Acepto

COOKIES

Esta web utiliza cookies técnicas, de personalización y de análisis, propias y de terceros, para anónimamente facilitarle la navegación y analizar estadísticas del uso de la web. Obtener más información

Cómo prepararse para proyectos de Big Data

  • Predictive Analytics

Data 1

Los fallos del proyecto son más probables cuando no hay preparación. Esto es lo que debe considerar al prepararse para proyectos de big data.

Si no prepara los datos con anticipación para obtener un rendimiento óptimo, no complacerá a quienes los consuman. Es fundamental que las organizaciones tengan una estrategia y metodología de preparación de big data y la ejecuten fielmente.

Una estrategia de preparación de datos debe contener los siguientes elementos:

Una comprensión profunda de las preguntas comerciales actuales y futuras para las que se espera que los datos den respuestas. Conocer las áreas del negocio donde se aplicarán los análisis de big data establece un contexto comercial para los datos y ayuda a configurar la estrategia de recopilación y ejecución de datos. El objetivo en esta fase es identificar qué datos de su empresa son relevantes para las preguntas clave del negocio y cuáles no.

Centralización de datos. Los datos deben normalizarse para que sean consistentes y todos en la empresa utilicen los mismos datos. Esto hace que sea esencial alojar todos los datos para análisis en un repositorio centralizado mantenido por TI, aunque puede optar por llenar diferentes subconjuntos de estos datos maestros para áreas comerciales específicas.

Identificación de fuentes de datos que deben alimentarse al repositorio central de información analítica. Una vez que se definen los casos y las preguntas del negocio, se deben identificar los conjuntos de datos y las fuentes que se pueden usar en conjunto para responder las preguntas candentes del negocio. Estas fuentes de datos pueden provenir de dentro o fuera de la empresa.

Identificación de futuras fuentes de datos que puedan ser relevantes. Hay que comenzar a identificar conjuntos de datos adicionales o fuentes que la empresa pueda necesitar en el futuro. Estas fuentes de datos inicialmente no tendrán datos preparados, pero su identificación proporcionará una hoja de ruta para la preparación de datos en el futuro.

Metodología de preparación de datos definida. Hay tres pasos fundamentales para mover datos limpios a un repositorio de datos central. Primero, los datos se extraen de su fuente. Luego, se transforma en un formato que es compatible con el destino de datos al que se dirige. Por último, se carga en el repositorio de destino. La parte importante es la transformación.

Selección de herramientas efectivas de preparación de datos. Los objetivos deben ser preparar sus datos para que sean de la más alta calidad y elegir herramientas que sean fáciles de usar y que proporcionen un medio para automatizar los pasos de preparación de datos.

Descubre la innovación

Para asegurar el éxito empresarial, ahora y a futuro, es imprescindible maximizar el retorno de la inversión existente en software, a la vez que innovar y adoptar nuevas tecnologías. Los retos que hay abordar para competir en un mundo de TI Híbrida incluyen DevOps, Seguridad, Gestión de riesgos y Análisis predictivo. Puedes obtener más información sobre cómo abordar estos retos e innovar en este enlace.