De todas las etapas de la consultoría de big data, la visualización parece ser la más subestimada. Las empresas a veces no profundizan en este tema, lo dan por sentado y no se dan cuenta de cuánto contribuyen estos gráficos y cuadros a su éxito. Pero este enfoque es incorrecto. La visualización es extremadamente importante. Sin ella, los usuarios de negocio no podrían captar unos datos que son, por definición, enormes y crecientes. Sin visualización, no habría información comercial, ni respuestas a preguntas ad hoc, ni control de la calidad de los datos.
Por qué las empresas deberían molestarse en visualizar datos masivos
John Tukey, un célebre matemático e investigador, dijo una vez: “El mayor valor de una imagen es cuando nos obliga a observar lo que nunca esperamos ver”. La visualización hace que los resultados de análisis sean obvios y claros. Los usuarios empresariales pueden identificar fácilmente las dependencias y las correlaciones ocultas dentro de grandes conjuntos de datos. Hemos identificado 3 ventajas principales que serán relevantes para cualquier empresa:
- Obtener ideas.
- Identificar tendencias, oportunidades y amenazas.
- Tomar decisiones basadas en datos, que es el objetivo final.
La visualización de Big Data marca la diferencia
Aquí hay ejemplos de cómo se pueden ver algunos resultados de análisis de big data con y sin visualización de datos.
Ejemplo 1: análisis de datos industriales
Es genial cuando el equipo de mantenimiento recibe una notificación de que una pieza en una máquina es probable que se descomponga. Podrán verificarla y repararla antes de que esté fuera de servicio e interrumpa el flujo habitual de operaciones. En este caso, el equipo no necesita mirar los millones de valores que los sensores suministran a diario: dejan el trabajo de procesamiento en el sistema analítico, que verifica los valores contra un patrón de falla.
Sin embargo, es improbable que el equipo esté satisfecho solo con las alertas instantáneas. También necesitan conocer tendencias, dependencias y conexiones, y solo pueden hacerlo con la visualización de big data. Si están interesados en comparar el tiempo de trabajo y la eficiencia de las máquinas disponibles, obtendrán esta información al instante simplemente mirando el gráfico de líneas.
Ejemplo 2: análisis de comentarios sociales
Imagine un minorista con cobertura nacional y una base de clientes de más de 20 millones. Sería imposible navegar por internet en busca de todos los comentarios y reseñas, y sería una locura tratar de obtener información simplemente leyéndolos todos. Para realizar estas tareas automáticamente, las empresas recurren al análisis de sentimientos. Y para obtener información instantánea sobre los resultados, aplican técnicas de visualización de big data. Por ejemplo, las nubes de palabras demuestran la frecuencia de las palabras usadas: cuanto mayor sea la frecuencia, mayor será el tamaño de la palabra. Si las palabras más importantes son “odio”, “horrible”, “terrible” o “fallido”, es hora de reaccionar.
Ejemplo 3: análisis del comportamiento del cliente
Las empresas usan un escenario similar para analizar el comportamiento del cliente. Se esfuerzan por implementar soluciones de big data que permitan recopilar datos detallados sobre las compras en tiendas físicas y online, el historial de navegación, datos GPS, datos de la aplicación móvil, llamadas al centro de soporte y más. Al registrar miles de millones de eventos al día, una empresa no puede identificar tendencias con solo varios registros. Con la visualización de datos, los minoristas de comercio electrónico pueden notar fácilmente el cambio en la demanda de un producto en función de las visitas a la página, entender las horas pico de compra o ver la parte del canje de cupones.