Los proyectos de big data son cada vez más comunes en el mundo empresarial. Sin embargo, a pesar de la madurez de la tecnología disponible, la mayoría de estos proyectos terminan en fracaso. Según un informe de Gartner, en 2016 se estimó que el 60% de los proyectos de big data fallaron. Un año después, el analista de Gartner, Nick Heudecker, afirmó que su compañía fue “demasiado conservadora” con su estimación del 60% y situó la tasa de fracaso más cerca del 85%. Hoy en día, Heudecker afirma que nada ha cambiado y que la tasa de fracaso sigue siendo alta.

Esta situación no es exclusiva de Gartner. Bob Muglia, ex ejecutivo de Microsoft y CEO de Snowflake Computing, también ha expresado su preocupación por el fracaso de los proyectos de big data. En una entrevista con el sitio de análisis Datanami, Muglia afirmó: “No puedo encontrar un cliente de Hadoop satisfecho. Es tan simple como eso… El número de clientes que han logrado dominar Hadoop con éxito es probablemente inferior a 20 y podría ser inferior a 10. Es una locura si consideramos cuánto tiempo ha estado en el mercado ese producto y cuánta energía ha invertido la industria en él”. Hadoop, por supuesto, es el motor que impulsó la manía del big data.

Según expertos en big data, el problema del fracaso de estos proyectos es real y grave, y no se debe únicamente a la tecnología. De hecho, la tecnología es una causa menor de fracaso en comparación con los verdaderos culpables. A continuación, se presentan las cuatro razones principales por las que los proyectos de big data fallan y cuatro formas clave de tener éxito.

Problema de big data n.º 1: Integración deficiente

Según Heudecker, hay un problema tecnológico importante detrás de los fracasos de los proyectos de big data, y es la integración de datos aislados de múltiples fuentes para obtener los conocimientos que las empresas desean. La construcción de conexiones con sistemas heredados aislados no es fácil. Los costos de integración son de cinco a diez veces el costo del software. “El mayor problema es la integración simple: ¿cómo se vinculan múltiples fuentes de datos para obtener algún tipo de resultado? Muchos optan por el enfoque del lago de datos y piensan que si vinculan todo, algo mágico sucederá. Ese no es el caso”, afirmó Heudecker. Los datos aislados son parte del problema. Los clientes le han dicho que han extraído datos de sistemas de registro en un entorno común como un lago de datos y no pudieron entender qué significaban los valores. “Cuando extraes datos en un lago de datos, ¿cómo sabes qué significa ese número 3?”, preguntó Heudecker.

En resumen, para tener éxito en los proyectos de big data, es fundamental abordar el problema de la integración deficiente. Esto implica encontrar soluciones efectivas para vincular datos de diferentes fuentes y comprender su significado en el contexto del proyecto.

Problema de big data n.º 2: Falta de habilidades y conocimientos

Otro factor importante que contribuye al fracaso de los proyectos de big data es la falta de habilidades y conocimientos adecuados. El análisis de grandes volúmenes de datos requiere experiencia en áreas como la estadística, la programación y la visualización de datos. Muchas empresas no cuentan con personal capacitado en estas áreas, lo que dificulta la implementación exitosa de proyectos de big data. Es fundamental invertir en la formación y capacitación del personal para adquirir las habilidades necesarias para manejar y analizar grandes conjuntos de datos.

Problema de big data n.º 3: Falta de claridad en los objetivos

Un error común en los proyectos de big data es la falta de claridad en los objetivos. Muchas empresas se embarcan en proyectos de big data sin tener una comprensión clara de lo que quieren lograr. Esto puede llevar a la recopilación y análisis de datos irrelevantes o a la falta de enfoque en áreas clave. Antes de comenzar un proyecto de big data, es importante definir claramente los objetivos y las preguntas que se desean responder. Esto ayudará a guiar el proceso de recopilación y análisis de datos y asegurará que los esfuerzos se centren en áreas que realmente aporten valor a la empresa.

Problema de big data n.º 4: Falta de apoyo y compromiso de la alta dirección

El último factor que contribuye al fracaso de los proyectos de big data es la falta de apoyo y compromiso de la alta dirección. Para que un proyecto de big data tenga éxito, es necesario contar con el respaldo y la participación activa de los líderes de la organización. Esto implica asignar los recursos adecuados, establecer metas claras y comunicar la importancia estratégica del proyecto a todos los niveles de la empresa. Sin el apoyo de la alta dirección, es probable que los proyectos de big data se queden estancados o no logren alcanzar su máximo potencial.

En conclusión, los proyectos de big data pueden ser altamente beneficiosos para las empresas, pero también conllevan desafíos significativos. Para tener éxito en estos proyectos, es fundamental abordar los problemas de integración, invertir en la formación del personal, definir claramente los objetivos y contar con el apoyo de la alta dirección. Al hacerlo, las empresas pueden aprovechar al máximo el potencial de los datos y obtener información valiosa para la toma de decisiones estratégicas.