‘Dark data’: la información que nunca se analiza

El dato será la materia prima de los negocios durante las próximas décadas. Actualmente sabemos muy poco sobre nuestros usuarios y sus conductas. Casi podríamos establecer, también para este tema, la analogía del iceberg.

Imaginemos un sector como el retail, ¿son capaces las herramientas actuales de recoger todos los datos importantes de un cliente en una tienda física o en una web?, ¿somos capaces de aprovechar todos los datos para generar nuevas oportunidades?

Imaginemos otro sector como la salud: ¿podemos en la actualidad registrar y procesar todos los datos de cualquier usuario o paciente y dotarlos del contexto adecuado?

Según un reciente informe de la consultora Deloitte, sólo el 10% de los datos se recogen de fuentes estructuradas, mientras que mucha de la información del usuario en una visita o en una transacción cualquiera queda oculta para muchos negocios o estos no son capaces de estructurarla, procesarla y clasificarla.

Esto es dark data, aquellos datos que existen dentro y fuera de la empresa a los que no tenemos acceso (incluso teniéndolos almacenados) y que, por tanto, no entran a formar parte de nuestra toma de decisiones.

Históricamente, Gartner ha asociado este concepto sólo a aquellos datos dentro de la organización que -estando almacenados- no eran aprovechados para generar más oportunidades de negocio, quedando en los servidores a efectos únicamente de cumplimiento normativo.

Pero hoy en día, además de estos datos, debemos incluir también en la definición aquellos datos desestructurados que están en el mercado, que podemos emplear a través del análisis de fuentes abiertas y que pueden proporcionar a las empresas ventajas competitivas reales.

Entre estos datos no estructurados podemos encontrar desde texto hasta imágenes, pasando por vídeos, audios, etc. Según IDC, se espera que en 2020 produzcamos en torno a cuarenta millones de zettabytes de información, de los que el 90% vendrán de datos no estructurados. Y aún está por llegar el Internet de las cosas.

Herramientas de analítica cognitiva

Por este motivo, los gigantes tecnológicos han puesto a trabajar a sus equipos en sistemas que permitan la obtención de este tipo de datos. Y como no podía ser de otra forma, comienzan a aparecer startups, también en España, que facilitan herramientas para recolectar esta información con el fin de mejorar los resultados de negocio de sus clientes (a nivel de conversión de ventas, ingresos, etc.).

No cabe duda de que identificar estos patrones a partir del machine learning, de la visualización del dato, del reconocimiento biométrico o del procesamiento natural del lenguaje puede proveer a empresas y emprendedores tecnológicos de valiosos insights de sus clientes y usuarios.

De ahí que sea fundamental ya contar con herramientas de analítica cognitiva. Explorar el amplio universo de los datos desestructurados (ocultos o no revelados) a través de múltiples fuentes será indispensable en pocos años para la supervivencia de cualquier empresa.

Igual que empleamos sistemas para analizar, categorizar y clasificar los datos estructurados, las dark analytics nos deben ayudar a generar oportunidades a partir de datos no estructurados.

Por este motivo, contar con buenos proveedores tanto de hardware como de software puede proporcionar a una empresa mediana una excelente ocasión para comenzar a trabajar sobre estos aspectos, puesto que las grandes firmas (no sólo las tecnológicas) están comenzando a crear equipos al respecto.

Aunque muchas de ellas cuentan con herramientas de business intelligence, las empresas medianas pueden dar un paso más hacia este tipo de nuevas tecnologías.

Hoy la información nos puede llegar desde redes WiFi, sensores, cámaras, mapas de calor, dispositivos con geolocalización, además de notificaciones, emails, etc. Datos sin explotar y fuera de los circuitos vigentes hasta este momento que miran sobre todo hacia el interior de la empresa.

El big data puede proporcionar muchas oportunidades a las medianas empresas. Pero centrarse “sólo” en una parte de la estructura de datos o en pocas fuentes, muchas convencionales, puede “desposicionarlas” respecto a aquellas que tengan una visión global y una estrategia operativa para emplear esta información oculta, no visible y desestructurada, de forma que apoye realmente los intereses del negocio para generar más mercado y mejores insights de los clientes.

Si además agregamos la analítica cognitiva, la toma de decisiones será a la vez más holística (el cliente y su contexto general) y más específica (el cliente y su conducta de consumo concreta).