Es totalmente natural y normal sentir ansiedad al escuchar estas palabras: “Big Data”, “Data Mining”, “Data Science”. A la mayoría de nosotros, los profesionales en áreas de comunicación, nunca nos enseñaron “cómo se come esto de data analytics”.

Primero dejemos claro que no es una moda y tampoco es una tendencia. Nuestras profesiones están cambiando; las ciencias de la información están convergiendo con las ciencias sociales, y modifican así las reglas del juego.

Entrando en materia, ¿qué significan estos términos y por qué es importante entenderlos?

Big Data:

Las empresas están flotando en datos. Todos los días se producen miles de millones de datos que son almacenados, y en el mejor de los casos “bien aprovechados”.

Las 24 horas estamos alimentando bases de datos de empresas que toman decisiones basadas en nuestra información. Por ejemplo, Eugenia se levanta a las 5:30 a.m. y activa su reloj inteligente para su sesión de ejercicios. Mientras hace su rutina escucha música desde su app, luego pasa al supermercado y compra un yogurt y unas frutas, y se toma unos minutos para revisar sus redes sociales. Siendo conservadores, en menos de dos horas, ha alimentado la base de datos de la empresa desarrolladora de su reloj inteligente, la de la app de música, la del supermercado, la del proveedor que produce el yogurt, la del proveedor de frutas, la de la empresa del dispositivo móvil, la de las redes sociales…

De manera simple, Big Data es esto, bases datos o data sets que son muy grandes para los sistemas tradicionales de procesamiento y requieren de nuevos procesos tecnológicos para ser usados. Para sacar provecho de esta enorme cantidad de datos y hacerlos útiles para una empresa existen las tecnologías de Big Data.

Data Mining:

Es la extracción de conocimiento de bases de datos de manera automatizada a través de procesos tecnológicos. Se puede alimentar de bases de datos de los sistemas de Big Data. Nos funciona para entender causas de fenómenos, así como para predecir futuros comportamientos basados en una mezcla de variables que inciden en la “probabilidad de hacer/dejar de hacer algo”.

Por ejemplo, ¿por qué Eugenia pasó a ese supermercado y compró esa marca de yogurt? ¿Fue por cercanía, por su estilo de vida, porque vio una oferta en la mañana, o por su preferencia hacia ese supermercado? A partir de los datos que conocemos de Eugenia y de miles de personas más, podemos estimar una probabilidad para saber si su hermana Marta, pasará al mismo supermercado y comprará el mismo yogurt. Es así como el análisis de datos se vuelve interesante.

Data Science o “ciencias de los datos”:

Son los principios, procesos y técnicas que guían la extracción de conocimiento de las bases de datos, o sea que guían los procesos de Data Mining, estos procesos deben de ser tratados de manera sistemática, siguiendo etapas claras y bien definidas.

Para continuar con el ejemplo de Eugenia, al usar principios de Data Science en procesos de Data Mining, pudimos comprender un poco mejor por qué ella pasó a ese supermercado a comprar esa marca de yogurt.

Tradicionalmente, las decisiones en las empresas se han tomado basadas en la intuición. La creatividad y el haber estado expuestos a diversas situaciones nos hacen más asertivos en la toma de decisiones estratégicas, o al menos eso creemos.

Con Data Analytics podemos lograr que los datos de las empresas nos brinden información relevante para tomar decisiones con mayor exactitud para lograr resolver problemas de negocio. Esto no significa que la intuición y la creatividad no sean importantes, ¡claro que lo son!, pero con la ayuda de la tecnología en la interpretación de datos podemos facilitar la toma de decisiones.

Extracto del artículo publicado en el medio costarricense El Observador, por Marian Bákit, directora general de IDEAS MCW y estudiante de nuestro Executive Master in Business Analytics.