Las 7v del Big Data: datos transformados en valor

En medio de la revolución tecnológica de los años recientes, el Big Data ha cobrado considerable relevancia al ser una mina de valor, en especial para las grandes empresas y negocios. De manera simple, nos referimos como Big Data al gran volumen de datos hoy disponibles para obtener de ellos información, con siete características que se han denominado las 7v por sus iniciales.

Las 7v del Big Data: datos transformados en valor

  1. Volumen (Volume)

Es la primera característica intrínseca al Big Data, si se usa este término se hace referencia a un alto volumen datos, inmanejable sin un sistema de almacenamiento y procesamiento.

Millones de transacciones al día en Internet, trillones de fotos, billones de usuarios compartiendo intereses y haciendo compras, almacenamiento de archivos digitales que sobrepasan todo el conocimiento humano pueden dar una idea del inmenso volumen. La primera de las 7v.

Más allá de poder calcular su tamaño en Gigabytes, Terabytes, Petabytes o Exabytes,  el crecimiento exponencial de los datos disponibles tiene un propósito: convertirlos en información de valor.

  1. Velocidad (Velocity)

Tras asimilar el gran volumen de datos disponibles gracias a la tecnología, la segunda característica de las 7v del Big Data es la velocidad. El asunto toma ya dos dimensiones, no se trata de cuánta información sino de cuándo se genera, cuánto tarda en almacenarse y en procesarse, al punto tal que, si no es a tiempo real, ya es tarde.

Para tener una idea aproximada se pueden usar algunas cifras de lo que ocurre en Internet por minuto:

  • 8 millones de búsquedas de Google.
  • 29 millones de mensajes en What’s App
  • 5 millones de canciones escuchadas en Spotify
  • 2 millones de llamadas por Skype.
  • 000 documentos subidos a Dropbox.
  • 400 horas de videos subidos a Youtube.

De esta manera se presenta un gran reto para la recopilación y almacenamiento de datos, la tercera V del Big Data: la variabilidad de formatos y tipos de datos.

  1. Variedad (Variety)

Mensajes por correo electrónico, datos en formularios de contacto, interacciones en redes sociales, comentarios en YouTube, transacciones en línea, compras en e-commerce, comportamiento de usuarios al navegar una página de Internet, mensajes SMS, histórico de compras en un CRM, frecuencia de compras en un establecimiento físico, cantidad de visitas, series preferidas en televisión por demanda. Sumados al volumen y a la velocidad, la variedad de formatos y tipos de datos exigen una tarea de categorización profunda y amplia.

La estructuración de todos estos datos para filtrarlos y comprenderlos conlleva a la siguiente característica.

  1. Variabilidad (Variability)

Ahora bien, todos esos datos sueltos no proveen información porque son variables, un mismo comportamiento puede tener distintas causas, puede repetirse en diferentes momentos y tener diferentes significados, por ello es necesario aplicar métodos estadísticos para comparar sus variaciones, tener un acercamiento inteligente más allá de la observación y un proceso que empieza por convertirse en una primitiva información.

  1. Veracidad (Veracity) (Veracidad)

De las siete Vs del Big Data, es acá donde empieza a tener forma de información el procesamiento de datos; sin embargo, comienza mucho antes, desde el momento de la recolección. Las preguntas son fundamentales:

  • ¿Qué tan veraces son estos datos y esta información que empiezan a mostrar?
  • ¿Qué tan fiable es la fuente de datos y la metodología de recolección?

A manera de ejemplo, una campaña de anuncios destinados a traer leads para posteriormente venderles un producto, debe estar muy bien segmentada y dirigida a una audiencia de interés, de lo contrario, se corre el riesgo de llenar de leads “inservibles”, un montón de datos que no traerán beneficios a la marca sino al contrario, un gran desgaste de recursos y acumulación no estratégica de bases de datos.

Por el contrario, si las fuentes y metodología ha sido óptima, en este punto se podrá tener información veraz que puede ofrecer valor para la toma de decisiones o para acercarse al logro del objetivo planteado.

  1. Visualization (Visualización)

Una vez procesada la información, la manera en que se muestra será clave para su interpretación, encontrar la gráfica adecuada para cada tipo de datos agrupados es tan importante como el proceso mismo de recolección. Una acertada manera de poner los datos a la vista es necesaria para entender en la práctica los resultados. De lo contrario, podrá prestarse para confusiones y decisiones erradas.

Es mejor ver una gráfica bien organizada y clara que una columna interminable de números, al igual es mejor ver un flujo en el comportamiento de un visitante en un reporte, que una tabla con cada una de las secciones visitadas por cada uno de los usuarios.

  1. Value (Valor)

Es la parte final que le da sentido al proceso. De nada sirven las anteriores 6 de las 7 V, si no arrojan información de valor para las grandes empresas y negocios que día a día toman grandes decisiones.

La inversión en toda esta cadena de almacenamiento y procesamiento de datos debe mostrar resultados tangibles, es la función del Big Data, por ello, el valor de la información es la joya de la corona, el objetivo al que hay que llegar.

Artículos Relacionados

Déjanos un comentario

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

SUSCRÍBASE A NUESTRO NEWSLETTER