Big Data FTW: Composición de modelos de negocio de éxito.
Uncategorized

Big Data FTW: Composición de modelos de negocio de éxito.

November 15, 2017

De acuerdo con el Foro Económico Mundial, los datos son el petróleo de la nueva economía, por lo que aquellos que dominen eficazmente su procesamiento serán capaces de controlar mercados en base a la predicción de comportamiento, e incluso serán capaces de prever crisis globales económicas u oportunidades antes de que se presenten, lo que lo hace un tema cuyo análisis vale la pena.

Dicho poder relacionado con el uso y análisis óptimo de datos hace que sea una de las principales preocupaciones para los directivos de empresas en los próximos años, ya que las organizaciones están buscando activamente implementar soluciones de ciencia de datos en sus organizaciones, y además, hay una cantidad increíble de emprendedores tratando de encontrar cómo generar valor en una industria emergente y que está en un crecimiento increíble.

Y a todo esto… ¿qué es el big data?

El big data es el nombre que dado para lacantidad gigantesca de información que estamos generando.

Tan sólo en 2010, se calcula que el consumo de datos a nivel mundial fué de 1200 exabytes, lo que equivale a 1200 seguido por 18 ceros de información, y para 2020, el pronóstico asciende a los 400000 exabytes. Todo debido a que la cantidad de dispositivos conectados a internet aumenta cada día, llevando más sensores y capturadores de información a nuestras vidas.

Big data es el conjunto de activos informáticos de alto volumen, alta velocidad y alta variedad que demandan métodos innovadores y rentables de procesamiento que habiliten a los usuarios a hacer descubrimientos y obtener información para la toma de decisiones y la automatización .- Gartner

El consumo de datos aumentará de 1,200 exabytes en 2010 a 400,000 en 2020

Gracias a esto, y creciente tendencia por el manejo de datos en las empresas nos obliga a buscar métodos para analizar cómo implementar soluciones, y para ello primero tenemos que entender cómo se componen los negocios que ejercen sus actividades en la industria del big data: los llamados Data-Driven Business Models.

¿Cómo se compone un data-driven business model?

Durante los últimos años, la enseñanza del modelo de negocios ha tomado una popularidad increíble entre las escuelas y diversos organismos promotores del emprendimiento. No obstante, un estudio realizado en la Universida de Karlsruhe en Alemania revela que en el caso de las oportunidades de negocios que tienen como base el uso y manejo de datos, hay ciertas particularidades a tomar en cuenta, y que pueden ayudar a acotar posibilidades a la hora de llenar un business model canvas, ya que, por ejemplo, el 83 por ciento de las empresas data-driven generan ingresos a través de modelos de suscripción o de comisión por uso de datos, lo que indica un patrón claro de comportamiento, y que se puede resumir en la figura 1.

Figura 1. Árbol de Componentes de los Data-Driven Business Models

El estudio tenía como objetivo encontrar un modelo de taxonomía que describiera el comportamiento de negocios basados en datos, y el primer resultado es un árbol de componentes que sintetiza y recoge los elementos más comunes de las empresas de la industria del big data, y que es una propuesta de esqueleto para formar negocios en este rubro a partir de las distintas combinaciones que se pueden formar al seleccionar componentes a conveniencia, lo cual sirve como precedente para analizar más a fondo las características que comparten empresas de este giro.

Una vez que se analizan empresas reales bajo este modelo, los resultados se pueden agrupar en distintos tipos de empresas, y la importancia de éstas clasificaciones, es que, por ejemplo, al igual que en la industria automotriz los automóviles se clasifican entre deportivos y de uso común, lo cual sirve para determinar mejor su rendimiento, en el big data podemos hacer evaluaciones de las empresas de manejo de datos basados en el grupo al que pertenecen, lo cual facilitaría increíblemente su estudio.

Tipos de empresas data-driven

Si bien, la agrupación por características puede sentar base para futuros estudios, se puede concluir de manera inmediata que existen 6 distintos tipos de data-driven business models que son los màs representativos de una muestra de 100 startups en Estados Unidos, y cuyas características puede servir para los emprendedores que están buscando incursionar en esta industria, o bien, para empresas ya consolidadas que buscan incorporar dentro de sus operaciones un departamento de ciencia de datos. Los tipos son los siguientes:

1. Tipo A: Recolector de datos y agregador de valor: Este tipo de empresa es aquella que recoge datos gratuitos y libres de internet, que en ocasiones tienen que ser minados para su procesamiento, y a continuación agrega información sobre esos datos.

2. Tipo B: Analíticas como servicio: Éstas empresas hacen analíticas a base de información proveída por sus clientes, cobrándoles por el acceso a los resultados de esos análisis.

3. Tipo C: Auto-generación de datos y su análisis: El tipo C se caracteriza porque no recolecta datos, si no que los genera por su cuenta, y entrega como resultado mayor cantidad de datos nuevos después del análisis de los primeros.

4. Tipo D: Generación de conocimiento sobre datos libres: Éste tipo es un híbrido entre el tipo A y el tipo B, ya que realiza labores de análisis sobre datos ya existentes en internet y que son libres. Sin embargo su valor además de estar en el análisis está en su minado.

5. Tipo E: Agregación de datos como servicio: Esta categoría no crea valor a partir del análisis o generación de datos, si no de la agregación, ya que obtiene datos de diversas fuentes y los agrupa para otorgarlos a sus clientes, y que sirven como materia prima en conjunto con otros datos propios para su procesamiento futuro.

6. Tipo F: Análisis y agregación de datos multi-fuente: Ésta es el tipo de empresa más versátil y que mayor procesamiento realiza, ya que toma datos de sus clientes, los combina con datos libres y en base a su análisis, produce nuevos datos.

A partir de esta clasificación se pueden extraer un descubrimiento importante: que el tipo depende principalmente de la fuente de los datos en combinación con la actividad principal que se realiza sobre esos datos, lo cual es precisamente útil si se quiere hacer un mapeo de los tipos, y se consigue creando una gráfica de cuadrantes, colocando la fuente de los datos en el eje de las Y y la actividad realizada sobre el eje de las X, cuyo resultado es la figura 2.

Figura 2: Matríz de Clasificación de Tipos de Data-Driven Business Models

Implicaciones para el estudio del big data en los negocios

El modelo que proponen los investigadores a partir del estudio sirve como precedente para crear modelos más sofisticados que puedan servir como herramienta para consultorías especializadas en startups que basan sus actividades en el big data, así que puede ser uno de los primeros pasos propuestos para un análisis más profundo que se puede refinar conforme más investigaciones se hagan al respecto, y que también las empresas de este tipo maduren y se desarrollen.

Tanto el árbol de componentes como la matriz de tipos de empresas nos ayudan a entender mejor qué están haciendo éstas empresas y porqué son de tanto valor en el actual siglo, además de ser parte de una industria catalogada como una mega tendencia global y que preocupa a un gran porcentaje de grandes empresas, lo que deriva en muchas oportunidades para los emprendedores que quieren incursionar en el área tecnológica.

Entre estas oportunidades se encuentran las de desarrollo de sistemas de análisis de datos para la industria en general, o la posibilidad de monitorear diversos sensores implantados en maquinaria o sistemas domésticos, haciendo al modelo de taxonomía especialmente útil, ya que ayuda a probar soluciones de los diversos tipos listados sobre cada problema en específico, aumentando las posibilidades de éxito de las pruebas.

La inmensa cantidad de datos demanda a gritos nuevas maneras de procesarlos

Conclusión

La importancia de los datos no se puede poner en duda, ya que gracias a la gigante digitalización por la que estamos pasando, cada año el consumo y la generación de datos se incrementa de manera exponencial, por lo que conforme al tiempo, el valor que pueden potencialmente proporcionar cada dato generado crece, lo cual demanda increíblemente soluciones de procesamiento de datos, cuyas características pueden ser analizadas bajo el modelo taxonómico que los investigadores de Karlsruhe proponen, y que en base a ellas se puedan implementar solucionas internas en las empresas o bien, generar nuevas empresas.

En los próximos años veremos cómo esta mega tendencia, junto a la Inteligencia Artificial y otras tecnologías protagonizarán las principales revistas de negocios, y se convertirán en materia de estudio serio en las universidades, por lo que no sería extraño encontrar una metodología de enseñanza de negocios de big data en las escuelas, tal como hoy en día se enseña el canvas de modelo de negocios de Osterwalder, empujando a los alumnos y al mundo a estudiar a detalle la tecnología de datos en los negocios.

0

Follow Ernesto García on

Comments (0)

Leave a Reply

Your email address will not be published. Required fields are marked *