En el mundo actual de los negocios, el análisis de big data se ha convertido en una herramienta fundamental para obtener información valiosa y tomar decisiones estratégicas. Sin embargo, para que los equipos de análisis puedan realizar su trabajo de manera efectiva, las organizaciones necesitan desarrollar una arquitectura de análisis de big data integrada que les permita acceder a toda la información que desean explorar.

En el pasado, las empresas solían almacenar todos sus datos en un único almacén de datos empresariales. Sin embargo, en la actualidad, la situación ha cambiado y las organizaciones suelen contar con una variedad de almacenes de datos analíticos, que incluyen desde almacenes de datos tradicionales hasta clústeres de Hadoop, bases de datos NoSQL y sistemas de descubrimiento de datos a nivel departamental.

La combinación de conjuntos de datos de diferentes plataformas para su análisis y visualización puede generar un gran valor empresarial. Por ejemplo, al combinar datos extraídos de un sistema de gestión de relaciones con los clientes con notas de los centros de llamadas sobre las interacciones con los clientes, una empresa puede obtener una mejor comprensión de los problemas relacionados con sus productos y servicios. Además, al agregar datos de las redes sociales a la mezcla de análisis, se puede obtener una visión más completa del sentimiento de los clientes.

Existen múltiples formas de combinar estos datos para que puedan ser analizados y visualizados. Las opciones tecnológicas incluyen software de integración de datos convencional, conectores predefinidos entre sistemas y funcionalidades de integración incorporadas en herramientas de descubrimiento y visualización de datos.

Un ejemplo de éxito en la implementación de una arquitectura de análisis de big data es el caso de Advocate Health Care, una organización que opera 12 hospitales y docenas de otras instalaciones médicas en Illinois. Advocate utilizó una plataforma de integración basada en la nube para vincular datos de diversos sistemas de registros de salud electrónicos (EHR) que opera internamente, además de información externa como datos de reclamaciones de aseguradoras, registros de farmacias y material de bases de datos gubernamentales.

Antes de iniciar esta iniciativa de integración de big data, los sistemas EHR de Advocate estaban desconectados entre sí debido a una serie de fusiones y adquisiciones. Sin embargo, estandarizar en un sistema común habría costado miles de millones de dólares. En su lugar, Advocate utilizó la plataforma HealtheIntent, desarrollada por el proveedor de tecnología de la salud Cerner Corp., para crear registros que contienen información estandarizada sobre pacientes con condiciones similares. Esto permite a los médicos ver gráficamente cómo se comparan los pacientes individuales con un grupo más amplio y con estándares predefinidos sobre métricas de atención.

Además, un módulo separado de EHR coloca una puntuación de riesgo de readmisión codificada por colores, actualizada cada dos horas, en la parte superior de los registros de los pacientes para mostrar a los equipos de atención qué tan probable es que las personas necesiten regresar al hospital en un plazo de 30 días. Esta información es crucial para los esfuerzos de Advocate para adoptar un modelo de pago de atención responsable, que responsabiliza financieramente a los proveedores de atención médica por la salud de sus pacientes. Según Tina Esposito, vicepresidenta del centro de servicios de información de salud de la compañía, sería imposible operar bajo el nuevo modelo de reembolso sin la vista unificada de los datos de los pacientes proporcionada por la arquitectura de análisis de big data. “A menos que tenga toda esta información agrupada en un paciente”, dijo, “no puede ofrecer intervenciones específicas”.

En resumen, la arquitectura de análisis de big data es fundamental para que las empresas puedan aprovechar al máximo el potencial de sus datos. Al combinar conjuntos de datos de diferentes plataformas, las organizaciones pueden obtener información valiosa que les permita tomar decisiones estratégicas y mejorar su desempeño. Además, contar con una arquitectura de análisis de big data integrada facilita el acceso a la información por parte de los equipos de análisis, lo que les permite realizar su trabajo de manera más eficiente y efectiva.