Lo Mejor de Outsourceando tras 300 Posts

En dos líneas: tras más de 3 años escribiendo este blog llego al post número 300, que mejor momento para recordar los mejores que he escrito. 

Para mi el concepto de "mejor" como para casi todo el mundo es algo muy relativo, así que he de reconocer que el criterio de selección que he utilizado es una mezcla de número de visitas al post y la satisfacción que me ha producido escribirlo.

Al final he elegido 10 posts, algo así como el 3% de lo que he escrito durante estos 3 años, los temas son muy variados pero siempre cercanos a mi actividad profesional, van desde el Business Intelligence, pasando por el Big Data, las métricas de negocio hasta el management.

Sin más dilación os dejo con los 10 mejores posts de Outsourceando:

1. Opciones de Formación de Business Intelligence (BI) en España (Junio 2011): este post es de los que yo llamo de "servicio público" y la verdad es que aún ahora sigue teniendo muchas visitas, para actualizarlo he ido sacando todos los años nuevos post sobre esta cuestión, por ejemplo en 2013 me centré en la formación para Big Data.


2. Como Identificar y Clasificar a sus Clientes Clave (Mayo 2012): este post tenía como intención hacer una reflexión personal sobre mis experiencias al actuar como Key Account Manager (KAM) en mi propia empresa, como estas reflexiones se me fueron un poco de las manos en lo que a la longitud del texto se refería, dividí el texto en dos posts, el segundo de ellos lo publiqué en junio de 2012.


3. Los Proyectos de Business Intelligence son también Proyectos de Gestión del Cambio (Marzo 2013): una realidad que tanto consultores como clientes tendemos a olvidar y no siempre por buenas razones, a los primeros por "simplificar" los proyectos y a los segundos por un interés en evitar la transparencia a toda costa.


4. La Oveja de Accenture (Febrero 2011): es la única vez que he intentado escribir un post "humorístico", ha mucha gente le ha gustado pero también es cierto que hay mucho consultor muy estirado y sin sentido del humor y tuve algún franco intercambio de puntos de vista para defender la necesidad de la ironía de vez en cuando, sobre todo cuando el mensaje "subliminal" de la publicidad corporativa es tan bestia.


5. Cinco Lecturas Indispensables para entender el fenómeno del Big Data (Octubre 2013): este post lo escribí en su versión inicial para un Blog corporativo de una gran multinacional, pero no les acabó de convencer así que le añadí algunos vídeos de You Tube que mejoraban la experiencia de los comentarios sobre los libros que analizaba, fue un post muy divertido de escribir.


6. El Business Intelligence son Cuatro Cosas pero Casi Siempre las Olvidamos (Agosto 2013): la historia detrás de este post refleja cierta frustración ante la postura de muchas empresas españolas ante el Business Intelligence y su empecinamiento en basar la toma de decisiones casi de modo exclusivo en un mix de intuición y experiencia.


7. Algunos Directores Generales y el Business Intelligence (Marzo 2012): este post simplemente cuenta una experiencia personal en mis "aventuras" como consultor de Business Intelligence y es que uno siempre busca aprender de sus errores pero no siempre lo consigue.


8. Las 7 Características que debe tener todo KPI (Junio 2013): al contrario que el post de las lecturas indispensables para entender el Big Data este post lo escribí pensando en publicarlo en este blog pero al final lo publiqué primero en la web de Movistar - Con Tu Negocio, en este caso nos vamos al mundo de las métricas de negocio y de los tan mencionados como poco entendidos KPI o Key Performance Indicators.


9. 10 Razones por las que las Empresas están Adoptando el Business Intelligence Open Source (Abril 2013): quizás estaba teniendo un ataque de optimismo cuando escribí este post, en especial si pensamos en el mercado español y en las empresas medianas que se podrían aprovechar de todo lo bueno que ofrece el Open Source y sino basta con pensar en el Big Data y Hadoop.


10. De como el Crowdsourcing Salvó a un Símbolo de mi Infancia (y de la de Otra Mucha Gente): el Caso de Lego (Diciembre 2010): uno de los primeros posts que escribí y el primero que tuvo una aceptación razonable y que generó feedback de los lectores, lo recuerdo con cariño aunque ahora no lo hubiese escrito igual creo que aún resulta una lectura interesante o igual es mera nostalgia.

Wildlife Picture Index: Usando el Big Data para la Protección de la Naturaleza

En dos líneas: en ocasiones salen grandes iniciativas de las multinacionales, en este caso HP ha proporcionado su apoyo para poder usar el Big Data en un importante proyecto de protección de la naturaleza. 

Foto de elefantes tomada por el WPI - Fuente: http://www.livescience.com/29671-remote-cameras-track-wildlife-help-conservation-efforts.html

El proyecto tiene su origen en el Wildlife Picture Index o WPI (algo así como Índice de Imágenes de Vida Salvaje), se trata de un indicador basado en la información obtenida por unas 1.000 cámaras trampa en 16 ubicaciones de 14 países con selvas tropicales que busca controlar la evolución de la biodiversidad, en especial de mamíferos y pajaros.

Detrás de intentar aprovechar la potencialidad de un indicador tan relevante para la salud de nuestro planeta como el WPI está el esfuerzo de la ONG Conservation International dedicada a la protección del medio ambiente, para poder obtener un aprovechamiento real de los datos obtenidos de la red de cámaras trampa se ha conseguido el soporte tecnológico (y supongo que financiero también) de HP, en concreto mediante su iniciativa Earth Insights, todo ello reflejado en la TEAM (Tropical Ecology Assessment & Monitoring Network).

La idea es poder aprovechar las enormes cantidades de datos en forma de imágenes (ya llevan 1,5 millones) en tiempo real, para así analizar las tendencias en la evolución de la biodiversidad en los ecosistemas tropicales, que son, con diferencia, los más importantes de la Tierra.

Para los que nos dedicamos a la Inteligencia de Negocio es imposible imaginar una métrica tan importante como el WPI sin un buen dashboard y desde HP nos han proporcionado uno, aquí tenéis un pantallazo:

http://wpi.teamnetwork.org/wpi/dashboard

Hay muchas discusiones sobre el Big Data como hype, lo que supone en primer lugar poner en duda su utilidad real, en este caso me parece obvio que han conseguido generar valor para la sociedad, como siempre os dejo con unos cuantos vídeos para que conozcáis más del WPI y las organizaciones que lo sostienen:








Podéis saber más de los aspectos técnicos del proyecto que se basa en la plataforma de Analytics de HP Vertica y del software estadístico R (puro Open Source) en el siguiente link.

Como siempre, si os ha parecido interesante el post, no dudéis en compartirlo en las redes sociales.

Cinco Lecturas indispensables para entender el fenómeno del Big Data

En dos líneas: hacía tiempo que no hablaba del Big Data, hoy le cambio un poco mi aproximación a este tema y hablo de algunos libros que me han parecido muy útiles tanto para entender esta cuestión como para escribir diversos posts sobre la misma. 

El término Big Data parece que se ha convertido en una de las claves que todos debemos entender para poder vislumbrar como será el futuro no sólo desde un punto de vista personal o incluso profesional, sino desde la perspectiva de la posible evolución de nuestras economías y, sobre todo, de nuestras sociedades.

Quién no ha oído hablar del Sr. Snowden o de Wiki Leaks, no se ha maravillado del funcionamiento de Amazon a poco que uno haya comprado un par de veces allí, ha visto el término “Cisne Negro” en algún artículo de la prensa económica o simplemente se ha preguntado cómo narices funciona Google.

Y eso por dar unos poquísimos ejemplos…

He escrito previamente algunos post para mi blog personal sobre el tema del Big Data pero al final te queda un cierto regusto amargo de no explicar lo suficientemente bien algo que se me antoja como la esencia de la revolución tecnológica, social y económica que vivimos.

Y la verdad es que un post lo más que puede hacer es “abrir boca” y hacernos ir un poco más allá para buscar más información, para aprender y luego valorar, en ese camino al final uno tiene que mezclar lo que encuentra en Internet con eso que muchos de los que no somos nativos digitales aún adoramos: los libros.

Libros que, por cierto, ahora leemos en una tablet o en un lector de libros electrónicos como el Kindle.

Así que en vez de escribir otro post sobre Big Data me apetece compartir algunas de esas lecturas a las que he llegado después de la habitual travesía por Internet, esos libros que me han aclarado (dentro de lo que cabe) que hay detrás de ese anglicismo tan de moda que es el Big Data.

Después de darle bastantes vueltas me he decido por cinco títulos, si bien he de reconocer que desgraciadamente no están todos publicados en castellano aunque espero que poco a poco estén todos disponibles en nuestro idioma ya que salvo el primero, son todos libros de este año 2013.

Son libros que no necesitan de un doctorado en el MIT para entenderlos, aunque a veces plantean cuestiones bastante profundas.

Estos son, pues, los cinco libros que propongo a los que se atrevan con el Big Data:

Uno.- “El Cisne Negro” de Nassim Nicholas Taleb

Es un libro que sirve tanto para entender algunas de las causas de la crisis financiera que vivimos, en especial aquellas relativas al mundo de los bancos de inversión, como para adentrarnos en el mundo del Big Data aunque en todo el libro no se mencione ese termino en lugar alguno.

Y aunque este libro date de 2007 ya se nos habla del uso de la información para la toma de decisiones partiendo de apriorismos muy peligrosos desde el punto de vista estadístico, en el transfondo de esta obra encontramos siempre omnipresente el análisis de cantidades inimaginables de  datos, algo que no comenzó hace poco precisamente.

He comenzado por este libro porque al tiempo de ser una lectura muy entretenida (es, de hecho, un best seller) explica para que se utiliza el Big Data, al menos uno de sus usos “tradicionales” que sería el asociado a la banca de inversión y las operaciones en bolsa.

Una vez que el lector se ha familiarizado con el Cisne Negro y su alargada sombra puede pasar a lecturas mucho más “enfocadas” al Big Data, pero mejor seguir camino con unas pocas gotas de escepticismo a modo de perfume que nos acompañe siempre.

Y si, es cierto, no he explicado lo que es un “Cisne Negro”.

He encontrado un capítulo de "Redes" en el que Punset habla con el autor del Cisne Negro sobre estos temas, un gran programa:

Dos.- “Big data: La Revolución de los Datos Masivos” de Viktor Mayer-Schönberger y Kenneth Cukier

Este es un libro muy reciente (de este verano) y me ha convencido la mezcla que proponen sus autores, un académico que es una autoridad en el tema en conjunción con el buen hacer de uno de los redactores del The Economist.

Si no se quiere parar antes en el escepticismo de libro anterior, con leer a Mayer-Schönberger y Cukier uno ya se puede hacer una idea más concreta de lo que es el Big Data, sus explicaciones son ágiles y están en la línea de la mejor divulgación científica aderezada con buen periodismo.

Es una lectura ligera (unas 200 páginas) llena de ejemplos de usos del Big Data fácilmente comprensibles y, la verdad, muy bien pensados.

Os dejo un vídeo del canal de YouTube de Google Talks con los autores:

Tres.- “Analítica Predictiva. Predecir el Futuro Utilizando Big Data” de Eric Siegel

Este libro acaba de salir en su edición española, yo lo he leído en el original inglés que tiene un título ligeramente distinto: “Predictive Analytics: The Power to Predict who will Click, Buy, Lie or Die”, esto es “Analítica Predictiva: El Poder de Predecir quien hará Click, Comprará, Mentirá o Morirá”, es cierto que no queda tan “limpio” pero la segunda parte del título en inglés nos dice mucho más sobre el objetivo del libro que el aseado “Predecir el Futuro Usando Big Data”.

Hay dos cosas que me llamaron mucho la atención de esta obra cuando la leí este verano, la primera es que se presentan unos 150 casos de uso del Big Data en múltiples industrias y sectores, y la segunda es que hace un interesante alegato a favor del respeto a la privacidad y a lo que los americanos llaman “libertades civiles” en un capítulo titulado algo así como “Con el Poder Viene la Responsabilidad”.

Y es que con el Big Data el Big Brother  del la novela “1984” de Orwell (no el de Telecinco) está muy cerca, si es que no llegó ya.

Aquí tenéis al amigo Eric hablando de cómo se ganan elecciones utilizando el Big Data:

Cuatro.- “Too Big to ignore: The Business Case for Big Data” de Phil Simon

En la línea de los dos títulos anteriores aunque con un sesgo más empresarial, al final la tesis que defiende es clara: el Big Data no es una moda está para quedarse y el que ignore esta realidad lo debe hacer por su cuenta y riesgo.

El Big Data ya no es sólo una tecnología sino que es un activo fundamental para un número cada vez más creciente de organizaciones.

Aquí está el "Book Trailer" de este título:

Cinco.- “Big Data for Dummies” de Judith Hurwitz y otros autores

A pesar de que soy plenamente consciente de que a mucha gente este tipo de libros “para dummies” no les parecen muy serios en este caso en concreto se trata de una lectura muy indicada para un directivo o un responsable de tecnologías de la información de una empresa que tenga que ponerse al día muy rápidamente en el tema.

El libro va desde una introducción al concepto de Big Data hasta sus usos más habituales en las organizaciones pasando por una introducción a las herramientas más utilizadas, aparecen entonces nombres propios que en el mundo de la informática ya son populares (o al menos “suenan”) como “Hadoop”, “Mapreduce”, “virtualización”, “R”, “Hive”, etc…

Por cierto, que buena parte de esa tecnología es “Open Source” o, si se prefiere en castellano, software de “código abierto” y muchas veces gratuito.

No estaría mal que Planeta que es la editorial de los manuales “para dummies” se planteara traducirlo.

Hasta aquí llegan mis cinco recomendaciones, estoy seguro que hay otras alternativas para explorar el mundo del Big Data, lo importante es eso, comenzar el viaje para entender algo que nos afecta cada día.

10 Razones por las que Prestar Atención al Mobile Marketing (y algunas consecuencias para el Business Intelligence)

En dos líneas: últimamente he leído bastante sobre tecnologías disruptivas y tendencias, pero lo que está claro es que uno de los cambios más radicales en los negocios y en la vida personal ha llegado de la mano de los teléfonos móviles de última generación, los llamados "smartphones". 

Y a estos cambios en nuestro modo de comunicarnos, de informarnos, de jugar o de comprar cosas todavía no le había llegado una respuesta coherente desde el lado del marketing, supongo que por el cambio que supone para esta disciplina entrar en la vida del consumidor en los términos que supone un dispositivo interactivo (en datos, metadatos, texto, vídeo y audio), personal, siempre operativo y geolocalizable.

El reto es descomunal y rompe con muchos de los paradigmas del marketing.

Pero hoy no hablaré de esas respuestas porque lo más lógico es hablar antes de por qué hay que prestar atención al marketing dedicado a los dispositivos móviles, el denominado "mobile marketing".

Y no estoy hablando de cómo vender estos dispositivos o software para los mismos, sino de cómo aprovechar un terreno casi virgen pero a la vez profundamente relacionado con otros como Internet, el comercio electrónico, o el Big Data. Y en esa "terra incognita" está buena parte del futuro de muchas empresas desde el pequeño comercio de barrio a los "pure players" del eCommerce, de las redes sociales a los cambios en las fórmulas de representación democrática que ahora conocemos.

Para empezar, os dejo 10 razones, o, si se prefiere, ideas clave, por las que todos, nos dediquemos o no al marketing (que es mi caso, yo me dedico al Business Intelligence), prestemos atención a lo que viene:

1. Es un dispositivo personal e intransferible: o al menos no es habitual que uno deje el móvil a otra persona por mucho mucho más tiempo que los 5 minutos de rigor para una llamada cuando alguien cercano se ha quedado sin batería, que decir tiene que salvo la excepción de los pequeños de la familia nadie va a tocar nuestra configuración del smartphones o añadirle alguna "app".


2. Gran parte de la humanidad tiene uno o lo tendrá pronto: este planeta tiene unos 7.000 millones de habitantes, este año las ventas estimadas por IDC para smartphones rondan los 1.000 millones de unidades que para 2017 serán más de 1.700 millones, y a algunos los smartphones nos duran más de un año.


3. Y en los países desarrollados (nuestro mercado principal) en menos de cinco años todo el mundo tendrá uno: de hecho el mercado español es líder en penetración de los smartphones en el mercado de telefonía, este verano ya estabamos en el 66%. De hecho en estos países ya hay más móviles que gente.


4. El smartphone tiene una gran capacidad para ayudarnos a comunicarnos de múltiples formas: ya lo comentabamos antes, basta con pensar en audio, vídeo, texto, datos, metadatos y, obviamente, la combinación de todo lo anterior, ¿pensamos en realidad aumentada?


5. Es capaz de añadir a la ecuación clásica de oferta Vs. demanda dos elementos clave, "tiempo" y "lugar": hasta ahora hemos sido capaces de estimar bastante bien la oferta y la demanda de bienes y servicios, pero no podíamos soñar en añadir la capacidad de definir las dos primeras de un modo mucho más exacto y además hacerlo en tiempo real y para cualquier ubicación que queramos, las implicaciones para el modo en el que gestionamos nuestros negocios son enormes, la cuestión es cómo puede ayudarnos el marketing ante este reto.


6. Es simplemente móvil con todo lo que eso supone: ningún otro medio de comunicarnos con el cliente permite que este consuma nuestros mensajes o que interactuemos con él del modo que lo hacen dispositivos móviles como el smartphone, da igual dónde esté o lo qué esté haciendo.


7. Buena parte del trabajo para el despegue de la revolución "mobile" ya está hecho: ya tenemos Internet, ya tenemos usuarios acostumbrados a usar el móvil y a llevarlo siempre consigo, la infraestructura de telecomunicaciones está disponible, hay una generación de empresarios de Internet que no tiene que partir de cero y descubrir la rueda para entrar en estos mercados, baste con pensar como ha hecho esa transición Google, ¿sigo?.


8. Las grandes Telco han optado por generar plataformas sobre las que se puedan desarrollar aplicaciones y servicios en vez de ecosistemas propios cerrados: esto ha resultado ser fundamental, vamos que han preferido ayudar a las empresas a aprovecharse del fenómeno "mobile" que a hacer "mobile marketing" para ellas, en definitiva, hay campo abierto para cualquiera, sobre todo desde el punto de vista del marketing.


9. Se llevará el "compre ahora" a otra dimensión: baste con pensar que se tiene al posible cliente ubicado físicamente en un lugar (o conectado a una aplicación o aplicaciones determinadas) y momento, con lo que se le puede hacer ofertas muy personalizadas y en tiempo real asociado no sólo a la venta per se sino con asuntos tan curiosos como el stock de una tienda, las mesas libres en un restaurante, un atasco o un cambio en nuestra agenda diaria.


10. No hay ninguna tecnología que nos permita estar tan centrados en el cliente: el usuario es de verdad el eje de todo, el y el smartphone que lleva en el bolsillo, así que debería ser el sueño de cualquier empresa ya que permite hacer realidad esa frase tan manida (y tan raras veces llevada realmente hasta las últimas competencias) de que el cliente es lo primero. ¿Cómo van a responder las empresas y sus departamentos de marketing a este reto?

Estas 10 "razones"deberían ser más que suficiente para llamar la atención de cualquiera que tenga interés en hacer negocios en las próximas décadas, para el mundo del Business Intelligence los cambios serán también radicales ya que:

• Nos obligará a finalizar la migración al "Mobile BI", vamos que el fenómeno BYOD se está consolidando de modo muy rápido, en pocos años las soluciones de Business Intelligence se consultarán mucho más desde tablets y smartphones que desde PCs.


• Tendremos que enfocarnos en el tiempo real: si, por ejemplo, hago campañas de mobile marketing con varios proveedores debería ser capaz de integrar las mismas en mi BI y de hacerlo en tiempo real (obviamente esto no tendría que afectar a otras áreas de la gestión asociadas a asuntos como la contabilidad con la misma intensidad, pero casi) para poder tomar decisiones y en situaciones como esa no hay lugar para el instinto o la experiencia, ya que no hay precedentes.


• Abrirá la puerta al Big Data: está claro que la cantidad de datos crecerá exponencialmente para cualquier empresa que quiera subirse a la ola del mobile sea cual sea su tamaño, la cantidad de datos será inimaginable y habrá que sacarle jugo, lo que implicará jugar con nuevos tipos de datos asociados a vídeo, audio, geolocalización o al trabajo con análisis de sentimiento, todos ellos datos no estructurados en buena parte, así que el noSQL tiene un gran futuro por delante.


• Y con el Big Data se acabará por asentar el Cloud Computing: la arquitectura "cliente-servidor" protagonizó una revolución tecnológica hace ya más de 20 años, pero ahora toca pasar página, el que no lo tenga claro desaparecerá o disfrutará de un éxito del estilo que tuvo el último fabricante de coches de caballos cuando el automóvil se impuso, que es aquel asociado a no tener competidores supervivientes y al hecho de afrontar la irrelevancia en términos globales.


• Y el Big Data es una tecnología que ha nacido Open Source y difícilmente migrará a otra cosa: los modelos de negocio cambiarán y en menos de 10 años el panorama de los fabricantes de tecnologías de la información va a cambiar mucho, llegarán nuevos gigantes y algún gran dinosaurio pasará al olvido, quién les escribe ya vivió esa experiencia en persona en una gran multinacional que fue de las más innovadoras y cuyas ideas sobre el TI aún tienen sorprendente vigencia: la extinta Sun Microsystems (ahora es Oracle), baste con pensar que su lema era "The Network is the Computer".

Además, todo lo que se refiere al Business Intelligence afectará a otras tecnologías sobre las que opera como el ERP o el CRM, por no hablar de cómo cambiará la manera de trabajar o de gestionar un negocio...

Pero volviendo al "mobile marketing" os dejo con última reflexión y es que si todo aquello de lo que hemos hablado en este post lo hacemos con un interfaz potente, pero aún con ciertas limitaciones, como el de un smartphone, ¿qué pasará cuando se impongan otras maneras de "conectarse" del estilo de las Google Glasses?, no parece la mejor idea quedarse a esperar qué se los ocurre hacer a otros con nuestros mercados o nuestros clientes, digo yo....

Mas Ejemplos de Visualización de Datos: Foursquare le toma el pulso a las ciudades

En dos líneas: me han gustado mucho estas animaciones producidas por Foursquare para visualizar los flujos en el tiempo de los distintos tipos de actividad de una gran ciudad. 

Lo importante de estas animaciones no es tanto los lógicos flujos según la actividad (ir a trabajar, a comer, a divertirse o a comprar) sino que Foursquare maneja una cantidad tal de datos que es capaz de segmentar la demanda de productos y servicios en un lugar y momentos de un modo que hace poco tiempo se nos antojaba inimaginable.

Y a todo esto se añade el hecho de que en las redes sociales se trabaja en tiempo real así que estamos hablando de Big Data puro y duro.

De las ciudades que Foursquare ofrece en su web me he quedado con el ejemplo de Londres (aunque hay otras como Estambul, Tokio, Nueva York,..) ya que esta ciudad nos es más conocida en España:



Por otro lado, basta con hacerse a la idea de que lo que Foursquare nos enseña es una vista muy general de la ciudad, pero esta empresa es perfectamente capaz de ubicar a sus usuarios en una determinada calle y en la misma dentro de un local, es más, hasta puede indicar cual es la experiencia que está teniendo el usuario en ese momento.

Ahora toca preguntarse qué posibilidades se le abre a un negocio cualquiera si a los datos de Foursquare añadiese los de otras fuentes como:

• Opiniones de sus clientes en redes sociales como Twitter o Facebook.
• Uso de cámaras para captar las entradas y salidas de los clientes así como sus tiempos de permanencia en la tienda, el restaurante, la clínica, etc...
• Uso adicional de cámaras para el reconocimiento facial de los clientes y así segmentar mejor la oferta personalizándola en base a interacciones previas con ese mismo cliente.
• La actividad económica asociada a dichos flujos, como por ejemplo el número y tipología de las transacciones efectuadas por los clientes, además de, claro está, su importe.
• Datos de sensores procedentes de múltiples orígenes, es el fenómeno de las Smart Cities, las "Ciudades Inteligentes", donde se unen el control del tráfico, la iluminación, la temperatura, el impacto de la delincuencia,etc...

Podría seguir un buen rato, pero que quede claro que esto no es ciencia ficción, estos datos ya existen aunque puede que todavía no se aprovechen completamente, pero no por mucho tiempo.

Si a todo lo anterior le añadimos nuevos interfaces hombre-máquina y una mayor capacidad de los sistemas de entender nuestras necesidades y problemas para ofrecernos soluciones, el escenario se me antoja lleno de posibilidades, tanto buenas  como malas.

Ya están aquí las Google Glass

Por no decir que las máquinas ya comienzan a hablar entre si compartiendo datos en eso que llamamos el Internet de las Cosas, alias "IoT" (Internet of Things)

Y lo que se aplica al servicio al cliente se puede trasladar sin problemas a la administración de empresas.

En fin, que se abre un enorme abanico de escenarios posibles del uso de estas tecnologías y de la información que las alimenta, pero todas estas nuevas "capacidades" ¿nos darán más libertad o menos?, el mapa de Foursquare será la base de un enorme menú donde elegir y poder realizarnos o será como el plano de un hormiguero donde cada elemento tiene su función y sus rutas programadas. 

Las 200 cuentas de Twitter más influyentes sobre el Big Data

En dos líneas: nunca he tenido mucha fe en los rankings, pero bueno, en el caso que nos ocupa (el Big Data) parece que lo han trabajado con seriedad y la fuente es una compañía especializada en estudiar el fenómeno de la influencia en las redes sociales. 

Se trata de la empresa Onalytica (con sedes en Nueva York y Londres) y en un post reciente titulado "Big Data and Influencers" mencionaba las 200 cuentas de Twitter más influyentes en lo que se refiere al Big Data, perdón, quería decir #BigData.

Hasta aquí nada nuevo, de hecho estoy casi seguro que en su momento leí el post como fuente para buscar nuevos perfiles de Twitter para poder aprender más (y compartir esa información) sobre ese mega hype que conocemos como Big Data.

Hasta ahí todo de lo más normal, hasta que pasado mes y medio de haber leído aquel post me llega el siguiente tweet:

Así que resulta que servidor, el autor de este humilde y apenas leído blog estaba entre los 200 tipos más influyentes en Twitter en lo que se refiere al Big Data (no nos emocionemos que mi puesto es el 179 sobre 200 entre las 125.000 cuentas más influyentes), pues he de reconocer que hasta me ha hecho ilusión un ratito, son de esas cosas que a las madres les provocan una sonrisa y no me privaré de provocar esa pequeña alegría.

Así que con un mezcla de orgullo (muy poco) y de ganas de compartir una lista en la que hay gente realmente importante y que dice cosas interesantísimas sobre el Big Data, le he dado al "corta y pega" y aquí tenéis el documento en cuestión:

Rank	Twitter Handle	Name
1	@KirkDBorne	Kirk Borne
2	@JDavidMorris	J. David Morris
3	@mjcavaretta	Michael Cavaretta
4	@rwang0	R Ray Wang
5	@custom_publish	Karen Schopp
6	@BigDataSpeaker	Sushil Pramanick
7	@kdnuggets	Gregory Piatetsky
8	@numbercruncha	NUMBERCRUNCHA
9	@hyounpark	Hyoun Park
10	@kncukier	Kenneth Cukier
11	@jg21	Jeremy Geelan
12	@BigDataBorat	Big Data Borat
13	@GilPress	Gil Press
14	@SocialNewsCorp	Mike Martino
15	@BigDataGal	Lillian Pierson
16	@philsimon	Phil Simon
17	@dhinchcliffe	Dion Hinchcliffe
18	@Doug_Laney	Doug Laney
19	@praxsozi	Alfred Fuhr
20	@BernardMarr	Bernard Marr
21	@RICHI	Richi Jennings
22	@vipsgupta	Vipul Gupta
23	@HKotadia	Harish Kotadia
24	@tunvall	Fredrik Tunvall
25	@bobehayes	Bob E. Hayes
26	@MandiBPro	Mandi Bishop
27	@keesdenhartigh	Kees denHartigh
28	@jameskobielus	jameskobielus
29	@Natasha_D_G	Natasha Bishop
30	@CraigMilroy	Craig Milroy
31	@merv	Merv Adrian
32	@jburnmurdoch	John Burn-Murdoch
33	@eric_kavanagh	Eric Kavanagh
34	@mgualtieri	Mike Gualtieri
35	@revodavid	David Smith
36	@YvesMulkers	Yves Mulkers
37	@BuyukVeri	Buyuk Veri
38	@DanielBurrus	Daniel Burrus
39	@jahendler	jahendler
40	@DrMattRoach	Matt Roach
41	@graemeknows	J. Graeme Noseworthy
42	@marie_wallace	Marie Wallace
43	@juliebhunt	Julie Hunt
44	@kidehen	Kingsley Uyi Idehen
45	@marcusborba	Marcus Borba
46	@EdwardTufte	Edward Tufte
47	@TheSocialPitt	David Pittman
48	@strataconf	O'Reilly Strata
49	@Frank_Konkel	Frank Konkel
50	@NadhanAtHP	E.G.Nadhan
51	@data_nerd	Carla Gentry
52	@katecrawford	Kate Crawford
53	@Viktor_MS	V Mayer-Schönberger
54	@jeffreyfkelly	Jeff Kelly
55	@DeepInTheCode	David Young
56	@atulbutte	Atul Butte
57	@AliRebaie	Ali Rebaie
58	@lfeuerstein	Lukas Feuerstein
59	@Joseph_Marks_	Joseph Marks
60	@PatrickMeier	Patrick Meier
61	@jilldyche	Jill Dyche
62	@BigData_paulz	Paul Zikopoulos
63	@MDMGeek	Prash Chan
64	@ITredux	Theo
65	@Brian_Eastwood	Brian Eastwood
66	@DavidAmerland	David Amerland
67	@FangFeng88	Fang Feng
68	@CosimoAccoto	Cosimo Accoto
69	@dschubmehl	Dave Schubmehl
70	@mhausenblas	Michael Hausenblas
71	@5h15h	..S..h..i..S..h..
72	@ajayc47	Ajay Chandramouly
73	@jenstirrup	Jen Stirrup
74	@Dana_Gardner	Dana Gardner
75	@MeghanMBiro	Meghan M. Biro
76	@dr_morton	Morten Middelfart
77	@spoonen	Sanjay Poonen
78	@Timothy_Hughes	Timothy Hughes
79	@elchiconaranja	Luis Rodríguez Vives
80	@evanquinn	Evan Quinn
81	@DanaFLove	Dana Love
82	@timoelliott	Timo Elliott
83	@RobertsPaige	Paige Roberts
84	@antgoldbloom	Anthony Goldbloom
85	@jamet123	James Taylor
86	@jaimefitzgerald	Jaime Fitzgerald
87	@t1c1	Thomas Ciszek
88	@webtechman	Daniel Hudson
89	@oscarwijsman	Oscar Wijsman
90	@captain_dash	Captain Dash
91	@johnlmyers44	johnlmyers44
92	@Sve_Sic	Svetlana Sicular
93	@servantofchaos	Gavin Heaton
94	@manovich	manovich
95	@usamaf	Usama Fayyad
96	@ecereda	Enrico Cereda
97	@moorejh	Jason H. Moore
98	@TonyBaer	Tony Baer
99	@plevy	Pierre Levy
100	@JAdP	Josep di Paolantonio
101	@SoftwareHollis	Hollis Tibbetts
102	@GJ7300	GJ Reinders
103	@tamaradull	Tamara Dull
104	@nyike	Isaac Sacolick
105	@digiphile	Alex Howard
106	@ScottOstby	Scott Ostby
107	@hsteph	Stéphane Heckel
108	@joshuagrossman	Joshua Grossman
109	@prasannalaldas	Prasanna Lal Das
110	@bobgourley	Bob Gourley
111	@jsaulroig	Josep Sauleda
112	@SusanFourtane	Susan Fourtané
113	@TheGrok	Bryan Eisenberg
114	@simonlporter	SimonPorter
115	@jbertolucci	Jeff Bertolucci
116	@cosmopolitanvan	Weiai
117	@carbone	Cedric Carbone
118	@RichDuszak	Rich Duszak
119	@HaleChris	Chris Hale
120	@furrier	John Furrier
121	@bobevansIT	Bob Evans
122	@mich8elwu	Michael Wu
123	@MathewFallon	Mathew Fallon
124	@ryanpraski	Ryan Praskievicz
125	@dpatil	dj patil
126	@brunoaziza	Bruno Aziza
127	@OttmarAmann	Ottmar Amann
128	@nopiedra	Nelson Piedra
129	@fcharles	fcharles
130	@Saif_Abed	Saif Abed
131	@luisdans	Luis Daniel Soto
132	@infoarbitrage	Roger Ehrenberg
133	@mjasay	Matt Asay
134	@NeelieKroesEU	Neelie Kroes
135	@Digitaltonto	Greg Satell
136	@downtotheblock	Stephen Jones
137	@OmoNsasi	Damara Arrowood
138	@marilor	Marie-Laure VIE
139	@billfranksga	Bill Franks
140	@jotero81	Julio Otero Santamar
141	@MalteLandwehr	Malte Landwehr
142	@HealthcareWen	Wen Dombrowski
143	@sanchezjb	Joe Sanchez
144	@ydemontcheuil	Yves de Montcheuil
145	@RadhikaAtEmcien	Radhika Subramanian
146	@TheEbizWizard	Jason Bloomberg
147	@klintron	Klint Finley
148	@BeverlyMacy	Beverly Macy
149	@edd	Edd Dumbill
150	@LoraineLawson	Loraine Lawson
151	@SethGrimes	Seth Grimes
152	@sidprobstein	Sid Probstein
153	@GaryMarcus	Gary Marcus
154	@tinagroves	Tina Groves
155	@hlsdk	Henrik L. Sørensen
156	@AAjraou	Abed Ajraou
157	@ukgav	Gav Broughton
158	@toccaceliblasi	Toccaceli Blasi
159	@jeanetwalraven	Jeanet Walraven
160	@GregoryJGreben	Gregory J. Greben
161	@MarketBuildr	Steve Offsey
162	@acroll	Alistair Croll
163	@lkafle	Lava Kafle
164	@craigmullins	Craig Mullins
165	@Ellen_Friedman	Ellen Friedman
166	@FastBigData	Mark Wall
167	@FrankFormisano	Francesco Formisano
168	@luiy	luiy
169	@witolddc	Witold Chrabaszcz
170	@dainsworld	Dain Hansen
171	@TechTalkEditor	Maya Saggu
172	@HealthcareMBA	Justin Hipps
173	@jakeporway	Jake Porway
174	@MOC_Aproged	M-Odile Charaudeau
175	@lilithlela	Lilith Lela
176	@SocialMktgFella	Andre F Bourque
177	@DavidLinthicum	DavidLinthicum
178	@storagesport	Dave O'Donoghue
179	@Charly_BG	Carlos Barranco
180	@marcteerlink	Marc Teerlink
181	@annamasera	Anna Masera
182	@Datagrrl	April Reeve
183	@Bilafer	Kurt J. Bilafer
184	@marcosluis2186	Marcos Ortiz
185	@rajatrocks	Rajat Paharia
186	@Colinstrong	Colin Strong
187	@carmeartigas	Carme Artigas
188	@ManeeshJuneja	Maneesh Juneja
189	@ocdqblog	Jim Harris
190	@PaulNemitz	Paul Nemitz
191	@wareFLO	Charles Webster
192	@deKokPieter	Pieter de Kok
193	@andrewbrust	Andrew Brust
194	@fredhermelin	Frédéric Hermelin
195	@guidoromeo	guidoromeo
196	@mchui	Michael Chui
197	@RafaelPadura	Rafael Padura
198	@practicingEA	Brian Hopkins
199	@johnchavens	John C. Havens
200	@preinman	Paula Reinman

Fuente: Onalytica (http://www.onalytica.com/blog/posts/big-data-and-influencers)

El nuevo Pentaho 5.0

En dos líneas: se presenta la nueva versión de una de las soluciones de Business Intelligence (BI) más potentes del mercado: Pentaho 5.0 , de lo mejor en Open Source BI. 

A pesar de que en Pentaho como en la mayoría de los productos Open Source con una comunidad potente detrás no hay que esperar demasiado para tener nuevas versiones estables de los productos, he de reconocer que tenía cierta curiosidad por ver que se traían entre manos con el nuevo Pentaho 5.0 .

Dicha espera ya ha terminado ya que se acaba de lanzar un comunicado de prensa informando del lanzamiento, la verdad es que por lo que había leído en las redes sociales la cosa se iba hasta el 15 de septiembre pero al final se han adelantado.

Como era de esperar el Big Data es uno de los protagonistas de Pentaho 5.0, además de las nuevas funcionalidades destaca una profundización en la alianza con MongoDB.

Este vídeo muestra la capacidad del Reporting Wizard de Pentaho 5.0 para trabajar con la base de datos noSQL MongoDB:



Pero no sólo hablamos de Big Data, se han producido unas 250 mejoras sobre la última versión con la que hemos estado trabajando, Pentaho 4.8 que ya era un gran producto por lo menos en mi opinión y por mi experiencia con él, tal y como podéis ver aquí.

Evidentemente, todavía es pronto para hablar en detalle de cómo han cambiado las cosas con respecto al último release de la versión anterior, así que a modo de resumen la evolución se ha producido en las siguientes áreas:

• Mejora del interfaz de usuario, algo fundamental conforme el uso del Business Intelligence se generaliza o "democratiza".

• Mejora de la experiencia del administrador, esto era de esperar dado el carácter Open Source de Pentaho, siempre se hacen esfuerzos en este sentido.


• Nuevas capacidades de visualización.

Nuevos Dashboards para Pentaho 5.0 by Webdetails

En fin, como decía antes todavía es pronto para opinar, pero parece prometer bastante este nuevo Pentaho, en especial se nota el esfuerzo por potenciar todo lo que se refiere al Big Data, os dejo otro vídeo a modo de resumen de todos los cambios que se han producido:

El día 24 de septiembre habrá un webinar para Europa en el que se presente de un modo más amplio Pentaho 5.0 a toda la comunidad OSBI.

Por cierto para los que no conozcáis Pentaho os dejo un par de post sobre evaluaciones de conocidas Consultoras:

• Gartner
• Dresner

Vamos, que los seguidores del Open Source BI (alias OSBI) estamos de enhorabuena.

Seguiremos informando.

¿Se nos desinfla el hype del Big Data?

En dos líneas: como todos los veranos, nos ha llegado el nuevo "Hype Cycle" de Gartner y el Big Data no sale tan bien parado como se podría esperar. 

Lo podéis observar en los tres últimos Hype Cycle de Gartner, en el de este año el período de maduración (el tiempo que una determinada tecnología tarda en llegar a la denominada "meseta de productividad") del Big Data ha pasado de ser de "entre 3 y 5 años" a "entre 5 y 10 años".

Fijaos en como ha cambiado el Hype Cycle, los más curiosos pueden comparar estas tecnologías con las que propone Mckinsey en un documento reciente:

Fuente: Gartner - Hacer clic en la imagen para aumentar su tamaño

Fuente: Gartner - Hacer clic en la imagen para aumentar su tamaño

Fuente: Gartner - Hacer clic en la imagen para aumentar su tamaño

Las razones para este cambio de opinión en mi opinión podrían estar en:

1. Las soluciones de Big Data todavía no son los suficientemente maduras y están creando confusión en el mercado.


2. Desde el punto de vista de los directivos de gran parte de empresas no está claro para qué pueden utilizar el Big Data a la hora de conseguir insights que aporten valor al negocio.


3. A todo lo anterior se une la falta de profesionales cualificados en todo el ciclo operativo del Big Data, lo que está llevando a una significativa inflación salarial en perfiles como el de "Data Scientist".


4. Actualmente todavía está por definir de un modo más o menos definitivo el ecosistema de vendors y soluciones de Big Data.


5. De hecho, los vendors de BI y BA se han visto perjudicados en sus resultados por el fenómeno del Big Data, que ha tenido como consecuencia una ralentización de las inversiones por parte de las empresas, después de la gran fiesta de inauguración llega la resaca y tras algunos proyectos piloto muy caros parece que toca tomarse las cosas con más calma. 


6. Los proyectos de Big Data son caros (por ahora reservados a la gran empresa) y no tienen por el momento una tasa de éxito elevado (pues si, en esto también se usa el ROI), algo normal dada la madurez de esta tecnología.


7. Las empresas se están planteando si apostar fuerte por el Big Data cuando aún les queda mucho por hacer en BI y Analytics.


8. El equivoco continuo entre los conceptos de "correlación" y "causalidad", que ya cansa.


9. Pocos serán los que puedan aprovecharse del fenómeno de los datos como "el nuevo petróleo", la gran mayoría de empresas y organizaciones serán meros observadores y "paganos" de dicho fenómeno, por otro lado está por ver la evolución del Open Data por muchos ejemplos parciales que vayan surgiendo.


10. Hay tecnologías que están íntimamente asociadas al Big Data y que todavía necesitan de cierta madurez: el Internet of Things (IoT), el Cloud Computing, la análitica predictiva y sobre todo la prescriptiva, el lenguaje natural, etc...

Y sin embargo se mueve, como diría Galileo, detrás del Big Data hay muchas posibilidades (buenas y malas para la sociedad en su conjunto) y seguramente llegará, pero no en la forma actual y sin bastantes de los jugadores actuales.

Creo que nos vamos acercando a ese momento de todo hype en el que las enormes expectativas creadas no se cumplen, entonces llega cierta desilusión y todo se calma a la espera del siguiente bombazo a preparar por la industria.

No se qué os parece esta desaceleración de las expectativas por parte de Gartner, que ha sido quizás el mayor impulsor del hype del Big Data, yo creo que tienen razón en reconsiderar su posición.

Si os ha parecido interesante este post, por favor, compartidlo en las redes sociales, y, como siempre, estoy abierto a vuestras opiniones.

Más ejemplos de Visualización de Datos: Impactos de Meteoritos

En dos líneas: aprovecho este ejemplo de visualización de datos para presentar una web de referencia en este tema. 

La web es visualizing.org y es una fuente de información interesantísima sobre la visualización de datos, tocando temas que van desde el Open Data, pasando por galerías con los trabajos de los mejores expertos en esta materia (algunos ejemplos son realmente espectaculares) hasta la organización de retos con premios para los ganadores, por ejemplo a la fecha de este post estaba en marcha un reto sobre como visualizar los datos relativos a los precios de la atención sanitaria, por cierto el primer premio son 9.000$.

Esta claro que para poder afrontar las enormes cantidades de datos que se generan hoy en día y poder tomar decisiones en base al "insight" extraído de los mismos el revisar tablas y tablas con cifras es simplemente inviable, las tendencias o los "outliers" solamente son detectables mediante la visualización llevada a un nivel como el del ejemplo que os dejo hoy.

Se trata de una visualización con la localización de los impactos de meteoritos entre el año 2500 A.C. y el pasado año 2012, no me he limitado a copiar la imagen, la visualización está embebida y podéis acceder a la fuente original para verla con mayor detalle.

Por cierto, para saber más sobre cómo se obtienen y procesan los datos sobre estos "impactos extraterrestres" os aconsejo este artículo, tampoco conviene perderse el blogroll que se nos ofrece en el blog dentro de la web de Visualizing.org, una selección de lo mejor en visualización de datos.

Como veis sigo fascinado por este tema, donde se mezclan ciencia y arte, donde se juega el futuro de la inteligencia de negocio o de eso que llaman Big Data. Seguiré buscando ejemplos que merezcan la pena.

Si os ha parecido interesante este post, simplemente compartidlo. 

Open Data + Big Data para la Oceanografía: Marinexplore.org

En dos líneas: os presento lo que para mi ha resultado un auténtico descubrimiento, la comunidad Open Data marinexplore.org, especializada en el mundo de la oceanografía. 

www.marinexplore.org

La verdad es que debo el descubrimiento al analista de Business Intelligence Josep Curto que despertó mi curiosidad con un tweet.

Y lo que he descubierto me ha dejado alucinado, en especial todas las visualizaciones de datos tan espectaculares que he encontrado, además todo ello aderezado con el concepto de Open Data.

En  Marinexplore conviven:

• Una potente plataforma de análisis de la información oceanográfica.

www.marinexplore.org

• Una comunidad Open Data (unos 10 petabytes de información) con más de 5.000 miembros, mayoritariamente norteamericanos, españoles el 3% (unos 150).


• Datos propietarios (100 petabytes)

En resumen, la web es una pasada, os aconsejo que le dediquéis un rato, la verdad es que le hace pensar a uno sobre la realidad de que los seres humanos vivimos de espaldas al mar, salvo para algún baño ocasional y expoliar sus recursos de manera torpe e irracional.

Me han parecido muy interesantes por un lado el blog, que contiene numerosos ejemplos de visualización de datos de primera:

http://blog.marinexplore.com/10-useful-ocean-data-visualizations/

Y por otro lado la sección "Activity" donde se puede acceder a informaciones sobre investigaciones en curso, la mayoría de ellas basadas en la recepción y análisis de grandes cantidades de datos, como muestra una investigación australiana (University of Western Australia) sobre las dinámicas de ataque de los tiburones que ha terminado en nuevos diseños de trajes de neopreno para reducir los ataques a surfistas:



En fin, dad por seguro que esta es una web que visitaré bastante a menudo.

Por cierto, si os ha gustado este post o queréis divulgar las actividades de Marinexplore, basta con compartirlo en las redes sociales.

¿Un vídeo musical sobre BI?, pues si : "End of BI as We Know It"

En dos líneas: hoy me encuentro esta "joya" del género de los vídeo clips, pero la comparto no por la calidad artística sino por la temática de la misma. 

El mensaje es de cajón, vamos todos juntos a por el Analytics y el Big Data, está claro que si tienes un perfil muy técnico en estas áreas y con los sueldos que se están pagando en sitios como Silicon Valley (siempre por encima de los 100.000 dólares y en bastantes casos por encima de los 200.000) hay buenas razones para cantar una animada canción al ritmo del hype.

En este caso la canción se titula  "End of BI as We Know It" y es una poco afortunada versión del clásico de REM.

Pero bueno, hace juegos de palabras con muchos lugares comunes del BI, así que le echo valor y aquí tenéis el vídeo:



Por cierto, el vídeo es obra de un fabricante de BI Open Source: Actuate BIRT, que llevan el marketing de guerrilla a una nueva dimensión.

El próximo post supongo que será algo más serio.

3 visiones sobre el valor del Business Intelligence y el Big Data para las empresas

En dos líneas: estamos ante uno de los temas "clásicos" del Business Intelligence (BI), cómo probar el valor que aportan este tipo de soluciones al negocio. 

Para responder a esta pregunta hoy os dejo tres ponencias recientes, la primera se centrará en el mundo "analytics", la segunda nos hablará del ROI del Big Data mientras que la tercera se refiere a cómo crearan valor en los próximos años las soluciones de BI / BA / Big Data.

Como pasa la mayoría de las veces, las buenas conferencias sobre estos temas están en inglés y los vídeos de hoy no van a ser una excepción, mis disculpas.

En fin, vayamos al lio.

Business Value of Data and Analytics

La conferencia corre al cargo del profesor de la National University of Singapore Trichy V. Krishnan, he de reconocer que este hombre habla a toda pastilla y cuesta seguirle, sin embargo hace un análisis muy interesante del uso de analytics en Programas de Fidelización (Loyalty Programs / Frequent Shopper Programs), no hace falta pensar mucho para que la gran mayoría recordemos qué tarjetas de este estilo tenemos en la cartera, por ejemplo de un hipermercado o de una línea aérea.





De la conferencia se pueden sacar una serie de conclusiones:

1. Son programas extremadamente caros (entre el 2 y el 10% del gasto total del cliente), un programa en una gran cadena de supermercados puede tener un coste de implantación de entre 30 y 60 millones de dólares, con unos mantenimientos de entre 5 y 10 millones años y una inversión en marketing muy similar a la de la implantación, si bien ha de hacerse a varios años vista.
2. No aumentan las ventas significativamente y de hacerlo lo hacen en los segmentos menos fieles al emisor de la tarjeta y que menos gastan.
3. Son programas que tienen muchas dificultades para competir con descuentos, esto es, un descuento ahora vs un descuento posible en el futuro cuando canjee mis puntos.

Entonces donde está la ventaja de estos programas, pues es muy sencillo, en los datos, ahora mismo la tecnología de BI / BA y Big Data permite segmentar consumidores casi a nivel individual, ahí está la clave, pero si no tienes ni la tecnología ni el talento analítico en tu organización mejor olvidar este tipo de esquemas.

En resumen, las empresas en sectores como el retail pagan a sus clientes para que les proporcionen datos sobre si mismos y sobre sus hábitos de compra.

ROI of Big Data Analytics Native on Hadoop

Como en el caso anterior el ponente no habla un inglés nativo pero es cierto que en este caso a Stefan Groschupf el CEO de Datameer se le entiende estupendamente y además dice las cosas con mucha claridad, puro estilo germánico.



Y como se puede ver en vídeo el amigo Stefan no se corta un pelo dando su opinión, que voy a intentar resumir del modo más breve posible:

1. Si piensas en implantar Big Data vía Hadoop en tu organización y crees que es un proyecto meramente técnico, por y para la visión de los ingenieros informáticos estás condenado al fracaso, el negocio va siempre por delante del TI nunca empieces por la tecnología.
2. Si desde TI intentas una venta interna del Big Data haz amigos en tu contraparte de negocio, sin un buen business case no irás muy lejos, puedes gastar mucho capital (de la empresa) y personal (trabajo y problemas) pero no tendrás relevancia porque no tendrás usuarios.
3. Si no hay insight para negocio no hay necesidad de Hadoop.
4. En el hardware la inversión está en el networking, el cableado, climatización, racks, etc... y mucho menos en los servidores, destaca que invertir en tecnologías in-memory es una pérdida de tiempo y dinero (y es curioso como un alemán menciona específicamente un producto de SAP: Hana).
5. Tanto en la parte del hardware como en la del software del proyecto no merece la pena dedicar tiempo y dinero a la evaluación de los productos, no hay diferencias significativas entre los mismos.
6. Como SO mejor utilizar Unix/Linux.
7. Hay muchas opciones de Hadoop (Cloudera, IBM, Dell, Oracle, etc...) todas están bien, menciona el caso de Intel, solución de la que opina que todavía no está lo suficientemente madura si bien tiene muy buenas funcionalidades de seguridad.
8. No tiene sentido invertir en "Disaster Recovery", mejor duplicar los clusters.
9. El coste de los Recursos Humanos de una implantación de Hadoop en los EEUU es muy elevado, el ponente hace un breve análisis de los perfiles necesarios y de los salarios (para Silicon Valley o para la Costa Este, más bajos en esta última, por ejemplo NYC o Boston), por lo que un proyecto puede necesitar sólo en recursos humanos técnicos unos 2,5 millones de dólares, así que no hay que engañarse con que el software pueda ser Open Source el auténtico dilema está en comprar la solución o construirla con el TI de la empresa.

Todo esto lleva a la necesidad de considerar el ROI de estos proyectos, de nuevo no se puede insistir lo bastante en la necesidad de extraer un insight valioso para la organización (algo parecido de lo que pasa con el BI), si se hace así se pueden lograr enormes beneficios ya que:

• El insight operativo se convierte en algo radicalmente nuevo por la enorme rapidez con la que se obtiene, algo esencial en áreas como el control del fraude o la segmentación de clientes.
• Los datos son en si mismo una gran oportunidad de negocio, ya se sabe aquello de "Data is the New Oil".
• Hadoop es enormemente flexible frente a enfoques más tradicionales.

Si algo me ha quedado claro es que por el momento Hadoop es territorio exclusivo de las grandes corporaciones y no lo digo sólo porque las mismas son las que manejan sets de datos monstruosos que parecerían los más adecuados para el Big Data (que no tiene porque ser así) sino por el hecho de que los costes actuales son prohibitivos.

Así que toda esta moda / hype por una tecnología que ya lleva años disponible viene, creo yo, del hecho de que a esos grandes clientes ya no les quedaba mucho por comprar en términos de BI, ERP o CRM y ese tipo de clientes son la caldera que hace que funcionen los grandes fabricantes de TI y las consultoras con las que operan, así que "más madera".

Y queda la cuestión de que el lado del negocio realmente vea el valor del Big Data, hay casos en los que dicho valor es evidente pero habrá otros muchos en los que los no técnicos (o no matemáticos) simplemente no lo aprecien o no quieran invertir en una tecnología muy cara que no entienden.

Keynote del CEO de Microstrategy en el evento Microstrategy World 2013 en Barcelona

Cerramos con Michael J. Sailor el CEO de Microstrategy en el gran evento anual de la empresa celebrado este año 2013 en Barcelona, al incluir este vídeo busco mostrar algo de la estrategia de los grandes vendors sobre cómo va a evolucionar el BI como concepto global, incluyendo subáreas como el BA o el Big Data.

Y está claro que toda esa estrategia siempre ha de buscar soluciones a preguntas que permanentemente se hacen las empresas:

1. ¿Puedo identificar oportunidades de crecimiento?
2. ¿Cómo mejorar la escasa visibilidad que se tiene del día a día de las operaciones?
3. ¿Cómo superar el problema del acceso (muy lento o inexistente) a la información relevante para la toma de decisiones?

Pero dejemos de lado mis opiniones y dejemos que el CEO de Microstrategy exprese las suyas:

¿Qué os han parecido las ponencias?, reconozco que son temas áridos pero el futuro de la sociedad de la información en la que vivimos está indisolublemente unido a ellos.

Al final la cuestión del "Business Value" no va tanto del lado del ROI de las soluciones como del ROI de carecer de la información con la que sostener el proceso de toma de decisiones.

Si te ha parecido interesante este post, por favor no dudes en compartirlo.