del Big Data probablemente sea el caso del Presidente Obama en las elecciones del 2012. Obama arrancaba con el índice más bajo de popularidad de un presidente norteamericano desde 1980, debido a las guerras en Oriente Medio, al paro y a la crisis de la sanidad. Todos los sondeos electorales vaticinaban un empate absoluto entre los dos candidatos. Sin embargo, mediante técnicas de Big Data, Obama consiguió identificar a todos los votantes indecisos de cada Estado, lo que le permitió ajustar las campañas y la toma de medidas concretas para cada uno de ellos, logrando en consecuencia ganar las elecciones.

Netflix, gran distribuidor de series y contenidos en Streaming, recientemente llegado a España, también supo encontrar aplicaciones del Big Data para sus contenidos. Decidió hacer una serie a la carta. Realizó el análisis de qué veían sus millones de suscriptores por todo el mundo hasta encontrar las claves del éxito: el director, la trama y el protagonista. Llegaron a la conclusión de que sus suscriptores querían ver a Kevin Spacey protagonizando una trama dirigida al estilo de David Fincher (Perdida, La red social, Seven, etc.). Uniendo estas conclusiones vieron que la mejor trama era la de una serie británica de los años 90, que readaptaron. Así surgió el éxito de House of Cards.

UPS, una de las grandes empresas de paquetería, monitorizó 6 millones de envíos diarios. Con ello logró una mejora importante de la calidad de las entregas, amén de ahorros muy significativos en los kilómetros recorridos y en consecuencia en el combustible gastado.

Para ver el éxito de las aplicaciones del Big Data, nos basta con fijarnos en Google, considerado por muchos el padre del Big Data. Pasó de ser un motor de búsqueda a convertirse en uno de los mayores (en España el mayor con diferencia) vendedores de publicidad por Internet. Cada día, el gigante de Silicon Valley adapta sus productos y servicios para sacar nuevos modelos de negocio innovadores, según le va indicando la información que maneja. ¿Hacia dónde va Google? ¿Se convertirá en un banco? ¿Un operador de telecomunicaciones?

Y estas son solo unas pocas aplicaciones del Big Data. Hay muchas más por explorar.

MÁSTER EXPERTO BIG DATA ANALYTICS

Gracias al Master en Big Data Analytics 100% Online tendrás amplios conocimientos sobre las herramientas y técnicas analíticas necesarias para la modelización de los principales retos de negocio, con el fin de mejorar la toma de decisiones a través de los datos y el conocimiento.

Durante la pasada semana se celebró en la Escuela Técnica Superior de Ingeniería (ETSI) Informática de la Universidad Politécnica de Madrid el evento Try It 2016, donde las empresas más punteras y otras organizaciones presentaron a los estudiantes las tecnologías más novedosas, con especial atención al Big Data. Allí estuvo datahack el pasado jueves 17 a las 13:20 horas contando a la audiencia la funcionalidad del Big Data, la evolución de Hadoop y las ventajas del Machine Learning, cuyo contenido desconocían muchos de los futuros ingenieros informáticos.

Ante una audiencia de más de 100 personas, Lourdes Hernández comenzó su charla presentando a datahack y explicando los puntos de nuestro programa 100% práctico e intensivo, centrado en la formación técnica a través del conocimiento de R, Hadoop, Spark, Python, SQL, NoSQL, algoritmos avanzados, etc. Según McKinsey, en 2018 harán falta 200.000 científicos de datos en todo el mundo, de los que unos 20.000 serán solicitados en España.

Entrando en materia, repasamos las 5 uves del Big Data, para después pasar a ver la evolución de Hadoop, no desde la invención del ábaco, pero sí desde que en 2002 Doug Cutting y Mike Cafarella comenzaron a trabajar en Nutch hasta que en 2009 Cutting pasa a formar parte de Cloudera. ¿Qué es Hadoop? Hadoop es un sistema para el almacenaje y el procesamiento de datos a gran escala, gracias al almacenamiento de datos en HDFS y al procesamiento mediante MapReduce.

La comunicación entre nodos en Hadoop es mínima, además de usar múltiples discos en paralelo, pudiendo procesar fácilmente 3 TB de datos en 15 segundos. Además, su lenguaje de programación suele estar escrito en Java, dando la posibilidad de escribir MapReduce casi en cualquier lenguaje, sin necesitar código de red ni sincronización.

Sin embargo, y esto es importante, Hadoop no es solo Hadoop, sino que forma todo un ecosistema formado por múltiples aplicaciones relacionadas con el Big Data: Flume, Sqoop, Oozie, Pig, Mahout, R Connectors, YARN, Hive, Hbase… Hadoop permite realizar minería de datos, proceso mediante el cual se puede obtener información nueva a partir de textos ya existentes (un 80% de la información existente es textual). Permite recuperar y extraer información, y establecer relaciones entre ellas, incluso en textos no estructurados como PDF o Word.

Se puede desde medir el prestigio de una persona hasta explorar cómo se ha extendido un rumor, o incluso identificar amenazas mediante la detección de patrones, analizar drogas y sus efectos secundarios y resolver problemas basados en relaciones.

Por último, vimos varios casos en los que Hadoop podía ayudar a las empresas, tales como como la identificación de la verdadera razón de una pérdida continua de clientes o la correcta programación de un motor de recomendación que sugiera automáticamente a los clientes la compra de unos productos determinados.

La audiencia salió satisfecha del salón de actos del Bloque Uno de la Facultad y nosotros nos llevamos con nosotros el entusiasmo de una generación de estudiantes que está siendo enormemente demandada en el ámbito laboral.

MÁSTER EXPERTO BIG DATA ANALYTICS

Gracias al Master en Big Data Analytics 100% Online tendrás amplios conocimientos sobre las herramientas y técnicas analíticas necesarias para la modelización de los principales retos de negocio, con el fin de mejorar la toma de decisiones a través de los datos y el conocimiento.

Cada minuto generamos una cantidad inmensa de datos: redes sociales, Internet, sensores, etc. Datos muy volátiles como los tweets. El Big Data trata de poder analizar todo ese volumen de datos de una forma rápida que permita, además, aprovecharlos para un fin productivo. Esta es la teoría; pero, ¿Y la práctica? ¿Cómo ganar dinero con Big Data de forma real? Gracias a su participación en 4 dimensiones:

Mejora en el conocimiento del cliente

El Big Data permite el análisis del sentimiento y experiencia del cliente, saber cuál es el parecer real que tiene el cliente de nosotros. También facilita la segmentación de clientes para personalizar acciones comerciales y ofrecer el producto adecuado en el momento oportuno para afianzar la intención de compra. Del mismo modo, podremos calcular el valor del cliente a cada momento y ver cuánto nos aporta. También seremos capaces de predecir qué clientes nos van a cambiar por nuestra competencia, lo que nos permitirá adelantarnos a sus intenciones y realizar acciones que lo persuadan para quedarse en nuestra empresa.

Apoyo en la toma de decisiones

Al disponer de un mayor detalle de la información disponible, procedente de fuentes más veraces y procesada potencialmente más rápido, pasamos de deducir sobre los datos el qué y el por qué pasó, a la predicción de conocer qué pasará e incluso a la prescripción, habilitándonos para definir de antemano las acciones a realizar, gracias a las técnicas de Machine Learning.

Optimización de los procesos de negocio

Lo lograremos mediante el análisis de la información generada durante el proceso, sumado al ahorro de costes producido por la utilización de infraestructuras más ágiles y baratas.

Creación de nuevos modelos de negocio

Crearemos modelos innovadores, de productos y servicios, estructurados en la sólida base del conocimiento aportado por los datos.

En definitiva, aplicando estas cuatro dimensiones a nuestro negocio se abren múltiples vías para ganar dinero con Big Data. ¿Y cómo desarrollamos estas dimensiones? Con el master de Big Data & Analytics aprenderás todas las tecnologías para sacar todo el partido a tus datos.

MÁSTER EXPERTO BIG DATA ANALYTICS

Gracias al Master en Big Data Analytics 100% Online tendrás amplios conocimientos sobre las herramientas y técnicas analíticas necesarias para la modelización de los principales retos de negocio, con el fin de mejorar la toma de decisiones a través de los datos y el conocimiento.

Antes de buscar una escuela o centro donde encontrar una formación Big Data adecuada para tus intereses, es necesario que definas qué intereses son esos, cuál es la meta que te propones conseguir eligiendo el camino del Big Data. Para esto, lo mejor es responder a 3 cuestiones:

Preguntas para decidir qué formación Big Data buscas

1.- ¿Dónde me veo en 5 años?

Aunque un lustro pueda parecer mucho tiempo, lo cierto es que llega más rápido de lo que pensamos. Según si queremos montar una consultora o negocio por nuestra cuenta o si deseamos medrar en alguna empresa de renombre y ocupar un cargo directivo, nuestros pasos a seguir y nuestros intereses formativos serán diferentes.

2.- ¿Cuáles son mis aptitudes, conocimientos y experiencia?

Según nuestro perfil y capacidades, buscaremos un máster de Big Data & Analytics afín a nuestras características. También intentaremos aprovechar el bagaje adquirido en los años anteriores o en otros sectores laborales para mejorar nuestra experiencia en el Big Data.

3.- ¿Qué sacrificios estoy dispuesto a asumir?

Aunque la demanda de perfiles Big Data sea enorme, no quiere decir que no haga falta esforzarse y trabajar para conseguir nuestros objetivos, además de buena tolerancia a la frustración.

¿Qué tipos de formación en Big Data podemos encontrar?

Hay fundamentalmente dos grandes tipos de formación: Técnica y mixta.

1.- Formación técnica.

Esta formación Big Data está destinada fundamentalmente a profesionales del mundo de las ingenierías. Se centra en los conocimientos científicos y de programación del Big Data. Asignaturas como estadística, probabilidad, R, Hadoop, NoSQL, Python, Spark o Algoritmos avanzados suelen ser los componentes de su programa.

2.- Formación mixta.

Fusiona negocio y tecnología. Está destinada a una gran variedad de perfiles, como directivos, empresarios, jefes de proyecto, innovación, marketing, etc.

¿Qué características tenemos que evaluar en las Escuelas de Big Data?

.- En primer lugar, la oferta del programa. En función de la formación que busquemos, tendremos que elegir un tipo de programa u otro según cuál se adapte mejor a nuestras necesidades.

.- Todo programa requiere de un buen equipo de profesores que impartan correctamente la formación. Es necesario que posean experiencia real (y más si es una formación técnica) y gocen de buena reputación en la materia que imparten.

.- La transparencia de la escuela al informar de sus contenidos y profesorados. Es el mejor indicador de que la escuela en cuestión es seria y ofrece lo que promete.

Tras sopesar todo lo anterior, quedaría un criterio más a tener en cuenta, el coste económico. Sin embargo, es un factor que suele ser similar en casi todas las escuelas, y en general no debería ser el factor decisivo pues, como reza el dicho, muchas veces lo barato sale caro. ¿Qué implican un par de miles de euros de diferencia si vamos a cumplir nuestro sueño?

MÁSTER EXPERTO BIG DATA ANALYTICS

Gracias al Master en Big Data Analytics 100% Online tendrás amplios conocimientos sobre las herramientas y técnicas analíticas necesarias para la modelización de los principales retos de negocio, con el fin de mejorar la toma de decisiones a través de los datos y el conocimiento.

El jueves 10 de marzo se celebró nuestro habitual Data&Beers, que contó con la presencia de Iván Guerrero Meléndez, Senior Data Analyst en Experian y profesor del módulo Data Discovery en datahack, que nos ofreció una interesante ponencia sobre los usos del Big Data aplicado al scan y segmentación de redes sociales en general y Twitter en particular.

Trató sobre el Big Data orientado a Marketing para mejorar las campañas publicitarias, utilizando machine learning, interfaces de las redes sociales y análisis del sentimiento para crear marketing inteligente, aprovechando los 17 terabytes que Facebook y Twitter producen diariamente.

Aprendimos que el Big Data se levanta sobre tres grandes pilares: la descripción, la predicción y la prescripción. Es decir, el conocimiento de nuestros productos, servicios, clientes, etc.; la capacidad de conocer cuáles van a ser las necesidades o demandas de nuestro público y la toma de decisiones y consejos para que nos adelantemos a dichas demandas y obtengamos en consecuencia mayores beneficios.

Twitter te permite realizarle preguntas en tiempo real a través de su herramienta Twitter Developers, que son respondidas con todos los tuits cuyo contenido se relacione con la pregunta realizada. Obviamente, esta pregunta no se realiza en un sistema lingüístico humano, sino con un lenguaje formal de programación, en este caso, Python. Podemos preguntar desde cuántos comentarios positivos y negativos hay sobre nuestro producto hasta qué hashtags están más relacionados con nosotros. Esto es muy útil si, por ejemplo, somos una empresa de aviones y descubrimos que estamos muy relacionados con #impuntuales, pues nos permite contrarrestar la crisis de reputación que dichos hashtags pudieran provocar.

Mediante el análisis del sentimiento, podemos programar una especie de biblioteca dentro de Twitter para que la red social pueda identificar semánticamente si un tuit dice algo positivo o negativo, mediante la adición de una mezcla entre fórmulas matemáticas y programación Python.

También hubo espacio para las anécdotas, como las correlaciones de datos encontrados a través del Big Data, que sin tener ninguna explicación, unen datos de manera directa e inversamente proporcional constantes en el tiempo. Así tenemos que el número de mascotas en Estados Unidos está relacionado con el número de abogados en California; cuantas más mascotas, más abogados. O que el número de muertos por balconing aumenta cuando se estrena una película protagonizada por Nicholas Cage.

El Data&Beers de segmentación de redes se cerró con un resumen del contenido y la charla entre asistentes, equipo de datahack y ponente, acompañado de cervezas y patatas.

Ya ha comenzado la era del Big Data. Un sinfín de posibilidades se han abierto a las empresas, desde la transformación de datos en conocimiento relevante para nuestro negocio hasta la optimización del conocimiento que tenemos sobre nuestros clientes, llegando incluso a poder predecir sus sentimientos mediante el análisis de sus intereses, comportamiento y necesidades. ¿Cómo va a transformarse esta explosión de posibilidades en empleos concretos? ¿Cómo podremos aprovechar las oportunidades que están surgiendo? ¿Cuáles son los perfiles Big Data y cómo va a ser su futuro puesto de trabajo?

Para responder a estas preguntas es necesario que incidamos en dos aspectos: por un lado, nuestro perfil individual, analizando cuáles son mis capacidades y mi experiencia; por el otro, siendo conscientes de nuestros intereses, más allá de progresar en nuestra carrera laboral y obtener mayores remuneraciones, ya que una falta grande de interés puede llevarnos fácilmente a la frustración y el fracaso.

Podemos resumir en cuatro los requisitos y las funciones que debemos realizar si deseamos encajar en los perfiles Big Data:

• Observar nuestro entorno para definir problemas y plantear cuestiones.
• Poseer un conocimiento profundo de las fuentes de datos.
• Buscar herramientas y metodologías correctas para su análisis e investigación.
• Estar al tanto de la actualidad de las tecnologías emergentes de tratamiento de datos y de la aparición de nuevos métodos de trabajo.

Además, como el mundo de los datos es muy amplio, podemos seleccionar en cuál de los siguientes perfiles Big Data encajaremos mejor. Empezaremos por los menos técnicos:

• Data Steward. Realiza la doble acción de proteger los datos y resultados obtenidos y la gestión de los datos de acuerdo a las políticas, normativas y estándares éticos de la empresa donde trabaje. Es el guardián de los datos.
• Data Miner. El minero de datos se encarga de revisar el trabajo de Big Data. Evalúa los resultados de los análisis para definir si cumple el nivel de confianza requerido. También estima la precisión de los modelos y si las respuestas son tan exactas como deben.
• Analista de datos. Es quien sabe qué se puede hacer con los datos. Se encarga de identificar las limitaciones y proporcionar recomendaciones a partir de los resultados obtenidos en los análisis.

Por otro lado, encontramos otros perfiles Big Data que requieren una formación más técnica:

• Data Scientist. El científico de datos necesita contar con grandes conocimientos sobre estadística y programación, amén de poseer la destreza necesaria para la correcta resolución de problemas, realizar preguntas y explicar de forma clara los resultados obtenidos. Extrae el conocimiento de los datos.
• Desarrollador Hadoop. Es el respondable de la primera fase del procesamiento de datos, pues es el encargado de la obtención de datos desde su origen, su procesamiento y su almacenamiento para ponerlos a disposición de los analistas de negocios y los Data Scientists

Ayer jueves 2 de marzo a las 18:30 horas dio comienzo nuestro taller sobre cómo vender proyectos Big Data. Un total de 19 personas pudieron disfrutar del taller práctico moderado por Lourdes Hernández, que se dividió en cuatro partes: ¿Qué es el Big Data? ¿Para qué sirve? Casos de aplicación del Big Data y simulacro de Elevator Speech.

En el primer apartado, las definiciones de datahack se mezclaron con las del público, entre las que destacó la aportación de un asistente, que definió el Big Data como: “Papá Noel o los Reyes Magos, unas herramientas que sirven para ver si un proceso o producto es bueno o malo”. Otras definiciones fueron: “Big Data es el análisis de todo tipo de información que sea útil para la empresa” o “Big Data es la posibilidad de manejar grandes volúmenes de información para llevar mejor nuestro negocio”.

Para vender bien proyectos Big Data es esencial tener claro para qué sirve dicha tecnología. El Big Data tiene usos muy diversos, desde la prevención de riesgos hasta la mejora del servicio, el control de las actividades de los trabajadores o la mejora de la velocidad de respuesta ante imprevistos.

Destacan casos de uso del Big Data como el de Marca. que según uno de los asistentes al taller, utilizaba la tecnología para decidir en tiempo real el tamaño de su tirada en cada ciudad, en función de los equipos de fútbol que ganaran el día anterior y del número de seguidores que dicho equipo tuviera en una determinada localidad.

Después, el taller llegó a su punto culminante: la creación de proyectos Big Data y su simulacro de venta a los asistentes mediante el formato Elevator Pitch. Tras distribuirse los asistentes por grupos, presenciamos la venta de sus ideas.

El taller de venta de proyectos Big Data se convirtió en un seminario de brainstorming en el que se mezclaron proyectos que ya estaban implementándose con otros que proponían ideas geniales; desde un método para seguir en tiempo real el rendimiento de los escolares y así adaptarse a su velocidad de aprendizaje, hasta reducir el déficit en la Seguridad Social y salvar vidas al detectar mejor las enfermedades raras y evitar el contagio de otras.

Otras ideas de proyectos Big Data propusieron la asistencia a un restaurante con pocos comensales para que captara la atención de clientes de más allá de los límites de su pequeña localidad. Hubo un proyecto Big Data que generó polémica, el Veritas Plus, la aplicación de esta tecnología para monitorizar la actividad de los trabajadores y detectar tanto mala praxis como maneras de mejorar su rendimiento.

Finalmente, los asistentes votaron y salió ganador el proyecto Big Data Ecomove Transporte, que pretende utilizar las tecnologías de análisis de datos para reunir a viajeros frecuentes según grupos de afinidad o hobbies, de manera que puedan coincidir en un coche o un vagón personas interesadas en cine, por ejemplo; y en otro, gente amante de la botánica, lo que haría que el consumo del transporte público aumentara y se crearan nuevos vínculos sociales.

El taller de venta de proyectos Big Data se cerró con una breve encuesta que rellenaron nuestros asistentes. Si quieres venir al próximo, consulta nuestra Web