Entrevista con el "Decano de la Big Data" Bill Schmarzo

5 min de lectura
Anton Budon
8 de Julio de 2016
Última actualización: 24 de Diciembre de 2018
Bill Schmarzo, autor de “Big Data: Understanding How Data Powers Big Business” (Big Data: La comprensión de cómo los datos potencian grandes compañías) y “Big Data MBA: Driving Business Strategies with Data Science” (Big Data MBA: Guiando las estrategias de negocio con la ciencia de datos), es director de tecnología de EMC Global Services Big Data Practice, responsable de la definición de la estrategia y definición de las ofertas de servicios de Big Data y las capacidades. Ha escrito varios ensayos, es un blogger ávido y es un orador frecuente en el uso de grandes volúmenes de datos (Big Data) y los datos de la ciencia para impulsar iniciativas clave de la organización del negocio.

4f728a30405f9fa983e74f98a61bcd4f.jpg

Usted es conocido por el desarrollo del índice de madurez del modelo de negocios de BIG DATA (BDBMMI). ¿Puede usted explicar la teoría detrás de BDBMMI?

Hubo tres factores que impulsaron la BDBMMI:

· Las organizaciones carecían de un punto de referencia para medir el grado de eficacia que tenían en el aprovechamiento de datos y análisis para conducir sus negocios.

· Las organizaciones no sabían lo que el punto final de la Big Data podría parecer a partir de una perspectiva de negocio y de organización.

· Las organizaciones carecían de una hoja de ruta para llegar desde donde estaban hoy en día, a donde querían ser desde una perspectiva de la estrategia de negocio de Big Data.

Por lo que el BDBMMI nació para ayudar a resolver esos problemas. Y después de más de cientos de conversaciones con los clientes y compromisos, he seguido perfeccionando las etapas del BDBMMI y la guía BDBMMI de cómo una organización puede avanzar de una etapa a la siguiente.

Las empresas tienen que tomar grandes riesgos. ¿Puede explicar las trampas en la toma de decisiones y cómo los grandes volúmenes de datos (Big Data) puede ayudar a reducir los riesgos?

Las organizaciones sufren de muchas trampas en la toma de decisiones acerca de la Big Data. Aquí hay dos que saltan a mi mente:

· Las organizaciones no necesitan una estrategia de Big Data; en cambio, necesitan una estrategia de negocios que incorpore la Big Data. Probablemente, la mayor trampa de la decisión es que las organizaciones creen que la Big Data es acerca de la tecnología, cuando en realidad la oportunidad real de grandes volúmenes de datos es entender cómo aprovechar los datos para optimizar los procesos clave del negocio, descubrir nuevas oportunidades de obtención de ingresos y crear un compromiso con el cliente más convincente. Comenzar con un fin en mente, como dijo Stephen Covey, de lo contrario la organización corre el riesgo de convertir su viaje de Big Data en un experimento científico.

· Los líderes de negocios necesitan adoptar la analítica como una disciplina de negocios - no otra tecnología que eche a las TI. Las empresas del sector tienen que entender que la Big Data es sobre el negocio, y que a menos que los accionistas de la empresa aprenden a abrazar la analítica como una disciplina de negocios, se arriesgan a que sus modelos de negocio interrumpidos y relaciones con los clientes sin intermediados por organizaciones que han acumulado clientes, el producto e insights de sus datos.

La Big Data a menudo conduce a una transformación del negocio significativa. ¿Cómo pueden los gerentes elegir las métricas adecuadas para evaluar la gestión de grandes volúmenes de datos?

Parte del desafío para una organización que intenta "elegir las métricas correctas" comienza con centrarse menos en las métricas que miden lo que sucedió (métricas descriptivas), y más en las métricas sobre lo que es probable que suceda (métricas predictivas). Esto es fundamental si una organización quiere hacer la transición de tener, a una organización que tiene una visión más a futuro, predicción de hacia dónde va el negocio. ¡Y aquí es donde la ciencia de datos entra!

"La ciencia de datos se trata de identificar aquellas variables e indicadores que podrían ser mejores predictores de rendimiento." ¿Quién dentro de la organización es el mejor cualificado para identificar aquellas variables e indicadores? Los líderes de la empresa. ¿Quién está mejor calificado para determinar realmente cuáles son las variables y parámetros son mejores predictores de rendimiento? El equipo científico de datos. En consecuencia, el equipo científico de datos y los líderes de la empresa deben colaborar con el fin de impulsar la relevancia empresarial y creación de valor.

Por cierto, la palabra más importante en esta definición de la ciencia de datos es la palabra "puede". La palabra "puede" es una licencia para estar equivocado; una licencia para explorar nuevas variables y parámetros sin tener que preocuparse si son correctas o no. Si una organización no tiene suficientes momentos "podría", entonces no tendrá ningún momento transcendental.

¿Qué tecnologías y herramientas de análisis les recomendarías a nuestros lectores que deseen aprovechar la Big Data?

Obviamente soy un gran fan de las tecnologías de código abierto como Hadoop, Spark, HBase, Hive, R y Mahout no por lo que son, sino por lo que puedo hacer con ellas.
Decimos a nuestros clientes que piensen en las tecnologías de código abierto como desechables; que es posible que desee pasar de una tecnología a otra en base a lo que estén tratando de hacer con los análisis y los datos. Al final, los datos y los análisis sobrevivirán. El valor del negocio no reside en la tecnología.

EMC cuenta con algunos maravillosos productos diseñados para ayudar a nuestros clientes a lo largo de su viaje de Big Data incluyendo Isilon y Pivotal. También hemos desarrollado un lago de datos profesionales que sirve como la base para muchos de nuestros compromisos de Big Data.

Nuestra última pregunta es sobre sus recursos favoritos sobre Big Data. ¿Qué les sugeriría a los lectores que quieran aprender más sobre él?

Hay un montón de recursos maravillosos. Aquí hay un par de mi "ir a" sitios:
· Datos Science Central:http://www.datasciencecentral.com
· KDNuggets.com: http://www.kdnuggets.com
· Y, por supuesto: https://infocus.emc.com/author/william_schmarzo/

También he escrito dos libros sobre Big Data que utilizo como parte de mi enseñanza en la Escuela de Administración de la Universidad de San Francisco:
· Big Data: Entendiendo cómo Big Data impulsa grandes negocios
· Big Data MBA: Guiando Estrategias de negocios con la ciencia de datos

Por último, crea una cuenta algunas de las listas de distribución de Big Data y de la ciencia de datos y asiste a algunos seminarios en línea y conoce a nuevas empresas locales en cualquiera de una multitud de temas de Big Data. Hay un montón de gente muy inteligente que comparten una gran cantidad de datos muy valiosos.

Gracias por la entrevista
Lo Más Destacado
Novedades
CoPilot, tu nuevo asistente de IA
Webinars
Webinarios en noviembre 2023
Apps & Marketplace
Trabaja con Google Docs
Novedades
Nueva Integración de Bitrix24 con Mercado Libre
Novedades
CoPilot en Sitios Web
También te puede interesar
Artículos
Webinars
Glosario

Free. Unlimited. Online.

Bitrix24 es un lugar donde todos pueden comunicarse, colaborar entre tareas y proyectos, administrar clientes y mucho más.

Empezar gratis