GIGO o el problema de los datos basura

  • Predictive Analytics

datos

Hay un viejo dicho que se remonta a los primeros días de la informática y que ha adquirido un nuevo significado hoy en día para las empresas inundadas de datos de clientes no estructurados de múltiples fuentes dispares. Ese acrónimo es GIGO, o más comúnmente conocido como "basura que entra, basura que sale".

Definido por primera vez en 1957 por matemáticos del ejército de los EE.UU., quienes declararon que las entradas "programadas descuidadamente" conducen inevitablemente a salidas incorrectas. Para decirlo en un lenguaje moderno, el valor que obtiene de un sistema es tan bueno como los datos que se ingresan en él. Los datos de mala calidad no son una broma, hoy en día le cuestan a la economía de los EE.UU. hasta 3,1 billones al año.

A medida que los clientes se vuelven cada vez más digitales en sus comportamientos y el aumento de dispositivos en red en el borde de la informática, los datos se han disparado exponencialmente. Aprovechar esos datos para el valor comercial y la diferenciación es la forma en que las empresas modernas no solo sobrevivirán, sino que prosperarán. Todos estos nuevos datos residen en silos dispares, algunos digitales y otros físicos, y deben reunirse e integrarse para que sean útiles para hacer cosas como afectar la experiencia del cliente (CX) a través de la personalización.

El concepto de GIGO es más relevante hoy que nunca. Con datos de múltiples fuentes, todos formateados de manera diferente, o sin ningún formato, simplemente volcar todos esos datos en un almacén de datos solo creará un conjunto más grande de datos basura que no se pueden aprovechar para obtener valor.

Preparar los datos para la ingestión y la integración en una plataforma de gestión de datos como una plataforma de datos del cliente (CDP) es fundamental para poder mostrar el ROI y los resultados de la instalación.

¿Qué son los datos basura?

Los datos basura no son necesariamente datos falsos, pero pueden ser datos que no son precisos o relevantes para su organización. Los datos incorrectos pueden ser engañosos, no se compilan correctamente o les faltan elementos clave. De hecho, puede contener información falsa o información incompleta e irrelevante. Los datos basura pueden afectar seriamente el rendimiento y los resultados de una empresa, por lo que no se puede subestimar la importancia de las buenas prácticas y los procesos relacionados con la recopilación y la gestión de datos. Una empresa que toma decisiones de inteligencia empresarial (BI) basadas en datos basura está tomando malas decisiones, lo que podría hacer perder tiempo, dinero y recursos.

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.