Consejo de Big Data: no conviene guardar todo

Este enfoque de guardar todo es un desperdicio de recursos y dinero. Una solución más inteligente consiste en decidir de antemano qué datos son esenciales para la operación, y luego seguir los pasos necesarios para reunirlos, procesarlos, filtrarlos y analizarlos, expone Joel Young, CTO y vicepresidente senior de Investigación y Desarrollo de Digi International, proveedor de soluciones máquina a máquina (M2M).

Fundada en 1985, Digi International ha evolucionado de ser un proveedor de tarjetas adaptadoras seriales multipuerto para servidores a plataformas en la Nube para conectar dispositivos. Por ejemplo, el producto iDigi basado en la Nube de la compañía permite a las organizaciones conectar y manejar redes de dispositivos.

En una entrevista telefónica con InformationWeek, Young dijo que a menudo las compañías se ven abrumadas con los Big Data, en particular si carecen de una definición clara de cómo desean utilizarlos. Las comunicaciones de máquina a máquina, que pueden implicar cientos –sino es que miles– de dispositivos dispersos por una vasta área geográfica, pueden exacerbar este problema. “Cuando se tiene un dispositivo que envía información cada segundo o minuto, y se tienen 100,000 de ellos, se reciben muchos datos en muy poco tiempo”, comentó Young.

La decisión depende de cada empresa

Algunas compañías no se confunden con los Big Data porque tienen una idea clara de lo que desean hacer y cómo lo quieren hacer. “Otras se pierden”, señaló Young. Para evitar el problema de tener demasiados datos (muchos de los cuales quizá nunca analice una organización), se debe realizar un análisis a fondo. “¿Qué problema se intenta resolver? Tiene todos estos datos, ¿qué desea hacer? –pregunta Young de forma retórica–. Muchas veces tenemos un montón de datos que quizá ni siquiera necesitamos.”

Una vez que una firma identifica el problema de negocios que desea resolver, puede decidir qué datos necesita y establecer reglas para recopilar esa información. “Uno de los mayores problemas que he encontrado con el Big Data es que las personas guardan mucho más de lo que necesitan”, dijo Young.

Una compañía de máquinas expendedoras con la que Digi International trabajó recientemente tenía un problema de Big Data con sus máquinas expendedoras operadas por monedas. La empresa tenía dos problemas importantes con sus máquinas expendedoras, que hacían un total de unas 50,000 máquinas, muchas de ellas situadas en lugares remotos.

El primer problema era que los trabajadores que recolectaban las monedas de las máquinas a menudo se quedan con algo del cambio. El segundo era que cuando las máquinas fallaban (quizá por un interruptor desactivado o una manguera tapada), la compañía no se enteraba del problema a menos que alguien llamara para reportarlo.

“Hay toda clase de datos que se recopilan de estas máquinas”, dijo Young, pero la compañía realmente necesitaba saber sólo dos cosas: el número de monedas insertadas en las máquinas expendedoras y si las máquinas funcionaban o no.

Digi International estableció un sistema celular para las máquinas de la compañía, el cual ahora envía un reporte a la plataforma iDigi basada en la nube. Como los datos celulares pueden resultar costosos, en particular cuando cada máquina produce sólo cerca de $12 dólares al día en ingresos, el sistema envía datos a iDigi sólo una vez al día. “Cobramos $5 dólares al mes por máquina, incluyendo el servicio celular”, dijo Young.

Un nuevo estudio de la firma analista IDC demuestra que sólo 3% de los datos se etiquetan en la actualidad y que apenas 0.5% son analizados. Además, el volumen de Big Data casi se duplicará cada dos años entre hoy y el año 2020, ascendiendo a 40,000 exabytes, o 40 billones de GB, en tan sólo siete años, predice IDC.

Fuente: www.informationweek.com.mx