Historia de la analítica de datos
La historia de la analítica de datos parte desde el comienzo de la formación y estructuración de bases de datos de modo empresarial.
facultad de ingeniería · dirección general en ingeniería
lun. 13 de dic. 2021
0

La historia de la analítica de datos inicia en 1663. John Graunt realiza el primer experimento de análisis de datos estadísticos conocido. Con los datos de defunciones, teoriza un sistema de alerta para la peste bubónica en toda Europa. Posteriormente:

  • 1865. Aparece por primera vez el término business intelligence, en la enciclopedia comercial de Richard Millar Devens. En ella describe cómo el banquero Henry Furnese logró una importante ventaja competitiva recogiendo, estructurando y analizando datos clave de su actividad. La inteligencia de negocio es sin duda uno de los grandes motores de la analítica dentro de la historia del big data.
  • 1880. Herman Hollerith, empleado del censo estadounidense, desarrolla su máquina tabuladora. Con ella consigue reducir un trabajo de 10 años a 3 meses. Este ingeniero funda una compañía que posteriormente se conocería como IBM.
  • 1928. El ingeniero alemán Fritz Pfleumer patenta el primer sistema magnético para almacenar datos. Sus principios de funcionamiento se utilizan hoy en día.
  • 1958. El informático alemán Hans Peter Luhn define la inteligencia de negocio: la habilidad de percibir las interrelaciones de los hechos presentados para guiar acciones hacia un objetivo deseado. En 1941 pasó a ser gerente de recuperación de información en IBM.
  • 1970. IBM desarrolla el modelo relacional de base de datos, gracias al matemático Edgar F. Codd. Este científico inglés es también responsable de las doce leyes del procesamiento analítico informático y acuño el término OLAP.
  • 1976. Se populariza el uso de MRP (software de gestión de materiales), antecedentes de los ERP actuales, que mejoran la eficiencia de las operaciones en la empresa; además de generar, almacenar y distribuir datos en toda la organización.

Definición del término

El término Data Sience o Data Scientist está siendo cada vez más utilizado en el mundo de la información y análisis de datos corporativos y se puede definir como la actividad de analizar un conjunto de datos estructurados o no para extraer conocimiento, conclusiones o realizar interpretaciones para la industria.

La tendencia comenzó con el big data, a principios del siglo XXI, el cual inicialmente solo almacena grandes volúmenes de datos y fue evolucionando por la necesidad de que estos datos fueran analizados para tomar decisiones asertivas, lo que se conoce hoy en día como Business Analytics y la ciencia del dato (Data Sience), siendo esta última una forma interdisciplinaria que une la estadística, matemáticas, tecnología y programación para gestionar y analizar grandes cantidades de datos, con el fin actuar conclusiones y obtener información.

Ahora bien, ¿qué perfil debe tener aquel que pueda ser llamado data scientist? Según Anjul Bhambhri (2014) lo define como “mitad analista, mitad artista (…) alguien que es curioso, que puede mirar los datos y detectar tendencias. Es casi como una personalidad del renacimiento con ganas de aprender y traer cambios a una organización” y, por otro lado, Antonio Pita, reconocido científico de la industria lo conceptualiza como “una persona que sin ser necesariamente un experto en ningún campo tiene un conocimiento multidisciplinar suficiente en estadística e informática.

Además, incluiría las matemáticas.” Se podría decir que una tipología de profesional que está en construcción, pero se puede concluir que no se basa solamente en tecnología, sino más en la estadística y matemática complementada por una visión de negocio, con las competencias necesarias para comunicar efectivamente y contextualizar las conclusiones extraídas del análisis.

La importancia de la analítica de datos

Tradicionalmente, la recolección de datos se hacía de manera manual, hablando con clientes, revisando correos, contando uno a uno los insumos para su registro, en todo caso por ser una actividad mayormente humana tenía limitantes que no se podían en ese momento manejar, por ejemplo, el tiempo y en muchos casos la ejecución resultaba una ardua labor para las empresas. En la actualidad, gracias a los avances tecnológicos que dan origen a la analítica de datos, se superan estas limitaciones permitiéndole a las empresas entender mejor a los clientes y al mercado.

La analítica de datos es de suma importancia para cualquier empresa, pues ayuda a encontrar información para potencializar la estrategia de la empresa, permitiéndole crecer optimizando recursos. Su importancia no radica en los datos, sino en la capacidad que esta estrategia tiene para que sean depurados y analizados correctamente para mejorar el proceso de la toma de decisiones, así mismo, permite identificar situaciones para resolver problemas, por ejemplo, por qué una estrategia de marketing tuvo bajo rendimiento.

Adicionalmente, la importancia de la analítica de datos radica en las 20 tendencias de inteligencia de negocios realizada por la consultora BARC (Business Application Research Center), y denominado BI Trends Monitor 2018. Los resultados del estudio reflejan las tendencias tecnológicas y analíticas que deberán soportar los sistemas de inteligencia de negocios modernos:

  1. Descubrimiento/visualización de datos
  2. Inteligencia de negocios de autoservicio
  3. Gestión de datos maestros y gestión de calidad de los datos
  4. Bases de datos analíticas
  5. Gobierno de datos
  6. Analítica predictiva/minería de datos
  7. Desarrollo ágil de inteligencia de negocios
  8. Integración de datos para usuarios de negocios
  9. Analítica de big data
  10. Plataformas integradas para BI y PM (performance management)
  11. Inteligencia de negocios móvil (Mobile BI)
  12. Modernización del data warehouse corporativo y data mart departamental

Introducción al mundo del big data y la inteligencia empresarial

Algunos autores definen el big data como recolección, gestión y análisis a la velocidad más alta posible de grandes volúmenes de datos que por su complejidad superan las capacidades de procesamiento de las herramientas tradicionales, por lo que demandan técnicas especializadas para su tratamiento. Algunas empresas prefieren utilizar el término smart data haciendo alusión a que aun cuando se pueda encontrar una gran cantidad de datos solo unos pocos tienen el valor suficiente para representar ventajas competitivas para la empresa.

Otro concepto necesario para definir es el data mining, el cual consiste en un proceso de identificación de toda la información que es relevante y extraída de grandes cantidades de datos, con el fin de identificar patrones y tendencias, estructurando el resultado obtenido de una manera que sea entendible para su uso. Así mismo, no se puede navegar por el mundo del big data sin dominar el business intelligence, es la aplicación de la ciencia de datos para transformar los datos almacenados del negocio en información importante para la planeación estratégica de la empresa.

En la era de la tecnología los datos son realmente valiosos, ya que pueden ayudar a las empresas a mejorar todo su ciclo productivo volviéndose más competitivas, por lo cual gestionar estos datos se ha convertido en una tarea común y necesaria de toda empresa que busque su permanencia en el tiempo, lo que le da a la analítica de datos mayor importancia en todos los sectores productivos de la sociedad y de hecho se ha vuelto una práctica común el tráfico de datos usando herramientas que recopilan información del historial de navegación, redes sociales, smartwatch, entre otros, para clasificar los gustos y preferencias.

Administración en la ingeniería

Dentro de los múltiples campos de aplicación que tiene el profesional en ingeniería como posibilidad de alcance la administración resulta uno de los más complejos. Este campo requiere liderazgo y aptitudes y habilidades propias del director de proyecto. La gestión de recursos siempre va a ser un punto fuerte en este perfil y es por ello que para la adquisición de los diferentes parámetros requeridos es necesario que el profesional tome la especialización académica como su principal opción.

TECH Universidad Tecnológica se ha centrado en el desarrollo del perfil profesional de diferentes campos, pero siempre enfocado en el éxito y la excelencia. Cada uno de los programas ofertados ha sido diseñado por un equipo de expertos de forma muy detallada y cuidadosa. En el caso de su Facultad de Ingeniería es común encontrar posgrados tales como el Máster en Industria 4.0 y Transformación Digital y el Máster en Dirección de Grandes Proyectos de Ingeniería y Construcción. Por otra parte, para aquellos profesionales que buscan dominar el campo de la gestión dentro del campo de la ingeniería no cabe duda que una de sus mejores selecciones será optar por el Máster en Dirección de Administración Industrial.

Artículos relacionados

1 /

Compartir