Cómo Big Data / Data Analytics transformará las cadenas de suministro – Parte 1

Su teléfono celular recibe un mensaje de texto que indica que las declaraciones de importación de partes críticas requeridas en su fábrica en China se han perdido el plazo de presentación de la fecha ante su agente de aduanas. El gerente de logística recibe una alerta de que el tráfico del puerto en Los Ángeles puede retrasar en 48 horas la recepción de materias primas críticas que le soliciten a su software de logística que apruebe el desvío de la carga a Long Beach. El director de cumplimiento comercial es notificado de que existe un 90% de posibilidades de que un envío de partes críticas a Sao Paulo pueda ser inspeccionado por la aduana brasileña, lo que retrasa la recepción de las piezas en su fábrica hasta en dos días. Su software GTM recomienda enviar las piezas a otro puerto para acelerar la entrada.

¿Qué tienen en común estos tres escenarios? Cada uno de ellos aprovecha el poder de la aplicación de análisis de datos y ‘Big Data’ para mejorar la eficiencia operativa. El análisis de datos son las técnicas cualitativas y cuantitativas utilizadas para mejorar la productividad y las ganancias comerciales, mientras que “Big Data” se refiere a cantidades voluminosas de datos estructurados o no estructurados que las organizaciones pueden potencialmente extraer y analizar para obtener ganancias comerciales. La designación ‘Big Data’ se creó como un término amplio para conjuntos de datos tan grandes o complejos que las aplicaciones tradicionales de procesamiento de datos son inadecuadas.

A medida que las empresas continúan enfrentando presiones para aumentar los márgenes de ganancia y acortar el orden a los ciclos de entrega, la aplicación de análisis de datos continuará creciendo. Un estudio de Gartner, Inc. publicado a principios de este año proyectó ventas de $ 18.3 mil millones en el mercado de inteligencia empresarial y análisis [1], mientras que las ventas de software de análisis prescriptivo se estima que crecerá de aproximadamente $ 415M en 2014 a $ 1.1B en 2019 [2 ]

Big Data se define por las tres V: volumen, velocidad y variedad. El primero, el volumen, se relaciona con la gran magnitud de los datos actualmente disponibles para el análisis. Si bien normalmente pensamos en los datos como texto o números, los datos también incluyen correos electrónicos, tweets y otros contenidos generados por redes sociales, imágenes, audio, escaneos, etc. De hecho, los datos se expanden a un ritmo que se duplica cada dos años mientras que los humanos y los datos generados por la máquina están creciendo 10 veces más rápido que los datos comerciales tradicionales. IT World Canada proyectó que para el año 2020, el gran volumen de datos digitales del mundo llenaría una pila de tabletas iPad Air que se extenderían desde la tierra hasta la luna.

La segunda “V”, velocidad, se refiere a la frecuencia de cambio en los datos. Piense en cómo la velocidad de los datos se ha acelerado en los últimos 5-10 años impulsado por la expansión de Internet y las redes sociales. Se prevé que los datos en tiempo real crecerán diez veces para 2025. Un primo de los datos en tiempo real son las transmisiones de datos a corto plazo que incluyen un retraso entre la ocurrencia de un evento y la publicación de esos datos. Si alguna vez ha accedido a un sitio web que ofrece precios de acciones publicados en un retraso de 5 minutos, ha accedido a datos a tiempo. Streaming es un término del que probablemente la mayoría de nosotros nunca habíamos oído hablar antes del advenimiento de los servicios al consumidor como Spotify o Netflix y la adopción generalizada de WebEx en el ámbito comercial. Impulsado por la disponibilidad de soluciones basadas en la nube, el crecimiento de los servicios de transmisión solo se acelerará a medida que las generaciones más jóvenes adopten la tecnología para acceder a películas, música, videos y televisión. Un estudio descubrió recientemente que el 61% de los adultos jóvenes de entre 18 y 29 años ven la televisión principalmente a través de los servicios de transmisión.

La variedad “V” final se puede definir más como estructurada. Datos semiestructurados o no estructurados. Los datos estructurados son datos que se han organizado en un repositorio formateado, generalmente una base de datos, de modo que sus elementos son accesibles para su procesamiento y análisis (piense en hojas de cálculo Excel).

Para comprender los datos semiestructurados, piense en los archivos CSV (valores separados por comas). No son parte de las bases de datos relacionales, pero están organizadas en un formato que se puede cargar fácilmente en una herramienta analítica como Excel para su análisis. Como su nombre lo indica, los datos no estructurados no están contenidos en una base de datos u otro tipo de estructura de datos. Puede consistir en texto, números, fechas, videos, imágenes, etc. Ejemplos de datos no estructurados incluyen: Escritura: análisis textual de trabajos escritos, como libros y blogs. Redes sociales: entradas de blog, tweets Lenguaje natural – voz Fotografías y video Comunicaciones-correos electrónicos Escaneo de comunicaciones como correos electrónicos para detectar spam. Ciencia: buscando patrones en los mensajes de radio interestelares para descubrir la vida inteligente. Salud: imágenes de rayos X, escaneos Análisis de imágenes de rayos X para detectar signos de enfermedad. Búsqueda: un motor de búsqueda que araña páginas web no estructuradas para comprender su contenido. Big Data ofrece oportunidades de gran escala para las organizaciones, ya que los datos estructurados y no estructurados se pueden consolidar y analizar desde múltiples perspectivas. Estas perspectivas revelan ideas mientras guían a las empresas a revelar soluciones no antes observadas a problemas complejos. Estas nuevas ideas guiarán a las empresas a escalar sus programas al combinar el análisis de datos con otras aplicaciones, por lo tanto, al incorporar inteligencia en cada proceso.

[1] Gartner dice que el mercado mundial de inteligencia empresarial y análisis alcanzará los $ 18.300 millones en 2017, comunicado de prensa de Gartner, 17 de febrero de 2017

[2] Instantánea del pronóstico de Gartner: Prescriptive Analytics, Worldwide, 2016, 5 de febrero de 2016.

Esta entrada fue publicada en Corporaciones y etiquetada , . Guarda el enlace permanente.