Quien es experto en Analytics sabe que los datos, propiamente dichos, son uno de sus pilares fundamentales. Según expertos argentinos que brindan servicios y soluciones para el desarrollo de capacidades analíticas, conceptual y estratégicamente éstos pueden clasificarse desde diversos ángulos, que servirían para encarar la estrategia y el mapa de Arquitectura Analítica de una manera diferente.
Una forma de segmentarlos es a través del volumen: Big Data y Small Data. El grueso de las definiciones de Big Data “refieren a la cantidad, volumen y heterogeneidad de datos”, remarcan los especialistas. Sin embargo, desde un punto de vista más profundo y conceptual puede sumarse un aspecto más, que tiene que ver con que los Big Data son estos “sets de datos más ‘obvios y disponibles’ respecto a una temática a analizar”.
Del otro lado está los Small Data (su contracara), que, para detectarlos, sumarlos e integrarlos al modelo analítico será necesario un trabajo más riguroso. Quienes conocen del tema saben que percibir, detectar su impacto y la riqueza que implican para el análisis, no es tan obvio ni directo. Por lo tanto, son un diferencial que puede tener una organización.
Datos: Fuentes convencionales y no convencionales
Otra dimensión para analizar tiene que ver con el tipo de fuente: fuentes convencionales y no convencionales.
“Las convencionales son aquellas que ya están incorporadas al mapa analítico de toda organización, porque tecnológica y funcionalmente, ya forman parte de un estándar de análisis y su integración forma parte de las capacidades convencionales que traen las plataformas analíticas”, profundizan. Aquí mencionan los sistemas transaccionales (operativos y los de gestión (corporativos); sistemas de venta como un CRM; sistemas de facturación y cobranzas, plataformas eCommerce; etc.
Las no convencionales son las que están en la organización en un uso “no tan protagónico o transaccional”, y que aún no muchas organizaciones las tienen presentes como parte del proceso, mapa o generadora de datos de análisis.
Algunos ejemplos son los Sharepoints, las planillas de cálculo que se utilizan como sistemas informales de carga de datos; Datos complementarios almacenados en esquemas como Drives; Workplace; o Sistemas de encuestas, como survey monkey.
Prohibida su reproducción total o parcial.