Los viejos del lugar oímos hablar de Big data antes de que existiese el big data. En determinados sitios —el CERN, algunas grandes empresas, organismos públicos, etc. —manejaban volúmenes de datos increíbles.
Lo que llamamos Big Data no es sino la democratización de las herramientas y técnicas para recopilar y procesar información: son cada vez más las organizaciones y son cada vez más los problemas a los que se enfrentan en los que existen datos alrededor de los que ponderar escenarios.
La era del big data — ¿los últimos diez o quince años?— ha puesto en manos de muchas organizaciones herramientas antes únicamente circunscritas a un puñado de instituciones especialísimas.
En estos primeros años de esta nueva era, el mundo del big data está todavía dominado por una visión ingenieril: aún supone un reto tecnológico crear la infraestructura de hardware y software para recibir y almacenar esos datos que, en tiempos, o bien se perdían o bien se acumulaban en ficheros (de papel) inaccesibles e inoperables.
Eso está a punto de cambiar. A la par que la democratización del hardware y del software, se está produciendo una comoditización del conocimiento necesario para echar a andar y mantener debidamente engrasados los engranajes físicos del big data.
Pero hay más. El big data resuelve solo parcialmente el problema de la toma de decisiones. De hecho, pone de manifiesto otro: el déficit de expertos en, si se me permite el lugar común, convertir datos en información. Desde un punto de vista teórico, información es el inverso de la varianza (una medida de la incertidumbre) y esta decrece como 1/n (donde n es el número de datos).
Pero esa reducción ni es automática ni —a pesar del empeño de determinados vendedores de soluciones software— automatizable: exige el trabajo de estadísticos o, como ahora se los llama, científicos de datos. A ellos corresponde aportar la parte del león del valor añadido.
Texto extraído de la Guía INKS2015, descarga gratuita https://bit.ly/1LnZelH
