Informe OBS: Big Data 2016

www.OBS-edu.com
Doble Titulación:
Big Data en el 2016,
la entrada a la Era
Cognitiva
Autor:
Chema Maroto
Profesor en OBS Business School

Introducción
Escenario actual
Las empresas están obteniendo beneficios medibles en sus
inversiones de Big Data
Big Data para la toma de decisiones
Sigue habiendo dificultades para la adopción de Big Data
Riesgo de contracción en la inversión en Big Data en los
próximos años
Falta de nitidez en la figura del Chief Data Officer
Descubriendo al Data Scientist
Internet de las Cosas (IoT)
SmartCity
Los gobiernos están usando las inversiones en SmartCity
para el desarrollo de la economía
Retos para las SmartCity
Open data
Nuevos players en el ecosistema tecnológico de Big Data:
Las APIs y las Fintech
Conociendo a las API, ¿qué son?
Fintech y el Big Data
Era Cognitiva
Conclusiones para el debate
Big Data se convierte en un motor clave para el desarrollo
de la economía
Ya está creada la brecha entre el mundo físico y el nuevo
mundo digital
Existen grandes problemas para satisfacer la demanda de
talento digital
Trabajar y hablar con robots que piensan y actúan como
humanos ya es una realidad
Referencias
4
5
5
7
7
9
10
12
14
17
17
19
23
23
28
33
41
41
41
45
Índice

Los datos de este año nos dicen que el fenómeno de Big Data está entrando en
una madurez temprana, dejando atrás la fase de la adolescencia donde todo
eran experimentos y contrastes con el mundo real.
La evolución de las compañías para hacer frente al fenómeno de la
transformación digital, ha ocasionado una aceleración en el desarrollo de la
tecnología hasta un punto que ha superado las expectativas. Las exigencias del
mercado obligan a las empresas a tomar decisiones rápidamente y
posicionarse en una situación de liderazgo o al menos ventajosa frente a sus
más voraces competidores. La inversión en Big Data está siendo clave para
ayudar a las empresas en todo este proceso de transformación.
Big Data está proporcionando a las empresas la oportunidad de reinventarse,
gracias al análisis de datos masivos están encontrando fórmulas que
incorporadas a sus procesos de negocio tradicionales están suponiendo un
avance en su desarrollo. Además, gracias al Big Data se están desarrollando
nuevos negocios como producto de la evolución y madurez de los dispositivos
inteligentes. “Casi” todo está conectado a internet generando cantidades
inimaginables de información lista para ser procesada, información relevante
sobre el comportamiento de las personas, el comportamiento y sentimiento de
los clientes.
Estamos muy cerca de estar totalmente controlados, o al menos,
potencialmente controlados, y matizo como potencialmente controlados
porque, aunque la información se está generando y es accesible, todavía las
empresas están teniendo muchos problemas para conseguir sacar provecho de
ella. Por un lado, la dificultad de descubrir nuevas formas de negocio y ponerlas
en práctica sin disponer de historia reciente, sin tener referencias de éxito y, por
otro lado, quizás la dificultad que está suponiendo el mayor desafío, no hay
gente cualificada.
Introducción
Big Data está
proporcionando a
las empresas la
oportunidad de
reinventarse.
4

Efectivamente, el perfil de profesional que se demanda para hacer frente a la
integración, el análisis y procesamiento de la información, tanto en las capas
más técnicas como en las de dirección, es muy difícil de conseguir. Bien es cierto
que los perfiles técnicos están evolucionando muy bien y la comunidad de
científicos de datos ya es considerable a nivel mundial, en cambio en la capa de
dirección, para la toma de decisiones, la situación es diferente, siguen faltando
posiciones de liderazgo que guíen a las empresas hacia una cultura orientada a
los datos, es precisamente el cambio cultural, el orientar la cultura de la
organización hacia una Cultura del dato, la tarea que está resultado más
difícil para las empresas que están en proceso de adopción del Big Data.
Durante este último año, la evolución del Big Data nos ha llevado a mantener
las primeras conversaciones con la máquina, entramos en la era cognitiva de
lleno en este 2016. Las máquinas inteligentes ya están simulando las funciones
del cerebro humano y están ya en disposición de comenzar a ayudar a la
sociedad. Los hospitales, las telcos, la banca, las aseguradoras, el Retail, todas
están incorporando ya sistemas inteligentes para automatizar
completamente la toma de decisiones. Ya es posible comprar sin esperar colas
en una caja por caja, gestionar la apertura de un parte de accidente con la
aseguradora a través de una conversación con un robot y, realizar diagnósticos
clínicos a través de máquinas inteligentes. El rápido desarrollo de dispositivos
inteligentes y sensores, sumado a la capacidad de asimilación de la
información y a los niveles de computación, han dado como resultado el
desarrollo y evolución de la computación cognitiva, marcando este 2016 como
el principio de una nueva era, el cambio a la era cognitiva.
Introducción
5
Big Data en el
2016,
la entrada a la
Era Cognitiva

Las empresas están obteniendo beneficios medibles en sus
inversiones de Big Data
En estos momentos todo el mundo continúa hablando del fenómeno Big Data.
Las empresas están comenzando a obtener resultados medibles y reconocer
beneficios de sus inversiones en Big Data.
Desde un punto de vista empresarial, puede considerarse como una fuente de
optimismo conocer que un gran número de ejecutivos, el 48,4% ha declarado
haber obtenidos beneficios medibles de las inversiones de Big Data. Un
notable 80,7% de los ejecutivos consideran que sus inversiones en Big Data han
sido exitosas, mientras que tan sólo el 21% considera que ha sido perjudicial.
Este entusiasmo se observa en todos los lugares del mundo, las empresas están
esperando que Big Data les ayude en su desarrollo y evolución, de media un
45% de las empresas son las que consideran muy importante lo que el Big
Data les puede aportar, aunque el porcentaje es mayor para en empresas
norteamericanas (56%) y grandes empresas (60%).
El 69,6% de las empresas consideran que Big Data es muy importante
incluso crítica para conseguir buenos resultados en su negocio. Esto supone
un aumento de un 15% respecto al año anterior, cuando las empresas habían
declarado un 54,5% (NVP).
Escenario actual
6
Fuente:NVP(17).
Gráfica 1.
Resultados
medibles de
Big Data.
Sí
48%
No
39%
No disponible
13%

Escenario actual
7
Big Data para la toma de decisiones
Los principales ejes impulsores del Big Data han sido la forma de ampliar los
conocimientos y por encima de todo, la rapidez en obtener resultados. Obtener
un mayor conocimiento del mercado, del negocio y de los clientes (37%) y con un
29,7%, la velocidad en cuanto a tiempos de respuesta más rápidos, tomar las
decisiones más rápido y time-to-market más rápido.
La gama de iniciativas que tienen las empresas hoy en día es muy amplia. Dentro de
las áreas en las que las compañías han puesto más foco, han sido la reducción de
costes operativos (49,2%) y los esfuerzos por crear nuevas líneas de innovación
(44,31%) la que han resultado ser más exitosas según la mayoría de las empresas, sin
embargo, la idea de las empresas de crear una cultura basada en los datos ha sido
más ambiciosa, declarándose para esta iniciativa, la tasa de éxito más baja, un 27,9%.
Gráfica2.
Importance of
Big Data.
2014
2015
Gráfica3.
Iniciativas Big
Data en las
empresas.
Empezado
con beneficios
Empezado
sin beneficios
No empezado
30,00%
20,00%
10,00%
40,00%
50,00%
60,00%
70,00%
80,00%
Establecer una cultura
de orientación al dato
Transformar el negocio
para el futuro
Acelerar el desarrollo
de nuevas capacidades
Monetizar ingresos del
Big Data
Lanzar nuevos
productos/servicios
Nuevas vías para la
innovación
Reducir gastos
0
Mission Critical Very Important Total%. Firms Viewing Big Data
as Imprtant
Fuente: NVP.
Det Norske Veritas - Business Assurance: Are you able to leverage big data to
boost your productivity and value creation? – Apr2016 (14).
Big Data en el
2016,
la entrada a la
Era Cognitiva

Escenario actual
8
La encuesta de DNV con sus resultados, ofrece una visión sobre cómo las
empresas han observado los beneficios que han conseguido con las iniciativas en
Big Data. En una visión general, son las empresas de Centro y Sur América las que
están registrando menos beneficios, posicionando a las empresas europeas
ligeramente por encima del resto del mundo en este ranking. Un 43% de todas
ellas declara que ha obtenido beneficios medibles en al menos una de las
iniciativas, muy alineado con el resultado de las grandes empresas, dato que
destaca sobre el casi 100% de las empresas líderes, evidenciando su mayor
posicionamiento y desarrollo sobre estas iniciativas. Sólo apenas el 2,2% de las
iniciativas son las que no han conseguido ningún beneficio para la empresa.
Tabla 1.
Gráfica 4.
Fuente: NVP.
ALMENOS UNA
Incremento de la eficiencia
Mejora en experiencia de usuario y engagement
Mejora en la toma de decisiones
Ahorro de costes financieros
Mejor en procesos de innovación / time-to-market
Mejora en el cumplimiento de la regulación
Mejora en la relación con otros stakeholders
Mejora en la seguridad de la cadena de suministro
Lograr la transformación del modelo de negocio
Otros beneficios
Se han emprendido acciones pero
SIN BENEFICIOS OBSERVADOS
43,0%
22,6%
16,3%
15,6%
11,4%
11,3%
11,0%
9,3%
9,0%
6,9%
3,2%
2,2%
Europa
n=368
45,4%
21,5%
17,9%
14,9%
10,3%
11,1%
10,3%
8,7%
9,0%
4,9%
4,9%
2,4%
Asia
n=615
42,0%
23,4%
14,5%
15,9%
13,5%
12,4%
107,0%
8,9%
9,4%
8,9%
2,4%
1,3%
Norte
América
n=82
36,6%
18,3%
17,1%
18,3%
8,5%
8,5%
12,2%
8,5%
3,7%
3,7%
1,2%
7,3%
Grandes empresas
>1.000 empleados
n=207
54,1%
27,5%
26,6%
19,8%
17,9%
17,9%
15,0%
13,5%
14,5%
9,7%
3,9%
2,4%
Empresas
Líderes
n=52
98,8%
59,8%
54,9%
57,3%
32,9%
48,8%
30,5%
34,1%
30,5%
31,7%
4,9%
1,2%
Central y Sur
América
n=65
41,5%
23,1%
16,9%
10,8%
7,7%
7,7%
15,4%
10,8%
10,8%
6,2%
4,6%
0,0%

El 52% de las empresas de todo el mundo ven al Big Data como una gran
oportunidad, y sólo el 4,5% lo ven como una amenaza. Son las grandes empresas,
con más de 1.000 empleados y las empresas líderes (empresas que están
plenamente enfocadas en el desarrollo de iniciativas Big Data) las que se
presentan como más optimistas viendo un potencial mayor, un 70% para las
empresas grandes y hasta un 96,3% para las líderes.
El 44,9% de todas las empresas consideran el potencial de Big Data como
importante o muy importante para su dirección estratégica. Las empresas
grandes, de más de 1.000 empleados, ven el potencial de Big Data en un 60,4%,
son las empresas de América Central y del Sur las menos propensas a considerar
el Big Data como importante para su toma de decisiones estratégicas (32,3%).
Escenario actual
9
Fuente: Det Norske Veritas - Business Assurance: Are you able to leverage big data
to boost your productivity and value creation? – Apr2016.
Tabla2.
Gráﬁca 5. Oportunidad
Amenaza
NS/NC
52,1%
4,5%
43,4%
Europa
n=368
55,4%
4,3%
40,3%
Asia
n=615
49,3%
4,9%
45,8%
Norte
América
n=82
52,4%
2,4%
45,2%
Grandes empresas
>1.000 empleados
n=207
70,0%
1,4%
28,6%
Empresas
Líderes
n=52
96,3%
3,7%
0,0%
Central y Sur
América
n=65
53,8%
3,1%
43,1%
Big Data en el
2016,
la entrada a la
Era Cognitiva

Con estos datos, ya en términos de inversión, se observa como una gran mayoría
de ejecutivos -80,7%- ven como sus inversiones en Big Data han contribuido al
éxito, la innovación y la transformación de su empresa. El 48,4% consideró que
los resultados habían sido satisfactorios, ayudando sobre todo a la evolución de
la compañía y, han sido sólo el 1,6% de los ejecutivos los que opinan que sus
inversiones han sido un fracaso.
Escenario actual
10
Tabla 3.
Gráﬁca 6.
44,9%
Fuente:Det Norske Veritas - Business Assurance: Are you able to leverage big data
to boost your productivity and value creation? – Apr2016 (15).
Gráﬁca 7.
Resultado
iniciativas de
Big Data.
Muy
exitoso
48%
Éxito
moderado
32%
Demasiado
pronto
18%
Fallo
2%
Europa
n=368
50,5%
Asia
n=615
40,7%
Norte
América
n=82
56,1%
Grandes empresas
>1.000 empleados
n=207
60,4%
Empresas
Líderes
n=52
98,8%
Central y Sur
América
n=65
32,3%

Las iniciativas de Big Data están abandonando su carácter de laboratorio y
experimentación, para meterse de lleno en las líneas estratégicas de trabajo
para todas las compañías. Estos datos llevan al optimismo ya que el volumen de
iniciativas exitosas se sitúa casi en la mitad del total, observando en general
como el porcentaje de resultados buenos o exitosos es del casi el 80%.
Parte del éxito de este avance es producto del esfuerzo que están haciendo las
compañías en términos de inversión, las inversiones en Big Data han ido
creciendo durante los últimos años. Destacar que el avance de la inversión en
Big Data se ha producido por la incorporación de pequeñas y medianas
empresas, dato que se observa al ver cómo no ha crecido tanto, aunque sigue
siendo ascendente, las muy grandes inversiones, sino más bien en observar
cómo han crecido más las inversiones medianas.
En los últimos cinco años el 95% de las empresas han declarado hacer algún
tipo de inversión en iniciativas Big Data.
Escenario actual
11
Tabla1.
Inversión
estimada en
iniciativas Big
Data en los
últimos 5 años.
Gráﬁca8.
Empresas que
han invertido en
Big Data en 2016.
Sí
95%
No
5%
Mayores que $1B
$500M - $999M
$100M - $499M
$50M - $99M
Por debajo de $50M
Sin información disponible
6.5%
4.8%
25.9%
6.5%
45.2%
11.1%
Big Data en el
2016,
la entrada a la
Era Cognitiva

Sigue habiendo dificultades para la adopción de Big Data
A pesar de los éxitos reconocidos en la implementación de iniciativas Big Data,
las empresas siguen teniendo serias dificultades en la adopción del Big Data. Son
en la Cultura de la empresa, la Estrategia Big Data y en el Gobierno de los
datos, donde se encuentran los mayores impedimentos para su la adopción.
El principal reto, en el que parece ser que todas las empresas están de acuerdo, es
en conseguir crear una cultura dentro de la compañía de orientación al dato
(Data-Driven). Este reto se consolida como el más difícil porque es el que de
alguna manera, engloba a otros muchos. Conseguir un cambio en la cultura
empresarial supone el afrontar grandes desafíos, pero no sólo de orden
tecnológico sino también de negocio y organizacional.
Hasta ahora las iniciativas de Big Data han venido de la mano de la evolución
tecnológica y ya vimos en el informe del año pasado (Big Data 2016 in a nutshell)
el negocio había comenzado a adoptar algunas medidas para comenzar a
aprovecharse de su potencial.
Han sido el resultado de estas iniciativas las que han obligado a las empresas en
pensar que la adopción debe realizarse a nivel de compañía, alineando todos los
procesos y todas las áreas, acercando aún más, todo lo que sea necesario, el
know-how del negocio con el conocimiento y la experiencia que está aportando
las áreas de tecnología. Es un dato relevante el observar como las grandes
empresas de nicho con dedicación exclusiva al desarrollo del Big Data, están
siendo empresas con equipos que vienen del negocio y de la tecnología por
igual, formando unos perfiles híbridos como nuevos patrones de profesionales
de la industria Big Data.
Escenario actual
12
Gráfica 9.
Salida de la fase de
experimentación.
Fuente: Hortonworks. 2016 Big Data Maturity Survey (18).
70%
60%
50%
40%
30%
20%
10%
0%
Fase de experimentación
19%
Fase de implementación
66%

Según la última encuesta realizada por la consultora PwC en el 2016, el 61% de
las empresas, aproximadamente dos tercios, asegura que el proceso de toma de
decisiones pocas o raras veces está apoyado por datos.
Escenario actual
13
Fuente: CDet Norske Veritas - Business Assurance: Are you able to leverage big
data to boost your productivity and value creation? – Apr2016 (19).
Gráﬁca10.
Primeros pasos para
crear la Cultura de
Orientación al Dato.
Gráﬁca11.
Empezado sin éxito
48%
Empezado con éxito
37%
No empezado
15%
Big Data en el
2016,
la entrada a la
Era Cognitiva

La visión por países muestra como en algunas regiones no toman decisiones
basadas en datos, como es el caso de la Comunidad Económica Europea y Brasil.
Estas dos regiones fundamentan su toma de decisiones en sistemas algo
impulsados por datos, pero utilizando técnicas de análisis tradicional, como es la
descripción (¿qué ocurrió?) sobre todo y, algo el diagnóstico (¿qué pasaría sí?), los
porcentajes de uso de otras técnicas más avanzadas como las predictivas o
prescriptivas son muy bajas o nulas. China es la región que más se apoya en los
datos en el proceso de toma de decisiones de negocio (53%).
Sin embargo, la visión por sectores es más estándar, prácticamente todos los
sectores están utilizando técnicas avanzadas de gestión del dato en su toma de
decisiones, destacan el gobierno (21%) y la banca (33%) como dos de los sectores
que menos se apoyan en los datos para su toma de decisiones, distanciados en
más de un 10% con respecto al Sector que más decisiones toma basado en datos.
El sector de las Telecomunicaciones es el que más se apoya en los datos para sus
tomas de decisiones de negocio.
Escenario actual
14
Gráﬁca 12.
Toma de
decisiones
impulsada por
datos por países.
Fuente: PwC (1).
Rara vez.
Algo impulsado
Muy impulsado
Rara vez.
Algo impulsado
Muy impulsado
100%
A
ustralia
A
lem
ania
Brasil
N
igeria
Japón
U
K
Canadá
U
SA
Korea
China
CEE
H
olanda
Resto
Latinoam
érica
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Gráﬁca 13.
Toma de decisiones
impulsada por
datos por sectores.
Fuente: PwC (2).
100%
G
estión
de
A
ctivos
FinancierosA
utom
oción
Seguros
Entretenim
iento
y
M
edios
Retaily
Consum
o
G
obierno
Banca
Salud
Telecom
unicacionesTecnología
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%

China a su vez, es la región que más confía en la máquina a la hora de tomar
decisiones. Confía en que la mejor solución para tomar decisiones más precisas
es la combinación del hombre y la máquina, la unión del juicio de los humanos
con los algoritmos de la máquina. Según la encuesta realizada por PwC, China y
Korea son las regiones que más confían en un sistema híbrido (hombre y
máquina) para sus tomas de decisiones de negocio, seguido por los europeos
Alemania y Holanda. Es la CEE la región que está más lejos de utilizar este
sistema híbrido, de hecho, según los datos de la encuesta, la CEE vasa toda su
toma de decisiones en decisiones en el juicio humano.
Escenario actual
15
Fuente: PwC.
Gráfica14.
Gráfica15.
CEE
Japan
Resto de Latinoamérica
Other
Canadá
Brasil
Australia
Resto de EMEA
USA
UK
Nigeria
Resto de Asia-Pacífico
Holanda
Alemania
Korea
China
Gestión activos financieros
Comunicaciones
Automoción
Salud
Entretenimiento y medios
Otros
Gobierno
Energía, servicios y minería
Comercio minorista y consumo
Banca y mercado de capitales
Tecnología
Productos industriales
Aseguradoras
-14% -12% -10% -8% -6% -4% -2%
Porcentaje con el resultado de la media
Fuente: PwC.
Porcentaje con el resultado de la media
Algoritmos informáticos Decisiones basadas en... Juicio de humanos
0% 2% 4% 6% 8% 10% 12% 14%
-11% -9% -7% -5% -3% -1% 0% 1% 3% 5% 7% 9% 11%
Algoritmos informáticos Decisiones basadas en... Juicio de humanos
Big Data en el
2016,
la entrada a la
Era Cognitiva

Mientras que, por sectores, es la industria aseguradora quién lidera como sector
que más se apoya en los algoritmos generados por una máquina para su toma
de decisiones, seguido de Productos Industriales, siendo el sector de Gestión de
Activos financieros quién se desmarca como sector que basa todas sus
decisiones en el juicio humano.
La mayoría de empresas han declarado que pese a su esfuerzo y empeño en
iniciativas dirigidas al cambio de cultura empresarial a una cultura basada en
datos (85%) los resultados que han obtenido han sido malos, declarando que el
porcentaje de iniciativas que han sido exitosas a este respecto, han sido de un
pequeño porcentaje del 37,1%.
Como decía, este gran reto que es el cambio de cultura empresarial basada en
datos, podría entenderse a su vez, como la forma de agrupar otros muchos retos
que están relacionados. A continuación, se muestra una tabla con la relación de
estos impedimentos.
Las compañías están trabajando y consiguiendo resultados en el gobierno del
dato y en la forma en la que las áreas de tecnología pueden contribuir, sin
embargo, son los aspectos más relacionados con el negocio (41%) y con la
alineación de la compañía (42,6%) los que se declaran como aspectos más
bloqueantes en la adopción del Big Data. Para que las iniciativas Big Data
tengan éxito, las áreas de negocio y de tecnología de la organización deben
cooperar.
Todavía un significante 39,3% de las empresas declara no tener definida
ninguna estrategia para afrontar el Big Data.
Del mismo modo, aunque si hay una mayoría de empresas que declaran la
importancia de tener un buen gobierno del dato, hay un porcentaje notable
(21,3%) de empresas que declaran la falta de políticas, prácticas y
procedimientos para la gestión de los datos como impedimentos para la
adopción. Considerando cómo manejan los datos las empresas cada día,
encuentran que los mayores desafíos están sobre todo en conseguir una buena
calidad del dato (48%), luego en la recuperación de los datos (46%) y también en
la seguridad (44%), mientras que el acceso a los datos, que había sido durante
estos últimos años el gran reto, ya está más controlado y lo consideran como
menos problemático (39%).
Escenario actual
16
Tabla 2.
Impedimentos
relacionados con
la Cultura
empresarial.
La organización no está lo suficientemente alineada
Falta de entendimiento y bajo grado de adopción en la capa de mandos intermedios
Resistencia o falta de entendimiento por parte del negocio
Falta de estrategia de gestión del dato
Resistencia o falta de entendimiento por parte de tecnología
Incapacidad para crear una visión conjunta y compartida
Falta de políticas, prácticas y procedimientos para la gestión del dato
42.6%
41.0%
41.0%
29.5%
27.9%
26.2%
21.3%

Calidad
Alto/Bastante alto
Algo/Bajo grado
No aplica
NS/NC
Recuperación Seguridad Acceso
Escenario actual
17
Las tasas para las empresas líder y las grandes empresas son todavía más altas.
Cómo son los que adoptan un enfoque más avanzado, son más conscientes de
las dificultades que se encuentran con la recolección de datos y la calidad.
El problema principal a la hora de manejar los datos y poner límites en la gestión
es la falta de confianza en los datos que utilizan las empresas para su negocio.
Menos de la mitad de las empresas confían en la información que manejan.
Sólo los líderes confían en los datos que manejan (85%).
Gráfica16.
Tabla3.
Gráfica17.
2,7%
48,2%
29,4%
19,7%
3,2%
46,6%
28,9%
21,2%
3,0%
44,4%
32,1%
20,5%
4,3%
39,0%
34,9%
21,8%
42,5%
Europa
n=368
55,4%
Asia
n=615
30,9%
Norte
América
n=82
54,9%
Grandes empresas
>1.000 empleados
n=207
50,7%
Empresas
Líderes
n=52
85,4%
Central y Sur
América
n=65
58,5%
Big Data en el
2016,
la entrada a la
Era Cognitiva

Otro aspecto muy importante en el gobierno de los datos es afrontar el reto de la
variedad. La variedad de fuentes de datos supera hoy en día al volumen y a la
velocidad. Durante los últimos años se ha estado avanzando en comprender
todas las oportunidades que ofrecía el Big Data y con ello, detectar cuales eran
los retos que las empresas debían afrontar para su aprovechamiento. De esta
manera al principio de los tiempos se hablaba de las 3-V (Velocidad, Volumen y
Variedad) evolucionando según se va experimentando y trabajando en ello a las
después a las 7-V (Volumen, Velocidad, Variedad, Variabilidad, Veracidad,
Visualización, y Valor).
Hoy al preguntar a las empresas cuales consideran que es el mayor de estos
desafíos, todos están de acuerdo en afirmar que el mayor desafío para el Big
Data es la Variedad de las fuentes de datos (69%), por delante del volumen
(25%) y la velocidad (6%).
Según la encuesta realizada por DNV, las grandes compañías y las empresas
líderes parecen tener más controlados los problemas en la definición de la
estrategia y la gestión, sin embargo, señala que las empresas líderes están
encontrando más dificultades en la gestión de las prioridades y sus conflictos
(40%) y en lo relativo a la seguridad (35,4%).
El profesor del MIT Michael Stonebraker llama a este fenómeno “long-tail of Big
Data”. A como las empresas están haciendo un esfuerzo enorme en integrar
fuentes de datos que están dentro de la organización pero que tradicionalmente
habían sido ignoradas o no tenidas en cuenta, así como la identificación de
nuevas fuentes de datos.
Escenario actual
18
Fuente:MIT Sloan Review. Variety, Not Volume, Is Driving Big Data Initiatives.
March 28, 2016.
Gráfica 18.
Big Data Variety,
Volume and Velocity
Importance
Variety
69%
Volume
25%
Velocity
6%

Sumado a los impedimentos anteriores, a la organización también se le están
presentan grandes problemas para encontrar el talento y el liderazgo adecuado.
International Data Corporation (IDC) predice una necesidad para el año 2018
de 181.000 personas con grandes conocimientos de análisis, y un requisito
aún cinco veces mayor para puestos de trabajo relacionados con la gestión y
la capacidad de interpretar los datos.
Riesgo de contracción en la inversión en Big Data en los
próximos años
En general, las inversiones en Big Data han tenido un carácter ascendente
durante estos últimos cinco años. Sin embargo, Gartner ha detectado en una
encuesta reciente que empiezan a notarse ciertos signos de contracción. El
estudio refleja que la mita de las de las empresas encuestadas (48%) ha realizado
algún tipo de inversión en Big Data durante el 2016, un 3% más que en el 2015.
Sin embargo, aquellas que planean hacerlo en los próximos dos años reducirán
su inversión del 31% del 2016 al 25%.
Escenario actual
19
Tabla4.
Gráfica19.
Europa
n=368
24,7%
21,7%
30,2%
21,2%
13,0%
11,7%
12,2%
9,2%
12,0%
4,3%
8,4%
Asia
n=615
22,3%
25,9%
11,5%
17,4%
22,6%
12,5%
11,9%
11,7%
7,2%
5,9%
9,1%
Norte
América
n=82
30,5%
18,3%
40,2%
23,2%
11,0%
11,0%
9,8%
6,1%
9,8%
3,7%
6,1%
Grandes empresas
>1.000 empleados
n=207
29,0%
23,2%
28,5%
18,4%
21,7%
21,7%
14,0%
8,2%
9,2%
4,8%
6,8%
Empresas
Líderes
n=52
19,5%
22,0%
40,2%
13,4%
35,4%
15,9%
15,9%
11,0%
1,2%
7,3%
12,2%
Central y Sur
América
n=65
30,8%
24,6%
12,3%
21,5%
7,7%
12,3%
18,5%
9,2%
3,1%
3,1%
6,2%
Falta de una estrategia general
Nivel insuficiente de competencias técnicas
Demasiados temas importantes que resolver
Falta de un entendimiento por parte de la alta dirección
Asuntos de seguridad
Organizaciones poco ágiles
Falta de una cultura colaborativa
Falta de una estrategia de incentivos a empleados adecuada
Falta de referencias de éxito en el mercado
Pocas intenciones de asumir riesgos
Nada / no existe ninguna barrera
24,4%
23,5%
19,8%
19,7%
17,4%
12,2%
12,0%
10,3%
9,1%
5,0%
8,4%
Big Data en el
2016,
la entrada a la
Era Cognitiva

Las compañías han detectado que el Big Data no es sólo una tecnología, sino que
es toda una iniciativa que obliga a realizar un cambio cultural y definir una
estrategia que integre esta tecnología con el resto de procesos de la empresa.
Además, se suma que todavía el Big Data no está arrojando indicadores claros
para el cálculo del beneficio esperado (ROI), dificultando así la programación de
Business Cases más óptimos y eficientes. Con todo esto, en el 2016 el número de
proyectos en fase de piloto (15%) o experimentación es similar al del 2015 (14%),
hecho que confirma que las empresas de alguna manera, están conteniendo la
inversión quizás al no ver los resultados que les satisfagan.
Falta de nitidez en la figura del Chief Data Officer
La posición del Chief Data Officer (CDO) dentro de las organizaciones está
consolidándose cada vez más, un 55,9% de las empresas declaran tener un CDO
trabajando dentro de la organización. Si bien es cierto, que este puesto está en
auge, su función sigue evolucionando.
Por ejemplo, sobre a quién debe reportar el CDO, en la mayoría de las empresas
los ejecutivos consideran que debe reportar al CEO o COO (53,4%), sólo el 15,6% de
los ejecutivos creen que debe reportar al CIO.
Escenario actual
20
30,00%
20,00%
10,00%
40,00%
50,00%
60,00%
0
2012 2015 2016
Fuente: NVP.
Fuente: NVP.
Gráfica 20.
Disponen de un
Chief Data Officer.
Gráfica 21.
Estructura de
Reporting Ideal
para el Chief Data
Officeer.
12,0%
54,0% 55,9%
Chief Executive Officer (CEO)
Chief Operating Officer (COO)
Chief Information Officer (CIO)
Chief Risk or Compliance Officer
Chief Financial Officer (CFO)
Chief Marketing Officer (CMO)
Otro
36%
18%
16%
9%
7%
2%
13%

La visión del puesto de CDO dentro de la organización se considera que debe ser
más fuerte en el futuro respecto a lo que lo es en la actualidad. Este puesto en las
empresas se está viendo con un foco más defensivo o conservador (44%),
encargándose sobre todo de cumplir con la regulación y, no tanto, con un perfil
más de innovación y generador de ingresos (56%). Los ejecutivos consideran que
es una posición que debe adoptar una función fuerte de liderazgo en la
conducción de la innovación y en la transformación de la cultura de la empresa
para pasar a una cultura basada en datos.
Sólo un porcentaje muy pequeño de ejecutivos considera que es un papel
innecesario o redundante dentro de la organización.
Descubriendo al Data Scientist
Cuatro de cada diez empresas (43%) informan que la falta de personal con
capacidad de análisis de datos apropiados es un desafío clave, pero sólo uno
de cada cinco organizaciones ha cambiado su enfoque para atraer y retener el
talento en estas disciplinas.
La posición de Data Scientist está considerada como el puesto de trabajo más
atractivo del siglo 21 (Forbes). El perfil de un profesional de este campo es joven,
en la mayoría de los casos su edad está por debajo de los 30 años (38%), se mueve
por igual entre empresas medianas, entre 500 trabajadores (19%) y empresas
muy grandes por encima de 10.000 trabajadores (28%), su participación en
empresas de otros tamaños es muy inferior (aproximadamente 7-10%).
Escenario actual
21
Fuente: NVP.
Gráfica22.
Lidera la cultura de innovación
y orientación al dato
48%
Asegura el cumplimiento
regulatorio
10%
Gestiona el dato como otro
activo de la organización
41%
Ese rol no es necesario
en la organización
5%
Big Data en el
2016,
la entrada a la
Era Cognitiva

Fuente:O’REILLY. 2016 Data Science Salary Survey (10).
Escenario actual
22
Gráﬁca 23.
Empresa por nº de
empleados donde
trabajan los Data
Scientist.
Gráﬁca 24.
Distribución
Data Scientist
por edad.
Menos de 31
38%
1
1%
2-25
8%
26-100
14%
101-500
19%
501-1.000
7%
1.001-2.500
8%
2.501-10.000
15%
Más de 10.000
28%
31-40
39%
41-50
16%
51-60
17%
Más de 60
1%

Escenario actual
23
Un Data Scientist trabaja sobre todo en el sector de la consultoría (15%) y
empresas de desarrollo de software más orientadas a SAAS, Mobile, Web, etc
(14%), el sector donde menos actividad tiene es en entornos de Cloud y Hosting
(2%) y Telecomunicaciones (3%).
Su posición natural en las empresas es la de Data Scientist (45%) aunque puede
ocupar una gran gama de posiciones diferentes dentro de la organización, de
momento y es posible que sea debido a la poca historia que tiene el puesto, el
puesto que menos desarrolla es el de Ingeniero Senior (2%) y el de Arquitecto (3%).
Gráﬁca25.
Distribución
Data Scientist
por sectores.
Gráﬁca26.
Puesto de
trabajo que
ocupa un Data
Scientist.
Seguridad (ordenadores / software)
Asociaciones sin ánimo de lucro
Cloud / Hosting
Social Media
Ordenadores / hardware
Telecomunicaciones
Medios
Industria (Fabricación)
Seguros
Gobierno
Educación
Publicidad / Marketing
Salud
Banca y Finanzas
Retail / Comercio electrónico
Otros
Software (INCL, SAAS, WEB, MOBILE)
Consultoría
0% 2% 4% 6% 8% 10% 12% 14%
Ingeniero Senior
Arquitecto
Jefe / Líder
Researcher
Consultor
Manager
Otros
Ingeniero / programador / desarrollador
Upper management
Data scientist
2%
3%
3%
3%
4%
8%
11%
9%
11%
45%
Big Data en el
2016,
la entrada a la
Era Cognitiva

En cuanto al conocimiento específico en leguajes de programación, el lenguaje
SQL es el más utilizado por los Data Scientist (70%), seguido del R (57%) y
Python (54%).
La plataforma Big Data más utilizada y donde los Data Scientist que están
trabajando en la actualidad, poseen más conocimientos es SPARK (21%),
COUCHBASE aparece como la menos utilizada con un 1%.
Escenario actual
24
Gráfica 27.
Lenguajes de
Programación Big
Data mas usados
por Data Scientist.
Gráfica 28.
Nivel de
conocimiento
Plataforma Big
Data.
O’REILLY. 2016 Data Science Salary Survey (6).
SQL
R
PYTHON
BASH
JAVA
JAVASCRIPT
VISUAL BASIC / VBA
C++
MATLAB
SCALA
C
C#
PERL
SAS
RUBY
OCTAVE
GO
SPARK
HIVE
MONGODB
AMAZON REDSHIFT
HBASE
KAFKA
PIG
IMPALA
TOAD
CASSANDRA
ZOOKEEPER
REDIS
NEO4J
GOOGLE BIGQUERY / FUSION TABLES
SPLUNK
AMAZON DYNAMODB
STORM
COUCHBASE
70%
21%
20%
10%
9%
7%
7%
7%
6%
5%
4%
4%
4%
3%
3%
3%
3%
2%
1%
57%
54%
24%
18%
17%
13%
9%
9%
8%
8%
8%
5%
5%
3%
2%
1%

IoT estaba compuesto
fundamentalmente por "cosas"
relativas a dispositivos móviles
y consumo
La manera en la que ha evolucionado la tecnología en los últimos tiempos, sobre
todo en este último año, han acelerado la funcionalidad de los dispositivos
conectados tal como los entendíamos en sus inicios.
Las estimaciones actuales señalan que, en 2020, 50,1 millones de “cosas”
estarán conectadas y tendrán un cierto nivel de inteligencia.
Esto se traduce en aproximadamente 6,3 cosas conectadas por persona. El
McKinsey Global Institute ha anticipado que este nuevo Internet de las Cosas
(IoT) va a provocar un gran impacto en la economía, se espera que proporcione
un valor económico para el 2025 de unos 11 billones de dólares.
Las cosas están mejorando para la Internet de las cosas. 80% de las organizaciones
tienen una visión más positiva de la IO hoy en comparación con hace un año
La conciencia general por el IoT ha crecido, un 68% de las empresas están
diciendo que ya son conscientes de esa tendencia. Es el canal de TI el que más se
está acercando a esta tendencia, ya que el 36% de las empresas espera que este
tirón beneﬁcie a los proveedores de TI.
Según Gartner, para el 2020 más de la mitad de los procesos de negocio y nuevos
sistemas incorporarán algún elemento del Internet de las Cosas (IoT).
Con la evolución de IoT se pretende una digitalización del mundo físico. No
será ninguna sorpresa imaginar el alto impacto económico que esta
circunstancia pudiese provocar. Del mismo modo, General Electric predice, lo
que llaman el Internet Industrial, que no es más que su interpretación del IoT y
de esta forma impulsar el PIB mundial con la aportación de 15 billones de
dólares durante los próximos 20 años.
25
Gráﬁca29.
Proyectando “las
cosas” detrás del
Internet de las
Cosas.
Fuente: Grupo SJR, Cisco y CompTIA.
50
40
30
20
10
0
20202016201220082004200019961992
"Cosas" industriales y
emergentes están copando el
mercado cada vez más
Billion
0,1 Billion
0,5 Billion
8,7
Billion
14,4
Billion
22,9
Billion
34,8
Billion
50,1
Billonesde"cosas"conectadasaInternet
Big Data en el
2016,
la entrada a la
Era Cognitiva

La aportación del IoT en el 2013 fue de 1,9 billones de dólares, para el 2020 se
estiman 7,1 billones de dólares. Aunque la industria de TI se encuentra en el
centro de todo el movimiento, la previsión es que los ingresos y el valor pueda
extenderse y ﬂuir a todos los sectores de la economía. Además, según la
Comisión Europea, se espera una inversión en tecnologías del IoT para estimular
la innovación en particular en las siguientes áreas:
1. Casas Inteligentes
2. Bienestar Personal y Wearables
3. Fabricación Inteligente
4. Energía Inteligente
5. Smart Cities
6. Automatizado de conducción / Movilidad Inteligente
7. Smart Farming
8. Economía Circular
9. Tierra y Mar Sistemas de vigilancia y Futuro Blue Economy
Con esta visión del futuro ecosistema del IoT se puede prever que su entramado
y arquitectura es muy complejo, esto dará lugar a que cada componente
impulsará una actividad representativa. Según la empresa de investigación
Markets and Markets debemos considerar:
• En Seguridad: En el ámbito de seguridad de IoT, para hacer frente a las
preocupaciones en torno a la infraestructura crítica y a la intimidad, se
estima un valor de 36,95 mil millones de dólares para el 2021. En 2020,
existirá un mercado negro de más de 5 mil millones de dólares producido
por la venta de datos de sensores y videos falsos o adulterados. Los datos
pueden ser puestos en peligro o sustituidos con datos indebidamente y
deliberadamente manipulados. Para atender este tipo de escenarios se
estimulará el crecimiento de los productos y servicios de seguridad y
privacidad. Por este motivo los presupuestos en materia de seguridad se han
incrementado con una estimación que va desde 1% del 2015 al 20% en 2020.
• En inteligencia de análisis: El mercado del análisis de IoT para trabajar, en el
deseo de todos, de recopilar cada vez más datos y tomar mejores decisiones,
se estima un valor de 16,35 millones en 2020.
• Los chips: El mercado de los chips de IoT se estima en un valor de 10,78 mil
millones de dólares para el 2022.
26

En cuanto a los sectores o mercados verticales, las predicciones de Markets and
Markets son:
• Es sin duda el sector de la Salud es uno de los principales impulsores, de
usuarios y desarrolladores de la industria del IoT, el mercado de la Salud sigue
buscando la forma de mejorar la atención al paciente, de esta manera se
estima la oportunidad para IoT de Salud de 163,24 millones de dólares para
2020.
• Del mismo modo, los Retailers están buscando con la tecnología, la forma de
encontrar nuevos clientes y mejorar la experiencia. La oportunidad de la IoT
para el Retailers se estima en 35,64 millones en 2020.
Se espera que en breve se pueda montar unos 200 sensores por automóvil.
El 68% de las empresas de usuario final (empresas compradoras) ya son
conscientes de la tenencia del IoT, esta tendencia también se está mostrando en
las empresas de canal (productoras) donde aproximadamente un 10% ya están
integrando seriamente componentes de IoT.
27
Fuente: CompTIA. Internet of Things Insights and Opportunities (8).
Impresoras 3-D
Drones
Realidad Virtual (VR)
Coches autónomos
Robótica
Inteligencia Artificial (AI)
Biometría
Realidad Aumentada (AR)
Chatbots
Integrando
seriamente
Implementación
inicial
Primera etapa
de exploración
y formación
No muestran
ningún interés
Gráfica30.
Nivel de
Conciencia de las
Nuevas
Tecnologías.
Gráfica31.
Grado de
adopción de IoT.
78%
71%
71%
68%
63%
61%
54%
46%
27%
22%
10%
23%
45%
10%
Big Data en el
2016,
la entrada a la
Era Cognitiva

Debido fundamentalmente a la evolución de la tecnología y a la velocidad en la
que las empresas están adoptando el fenómeno de IoT, es muy probable, según
estima Gartner, que, durante el 2018, tres de cada cuatro proyectos de IoT
sufran extensiones de plazo de hasta el 100 por ciento, con los consiguientes
sobrecostos. Por asuntos relacionados con el rendimiento, la seguridad y la
integración los proyectos serán difíciles de manejar con los compromisos
adquiridos al inicio, obligando a realizar reestimaciones incluso rediseñados en
el corto-medio plazo.
Este asunto de la complejidad se está volviendo en contra de algunas de las
empresas que, años atrás, se habían conformado como unas de las que más
proyección tenían en términos de beneficios. En aquel momento las empresas
de componentes (hardware, aplicaciones) se veían como las más propensas a
ganar dinero con el IoT, sin embargo ahora la manera en la que se ha complicado
la integración con el ecosistema y la garantía en términos de seguridad y
calidad, estas empresas se han visto relegadas a la última posición (23%) de
empresas que se estiman con más beneficios en el ámbito del IoT, siendo las
empresas de soluciones de TI las compañías que se estiman van a conseguir
más beneficios gracias al IoT (36%).
En cuanto a empresas del canal también se están observando grandes
aumentos del beneficio obtenido por el IoT. En el 2016 el número de empresas
que han declarado beneficios con las ofertas de IoT es de un 23% frente al 8% que
se declaró en el 2015. Sin embargo, mirando al futuro parece que las cifras se
equilibran ya que se estima que tan sólo un tercio de las empresas del canal
consigan beneficios.
El impacto económico que se espera es tan significativo ya que no sólo entran en
juego las aportaciones, que como se han mostrado, pueden ser elevadas, sino
que también entran en juego factores económicos relativos al ahorro y la
eficiencia que suponen los proyectos más sociales que tienen que ver con las
ciudades y el servicio a los ciudadanos. Estos son algunos ejemplos de proyectos
que se han llevado a cabo en el 2016:
• Ahorro de energía inteligentes farolas de Barcelona: sensores se instalan en
las farolas, que permite el control automático del brillo mediante el análisis
de los niveles de ruido, la contaminación del aire, y la densidad de población.
Resultado: Al menos 30% de ahorro de energía por año;
28
Gráfica32.
Compañías que
pueden obtener
beneficios del IoT.
Proveedores de servicio IT/MSPs
Análisis de datos / Big Data
Equipos de red / software
Compañías de dispositivos
Desarrolladores de App
Integradores
Plataformas / proveedores del ecosistema
Operadores de telecomunicaciones
Compañías de sensores y chips
36%
35%
34%
33%
30%
28%
26%
24%
23%

• Sistema de Transporte Inteligente del Reino Unido que se reduce el tráfico de
congestión: Reino Unido construyó un sistema de transporte que responde
en la autopista M42 y reduce el tiempo de viaje en un 25% y los accidentes de
tráfico en un 50%.
• En los Países Bajos, las soluciones basadas en la IO soportan vigilancia de la
salud y la vida independiente en el hogar para las personas con múltiples
enfermedades crónicas ples han demostrado mejoras en la eficiencia de los
esfuerzos de atención de más de un 20%
El IoT, considerada como tecnología emergente, está claramente causando
impacto en la industria, muy de la mano de la impresión 3D, los drones y
proyectos biométricos, están siendo tecnologías que están mostrando un
posicionamiento fuerte en el mercado actual y también en el de los próximos
años.
29
Im
presoras
3-D
D
rones
Realidad
V
irtual(V
R)
Internetde
las
Cosas
(IoT)
Coches
autónom
os
Robótica
Inteligencia
A
rtificial(A
I)
Biom
etría
Realidad
A
um
entada
(A
R)
Chatbots
Gráfica33.
El Mercado
considera que las
Nuevas
Tecnologías están
comenzando a
tener impacto.
70
60
50
40
30
20
10
0
Están empezando
a tener impacto
Se espera un impacto
en los próximos 2-4 años
Big Data en el
2016,
la entrada a la
Era Cognitiva

30
Conclusiones
• 8 de cada 10 organizaciones tienen una visión más positiva del IoT hoy en
comparación con hace un año.
• Los 5 mejores beneficios percibidos del IoT
- El ahorro que supone la eficiencia operativa
- Nuevas y mejores capturas de datos para mejorar la toma de decisiones
- Aumento de la productividad del personal
- Mejor visibilidad / seguimiento de activos en toda la organización
- Mejores experiencias de nuevos clientes
• Ranking de los factores más probable que inhiben la adopción de la IoT:
- Costo inicial
- La falta de trabajadores cualificados con experiencia necesaria
- Costes de mantenimiento
- Los nuevos riesgos de seguridad cibernética
- La interoperabilidad con los sistemas / dispositivos existentes
- Complejidad
- Dificultad de cuantificar el retorno de la inversión (ROI)
• Áreas clave de política y reglamento normativo para IoT:
- Seguridad
- Privacidad de datos
- Espectro y las normas
- Normas y reglamentos de comercio
- Asociaciones Público-Privadas

SmartCity
Singapur, Barcelona, Londres, San Francisco y Oslo son las cinco mejores
SmartCitydel 2016.
En ese mismo orden, La República de Singapur, según la empresa de
investigación Juniper Research (Basingstoke, Reino Unido), se ha coronado
como la ciudad más inteligente de la Tierra.
Fue por el 2014 cuando Singapur comenzó su programa para convertirse en la
primera nación inteligente. El programa fue impulsado por el primer ministro,
Lee Hsien Loong. El programa consistía en colocar y conectar sensores y cámaras
que se desplegarían por toda la isla para realizar un seguimiento de todo. El
número de sensores instalados es muy grande, hoy por hoy, en la ciudad se
puede detectar si la gente está fumando en zonas no autorizadas o si las
personas están tirando la basura donde no le pertenece. No sólo por la cantidad
de datos que recoge, Singapur es una de las ciudades bandera, sino que también
es debido a sus políticas de movilidad inteligente y tecnología. En términos de
red de transporte, Singapur es el líder mundial.
En términos más operativos, las ciudades inteligentes están avanzando
considerablemente, la evolución de la tecnología del IoT está ayudando mucho
y, la disposición de los gobiernos de situarse en la cabeza de la trasparencia y el
apoyo a los desarrollos locales con la gestión del Open Data lo está haciendo más
sostenible.
Las principales prioridades en las planiﬁcaciones de las SmartCity son la
mejora de la satisfacción del ciudadano a través de diferentes proyectos
relacionados que favorecen el crecimiento económico.
31
Gráﬁca34.
Snapshot del
programa
Openmap.sg
consultado a
través de
internet.
Big Data en el
2016,
la entrada a la
Era Cognitiva

Fuente: IHS Markit. IoT trend watch 2017.
Por ejemplo, para ciudades de Estados Unidos:
• 86 proyectos fueron implementados para el área de gobernanza en 2015; los
proyectos para el 2017 suben a 90.
• 74 proyectos fueron implementados para el área de movilidad y transporte
en 2015; 104 proyectos están planificados para el 2017.
• 59 proyectos fueron implementados en infraestructura física en 2015; 90
están planificados para el 2017.
Sin duda que Open Data está en una fase claramente ascendente, las previsiones
es que de hoy al 2020 se alcance un nivel de madurez que casi triplique la tasa
actual, en 2015 el porcentaje de Trendsetters o marcadores de tendencia, es de un
30%, y el valor que se espera para este mismo grupo según un estudio realizado
por Vickery, será de un 90%.
32
Gráfica 35.
Nivel de prioridad
medio por
objetivo de
proyecto.
Incrementar la satisfacción del cliente
Mejorar la toma de decisiones
Incrementar la colaboración entre
departamentos de la ciudad
Reducir el coste en operaciones
en la ciudad
Hacer frente al crecimiento de
población
Mejorar la eficiencia energética/reducir
emisiones de carbono
Gestionar los recursos escasos
(agua, energía)
Atender las necesidades que provienen
del envejecimiento de la población
Atraer inversión privada
Crear puestos de trabajo
9
8,2
6,4
6,2
6,1
6
5,8
5,8
4,3
3,4
Baja importancia Importancia crítica

Los gobiernos están usando las inversiones en SmartCity para
el desarrollo de la economía
33
Tabla 5. U.S.: en septiembre del 2016 la
Casa Blanca anunció una
aportación de 80 millones de
dólares, un mes después la
DOT anunció la aportación de
65 millones de dólares para
proyectos de movilidad y
transportes
México: La Asociación
Mexicana de Ciudades
Inteligentes (AMECI) ha
anunciado su intención de
formular 500 millones de
pesos mexicanos como
presupuesto para conducir la
transformación de la ciudad.
Europa: Con el programa de
Horizonte 2020 se incorporó
una aportación de 69,5
millones de euros junto con
44 millones de euros más que
aportó a través del proyecto
de ciudades sostenibles
UAE: En la iniciativa de lanzar a
Dubai como SmartCity para el
2017 se están planiﬁcando
cambios relevantes. El plan con
las iniciativas está pendiente de
publicación.
Korea del Sur: a nivel nacional, la
red de IoT basada en la
tecnología LoRaWan (red
inalámbrica de alto alcance)
desarrollada por Samsung va a
canalizar y conducir la
expansión de soluciones de
ciudades inteligentes para el país
Big Data en el
2016,
la entrada a la
Era Cognitiva

34
Retos para las SmartCity
Según algunas estimaciones, el 70% de la población mundial vivirá en
ciudades en 2050. Un análisis del McKinsey Global Institute sugiere que cerca de
600 ciudades van a generar cerca del 65% del crecimiento económico mundial,
provocando que las ciudades más modernas compitan entre ellas para atraer los
negocios, el talento y gente que page impuestos. Será entonces cuando las
administraciones de las ciudades se conviertan en auténticos emprendedores
poniendo en valor iniciativas innovadoras de tecnología, marketing y
comunicación.
A su vez, las empresas se sentirán atraídas por las ciudades por las facilidades que
ofrezcan en términos operativos, como puede ser el espacio físico, el ancho de
banda, las telecomunicaciones y también los servicios públicos como la energía,
el agua y el transporte y, en general, la calidad de vida que ofrezcan
(alojamientos, sistema de salud y educativo).
Todo esto conduce a que las ciudades inteligentes están comenzando a
desarrollar proyectos de integración y gestión a gran escala que les permita
abordar cuestiones de gestión del agua, la movilidad urbana, el alumbrado
público y la seguridad pública entre otras. Estos nuevos enfoques, según
Navigant Research, pueden provocar un crecimiento en los ingresos para el
mercado de tecnología de las SmartCity a nivel global, para pasar de 8,8 mil
millones de euros en 2014 a 27,5 mil millones de euros para el 2023.

Open Data
Comenzando por Europa, el estudio económico realizada por el equipo del
European Data Portal, estima que entre el 2016 y el 2020, el tamaño del mercado
del Open Data se espera que crezca un 36,9% tomando un valor de 75,7 billones
de Euros en 2020.
Según el informe de madurez del ecosistema de Open Data elaborado desde la
Comisión Europea a través del proyecto European Data Portal (fuente), durante
2016, España es el líder europeo en madurez de Open Data.
Según los datos que refleja este informe, en 2016 los 31 países evaluados (la
'Europa de los 28' más Suiza, Noruega y Liechtenstein), han progresado un 28,6%
en relación a los resultados obtenidos en el año anterior. De hecho, todas las
naciones ya han recorrido al menos el 55% de su camino hacia el Open Data en el
sector público, habiendo cumplido satisfactoriamente con el desarrollo de las
políticas más fundamentales. No obstante, todavía se detectan grandes
diferencias entre los estados. Mientras que algunos todavía se encuentran
inmersos en el proceso de creación del portal open data, otros ya han avanzado
significativamente con nuevas iniciativas y redefiniendo sus estrategias año tras
año.
Las áreas que más interés están generando en las consultas de Open Data dentro
del EU28+ son las relacionadas con datos y resultados estadísticos y con datos de
localización, aunque se nota un aumento de la demanda de información, todavía
no se observa un interés por desarrollar otras fuentes de información diferentes,
el informe releva que la tendencia es todavía seguir explotando las fuentes más
básicas.
35
Gráfica 36.
EU28+ Open Data
Maturity clusters.
OpenDataReadiness
Portal Maturity
Followers
ES
UK
AT
FI
FR
EL
BG
NL
PL
HU
CY
PTRO SK
HR
IE CH
SE
NO
BEEE
CZ
LT
LU
LV
LI
MT
SI
DE
DK IT
Trend Setters
Beginners
Big Data en el
2016,
la entrada a la
Era Cognitiva

Desde una perspectiva más global, según los datos de la encuesta del Open Data
Barometer a nivel mundial, el 55% de los países disponen ahora de una
iniciativa de Open Data y de un catálogo nacional de datos poniendo a
disposición estos datos para su reutilización.
A pesar de estos resultados, el progreso en Open Data, teniendo en cuenta como
fue de ascendente su evolución durante los últimos años, se podría decir que ha
sido poco o nulo. La principal causa del bloqueo es la cantidad de datos críticos
que permanecen bloqueados por los gabinetes gubernamentales (Open
“washing” Data), de las 1.380 fuentes de datos gubernamentales encuestadas,
casi el 90% sigue cerrado. Esta encuesta lleva haciéndose tres años y el resultado
sigue siendo el mismo, el año pasado se encuestaron algo menos de fuentes de
datos (1.290) y el resultado coincidió en que sólo el 10% estaban abiertos.
36
Gráﬁca 37.
Sectores extraídos
de la consulta de
los EU28+ países.
Los sectores con
más prioridad
están
representados en
amarillo.
Estadística
Finanzas
y
contratos
G
eoespacial
Salud
Transporte
e
infraestructura
Responsabilidad
gubernam
entaly
D
em
ocraciaEm
presas
M
ovilidad
socialy
bienestar
O
bservatorio
delPlanetaEducación
Energía
y
entorno
Crim
en
y
justicia
D
esarrollo
global
Ciencia
e
investigación
10
8
6
4
2
0

Esta situación pone de manifiesto que aquellos gobiernos que vieron a Open
Data como un instrumento fundamental para mejorar sus credenciales de
trasparencia y democracia, ahora están viéndose amenazados porque las
iniciativas de Open Data no llegan a tener ningún efecto sino están
respaldadas por una cultura también abierta donde se anima a los
ciudadanos a participar y a formular preguntas y a su vez apoyados por un
marco legal. Según los datos de esta última edición de la encuesta del Open Data
Barometer, hay un retroceso significativo en la libertad de información,
transparencia, responsabilidad e indicadores de privacidad de algunos países.
37
Gráfica38.
Evolución de la
disponibilidad
online de los datos
y el Open data.
0 25 50 75 100
% de los datos
DatosdisponiblesonlineOpenData
10,14%
76,30%
78,84%
76,19%
10,08%
6,58%
3ª Edición
2ª Edición
1ª Edición
Big Data en el
2016,
la entrada a la
Era Cognitiva

Por otra parte, cabe identificar, que al igual que sucede con las iniciativas
privadas de Big Data, la implementación y la dotación de recursos están siendo
los eslabones más débiles. Aunque se haya demostrado como Open Data puede
ser una fuente de ahorros para el erario público, los avances en su
implementación se han estancado o en algunos casos, retrocedido. El Open Data
todavía no están entrando de lleno en aspectos que los gobiernos puedan
considerar como muy relevantes para ellos, esto está ocasionando que la visión
de Open Data y su tendencia desde las perspectivas de las áreas
gubernamentales, sea considerada más como una moda o un experimento, ya
que no se observan pocas o ninguna estrategia después de su implementación.
38
Gráfica 39.
Fortaleza en
las políticas
de Open
data.
Fuente: ODB Expert Survey 2015.
Fuente: ODB Expert Survey 2015.
Puntuación (0-10)
Puntuación (0-10)
10
5
20
15
25
30
0
0 1 2 3 4 5 6 7 8 9 10
Gráfica 40.
Fortaleza en
la Gestión de
los datos.
10
5
20
15
25
30
0
0 1 2 3 4 5 6 7 8 9 10

Precisamente este problema de recursos está provocando que haya países
donde están muy interesados y convencidos del beneficio que puede suponer
para el desarrollo de su país las iniciativas de Open Data, pero se están viendo
sin posibilidades ya que estas iniciativas no reciben ni los recursos ni el respaldo
adecuado. Cada vez hay más brecha entre los que tienen y los que no.
Según los datos recogidos de la encuesta de Open Data Barometer, veintiséis de
los 30 primeros países del ranking son países de ingresos altos. La mitad de los
datos abiertos se encuentran sólo en los 10 países de la OCDE. Lo que sí está
pasando, es que en vista que el ritmo de progreso de los gobiernos
tradicionalmente dominantes, como Estados Unidos y Reino Unido, está siendo
lento, otros nuevos países (México, Uruguay, Corea del Sur y Filipinas) están
empezando a desafiar a los líderes del ranking y están adoptando una actitud de
liderazgo en sus respectivas regiones.
“Latino América está ya sacando beneficios de los primeros experimentos con
Open Data, en la actualidad está ayudando en algunas cuestiones críticas para la
región como puede ser la corrupción o la discriminación por género.
FABRIZIO SCROLLINI. Latin American Initiative for Open Data” (Fuente: European
Data Portal)
39
Fuente: Open Data Barometer 2016 (11).
Tabla 6. Ranking País Puntuación Nivel de Nivel de
disposición implantación
1 Reino Unido 100 100 100
2 Estados Unidos 81,89 97 76
3 Francia 81,65 97 76
4 Canadá 80,35 89 84
5 Dinamarca 76,62 77 77
6 Nueva Zelanda 76,35 87 62
7 Holanda 75,13 90 69
8 Korea 71,19 95 64
9 Suecia 69,26 88 60
10 Australia 67,99 84 77
11 Alemania 64,79 77 71
12 Finlandia 65,45 90 65
13 Austria 64,18 81 49
14 Japón 63,5 77 53
15 España 64,35 78 57
Big Data en el
2016,
la entrada a la
Era Cognitiva

Conociendo a las API, ¿qué son?
Para no entrar en terminología más técnica, la definición de una API (interfaces
de programación de aplicaciones) es un programa informático que permite la
conexión entre diferentes sistemas o dispositivos y su función es compartir
información específica del núcleo del sistema operativo y/o información
relevante del sistema o dispositivo. Explicado con un ejemplo, es la forma en la
que la aplicación de Facebook permite a otras aplicaciones que usen su sistema
de autenticidad con usuario y contraseña para registrarse en cualquier otra
aplicación que no tiene que ver nada con Facebook.
A medida que Big Data va evolucionando y creciendo, está permitiendo el
desarrollo de nuevos players dentro del ecosistema. El manejo de grandes
volúmenes de datos, su procesamiento y visualización se hace tan complejo que
han surgido pequeñas empresas que se dedican específicamente a desarrollar
partes pequeñas de este gran proceso o empresas que desarrollan todo el
proceso, pero para un sector concreto.
El crecimiento de las APIs y su impacto dentro del ecosistema ha sido muy fuerte
en los últimos años debido fundamentalmente a la evolución y el crecimiento
que ha tenido el Internet de las Cosas (IoT) y el desarrollo de las ciudades
inteligentes, los coches inteligentes y las aplicaciones con servicios biométricos
(wearables deportivos). De esta manera, a través de estas APIs que sirven de
“traductor” entre sistemas para compartir información, es factible conectar la
pulsera que controla la actividad física con el Smartphone y a su vez, con el
coche a través de una aplicación específica que gestiona la marca del vehículo.
Es esta asociación de sistemas la que permite el “mundo conectado”.
Fuente: BBVA (9).
Nuevos players en el ecosistema
tecnológico de Big Data: Las APIs y
las Fintech
40
Gráfica 41.
Crecimiento
(Número de
APIs
públicas) .
299
2006
1.263
2009
5.018
2012
13.146
2015

En el apartado de SmartCity se ha habla de cómo las ciudades están cada vez
más conectadas, pero este fenómeno está permeando en el sector de la
automoción y sobre todo en el del hogar, consiguiendo el coche autónomo y la
casa inteligente conectada.
Según un informe de Business Insider, el crecimiento de casas conectadas en
los próximos cinco años será del 67%. A su vez, se estima, según la consultora
IDC, que en el 2019 se estarán comercializando unos 214 millones de wearables
en todo el mundo, con una tasa de crecimiento anual del 28% para los próximos
cinco años (fuente: BBVA). Hoy en día existe más de una treintena de APIs
relacionadas con wearables dentro del mercado, algunas de ellas vinculadas a
grandes marcas del deporte como Adidas, Under Armour o Garmin o
tecnológicas como Google, Microsoft o Samsung.
Las APIs forman parte del avance de las ciudades inteligentes. Son el
componente que sirve de conector para que el Big Data, las SmartCity y el Open
Data se desarrollen y evolucionen.
Por ejemplo, en ciudades como Barcelona o Nueva York existen decenas de
APIs creadas para poder utilizar la información que genera la ciudad, los
ayuntamientos ponen a disposición APIs abiertas para que otras aplicaciones
puedan consultar información relativa a movilidad, sostenibilidad, actividades
del taxi, el transporte público, parques, etc. Barcelona dispone de Sentilo, es una
plataforma de código abierto que permite a terceras personas (empresas y
desarrolladores) acceder a los datos recogidos por los sensores colocados en la
ciudad. Al final es la gran plataforma de Internet de las cosas y creación de
negocio de Barcelona. En el caso de Nueva York, la ciudad cuenta con un portal
exclusivo para programadores con APIs abiertas con datos públicos donde
pueden utilizar información de geolocalización, programación de calendarios
con los eventos de la ciudad, servicios e instalaciones.
Fintech y el Big Data
El concepto FinTech (Financial Technology), se refiere a la forma en la que se
canaliza cualquier tipo de innovación dentro del área de las finanzas, es una
especie de cajón desastre para esta nueva revolución tecnológica dirigido al
mundo financiero, incluyendo otros segmentos como las aseguradoras, las
divisas, las inversiones, los pagos, los créditos, la banca y la gestión de
patrimonios entre muchos otros.
El término de FinTech no es nuevo, lleva utilizándose desde principios de 1990,
lo que ha ocurrido es que ha cobrado mayor protagonismo y relevancia desde
que ha sido declarada por parte de Silicon Valley como la próxima gran “cosa”
que quieren explotar. Esto se nota en la inversión, donde pasamos de 1,8 billones
de dólares de inversión en los últimos cinco años a 19 billones previstos en
inversiones para FinTech en el 2016.
las Fintech
41
Big Data en el
2016,
la entrada a la
Era Cognitiva

Fuente: Citigroup (12).
Fuente: BigPicture.de (13).
De manera natural, el Big Data está tomado protagonismo en todos estos
segmentos, ya que cada vez más se demandan herramientas capaces de
gestionar y analizar grandes volúmenes de datos de transacciones, perfiles de
clientes, consumidores, evolución de los mercados, etc.
Un ejemplo de cómo FinTech está utilizando Big Data es la capacidad de asignar
Scorings (nivel de riesgo) de Crédito personalizados exclusivamente con la
información que cada persona genera en sus redes sociales tipo Facebook y
otras. Hoy en día las agencias de crédito sólo disponen de la información que
consiguen de sus clientes a través de los formularios de inscripción y de la
evolución de sus pagos. El apoyo en esta nueva tecnología contribuye a un
mayor éxito no sólo comercial sino también de gestión que después se convierte
en altos ingresos y grandes beneficios.
las Fintech
42
1,8
Banca
Comercial
2%
Criptomonedas
3%
19
Gráfica 42.
Impulso
inversión en
Finch Tench
2016
($Billions).
Gráfica 43.
Finch Tench
por área de
negocio.
2010-2015
2016
Infraestructura
20%
Pagos
19%
Préstamos
17%
Gestión
Financiera
14%
Inversión
13%
Otros
6%
InsurTech
5%

Las FinTech son empresas que están creadas bajo un concepto muy digital e
innovador, utilizando pocos recursos, pero muy enfocados en conseguir una
clara aportación de valor al mercado, siendo ágiles en los cambios, posibilitando
la adopción de nuevas tecnologías, tendencias o gustos y necesidades de los
clientes de manera muy temprana, muy al estilo startups. Con esta
configuración están introduciéndose en el ecosistema financiero como un
nuevo actor que viene con mucha intención de llevarse parte del negocio
tradicional de la banca, el negocio bancario de la “vieja guardia” está en estos
momentos sufriendo una profunda renovación y en gran medida, es gracias a
las FinTech, organismos rápidos que están dando “nervio”, según dice el Banco
Sabadell, a todo el sector.
En términos económicos es sin duda un factor a tener muy encuentra hoy y en
los próximos años, ya que se estima que puede convertirse en uno de los más
fuertes motores del desarrollo.
Según la consultora PwC, las entidades financieras tradicionales creen que el
fenómeno FinTech podría poner en riesgo el 23% de su negocio actual en los
próximos 5 años.
En 2020, más del 60% de los clientes del sector financiero tradicional
accederá a servicios a través de aplicaciones móviles, al menos, una vez al
mes.
Las cifras en España son todavía pequeñas, pero la “batalla” que están
ofreciendo los grandes impulsores de FinTech en el mundo, están recibiendo
grandes lotes de financiación y a cambio están re-generando el sistema
financiero con un alto volumen de empresas y aplicaciones, productos o
servicios a disposición de la banca digital.
las Fintech
43
Gráfica44.
Mapa de
distribución de
FinTech en el
Mundo.
Big Data en el
2016,
la entrada a la
Era Cognitiva

Según la Asociación Española de FinTech y InsurTech (AEFI), las empresas
FinTech están generando 70.000 puestos de trabajos en Londres, frente a sólo
unos 1.500 en España.
El ecosistema FinTech en España está evolucionando y desarrollándose cada vez
más y mejor, pero las grandes plazas son Reino Unido y Estados Unidos. En
concreto las ciudades de Londres (Reino Unido), San Francisco (EEUU) y Nueva
York (EEUU).
Londres en la actualidad tiene el sector de servicios financieros más grande
del mundo y es por eso que está trabajando fuertemente en posicionarse como
la líder mundial en el desarrollo de FinTech. Desde el gobierno están muy
concienciados de la necesidad de estar alineados con las políticas regulatorias,
llevan desde 2014 trabajando sobre una agenda específica de regulación para
startups que facilite la integración al sistema de estas nuevas compañías,
habilitando de manera ágil la iteración directa con el mercado y los clientes.
Como factores clave para el desarrollo de este tipo de tecnología financiera está
el de la regulación, después la inversión y luego el talento. En este orden, es
Londres quién mejor está apostando con un sistema regulatorio específico para
el desarrollo de esta tecnología, pero a nivel de inversión es Estados Unidos
quién lidera con una inversión de aproximadamente 6.500 millones de
dólares, entre California y Nueva York, mientras que el siguiente sería Reino
Unido con apenas 650 millones.
En cuanto a la gente empleada en FinTech, entre California, Reino Unido y
Nueva York generan unos 192.000 puestos de trabajo, luego las siguen
Alemania (13.000), Australia (10.000), Hong-Kong (8.000) y Singapur (7.000).
las Fintech
44
Fuente: Open Data Barometer 2016 (11).
Talento
Disponibilidad de Talento
Reservas de Talento
2
1
3
4
6
5
7
Puntos totales
2
1
3
4
6
5
7
Demanda
Consumidores/Empresas
Fondos
2
1
3
4
6
5
7
Capital
Inicial
Crecimiento Social
3
1
2
7
4
5
6
Políticas
Condicionamiento regulatorio
Programas de gobierno
Política de impuestos
3
1
2
7
4
5
6
Región
Reino Unido (UK)
California (CA)
Nueva York (NY)
Singapur (SG)
Alemania (DE)
Australia (AU)
Hong Kong (HK)
Tabla 7.
Ranking 2015
por
características
dentro del
ecosistema.

Son las FinTech una de las áreas con más desarrollo y más impacto en la
evolución de la adopción de Big Data. Según la revista The FinTech50 2016,
algunas de las FinTech más interesantes y atractivas en este momento en
Europa son:
las Fintech
45
Tabla8. eToro
Trading social
etoro.com
Monzo
a bank as smart as
your phone
monzo.com
Klarna
Simpliﬁcando las
compras y las ventas
klarna.com
Moo.la
Online investement
Manager
moo.la
iZettle
Imaginando un mundo
sin monedero
izettle.com
OptioPay
Plataforma de pagos
online
optiopay.com
LendInvest
Marketplace para
Hipotecas
Crowdfunding
ledinvest.com
Blockchain
Tu puedes ser tu
propio banco
blockchain.com
Big Data en el
2016,
la entrada a la
Era Cognitiva

IDC estima que el universo digital alcanzará los 40 zettabytes (ZB) en 2020.
Para poner este número en perspectiva, consideramos que 40 ZB es igual a 57
veces la cantidad de todos los granos de arena en todas las playas de la tierra.
Toda esta información impulsada por el rápido crecimiento de los dispositivos
móviles y las redes sociales, ha acelerado la necesidad de diseñar sistemas que
ayuden a las personas a tomar decisiones, sobre todo intentando que piensen
como ellas. De aquí el crecimiento y la aplicación de la informática cognitiva.
Ahora es casi humanamente imposible sacar rendimiento al volumen tan
creciente y a la velocidad que está avanzando. Esta situación está forzando a los
sistemas cognitivos a avanzar más rápido en la escalabilidad y capacidad de sus
capacidades.
Para el 2017 se espera que el volumen de datos que se genere por las industrias
crezca por encima del 90%, siendo aproximadamente el 85% datos no
estructurado. Esto provoca que la mayoría de estos datos (80%) van a ser
invisibles para los procesos de computación actuales y por este motivo,
inservibles. Por ejemplo, en el sector bancario, en Estados Unidos se registraron
73,9 bn de transacciones realizadas por tarjetas de crédito, tan sólo el 0,5% de
estos datos pudieron ser analizados.
“El uso de la computación cognitiva será el mayor diferenciador para las empresas
en los próximos años”. Ginni Rometty (CEO IBM).
Como ya adelantábamos en el informe de investigación sobre Big Data del año
pasado ( (Big Data 2016 in a nutshell), la computación cognitiva estaba
mostrando una fuerte tendencia para posicionarse como la fuente principal de
consulta y análisis de Big Data.
La computación cognitiva, deﬁnitivamente ha llegado, ya es una realidad que
está generando resultados dejando atrás las exposiciones y experimentos. La
computación cognitiva está facilitando la aparición de una nueva clase de
productos y servicios que perciben, razonan y aprenden sobre sus usuarios y el
mundo que los rodea. Esto ya está ocurriendo en industrias como la automotriz,
la medicina, los hospitales, el gobierno, los medios de comunicación, los juegos,
la fabricación, los viajes, la ingeniería, el derecho, los productos farmacéuticos y
la ciencia.
A medida que la informática cognitiva se convierte en parte de nuestro
mundo cotidiano, tiene el potencial de redeﬁnir radicalmente la vida
cotidiana, cambiando cómo las empresas ofrecen sus productos y servicios, se
involucran e interactúan con los clientes, aprenden y toman decisiones.
Era Cognitiva
46

Según IBM, el 78% de los ejecutivos terminarán gestionando sus negocios
conjuntamente con máquinas inteligentes. Para las empresas, el análisis del
Big Data es un eje principal para la generación de valor en sus propuestas de
negocio. Si bien al principio, las capacidades en el análisis de datos servían
fundamentalmente para localizar o describir situaciones que habían acontecido
en el pasado y eso ya fue un logro y un gran avance para la empresa, ya que
podía tomar decisiones más precisas cerciorándose de las cosas que habían
pasado. Ahora estamos en el último nivel, hasta ahora de esta cadena, el análisis
cognitivo propone a las empresas elevar al máximo nivel su toma de decisiones,
en este mundo actual, digital, tan competitivo, las empresas ya no se conforman
con saber lo que ha pasado, ahora necesitan saber lo que va a pasar en el futuro
para cobrar ventaja sobre sus competidores. La evolución tecnológica ha llevado
a las empresas a buscar una nueva forma de diferenciación ya que el mero
hecho de “ser tecnológicas” ya no es suficiente, ya que todas están en
situaciones muy parecidas a este respecto. Necesitan dar un paso más y buscar
esa diferenciación, la computación cognitiva está mostrándose como la
principal palanca para avanzar en este reto.
Ha sido IBM el que con Watson se ha posicionado en una posición de liderazgo a
este respecto, la compañía lleva más de 10 años evolucionando el concepto
hasta llegar a hoy donde ha dejado de ser un instrumento de experimentación
para convertirse en una herramienta fundamental para “ir más allá” en el
entendimiento y procesamiento del Big Data, aunque también el resto de líderes
como Amazon, Microsoft o Apple están contribuyendo notablemente al
posicionamiento y expansión de esta tecnología.
El avance de la tecnología y sobre todo la necesidad de aprovechar el Big Data
está facilitando a las empresas nuevos ejes de desarrollo para ser más
competitivos; acercarse lo más que puedan al cliente y conseguir su confianza,
buscar la forma de innovar para generar nuevas formas de progreso para el
negocio y tomar decisiones que conduzcan al éxito de una manera más
eficiente.
Era Cognitiva
47
Tabla9. Tipo de análisis
Cognitivo
Prescriptivo
Predictivo
Descriptivo
Sistema de análisis
Cognitivo
Optimización estocástica
Optimización
Modelización
Simulación
Proyección
Alerta
Análisis
Descubrimiento
Informe
Tipo de Respuesta
Dime el mejor camino que va a tomar esta acción
¿Cuál es la mejor opción en términos de volatilidad?
¿Cómo podremos conseguir el mejor resultado?
¿Qué ocurrirá si…?
¿Qué podría pasar?
¿Qué pasa si esta tendencia continúa?
¿Qué acciones son necesarias?
¿Cuál es exactamente el problema?
¿Cuántos, con qué frecuencia, dónde?
¿Qué ocurrió?
Big Data en el
2016,
la entrada a la
Era Cognitiva

Según un informe elaborado por IBM, el 79% de los ejecutivos familiarizados con
la computación cognitiva en el sector Banca, el 84% en Salud, el 87% en el Sector
Público, el 91% en Retail, y un 95% en el sector Asegurador, consideran que este
tipo de análisis va a jugar un papel determinante en el futuro. En todos los casos
el porcentaje es muy alto, destacando el sector Asegurador y Retail como los que
mejor lo consideran.
En términos de acciones concretas, todos los sectores declaran con porcentajes
mayores al 50% que su relación con el cliente o la forma en la que ofrecen
servicios que ayuden a la generación de confianza, podrían mejorar. En
cuanto a la investigación o trabajo de búsqueda de ideas innovadoras, todos
coinciden con porcentajes mayores al 60% que su problema está en encontrar
personal suficientemente cualificado y en obtener referencias o casos de uso
anteriores para ayudarles a trabajar los modelos de análisis. En cuanto a la toma
de decisiones, el porcentaje de ejecutivos que piensan que no se sienten
conformes con la eficacia y eficiencia con la que toman las decisiones relativas a
análisis de costes o a la operación del día a día, es superior al 60%.
El volumen de información, la forma en la que se recoge la información, que en
su mayoría es de forma no estructurada y la falta de personal cualificado para
administrar y procesar la información, están empujando a las empresas hacia la
computación cognitiva.
Por ejemplo, dentro del sector Asegurador, aunque ya es común para todos los
sectores, se está avanzando en el desarrollo de los nuevos puntos de contacto del
cliente o antiguos contact centers para que, con el uso de la computación
cognitiva, puedan atender a los clientes y gestionar su servicio de atención
directamente desde la computación, a través de una máquina o robot. Estos
nuevos sistemas cognitivos están constituidos por un conjunto de aplicaciones
o APIs diseñadas específicamente para resolver cada uno de las situaciones que
se desencadenan en el proceso. Sistemas que trabajan la Visión, la Conversación,
el Lenguaje, el Conocimiento o Aprendizaje, las Búsquedas, y otros más. En el
caso del robot o sistema que están implantando para realizar el servicio de
atención al cliente, los sistemas aprenden sobre la forma de hablar de cada uno
de los clientes y a su vez analiza, en tiempo real, cómo se va desarrollando la
conversación realizando búsquedas de patrones ya creados y utilizando
analogías. El sistema con cada conversación aprende y esto hace que a medida
que van realizando intervenciones el sistema es cada vez más preciso. En este
ajuste participan los ingenieros que van modelando o ajustando la “máquina de
aprendizaje” para que el robot sea cada vez más preciso y a la vez esté más
alineado con los intereses de la compañía.
A continuación, se muestra una imagen extraída del informe que genera la
aplicación de análisis del tono de voz de Watson durante una conversación vía
chat con un cliente. Este servicio también se utiliza para analizar un email,
incluso una nota de prensa o comunicación corporativa.
Era Cognitiva
48

Según IBM, el 78% de los ejecutivos terminarán gestionando sus negocios
conjuntamente con máquinas inteligentes. Para las empresas, el análisis del
Big Data es un eje principal para la generación de valor en sus propuestas de
negocio. Si bien al principio, las capacidades en el análisis de datos servían
fundamentalmente para localizar o describir situaciones que habían acontecido
en el pasado y eso ya fue un logro y un gran avance para la empresa, ya que
podía tomar decisiones más precisas cerciorándose de las cosas que habían
pasado. Ahora estamos en el último nivel, hasta ahora de esta cadena, el análisis
cognitivo propone a las empresas elevar al máximo nivel su toma de decisiones,
en este mundo actual, digital, tan competitivo, las empresas ya no se conforman
con saber lo que ha pasado, ahora necesitan saber lo que va a pasar en el futuro
para cobrar ventaja sobre sus competidores. La evolución tecnológica ha llevado
a las empresas a buscar una nueva forma de diferenciación ya que el mero
hecho de “ser tecnológicas” ya no es suficiente, ya que todas están en
situaciones muy parecidas a este respecto. Necesitan dar un paso más y buscar
esa diferenciación, la computación cognitiva está mostrándose como la
principal palanca para avanzar en este reto.
Ha sido IBM el que con Watson se ha posicionado en una posición de liderazgo a
este respecto, la compañía lleva más de 10 años evolucionando el concepto
hasta llegar a hoy donde ha dejado de ser un instrumento de experimentación
para convertirse en una herramienta fundamental para “ir más allá” en el
entendimiento y procesamiento del Big Data, aunque también el resto de líderes
como Amazon, Microsoft o Apple están contribuyendo notablemente al
posicionamiento y expansión de esta tecnología.
El avance de la tecnología y sobre todo la necesidad de aprovechar el Big Data
está facilitando a las empresas nuevos ejes de desarrollo para ser más
competitivos; acercarse lo más que puedan al cliente y conseguir su confianza,
buscar la forma de innovar para generar nuevas formas de progreso para el
negocio y tomar decisiones que conduzcan al éxito de una manera más
eficiente.
Era Cognitiva
49
Tabla9. Tipo de análisis
Cognitivo
Prescriptivo
Predictivo
Descriptivo
Sistema de análisis
Cognitivo
Optimización estocástica
Optimización
Modelización
Simulación
Proyección
Alerta
Análisis
Descubrimiento
Informe
Tipo de Respuesta
Dime el mejor camino que va a tomar esta acción
¿Cuál es la mejor opción en términos de volatilidad?
¿Cómo podremos conseguir el mejor resultado?
¿Qué ocurrirá si…?
¿Qué podría pasar?
¿Qué pasa si esta tendencia continúa?
¿Qué acciones son necesarias?
¿Cuál es exactamente el problema?
¿Cuántos, con qué frecuencia, dónde?
¿Qué ocurrió?
Big Data en el
2016,
la entrada a la
Era Cognitiva

Según un informe elaborado por IBM, el 79% de los ejecutivos familiarizados con
la computación cognitiva en el sector Banca, el 84% en Salud, el 87% en el Sector
Público, el 91% en Retail, y un 95% en el sector Asegurador, consideran que este
tipo de análisis va a jugar un papel determinante en el futuro. En todos los casos
el porcentaje es muy alto, destacando el sector Asegurador y Retail como los que
mejor lo consideran.
En términos de acciones concretas, todos los sectores declaran con porcentajes
mayores al 50% que su relación con el cliente o la forma en la que ofrecen
servicios que ayuden a la generación de confianza, podrían mejorar. En
cuanto a la investigación o trabajo de búsqueda de ideas innovadoras, todos
coinciden con porcentajes mayores al 60% que su problema está en encontrar
personal suficientemente cualificado y en obtener referencias o casos de uso
anteriores para ayudarles a trabajar los modelos de análisis. En cuanto a la toma
de decisiones, el porcentaje de ejecutivos que piensan que no se sienten
conformes con la eficacia y eficiencia con la que toman las decisiones relativas a
análisis de costes o a la operación del día a día, es superior al 60%.
El volumen de información, la forma en la que se recoge la información, que en
su mayoría es de forma no estructurada y la falta de personal cualificado para
administrar y procesar la información, están empujando a las empresas hacia la
computación cognitiva.
Por ejemplo, dentro del sector Asegurador, aunque ya es común para todos los
sectores, se está avanzando en el desarrollo de los nuevos puntos de contacto del
cliente o antiguos contact centers para que, con el uso de la computación
cognitiva, puedan atender a los clientes y gestionar su servicio de atención
directamente desde la computación, a través de una máquina o robot. Estos
nuevos sistemas cognitivos están constituidos por un conjunto de aplicaciones
o APIs diseñadas específicamente para resolver cada uno de las situaciones que
se desencadenan en el proceso. Sistemas que trabajan la Visión, la Conversación,
el Lenguaje, el Conocimiento o Aprendizaje, las Búsquedas, y otros más. En el
caso del robot o sistema que están implantando para realizar el servicio de
atención al cliente, los sistemas aprenden sobre la forma de hablar de cada uno
de los clientes y a su vez analiza, en tiempo real, cómo se va desarrollando la
conversación realizando búsquedas de patrones ya creados y utilizando
analogías. El sistema con cada conversación aprende y esto hace que a medida
que van realizando intervenciones el sistema es cada vez más preciso. En este
ajuste participan los ingenieros que van modelando o ajustando la “máquina de
aprendizaje” para que el robot sea cada vez más preciso y a la vez esté más
alineado con los intereses de la compañía.
A continuación, se muestra una imagen extraída del informe que genera la
aplicación de análisis del tono de voz de Watson durante una conversación vía
chat con un cliente. Este servicio también se utiliza para analizar un email,
incluso una nota de prensa o comunicación corporativa.
Era Cognitiva
50

Fuente: Watson tone-analyze.
Otros ejemplos de cómo la computación cognitiva está ayudando a las
empresas, es el caso de Red-Bull y Knorr. En Red-Bull se realiza un estudio del
comportamiento de cada atleta en cuanto a hábitos de compra y usos de las
redes sociales para después realizar Workshops donde se ponen de manifiesto
los resultados y se preparan las acciones para conseguir mayor número de fans
o mayor conversión en sus apariciones públicas. El gigante Unilever diseñó una
campaña para recoger el gusto de cada una de las personas que se conectaba a
la página web a cambio de una receta, el resultado del estudio determinó cuál es
el gustó más común y la correlación entre regiones, una información muy
valiosa para diseñar sus futuras acciones comerciales y rediseño de productos
(myflavour.knorr.com).
Otro ejemplo de cómo “un grande” como Google está apostando por este tipo de
tecnología es su propuesta Google Deepmind, una compañía dedicada al
estudio e investigación sobre tecnologías relacionadas con la Inteligencia
Artificial y Cognitiva.
Era Cognitiva
51
Gráfica45.
Evolución de la
disponibilidad
online de los datos
y el Open data.
Big Data en el
2016,
la entrada a la
Era Cognitiva

Uno de sus trabajos que más pueden llamar la atención a este respecto, es su
sistema de lectura de labios. El sistema de inteligencia artiﬁcial fue entrenado
usando unas 5.000 horas a partir de seis programas de televisión diferentes,
incluyendo el programa de la BBC, BBC Breakfast y los turnos de preguntas. En
total, los vídeos contenían 118.000 frases. El sistema fue entrenado por
investigadores de Google Deepmind y de la Universidad de Oxford
conjuntamente durante 5 años, el resultado hoy es que el sistema superó
ampliamente a un profesional de lector de labios que trató de descifrar 200 clips
seleccionados al azar a partir del conjunto de datos. El profesional consiguió un
porcentaje de un 12,4% de palabras sin ningún error, mientras que el sistema de
inteligencia artiﬁcial, consiguió 46,8%.
Era Cognitiva
52

Big Data se convierte en un motor clave para el desarrollo de la
economía
La agitación económica, social e industrial está abocando a prácticamente todos
los sectores empresariales a un cambio histórico sin precedente. Son muchas las
empresas que están luchando con márgenes muy comprimidos y con la
reevaluación de sus modelos de negocio tradicionales que, en algunos casos, ya
no generan beneficios. Además, los clientes cada vez son más expertos y
exigentes, obligados, a la vez, a dar respuesta a una cada vez más creciente
competencia por parte de nuevos competidores. Este es el desafío de las
empresas frente a la Transformación Digital.
Son las iniciativas de Big Data las que están ayudando a las empresas a afrontar
el desafío y definir un nuevo ecosistema empresarial ya totalmente basado en la
tecnología y en los datos.
Los datos del 2016 son alentadores. Las empresas (48,4%) están comenzando a
obtener resultados medibles y a reconocer sus beneficios gracias al Big Data.
Más del 80% de los empresarios consideran que sus inversiones en Big Data han
sido exitosas. Casi el 70% de las empresas, consideran que el Big Data es muy
importante, incluso crítico para conseguir buenos resultados en su negocio. La
mitad de las empresas de todo el mundo ven al Big Data como una gran
oportunidad. Son ya el 95% de empresas que ha reconocido haber realizado
alguna inversión en Big Data.
Aunque quizás el desarrollo acelerado del resto de tecnologías paralelas, como el
Internet de las Cosas (IoT), las SmartCity y el Open Data, es el que está
posicionando al fenómeno de Big Data en el asunto a tratar más relevante por
parte de todo el ecosistema empresarial.
Ya está creada la brecha entre el mundo físico y el nuevo
mundo digital
Con la evolución del IoT se pretende una total digitalización del mundo
físico. En 2020, 50,1 millones de “cosas” estarán conectadas y tendrán un cierto
nivel de inteligencia. Ciudades como Singapur, la SmartCity número uno este
año, son ya prácticamente inteligentes llenando las ciudades de sensores y
sistemas inteligentes que luego permiten al gobierno y también a los
ciudadanos disponer de una fuerte palanca para su desarrollo.
53
Big Data en el
2016,
la entrada a la
Era Cognitiva

Fuente: European Comision, Digital ScoreBoard.
Existen grandes problemas para satisfacer la demanda de
talento digital
Los grandes retos que deben superar las empresas para un mayor
aprovechamiento del Big Data y evitar una contracción grave del crecimiento
son:
• Designar a una persona que sea capaz de liderar el cambio cultural para
integrar en toda la empresa la necesidad y el beneficio de adoptar una
cultura dirigida al control y uso de los datos. Los datos son ya el carburante
que hace avanzar a las empresas, ahora es el momento de elegir a quién debe
conducir y guiar la nave. La resistencia al cambio, la falta de visión, las
dificultades para conseguir recursos adecuados y el desconocimiento son las
principales barreras que el nuevo líder debe afrontar y redefinir para
completar la agenda que consiga resultados en la situación empresarial
actual.
54
Gráfica 46.
Nivel de
competencias
digitales
(individuos) en la
Unión Europea.

55
• Conseguir talento capaz. Los profesionales del Big Data son un recurso muy
escaso, el reto para las empresas es contribuir a la generación de talento
cualificado. Esto supone ir más allá de las acciones tradicionales ya que la
velocidad cómo está evolucionando la tecnología obliga a adoptar medidas
de urgencia. Es notable que los profesionales que pueden estar formados en
los centros académicos tradicionales como las Universidades no es suficiente
para cubrir la demanda, ni cuantitativa ni cualitativamente. Es preciso un
gran pacto empresarial y académico para generar un nuevo ecosistema
educativo que dé respuesta a la demanda con la misma velocidad con la que
avanza la tecnología. Cursos específicos, nuevos centros de especialización,
escuelas de mentores, en definitiva, nuevas empresas más ligeras al modo
startups en las que las grandes empresas puedan asociarse para gestionar la
creación y desarrollo del talento. De otra manera, es posible que el desarrollo
económico que se espera gracias al fenómeno de Big Data, no llegue a
consumarse por falta de personal cualificado.
Trabajar y hablar con robots que piensan y actúan como
humanos ya es una realidad
El paso adelante lo ha dado la evolución de los sistemas cognitivos y el avance de
los dispositivos conectados para recibir y procesar los datos con muy buena
calidad. Hoy, en 2016 el hombre ya está hablando con la máquina, y la maquina
está hablando con la máquina, ya existen sistemas inteligentes que toman
decisiones automáticamente, aprendiendo del cerebro humano, pero de manera
autónoma. Podemos empezar a pensar en cómo vamos a convivir con los robots,
ya son una realidad, es muy probable que todas las dificultades que están
teniendo las empresas para asimilar y procesar los grandes volúmenes de datos,
se gestionen a través de los nuevos sistemas cognitivos. En Estados Unidos una
persona ciega utiliza unas gafas llenas de sensores que son capaces de
proporcionarle información suficiente como para imaginarse las imágenes y
mantener una vida sin tantas limitaciones y muy similar a la de una persona
vidente. Estructuras robóticas que ayudan a las personas a cubrir problemas de
movilidad físicos o simplemente que ayudan a elevar el nivel de competencia a
un nivel superior, ya sea física como mentalmente, utilizando soportes de
procesamiento paralelo para búsquedas de información.
Big Data en el
2016,
la entrada a la
Era Cognitiva

Dentro de la era cognitiva yo ya imagino a las personas empoderadas con todo
tipo de mecanismos tecnológicos que la habiliten como súper-humanos.
Exoesqueletos que te permitan descansar mientras sigues avanzando, haciendo
la carrera prácticamente inﬁnita, un casco con interfaz Watson que me permite
procesar información en paralelo mientras mantengo una conversación. Ya no
hará falta contar con varios expertos en el departamento, una persona podrá
hacer el trabajo de varios, tendrá acceso al conocimiento y dispondrá de la
ayuda física para resistir. Esto ya es posible, ¿qué será todo lo que queda por
venir?
56

Big Data
• NortonWorks. 2016 Big Data Maturity Survey 2016.
• IDG. Data & Analytics Survey 2016.
• Comisión Europea. Standardisation in the area of innovation and technological
development, notably in the ﬁeld of Text and Data Mining.
• SimpliLearn. Data Science salary report.
• European Parliamentary Research Service. Digital Skills in the EU labour Market.
• PwC. PwC's Global Data and Analytics Survey 2016: Big Decisions.
• Clutch. Business Intelligence Data Analytics Survey 2016: Types of Data Businesses
Value.
• MIT Technology Review. MIT study: Data-driven decisions mean higher productivity,
proﬁts.
• McKinsey’s. Big data: Getting a better read on performance
• Tableau. Top Ten Big Data trends for 2017.
• MIT Center for Information Systems Research. Connecting the Dots for Successful IoT.
• European SmartCity Ranking 2016 (http://www.smart-cities.eu/ranking3.html)
• Singapur OneMap (https://www.onemap.sg/index.html)
• McKinsey’s. Making data analytics work: Three key challenges
• PwC. 20th CEO Survey - PwC Global (http://www.pwc.com/gx/en/ceo-agenda/ceosur-
vey/2017/es)
• NewVantage Partners (NVP). Big Data Executive Survey 2016( http://newvantage.-
com/wp-content/uploads/2016/01/Big-Data-Exe-
cutive-Survey-2016-Findings-FINAL.pdf)
• Det Norske Veritas - Business Assurance: Are you able to leverage big data to boost
your productivity and value creation? – Apr2016
• MIT Sloan Review. Variety, Not Volume, Is Driving Big Data Initiatives. March 28, 2016
IoT
• Comisión Europea, Documento de Trabajo de Servicios de la Comisión. El avance de
Internet de las Cosas en Europa.
• Open Data Research Symposium 2016. Patrick Bergemann and Sheena Iyengar. The
Economic Impact of Open Data.
• MIT. Internet of Things | MIT Sloan Management Review (http://sloanreview.mit.edu/-
tag/internet-of-things/)
• Forbes. Ranking The World's 'Smartest' Cities (22 enero 2017).
• CompTIA. INTERNET OF THINGS INSIGHTS AND OPPORTUNITIES (Full Report July 2016)
• IHS Markit. IoT trend watch 2017.
Referencias
57
Big Data en el
2016,
la entrada a la
Era Cognitiva

Referencias
58
• IERC (European Research Cluster on Internet of Things). Internet of Things and
Applications, 2015.
• Data & Society Research Institute. MAKING SENSE OF THE NEW URBAN SCIENCE
• Ioti. The World’s 5 Smartest Cities (http://www.ioti.com/smart-cities/world-s-5-smar-
test-cities)
• Open Data Barometer 2016 (http://opendatabarometer.org/data-explorer/?_-
year=2015&indicator=ODB)
• PAe (Portal Administración Electrónica de España). España, líder europeo en madurez
open data en 2016
• European Data Portal. International Open Data Roadmap - European Data Portal -
European Data Portal (https://www.europeandataportal.eu/en/content/internatio-
nal-open-data-roadmap)
APIs y FinTech
• BBVAOpen4U. Big Data en el ecosistema ‘fintech’
• PwC. FinTech 2016
• BBVAOpen4U. Infografía: ¿Qué es una API?( https://bbvaopen4u.com/es/actualida-
d/infografia-que-es-una-api)
• The FinTech50 2016 (https://issuu.com/fintechcity/docs/ft50_16_spreads_lo)
• Big Picture (http://big-picture.de)
• Money 2020 (https://www.money2020.com)
• Ayuntamiento de Barcelona (http://ajuntament.barcelona.cat/estrategiadigital/es)
Era Cognitiva
• McKinsey’s. McKinsey's 2016 Analytics Study Defines The Future Of Machine Learning.
• IBM Institute for Business Value. El futuro cognitivo de la banca y los mercados
financieros, del Sector Público, del Retail, de la Telcos y de las aseguradoras.
• IBM Institute for Business Value. El futuro cognitivo del Retail.
• IBM Institute for Business Value. El futuro cognitivo de la banca del Sector Público.
• IBM Institute for Business Value. El futuro cognitivo de la banca de la Telcos.
• IBM Institute for Business Value. El futuro cognitivo de las aseguradoras.

Informe OBS: Big Data 2016

Más contenido relacionado

La actualidad más candente (18)

Similar a Informe OBS: Big Data 2016 (20)

Más de OBS Business School (20)

Último (20)

Informe OBS: Big Data 2016