¿Por qué los datos son el nuevo petróleo?

datos el nuevo petroleo

Los datos pueden ser un activo clave para alcanzar los objetivos estratégicos y facilitar el proceso de toma de decisiones.

¿Por qué los datos son el nuevo petróleo? Así como el petróleo puede proporcionar energía mediante motores de combustión y refinerías, los datos permiten extraer información útil para los negocios mediante técnicas de inteligencia artificial (IA). Por eso se dice que “los datos son el nuevo petróleo”.

Mientras más cantidad de datos y mejor sea la calidad de estos, mejores serán las predicciones que generen los algoritmos. Por lo anterior, los datos son un complemento crucial para el desarrollo de la IA en la empresa.

Y, ¿qué es big data? Big data se puede definir como la rama de la ciencia de la computación que analiza, integra y ocupa sets de datos tan grandes, que las formas tradicionales de procesamiento computacional no son capaces de manejar de manera eficiente. En términos estrictos, los datos siguen siendo bits, representados como unos y ceros en los computadores. La diferencia radica en el volumen, diversidad y velocidad de procesamiento de estos.

Aumento en la cantidad de datos

Investigaciones realizadas por Cisco sostienen que, en los años 2017 y 2018, se creó más del 80% de los datos existentes hasta esa fecha y que, el 2020, alcanzarían a cerca de 50.000 millones de dispositivos conectados a internet. Dada la actual revolución tecnológica, se espera que la generación de datos siga creciendo, quintuplicándose la cantidad generada anualmente para el año 2025, al considerar el 2018 como año base.

Por ejemplo, mientras usted lee lo que va de esta nota, probablemente transcurrió cerca de un minuto. En esos 60 segundos se ha originado una gran cantidad de datos en internet, como se puede apreciar en la infografía adjunta.

datos el nuevo petroleoLa gran cantidad de datos disponible actualmente puede ser almacenada y utilizada gracias a las innovaciones tecnológicas que han ocurrido en las últimas décadas. Ahora bien, los datos por sí solos no son de utilidad. Estos solo generan valor si se logra utilizar o extraer información de ellos que vaya de la mano con el cumplimiento de objetivos.

Costo de recolección

La recolección de datos suele ser costosa, pero es imprescindible para crear, generar y mejorar las predicciones generadas con IA.

En términos generales, a medida que se tienen más datos, aumenta la precisión de los algoritmos. Sin embargo, también aumenta el costo de la recolección de datos. Por lo anterior, es clave evaluar si el aumento en la precisión del algoritmo generará más valor que el costo incurrido en recolectar los datos necesarios para generarlo. En cualquier caso, los costos de la recolección de datos deben ser vistos como una inversión que puede generar valor de largo plazo en la organización.

Big data alineado con la estrategia

Para aprovechar las oportunidades que brinda el acceso a una mayor cantidad de datos y el big data, las empresas deben alinear su uso con los objetivos estratégicos.

Al tener consistencia con la estrategia, es más probable que se desarrollen soluciones perdurables en el tiempo y capaces de superar las dificultades que aparezcan en el camino. No es recomendable que la gestión de datos se vea como una capacidad única del área TI, sino como una herramienta de utilidad para todas las áreas de la organización.

En este sentido, los datos deben ser entendidos como un activo clave para facilitar el proceso de toma de decisiones dentro de la empresa.

Recomendaciones para aprovechar los datos

Algunos consejos para aprovechar los datos en su organización son:

1. Identificar los distintos usos que pueden tener los datos en el negocio

Luego, analizar cómo obtenerlos y el modelo o algoritmo que los utilizará.

2. Considerar el potencial impacto y los costos asociados

Por lo general, se escogen las tres iniciativas que tengan un mayor impacto y/o que sean más fáciles de implementar.

3. Generar una cultura organizacional sobre datos

Que permita que todos los miembros de la organización confíen en los resultados y predicciones de los modelos de IA, dando espacio para la retroalimentación constructiva.

 

Este artículo se basa en otro originalmente publicado en la página de Clase Ejecutiva UC del diario El Mercurio de Santiago, Chile, en 2020. Puedes descargar el PDF de la página aquí, luego de completar unos datos.

 

Actualízate con el curso sobre inteligencia artificial en los negocios de Clase Ejecutiva UC. 





¿Te gustó? Compártelo en tus redes

Artículos más recientes del autor