Del Big Data 1.0 al Big Data 2.0
Del Big Data 1.0 al Big Data 2.0
El big data encierra diversas posibilidades. Pero parafraseando la famosa cita de George Bernard Shaw, ¿cómo deberían los líderes empresariales tomar medidas proactivas en lugar de reaccionar reactivamente en el proceso de buscar la maximización del valor, las empresas deberían tomar la iniciativa y prepararse para tiempos difíciles? En el momento adecuado, los macrodatos pueden proporcionar información oportuna sobre tendencias emergentes que son difíciles de detectar en los datos pequeños, lo que hace que las empresas tengan más visión de futuro a la hora de formular estrategias. ¿Cómo se debe hacer esto? Jiuzheng Building Materials Network lo resume de la siguiente manera:
De hecho, en un entorno altamente competitivo, los big data pueden obligar a las empresas a tomar medidas en lugar de verse obligadas a reaccionar. Sin embargo, suponiendo que la empresa haya sopesado cuidadosamente las ventajas y los costos correspondientes de la aplicación de big data, ¿cuál de las innumerables posibilidades que ofrece big data es la más beneficiosa? Big data traerá tres posibilidades para la mejora estratégica de la empresa:
Responda problemas conocidos en negocios existentes y céntrese en mejorar el rendimiento y la eficiencia operativa.
Responda nuevas preguntas sobre su negocio actual y céntrese en las oportunidades de crecimiento empresarial.
Responder nuevas preguntas en nuevos negocios con el objetivo de reescribir el panorama competitivo.
Aunque las empresas tienen diferentes profundidades de aplicaciones de big data, las investigaciones muestran que las aplicaciones de big data actuales todavía se encuentran principalmente en la primera etapa, y ha llegado el momento de centrarse en la segunda etapa de aplicaciones. Una encuesta reciente realizada a más de 100 directores de información en múltiples industrias y regiones de todo el mundo encontró que el big data (incluida su aplicación en empresas y la tecnología de descubrimiento de conocimiento) será una de las tres tecnologías más disruptivas en 2013, ubicándose sólo después de la computación en la nube. implementación y soporte móvil. Como lo define Clayton Christensen en su libro El dilema del innovador, una tecnología disruptiva debería crear un nuevo mercado y eventualmente superar al mercado existente. Según la definición de Christensen, la aplicación actual de big data en las empresas generalmente solo juega un papel de mantenimiento, es decir, solo se utiliza para mejorar los productos existentes y así obtener más ganancias de los clientes de alto nivel.
Del Big Data 1.0 al Big Data 2.0
“Si una persona nace con un gran talento y no encuentra el momento adecuado, su potencial seguramente decaerá si nace con él. "Laozi
La nueva infraestructura o fuentes de datos pueden aprovechar parte del valor del big data respondiendo las preguntas comerciales existentes, especialmente los datos existentes. aumenta significativamente, lo que lleva a formas tradicionales de crear valor empresarial a través de una situación insostenible. Por ejemplo, el servicio inicial de alojamiento de correo electrónico de Rackspace tenía una base de clientes muy limitada. Más tarde, su número de clientes aumentó rápidamente a 1 millón, con hasta 150 GB de registros en varios formatos todos los días. Esto desafió la capacidad de Rackspace de utilizar sus sistemas de datos heredados para manejar los requisitos de solución de problemas. Las tareas que antes tomaban minutos ahora toman horas. Como resultado, Rackspace tuvo que migrar a una infraestructura de big data basada en pila Hadoop para poder seguir aprovechando el valor de su servicio de alojamiento de correo electrónico.
Los macrodatos pueden responder preguntas más rápido y mejor. Por ejemplo, las empresas de telecomunicaciones pueden complementar los datos existentes de los clientes con nuevos datos sobre las interacciones de los clientes en las redes sociales, aumentando así el valor del análisis de la rotación de clientes.
Sin embargo, una mirada más cercana muestra que este tipo de aplicaciones de big data no han provocado cambios en las estrategias y métodos básicos de las empresas. Por ejemplo, el propósito de las empresas de entender la pérdida de clientes sigue siendo básicamente el mismo, con sólo el atributo añadido de los datos de las redes sociales. Este enfoque relativamente conservador parece caracterizar las aplicaciones de big data actuales. En una encuesta de 2010 realizada por la revista The Economist, cuando se les preguntó "¿Qué nuevas oportunidades aporta el big data a su empresa?", lo primero que la mayoría de las empresas encuestadas mencionaron fue "mejorar la eficiencia operativa" (51). En marcado contraste, el número de empresas que eligieron "innovación de servicios y productos" sólo ocupó el cuarto lugar (24).
Dado el clima económico de 2010, con muchas empresas centrándose más en reducir costos, la elección de “mejorar la eficiencia operativa” puede no ser una sorpresa. Sin embargo, a medida que la economía mejora, el enfoque de las empresas ha pasado de la reducción de costos al crecimiento del negocio, por lo que se deben adoptar otros métodos de aplicación de big data.
Para participar en innovación disruptiva, las empresas deben adoptar nuevos modelos y encontrar nuevas formas de crear y estimular el crecimiento. Recordemos cómo la tecnología Web 2.0 impulsada por la producción de contenido subvirtió la era Web 1.0 basada en el consumo de contenido, generando enormes cambios en la forma en que las empresas interactúan con los clientes, la forma en que los productos y servicios son innovadores, colaborados y comercializados. Asimismo, las estrategias de Big Data 2.0 abrirán nuevos mercados, permitiendo a las empresas líderes aprovechar oportunidades fugaces y obtener enormes beneficios antes que sus competidores.
Evolución de la estrategia empresarial de Big Data: tomando como ejemplo la empresa de taxis
Estrategia Big Data 1.0
Tecnología de escalabilidad: empresa operadora de taxis de Singapur ComfortDelGro Inicialmente, el servicio de reserva de taxis es manejado a través de llamadas telefónicas humanas. Más tarde, cuando el número de clientes aumentó y los servicios telefónicos manuales no pudieron satisfacer la demanda, la empresa comenzó a invertir en tecnología de big data, invirtiendo 60 millones de dólares para desarrollar un sistema de reserva de taxis que constaba de un sistema de marcación automática y una aplicación para teléfonos inteligentes. La infraestructura de datos backend podría soportar el almacenamiento y procesamiento de cientos de miles de viajes. Los datos operativos de 15.000 taxis y cientos de millones de información de posicionamiento GPS en tiempo real han mejorado las capacidades operativas de la empresa y pueden gestionar 20 millones de reservas de taxis al año.
Estrategia Big Data 2.0
Remodelar el comportamiento del cliente: ComfortDelGro ha recopilado años de datos de operaciones diarias de taxis y datos de fluctuaciones de la demanda. A medida que la población y el turismo de Singapur continúan creciendo, en respuesta al aumento continuo de las reservas de taxis en momentos específicos del día o de la semana, la compañía ha ajustado los precios mediante varios recargos durante horarios y áreas específicas, una medida que ha remodelado el modelo de reserva de sus clientes. que permite a la empresa satisfacer consistentemente las necesidades de los clientes.
Cree nuevos productos y servicios: la comprensión en tiempo real de la ubicación de los clientes y los taxis, combinada con registros históricos de reservas, permite a las compañías de taxis predecir técnicamente la congestión en diferentes momentos del día, como todos los días o los fines de semana, para evitar congestiones. Según la mejor ruta de conducción, la empresa puede ofrecer un nuevo servicio de recomendación de ruta en tiempo real. Este servicio no sólo puede ayudar a los taxistas a predecir el volumen de negocios y las condiciones del tráfico, sino que también puede venderse como un servicio de valor agregado de terceros a taxistas de otras empresas.
Visión del ecosistema de datos: Los servicios fiables de predicción automática de rutas de tráfico se basan en una visión del ecosistema de datos. Los datos de este sistema son compartidos por las empresas operadoras de taxis, los departamentos de control de tráfico y los departamentos de protección ambiental. Estas organizaciones tienen datos e intereses complementarios. El departamento de control de tráfico tiene una descripción general en tiempo real del transporte de la ciudad, mientras que las empresas operadoras de taxis pueden obtenerlos. Los vehículos en movimiento tienen un conjunto pequeño pero detallado de trayectorias de tráfico. Estos datos, junto con la información meteorológica y de tráfico en tiempo real del departamento de protección ambiental, pueden predecir de manera más efectiva la congestión del tráfico. Este servicio beneficia a las tres partes al mismo tiempo. El departamento de control de tráfico espera aliviar la congestión urbana. Los ingresos de las empresas de taxis han aumentado mucho, mientras que los departamentos de protección del medio ambiente están más preocupados por reducir las emisiones de dióxido de carbono.
Nuevas estrategias de negocio para big data disruptivo
Al revisar investigaciones relevantes y discusiones con líderes de la industria, se nos ocurrieron tres estrategias de big data para la innovación disruptiva.
La primera es la estrategia del cliente, que utiliza datos de interacción con el cliente para remodelar el comportamiento del cliente en lugar de simplemente comprenderlo. Este tipo de datos permite a las empresas predecir y orientar la demanda del mercado que aún no ha surgido, generando así nuevas ganancias. Esta estrategia se puede combinar con la estrategia de producto para desarrollar nuevas necesidades de nuevos productos y servicios que permitan que big data genere ingresos. Lo que es igualmente importante es que estas estrategias por sí solas no generan beneficios sostenidos. También necesitamos una estrategia ecológica, que es la tercera estrategia, mediante la cual las empresas pueden participar o incluso remodelar un nuevo grupo orientado a la industria, y los miembros pueden mejorar su nivel operativo general mediante el intercambio de datos.
Sin embargo, en algunas áreas, algunas empresas han comenzado a remodelar activamente el comportamiento de los clientes, en lugar de simplemente comprender el comportamiento de los clientes. Esto implica una comprensión integral de los clientes, incluido su comportamiento, preferencias y comportamiento competitivo, así como datos de ubicación en tiempo real derivados de la triangulación de señales desde estaciones base o puntos de acceso inalámbricos.
Estrategia del cliente: remodelación del comportamiento del cliente
Michael Cavaretta, líder técnico de análisis predictivo y minería de datos en el Centro de Investigación e Innovación de Ford, cree que “la esencia del big data es que Te permite ver y reaccionar." Esta postura reactiva es ampliamente adoptada por muchas empresas basadas en datos cuando tratan con clientes. Hasta hace poco, la principal forma que tenían las empresas de comprender el comportamiento de los clientes era contratar una empresa de investigación de mercado y luego responder a las necesidades de los clientes basándose en los resultados de la encuesta. Hoy en día, el canal del mercado para expresar emociones se ha desplazado gradualmente a las redes sociales, pero la principal forma que tienen las empresas de comprender el comportamiento de los clientes sigue siendo básicamente un enfoque pasivo.
Sin embargo, en algunas áreas, algunas empresas han comenzado a remodelar activamente el comportamiento de los clientes, en lugar de simplemente comprender el comportamiento de los clientes. Esto implica una comprensión completa de los clientes, incluido su comportamiento, preferencias y comportamiento competitivo, así como datos de ubicación en tiempo real derivados de la triangulación de señales de estaciones base o puntos de acceso inalámbricos. Esto permite a las empresas ofrecer productos y servicios altamente personalizados a los clientes en el momento adecuado a través de los canales más adecuados.
Empresas como Netflix y Amazon utilizan estos datos para determinar los pasatiempos y preferencias de sus respectivos clientes, y utilizan esta información para proporcionarles servicios relevantes y útiles en tiempo real, influyendo así en su comportamiento de compra. Para Netflix, el servicio recomendado no se limita a películas nuevas, sino que también incluye películas antiguas, lo que ayuda a reducir los costos de licencia. Asimismo, los minoristas pueden comprender las preferencias de los clientes aprovechando las tarjetas de crédito de los clientes y los datos de registro en tiempo real de fuentes como Foursquare, y luego enviar mensajes promocionales a través de aplicaciones móviles para influir en el comportamiento de compra de los clientes.
Recientemente, trabajamos con una institución financiera para evaluar cuidadosamente sus riesgos crediticios y de endeudamiento mediante la recopilación de datos sobre múltiples indicadores macroeconómicos, incluido el índice de consumo, el índice de precios de la vivienda y las cancelaciones de préstamos nacionales (cuántos préstamos se allí) Cancelación por irrecuperabilidad), etc. Este enfoque integral eleva el umbral de las pruebas de tensión a un nivel más realista y cambia la actitud de las instituciones financieras hacia la evaluación de riesgos.
Sin embargo, la implementación de esta estrategia enfrenta desafíos particulares. El principal problema es la privacidad personal. Las cuestiones relacionadas con información personal o sensible deben manejarse con el mayor cuidado y transparencia posible, incluso si la información no proviene de datos personales. Desde una perspectiva de ejecución, las empresas también necesitan anticipar cambios en el comportamiento de los clientes. Dado que es imposible determinar a cuántos clientes afectará en última instancia el servicio de recomendación de una empresa, esta cuestión no se puede ignorar. En algunos casos, las empresas no pueden comprender y controlar completamente sus cadenas de suministro para satisfacer las necesidades cambiantes de los clientes con servicios en tiempo real. La conclusión es que las empresas deben seguir centrándose en sus clientes para determinar qué nivel de “impacto” es apropiado.
Estrategia de producto: desarrollo de nuevos productos y servicios
Muchas empresas de la cadena de valor de datos se encuentran en la "zona ocupada" de las comunicaciones de datos y están estratégicamente posicionadas para beneficiarse de la obtención económica de datos existentes. beneficios. La mayoría de estas empresas provienen de las industrias de las comunicaciones, los medios y el entretenimiento. Estas empresas interactúan ampliamente con los clientes a través de canales digitales y se están convirtiendo en depósitos de datos valiosos de los clientes.
Muchas empresas confían en este tipo de datos para obtener información y respaldar sus operaciones diarias para atender a los mercados y clientes existentes. Los bancos han estado mejorando la satisfacción del cliente al obtener una comprensión integral de sus clientes a través de perfiles de clientes, transacciones y banca en línea y móvil. Por ejemplo, intente reducir los incidentes de escasez de cajeros automáticos tanto como sea posible y mejorar los precios de productos y servicios. Sin embargo, otras empresas ya están creando valor a través de datos, apuntando a nuevos mercados, innovando y diseñando modelos de negocio completamente nuevos. Por ejemplo, a través de clientes de teléfonos inteligentes, las empresas de telecomunicaciones pueden obtener información detallada sobre su gran base de clientes en tiempo real, incluida la ubicación, el uso, las redes sociales y otras características. Utilizan estos datos para lanzar nuevos servicios, como el marketing basado en la ubicación.
Por poner otro ejemplo, además de los servicios telefónicos ordinarios, los tres operadores de telecomunicaciones locales de Singapur, M1, Starhub y Singtel, han cooperado con Singapore Press Holdings y otros minoristas para ofrecer a los clientes servicios de mensajes cortos publicitarios basados en la ubicación. La cantidad de mensajes SMS enviados y las posibles tasas de respuesta de los clientes se traducen en última instancia en ingresos adicionales para la empresa de telecomunicaciones.
Por lo tanto, el big data se puede utilizar para proporcionar a los clientes servicios de información de la vida en tiempo real. Estas estrategias pueden ayudar a las empresas de telecomunicaciones a retener clientes y, al mismo tiempo, generar más ingresos. Esta idea también se aplica a otros campos. Por ejemplo, las compañías de seguros lanzan nuevos productos y servicios en lugar de limitarse a vender pólizas estandarizadas. Integrar el apetito de riesgo de los clientes, las políticas tomadas y los datos históricos de reclamaciones durante un período de tiempo en nuevos informes regulatorios es más práctico que los métodos tradicionales.
Dado que los nuevos productos o servicios suelen dirigirse a mercados desconocidos, esta estrategia de producto no se limita a empresas conocidas y sus filiales, sino que también ofrece enormes oportunidades de negocio para los nuevos participantes en el mercado. Por ejemplo, los servicios de comparación de precios en tiempo real en el sector minorista permiten a GetPrice de Australia y PriceRunner del Reino Unido ofrecer a los clientes más información sobre precios y al mismo tiempo abrir nuevos canales para publicidad en línea más específica. En el campo de la atención médica, Castlight Health, fundada en 2008, utiliza big data para proporcionar a los pacientes información sobre los costos de la atención médica, a la que generalmente es difícil acceder para los clientes. El sitio de red social PatientsLikeMe ha creado un foro gratuito y un ambiente de comunicación amigable, donde los pacientes pueden encontrar otros pacientes con condiciones similares, que toman medicamentos similares e incluso resultados de pruebas de laboratorio similares. Genera ingresos vendiendo datos a fabricantes farmacéuticos, manteniendo todos los procesos abiertos y transparentes y sabiendo a los usuarios cómo se utilizan sus calificaciones, comentarios y opiniones.
Por supuesto, la innovación de productos y servicios a través de big data también enfrenta muchos desafíos. Los nuevos participantes en el mercado deben ser conscientes de los aspectos legales y éticos del uso de datos, especialmente si se trata de datos personales de clientes o extraen información de big data privados con fines lucrativos. Los formuladores de políticas de todo el mundo han estado revisando las leyes relacionadas con los datos y el corpus de jurisprudencia se está desarrollando en múltiples jurisdicciones. En un futuro próximo, el entorno regulatorio para la comercialización de datos y las oportunidades de ganancias cambiarán.
Con el rápido desarrollo del big data, la legislación sobre privacidad y protección de datos probablemente seguirá el ritmo para cubrir todas las aplicaciones posibles. Por lo tanto, las empresas que utilizan big data para desarrollar nuevas estrategias de productos y clientes, están al menos obligadas a garantizar que los clientes tengan derecho a saber sobre el uso de sus propios datos y a proporcionarles información suficiente para que puedan tomar decisiones informadas. . Sólo así ambas partes podrán beneficiarse. Al mismo tiempo, la transparencia operativa favorece el fortalecimiento de la supervisión y la autodisciplina moral y mejora la reputación corporativa, la lealtad de los clientes y la marca corporativa.
Dependerse completamente de la innovación de productos y servicios para lograr la comercialización de datos también puede generar ciertos riesgos a largo plazo. Antes de que se establezca un sistema completo, es probable que el nuevo mercado se vea perturbado por otros nuevos desarrollos. Desde la perspectiva de los datos, es necesario examinarlos desde la perspectiva del ecosistema. Dentro de este sistema, los proveedores de datos, los beneficiarios, los competidores y los reguladores pueden desarrollarse de manera saludable y beneficiarse del intercambio de datos.
Estrategia del ecosistema: visión del ecosistema de datos
A menudo, una empresa no puede comprender completamente a sus clientes y le resulta difícil lanzar productos o servicios nuevos y altamente atractivos. En este caso, las empresas pueden obtener datos complementarios de otras empresas del ecosistema para llenar los vacíos. Este ecosistema se basa en estrategias de colaboración adecuadas que benefician a todas las partes involucradas, desde las empresas hasta los consumidores. Esta visión del ecosistema puede adoptar muchas formas. Un extremo es la cooperación entre empresas que compiten entre sí en el sentido tradicional, mientras que el otro extremo es la colaboración a gran escala entre instituciones públicas para prestar mejor servicios. Además de los beneficios a corto plazo de la cooperación mutua, esta estrategia ecosistémica también ayuda a distribuir los riesgos y beneficiar a todas las partes a largo plazo.
Ya existen ejemplos de este tipo de colaboración de datos en el ámbito de los seguros.
Por ejemplo, identificar y prevenir reclamaciones fraudulentas de seguros de automóviles no sólo puede mejorar los resultados de las compañías de seguros sino también reducir las primas de los automóviles. Los miembros de la BIA comparten datos de reclamaciones de millones de clientes, que luego se analizan centralmente en la Oficina de Fraude de Seguros, un organismo sin fines de lucro creado por la BIA para abordar las reclamaciones de seguros fraudulentas. Esta información de la base de datos se denomina "registro de fraude de seguros" y reduce significativamente la cantidad de reclamaciones fraudulentas cada año. La Asociación Británica de Seguros dijo que "estos registros de fraude de seguros ayudan a las compañías de seguros a identificar el fraude de los usuarios y tomar las medidas de respuesta adecuadas. Esta información se puede utilizar durante todo el ciclo de vida de los productos de seguros de automóviles, ya sea en la renovación, en las reclamaciones o en cualquier otra etapa". muy útil".
Varias organizaciones de la industria musical, incluidos editores, proveedores de servicios musicales y asociaciones de compositores, están trabajando para crear una "base de datos de repertorio global" para dar forma al futuro digital de la industria musical. Esta es una biblioteca de canciones única y autorizada disponible para usuarios de todas las regiones. La base de datos puede ser utilizada por todas las organizaciones en la cadena de valor de distribución de música para garantizar la concesión de licencias precisas y eficientes de obras musicales y los posteriores pagos de regalías. El modelo de negocio en línea para la prestación, el consumo y la concesión de licencias de servicios musicales está evolucionando rápidamente, y el establecimiento de esta base de datos marca un paso importante en la transformación de este modelo.
Aunque hay relativamente pocos casos empíricos de aplicaciones de big data, las estrategias internas de la industria tienden a centrarse en el uso de big data para resolver cuestiones de riesgo regulatorias, comerciales o técnicas específicas que preocupan a todas las partes, creando al mismo tiempo un trato justo. El entorno permite a las empresas competir por los clientes de forma normal. Este enfoque minimiza los conflictos potenciales que de otro modo llevarían al colapso de la alianza cooperativa. Esto también confirma el punto de vista de Evan Rosen: este tipo de alianza tiene una estructura clara desde el principio, crea valor para ambas partes y trata a las empresas participantes de manera justa y coherente. Sólo así la cooperación entre empresas competidoras tiene sentido. A nivel intersectorial, los big data ofrecen la posibilidad a las empresas de telecomunicaciones y a las instituciones financieras de colaborar y obtener conjuntamente más conocimientos, especialmente en pagos minoristas e integración de tecnología móvil. Al aprovechar los datos de sus respectivos clientes, pueden analizar de forma colaborativa los datos combinados y luego crear una plataforma de banca móvil verdaderamente diferenciada.
En este ecosistema, los departamentos gubernamentales también deberían desempeñar un papel. Muchas empresas pueden beneficiarse de datos adicionales, como información meteorológica y de tráfico en tiempo real. Esta información suele ser recopilada por las autoridades públicas y el coste de copiar estos datos es extremadamente elevado para cualquier empresa. Se alienta a las empresas a asociarse con agencias gubernamentales y compartir los costos de los insumos de la recopilación de datos, ya que tienen interés en los impactos posteriores del servicio. Por ejemplo, al planificar los movimientos de carga, las empresas pueden beneficiarse al combinar sus datos internos de carga y pedidos con datos portuarios externos en tiempo real provenientes de sensores y radares implementados por las autoridades portuarias. Esto también ayudará al departamento de gestión portuaria a garantizar la seguridad del personal y los buques y la eficiencia logística, y así estar dispuesto a invertir en equipos de sensores.
¿Qué pueden hacer los líderes empresariales?
Las tres estrategias para big data de este artículo brindarán muchas oportunidades a las empresas en el contexto empresarial adecuado. Los líderes empresariales pueden hacerse algunas preguntas para determinar si pueden aprovechar el potencial positivo y disruptivo de estas estrategias.
Estrategia de consumo. Los macrodatos brindan a las empresas más oportunidades para remodelar el comportamiento de los consumidores y satisfacer necesidades de las que los propios consumidores tal vez no sean conscientes. Para determinar si están preparados para aprovechar el big data, las empresas primero deben responder algunas preguntas: ¿Qué decisiones de compra toman los consumidores y qué procesos están involucrados en las decisiones de compra? ¿Existen oportunidades para utilizar nuevos datos para influir en las decisiones de compra de los consumidores? En caso afirmativo, ¿de dónde provienen estos datos necesarios? ¿Existe la infraestructura necesaria para utilizar big data de manera rentable, eficiente y oportuna (incluido en tiempo real, si es necesario)?
Estrategia de producto . Las empresas también deben evaluar su disposición a lanzar nuevos productos y servicios que proporcionen una ventaja competitiva. Esto requiere responder preguntas sobre el valor y el volumen de los datos existentes.
¿Tienen activos únicos? ¿La integración de estos activos resolverá una necesidad del mercado? ¿Se lanzarán los nuevos productos y servicios en nuevos mercados o en mercados existentes, a través de qué canales tendrán un impacto? ¿Mercados existentes? ¿Existe un costo de oportunidad para el negocio?
Estrategia ecosistémica. Las empresas deben analizar si pueden obtener el máximo valor de los cambios estratégicos de forma aislada o si están mejor preparadas para colaborar con otras empresas para realizar análisis de datos únicos y potentes. ¿Comprende completamente a todas las demás empresas en la cadena de valor empresarial? Si la respuesta es sí, entonces los líderes empresariales deberían determinar si estos oponentes tienen conjuntos de datos o conocimientos comerciales que sean complementarios a sus propios negocios. También se deben determinar los datos sin perder su ventaja competitiva.
No todas las empresas están completamente preparadas o tienen las capacidades necesarias para implementar las tres estrategias anteriores al mismo tiempo, o solo necesitan implementar una o dos de las estrategias para mejorar el desempeño del negocio objetivo. Independientemente de la estrategia que se elija, las empresas deberían poder obtener información oportuna sobre el valor económico contenido en big data y desarrollar racionalmente recursos de big data, desde autorizar y gestionar los talentos necesarios hasta invertir adecuadamente en infraestructura técnica para garantizar las operaciones. Al mismo tiempo, las empresas también deberían sopesar plenamente los costos de las instalaciones y tecnologías necesarias para almacenar, clasificar y analizar grandes cantidades de datos frente a los beneficios potenciales del big data.
¿Están los big data provocando una revolución de los datos? Aunque la comprensión de los big data por parte de la industria ha aumentado significativamente y cada vez hay más herramientas relacionadas, para la mayoría de las empresas aún no se han producido cambios disruptivos. A medida que las personas aprovechen al máximo las ventajas de big data y las combinen con las nuevas estrategias comerciales propuestas por big data, en un futuro cercano, nuevas empresas darán un gran paso y abrirán nuevos mercados, abandonarán las exageraciones y se centrarán en el uso de big data. para descubrir y resolver nuevos problemas comerciales, satisfacer las demandas cambiantes del mercado y mantener una ventaja competitiva sostenible.