Como se ha podido observar en los últimos años en torno al emprendimiento digital, la inversión económica en la tecnología a emplear se ha reducido drásticamente, habilitando un acceso más “suave” a los primeros pasos de la creación de negocios digitales en general. El caso del Big Data no es una excepción, y de hecho esta “relajación” en cuanto a la barrera económica, incluso en los casos en los que es necesario el procesamiento de ingentes cantidades de datos, es lo que ha facilitado la adopción de soluciones Big Data en muy diferentes sectores.
El acceso a herramientas como Apache Hadoop (por citar la tecnología Big Data y de código abierto con mayor recorrido) y todo el ecosistema de herramientas adicionales a su alrededor, unido a la disponibilidad de soluciones asequibles de cloud computing (que en muchos casos utilizan el enfoque de platform-as-a-service incluyendo ya la preinstalación de herramientas de minería de datos, Big Data y aprendizaje automático), hace que cuanto menos el desarrollo de MVPs, pruebas de concepto y primeras versiones de productos de Big Data Analytics no requiera de una gran inversión económica en tecnología de base. Estos primeros desarrollos y la evaluación de su potencial de negocio es lo que justificará en todo caso la inversión necesaria para garantizar los medios de captación de datos (inversión en absoluto despreciable, según el caso) y la escalabilidad de su procesamiento.
La pieza que completa el puzzle es el equipo de personas con el talento y competencias requeridas para poder poner en orden todas las piezas anteriores, es decir, hacer esa traducción de las necesidades de negocio (y los diferentes componentes del modelo de negocio: implicados, expectativas, propuesta de valor, etc.) a las necesidades de datos a utilizar y a las tecnologías a emplear. Cuando repasábamos las competencias del perfil de científico de datos hacíamos hincapié no sólo en las más técnicas (relacionadas con la matemática, la estadística y la informática) sino también en aquellas más ligadas al negocio, que por ejemplo en el informe publicado por Udacity se etiquetaba como “pensar como un científico/analista de datos”.
Este concepto, de hecho, es el que nos permite reunir en una misma idea todas las piezas del puzzle que hemos trazado, ya que representa la competencia de saber aplicar los principios de la ciencia de datos (a través de las tecnologías pertinentes y sobre los datos adecuados, según el caso) para responder a las preguntas clave necesarias para satisfacer las necesidades de negocio.
El acceso a herramientas como Apache Hadoop (por citar la tecnología Big Data y de código abierto con mayor recorrido) y todo el ecosistema de herramientas adicionales a su alrededor, unido a la disponibilidad de soluciones asequibles de cloud computing (que en muchos casos utilizan el enfoque de platform-as-a-service incluyendo ya la preinstalación de herramientas de minería de datos, Big Data y aprendizaje automático), hace que cuanto menos el desarrollo de MVPs, pruebas de concepto y primeras versiones de productos de Big Data Analytics no requiera de una gran inversión económica en tecnología de base. Estos primeros desarrollos y la evaluación de su potencial de negocio es lo que justificará en todo caso la inversión necesaria para garantizar los medios de captación de datos (inversión en absoluto despreciable, según el caso) y la escalabilidad de su procesamiento.
La pieza que completa el puzzle es el equipo de personas con el talento y competencias requeridas para poder poner en orden todas las piezas anteriores, es decir, hacer esa traducción de las necesidades de negocio (y los diferentes componentes del modelo de negocio: implicados, expectativas, propuesta de valor, etc.) a las necesidades de datos a utilizar y a las tecnologías a emplear. Cuando repasábamos las competencias del perfil de científico de datos hacíamos hincapié no sólo en las más técnicas (relacionadas con la matemática, la estadística y la informática) sino también en aquellas más ligadas al negocio, que por ejemplo en el informe publicado por Udacity se etiquetaba como “pensar como un científico/analista de datos”.
Este concepto, de hecho, es el que nos permite reunir en una misma idea todas las piezas del puzzle que hemos trazado, ya que representa la competencia de saber aplicar los principios de la ciencia de datos (a través de las tecnologías pertinentes y sobre los datos adecuados, según el caso) para responder a las preguntas clave necesarias para satisfacer las necesidades de negocio.
No hay comentarios:
Publicar un comentario