ESTRATEGAS        
 
GIANNI HANAWA DE LEVEL 3 Y LEANDRO RUIZ DE TERADATA
Big Data
¿De qué hablamos cuando hablamos de Big Data?; ¿hablamos de un gran dato, un gran problema o una gran estrategia? Foto: Gianni Hanawa, Level 3.
Lo llaman Big Data, está en boca de los tecnólogos, es la gran inquietud de los gerentes de sistemas y promete ser la solución al viejo problema empresario de marcar una ventaja competitiva al administrar grandes volúmenes de datos, por ejemplo, los 400 terabytes mensuales que puedan resultar de un GPS alojado en el auto de un asegurado que permita determinar el valor de una póliza en función al real nivel de riesgo, como hábitos de manejo, rangos horarios o zonas transitadas.

Para desentrañar el misterio, Estrategas entrevistó a dos especialistas del porte de Gianni Hanawa, Sales Support Product Head Data & Internet de Level 3, y Leandro Ruiz, Solution Architect de Teradata, quienes hablaron del "concepto Big Data" y la combinatoria de soluciones con que se lo aborda, como de administración de datos (Data Maining, Data Warehause, etc.); servicios en la nube (Cloud Computing); y las plataformas de inteligencia de negocios (Business Intelligence).

BIG ES GRANDE. Las unidades de medición de datos (del megabyte, pasando por el terabyte y petabitye, hata el zettabyte) pusieron en relieve que el crecimiento del volumen de datos evoluciona de forma exponencial. Así sucedió en los últimos años y todo indica que cobre mayor velocidad los años venideros.

Este mero dato es un problema para quienes deben administrar esos volúmenes. Pero, ¿de qué datos hablamos? Por un lado, de los estructurados, organizados en bases de datos relacionales escritas en SQL, para cuya administración existen los servicios ya estandarizados y sobre los que se les implementan los de inteligencia.

Sin embargo, ese incremento puso de manifiesto la problemática del alojamiento y la oferta tradicional de hosting físico (propio o tercerizado) fue migrando a la nube. Así, Cloud Computing pasó de ser una idea a convertirse en un producto, y el almacenamiento de datos dejó de ser un problema.

Pero los datos disponibles se fueron multiplicando, no sólo en calidad sino en cualidad, y los no estructurados, producto de la trazabilidad de conductas de usuario (mediante sensores de GPS, RFID, u otros), fueron tomando cuerpo en cantidad y calidad. La gran pregunta es: qué hacer con ellos y cómo extraerles valor.

"Desde hace cuatro o cinco años empezamos a trabajar con una nueva problemática de nuestros clientes vinculada a un gran volumen de datos no estructurados, surgidos de weblogs o de información generada automáticamente por sensores como GPS, y de la necesidad de analizar esa información y extraer valor de ella", repasa Ruiz. "A esa necesidad, el mercado la llamó Big Data, en relación al abordaje y administración de grandes volúmenes de datos no estructurados a través de mecanismos de análisis que no son los tradicionales, que uno puede hacer con una base de datos relacional".

"¿Qué viene a modificar Big Data? En realidad, el cruce datos estructurados y no, ya existía. Lo que sucedió es que se vinieron a alinear diferentes tendencias que venían desarrollándose, como el crecimiento exponencial de almacenamiento de información, por el cual la gente se dejó de preocupar por dónde y cuánto almacena, y por el acceso, y se puede pensar en otros conceptos, como fue el Cloud Computing, que ya es un producto", sostiene Hanawa, de Level 3. Big Data que, para él, todavía lo es.

"No creo que haya cambiado la necesidad de las empresas, porque la necesidad de convertir la información en una ventaja competitiva existió siempre, pero ahora la tecnología te pone determinadas soluciones sobre la mesa que debes saber cómo utilizarlas", agrega Hanawa.

Desde hace dos años Teradata es propietario de Aster, "una solución similar a Hadoop, por responder al paradigma de MapReduce, pero que trabaja en una base de datos relacional (SQL y no file system), y que cumple los estándares de arquitectura técnica de datos y de seguridad de acceso más rígidos de la industria", aclara Ruiz y explica: "Aster es la solución Big Data de Teradata que se integra al ecosistema del que también forman parte los productos tradicionales. Para algunas cosas Aster, para otras Teradata".

"Big Data es un concepto que estamos acuñando pero que en realidad nos rodea hace tiempo. Hoy hablamos de lo que creemos que puede llegar a ser el uso eficiente de Big Data", sostiene Hanawa, de Level 3, y compara: "Hasta hace tres años, Cloud Computing era un concepto, como hoy lo es Big Data, pero ya se puede hablar de productos porque evolucionó. Bajo mi criterio, es temerario hablar de productos de Big Data".

¿En qué podemos colaborar? "Toda la información de debe almacenar en algún lugar y nosotros podemos proveer ese storage, servicios de conectividad para acceder a esa información en la nube, por medio de diferentes tecnologías (Internet, enlaces privados de fibra óptica, satelitales, entre otros)", dice Hanawa y remarca que, "la tercera pata de este esquema, y la más importante, es entender qué hacer con esa información; y esa definición la debe dar el cliente".

LA PELOTA, AL NEGOCIO. Los proveedores invitan a la sinergia entre las partes, a pensar los problemas y pensar cómo resolverlos con tecnología. "Big Data depende más de lo que quieren los clientes que de lo que nosotros podemos ofrecer", dice Hanawa pasando la pelota a las empresas. "Como tecnólogos, tenemos que evangelizar, pero no podemos aportar más porque no podemos decidir las estrategias de las empresas". 

Supongamos que una empresa de seguros de Vida no asegura a personas que hacen deportes de riesgo, como alpinismo o paracaidismo, y que buena parte de su cartera de clientes es el mortal promedio que sólo juega a la pelota los fines de semana con sus amigos; y que, convencido en su política de prevención de riesgo, ve con sorpresa cómo otra compañía asegura con particular devoción a los deportistas de riesgo.

¿Qué sucedió? Según Hanawa, el cruce de información que "el concepto Big Data" arrojó, que quien hace deportes extremos está más acostumbrado a cuidarse y, por ende, presenta menor nivel de riesgo.

"La mente del ser humano tiende a polarizarse y uno toma decisiones basadas en juicios de valor y en pre-juicios. El Big Data nos tiene que ayudar a sustentar esos prejuicios o cambiarlos", dice Hanawa e invita a romper el molde porque "cualquier empresa de seguros podía pensar que es imposible saber si jugar al futbol los sábados es más peligroso que hacer paracaidismo, y hoy es más fácil estimarlo".

"Las empresas locales de seguros de Autos tienen visiones dispares del asunto, pero en Europa está aceptado el scoring, es decir, hacer una evaluación del usuario y cobrarle en función del riesgo real del cliente", sostiene Ruiz y cuenta que, por ejemplo, se puede colocar un GPS en el auto del cliente para monitorear los hábitos de conducir (si supera o no la velocidad máxima, si usa el auto en horas pico o no), y se tarifa en relación al nivel de riesgo.

"La información que genera la solución de GPS es monstruosa porque emite un pulso cada tres segundos, a fin de permitir analizar todos los indicadores", dice Ruiz y estima que "se pueden acumular 400 terabytes de datos" para tomar una decisión de negocio tan fina como apuntar a retenerlo o no.

"Otra posibilidad es detectar el fraude -dice Ruiz-. La solución puede tomar patrones de la planilla de texto libre del inspector (en papel o digital) y analizar palabras, incidentes, descripciones comunes que en el pasado hayan sido fraude, y estimarlo para saber si invertir más o no en la investigación del caso, según se señale mayor o menor posibilidad de fraude".

"Estas soluciones que toman datos de GPS o de patrones de texto libre, por ejemplo, son datos de información no estructurada y es Big data. Y las tradicionales de crosseling, que permiten entender qué productos se venden bien en conjunto, por ejemplo, son dato estructurado".

TICKET. Para Ruiz, una solución de servidores, servicio de almacenamiento, modelo de datos y el modelo de implementación básico "puede arrancar en los 300 mil dólares", y proponen un esquema de implementación escalada, por área, que vaya arrojando resultados por fases de tres a cuatro meses por cada área. "Vamos entregando valor a medida que se va ejecutando la implementación y eso va generando retorno".

"Cuanta más información tenga una empresa, mejores decisiones tomará y con menor nivel de riesgo", remarca Ruiz e invita a las empresas que "se resguardan en la intuición" a "seguir haciéndolo pero con verificación de datos". Mientras que Hanawa concluye: "No pasa tanto por la plata, por cuánto invertir, sino por alinear la tecnología al negocio y utilizarlo como ventaja competitiva. Sino lo hacés vos, lo hace tu competencia".


Noelia Tellez Tejada
 
Buenas prácticas


Los entrevistados consensuaron en recomendar tres buenas prácticas para los lectores de Estrategas:

·        La información no se descarta. Siempre será útil en algún momento.

·        Hay que tomar decisiones sobre la base de la información concreta y correcta.

·        No implementar herramientas basadas en una decisión tecnológica que no esté alineada al negocio.
Publicado el 14/2/2013
 
HANAWA GIANNI
GRATIS EN SU E-MAIL
Suscríbase a la newsletter digital de Revista Estrategas
Reciba en forma gratuita las noticias, informes y alertas de Revista Estrategas en su e-mail. Al hacer click en el siguiente botón, se abrirá una nueva ventana.
ESTRATEGAS: Av. Santa Fé 3996 Piso 13 Of. 113 [C1425BHO] Ciudad Autónoma de Buenos Aires, Argentina. Tel. 4831-2627
Firenox Internet