En los últimos años, la tecnología de meteoritos de la organización nos ha llevado a todos a crear una gran cantidad de información que se puede utilizar a priori para una variedad de aplicaciones. Este fenómeno se masificó y formalizó de manera tan repentina que comenzó a ser discutido sin mucho conocimiento sobre su origen, uso y alcance. Por ello, es crucial desmitificar algunos problemas para que sepamos de qué hablamos cuando hablamos de big data.
1) Cualquier cantidad de información puede llamarse big data
Este no es el caso. De hecho, Big Data se refiere a datos que son tan grandes, rápidos o complejos que son difíciles o imposibles de procesar con métodos tradicionales. Si bien la información estuvo disponible y almacenada durante mucho tiempo, este concepto surgió en 2000, cuando el analista de la industria Doug Laney formuló la definición actual de big data como tres V (velocidad, veracidad y diversidad).
Aunque no hay consenso sobre qué volumen implica estrictamente “big data”, generalmente se cree que un terabyte puede considerarse como tal.
2) Cualquier procesamiento o análisis de datos requiere un algoritmo
El desarrollo de algoritmos es mucho más complejo e implica previamente toda la gestión de datos (como ya hemos comentado) para conseguir una capa explotable.
Luego, los datos deben someterse a un riguroso entrenamiento, validación y producción de algoritmos. En otras palabras, el algoritmo debe pasar por un riguroso proceso de validación científica antes de que se convierta en parte de la inteligencia artificial que usamos y usamos todos los días.
3) Si memorizo algún código en Python, puedo hacer aprendizaje automático (ML)
Esto tampoco es real. Si bien Python es uno de los principales lenguajes en los que se puede realizar el aprendizaje automático en la actualidad, no es el único, y seguramente aparecerán conquistadores. Además de la tecnología, al aplicar esta disciplina (ML), es importante comprender y comprender su lógica, así como las estadísticas detrás de ella y sus posibles casos de uso.
4) La inteligencia artificial se quedará aquí
Es muy probable que esto sea cierto, porque la inteligencia artificial es parte de nuestra vida diaria y esta tecnología ha creado muchos ecosistemas e industrias; desde una empresa de pruebas de remediación hasta la industria publicitaria y la búsqueda programática en Google.
La inteligencia artificial ya está teniendo un profundo impacto en las sociedades que la han adoptado. ¿Por qué? Básicamente porque optimizan costes y maximizan beneficios ayudando a las empresas a ofrecer más y mejores servicios personalizados a cada cliente (famoso excedente del consumidor).
5) Solo las empresas de big data necesitan expertos en este campo
Otro mito a demoler: BI, Data Scentist y TI están cada vez más integrados en pequeñas empresas, negocios digitales (comercio electrónico), startups, energía, telecomunicaciones, empresas de pago, ONG, gobiernos y muchos otros tipos de organizaciones.
Cada día, las empresas con menores costes generan, gestionan y analizan más datos, que son el insumo para la toma de decisiones en una cultura “data-driven”. Los datos y perfiles que trabajan sobre ellos permiten llegar a conclusiones y acciones a las que no solo llegaría la intuición y el conocimiento empresarial.