¿Qué hacemos con los datos?. Las empresas no saben cómo rentabilizar el big data

bigdata

Tener datos y saber analizarlos. Hasta hoy en la mayoría de los casos, dos cosas diferentes que llevan a situaciones de desventaja competitiva. Sólo el 33% de las compañías sabe como rentabilizar el Big Data a pesar de una mayor inversión en su la gestión. Y casi la mitad de ellas, considera que todavía es pronto para confirmar la aportación de valor.

El acceso a los datos y la calidad de los mismos son dos de los grandes desafíos a los que se enfrentan las empresas que, salvo excepciones, todavía no saben cómo extraer valor de los cada vez mayores volúmenes de información que almacenan.

De acuerdo con un estudio realizado por SAS, compañía experta en advandec analytics y machine learning, existen todavía frenos que impiden o ralentizan la plena rentabilización del Big Data en el mundo empresarial. En muchos casos se trata de problemas asociados a la complejidad de la gestión, pero en otros son temas relacionados con cultura, habilidades y dificultad para acceder a la tecnología adecuada.

ACCESO A LOS DATOS
Para muchas organizaciones, el acceso a los datos es competencia de los data crunchers, científicos de datos y analistas de negocio que suelen contar con acceso directo y libre a los datos sin supervisión del área TI. Según el estudio, representan un 13% y son supervisados en menos del 50% de los casos por responsables de big data.

Alrededor de un tercio de los encuestados para realizar el estudio tienen posibilidad de acceder de forma instantánea a los datos que necesitan, pero el 28% indica que tarda en acceder a ellos hasta una semana, el 8% un mes y el 3% más de 30 días.

CLOUD
También la adopción del cloud es lenta y solo el 19% de las organizaciones acceden actualmente a datos en la nube mientras que el resto continúa almacenando datos in situ. La seguridad es una de las grandes preocupaciones que despierta el almacenamiento en la nube.

INTELIGENCIA ARTIFICIAL
Aproximadamente, una de cada cinco empresas ya ha implementado tecnología de machine learning o inteligencia artificial (AI), otro 23% ha probado machine learning o la IA de manera experimental y, el mayor segmento, el 42%, está explorando soluciones de IA aunque aún no ha invertido.