Informe sobre Big Data - Cotec

GENERACIÓN
DE TALENTO
BIG DATA
EN ESPAÑA

All rigths reserved © 2017
FUNDACIÓN COTEC PARA LA INNOVACIÓN
Calle Velázquez, 24, 2º derecha.
28001 Madrid
www.cotec.es
Diseño y maquetación:
www.dandelia.net

PRESENTACIÓN 5
RESUMEN EJECUTIVO 7
1. INTRODUCCIÓN 17
2. ANÁLISIS DE SITUACIÓN Y NECESIDAD DE TALENTO BIG DATA 20
2.1. Entendimiento del contexto: ¿qué significa Big Data? 20
2.1.1. Teléfonos inteligentes 21
2.1.2. Datos abiertos 22
2.1.3. Internet de las cosas 22
2.1.4. Ciudades inteligentes 23
2.2. Big Data como generador de valor económico 25
2.3. Marco para el desarrollo de la economía Big Data 27
2.4. Análisis de la evolución del mercado Big Data 31
2.5. El desarrollo de talento Big Data como factor clave de éxito 35
3. REFERENCIAS INTERNACIONALES 50
3.1. Zonas geográficas o países de referencia (madurez tecnológica) 54
3.1.1. Relación de países a tener en cuenta 56
3.1.2.CasoQuebec:transformacióndelaregiónencentrodeactividad/ejedeactividadinternacionaldeBigData 60
3.1.3. Diferentes visiones para el sector privado y el sector público 62
3.1.4. Caso: Prevención de delitos utilziando BigData y sistemas de aprendizaje automático 63
3.1.5. Seguridad y privacidad de los datos 64
3.2. Principales referencias en educación y formación 64
3.2.1. Formación universitaria y otros programas de formación 64
3.2.2. Certificados en Big Data 69
3.2.3. Massive Open Online Courses (MOOCs) 69
3.2.4. Cursos Big Data impartidos por profesionales (de forma gratuita y de pago) 71
3.3. Principales referencias en atracción y retención del talento 71
3.3.1. El reto desde el punto de vista salarial para atraer y retener talento 72
3.3.2. El reto desde el prisma de la formación y nivel educativo del talento 73
3.3.3. Caso Telefónica: una organización orientada al dato 75
3.3.4. Caso Ferrovial: desarrollando capacidades Big Data y de analítica avanzada 76
3.3.5. Caso ArcelorMittal España: enfrentándose al reto de atraer y retener talento 76
3.3.6. Caso Walmart: jugando a despertar la curiosidad de los candidatos 77
3.4. Principales conclusiones 78
4. PLAN Y RECOMENDACIONES 2016 – 2020 79
4.1. Impulsar la generación de talento desde la formación 79
4.1.1. Desde la formación en primaria hasta la universitaria 79
4.1.2. Formación por perfil profesional 84
4.2. Generación de talento en las entidades privadas 87
4.2.1. Indicadores de la cultura del dato 87
4.2.2. Formación interna en las organizaciones 89
4.2.3. Propuesta de acciones desde el sector empresarial en España 89
4.3. Desarrollo tecnológico y la compartición de contenidos 90
4.3.1. I+D en torno a la economía del dato 90
4.3.2.Redesycomunidadesdeconocimientonacionaleseinternacionalesycentrosdeactividaddeinnovación 93
4.3.3. Generación de talento en redes y comunidades de conocimiento 94
4.4. Generación de talento en la Administración Pública 96
4.5. Acciones desde la Administración Pública y relación con entidades privadas 97
4.6. Priorización 99
PATICIPANTES EN LA ELABORACIÓN DE ESTE INFORME 105
Índice

Presentación
La revolución digital que empezó a gestarse en los años 60 del siglo pasa-
do, promete contribuir extraordinariamente al crecimiento económico y a
la transformación de la sociedad. En el centro de esta revolución se sitúa la
disponibilidad masiva de datos - el Big Data - alimentada por el intercambio
intensivo de información en la Red al que se han sumado en los últimos
años los teléfonos inteligentes, el internet de las cosas, las ciudades inteli-
gentes y los datos abiertos.
Los datos, considerados por algunos como el petróleo del siglo XXI, se van a
convertir en la energía que ayudará a mantener en marcha todo el sistema.
Se está preparando un mundo que podrá entenderse en clave de datos, y
al que sin embargo, todavía le faltan los profesionales para su desarrollo, y
consumidores y ciudadanos que entiendan las implicaciones del uso masivo
de datos, y reconozcan su valor y oportunidades.
Este informe presenta una amplia revisión de recientes análisis sobre la situa-
ción y perspectivas del mercado de Big Data, análisis que se complementa con
una descripción de algunas de las mejores prácticas internacionales de crea-
ción y cualificación de perfiles en este ámbito. Todo ello ha servido de base
para la formulación de un conjunto de recomendaciones para la generación de
talento Big Data en España, tanto desde el sistema educativo, como desde las
empresas y las administraciones públicas.
Este documento se ha desarrollado en el seno del Grupo de Trabajo de Big
Data de Cotec, coordinado por Telefónica. Desde Cotec queremos manifes-
tar nuestro agradeciemiento a todos sus miembros, así como a los expertos
que desde diversas organizaciones han colaborado con su experiencia al
desarrollo de este ambicioso estudio y en la formulación de sus principales
conclusiones. Gracias a todos por compartir con nosotros vuestra visión so-
bre el talento de Big Data en España.
Fundación Cotec,
Abril de 2017

Resumen ejecutivo
En el tiempo que se tarda en leer esta línea se han enviado 200 millones
de correos, se han tecleado dos millones de búsquedas en Google, se han
subido 50 horas de vídeo a YouTube y se han realizado ventas por valor de
170.000 euros en Amazon. Un minuto de rastro virtual equivale ya a millo-
nes de datos. Los datos ya han sido bautizados como el petróleo del siglo
XXI. Los necesitan todas las grandes empresas para funcionar y, en poco
tiempo, también nosotros, nuestros coches y nuestras casas. La información
aislada de cada uno tiene escaso valor, pero cuando se agrega a la de otros
miles de millones de personas, objetos y ciudades, se convierte en un teso-
ro. Ese tesoro recibe el nombre de Big Data (datos masivos, en su traducción
al castellano). Saber aprovecharlo es el talento Big Data.
Con cada dispositivo que se une a la Red aumenta el flujo de datos. Ahora, la
mayoría son personas y teléfonos móviles, pero progresivamente será todo
aquello que cuente con un sensor: desde aspersores hasta cerraduras. Algunos
pronósticos anuncian que se generarán 170 exabytes al mes en 2019. Toda la
información que hay actualmente en Internet ocupa menos de 0,01 exabyte.
Los Gobiernos y las empresas se asoman a una época en la que la fuente de
riqueza no está en pozos ni yacimientos, pero para la que se necesitan igual-
mente extractores. Profesionales que sepan encontrar el oro en los océanos
de datos en texto, imágenes, sonido y vídeo. Perfiles que construyan los
instrumentos para analizar, si es necesario en tiempo real, esta heteroge-
neidad de información. Y figuras que sepan hacer las preguntas correctas:
¿qué queremos encontrar? Todos ellos son ejemplos de un talento que se
necesita, pero que todavía no está disponible. La prioridad de los países es
comenzar a generarlo.
¿Qué incluye realmente Big Data?
A pesar de ser un concepto reciente, Big Data nace con el nuevo siglo y
la llegada de Internet. Las empresas pioneras de la Red, Google, Facebook,
Amazon y Netflix, entre otras, invierten desde el año 2000 ingentes cantida-
des de fondos para poder analizar el rastro digital que dejan los usuarios y
consumidores en Internet. Se convierten, así, en las precursoras en el análi-
sis y aprovechamiento de los nuevos datos digitales. Su innovación analítica
y su exitoso modelo de negocio fueron detonantes para la eclosión de una
tecnología que ahora comienza a abarcar todos los sectores de la sociedad.
Así, la Red se consolidó en puerto y autopista de los datos. Un papel que
todavía mantiene, pero que debe compartir con otros dinamizadores recién
llegados de la última parte de la revolución digital: el teléfonos inteligentes,
el Internet de las cosas (los aparatos conectados a la Red), las ciudades inte-
ligentes y los datos abiertos. De ahora en adelante, los datos no se crearán
únicamente al abrigo de Internet, sino que se generarán cada minuto que
usemos el teléfono, cada vez que la nevera inteligente envíe una señal para
avisar de que falta leche, cada noche que las farolas inteligentes decidan
cuándo alumbrarse o en cada ocasión que un Gobierno decida compartir
los datos sobre el tráfico de la ciudad. Las posibilidades se multiplican, se
vuelven infinitas, y con ellas las oportunidades.

Resumen ejecutivo8
¿Cuál es la importancia
actual del Big Data?
¿Qué papel va a tener en
el futuro próximo?
El impacto actual del Big Data es tan amplio como su
transversalidad. Se considera una palanca de valor para
el PIB de países, empresas, ámbitos económicos e inclu-
so para la calidad de vida de los ciudadanos. Un informe
de la compañía de investigación de mercados IDC apun-
ta a que los ingresos alrededor de los datos y su análi-
sis crecerán desde 122 mil millones de dólares en 2015
hasta más de 187 mil millones de dólares en 2019. Es
decir, aumentará más del 50% en menos de cinco años.
Es complejo identificar, de forma precisa, el volumen del
mercado Big Data porque su análisis debe incluir cual-
quier aspecto relacionado con la producción, procesa-
miento, consumo y monetización de los datos junto a
los bienes y servicios que produce. Así como cualquier
impacto directo, indirecto o inducido. Pero el pronóstico
es coincidente: es un mercado que no deja de crecer.
Un estudio de la Omidyar Network, una red de inversión
filantrópica, ya establecía en 2014 que las políticas de
datos abiertos podían aumentar los ingresos de los paí-
ses del G20 entre 700 y 950 mil millones de dólares al
año. Algunos de los beneficios provenían de la reducción
de la corrupción gracias a la transparencia, de las me-
jores condiciones en el lugar de trabajo, de la mayor
eficiencia energética y de un mejor comercio exterior.
Otro beneficio de la gran disponibilidad de datos fue la
reducción de las barreras para que emprendedores y pe-
queñas empresas entren en el mercado.
En cuanto a las empresas, se puede afirmar que el aprove-
chamiento de los datos tiene la capacidad de transformar
cualquier industria. Erik Brynjolfsson, director de Initiative
on the Digital Economy del prestigioso Instituto Tecnoló-
gico de Massachusetts (MIT), sostiene que las empresas
que adoptan decisiones basadas en datos logran entre
5% y 6% más productividad que aquellas que no lo ha-
cen. Un informe de McKinsey Global Institute estima que
Big Data podría generar un valor adicional anual superior
a tres mil millones de dólares en siete industrias analiza-
das a nivel mundial. El informe estima que alrededor de la
mitad repercutirá de forma directa en los ciudadanos por
mejora de servicios públicos y privados.
Así, este fenómeno también influye en la calidad de vida
de la ciudadanía. Aprovechar los datos puede suponer
optimizar tráfico, mejorar la sanidad o revolucionar el
consumo. Por ejemplo, analizar las frecuencias de paso
de los vehículos puede llevar a fletar más transporte
público a determinadas horas del día, para reducir el
tiempo de espera. O disponer de un sistema de análi-
sis de datos que estudie las colas y las horas que lleva
cada paciente esperando para cada especialidad en los
hospitales, puede servir para optimizar el personal y los
recursos, como se hace en Singapur.
La suma de todos estos impactos y de todo su proceso
de generación, captura, almacenamiento, procesamien-
to, distribución y explotación conforma la economía del
dato (Data Economy). Este concepto va más allá de que
cualquier empresa, organización o institución presen-
te un mejor uso de los datos. Sino que implica que las
industrias, los mercados o los Gobiernos operen com-
pletamente apoyados en el uso e intercambio de datos,
así como en base a la “inteligencia” generada por su
análisis. Es lo que se denomina convertirse en una or-
ganización guiada por los datos: guiada por los datos.
Las decisiones ya no se toman solo teniendo en cuenta
la experiencia o la intuición, sino basadas en el análisis
que se ha hecho de los datos.
La economía del dato es una economía emergente, en
la que las organizaciones tendrán éxito o fracasarán de-
pendiendo, en gran medida, de su capacidad para apro-
vechar los datos y su análisis. Así, de las 10 mayores
empresas digitales que existen hoy en el mundo: siete
son de procedencia estadounidense y las tres restantes
chinas. Solo dos empresas europeas punto.com figura-
ban entre las 20 con mayor volumen de ventas, según
datos de 2015. Esto muestra el dominio del análisis de
datos por parte de ambos países.
La economía del dato se alza como una oportunidad
para reposicionar Europa como actor fundamental en
este nuevo mercado. Para conseguirlo, el viejo conti-
nente tendrá que ofrecer un entorno atractivo para la
innovación que sea capaz de atraer, retener y desarrollar
el talento más sofisticado.
PAPEL DE EUROPA
“EUROPA NO PUEDE PERMITIRSE PERDER O RE-
TRASAR EL APROVECHAMIENTO DEL POTENCIAL DE
LOS DATOS”. Esa fue la conclusión principal del estu-
dio Worldwide Big Data Technology and Services, 2012–2015
elaborado por IDC. Un año después, la misma consul-
tora prepara el primer informe sobre mercado de datos
centrado en el ámbito europeo, el European Data Market
Smart 2013/0063. Las cifras que aporta apuntalan su pri-
mera conclusión. El valor estimado de la economía del
dato en Europa alcanzó los 272 mil millones de euros en
2015, lo que representa el 1,87% del PIB de los países
miembros y podía ascender al 4,7% en 2020.
Otros estudios proyectan crecimientos del mercado Big
Data (el valor de los productos y servicios relacionados
con los datos intercambiados en la economía europea)
en torno al 25% de 2016 a 2021. Sin embargo, los analis-
tas coinciden en que Europa todavía está en una etapa

Generación de talento Big Data en España 9
temprana de desarrollo y adopción de tecnologías y servicios de Big Data. Sal-
vo la excepción de algunos países miembros de referencia, la economía digital
europea ha sido lenta en adoptar la revolución de los datos en comparación
con Estados Unidos, y tampoco cuenta con una capacidad industrial com-
parable, por lo que continúa rezagada con respecto al poder al otro lado del
Atlántico. Además, la financiación de la investigación e innovación en materia
de datos en la Unión Europea es inferior al umbral crítico y las actividades
correspondientes están todavía, en gran parte, descoordinadas.
Los factores claves para lograr una economía competitiva basada en los da-
tos son el desarrollo de una comunidad apoyada por asociaciones públi-
co-privadas, el emprendimiento y la creación de nuevas ideas de negocios
alrededor de los datos abiertos y del nuevo talento Big Data.
Además, la Unión Europea tiene en esta nueva economía el papel de ase-
gurar un marco jurídico y unas políticas que garanticen la interoperabilidad,
la protección de los datos, la seguridad y los derechos de propiedad inte-
lectual. Estas medidas son las que darán seguridad reglamentaria para las
empresas y confianza del consumidor de las tecnologías de datos.
PAPEL DE ESPAÑA
En la misma línea que Europa, España se encuentra ante la oportunidad
de posicionarse con fuerza y competitividad en este nuevo mercado. Para
conseguirlo debe contar con planes estructurales que contemplen una
orientación a los datos y su analítica. Esta estrategia debe estar apoyada
por los planes académicos —desde la escuela hasta la universidad—, por
las organizaciones públicas y privadas, por la colaboración entre los agen-
tes científico-tecnológicos y las empresas, y por la creación de espacios de
colaboración e innovación.
Sin embargo, estos puntos no están incluidos en los objetivos de la Agenda
Digital para España, la estrategia que recoge todas las acciones del Gobierno
en Telecomunicaciones y Sociedad de la Información. Otros organismos vincu-
lados al Gobierno de España, como red.es, ayudan al desarrollo de programas
formativos en Big Data. Pero esto no es suficiente si el objetivo final es buscar
una posición de privilegio para España en la oportunidad de Big Data.
Así, la nueva economía alrededor de los datos no dispone en España de ini-
ciativas específicas, articuladas por el Gobierno y apoyadas sobre los princi-
pales actores económicos, como si se disponen en los países de referencia.
Tampoco existen demasiados informes internos que dimensionen el merca-
do y la evolución de los datos en España. Un estudio de 2014 —elaborado,
entre otras, por la Asociación Española de Estudios de Mercado, Marketing y
Opinión— presentó una cifra neta de negocio de 441,41 millones de euros
para el mercado Big Data en España. El informe también cuantificaba que la
industria del Big Data española empleaba en 2014 a más de 10.000 perso-
nas, de las que el 57% eran altamente cualificadas.
Otros análisis, como el de Carmen Artigas, cofundadora de Synergic Part-
ners (Grupo Telefónica), muestran la demanda actual de capacidades de da-
tos en España: “EL MERCADO DE BIG DATA CRECE UN 30% CADA AÑO
EN ESPAÑA, SIETE VECES MÁS QUE LA INVERSIÓN EN TECNOLOGÍAS
DE LA INFORMACIÓN TRADICIONALES. ES UNA APUESTA SÓLIDA PARA
AUMENTAR LAS FUENTES DE INGRESOS DE LAS COMPAÑÍAS, CONSOLI-
DAR SUS ESTRATEGIAS DE PERSONALIZACIÓN Y FIDELIZACIÓN DE LOS
CLIENTES E IMPULSAR SU TRANSFORMACIÓN DIGITAL”.

Resumen ejecutivo10
Estas cifras ilustran el impacto real que el Big Data y la economía del dato
van a tener en el crecimiento económico de España durante los próximos
cinco años. Esta oportunidad económica trae consigo una mayor: la opor-
tunidad de crear nuevos perfiles profesionales cualificados. La creación de
puestos de trabajo cualificados y destinados a formar una industria que pue-
de convertirse en un motor de la economía nacional, como ya está suce-
diendo en otros países.
ESCASEZ MUNDIAL DE TALENTO BIG DATA
El Big Data es un fenómeno todavía reciente en el entorno laboral. Hasta
hace prácticamente un lustro las compañías no comenzaron a ser conscien-
tes de su importancia ni a incluirlo en sus planes estratégicos. Sin embargo,
los entornos competitivos en los que las empresas se desenvuelven hoy,
más dinámicos y cambiantes, las obligan a tratar de incorporar estas capa-
cidades a sus plantillas con la mayor brevedad posible. Esta necesidad pre-
senta la particularidad de que el talento Big Data debe ser incorporado en
todos los niveles de la compañía; desde los puestos técnicos hasta los altos
mandos, porque son estos últimos los que deben impulsar internamente el
cambio hacia el nuevo paradigma tecnológico.
Los nuevos profesionales Big Data deben saber transformar datos en bene-
ficio económico, identificar qué valor aportan los datos a la empresa y a la
sociedad y automatizarlos en los procesos de la empresa pública y privada.
Estas habilidades raramente se ven en una sola persona, por lo que uno de
los factores más importantes será la creación de equipos multidisciplina-
rios. No se trata solo crear de talento, sino de saber combinarlo. Se pueden
identificar cuatros roles principales:
DIRECTIVOS Y CONSULTORES: son los responsables de identificar el
valor del dato y hacer las preguntas correctas sobre qué se espera y cómo
se van a utilizar estos datos. Tienen que facilitar el cambio de mentalidad
en la organización al solucionar problemas de negocio y tomar decisiones
basándose en los datos.
DATA SCIENTISTS: los científicos de datos tienen el papel clave de trans-
formar los datos en información de valor a través de la utilización de técni-
cas analíticas.
ARQUITECTOS DE DATOS E INGENIEROS DE DATOS: los arquitectos e
ingenieros del dato se encargan de diseñar las infraestructuras tecnológi-
cas que permitan almacenar, procesar y explotar los nuevos tipos de datos
heterogéneos y masivos.
USUARIOS: este rol incluye los profesionales que van a dar uso real a
todo ese valor extraído de los datos.
Sin embargo, la incorporación de estos perfiles a las organizaciones se enfrenta
a un obstáculo principal: el talento que las compañías necesitan a día de hoy
está todavía formándose en las aulas de los centros académicos. El problema
es aún más grave cuando el objetivo es atraer mandos intermedios para que
puedan impulsar la generación de capacidades Big Data desde dentro, puesto
que incluso aquellos profesionales que se están formando no cuentan con el
nivel de experiencia suficiente para asumir esa responsabilidad.
Así, diferentes estudios constatan ya la carencia de profesionales cualifica-
dos en conocimiento sobre Big Data que sufrirán las principales economías
del mundo durante los próximos años. Esta escasez de talento Big Data se
da en el mercado de trabajo a escala internacional. Son muchas las com-
pañías extranjeras que han pasado o están pasando por la misma situación

de necesidad que las principales compañías españolas.
Una encuesta publicada por el portal digital Information
Week en el año 2012, revelaba que cerca del 40% de las
compañías encuestadas planeaba aumentar sus capaci-
dades analíticas y de Big Data en los próximos años.
Ya en junio de 2011, la prestigiosa consultora americana
McKinsey publicaba su informe Big Data: The next fron-
tier for innovation, competition and productivity en el
que se señalaba que en el año 2018, el mercado laboral
de Estados Unidos demandaría 190.000 empleos en Big
Data y analítica avanzada que no podrían ser satisfechos.
Paradójicamente, en contraposición a lo que sucede en
los mercados laborales mundiales donde las tasas de
desempleo se han asentado en niveles muy superiores a
los registrados antes de la crisis de 2008, en el caso de
los empleos asociados a perfiles Big Data la escasez de
recursos puede llegar a ser un problema serio en algu-
nas industrias. Es decir, durante los próximos años nos
encontraremos ante una escasez de talento Big Data a
nivel mundial, que debe ser afrontado mediante la pues-
ta en marcha de medidas adecuadas.
En Estados Unidos, la universidad ha reaccionado de
forma rápida para intentar cubrir la necesidad de capa-
cidades identificada alrededor del Big Data. En Europa,
la Comisión también es consciente de la importancia
de la brecha que existirá en los próximos años. Además,
la irrupción del fenómeno Big Data ha puesto de mani-
fiesto un gran desajuste de las capacidades en la Unión
Europea. Mientras por un lado, los países se enfrentan
desde hace años a un alto nivel de desempleo —en par-
ticular en el sur de Europa— por otro, las vacantes la-
borales en Big Data, que no dejan de crecer, no pueden
ser cubiertas porque no hay suficientes profesionales
preparados para estos puestos.
FALTA DE TALENTO
BIG DATA EN ESPAÑA
Es el caso de España, un país con más de 3,7 millones de
parados y un 42,9% de paro juvenil —según la Encuesta
de Población Activa de enero de 2017–, y en el que, sin
embargo, solo hay siete inscritos por vacante para ana-
lista Big Data. Lo explicaba también Carmen Artigas, co-
fundadora de Synergic Partners, en su análisis de 2015:
“DURANTE EL AÑO 2015 SE DUPLICÓ LA DEMANDA
DE ESTOS PROFESIONALES, PASANDO DE 1.797 VA-
CANTES EN 2014 A 3.447 VACANTES EN 2015, UN
92% MÁS QUE EL AÑO ANTERIOR. PARA ESTOS PUES-
TOS, EL SALARIO PROMEDIO ES DE 39.689 EUROS
Y EL NIVEL DE COMPETENCIA APENAS HA VARIADO
RESPECTO AL AÑO ANTERIOR, PASANDO DE SEIS A
SIETE INSCRITOS POR VACANTE”.
El informe Posiciones y competencias más demanda-
das en España, elaborado por Epyce en 2015, revela una
evolución importante sobre las profesiones relativas a
Big Data. Mientras que en 2015, analista Big Data era la
doceava posición más demandada, en un futuro próxi-
mo —dos o tres años— ascenderá hasta la cuarta po-
sición. Su papel es todavía más relevante si se analizan
las posiciones más difíciles de cubrir: en el presente ya
es la segunda —solo por detrás de Senior Key Gestor
de cuentas—, y en dos o tres años se convertirá en la
primera. También pasa a ocupar el primer puesto si se
agregan estos cuatro indicadores, así lidera el ranking
de las posiciones más demandadas y difíciles de cubrir
en España. En 2014, era la número 14.
Por tanto, a diferencia de lo que sucede en el resto de
sectores, donde los perfiles y currículos se acumulan
sobre la mesa de los directores de recursos humanos, en
el caso del talento Big Data se da el fenómeno opuesto:
es la empresa quien debe lanzarse al mercado laboral
desesperadamente para identificar y atraer a estos per-
files. La búsqueda no se queda a nivel local o regional
sino que llega fuera de sus fronteras e, incluso, trata de
atraer talento desde las plantillas de sus proveedores
tecnológicos. Además, estos perfiles contratados serán
los encargados de marcar la hoja de ruta y de formar a
los equipos en Big Data para la organización. Los pro-
fesionales que cumplen estos deseados requisitos han
pasado a conocerse como Purple People.
Esta situación ha llevado a las organizaciones a des-
plegar nuevos y creativos métodos de contratación.
Un estudio elaborado por la compañía Talent Analytics
& International Institute for Analytics precisaba que la
característica más atractiva para aceptar un empleo por
parte de los posibles candidatos de Big Data era la “cu-
riosidad”. De ahí, por ejemplo, que Google y otras gran-
des compañías como Walmart recluten talento para sus
equipos publicando acertijos a resolver en medios de
comunicación o transporte público.
Otras de las consecuencias de este exceso de deman-
da son la subida de los salarios por la competencia en-
tre empresas y el aumento de la ratio de abandono de
programas de formación Big Data, porque muchos es-
tudiantes reciben ya entonces ofertas muy suculentas
para incorporarse al mercado laboral.
Con estas cifras, tanto a escala nacional como interna-
cional, generar talento Big Data en España se debe con-
vertir en una prioridad.
¿CÓMO SE GENERA TALENTO?
En el panorama actual internacional de necesidad de ta-
lento Big Data, países como Singapur, Canadá, Estados
Unidos, Australia o los países nórdicos (Finlandia y Sue-
cia, principalmente) ya se han consolidado como refe-

Resumen ejecutivo12
rentes mundiales. Su logro ha sido adaptarse de forma
rápida a este cambio de paradigma en base a dos pilares.
En el ámbito educativo, las claves han sido consolidar
sistemas educativos sólidos y duraderos en el tiempo;
desarrollar estrategias de atracción de talento creativas
(como planes de carrera y prácticas específicas para es-
tos perfiles), y disponer de centros de formación de refe-
rencia. Por su parte, las organizaciones han empezado a
educar al personal de recursos humanos y a los gerentes
de las organizaciones en Big Data, y a desarrollar pro-
gramas de formación internos y sistemas de incentivos
atractivos para empleados. Todo junto al apoyo econó-
mico y a la inversión de las Administraciones Públicas.
España también debe comenzar a dar estos pasos para
generar un talento que es beneficioso tanto para las en-
tidades privadas como para la Administración Pública. A
las empresas les interesa porque la escasez de este tipo
de perfiles Big Data les obliga a incrementar sus esfuer-
zos en los procesos de contratación y pagar salarios más
altos debido a la falta de oferta. Por su parte, existe una
tasa de paro muy baja para los expertos en datos —por-
que son muy demandados en el mercado laboral— por
lo que apoyar la aparición de estos perfiles ayudaría a
descender la tasa de desempleo. Desde las administracio-
nes públicas y el ámbito educativo deben surgir iniciativas
para crear talento a corto plazo.
CREAR TALENTO DESDE LA EDUCACIÓN
La educación es el pilar fundamental para generar ta-
lento en un país. La adaptación de los programas edu-
cativos a los cambios tecnológicos supone, al mismo
tiempo, una apuesta de riesgo y éxito. Esa ha sido la
estrategia común de todos los países que hoy son refe-
rencia en Big Data. Si se necesitan perfiles expertos en
datos, el primer paso deberá ser formarlos.
La situación de escasez de talento en Big Data dejó al des-
cubierto un hallazgo preocupante: la revolución digital ha-
bía dado lugar a una importante brecha de competencias,
sobre la cual el sistema educativo era el que, fundamen-
talmente, estaba retrasado. Las principales universidades,
con las estadounidenses a la cabeza, han reaccionado con
rapidez y ya han consolidados grados y postgrados sobre
ciencia de datos. En España, mientras tanto, no se ha crea-
do ningún grado específico sobre Big Data.
Aunque la formación en la Universidad supone un pun-
to clave, hay que “atacar el problema desde la base” y
comenzar desde la educación primaria. Es en esta eta-
pa donde se debe fomentar ya la aparición de un espíri-
tu analítico en los estudiantes, así como el interés y la
motivación por las nuevas tecnologías. En este sentido
será clave promover nuevas metodologías didácticas
que eviten que los estudiantes perciban las materias
de “ciencias” como disciplinas exigentes, aburridas y
en definitiva muy poco atractvias, y que en muchos ca-
sos disuaden a los estudiantes de optar por titulaciones
científico-tecnológicas. En relación con esto, también
es importante apostar en la escuela por un modelo de
alfabetización amplio. Para la sociedad actual, y para la
que viene, enseñar a leer y escribir no es el único proce-
so de alfabetización. Hay otros lenguajes (matemáticos
y tecnológicos) que son igualmente relevantes, y que
quedan en un segundo plano en términos de adquisi-
ción de competencias básicas.
El paso al instituto debe ser también el momento de materia-
lizar el interés. Todos los alumnos han de poseer unos conoci-
mientos básicos que les permitan desenvolverse con soltura
en la era del dato, sea cual sea su área de especialización —
no solo los alumnos de la rama de ciencias y tecnologías—.
Así, durante los tres primeros cursos de la Educación Se-
cundaria Obligatoria (ESO) se deberá fomentar que to-
dos los alumnos estén capacitados para la explotación
de la información y sepan sobre interpretación y visuali-
zación de conjuntos de datos, utilización de herramien-
tas básicas (como bases de datos y hojas de cálculo) y
de programación. Esto puede implicar crear alguna asig-
natura específica o adaptar el programa de Tecnología o
Matemáticas. Esta especialización puede seguir en los
programas de bachillerato y formación profesional.
Ya en el ámbito universitario, es imprescindible crear nue-
vas titulaciones y programas de postgrado. Estos nuevos
grados (Ciencia de datos e Ingeniería de datos) podrán
tomar como base algunos de los ya existentes como Es-
tadística, Matemáticas Aplicadas, Ingeniería, Informática o
Física. Además, independientemente de la rama de cono-
cimiento, se considera necesaria la incorporación de asig-
naturas que traten aspectos básicos de análisis de informa-
ción en todas las carreras universitarias. Se debe tratar en
todo momento de alinear las necesidades de las organiza-
ciones con el contenido educativo, porque la participación
del sector privado es clave para definir los planes formati-
vos que permitan cubrir las necesidades actuales y futuras.
CREAR TALENTO DESDE LA EMPRESA PRIVADA
La tecnología ha invadido todos los procesos internos
de las compañías y los datos se han convertido en un
activo indispensable. A diferencia del sector público,
las organizaciones privadas tienen muy fácil el acceso
a información privada de los consumidores. Por ejem-
plo, Amazon cuenta con información sobre intereses y
hábitos de consumo de sus cerca de 160 millones de
clientes registrados. En lugar de comercializar con la in-
formación individual de cada uno de ellos, la agrega y
la utiliza para proponer productos más adaptados a las
necesidades específicas del consumidor. Así, el valor
percibido por el cliente es tan importante que permite
que las organizaciones privadas exploten esta informa-
ción sin percibirlo como una invasión.
Por esa razón, hoy en día es más importante que nunca
para las empresas preparar a sus equipos para conver-
tirse en una organización basada en datos. Toda la or-
ganización, de los expertos técnicos a la alta dirección,

debe estar formada para trabajar aprovechando la ventaja competitiva que
aportan los datos. Como el grado de madurez de las empresas españolas en
cuanto al Big Data es muy heterogéneo, las acciones necesarias para gene-
rar y disponer de talento deberán estar adaptadas a cada tipo.
Las organizaciones grandes deberán capacitar a sus equipos para disponer
de perfiles con formación específica en cada uno de los roles. Las compa-
ñías medianas y pequeñas deberán fomentar la aparición de perfiles mixtos
con conocimiento en diferentes áreas. Para las microempresas sería reco-
mendable que la Administración Pública preparara a los emprendedores e
invirtiera recursos en su formación.
Así, para las pymes, que concentran el 73% del empleo en España, la dispo-
nibilidad de formación en línea y gratuita permitirá una formación más rápi-
da de los perfiles y la identificación de las posibilidades que puede ofrecer
el Big Data. Otra de las vías es la participación en proyectos colaborativos
con empresas más grandes para facilitar la transferencia de conocimiento.
También hay una serie de acciones relevantes comunes para promover una
cultura del datos en las empresas españolas, que les permita aprovechar de
forma rentable los datos y tener mayores capacidades para entender a los
usuarios y a los mercados. La primera es promover la democratización del
dato, en vez de que los datos estén a disposición de todos los departamen-
tos que lo requieran —garantizando en todo momento las políticas de segu-
ridad y privacidad—. También se necesita el compromiso de la dirección de
comunicar a toda la organización cómo se extrae información de los datos
y su importancia para el negocio. Los directivos también deben empezar a
tomar decisiones en base a los análisis de los datos.
CREAR TALENTO DESDE LA ADMINISTRACIÓN PÚBLICA
La forma en que las Administraciones Públicas para crear talento Big Data
está muy ligada a su idiosincrasia y a sus limitaciones. En el sector público,
es difícil poder acceder a grandes volúmenes de información de terceros y el
consumo de este tipo de datos es visto por los ciudadanos como una invasión
de su intimidad. Esto se debe, en parte, a que los ciudadanos no perciben que
la explotación de su información privada por parte de las instituciones guber-
namentales se traduzca en mejoras en las políticas o servicios públicos.
Además, las instituciones públicas deben valorar de manera más concienzuda
las implicaciones de sus inversiones en Big Data: a medida que el volumen
de datos se hace más grande, se incrementa el acceso a información privada
de los ciudadanos y la posibilidad de usar esa información en perjuicio de los
mismos por parte de terceros.
Así, una de sus responsabilidades es definir un conjunto ético y de buenas
prácticas para el tratamiento de los datos. Estas Administraciones también
pueden aprobar leyes que favorezcan la seguridad e intimidad de los usua-
rios, y crear marcos legislativos que defiendan la propiedad intelectual.
Otras medidas recomendables son impulsar que entidades académicas sa-
quen adelante grados relacionados, reducir las restricciones migratorias e
incluso promocionar la adopción tecnológica en los distintos servicios que
el Gobierno proporciona a sus ciudadanos.
Por tanto, el papel de las instituciones públicas en la adopción de tecnolo-
gías Big Data es el de colaborador del sector privado y propulsor de progra-
mas educativos. Pero también para poder cumplir con eficiencia este rol, la
Administración Pública debería dotar a su potencial humano de capacidad y
formación en materia de Big Data.

Resumen ejecutivo14
Como los procedimientos de selección de personal de la función pública
obligan al concurso oposición —lo que dificulta la selección de perfiles muy
especializados—, una de las opciones más recomendables que tiene la Ad-
ministración Pública para generar talento es incluir en los temarios de acce-
so a la función pública contenidos relativos a Big Data. Algunas administra-
ciones ya lo están haciendo en las categorías específicas de tecnologías de
la información, pero se debería hacer extensiva a otros cuerpos de funciona-
rios. Esta recomendación tiene resultados a muy largo plazo, puesto que en
la actualidad, los puestos de funcionarios se renuevan cada mucho tiempo.
La Administración Pública también puede favorecer la creación de talento, aun-
que sea de forma indirecta, si impulsa una cultura de apertura y transparencia
con la información pública. Este es uno de los principales frenos en el creci-
miento del mercado Big Data y su desbloqueo podría contribuir a la aparición de
más negocios y profesionales interesados en hacer uso de los datos públicos.
CREAR TALENTO A TRAVÉS DE
REDES DE CONOCIMIENTO Y EXPERIENCIAS
Una última forma de generar talento en España es a través de redes en las
que se pueda compartir el conocimiento y las experiencias. El hilo conduc-
tor de todas estas redes debe ser la innovación y creación de talento desde
entornos distintos a los oficiales.
Estos nuevos entornos de trabajo y experimentación son prioritarios. Un
ejemplo son los laboratorios artísticos de visualización e interpretación de
datos, donde convergen personas de diferentes perfiles con los científicos de
datos. En Europa también se está progresando en la creación de espacios de
innovación para Big Data (iSpaces) en los que se pretende agrupar esfuerzos
de agentes del mundo académico, empresarial y gubernamental. Muy relacio-
nados con los espacios de innovación y con las plataformas de gestión de las
ciudades inteligentes están los laboratorios de datos inteligentes.
Estos espacios y actividades deberían contar con espejos locales, es decir, con
áreas en pequeñas ciudades en las que se pueda crear y retener talento. Estos
espejos pueden contribuir al desarrollo de agendas y programas de investigación.
Otro aspecto al que hay que prestar atención para la creación de nuevo ta-
lento es el apoyo a acciones autónomas como el movimiento hacedor, que
están experimentando con nuevas formas de sensorizar y proporcionar in-
formación, aportando áreas de experimentación, conjuntos de datos com-
plementarios y consejos sobre modelos de explotación.
Cuando se habla de talento parece que se refiere únicamente al mundo pro-
fesional y al que procede de las instituciones académicas. Pero la economía
del dato exige también clientes, consumidores y ciudadanos capacitados
para entender, manejar y contribuir a la innovación. Para lograrlo se puede
partir de una experiencia previa: la alfabetización digital. Esta iniciativa, que
trata de luchar contra la brecha digital entre distintos sectores de población
(mayores y jóvenes, grupos con más y menos recursos), todavía no se ha
cerrado, pero ya empieza a ser necesaria una nueva cruzada por la alfabeti-
zación en datos que contribuya, entre otras cosas, a que cada individuo esté
capacitado para proteger y asegurar su información personal. Este es uno de
los retos actuales: conocer qué se cede cuando se acepta compartir datos.
Pero tambíen cómo se agrupan, para qué sirven, sus propiedades, la posibi-
lidad de intercambiarlos y los beneficios que se pueden obtener de ellos.

UN FENÓMENO TAMBIÉN CON RIESGOS
A pesar de la brillante oportunidad que supone el Big Data para España y Eu-
ropa, este fenómeno tiene el riesgo de convertirse en un factor más en pos
de la desigualdad. Hasta el momento, las economías poderosas son las que
más se han beneficiado de los avances tecnológicos en tecnologías de la in-
formación. Por lo general aquellos países con mayor PIB per cápita. Algunos
estratos de la población se verán beneficiados en mayor medida de estos
avances tecnológicos y tendrán más facilidades para acceder al mercado
laboral. Los esfuerzos orientados a mejorar la competitividad de los países o
regiones pueden, así, de forma contraproducente, incrementar la desigual-
dad entre distintos segmentos sociales. Todo, mientras, a día de hoy, alre-
dedor del 60% de la población sigue sin ningún tipo de conectividad móvil.
El estudio The Global Information Technology Report 2015, del Foro Econó-
mico Mundial, apunta también que los países deben trabajar en desplegar de
forma favorable e igualitaria los avances tecnologías de la información. Para
conseguirlo, los Gobiernos deberán sumirse en un proceso costoso de inver-
siones en infraestructuras, educación y políticas que fomenten e impulsen el
desarrollo de estas capacidades a nivel local, nacional o transnacional.
Así, los avances tecnológicos y su impacto social son innegables y van más
allá de las mejoras en productividad de las empresas. Se han consolidado
como un fenómeno transformador en todos los ámbitos. Algunas de sus
consecuencias son la mejora en el acceso a servicios, una mayor conectivi-
dad entre individuos o la aparición de nuevas oportunidades laborales. Pero
si estos avances no están apoyados por políticas inclusivas podrían llegar a
agravar los problemas de desigualdad en lugar de mitigarlos.

Introducción
1.
El objetivo del presente documento es identificar la necesidad de generar talento Big Data en
España, señalar las claves para lograrlo, mostrar con claridad la oportunidad geoestratégica que
se presenta alrededor de los datos y argumentar un conjunto de recomendaciones —basadas
en las mejores prácticas existentes— que puedan apoyar la mejora de competitividad y empleo
cualificado en España.
Como punto de partida es necesario reflexionar acerca de la oportunidad: ¿suponen realmente
los datos (particularmente los nuevos generados por el mundo digital) una nueva economía?,
¿cómo se materializa y se opera? y ¿bajo qué condiciones o en qué medida puede impulsar la
competitividad de un país?
A partir del desarrollo de las cuestiones anteriores se identifica cómo adaptar la estructura del
talento actual para un mejor aprovechamiento de las nuevas oportunidades laborales.
Lo anterior comporta extrapolar la posible evolución de la necesidad de talento Big Data en
España; investigar sobre la oferta de desarrollo de dicho talento —vinculada a lo que contextua-
lizaremos como economía Big Data (sus fortalezas, debilidades, amenazas y oportunidades)—,
e inferir la capacidad actual y la necesidad futura para formar en los conocimientos, habilidades
y competencias demandadas.
La metodología de trabajo aplicada para el desarrollo del presente documento comprende téc-
nicas de investigación que incluyen el uso de fuentes primarias y secundarias de información,
por medio de investigación documental y la realización de una consulta de contraste con exper-
tos para la validación de los análisis realizados y las conclusiones elaboradas.
El presente documento pretende mostrar el impacto significativo que va a suponer el Big
Data, y lo que entendemos como economía del dato, en el crecimiento económico durante
los próximos cinco años en España. Como consecuencia, surge la oportunidad de crear y cua-
lificar nuevos perfiles profesionales que conformarán una industria con gran potencial para
convertirse en un futuro motor de la economía nacional, como ya está sucediendo en otros
países de nuestro entorno.
El aprovechamiento de esta oportunidad está directamente relacionado con favorecer y pro-
mocionar el desarrollo de lo que denominaremos talento Big Data. Desde una visión general,
entendemos este talento como el capaz de transformar datos en valor económico, de identificar
qué respuestas de valor —para la empresa o la sociedad— puede aportar cada dato digital y qué
retorno económico puede generar. Además, este talento tiene que ser capaz de utilizar estas
respuestas de forma automatizada en los procesos de las empresas públicas y privadas.
En primer lugar, se realiza una contextualización de lo que entendemos como economía Big
Data, apoyada en varios documentos e informes de organismos nacionales e internacionales:
la Comisión Europea, la Organización para la Cooperación y el Desarrollo Económico (OCDE), el
Observatorio de las Telecomunicaciones y de la Sociedad de la Información (ONTSI) y la Asocia-
ción de Empresas de Electrónica, Tecnologías de la Información, Telecomunicaciones y Conte-
nidos Digitales (AMETIC), entre otros.

Introducción18
Se puede afirmar que el aprovechamiento de los datos tie-
ne la capacidad de transformar cualquier industria. En esta
línea, un estudio reciente de la OCDE enumera las formas
en las que Big Data puede impulsar la nueva economía:
PRODUCIENDO NUEVOS BIENES Y SERVICIOS:
desde la fabricación personalizada de ropa o calzado
hasta servicios alrededor del hogar conectado o del co-
che conectado.
OPTIMIZANDO Y MEJORANDO LA EFICIENCIA de
los procesos de negocio.
DESARROLLANDO CAMPAÑAS DE MARKETING
personalizadas y contextualizadas en función del con-
sumidor objetivo.
OPTIMIZANDO LA GESTIÓN Y DESARROLLO de
las organizaciones.
ACELERANDO LA INNOVACIÓN, reduciendo los ci-
clos de investigación y desarrollo.
La digitalización acelerada de los servicios públicos y pri-
vados —impulsada por la necesidad de modernizar, re-
ducir costes y ofrecer servicios innovadores— abre nue-
vas oportunidades para optimizar el almacenamiento, la
transferencia, el procesamiento y el análisis de los datos
generados, según señaló la Comisión Europea en su infor-
me de 2014 Hacia una economía de datos próspera 1.
Al mismo tiempo, el uso inapropiado, por parte de em-
presas públicas o privadas, de la ingente cantidad de
datos generados puede suscitar preocupación y reducir
la confianza en la economía digital. La economía de los
datos exige un elevado nivel de confianza.
A partir de este proceso de transformación acelerado, que
afecta a ciudadanos y empresas, se puede afirmar que la
economía del dato es una economía emergente, en la
que las organizaciones tendrán éxito o fracasarán depen-
diendo, en gran medida, de su capacidad para aprovechar
los datos y su análisis. Esta utilización debe tener como
propósito mejorar la eficiencia operativa, tomar mejores
decisiones tácticas y estratégicas, y crear productos, ser-
vicios y modelos de negocio innovadores para satisfacer
las expectativas de consumidores y ciudadanos.
Se trata de una economía conectada en la que tanto
socios como competidores comparten datos e integran
procesos de negocio, porque los beneficios de estas co-
laboraciones para los mercados globales, los clientes y
las empresas superan los riesgos.
Las compañías nativas de Internet (punto.com o dot.
com), tales como Google, Facebook, Amazon y Netflix,
entre otras, han sido las precursoras en el análisis y
aprovechamiento de los nuevos datos digitales.
1 Comisión Europea (2014), Hacia una economía de datos próspera,
Bruselas. Recuperado de http:/eur-lex.europa.eu/legal-content/ES/TXT/
PDF/?uri=COM:2014:442:FIN&rid=1
De hecho, Big Data nace de la innovación tecnológica y
analítica desarrollada por estas empresas. Es significati-
vo el incremento de sus ventas y su capitalización bur-
sátil en los últimos años. Algunas de ellas incluso se han
situado entre las compañías mundiales de mayor valor
económico y mayor valor de marca. Es también signifi-
cativo que, de las 10 mayores punto.com existentes hoy
en día en el mundo, siete sean de procedencia estadou-
nidense y las tres restantes chinas. Esto muestra, cla-
ramente, el dominio de la creciente economía del dato
por parte de ambos países.
Según datos de 2015, solo dos empresas europeas pun-
to.com figuraban entre las 20 con mayor volumen de
ventas; una de ellas, la española Odigeo estaba en la
posición número 14.
El reposicionamiento de Europa como actor fundamen-
tal en este nuevo mercado dependerá de ofrecer un
entorno atractivo para la generación de ecosistemas
(universidad, empresa, emprendimiento) de innovación
y colaboración, capaces de atraer, retener y desarrollar
el talento más sofisticado. Estos ecosistemas deben ser
capaces de vincular la innovación tecnológica y los da-
tos con la creación de nuevos modelos de negocio.
La base estructural de este proceso de transformación
se debe desarrollar alrededor de tres ejes:
1. La cultura será necesaria para entender la impor-
tancia de los datos como generadores de nuevo valor
en el nuevo mundo digital. El cambio cultural afecta a
empresas (grandes, medianas y pequeñas), Gobierno e
instituciones públicas y a la sociedad en todos sus es-
tamentos.
2. La capacitación debe articular el cambio cultural y la
transformación de la educación, el conocimiento y las
competencias de las personas con el objetivo de apro-
vechar las nuevas oportunidades.
3. El conocimiento, desarrollo y utilización de la tecno-
logía es un factor clave en sí mismo que ofrece, de for-
ma creciente, una ventaja competitiva determinante a
las empresas y por tanto a los países.
En cualquier caso, la definición de talento Big Data in-
cluye una compleja combinación de habilidades. Por
esa razón, crear equipos multidisciplinares que se ocu-
pen de la gestión de los datos es uno de los factores de
producción y generación de valor más importantes, de
forma complementaria a desarrollar talento.
El tamaño de la oportunidad de posicionar a España con
fuerza y competitividad en este nuevo mercado requiere
generar nuevas capacidades que favorezcan el desarro-
llo de los nuevos negocios. Estos deben estar apoyados
en planes estructurales que contemplen una posible
orientación a los datos y su analítica. Esta orientación
debe estar presente también en los planes académicos,
desde la escuela a la universidad. El desarrollo de ambos

planes debe contar con el apoyo público y privado, la convivencia entre los
agentes científico-tecnológicos y las empresas, y la generación de espacios
de colaboración e innovación.
El contenido del análisis se ha complementado con una investigación sobre
las mejores prácticas existentes, tanto en ámbito público como privado. Es-
tas prácticas permiten identificar modelos de actuación para un desarrollo
eficiente del talento, así como políticas que favorezcan su generación, cap-
tación y retención, apoyando la evolución de modelos sostenibles y basa-
dos en el valor. De esta forma, el análisis de mejores prácticas se ha basado
en la identificación de:
- Países de referencia que están impulsando la generación de conoci-
miento Big Data.
-Organizaciones líderes que están teniendo éxito en la puesta en marcha
de iniciativas para captar, retener o reciclar talento y cuyo modelo podría
ser exportable.
Como paso previo a la generación de un conjunto de recomendaciones y
líneas maestras de un Plan para el desarrollo del talento Big Data en Es-
paña, objetivo fundamental del presente documento, la metodología de
trabajo seguida ha contrastado los resultados del análisis realizado con un
grupo de expertos, formado por miembros de diferentes ámbitos: industria,
educación y universidad, empleo, economía, emprendimiento, etc. Esto ha
facilitado la validación y enriquecimiento de la información obtenida, y ha
asegurado la correcta dirección de las líneas que se han de trazar.
El plan de acción y recomendaciones del presente informe se articulan en
base a cuatro ejes:
1. GENERACIÓN DE TALENTO DESDE LA FORMACIÓN. El ámbito edu-
cativo ha de adaptarse para formar a los perfiles profesionales de la nueva
economía del dato. El cambio debe producirse desde la base para poder cu-
brir la demanda actual y futura. Esta adaptación requiere de la inclusión en
el panorama educativo de nuevas áreas de conocimiento y buenas prácticas
que deberán fomentarse desde la educación primaria hasta la formación
universitaria. Se deberá fomentar la creación del interés desde las etapas
más tempranas hasta el conocimiento específico durante las últimas etapas.
2. GENERACIÓN DE TALENTO EN LAS ENTIDADES PRIVADAS. Debido
a esta revolución, las compañías se están viendo obligadas a transformarse
impulsando el Big Data y llevando sus propias culturas empresariales hacia
culturas “Data Driven”. A la hora de establecer una cultura orientada a los
datos, las personas representan la parte más importante por lo que la forma-
ción resulta una de las palancas clave dentro de las organizaciones.
3. GENERACIÓN DE TALENTO EN LA ADMINISTRACIÓN PÚBLICA.
Las administraciones deberían dotar a su potencial humano de capacidad
y formación en materia de Big Data, para ello sería necesario actuar en tres
vertientes: capacitación interna, relación de puestos de trabajo y selección
de personal.
4. DESARROLLO TECNOLÓGICO Y COMPARTICIÓN DE CONTENIDOS.
Una de las palancas más importantes para generar talento son las actuales
redes de compartición de conocimiento, que permiten el acceso de los pro-
fesionales a nuevas ideas, conocimientos, entornos y experiencias.

Análisis de situación y
necesidad de talento big data
2.
2.1 .Entendimiento del contexto:
¿qué significa Big Data?
Las cifras ilustran el aumento exponencial de nuevos datos en el mundo: en el año
2014 se generaron alrededor de 64 exabytes de datos al mes y para 2019 se prevé
alcanzar ya los 170 exabytes por mes.
Fuente:Domo(accesiblemarzo2017) http://www.domo.com/learn/infographic-data-never-sleeps/
Ilustración 1. Datos generados por minuto en internet en la actualidad.
GOOGLELA WEB MÓVIL
YOUTUBE
RECIBE RECIBE
LOS
USUARIOS
DE
CONSUMIDORES
LOS
DE TWITTER
INSTAGRAM DESCARGAS DE
RECIBE UNAS
TUITS
MANDAN MÁS DE
APPLE
DE BLOG
LOS USUARIOS
DE
FOURSQUARE
NUEVAS
SE CREAN
NUEVAS
PUBLICAN
NUEVOS USUARIOS
DE VIDEO
NUEVAS
PUBLICACIONES
LOS
USUARIOS DE
PÁGINAS WEB
REALIZAN
LOS USUARIOS
WORDPRESS
LOS USUARIOS DE
HORAS
REGISTROS
USUARIOS DE
AÑADEN
FLICKA
COMPARTEN EN TUMBLR
PROPIETARIOS
PUBLICAN
NUEVAS PUBLICACIONESPUBLICACIONES NUEVAS
NUEVAS FOTOS
PUBLICACIONES
EN COMPRAS WEB
COMPARTEN
FACEBOOK
GASTAN
PETICIONES DE
BÚSQUEDA
MÁS DE
CADA
MINUTO
DÍA
al
2,000,000
EMAIL
USUARIOS DE
ENVIAN
204,166,667
MENSAJES
684,478
100,000
47,000
27,7783,600
3,125
2,083
571
347
217
48
APP
$272,070
MARCAS &
ORGANIZACIONES
RECIBEN
EN FACEBOOK
"ME GUSTA"
24.722
APP
DATOS GENERADOS POR MINUTO EN INTERNET
EN LA ACTUALIDAD
SUBEN
LOS USUARIOS

Sin embargo, el volumen de datos generados es tan
sólo una de las tres Vs que definen, de forma clásica, el
concepto Big Data. Las restantes son:
VELOCIDAD: los datos generados por unidad de
tiempo han crecido casi de manera incalculable. Mu-
chos dispositivos y sensores llegan a realizar miles de
muestreos o capturas de datos en un solo segundo.
Además, no solo aumenta la velocidad de generación de
datos, sino que cada vez más se definen procesos que
necesitan dar respuestas en tiempo real, por lo que el
procesamiento tiene que ser instantáneo.
Se calcula que se envían unos 200 millones de correos,
se realizan dos millones de búsquedas en Google, se su-
ben unas 50 horas de video a YouTube y se realizan ven-
tas por valor de 170.000 euros en Amazon en un minuto.
VARIEDAD: implica la necesidad de almacenar datos
no estructurados, que no tienen cabida en bases de da-
tos tradicionales. La naturaleza de los datos es, actual-
mente, muy diversa. Se almacenan vídeos, audios, imá-
genes, texto y cualquier otro tipo de estructura que sea
relevante y pueda aportar información.
Adicionalmente, se consideran otras tres Vs que cali-
fican el aprovechamiento del torrente de datos y que
orientan sobre la necesidad de otros nuevos perfiles pro-
fesionales. Se trata de VERACIDAD, sin la cual, muchos
o pocos, los datos no tienen utilidad alguna; VISUALI-
ZACIÓN, que adapta el resultado del análisis de datos
a la percepción de quienes han de tomar las decisiones
a partir de ellos; y VALOR, que obliga a modelar el uso
de los datos para la mejora de los procesos de negocio o
procesos auxiliares, y que, en definitiva, determina si la in-
troducción de Big Data redunda en beneficios tangibles.
Este contexto de crecimiento casi exponencial de los
datos disponibles, ha tenido una gran palanca: Internet.
Las empresas pioneras de la Red invierten desde prin-
cipios de este siglo ingentes cantidades de fondos para
poder analizar el rastro digital que dejan usuarios y con-
sumidores de la red.
Esta gran inversión se ha canalizado fundamentalmente
en dos líneas: nuevas tecnologías que permiten un alma-
cenamiento y una capacidad de cómputo ilimitados, así
como el procesamiento de cualquier tipología de dato (au-
dio, video, texto, metadatos), y en la evolución de las capa-
cidades analíticas, esto es, nuevos algoritmos necesarios
para generar información de valor de los nuevos datos.
La evolución tecnológica ha roto los límites físicos de
almacenamiento y computación existentes en el siglo
XX y facilita la aplicación de la analítica en procesos
muy intensivos como el análisis de lenguaje natural, los
algoritmos genéticos, el tratamiento de audio y video,
etc. Podemos decir que la evolución tecnológica ha via-
bilizado la irrupción de la Inteligencia Artificial y su apli-
cación masiva en cualquier industria.
Como se ha comentado, Internet ha sido el factor deter-
minante y necesario para llegar a la situación actual de
generación de nuevos datos y las empresas de Internet
han puesto los cimientos para el desarrollo de nuevas
tecnologías y nuevos algoritmos.
Así, la Red seguirá siendo un gran motor de generación de
información y la autopista por la que circularán los datos,
aunque también es necesario resaltar otros grandes dina-
mizadores: el teléfono inteligente, los datos abiertos, el
Internet de las cosas y las ciudades inteligentes.
2.1.1.TELÉFONOS INTELIGENTES
El teléfonos inteligentes se ha convertido en mucho
más que un teléfono y se utiliza ya masivamente como
GPS, cámara de fotos, instrumento de pago, mensajería
en línea, etc. Todo esto conectado 24 horas a Internet.
Las ventas mundiales de teléfonos inteligentes en 2015
alcanzaron los 1.000 millones de unidades y facturaron
300.000 millones de dólares (285.000 millones de eu-
ros). Así, las ventas de teléfonos inteligentes superaron
tanto en unidades como en ingresos a las del conjunto
de los sectores del PC, televisores, tabletas y videocon-
solas. El número total de líneas móviles registró a fina-
les de 2015 la misma cifra que habitantes tiene el mun-
do al alcanzar los 7.300 millones de suscripciones, 68
millones más que en el último trimestre de 2014, según
recoge el último informe Mobility Report2 de Ericsson.
El estudio señala que la cifra global de suscripciones
móviles se incrementa alrededor de un 3% cada año.
En esta línea, Ericsson resalta que los teléfonos inteligen-
tes representan el 75% de todos los teléfonos móviles ven-
didos en los tres últimos meses de 2015, un 5% más que
en el mismo periodo de 2014. Así, añade que actualmente
el 45% de todas las suscripciones móviles van ligadas a te-
léfonos inteligentes, una cifra que espera se incremente
“de modo considerable” en los próximos años.
Según una encuesta realizada por CISCO, VNI Global Fixed and
MobileInternetTrafficForecasts3,sobrelaredmóvilenel2015:
El tráfico mundial de datos móviles creció 74%.
El tráfico mundial de datos móviles alcanzó 3,7
exabytes por mes a finales de 2015, frente a los 2,1
exabytes por mes a finales de 2014.
La descarga de contenido en el móvil superó el tráfico
celular por primera.
2 Ericsson (2016), Mobility Report. Recuperado de https://www.ericsson.
com/mobility-report
3 CISCO (2017), VNI Global Fixed and Mobile Internet Traffic
Forecasts. Recuperado de http://www.cisco.com/c/en/us/solutions/
service-provider/visual-networking-index-vni/index.html?CAMPAIGN=-
MobileVNI2015&COUNTRY_SITE=us&POSITION=PR&REFE-
RRING_SITE=SocialMedia&CREATIVE=PR+to+VNI+page&_
ga=.

Análisis de situación y necesidad de talento big data22
El tráfico de video móvil representó el 55% del total del tráfico de datos móviles.
El promedio de uso de teléfonos inteligentes creció un 43%.
El tráfico global de datos móviles se incrementará casi ocho veces en el
periodo 2015-2020.
Lasvelocidadesdeconexiónderedmóvilesaumentaránmásdetresvecesen2020.
Oriente Medio y África tendrán el mayor crecimiento de tráfico de datos móviles
con una tasa compuesta anual de 71%. Estas regiones serán seguidas por Asia y
Oceanía, con una tasa de 54%, y Europa Central y del Este, con una tasa del 52%.
2.1.2.DATOS ABIERTOS
Se denominan datos abiertos al conjunto de datos públicos y procedentes
de instituciones públicas como Gobiernos, administraciones, universidades
y entidades privadas que se comparten en Internet. Este concepto hace re-
ferencia a toda la información (datos demográficos, financieros, de crimina-
lidad, del medio ambiente, meteorología, educación...) de libre acceso a dis-
posición de los ciudadanos, posibilitando así la creación de nuevos servicios
o la mejora de los ya existentes.
Gobiernos y empresas de todo el mundo gestionan, cada vez con más fre-
cuencia, todo tipo de datos con las herramientas que ofrecen las las Tecno-
logías de la Información y la Comunicación (TIC), por lo que la cantidad de
contenido digital liberado por estos agentes aumenta cada día.
Los datos abiertos también facilita los procesos de decisión y la participa-
ción ciudadana a través de lo que se conoce como Gobierno Abierto, que
fomenta la transparencia de los gobiernos y la colaboración y confianza de
los ciudadanos. El Open Goverment se considera una doctrina que defiende
el escrutinio y supervisión de los Gobiernos y administraciones por parte
del público, para lo cual debe ofrecer información de sus actividades a los
habitantes del país.
La fundación World Wide Web publica de manera periódica el barómetro de
los datosabiertos4, que trata de hacer visible el nivel de madurez de 92 países
a través de preguntas (¿existen los datos?, ¿están en línea?, ¿son accesibles
los datos en bruto?, o ¿es frecuente su actualización?) sobre distintos tipos
de datos (mapas digitales, transporte, índices y mapas de criminalidad, datos
de contrataciones públicas realizadas, datos medioambientale, etcétera).
España (64.35 puntos) se encuentra en la posición 13 actualmente detrás
de Finlandia (65.45) y Alemania (64.79), en una lista que lideran RU (100),
Estados Unidos (81.89) y Francia (81.65).
2.1.3.INTERNET DE LAS COSAS
Internet de las cosas (IoT, por sus siglas en inglés) es un concepto que se
refiere a la interconexión digital de objetos cotidianos a través de internet,
como pueden ser un coche, una lavadora, un paquete de correos o un reloj
de pulsera. Según ABI Research (Allied Business Intelligence, Inc, empre-
sa líder de Análisis de TI, 2Q 2013 | IN-1016390) se estima que en 2020
habrá 30.000 millones de dispositivos inalámbricos conectados a Internet
(se estiman unos 7.500 millones de personas conectadas en 2020), lo que
implica una cantidad de datos generada por segundo casi inimaginable.
4 World Wide Web Foundation (2015), Open Data Barometer. Recuperado de www.opendatabarometer.org.

Una de las preguntas más comunes es cuándo Internet de las cosas for-
mará parte de nuestras vidas y la respuesta es sencilla: ya forma par-
te de ella. Aún en un grado de utilización bajo, pero cada vez esta-
mos rodeados de más dispositivos conectados: objetos llevables que
llevamos a diario, coches sensorizados, electrodomésticos inteligentes, etc.
2.1.4.CIUDADES INTELIGENTES
Unido a Internet de las cosas se desarrolla el concepto de smart city (ciu-
dad inteligente o inteligentemente eficiente). Así se define a las ciudades
optimizadas con datos que aprovechan los avances exponenciales de la tec-
nología para tratar de interconectar y monitorizar los servicios públicos de
cara a una gestión centralizada, interligada y eficiente de los mismos.
Una ciudad inteligente facilita la interacción de la ciudadanía con los diversos ele-
mentos institucionales, urbanos y tecnológicos para hacer la vida cotidiana más fácil.
Estas ciudades están basadas en infraestructuras “inteligentes” (agua, elec-
tricidad, telecomunicaciones, gas, transporte, servicios de urgencia, segu-
ridad, etc.) que deben ser cada vez más eficaces y deben brindar servicios
de más calidad. Al mismo tiempo se debe respetar al máximo los aspectos
ambientales y el uso prudente de los recursos naturales no renovables.
Esta monitorización nos lleva a claros ejemplos en los que miles de sen-
sores capturan datos en tiempo real y producen una muestra enorme de
información que es realmente valiosa para mejorar y optimizar los servicios
que se ofrecen a los ciudadanos.
En 2011 se creó la Red Española de Ciudades Inteligentes (RECI) cuyo com-
promiso era crear una red abierta de colaboración para propiciar el progreso
económico, social y empresarial de las ciudades a través de la innovación y
el conocimiento, apoyándose en las TIC.
El desarrollo de ciudades inteligentes aún está en fase piloto y muy inicial, pero
España es una referencia a nivel mundial. “SOMOS EL ÚNICO PAÍS CON UNA
RED TAN IMPORTANTE DE CIUDADES DIRIGIÉNDOSE HACIA EL ENFOQUE
SMART CITY”, asegura la coordinadora de oficina técnica de RECI. España ha
pasado de tener 25 ayuntamientos que en 2012 formaban parte de esta red a
más de 60 en la actualidad.
En España existen muy buenas referencias de la evolución y apuesta por las
ciudades inteligentes que deberían ser ejemplo de las ventajas que conlleva
este proceso de transformación para el resto de ciudades que aún no han
emprendido este nuevo camino:
SANTANDER: se trata de una de las ciudades de referencia a nivel mun-
dial debido a la inversión que está llevando a cabo y los proyectos piloto que
tiene en ejecución actualmente.
1. Sensores desplegados en toda la ciudad para la detección de plazas
de parking libres, sistemas de riego inteligente, control medioambiental,
control lumínico, gestión de residuos.
2. Sistemas tecnológicos avanzados que mejoran la eficiencia de la Ad-
ministración y ofrecen nuevos servicios a los ciudadanos.
3. Realidad aumentada que ofrece información turística, cultural, comercial, del
transporte público, de las playas, los monumentos y lugares de interés, etc.
4. Nuevas modalidades de pago: sin contacto (NFC, Near Field Communi-
cation) en comercios, hostelería, taxis y autobuses.

5. Proyectos para multiplicar la red de conexión a través de wifi que se presta
a los ciudadanos, extendiéndola a más de 150 puntos de la ciudad.
6. Centro de Investigación de Ciudades Inteligentes de Santander (CI-
CIS): impulsado por Ferrovial, el Instituto Tecnológico de Massachussets
(MIT), la Universidad de Cantabria y el Ayuntamiento de Santander, que
convertirá Santander en un laboratorio de ideas y desarrollará proyectos
de innovación.
BARCELONA:
1. Telegestión centralizada de las infraestructuras de riego automatizado.
2. Creación de manzanas energéticamente autosuficientes basadas en la
incorporación de cubiertas solares, usos mixtos, calefacción conjunta y
reciclaje de agua.
3. Potenciación del uso de vehículos eléctricos en la ciudad: desde la
monitorización del estado de las estaciones de recarga hasta la promo-
ción del alquiler de vehículos eléctricos.
4. Red ortogonal de autobús que mejora la movilidad urbana mediante
líneas verticales, horizontales y diagonales.
5. Remodelación urbana de calles y barrios ampliando la red municipal de co-
municaciones y desplegando nuevos sensores y sistemas tele-gestionados.
6. Plan Barcelona a la Butxaca (Barcelona en el Bolsillo) de potenciación
y despliegue de tecnología de pago sin contacto (NFC).
7. Geolocalización de vehículos de emergencia para accionar los semá-
foros sobre rutas calculadas hasta el destino, consiguiendo optimizar los
tiempos de respuesta y desplazamiento.
En el resto del mundo podemos encontrar diversos ejemplos de ciudades
con proyectos que evolucionan la ciudad hacia el concepto de smart city:
SANTA CRUZ (CALIFORNIA) dispone de un sistema de análisis de crimi-
nalidad para predecir la necesidad policial por zonas de la ciudad y maximi-
zar la presencia policial cuando sea necesario.
YOKOHAMA (JAPÓN) proyecta construir la siguiente evolución de in-
fraestructuras de generación energética para maximizar la reducción de
emisiones de CO2 y estar a la vanguardia en cuanto al sistema social y pro-
tección del medio ambiente.
SUWON, ESTOCOLMO, WATERLOO, ONTARIO, TAIPEI, MITAKA,
GLASGOW, CALGARY, SEUL, NEW YORK CITY, LAGRANGE, GEORGIA,
SINGAPUR, MANCHESTER, AMSTERDAM O MILTON KEYNES son ejem-
plos de otras ciudades que están apostando por proyectos pilotos y trans-
formación en ciudades inteligentes.

2.2.Big Data como generador
de valor económico
Reputados informes, públicos y privados cuantifican el
valor potencial del Big Data en los diferentes sectores
industriales. Sin entrar, por ahora, en detalle de cifras
concretas, el factor común es la definición del Big Data
como una potente palanca de valor tanto por su impac-
to sobre el PIB de países o ámbitos económicos como
por los beneficios que aporta a la calidad de vida de la
ciudadanía. El Big Data ayuda a optimizar el transporte,
el consumo, la sanidad, el ocio, etc.
Sin embargo, el impacto no se queda solo en consumi-
dores o ciudadanos. Erik Brynjolfsson, director de MIT
Initiative on the Digital Economy, sostiene que las em-
presas que adoptan decisiones basadas en datos logran entre
5% y 6% más productividad y crecimiento en la producción
que aquellas que no lo hacen5.
La Omidyar Network, una red de inversión filantrópica
dedicada a aprovechar el poder de las personas y los
mercados para crear oportunidades y mejorar vidas, ha
publicado un estudio sobre el impacto de las políticas
de datos abiertos en el Gobierno Gobierno Abierto6. Este
informe llega a la conclusión de que la aplicación de es-
tas políticas podría aumentar los ingresos anuales en el
G20 entre 700 y 950 mil millones de dólares. Los bene-
ficios incluyen la reducción de la corrupción gracias a la
transparencia, mejores condiciones en el lugar de trabajo,
mayor eficiencia energética y un mejor comercio exterior.
Además, la gran disponibilidad de datos facilita la reduc-
ción de barreras para la entrada en el mercado de nuevos
competidores, emprendedores o pequeñas empresas. Es-
tos pueden acceder fácilmente a las nuevas tecnologías,
fundamentalmente por su disponibilidad en la nube, así
como a datos útiles sobre el mercado, que son ofrecidos
en numerosas fuentes, tanto abiertas como de pago.
Concretando algunas cifras del valor de la economía Big
Data, un informe de McKinsey Global Institute, Big data:
The next frontier for innovation, competition, and productivi-
ty7, estima que Big Data podría generar un valor adicional
anual superior a tres mil millones de dólares en siete in-
dustrias analizadas a nivel mundial. El informe estima que
alrededor de la mitad repercutiría de forma directa en los
ciudadanos por mejora de servicios públicos y privados,
lo que implicaría una mejora en la calidad de vida.
5 Brynjolfsson, E; Hitt, L.M; Kim, H. H. (2011), Strength in Numbers: How
Does Data-Driven Decisionmaking Affect Firm Perfomance? Recuperado de
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1819486.
6 Open Government Partnership (2016), Open Governmment. Recuperado de
https://www.opengovpartnership.org/node/9190.
7 McKinsey Global Institute (2011), Big data: The next frontier for innovation,
competition, and productivity. Recuperado de http://www.mckinsey.com/~/
media/McKinsey/Business%20Functions/McKinsey%20Digital/Our%20
Insights/Big%20data%20The%20next%20frontier%20for%20innovation/
MGI_big_data_full_report.ashx.
Otro estudio reciente de IDC/Open Evidence para la Co-
misión Europea European Data Market SMART 2013/00638,
cuantifica el valor del mercado y la economía del dato
en Europa. Este informe estima que los ingresos gene-
rados por bienes o servicios alrededor de los datos fue-
ron en 2015 superiores a los 56 mil millones de euros.
Esta cifra supone un crecimiento en un rango del 7,1%
al 8,4% con respecto a años anteriores.
El citado estudio define el Data Market (mercado del
dato) como aquel en el que se intercambian datos di-
gitales como productos o servicios resultantes del pro-
cesamiento y elaboración de cualquier dato origen (en
bruto). El valor económico estimado del mercado del
dato no incluye impactos directos, indirectos o induci-
dos en la economía general.
No obstante, este informe sitúa el mercado del dato
como algo que va más allá de lo que se puede clasificar
como Big Data y analítica, ya que considera no sólo el
valor generado por empresas y actividades que directa-
mente participan en la manipulación y procesamiento
del dato, sino también aquellas que generan valor de
forma indirecta, en concreto, por investigación, análisis
de información y otros servicios de TI relacionados.
El estudio refleja una estimación de crecimiento anual
del mercado de datos del 6% (escenario moderado) al
14% (escenario optimista) hasta el 2020.
La citada investigación también define el concepto Data
Economy (economía del dato) que mide los impactos
del mercado del dato sobre la economía general, lo que
implica todo el proceso de generación, captura, almace-
namiento, procesamiento, distribución y explotación del
dato generado por las tecnologías digitales. La economía
del dato incluye todos los efectos directos, indirectos o in-
ducidos del mercado del dato sobre la economía. El valor
de la economía del dato se basa en la estimación de todos
los impactos económicos que implica la adopción de la in-
novación con los datos, su explotación y las tecnologías
relacionadas, en el ámbito de la Unión Europea.
De esta forma, el estudio calcula un valor estimado de
la economía del dato en Europa de 272 mil millones de
euros en 2015, lo que representa aproximadamente el
1,87% del PIB de los países miembros, con un crecimien-
to medio anualizado del 5,6% en los últimos tres años.
Desde el punto de vista empresarial, los resultados de
una encuesta internacional, realizada por DNV GL - Busi-
ness Assurance y el Instituto de Investigación GFK Euris-
ko9
a cerca de 1.200 profesionales de empresas de dife-
rentes sectores en Europa, América y Asia, constata que el
8 IDC, Open Evidence (2014), European Data Market SMART
2013/0063. Recuperado de http://www.open-evidence.com/wp-content/
uploads/2014/11/European-Data-Market-D3.2_12.07.2014_Revisedv.2.pdf.
9 DVN GL (2016), ¿Es capaz de aprovechar el big data para impulsar su
productividad y creación de valor? Recuperado de https://www.dnvgl.es/Images/
Informe_VIEWPOINT_BIGDATA_20160701_tcm13-61203.pdf.

52% considera globalmente Big Data como una oportunidad, desde el punto de
vista de negocio y el 76% plantea incrementar o mantener sus inversiones en
Big Data en los próximos años. Estos datos reafirman la visión general de creci-
miento futuro de la economía del dato.
Realmente no hay alternativa, según una encuesta realizada por la Consulto-
ra Capgemini Big & Fast Data: The Rise of Insight-Driven Business10, cerca del 65%
de las empresas encuestadas está de acuerdo en que corren el riesgo de con-
vertirse en irrelevantes o no competitivas si no adoptan Big Data. De hecho,
más de la mitad (59%) dice que los datos que genera su organización se están
convirtiendo en una parte importante de su núcleo de negocio.
Como resumen, si bien la irrupción de Internet, fundamentalmente en su
versión 2.0, ha sido el detonante del desarrollo de innovación (tecnológica
y analítica) para la gestión y explotación de los nuevos datos digitales, las
nuevas macrotendencias, apoyadas en la evolución de la tecnología, como
la transformación digital, la movilidad, la nube e Internet de la cosas, van a
ejercer de palancas de nuevas oportunidades de creación de valor alrededor
de los datos, acelerando su desarrollo y consumo.
Los avances tecnológicos harán que cada vez sea más fácil procesar datos
masivos. Además, los avances en la ciencia de materiales, biotecnología, tec-
nologías de la información y nanotecnología incrementarán el amplio espec-
tro de nuevas posibilidades de negocio, nuevos productos y nuevos servicios.
La economía del dato va más allá de que cualquier empresa, organización o
institución presente un mejor uso de los datos. La optimización de procesos
empresariales, mediante el análisis de los nuevos datos digitales, es sólo
una parte del valor de esta nueva economía.
La economía de datos, implica que industrias, sectores y mercados, operarán
completamente apoyados en el uso e intercambio de datos, así como en base
a la “inteligencia” generada por su análisis. Como consecuencia, empresas
de diversos y diferentes sectores de la industria, tendrán que organizar y or-
questar múltiples aplicaciones y procesos, para trabajar de forma integrada y
eficiente, con el objetivo de optimizar entornos operativos enteros.
El informe de la Comisión Europea Data Workers and Data Skills Gaps (IDC - Euro-
pean Data Market SMART 2013/0063 - D811 establece: “LOS DATOS SE ESTÁN
ERIGIENDO COMO UNO DE LOS FACTORES DE PRODUCCIÓN PRINCIPALES
DE LA ECONOMÍA; MÁS AÚN, LOS DATOS SON UN FACTOR DE PRODUCCIÓN
DE USO MÚLTIPLE Y GENERALIZADO. LOS PAÍSES Y LAS INDUSTRIAS
QUE HAN INVERTIDO SIGNIFICATIVAMENTE EN PRODUCTOS Y SERVICIOS
ALREDEDOR DE LOS DATOS ESTÁN COMENZANDO A EXPERIMENTAR UN
AUMENTO, TANTO EN LA EFICIENCIA GLOBAL DEL TRABAJO, COMO EN
LA OPTIMIZACIÓN DE LA UTILIZACIÓN DE CAPITAL. LAS MEJORAS AL-
CANZADAS EN LOS PROCESOS DE PRODUCCIÓN DE BIENES Y SERVICIOS,
APALANCADAS POR INCREMENTOS DE PRODUCTIVIDAD GENERADOS POR
INVERSIONES EN TIC, SE VEN APOYADAS Y REFORZADAS POR AUMENTOS
DE PRODUCTIVIDAD POR EL USO DE MÁS FUENTES DE DATOS”.
10 Capgemini Consulting (2015), Big & Fast Data: The Rise of Insight-Driven Business. Recuperado de
https://www.capgemini.com/thought-leadership/big-fast-data-the-rise-of-insight-driven-business.
11 IDC (2013), Data Workers and Data Skills Gaps (IDC - European Data Market SMART
2013/0063 - D8. Recuperado de http://www.open-evidence.com/wp-content/uploads/2014/11/Euro-
pean-Data-Market-D3.2_12.07.2014_Revisedv.2.pdf.

2.3.Marco para el
desarrollo de la economía
Big Data
Durante la administración Obama, el Gobierno de los Es-
tados Unidos determinó que la creación de un ecosiste-
ma nacional de innovación Big Data podría ayudar al país
a aprovechar al máximo las nuevas oportunidades crea-
das por grandes y diversos conjuntos de datos, así como
a acelerar el ritmo de descubrimiento científico, reducir la
congestión del tráfico, aumentar la eficiencia energética y
desarrollar terapias más individualizadas a las necesidades
de los pacientes.
La Administración Obama lanzó Big Data Research and
Development Initiative en 2012 para desarrollar tecno-
logías Big Data, demostrar sus aplicaciones y adiestrar
a la próxima generación de profesionales de los datos.
Esta Administración también impulsó la contratación
de especialistas en la Casa Blanca e impulsó los datos
abiertos como una nueva obligación para las agencias
federales. El propósito era asegurar que el Big Data
se utilizara para hacer avanzar valores fundamentales
como la privacidad y las libertades civiles.
En mayo de 2016, el Gobierno norteamericano ha pu-
blicado el Federal Big Data Research and Development Stra-
tegic Plan12, donde destaca las capacidades emergentes
de Big Data y proporciona orientación para desarrollar y
expandir los planes de investigación de cualquier agen-
cia federal sobre el uso de datos masivos. Este nuevo
plan es un hito importante en la Big Data Research and
Development Initiative de 2012 porque trata de acelerar
el aprovechamiento de las extensas fuentes de Big Data
y se basa, fundamentalmente, en una visión de compar-
tición y colaboración.
“PREVEMOS UN ECOSISTEMA DE INNOVACIÓN BIG
DATA EN EL QUE LA CAPACIDAD DE ANALIZAR, EX-
TRAER INFORMACIÓN Y TOMAR DECISIONES Y DES-
CUBRIMIENTOS BASADOS EN CONJUNTOS DE DATOS
MASIVOS, DIVERSOS Y EN TIEMPO REAL, PER-
MITA NUEVAS CAPACIDADES PARA LAS AGENCIAS
FEDERALES Y LA NACIÓN EN GENERAL; ACELERE
EL PROCESO DE DESCUBRIMIENTO CIENTÍFICO E
INNOVACIÓN; CONDUZCA A NUEVOS CAMPOS DE IN-
VESTIGACIÓN Y NUEVAS ÁREAS DE INVESTIGACIÓN
QUE DE OTRO MODO SERÍAN IMPOSIBLES; EDUQUE
A LA PRÓXIMA GENERACIÓN DE CIENTÍFICOS E IN-
GENIEROS DEL SIGLO XXI; Y PROMUEVA EL NUEVO
CRECIMIENTO ECONÓMICO”, consta en la página web de
la Casa Blanca.
12 NITRD (2016), Federal Big Data Research and Development Strategic
Plan. Recuperado de https://www.nitrd.gov/PUBS/bigdatardstrategicplan.pdf.
Participaron 15 agencias federales en el desarrollo del
plan bajo los auspicios del Grupo Directivo Sénior de Big
Data (BD SSG) y un grupo interinstitucional del Progra-
ma Nacional de Investigación y Desarrollo en Redes y
Tecnologías de la Información (NITRD) del Consejo Na-
cional de Ciencia y Tecnología de los Estados Unidos. El
Plan se ha construido alrededor de siete áreas:
Crear capacidades de próxima generación mediante el
desarrollo de bases de datos, técnicas y tecnologías de
Big Data.
Apoyar la I+D para aumentar la confiabilidad de los
datos, tomar mejores decisiones y lograr descubri-
mientos innovadores.
Construir y mejorar una cíberinfraestructura que per-
mita la innovación Big Data.
Aumentar el valor de los datos mediante políticas que
promuevan su intercambio y gestión.
Comprender la privacidad, la seguridad y las dimensio-
nes éticas de Big Data.
Mejorar el panorama nacional educativo apostando
por la formación Big Data para satisfacer la creciente de-
manda de talento.
Apoyar un ecosistema dinámico de innovación Big Data
con la colaboración de agencias gubernamentales, uni-
versidades, empresas y organizaciones sin fines de lucro.
El plan también prevé proporcionar ejemplos concre-
tos del progreso realizado en la I+D Federal sobre Big
Data y definir metas, incluyendo desafíos tales como
prevenir la degeneración macular relacionada con la
edad, mantener a los bomberos seguros cuando respon-
den a una llamada o apoyar la ciencia colaborativa alre-
dedor del mundo.
Los planes lanzados por el Gobierno norteamericano
ponen foco en medidas y acciones para la educación,
aprendizaje y desarrollo de la fuerza de trabajo en cien-
cias computacionales y de datos. Esto se define como
un factor clave para tener éxito.
En julio de 2014, la Comisión Europea (CE) expuso una
nueva estrategia sobre Big Data13, apoyando y aceleran-
do la transición hacia una economía basada en datos
en Europa.
Según la CE, la economía impulsada por los datos esti-
mulará la investigación y la innovación en materia de
datos, al tiempo que generará más oportunidades de
negocio y una mayor disponibilidad de conocimientos y
de capital, en particular para las pymes de toda Europa.
13 BDV(2015), European Big Data Value Strategic Research & Innovation
Agenda. Recuperado de http://www.bdva.eu/sites/default/files/europeanbigda-
tavaluepartnership_sria__v1_0_final.pdf.

Según el estudio para la Comisión Europea Worldwide
Big Data Technology and Services, 2012–2015 Forecast
dirigido por IDC14
, se espera que la tecnología y los ser-
vicios Big Data evolucionen en todo el mundo a una tasa
de crecimiento anual compuesta del 40%, cerca de siete
veces superior a la del mercado de las TIC en general.
Otro estudio reciente Big Data Analytics: An assessment
of demand for labour and skills, 2012-201715, realizado por
e-skills RU y SAS, predice que sólo en el Reino Unido el
número de grandes especialistas de datos que trabajen
en grandes empresas aumentará más de 240% en los
próximos cinco años.
La valoración con respecto a la aplicación y potencial de
esta tendencia mundial que hace la CE coincide total-
mente con la realizada por el Gobierno estadounidense,
incluso en la evaluación del enorme potencial de los
datos en diversos ámbitos: la salud, la seguridad alimen-
taria, el clima, la eficiencia de los recursos, la energía,
los sistemas de transporte inteligentes y las ciudades
inteligentes. La conclusión principal es que Europa no
puede permitirse perder o retrasarse en el aprovecha-
miento de este potencial.
La Comisión Europea define una economía de datos
próspera como aquella que debe considerar:
1. Conjuntos de datos de buena calidad, fiables e intero-
perables e infraestructuras que lo posibiliten. Esto inclu-
ye datos fiables y de confianza, flexibilidad para su uso
y compartición, y avanzadas infraestructuras tecnológi-
cas y de comunicación.
2. Marco de condiciones que faciliten la generación de
valor a partir de los conjuntos de datos. Desarrollar una
base de competencias adecuadas y favorecer la coope-
ración entre todos los estamentos, desde la educación
hasta la empresa, son los factores más importantes.
3. Áreas de aplicación en las que un mejor procesamien-
to de los datos pueda marcar la diferencia: el sector
público como clave para el desarrollo y lanzamiento de
nuevos servicios, y las TIC como proveedoras de nuevas
soluciones tecnológicas para la industria.
A juicio de la Comisión Europea, los factores claves para
el desarrollo de una economía competitiva basada en
los datos son el desarrollo de una comunidad apoyada
por asociaciones público-privadas, el emprendimiento y
la incubación alrededor de los datos abiertos y de las
competencias (talento Big Data).
14 IDC (2014), Worldwide Big Data Technology and Services, 2012–2015
Forecast. Recuperado de https://ec.europa.eu/digital-single-market/en/news/
worldwide-big-data-technology-and-services-2012-2015-forecast.
15 European Commission (2014), Big Data Analytics: An assessment of de-
mand for labour and skills, 2012-2017. Recuperado de https://ec.europa.eu/
digital-single-market/en/news/big-data-analytics-assessment-demand-labour-
and-skills-2012-2017.
Para poder aprovechar la oportunidad de los datos y
poder competir en este mercado, la UE trabaja en los
siguientes ámbitos:
Apoyo a iniciativas de datos denominadas lighthouse
(faros), capaces de mejorar la competitividad, la calidad
de los servicios públicos y la vida de los ciudadanos. Es-
tas iniciativas maximizan el impacto de la financiación
de la UE en sectores económicos de importancia estra-
tégica. Entre ellos podrían figurar el sector de la salud
(medicina personalizada), la gestión integrada del trans-
porte y la logística de regiones enteras, la gestión de
la cadena alimentaria mediante el seguimiento de los
alimentos desde el productor al consumidor, etc.
Desarrollo de tecnologías, infraestructuras y compe-
tencias habilitadoras en beneficio de las pymes.
Compartición, utilización y desarrollo de todos los recursos
de datos públicos e infraestructuras para la investigación.
Concentración de la I+D+i pública en los cuellos de
botella tecnológicos, legales y de cualquier otra índole.
Aseguramiento de que el marco jurídico pertinente y
las políticas referentes, como por ejemplo la interopera-
bilidad, la protección de datos, la seguridad y los dere-
chos de propiedad intelectual, sean compatibles con los
datos, dando lugar a una mayor seguridad reglamentaria
para las empresas y conseguir la confianza del consumi-
dor en las tecnologías de datos.
Desarrollo rápido de los procesos legislativos sobre la
reforma del marco de protección de datos y la seguridad
de la información y de las redes de la UE. Además de apo-
yar el intercambio y la cooperación entre las autoridades
pertinentes encargadas de su aplicación (por ejemplo,
para la protección de datos deberán cooperar la protec-
ción de los consumidores y la seguridad de la red).
Aceleración de la digitalización de la administración y
los servicios públicos para aumentar su eficiencia.
Utilización de la contratación pública para trasladar
los resultados de las tecnologías de datos al mercado.
La estrategia sobre Big Data antes mencionada se ca-
naliza en un plan de acción coordinado en el que par-
ticipan los Estados miembros y la UE, con el fin de ga-
rantizar el alcance y la magnitud de las actividades. En
opinión de la Comisión Europea, las acciones previstas
deben traducirse en:
Innovación acelerada.
Crecimiento de la productividad.
Aumento de la competitividad de los datos en toda la
economía, así como en el mercado mundial, con Europa
como actor clave.
La estrategia actual se basa en las ideas formuladas por la
anterior vicepresidenta de la Comisión, Neelie Kroes, en
una iniciativa estratégica sobre la cadena de valor de los

datos, lanzada en noviembre de 2013 en la conferencia
ICT2013 de Vilnius. Esta iniciativa se centró en fomentar
un ecosistema europeo de datos coherente que estimu-
lara la investigación y la innovación en torno a los datos
y la adopción de servicios y productos de datos. Una de
las características clave era la creación de una Asociación
Público-Privada (PPP, por sus siglas en inglés) sobre datos.
En este sentido, la Comisión Europea se ha asociado con la in-
dustria europea (grandes empresas y pymes), investigadores
y académicos en un PPP que tiene como objetivo cooperar en
la investigación e innovación de los campos relacionados con
los datos, mejorar la construcción de la comunidad en torno a
ellos y definir las razones por las que se necesita una econo-
mía próspera impulsada por datos en Europa.
El 13 de octubre de 2014 se firmó un acuerdo contrac-
tual sobre el PPP. La industria y la academia han identi-
ficado las prioridades de I+D en una Agenda Estratégica
de Investigación e Innovación (SRIA).
Para alcanzar sus objetivos, el PPP utilizará dos instru-
mentos principales:
Grandes proyectos faros en áreas como la fabricación,
medicina personalizada y energía.
I-Spaces, entornos en los que se dispone de infraes-
tructura para reunir a los proveedores de tecnología y
usuarios finales para identificar servicios, habilidades,
modelos de negocio y ecosistemas en los que se pue-
dan construir nuevas tecnologías y aplicaciones.
El Big Data Value PPP es una asociación entre la Comi-
sión Europea que está operativo desde enero de 2015 y
la Big Data Value Association (BDVA), la asociación de la
comunidad europea Big Data, que incluye proveedores,
usuarios, analistas de datos y organizaciones de inves-
tigación. La asociación es una organización sin ánimo
de lucro, dirigida por la industria, cuyos miembros fun-
dadores incluyen ATC, IT Innovation, IBM, SINTEF, Uni-
versidad de Bolonia (CINI), Universidad Politécnica de
Madrid, NOKIA, THALES, Universidad de Duisburg Essen,
Siemens, SAP, Ingeniería, TIE Kinetix, ANSWARE, Softwa-
re AG, Orange, Atos, INDRA, ITI, VTT, Fraunhofer, DERI y
la Universidad Técnica de Berlín. La BDVA está completa-
mente abierta para que otras compañías y organizacio-
nes de investigación se puedan unir en todo momento.
Las iniciativas desarrolladas desde la CE y la BDVA están ple-
namente alineadas con otras estrategias europeas relacio-
nadas como datos abiertos, computación en la nube, com-
putación de alto rendimiento y acceso a datos científicos.
En el plano nacional, el Gobierno de España se apoya en
el desarrollo de la Agenda Digital para España para la defi-
nición de planes y estrategias que favorezcan la competi-
tividad e internacionalización de las empresas españolas
en el ámbito del desarrollo de la economía digital.

La Agenda Digital para España incluye mención explícita sobre Big Data,
como una de las palancas imprescindibles para el desarrollo de las indus-
trias del futuro y para continuar con la modernización y el crecimiento sos-
tenible de la economía española.
La Agenda propone líneas de actuación y medidas para potenciar el desarrollo y
uso de la computación en la nube, las ciudades inteligentes y el Big Data, entre
otros sectores de futuro. No obstante, la nueva economía alrededor de los da-
tos, o el Big Data, no disponen en España de iniciativas específicas y autoconte-
nidas, articuladas por el Gobierno y apoyadas sobre los principales actores eco-
nómicos, públicos o privados, como si se disponen en los países de referencia.
AGENDA DIGITAL PARA ESPAÑA: PLANES
Plan de telecomunicaciones y redes ultrarrápidas para fomentar la inver-
sión eficiente en estas redes y establecer las bases que permitan alcanzar
los objetivos europeos de banda ancha para 2020.
Plan de TIC en pyme y comercio electrónico que permita usar estas tecno-
logías para mejorar la productividad y competitividad de las pequeñas em-
presas y alcanzar los objetivos europeos de comercio electrónico.
Plan de impulso a la economía digital y los contenidos digitales para apro-
vechar el potencial de crecimiento de esta industria.
Plan de internacionalización de empresas tecnológicas para incrementar la visi-
bilidad y presencia internacional de las empresas españolas de base tecnológica.
Plan de confianza en el ámbito digital para establecer un clima de confianza en el
ámbito digital para que las TIC contribuyan al desarrollo económico y social del país.
Plan de desarrollo e innovación del sector TIC para aprovechar el poten-
cial de crecimiento y de generación de empleo de las industrias del futuro.
Plan de inclusión digital y empleabilidad para conseguir que la mayoría
de la población use Internet y alcanzar los objetivos europeos de inclusión
digital para minimizar la brecha digital.
Plan de servicios públicos digitales para continuar impulsando la digitaliza-
ción de los servicios públicos para conseguir mayor eficiencia y vertebración.
Plan Nacional de Ciudades Inteligentes para impulsar en España esta in-
dustria tecnológica y para ayudar a las entidades locales en los procesos de
transformación hacia Ciudades y Destinos Inteligentes.
Plan de Impulso de las Tecnologías del Lenguaje para fomentar el desa-
rrollo del procesamiento del lenguaje natural y la traducción automática en
lengua española y lenguas cooficiales.
Es reseñable que el contenido de la Agenda Digital para España sí pone foco
en el desarrollo de las ciudades inteligentes y ha incorporado un Plan de Im-
pulso a las Tecnologías del Lenguaje. Ambos casos están muy relacionados
con el concepto de Big Data: las ciudades inteligentes como generadoras
de ingentes cantidades de datos que pueden ser almacenados y analizados
para mejorar la eficiencia de los servicios públicos; y el análisis del lenguaje
como una de las principales fuentes de información no estructurada, que
debe comenzar a ser recogida y analizada. Para explotar esta información
se precisa de la utilización de tecnologías Big Data, que deben servir tanto
para conocer mejor las necesidades de los ciudadanos como para acceder
de forma informatizada a las ingentes bases de conocimiento digital que
utilizan el lenguaje para el desarrollo de conocimiento.

2.4.Análisis de la
evolución del mercado Big Data
La creciente demanda de analizar datos masivos, el aumento en el número de
dispositivos móviles y aplicaciones, la llegada del Internet de las cosas y de
las ciudades inteligentes están acelerando el camino para la adopción de so-
luciones y servicios Big Data en múltiples organizaciones, públicas y privadas.
Es muy complejo identificar, de forma precisa, el volumen y evolución del
mercado Big Data. Su análisis debe implicar cualquier aspecto relacionado
con la monetización de los propios datos, los bienes y servicios relaciona-
dos con su producción, procesamiento, análisis y consumo, y los servicios,
soluciones y tecnologías relacionadas con el soporte del ciclo de vida com-
pleto de los datos. Así como otros aspectos que apoyen la generación de
cualquier impacto directo, indirecto o inducido sobre lo que se ha definido
anteriormente como economía del dato.
A continuación, se presenta un resumen de análisis recientes, previsiones y esti-
maciones sobre la evolución del mercado Big Data. Las cifras ofrecidas presentan
sensibles diferencias debidas, fundamentalmente, a qué incluye cada analista
como parte del mercado de datos o mercado Big Data. No obstante, es coinci-
dente la estimación de un fuerte crecimiento del mercado en los próximos años.
“LOS INGRESOS ALREDEDOR DE LOS DATOS Y SU ANÁLISIS PARA LOS
NEGOCIOS CRECERÁN DESDE 122 MIL MILLONES DE DÓLARES EN 2015
HASTA MÁS DE 187 MIL MILLONES DE DÓLARES EN 2019, LO QUE SU-
PONE UN AUMENTO DE MÁS DEL 50% EN EL PERÍODO DE CINCO AÑOS.
LAS INDUSTRIAS QUE PRESENTAN LAS MAYORES OPORTUNIDADES DE
INGRESOS SON FABRICACIÓN DISCRETA (22,8 MIL MILLONES DE DÓ-
LARES EN 2019), BANCA (22,1 MIL MILLONES USD) Y FABRICACIÓN
DE PROCESOS (16,4 MIL MILLONES DE USD)”.
Fuente: IDC.
“EL MERCADO GLOBAL DE BIG DATA CRECERÁ DE 18,3 MIL MILLONES
DE USD EN 2014 A 92,2 MIL MILLONES DE USD EN 2026, REPRESEN-
TANDO UNA TASA DE CRECIMIENTO ANUAL COMPUESTA (CAGR) DE 14.4
POR CIENTO. LA GESTIÓN DE DATOS (14% CAGR), LAS TECNOLOGÍAS
BÁSICAS COMO HADOOP, SPARK Y ANÁLISIS DE FLUJO (24% CAGR),
LAS BASES DE DATOS (18% CAGR) Y EL ECOSISTEMA BIG DATA, IN-
CLUYENDO APLICACIONES, ANÁLISIS Y HERRAMIENTAS (23% CAGR),
SERÁN LOS CUATRO SUB-SEGMENTOS DE MÁS RÁPIDO CRECIMIENTO”
(ILUSTRACIÓN 2).
Fuente: Wikibon

“HASTA 2020, EL GASTO EN LA TECNOLOGÍA Y ANALÍTICA BIG DATA BASADA EN LA NUBE (BDA)
CRECERÁ 4,5 VECES MÁS RÁPIDO QUE EL GASTO PARA LAS SOLUCIONES BASADAS EN INFRAESTRUC-
TURAS PROPIAS (ON-PREMISE). PARA EL AÑO 2020, EL 50% DE TODO EL SOFTWARE DE ANÁLISIS
DE NEGOCIOS INCORPORARÁ ANALÍTICA PRESCRIPTIVA BASADA EN COMPUTACIÓN COGNITIVA.”
Fuente: IDC FutureScape:
Worldwide Big Data and Analytics 2016 Predictions
“EL MERCADO TOTAL DE DATOS DUPLICARÁ SU TAMAÑO, PASANDO DE 69,6 MIL MILLONES DE
DÓLARES EN INGRESOS EN 2015 A 132,3 MIL MILLONES DE DÓLARES EN 2020. LOS SEG-
MENTOS DE MERCADO ESPECÍFICOS INCLUIDOS EN EL ANÁLISIS SON LA CREACIÓN DE BASES
DE DATOS OPERATIVAS, EL ANÁLISIS DE ESTAS BASES, EL DESARROLLO DE HERRAMIENTAS
PARA EL ANÁLISIS Y LOS POSTERIORES INFORMES, LA GESTIÓN DE LOS DATOS, LA BÚS-
QUEDA, HADOOP, LA RED Y ALMACENAJE DISTRIBUIDO DE DATOS, EL MODELO EMPRESARIAL
PM (PERFOMANCE MANAGEMENT) Y LAS TECNOLOGÍAS ESP (EVENT STREAM PROCESSING)”
(ilustración 3).
Fuente: 451 Research; 14 de junio de 2016.
“SE ESTIMA QUE EL MERCADO DE ‘SOFTWARE’ ANALÍTICO PRESCRIPTIVO CRECERÁ DE APROXI-
MADAMENTE 415 MILLONES DE USD EN 2014 A 1,1 MIL MILLONES DE USD EN 2019, ALCANZANDO
UN CAGR DEL 22%. ACTUALEMNTE, EL 10% DE LAS ORGANIZACIONES TIENE ALGUNA FORMA DE
ANÁLISIS PRESCRIPTIVO. SE PREVÉ QUE LA PROPORCIÓN DE ORGANIZACIONES QUE ADOPTEN
ANALÍTICA PRESCRIPTIVA LLEGARÁ HASTA UN 35% EN 2020, Y LA MAYOR PARTE DE LA NUEVA
ADOPCIÓN SERÁ DE GRANDES ORGANIZACIONES EN ECONOMÍAS MADURAS”.
Fuente: Gartner Forecast Snapshot: Prescriptive Analytics, Worldwide, 2016; 5 de febrero 2016
PREDICCIÓN DE WILKIBON BIG DATA SOFTWARE,
HARDWARE Y SERVICIOS PROFESIONALES
Big Data Software Big Data Hardware Servicios profesionales
Fuente: Ingresos anuales por Big Data.
Ilustración 2: Predicción Big Data, según Wikibon.
$0.0
$40.0
$20.0
$60.0
$80.0
$10.0
$50.0
$30.0
$70.0
$90.0
$100.0
2014 20202017 20232015 20212018 20242016 20222019 2025 2026
CAGR Ingresos totales de Big Data
2014-2016=14.4%
INGRESOSANUALESPORBIGDATA

“SE ESPERA QUE EL MERCADO GLOBAL DE ‘SOF-
TWARE’ DE BI (INTELIGENCIA DE NEGOCIO, IN-
TELIGENCIA EMPRESARIAL EN SU TRADUCCIÓN AL
CASTELLANO) Y ANALÍTICA AUMENTE DE 17,9 MIL
MILLONES DE DÓLARES EN 2014 A 26,78 MIL
MILLONES DE DÓLARES EN 2019, ALCANZANDO UN
CAGR DE 8,4%. LA BANCA, LOS SERVICIOS FINAN-
CIEROS, LOS SEGUROS, EL COMERCIO MINORISTA,
LAS TI Y LAS TELECOMUNICACIONES REPRESENTA-
RÁN EL MAYOR PORCENTAJE DEL MERCADO ANALÍ-
TICO Y DE BI”.
Fuente: Marketresearch.com, The Business Intelligence and
Analytics Software Market.
“PARA 2020, LA ANALÍTICA PREDICTIVA Y PRES-
CRIPTIVA ATRAERÁ AL 40% DE LAS NUEVAS IN-
VERSIONES NETAS DE LAS EMPRESAS EN BI Y
ANALÍTICA. PARA EL AÑO 2020, SÓLO EL 50% DE
LOS PRINCIPALES ANALISTAS OFICIALES HABRÁN
CREADO CON ÉXITO UNA RELACIÓN QUE VINCULE
LOS OBJETIVOS FINANCIEROS E INVERSIONES CON
LAS INICIATIVAS DE BI Y DE ANALÍTICA”.
Fuente: Gartner, 100 Data and Analytics Predictions Through
2020; 24 de marzo de 2016
INGRESOS TOTALES POR SEGMENTO
A NIVEL MUNDIAL
“EL MERCADO DE BIG DATA ANALYTICS Y HADOOP
REPRESENTARON 8,48 MIL MILLONES DE DÓLARES EN
2015 Y SE ESPERA QUE ALCANCE 99,31 MIL MILLO-
NES DE DÓLARES EN 2022 CRECIENDO A UN CAGR DE
42,1% DE 2015 A 2022. EL AUMENTO DE LA ANA-
LÍTICA BIG DATA, EL RÁPIDO CRECIMIENTO EN LA
CAPTURA DE DATOS PROCEDENTES DEL CONSUMIDOR
Y LAS TÉCNICAS DE TAXONOMÍA SERÁN ALGUNOS DE
LOS MUCHOS FACTORES QUE ALIMENTARÁN EL CRECI-
MIENTO DEL MERCADO”.
Fuente: Stratistics Market Research Consulting
$0
$20.000
$40.000
$60.000
$80.000
$100.000
$120.000
2015 2016 2017 2018 2019 2020
Procesamiento de eventos/stream
Gestión de resultados
Red/caché de datos distribuida
Hadoop
Búsqueda
Gestión de datos
Informes y analíticas
Bases de datos analíticas
Bases de datos operacionales
Fuente: Market Monitor: Total Data, Q2 2016.
Ilustración 3: Proyecciones ingresos por segmento según Market Monitor.

En Europa, la mayor parte de los analistas proyectan crecimientos del mercado
Big Data en torno al 25% (CAGR) de 2016 a 2021, manteniendo una línea similar
de crecimiento a la estimada para las economías más maduras.
El primer Informe provisional (borrador) del estudio de mercado de datos euro-
peo preparado por IDC & Open Evidence16
indica que el mercado global de
datos (es decir, el valor agregado de los productos y servicios relacionados
con los datos intercambiados en la economía europea) se estima ya en más
de 50 mil millones de Euros y llegará a 111 mil millones en 2020, conside-
rando las hipótesis de crecimiento menos conservadoras.
El citado informe evalúa los impactos económicos globales producidos en
la Unión Europea por la economía del dato —es decir, la adopción de la
innovación basada en datos—. Esta economía se estima en alrededor de
255 mil millones de euros en 2014, lo que representa una contribución al
PIB de aproximadamente 1,8%. Este valor podría ascender al 4,7% en 2020
si se confirman las hipótesis de alto crecimiento en Europa.
Según indica el informe European Big Data Value - Strategic Research & Innova-
tion Agenda (SRIA)17 de la Big Data Value Association, las grandes empresas
y pyme en Europa están viendo claramente el potencial de Big Data para
transformar, de forma disruptiva, los mercados y modelos de negocio, y es-
tán comenzando a explorar las oportunidades que ofrece. Analistas como
IDC confirman que la adopción de Big Data en Europa se está acelerando.
Sin embargo, Europa todavía está en una etapa temprana de desarrollo
y adopción de tecnologías y servicios de Big Data, por lo que continúa
rezagada con respecto a Estados Unidos. Así, la necesidad de favorecer el
reposicionamiento de Europa puede conllevar mayores ratios de crecimiento
para este mercado, con el propósito de alcanzar las hipótesis más optimistas.
Con respecto a España es necesario indicar, en primer lugar, que no existen
demasiados informes internos que dimensionen el mercado y su evolución.
De los que se disponen se pueden extraer estimaciones de crecimiento
alineadas con contextos más globales.
La Asociación Española de Estudios de Mercado, Marketing y Opinión
(AEDEMO), la Asociación de Empresas de Investigación de Mercados y
Opinión (ANEIMO) y la Sociedad Europea de Opinión e Investigación de
Mercados (ESOMAR) presentaron un informe de este sector en 2014, en el
que analizan el mercado del Big Data en España18.
En este informe se presentaba una cifra neta de negocio de 441,41 millones
de euros para el mercado Big Data en España y se preveía un crecimiento del
4,3% para el año 2015. Esta cifra, que se consideraba positiva y sensiblemente
superior a la media de crecimiento de otros sectores ICT, muestra una
dinámica de evolución positiva tras el periodo de crisis y decrecimiento del
mercado en los años precedentes.
16 IDC & Open Evidencie (2016), The Data Market and The Data Economy. Recuperado en https://
sites.google.com/a/open-evidence.com/download/repository/EDM_D8_4%29%204%29%20The%20
Data%20Market%20and%20The%20Data%20Economy%20.pdf?attredirects=2&d=1.
17 BDV SRIA (2016), European Big Data Value - Strategic Research & Innovation Agenda. Recuperado
en http://www.bdva.eu/sites/default/files/EuropeanBigDataValuePartnership_SRIA__v2.pdf.
18 AEDEMO; ANEIMO y ESOMAR (2014), El big data ha movido 441 millones de euros en España
durante 2014. Recuperado en http://prnoticias.com/marketing/20142319-big-data-millones-espana.

El estudio también cuantificaba que la industria del Big Data española empleaba, en 2015, a
10.439 personas, y de ellas 57% eran altamente cualificadas en sectores relacionados con la
tecnología, el mundo digital y la consultoría. Con estos datos se registraba un crecimiento en
2015 del 1,3% en el número de empleados del sector.
Asimismo, el informe destacaba la presencia global de este sector: el 19,2% del trabajo generado
se exportaba, cada vez se subcontrataba más en el extranjero y se trabajaba para clientes con
sedes en otros países.
A pesar de no existir informes que cuantifiquen valor y evolución del mercado Big Data en España,
en conversaciones con las principales empresas participantes en este mercado reconocen
ratios de crecimiento anual cercanos a una media del 30%. Lo que situaría a España en situación
coincidente con las estimaciones existentes en otras geografías.
2.5.El desarrollo de talento
Big Data como factor clave de éxito
Desde el punto de vista de la empresa privada, la visión es coincidente: los aspectos culturales
organizativos y el desarrollo de nuevas capacidades son las principales barreras a superar para
obtener el mayor retorno posible de la oportunidad que supone el Big Data.
Así, un informe de la empresa DNV GL de abril 2016, Are you able to leverage big data to boost your
productivity and value creation?19, identifica factores asociados a la capacitación, cultura y flexibili-
dad organizativa como los retos a superar para generar el mayor valor posible de los datos.
19 DNV GL (2016), Are you able to leverage big data to boost your productivity and value creation? Recuperado en https://www.dnvgl.
com/Images/ViewPointReport_BigData2016_lowresRetEx-R_tcm8-61203.pdf.
¿QUÉ BARRERAS ESTÁN IMPIDIENDO QUE TU COMPAÑÍA
TOME VENTAJA EN BIG DATA? (MÚLTIPLES RESPUESTAS)
29,0%
23,2%
28,5%
18,4%
21,7%
14,5%
14,0%
8,2%
9,2%
4,8%
6,8%
GRANDES
COMPAÑIAS
>1000 empleados
nº 207
19,5%
22,0%
40,2%
13,4%
35,4%
15,9%
13,4%
11,0%
1,2%
7,3%
12,2%
nº 87
LÍDERES
30,8%
24,6%
12,3%
21,5%
7,7%
12,3%
18,5%
9,2%
3,1%
3,1%
6,2%
AMERICA
DEL SUR
Y CENTRO
nº 65
30,5%
18,9%
40,2%
23,2%
11,0%
11,0%
9,8%
6,1%
9,8%
3,7%
6,1%
AMERICA
DEL NORTE
nº 82
EUROPA
24,7%
21,7%
30,2%
21,2%
13,0%
11,7%
12,2%
9,2%
12,0%
4,3%
8,4%
nº 368
22,3%
25,9%
11,5%
17,4%
22,6%
12,5%
11,9%
11,7%
7,2%
5,9%
9,1%
ASIA
nº 615
Fuente: DNV GL (2016).
Ilustración 4. Barreras Big Data.
TOTAL 1,189
Falta de una estrategia global
Insuficientes habilidades técnicas
Demasiadas prioridades de comparación
Falta de entendimiento de la administración
Temas de seguridad
Falta de agilidad organizacional
Falta de cultura colaborativa
Falta de incentivos laborales
Estudios de caso débiles
Falta de seguridad para tomar riesgos
Ninguna/no existen barreras
24,4%
23,5%
19,8%
19,7%
17,4%
12,2%
12,0%
10,3%
9,1%
5,0%
8,4%

Para comenzar a analizar estos factores lo primero es definir qué se entiende
por talento Big Data. Básicamente este talento implica disponer de las capaci-
dades que permitan responder y actuar sobre las siguientes preguntas:
1. Qué datos necesita una organización para generar mayor valor.
2. Qué datos existen y dónde están o se pueden conseguir.
3. Cuáles son válidos y cómo se interpretan.
4. Cuál es y cómo se obtiene su valor.
5. Cómo se puede distribuir y consumir el valor generado.
6. Cómo se custodia, administra y gobiernan correctamente los datos y la
información.
En resumen, se trata del talento necesario para apoyar cualquier elemento de
esta cadena: desde identificar los datos que tienen valor para un fin concreto,
recogerlos, organizarlos, almacenarlos y analizarlos, así como saber explotarlos
para optimizar el proceso de toma de decisiones.
Los profesionales que requieren este talento tendrán responsabilidad, como
una parte relevante de su actividad, sobre las tareas de gestión y operación
de todo el ciclo de los datos; desde su identificación y validación, hasta la
explotación de su valor.
La definición de talento Big Data incluye una compleja combinación de ha-
bilidades que raramente se ven en una sola persona; como consecuencia,
uno de los factores más importantes —complementario al desarrollo del
propio talento— será la creación de equipos multidisciplinares que se ocu-
pen de la gestión de los datos.
Para generar valor de los datos, no solo son necesarios conocimientos ma-
temáticos y estadísticos —ciencias básicas para su análisis— sino que es
imprescindible también el dominio y conocimiento del negocio y de la tec-
nología subyacente, así como el desarrollo de competencias relacionadas
con la innovación, la colaboración y el trabajo en equipo. Dada la diversidad
de capacidades necesarias, el desarrollo de talento Big Data no se puede
disociar del factor equipo.
Trabajar con equipos multidisciplinares implica el desarrollo de nuevas cul-
turas dentro de las organizaciones. Se trata de vincular los distintos perfiles
(negocio, uso, analítica, tecnología, gobierno, etc.) que conforman el ciclo
de vida del dato y su explotación. En esta línea, se pueden identificar cuatro
roles principales y agregados, que requieren capacidades diferenciadas:
DIRECTIVOS Y CONSULTORES: responsables de identificar el valor del
dato, su aplicación, así como de facilitar el cambio de mentalidad, cultura y
enfoque al utilizar los datos para plantear soluciones y para apoyar la toma
de decisiones. En la actualidad están disponibles grandes volúmenes de da-
tos, pero para aprovecharlos es necesario contar con la capacidad computa-
cional Big Data y con una sólida base analítica. Las compañías que generan
o tienen acceso a grandes cantidades de datos están transformándose en
compañías guiadas por los datos. En este tipo de empresas son los datos,
y no la intuición o la experiencia personal, los que fundamentan cada deci-
sión de negocio. Este proceso debe ser liderado por este rol.
DATA SCIENTISTS: suponen un papel clave, ya que se encargan de la
transformación de los datos en información de valor a través de la utiliza-
ción de técnicas analíticas. Probablemente sea el perfil más complejo ya
que requiere una mezcla de capacidades: conocimientos estadísticos, ma-
temáticos, informáticos y de negocio. Además es necesario conocer mé-

todos avanzados de análisis de datos y tener una una
comprensión completa del procesamiento escalable y
masivo de datos, así como de los aspectos técnicos y de
implementación asociados.
Dentro de la industria de TI (Tecnologías de la Informa-
ción), la figura del científico de datos es clave. Por ejem-
plo, según la Big Data Value Association apoyada en el
Programa Estratégico de Investigación e Innovación de
la cPPP europea sobre Big Data (SRIA, abril de 2014):
“LOS CIENTÍFICOS DE DATOS SE CENTRAN TANTO
EN LA ANALÍTICA COMO EN LA EXPLORACIÓN Y EX-
PLOTACIÓN DE LOS DATOS”.
El profesor de la Escuela de Negocios de Harvard Thomas
Davenport ya explicó en un informe en 2012 el importan-
te papel de esta figura profesional: “LOS CIENTÍFICOS
DE DATOS REQUIEREN HABILIDADES TÉCNICAS, EM-
PRESARIALES, ANALÍTICAS Y DE RELACIÓN. MUCHOS
DE ELLOS TIENEN TÍTULOS AVANZADOS EN CIENCIAS
DE LA COMPUTACIÓN O TITULACIONES AVANZADAS
EN CAMPOS COMO LA FÍSICA, LA BIOLOGÍA O LAS
CIENCIAS SOCIALES, QUE REQUIEREN MUCHO TRABA-
JO INFORMÁTICO, POR TANTO, TODOS DEBEN TENER
HABILIDADES COMPUTACIONALES FUERTES”.
ARQUITECTOS DE DATOS E INGENIEROS DE DA-
TOS: la tecnología Big Data ha revolucionado total-
mente el tipo de infraestructuras tecnológicas que se
necesitan, tanto para almacenar los datos como para
procesarlos y explotarlos. Los arquitectos e ingenieros
del dato son los encargados de diseñar las infraestructu-
ras tecnológicas físicas, lógicas y técnicas óptimas para
el acceso a los datos masivos y para el desarrollo y des-
pliegue de modelos de procesamiento analítico. Deben
conocer y participar en todo el ciclo del dato, desde su
captura hasta su explotación, incluyendo su gestión.
USUARIOS: este rol agrega los profesionales que van a
dar uso real a todo ese valor extraído de los datos. Big Data
implica que los datos van a dejar de estar sólo presentes
para analizar descriptivos del pasado, sino que van a ser una
herramienta para tomar decisiones o predecir el futuro.
Al ser el colectivo de mayor volumen, la transformación
y el cambio cultural será un factor clave.
Existen otros roles que están progresivamente adquirien-
do importancia, según se alcanza mayor nivel de madu-
rez en el aprovechamiento del valor de los datos. Entre
ellos se pueden destacar roles relacionados con la segu-
ridad de la información, con su gobierno y gestión, y con
la responsabilidad legal alrededor de su utilización.
Las definiciones anteriores, en conjunto con la previsión
de evolución del mercado —detallada en el capítulo an-
terior—, permiten un análisis más contextualizado so-
bre cuál es la situación actual y las necesidades futuras
del talento Big Data.
Para el desarrollo de este análisis se presentarán datos
extraídos de informes de situación en economías rele-
vantes, fundamentalmente Estados Unidos y Europa,
para trasladar y complementar el análisis de la situación
en España.
Como ha sido citado en el presente documento, los
planes lanzados por la Administración de Obama,
bajo el paraguas de la iniciativa Big Data Research and
Development20 de 2012 y sus posteriores evoluciones,
colocan el foco en el desarrollo de capacidades en las
personas, como factor clave de éxito de los mismos.
Diferentes estudios constatan la carencia de profesio-
nales cualificados en conocimiento sobre Big Data que
sufrirán las principales economías del mundo durante
los próximos años. En Estados Unidos, la universidad
ha reaccionado de forma rápida para intentar cubrir la
necesidad de capacidades identificada alrededor del Big
Data. En un primer momento lo hicieron las principa-
les universidades y escuelas de negocios del país, para
posteriormente vincularse la enseñanza secundaria, así
como las universidades de menor prestigio, tanto pre-
senciales como virtuales. En conjunto se ha generado
una gran oferta de formación.
La asociación de las instituciones educativas con el sec-
tor privado también está siendo clave en la generación de
nuevos profesionales cualificados. Las grandes empresas
norteamericanas lideran y participan en programas rela-
cionados con la tecnología y analítica Big Data en un gran
número de universidades y centros de formación.
Por su parte la Comisión Europea es también consciente
de la importancia de la diferencia, brecha que existirá en
Europa en los próximos años. De esta forma, la Dirección
General para Redes de Comunicaciones, Contenidos y
Tecnología ha realizado diferentes sesiones de trabajo
para analizar este problema en el ámbito de la Comisión.
Posteriores análisis también han mostrado la existen-
cia de un gran desajuste de las capacidades en Europa.
Mientras por un lado se constata la existencia de un
gran número de profesionales desempleados, en parti-
cular en el sur Europa; por otro lado, aparece un número
creciente de vacantes en Big Data y otros ámbitos muy
dinámicos relacionados con las TIC, donde la demanda
está creciendo vertiginosamente, pero la oferta no aca-
ba de aflorar.
Las conclusiones de estos análisis reforzaron la idea de
la importante de crear ecosistemas de trabajo con equi-
pos multidisciplinares: tanto por la necesidad de enlazar
las habilidades técnicas (analíticas o tecnológicas) con
20 NITRD (2016), Big Data Research and Development. Recupera-
do en https://www.google.es/url?sa=t&rct=j&q=&esrc=s&source=we-
b&cd=4&cad=rja&uact=8&ved=0ahUKEwjbtMT7pfvSAhUMlx-
QKHRFvDqUQFgg8MAM&url=https%3A%2F%2Fwww.nitrd.
gov%2FPUBS%2Fbigdatardstrategicplan.pdf&usg=AFQjCNHbhsoopQjdqK-
bouv1Jf587g2Bpzw&bvm=bv.150729734,d.d24.

aquellas relacionadas con contexto de los datos (seguridad, protección, le-
galidad), como por la necesidad de complementarlas con otras “habilidades
blandas” (comunicación, habilidades sociales, flexibilidad, etc.), imprescin-
dibles para la generación de equipos Big Data eficientes.
Sobre el frente de la educación, las conclusiones obtenidas por la Comisión
han incidido en la necesidad de que las escuelas proporcionen a los jóvenes
especialización en los roles identificados alrededor de Big Data. En cuanto a
la educación superior, es notorio que los grados específicos han comenzado
a aparecer de forma creciente, pero yendo más allá, la conclusión en el ám-
bito universitario recomendaba la inclusión de complementos de formación
Big Data en todas las carreras y disciplinas que puedan requerir entrar en
contacto con este campo.
En cuanto a los trabajadores que ya están en el mercado de trabajo, el én-
fasis ha recaído en la necesidad de la formación, y en concreto en el hecho
de que la formación Big Data puede beneficiar a los empleados de todos los
niveles en las organizaciones.
Como resumen, y salvo las excepciones de algunos países miembros de re-
ferencia, se puede concluir que la economía digital europea ha sido lenta en
adoptar la revolución de los datos en comparación con EE. UU., y también
que carece de una capacidad industrial comparable. La financiación de la
investigación e innovación (I+i) en materia de datos en la UE es inferior al
umbral crítico y las actividades correspondientes están todavía, en gran par-
te, descoordinadas.
La Comisión ha estado trabajando para abordar todos estos problemas y ha
comenzado por tratar de cubrir la demanda futura de estos perfiles profesio-
nales. Es por ello que ha lanzado iniciativas como la Gran Coalición para Tra-
bajos Digitales. Esta coalición se configuró en 2013, mediante la asociación
de más de 80 organizaciones, públicas y privadas que se comprometieron a
ofertar miles de cursos de formación gratuitos. De forma paralela, se esta-
blecieron operaciones nacionales, para asegurar el correcto abordaje de los
problemas locales. La clave era aproximar la educación a la industria.
Uno de los principales hallazgos fue descubrir que la revolución digital había
dado lugar a una importante brecha de competencias, sobre la cual era el
sistema educativo el que, fundamentalmente, estaba retrasado. Además, se
identificó que parte del desajuste de las competencias podría cubrirse con
trabajadores habilitados que se encuentran en regiones geográficas donde
existe poca demanda de trabajo, los cuales son, en muchos casos, reacios a
desplazarse a lugares con mayor demanda. La mejora del reconocimiento
mutuo de títulos y cualificaciones profesionales entre países, como medio
para optimizar la movilidad de las competencias, es una medida identifica-
da por la CE de forma transversal y específicamente en el ámbito TIC, lo que
incluye Big Data.
Por otra parte, la iniciativa GoDigital de la Dirección General de Empresa e
Industria de la Comisión Europea ha contribuido a generar iniciativas de co-
laboración entre los sectores industrial y académico para desarrollar com-
petencias en TIC, con extensión a las pymes. La Agenda Digital para Europa
2010-2020 de la Comisión Europea (2020) ha puesto la atención en mejorar y
poner en práctica competencias digitales a largo plazo y políticas de alfabeti-
zación digital en los Estados miembros.
En el caso concreto de España la situación del talento se encuadra den-
tro de la viablidad del Plan Avanza, el cual, en esta segunda etapa, supone
una actualización de objetivos para comenzar a adaptarlos a los desafíos de

la sociedad en red. Así, uno de los propósitos principales
del Plan Avanza 2 es contribuir a un cambio de modelo
económico en el país a través de las TIC. La difusión del
uso de estas tecnologías permitiría aumentar la compe-
titividad y la productividad y favorecería la igualdad de
oportunidades; de manera que se consolidara un modelo
sostenible de crecimiento económico.
Si se considera, por ahora, el ámbito agregado de las TIC, la
formación ciudadana es una parte importante de la estra-
tegia del Plan Avanza, que pretende informar a los ciudada-
nos sobre las ventajas del uso de Internet y las TIC. Dentro
de los programas formativos desarrollados por el Plan se
incluyeron algunos relacionados con la incorporación de
la mujer al mundo de las TIC, como medida para reducir
la brecha digital entre hombres y mujeres; programas de
acercamiento de las TIC a la infancia, y de integración de
inmigrantes en la sociedad de la información.
Las pymes constituyen otra parte importante de la es-
trategia del Plan Avanza, que tiene el objetivo de for-
marlas en TIC y ayudarlas a implementar soluciones de
comercio electrónico —como la facturación electróni-
ca— para mejorar la competitividad y la productividad.
Es lo que se ha llamado economía del conocimiento.
Así, el Plan Avanza 2 contempla acciones de formación
estructurales orientadas a acercar las TIC a la sociedad,
lo que incluye poner el foco en las pymes, como parte
sustancial del tejido empresarial en España; en la mujer,
para cerrar la brecha digital o incluso en la infancia. No
obstante, no se trata de un marco específico destinado
a la generación de talento Big Data en España. Esto solo
esta mencionado originariamente en el Plan de Inclu-
sión Digital y Empleabilidad, dentro del parágrafo de
Formación para el Empleo, como Programa Superior de
Big Data & Analytics.
Siguiendo la estrategia del Gobierno para el desarrollo
de la economía y la sociedad digitales en España duran-
te el período 2013-2015, el Consejo de Ministros adoptó
en febrero de 2013 la Agenda Digital para España. Esta
estrategia se establece como el paraguas de todas las
acciones del Gobierno en Telecomunicaciones y Socie-
dad de la Información (Ministerio de Energía, Turismo y
Agenda Digital, Secretaría de Estado para la Sociedad de
la Información y la Agenda Digital).
Los principales objetivos de la Agencia Digital para Es-
paña ya han sido enunciados previamente en este docu-
mento e incluyen planes relacionados con el tratamien-
to de datos masivos, con las ciudades inteligentes, con
el impulso de las tecnologías del lenguaje y un Plan de
innovación en el sector TIC. No obstante, la orientación
principal de dichos planes es mejorar la competitividad
y se dedica menor intensidad al desarrollo de capacida-
des específicas en el ámbito Big Data. Este desarrollo
debería incluir la formación, el impulso a la asociación
universidad-empresa y el desarrollo de ecosistemas co-
laborativos, en línea con acciones propuestas por la CE
o ya en marcha en los países referentes en este ámbito.
Otros organismos vinculados al Gobierno de España,
como red.es, ayudan al desarrollo de programas forma-
tivos en materias relacionadas con la Economía Digital o
las TIC emergentes: comercio electrónico, marketing di-
gital, contenidos y servicios digitales, desarrollo web y de
aplicaciones móviles, computación en la nube, Big Data,
ciberseguridad, ciudades inteligentes, realidad virtual y
aumentada, Internet de las cosas o impresión 3D. Estos
programas suponen un complemento necesario, pero no
suficiente si el objetivo final es buscar una posición de
privilegio para España en la oportunidad del Big Data.
El análisis de Carmen Artigas21
, cofundadora de Synergic
Partners (Grupo Telefónica), muestra la demanda
actual de capacidades Big Data en España: “EL
MERCADO DE BIG DATA CRECE UN 30% CADA
AÑO EN ESPAÑA, SIETE VECES MÁS QUE LA
INVERSIÓN EN TECNOLOGÍAS DE LA INFORMACIÓN
TRADICIONALES. ES UNA APUESTA SÓLIDA PARA
AUMENTAR LAS FUENTES DE INGRESOS DE LAS
COMPAÑÍAS, CONSOLIDAR SUS ESTRATEGIAS DE
PERSONALIZACIÓN Y FIDELIZACIÓN DE LOS
CLIENTES E IMPULSAR SU TRANSFORMACIÓN
DIGITAL”. Así mismo, indica que “EL ENTORNO DE
BIG DATA INCLUYE PERFILES DE ARQUITECTO DE
BIG DATA, ANALISTA, ‘DATA SCIENTIST’, ‘DATA
ENGINEER’, CONSULTOR DE BIG DATA, ETC.
DURANTE EL AÑO 2015 SE DUPLICÓ LA DEMANDA
DE ESTOS PROFESIONALES, PASANDO DE 1.797
VACANTES EN 2014 A 3.447 VACANTES EN 2015,
UN 92% MÁS QUE EL AÑO ANTERIOR. PARA ESTOS
PUESTOS, EL SALARIO PROMEDIO ES DE 39.689
EUROS Y EL NIVEL DE COMPETENCIA APENAS HA
VARIADO RESPECTO AL AÑO ANTERIOR, PASANDO
DE SEIS A SIETE INSCRITOS POR VACANTE. PARA
ESTOS PUESTOS SE REQUIEREN ESTUDIOS DE
INGENIERÍA, MATEMÁTICAS Y/O ESTADÍSTICA”.
Y continua: “PARA ESTOS PUESTOS SE PRECISAN
CONOCIMIENTOS EN HADOOP, SPARK, CLOUDERA,
MONGODB, HIVE, ASÍ COMO CONOCIMIENTOS EN
APRENDIZAJE AUTOMÁTICO, MINERÍA DE DATOS
O RECONOMIENTOS DE PATRONES”.
El análisis también identifica como competencia clave
en estos perfiles la habilidad de poner todo este cono-
cimiento al servicio de los objetivos y la estrategia de la
empresa: “TENER SENSIBILIDAD EMPRESARIAL Y,
SOBRE TODO, SABER EXPLICAR LOS RESULTADOS DE
GRANDES DATOS A LOS EJECUTIVOS, O LO QUE ES
LO MISMO, SABER CONTAR UNA HISTORIA CON LOS
DATOS” y relacionarse bien con los decisores.
21 Big Data Week (2015), Artigas C. Recuperado en http://www.synergicpart-
ners.com/en/one-week-away-from-the-start-of-big-data-week/

Para la evaluación y análisis de la demanda, se presentan a continuación
diferentes visiones (indicadores) basadas en el informe de Epyce Posiciones
y competencias más demandadas en España de 201522.
Como introducción y contexto, el informe indica que, durante el 2015, el
74,46% de las posiciones más demandadas en España, se concentraron
en tres familias; comercial (31,39%), ingeniería (16,67%) y tecnología
(16,67%). Respecto al año anterior, los perfiles de marketing perdieron
importancia (9,74%) frente a los de tecnología (Ilustración 5).
22 EPYCE (2015), Posiciones y competencias más demandadas en España de 2015. Recuperado en https://
www.forem.es/assets/files/Informe_EPyCE_2015.pdf.
POSICIONES MÁS DEMANDADAS EN ESPAÑA
EN EL PRESENTE
PRESENTE - POSICIONES MÁS DEMANDADAS (POS1)
Comercial
Ingeniería
Tecnología
Marketing
Administración, Finanzas y Legal
Operarios Cualificados
Dirección
Salud
Logística
Otros
RRHH
Consultoría
TOTAL GENERAL
31,39%
16,67%
16,67%
9,74%
8,23%
6,28%
3,90%
1,95%
1,73%
1,30%
1,30%
0,87%
100,00%
FRECUENCIA REL.
Fuente: Epyce 2016, Posiciones agregadas más demandadas en España en 2015.
Ilustración 5. Posiciones más demandadas en España en el presente.

POSICIONES Y COMPETENCIAS MÁS DEMANDADAS EN 2015
La ilustración 6 muestra las posiciones más demandadas en el presente
(2015) de forma desagregada. Ya se observa que Big Data (frecuencia relativa
2,28%) es ya el ámbito más demandado en la familia de tecnología, aunque
se encuentra por debajo de otras 12 posiciones.
Ingeniería - Ingeniero Industrial
Comercial - Técnico Comercial
Comercial - Gestor de cuentas
Comercial - Delegados de Venta
Comercial - Gestor Senior de cuentas
Comercial - Especialista en Punto de Venta
Comercial - Consultor Comercial
Marketing - Especialista de Marketing En línea / Digital
Operarios Cualificados - Operadores de Fábrica
Ingeniería - Ingeniero Informático
Comercial - Comerciales de Exportación
Ingeniería - Ingeniero de Proyecto
Tecnología - Big Data
Tecnología - Desarrollador web analyst
Comercial - Comercial Digital
Operarios Cualificados - Operarios de Mantenimiento
Administración, Finanzas y Legal - Economista
Comercial - Comerciales para nuevos mercados
Ingeniería - Ingeniero Eléctrico
Tecnología - Programador Informático
Administración, Finazas y Legal - Administrativo
Comercial - Category Management
Dirección - Comercial de Proyectos / Obra
Ingeniería - Ingeniero Mecánico
Marketing - Community Manager (redes sociales)
Tecnología - Especialista de Aplicaciones
Tecnología - Project Manager
Administración, Finazas y Legal - Abogado
Ingeniería - Ingeniero de Desarrollo
Ingeniería - Ingeniero de Planta
Marketing - Brand Managers
Tecnología - Especialista en Sistema de Información
Administración, Finanzas y Legal - Compliance
Marketing - Responsable de estrategia digital
0.00% 1.00% 2.00% 3.00% 4.00% 5.00% 6.00%
Fuente: Epyce 2016.
Ilustración 6. Posiciones y competencias más demandadas en 2015.

Respecto a la agrupación por familias, en el análisis de las posiciones
más demandadas en un futuro próximo, de dos a tres años, figuraron en el
informe: comercial (28,89%), tecnología (20,35%) e ingeniería (17,09%).
En este indicador se muestra cómo a corto plazo la familia de tecnología
superara a la de ingeniería. (Ilustración 7).
POSICIONES MÁS DEMANDADAS
EN ESPAÑA EN UN FUTURO (2 A 3 AÑOS)
Fuente: Epyce 2016.
Ilustración 7. Posiciones agregadas más demandadas en España en el futuro
(2 a 3 años a partir de 2015).
FRECUENCIA REL.FUTURO - POSICIONES MÁS DEMANDADAS (POS2)
Comercial
Tecnología
Ingeniería
Marketing
Dirección
Salud
RRHH
Logística
Consultoría
Otros
TOTAL GENERAL
28,89%
20,35%
17,09%
13,32%
5,78%
5,03%
4,02%
2,01%
1,26%
1,01%
0,75%
0,50%
100,00%

El análisis desglosado de la familia de tecnología, sitúa como las posiciones
más demandadas en el futuro las relacionadas con Big Data (3,52%) y
comercio electrónico (3,27%). (Ilustración 8).
POSICIONES Y COMPETENCIAS MÁS DEMANDADAS EN EL FUTURO
Fuente: Epyce 2016.
Ilustración 8. Posiciones y competencias más demandadas en España en el futuro (2 a 3 años a partir de 2015).
Tecnología - Ecomerce
Marketing - Especialista de Marketing En línea / Digital
Tecnología - Project Mamager
Comercial - Técnico Servicio de Post de Venta
Marketing - Community Manager (redes sociales)
Tecnología - I + D
Tecnología - Programador Web,Ios, Android
Tecnología - Project Leaders
Administración, Finanzas y Legal - Economistas
Administración, Finazas y Legal - Estadístico
Administración, Finazas y Legal - Asesor financiero
Marketing - Group Product Managers
Marketing - Responsable de Marketing Relacional
Marketing - Responsable de En línea o mobile
0.00% 1.00% 2.00% 3.00% 4.00% 5.00% 6.00%

POSICIONES MÁS DIFÍCILES DE CUBRIR EN
ESPAÑA EN EL PRESENTE
Respecto a las posiciones más difíciles de cubrir en el presente, las cuatro
primeras familias que aparecen son las de comercial (28,25%), tecnología
(24,68%), ingeniería (13,96%) y marketing (10,39%). Estas cuatro familias
acumulan el 77,28% del total de respuestas proporcionadas por las
encuestas, según el informe. (Ilustración 9).
PRESENTE - POSICIONES DIFÍCILES DE CUBRIR (POS3)
Comercial
Tecnología
Ingeniería
Marketing
Dirección
Logística
RRHH
Salud
Consultoría
Otros
TOTAL GENERAL
28,25%
24,68%
13,96%
10,39%
6,49%
5,19%
4,22%
1,95%
1,62%
1,62%
0,97%
0,65%
100,00%
FRECUENCIA REL.
Fuente: Epyce 2016,
Ilustración 9. Posiciones agregadas más difíciles de cubrir en 2015

La Ilustración 10 muestra, una vez desagregado, que la posición Big Data lidera, con un 4,89% de
frecuencia relativa, la encuesta de posiciones más difíciles de cubrir en el presente.
POSICIONES Y COMPETENCIAS MÁS DIFÍCILES DE CUBRIR
Fuente: Epyce 2016, Posiciones más difíciles de cubrir en 2015.
Ilustración 10. Posiciones y competencias más difíciles de cubrir
Tecnología - I + D
Tecnología - Especialista de Integraciones
Tecnología - Project Mamager
Dirección - General
Marketing - Especialista de Marketing en línea / Digital
Marketing - Responsable de en línea o mobile
Administración, Finanzas y Legal - Compliance
Comercial - Jefe de Zona
Operarios Cualificados - Matricero
Administración, Finanzas y Legal - Especialista en RRHH
Consultor - Consultor senior SAP
Dirección - Responsable de Obra
Ingeniería - Ingeniero de Planta
0.00% 1.00% 2.00% 3.00% 4.00% 5.00% 6.00%

La Ilustración 11 muestra que las cuatro primeras familias con posiciones
profesionales más difíciles de cubrir en el futuro (entre dos y tres años) son:
comercial (29,13%), tecnología (25,59%), marketing (11,81%) e ingeniería
(10,63%). Estos resultados similares a los que presenta el informe con
respecto a las posiciones difíciles de cubrir en el presente (2015).
POSICIONES MÁS DIFÍCILES DE CUBRIR EN
ESPAÑA EN EL FUTURO PRÓXIMO
(2 A 3 AÑOS)
FUTURO - POSICIONES DIFÍCILES DE CUBRIR (PO3)
Comercial
Tecnología
Marketing
Ingeniería
Dirección
Salud
Consultoría
RRHH
Logística
Otros
TOTAL GENERAL
29,13%
25,59%
11,81%
10,63%
7,48%
4,72%
4,33%
2,36%
1,18%
1,18%
0,79%
0,79%
100,00%
FRECUENCIA REL.
Fuente: Epyce 2016,
Ilustración 11. Posiciones agregadas más difíciles de cubrir en España
en el futuro (2 a 3 años a partir de 2015).

POSICIONES Y COMPETENCIAS MÁS DIFÍCILES DE CUBRIR EN EL FUTURO
Los dos primeros puestos del ranking de este indicador
desglosado son Big Data (5,12%) e I+D (5,12%), que
corresponden a la segunda familia más importante
(tecnología), seguidos por cuatro posiciones que forman
parte de la rama comercial: comerciales para nuevos
mercados (4,33%), Gestor de cuentas (3,94%), comercial
digital (3,15%) y comercial de exportación (3,15%).
Cabe destacar que la posición de Big Data pasa de
segundo puesto en el presente al primero para un
futuro próximo.
Fuente: Epyce 2016.
Ilustración 12. Posiciones más difíciles de cubrir en España en el futuro (2-3 años a partir de 2015).
Tecnología - I + D
Tecnología - Líder de Proyecto
Comercial - Category Management
Tecnología - Programador Web,Ios, Android
Dirección - General
Marketing - Especialista de Marketing en línea / Digital
Marketing - Responsable de en línea o mobile
Marketing - SEM analytics Web designer
Tecnología - Ecomerce
Tecnología - Programador Informático
Administración, Finazas y Legal - Estadístico
Consultor - Consultor senior SAP
Dirección - Responsable de Obra
Ingeniería - Ingeniero Mecánico
0.00% 1.00% 2.00% 3.00% 4.00% 5.00% 6.00%

El informe Epyce, finalmente construye un índice general agregado, que revela un total de 87
posiciones profesionales con una frecuencia relativa media que oscila entre 0,05% y 3,92%. Las
posiciones que aparecen con mayor frecuencia relativa son las Big Data (3,92%), de la familia de
tecnología; gestor de cuentas (3,63%), de comercial; ingeniero industrial (3,55%), de ingeniería, y
senior key gestor de cuentas (3,24%), también de comercial.
POSICIONES - FRECUENCIAS
Tecnología - I + D
POS1
2,16%
3,68%
5,19%
3,25%
1,73%
2,60%
1,95%
4,33%
1,08%
3,68%
POS2
3,52%
3,02%
4,77%
3,27%
2,51%
3,52%
4,77%
2,76%
1,51%
2,01%
POS3
4,87%
3,90%
2,27%
4,87%
3,90%
2,60%
1,95%
2,92%
2,92%
2,92%
POS4
5,12%
3,94%
1,97%
1,57%
4,33%
3,15%
3,15%
1,57%
5,12%
1,57%
MEDIA
3,92%
3,63%
3,55%
3,24%
3,12%
2,97%
2,95%
2,90%
2,66%
2,55%
Fuente: Epyce 2016.
Ilustración 13. Índice agregado de posiciones más demandadas en 2015.
ÍNDICE AGREGADO DE POSICIONES
MÁS DEMANDADAS EN 2015
El informe también presenta la evolución temporal entre los años 2014 y 2015, donde es posible
advertir cambios significativos en el análisis de las posiciones más demandadas. Es muy relevante
el ascenso en el interés en las posiciones Big Data, que ya en 2015 cuando se agregan todos los
indicadores del Informe, pasa a ocupar el primer puesto, frente al número 15 en 2014.

EVOLUCIÓN TEMPORAL DE LA DEMANDA ENTRE
2014 Y 2015
POSICIONES
Tecnología - I + D
2015
1
2
3
4
5
6
7
8
9
2014
15
1
8
13
3
30
21
12
2
VARIACIÓN
14,00
-1,00
5,00
9,00
-2,00
24,00
14,00
4,00
-7,00
Fuente: Epyce 2016,
Ilustración 14. Evolución temporal de la demanda entre 2014 y 2015.
Como conclusión, se confirma el consenso sobre el crecimiento de la oportunidad alrededor
de Big Data, con crecimientos de negocio estimados alrededor del 30% por parte de las
empresas participantes en este mercado. Este factor está actuando con fuerza sobre la
demanda de profesionales, perfiles y posiciones identificadas como las más difíciles de
cubrir en dos y tres años.
El tamaño de la oportunidad, la posibilidad de posicionar a España con fuerza y competitividad
en este nuevo mercado, requiere generar nuevas capacidades que favorezcan el desarrollo de
los nuevos negocios. Estos deben ir apoyados en planes estructurales que contemplen: una
posible orientación a los datos y su analítica en los planes académicos, desde la escuela a la
universidad; que busquen el apoyo público y privado para su desarrollo, la convivencia entre los
agentes científico-tecnológicos y las empresas, y la generación de espacios de colaboración e
innovación en las tecnologías y analíticas relacionadas con los datos.

Referencias
Internacionales
3.
La escasez de talento en el ámbito del Big Data no ocurre solo en el mercado laboral nacional, sino también
a escala internacional. Son muchas las compañías extranjeras que han pasado o están pasando por la misma
situación de necesidad que las principales compañías españolas. Ya en el artículo Why Sears Is Going All-In on
Hadoop (Information Week)23 revelaba que cerca del 40% de las compañías encuestadas planeaban aumentar
sus capacidades analíticas y Big Data en los próximos años. Prueba de ello es la variación de la dinámica de
búsquedas en google24 asociadas a dos términos que pudiéramos considerar sustitutivos: Big Data vs. Inteligencia
de negocio. Ilustración 15.
Otro ejemplo de la evolución que se está viviendo se encuentra en las búsquedas de aplicaciones que son
similares en cuanto a funcionalidad, pero soportadas por proveedores distintos. En la ilustración 16 se ob-
serva como AWS (Amazon Web Servicies), el representante de los nuevos paradigmas tecnológicos, supera al
tradicional SAP. Lo que demuestra una tendencia mundial más apegada a las tecnologías Big Data que a las
tecnologías tradicionales25
.
23 Information Week, http://www.informationweek.com/it-leadership/why-sears-is-going-all-in-on-hadoop/d/d-id/1107038?page_number=1
(accessible en marzo 2017)
24 Google, https://trends.google.com/trends/
25 https://trends.google.com/trends/
Fuente: Google Trends, Big Data vs Inteligencia de negocio (búsquedas).
Ilustración 15. Big Data vs Business Intelligence (Búsquedas)
BIG DATA VS INTELIGENCIA DE NEGOCIO (BÚSQUEDAS)
INTERÉS A LO LARGO DEL TIEMPO
13 nov. 2011
25
100
75
50
4 ago. 2013 26 abr. 2015
Promedio
BIG DATA (Término de búsqueda)
INTELIGENCIA DE NEGOCIO (Término de búsqueda)

AWS S3 VS. SAP CRM (BÚSQUEDAS)
Promedio
AWS S3 (Término de búsqueda)
SAP CRM (Término de búsqueda)
Fuente: Google Trends.
Ilustración 16. AWS S3 vs. SAP CRM (búsquedas)
INTERÉS A LO LARGO DEL TIEMPO
25
100
75
50
13 nov. 2011 4 ago. 2013 26 abr. 2015
Asimismo, la prestigiosa consultora americana McKinsey
publicaba en junio de 2011 su informe Big Data: The next
frontier for innovation, competition and productivity26 en el
que se señalaba que en el año 2018, el mercado laboral
de Estados Unidos demandará 190.000 empleos en Big
Data y analítica avanzada que no podrán ser satisfechos.
Paradójicamente, en contraposición a lo que sucede en los
mercados laborales mundiales donde las tasas de desem-
pleo se han asentado en niveles considerablemente supe-
riores a aquellos registrados durante el periodo anterior a
la crisis de 2008, en el caso de los empleos asociados a
perfiles Big Data la escasez de recursos puede llegar a ser
un problema serio en algunas industrias. Es decir, durante
los próximos años nos encontraremos ante una escasez de
talento Big Data a nivel mundial, que debe ser afrontada
mediante la puesta en marcha de medidas adecuadas.
Esto es consecuencia de que muchas organizaciones han
entendido que el Big Data puede desbloquear un importan-
te valor para la empresa, pero para conseguirlo deben nu-
trirse de los perfiles capaces de realizar minerías avanzadas
de datos. Son estos expertos quienes pueden ir y encontrar
el valor oculto en los grandes volúmenes de datos a los que
tienen acceso hoy en día. Tanto es así que, a día de hoy, las
compañías que se han posicionado como referentes de sus
industrias en cuanto a la gestión del dato, lo han hecho gra-
cias al desarrollo de unas capacidades analíticas avanzadas
y diferenciales que las han llevado a modificar su modelo de
negocio tradicional y su operativa diaria.
26 McKinsey (2011), The next frontier for innovation, competition and
productivity http://www.mckinsey.com/business-functions/digital-mckinsey/
our-insights/big-data-the-next-frontier-for-innovation (accesible en marzo 2017)
Este hecho no ha hecho más que incrementar notable-
mente la presión sobre los departamentos de recursos
humanos en cuanto a su habilidad para identificar, cap-
tar y retener a estos codiciados perfiles. La escasez de
talento obliga a estos departamentos a lanzarse al mer-
cado laboral desesperadamente para identificar y atraer
a estos perfiles. La búsqueda no se queda a nivel local o
regional sino que llega fuera de sus fronteras e incluso
trata de atraer talento desde las plantillas de sus pro-
veedores tecnológicos, mediante el despliegue de me-
todologías innovadoras y creativas.
Además, dado lo incipiente de estas tecnologías, los
perfiles contratados serán los encargados de marcar la
hoja de ruta en Big Data para la organización, así como
de construir y formar los equipos que darán servicio a
la compañía en un futuro inmediato. En este sentido, y
adicionalmente a las capacidades Big Data específicas,
deben ser perfiles proactivos y dinámicos con capacida-
des de gestión y visión estratégica a largo y medio pla-
zo. Este hecho reduce el conjunto de candidatos poten-
ciales añadiendo dificultad al proceso de selección de
candidatos. Estos deseados perfiles se conocen como
Purple People, y destacan por sus conocimientos técni-
cos para entender, diseñar y explotar correctamente las
soluciones de Big Data y al mismo tiempo identificar las
necesidades y requerimientos de los negocios en cada
momento, de forma que el conocimiento extraído de la
información sirva para generar ventajas competitivas di-
ferenciales para la organización.

Referencias Internacionales52
Más allá de la problemática asociada a la atracción de talento, también se adivinan otros incon-
venientes: el nivel salarial acorde al nivel de demanda y a lo específico y escaso de tales posi-
ciones; los programas de formación que se deben poner en marcha en las organizaciones, y los
retos que se les plantean a estos empleados en su día a día, y que determinan en gran parte la
propensión de estos a aceptar o rechazar un empleo.
El artículo Data Scientist: The Sexiest Job of the 21st Century, publicado en la revista Harvard Business
Review, redactado por Thomas H. Davenport y D.J Patil en 2012 (HBR)27
tuvo gran recorrido a
causa de esa afirmación: ser científico de datos era la profesión más “sexy” del siglo XXI. Sin
embargo, no solo esta prestigiosa universidad americana se percató de este hecho, sino que
muchas otras instituciones han desarrollado análisis muy exhaustivos acerca de qué perfiles
demandarán las compañías para obtener valor de las soluciones Big Data. Se buscarán personas
con extraordinarias capacidades analíticas y conocimientos en algoritmos e inteligencia artificial
—como aprendizaje automático— que sean capaces de gestionar grandes volúmenes de datos
para hacer florecer conocimiento oculto y de importante valor añadido para sus organizaciones.
Desde Mckinsey Global Institute The world at work: Jobs pay, and skills for 3.5 billion people Richard
Dobss et at 201228 se proporcionan algunas claves para entender qué perfiles serán demandados
de forma más intensiva en los próximos años:
Personas con capacidad analítica avanzada.
Personas con conocimientos tecnológicos para dar soporte o implementar tecnologías Big Data.
Personas que sepan consumir la información proporcionada desde soluciones Big Data.
Por otro lado, existe una serie de capacidades que se asumen como necesarias para la identifica-
ción de perfiles óptimos de data scientist y data engineer y que, sin embargo, no lo son:
Debe tener un doctorado en Matemáticas o en alguna otra área de investigación similar: este
es un enfoque contundente que limita la muestra de selección y puede no alinearse bien con las
necesidades reales de la compañía. Estos perfiles son multidisciplinares, no sólo son expertos
en un campo. Además, suelen ser autodidactas y están constantemente aprendiendo a través
de la experiencia y la investigación, por lo que no necesariamente requieren de un programa de
grado para tener las habilidades necesarias.
Debe ser experto en Hadoop: un profesional de esta categoría necesita haber desarrollado
unas habilidades técnicas, pero muchos reclutadores confunden eso con ser un ingeniero de
infraestructura. Indudablemente los expertos en datos deben estar cómodos trabajando con
varios tipos de sistemas y tecnologías, incluyendo Hadoop, pero no debe ser un filtro cuando se
trata de encontrar perfiles idóneos.
Finalmente, en este proceso de selección también es necesario lo que se conoce como identi-
ficar a los “impostores”. Muchas personas se etiquetan como data scientists o data engineers,
pero pueden no tener la experiencia requerida o las capacidades específicas necesarias. Muchos
pueden haber ejecutado una regresión en Excel en algún momento, pero aún no han ampliado
la profundidad técnica y cuantitativa. Al realizar las entrevistas, es necesario cerciorarse de que
las habilidades necesarias sean examinadas a fondo: ¿cómo es su conocimiento estadístico?
¿Pueden escribir código?
La complejidad de este fenómeno hace necesaria una colaboración entre las organizaciones pri-
vadas y los Gobiernos e instituciones públicas. Esta colaboración permitirá un desarrollo pleno
no solo de las propias organizaciones a título individual sino de sectores enteros de importancia
para las economías locales.
27 Davenport, T.H. y Patil, D.J. (2012), The Sexiest Job of the 21st Century, publicado en la revista Harvard Business Review.
Recuperado en https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century (accesible marzo 2017).
28 Mckinsey Global Institute (2012), Big data: The next frontier for innovation, competition, and productivity (Mayo 2011).
Recuperado en http://www.mckinsey.com/global-themes/employment-and-growth/the-world-at-work (accesible marzo 2017)

El papel de los Gobiernos se vuelve más relevante —
para favorecer la adopción de estas tecnologías por par-
te de las compañías locales— en el desarrollo del capi-
tal humano. Algunas de las iniciativas pueden ser apoyar
a las entidades académicas para que saquen adelante
grados o programas de post-grado relacionados con
los datos, reducir las restricciones migratorias, aprobar
leyes que favorezcan la seguridad e intimidad de los
usuarios, crear marcos legislativos que defiendan la pro-
piedad intelectual e incluso promocionar la adopción
tecnológica en los distintos servicios que el Gobierno
proporciona a sus ciudadanos.
De entre todos ellos destacamos Gobiernos como el
de Estados Unidos que, a todos los niveles, está patro-
cinando e impulsando iniciativas orientadas a mejorar
los conocimientos en ciencias, tecnología, ingenierías
o matemáticas de los alumnos. Para conseguirlo se es-
tán reduciendo las barreras de acceso a la educación
poniendo en marcha servicios en línea que permitan
el acceso físico a estos contenidos desde distintas lo-
calizaciones. En algunos estados del país incluso están
incluyendo dentro de sus programas educativos asigna-
turas obligatorias como Estadística, Ciencias o Diseño.
Fuente: Banco Mundial.
Ilustración 17.
En el informe Big Data, Big Impact: New Possibilities for
International Development del Foro Económico Mundial29
se señala el papel idóneo que deberían desempeñar
los Gobiernos: ser catalizadores del desarrollo de
ecosistemas analíticos y de Big Data que puedan
impactan positivamente en la sociedad.
Por ejemplo, Kenia lanzó en 2011 su portal datos abier-
tos en el que se podían encontrar las partidas históricas
de presupuestos y gastos, con el que aumentó la trans-
parencia del Gobierno y por tanto su aceptación social.
Este marco de trabajo, patrocinado por el Banco Mun-
dial, puede servir de referencia para sacar conclusiones
sobre el papel que los Gobiernos e instituciones públi-
cas deben jugar a la hora de construir la infraestructu-
ra necesaria para desarrollar y atraer talento Big Data a
nivel local:
A continuación, se profundizará en las mejores prácti-
cas internacionales enfocadas a solucionar la formación,
atracción y retención del Big Data.
29 Foro Económico Mundial (2012), Impact: New Possibilities for Interna-
tional Development. Recuperado en http://www3.weforum.org/docs/WEF_
TC_MFS_BigDataBigImpact_Briefing_2012.pdf (accesible marzo 20017)
GOBIERNO:
Desarrolla la legislación y se-
guridad apropiadas sin menoscabar
la innovación. Fomenta el desa-
rrollo de una estructura tecnoló-
gica apropiada y la consiguiente
formación y entrenamiento a los
individuos.
PAPEL DE LOS GOBIERNOS
SECTOR PRIVADO:
En base a la regulación estable-
cida, las compañías deben desa-
rrollar y adaptar sus modelos de
negocio en busca de nuevos mo-
delos operativos que garanticen
la innovación y la atracción de
talento especializado.
COLABORACIÓN
PUBLICO-PRIVADA:
Ambas instituciones deben tra-
bajar conjuntamente para desa-
rrollar las mejores prácticas
que garanticen la sostenibili-
dad del modelo.

3.1.Zonas geográficas o países de
referencia (madurez tecnológica)
Identificamos aquellos países que lideran el proceso de transformación tec-
nológica y que, por tanto, tienen una mayor necesidad de perfiles Big Data.
Esta selección de países se basa en las conclusiones expuestas por el infor-
me The Global Information Technology Report 2015, del Foro Económico
Mundial30
, en su ranking Networked Readiness Index (NRI). Este índice anali-
za el papel que está jugando la tecnología en los distintos países del mundo
y su impacto social a nivel local o regional.
Desde hace 13 años el Foro Económico Mundial recoge en este informe el
potencial de transformación social de la tecnología, así como las iniciati-
vas que llevan a cabo los países con el objetivo de lograr un crecimiento a
partir de los avances tecnológicos. Este índice se asienta sobre seis prin-
cipios y condiciones:
1. Un ámbito regulatorio y competitivamente correcto en el país es funda-
mental para generar un impacto positivo y de valor en la región.
2. El desarrollo de infraestructuras, usabilidad y capacidades TI es una con-
dición necesaria para hacer tangible el valor creado por estos avances.
3. Tangibilizar el impacto que exige una importante implicación social (en
todos sus estratos) en el desarrollo de capacidades TI.
4. Este impacto debe contribuir al beneficio general de la sociedad.
5. Las palancas de valor deben accionarse de forma sistemática para cons-
truir un círculo virtuoso que garantice la sostenibilidad en el tiempo.
6. Todos estos factores deben concretarse en un conjunto de políticas de
desarrollo específicas para el contexto de la región o país.
El NRI también estudia el posicionamiento de 143 países en torno a los si-
guientes ejes de análisis:
CONTEXTO POLÍTICO Y REGULATORIO. Mide la eficiencia de los cuerpos
legislativos en la aprobación y publicación de leyes que favorezcan el correc-
to desarrollo TI en el país. Así como la protección de la propiedad intelectual,
la lucha contra la piratería y la eficiencia de los procesos de contratación, etc.
CONTEXTO EMPRESARIAL Y DE INNOVACIÓN. Mide la disponibilidad de los
últimos avances tecnológicos, el número de días requeridos para poner en mar-
cha un negocio, así como la burocracia asociada al proceso de emprendimiento,
la tasa de escolarización del país y la calidad de los centros educativos.
INFRAESTRUCTURAS. Mide la producción eléctrica, la cobertura móvil, así
como el ancho de banda y el despliegue de fibra óptica en el territorio nacional.
ASEQUIBILIDAD (AFFORDABILITY). Mide la capacidad de acceso a tec-
nologías móviles en términos económicos de los individuos.
CAPACIDADES Y HABILIDADES. Mide la calidad del sistema educativo
y, en concreto, la calidad o exhaustividad de los programas en marcha so-
bre matemáticas y ciencias. Adicionalmente se focaliza en el porcentaje de
alumnos que se acogen a estas ramas en la educación secundaria. Final-
mente estudia la tasa de alfabetización del país.
USABILIDAD INDIVIDUAL. Mide la penetración de los avances tecnológi-
cos en TI en cada individuo. Uso de Internet, número de hogares con uno o
más PCs, suscripciones a servicios de datos, etc.
30 Foro Económico Mundial (2015), The Global Information Technology Report 2015. Recuperado en
http://www3.weforum.org/docs/WEF_Global_IT_Report_2015.pdf (accesible en marzo 2017).

USABILIDAD EMPRESARIAL. Analiza en qué medida las relaciones em-
presariales (B2C o B2B) se desarrollan en entornos en línea. También mide
los programas de formación en herramientas digitales o tecnológicas orien-
tados a empleados y personal o plantilla.
USABILIDAD PÚBLICA O GUBERNAMENTAL. Analiza las actividades im-
pulsadas desde las instituciones públicas para la aceptación y despliegue
de los avances tecnológicos en TI.
IMPACTO ECONÓMICO. Se refiere a la influencia de las innovaciones tecno-
lógicas en la aparición de nuevos modelos de negocio, productos o servicios.
IMPACTO SOCIAL. Mide cómo influyen las innovaciones tecnológicas en
mitigar la desigualdad en los accesos a servicios básicos, acceso a Internet
desde las instituciones académicas, etc.
A primera vista el enfoque del informe del Foro Económico Mundial parece más
amplio que el mero estudio de las mejores prácticas asociadas al talento Big
Data en estos países. Sin embargo, consideramos que en la medida en que es-
tos países sean capaces de crear un ecosistema favorable al desarrollo y acep-
tación de avances tecnológicos estarán en disposición de fomentar, atraer y
reciclar talento Big Data.
Así, las conclusiones derivadas del informe nos permiten identificar aque-
llos países con las mejores prácticas sobre la gestión del talento Big Data.
Además proporcionan algunas advertencias a tener en cuenta para el futuro
más inmediato:
Las economías poderosas son las que más se han beneficiado de los avances
tecnológicos en TI. Por lo general aquellos países con mayor PIB per cápita.
Algunos estratos de la población se verán beneficiados en mayor medida
de estos avances tecnológicos en términos de accesibilidad al mercado la-
boral, lo que el agravará la desigualdad entre estratos de la sociedad.
Los esfuerzos orientados a mejorar la competitividad de los países o re-
giones en este aspecto pueden, de forma contraproducente, incrementar la
desigualdad entre distintos segmentos sociales. Así, si estos avances tec-
nológicos no se soportan a través de políticas inclusivas podrían llegar a
agravar los problemas de desigualdad en lugar de mitigarlos.
En definitiva, los avances tecnológicos en TI y su impacto social van más allá
de las mejoras en productividad y se han consolidado como un fenómeno
transformador. Algunas de sus consecuencias son la mejora en el acceso a
servicios, una mayor conectividad entre individuos o la aparición de nuevas
oportunidades laborales. Sin embargo, es preciso resaltar que este fenómeno
transformador no se puede hacer extensible al total de la población, ya que
hoy en día alrededor del 60% de la población mundial no tiene ningún tipo de
conectividad móvil31.
El estudio del Foro Económico Mundial apunta también que los países de-
ben trabajar en el desarrollo de un ecosistema apropiado para el despliegue
favorable e igualitario de los avances TI. Para ello, los Gobiernos deberán su-
mirse en un proceso costoso de inversiones en infraestructuras, educación
y políticas que fomenten e impulsen el desarrollo de estas capacidades a
nivel local, nacional o transnacional.
El foco de nuestro análisis en este punto es, precisamente, la forma en que
los Gobiernos invierten en educación e infraestructuras con el objetivo de
convertir sus capacidades TI en una ventaja competitiva que ayude a posi-
cionar la región como una referencia tecnológica en su área.
31 Recuperado en http://www.latimes.com/business/technology/la-fi-tn-60-world-population-3-billion-
internet-2014-20140507-story.html (accesible en marzo 2017).

3.1.1.RELACIÓN DE PAÍSES
A TENER EN CUENTA32
La selección de países se ha realizado en función del Networked Readiness
Index (NRI) del informe The Global Information Technology Report 2015, del
Foro Económico Mundial33
, así como en base a la experiencia propia de las
entidades colaboradoras con este estudio.
http://reports.weforum.org/global-information-technology-report-2016/networked-readiness-index/
http://www3.weforum.org/docs/WEF_Global_IT_Report_2015.pdf (accesible en marzo 2017).
Ilustración 18. Top ranking madurez TIC.
TOP RANKING MADUREZ TIC
• CANADÁ
• EE.UU.
• PAÍSES NÓRDICOS
• REINO UNIDO
• ALEMANIA
• INDIA
• SIGAPUR
• AUSTRALIA

DETALLE NRI DE LOS PAÍSES OBJETO DEL ANÁLISIS:
LOS ASPECTOS A DESTACAR DE CADA PAÍS EN CUANTO A SU NRI SON:
ASPECTOS A DESTACAR
La estabilidad de la situación política ha permitido consolidar un ecosistema propicio para
desarollar actividades comerciales y de negocios.
El sistema judicial es relativamente lento.
No obstante, el país goza de excelente nivel de infraestructuras.
El impacto TI en la sociedad es elevado ya que muchas organizaciones locales han variado
su oferta de productos y servicios en base a las posibilidades que le ofrecen las soluciones TI.
El país cuenta, en términos generales, con una fuerza laboral muy cualificada. También es-
pecíficamente en empleos relativos a la gestión y explotación de la información.
Desde el ámbito público e institucional del país, se fomenta la participación de la ciudadanía
en las políticas a través de aplicaciones TI que permiten conocer la opinión de forma masiva.
El país muestra niveles relativamente altos en cada uno de los pilares que conforman el NRI.
Sin embargo, hay todavía margen de mejora en algunos aspectos muy concretos:
- Se advierte una importante necesidad de inversión en talento, especialmente en el ám-
bito matemático y científico.
Cuenta con excelentes infraestructuras TI y el nivel de penetración de las tecnologías TI es máxi-
mo tanto a nivel individual como corporativo, por lo que el impacto de la tecnología es elevado.
Destacan por el alto nivel de conectividad y por el grado de innovación en los sectores económicos.
desarrollar actividades comerciales y de negocios.
El sistema educativo de estos países destaca por su excelencia y por la capacitación de sus
profesionales. Además, la democratización del acceso a las soluciones TI facilita la formación
de los individuos y de las organizaciones que los acogen en el entorno laboral.
Aproximadamente la actividad profesional del 50% de la fuerza laboral del país está asocia-
da a “empleos intensivos en conocimiento”.
Desde las organizaciones gubernamentales se están poniendo en marcha programas de
adopción orientados a incrementar, aún más, la penetración del ámbito TI en el sector público.
Ecosistema e infraestructuras excelentes para la innovación y adopción de los avances TI,
tanto a nivel corporativo como individual.
En concreto el país destaca por su uso de servicios tecnológicos a nivel B2C y B2B, y por sus
capacidades para la innovación.
El impacto económico y social de los avances tecnológicos es alto dados los nuevos produc-
tos, servicios y modelos organizativos surgidos en el país a la luz de la tecnología.
La actividad profesional de un porcentaje muy importante de la fuerza laboral del país está
asociada a “empleos intensivos en conocimiento”.
PAÍS
CANADÁ34
34 Nota: Es el país con
más referencias acerca de
iniciativas público – pri-
vadas vinculadas a la ges-
tión de talento Big Data.
ESTADOS
UNIDOS
NÓRDICOS
(FINLANDIA Y
SUECIA)
ÍNDICE NRI
POSICIÓN: #11
POSICIÓN: #07
POSICIÓN: #02
(FINLANDIA)
POSICIÓN: #03
(SUECIA)
POSICIÓN: #08RU 35
(REINO UNIDO)
35 Nota: Estudio publi-
cado previo al ‘Brexit’.

ASPECTOS A DESTACARPAÍS ÍNDICE NRI
desarrollar actividades comerciales y de negocios.
Destaca también la calidad de las infraestructuras TI desplegadas en el país.
El sector privado destaca por su sistemática adopción de soluciones TI innovadoras.
Además, el nivel de penetración de TI en la población es elevado, no así el uso de tecnologías 4G.
Al igual que sucede en los países nórdicos, la actividad profesional del 43% de la fuerza
laboral del país está asociada a “empleos intensivos en conocimiento”.
Desde el Gobierno del país se ha desplegado una Agenda Digital (2014–2017) para impulsar
la adopción de las tecnologías a nivel de sector público.
ALEMANIA POSICIÓN: #13
Resultan flagrantes las enormes diferencias entre los estratos sociales.
A pesar de las muchos clústers de excelencia y su capacidad de innovación, el país no está
aprovechando el beneficio de los avances TI de forma generalizada para la población, lo cual
incrementa aún más las diferencias sociales.
INDIA POSICIÓN: #89
Lidera el ranking NRI debido a la solidez de su ecosistema de negocios e innovación, el patrocinio
por parte de las instituciones gubernamentales y la proactividad de los estamentos sociales en la
adopción de tecnologías TI.
El Gobierno apuesta por una estrategia digital clara y comunicada que se traduce en importantes
servicios en línea a disposición de la ciudadanía.
La fuerza laboral local destaca por su elevada cualificación en aspectos TI.
Las infraestructuras TI del país también destacan por encima del resto de países lo que favorece la
penetración y adopción –entre otras cosas – de tecnologías móviles.
SINGAPUR POSICIÓN: #01
Destacan la calidad de las infraestructuras TI desplegadas en el país.
La usabilidad a todos los niveles de tecnologías TI es elevada, aunque el sector corporativo
no es especialmente frenético en cuanto a implantaciones tecnológicas.
A nivel individual, la penetración de tecnologías móviles es muy importante.
Existen importantes iniciativas de servicios en línea, pero éstas no cuentan con el patrocinio
total o explícito de las instituciones públicas.
La economía del país está fundamentalmente marcada por las exportaciones de commo-
dities. Por tanto, es necesario que desde las instituciones públicas se adopten políticas más
entusiastas de desarrollo TI.
AUSTRALIA POSICIÓN: #16

ASPECTOS A DESTACARPAÍS ÍNDICE NRI
España se encuentra en el top 50 del NRI, no obstante, existen muchos ámbitos en los que
mejorar, ya que en ninguno de los ejes analíticos del NRI se sitúa por encima de la media de las
principales economías mundiales.
El Ministerio de Industria, Energía y Turismo está promoviendo el desarrollo de la Agenda
Digital para España. Esta se estructura en torno a seis grandes objetivos:
- OBJETIVO 1: fomentar el despliegue de redes y servicios para garantizar la conec-
tividad digital y trasladar a la sociedad los beneficios económicos, sociales y de com-
petitividad derivados.
- OBJETIVO 2: desarrollar la economía digital para lograr el crecimiento, la competiti-
vidad y la internacionalización de la empresa española.
- OBJETIVO 3: mejorar la e-Administración y adoptar soluciones digitales para una
prestación eficiente de los servicios públicos.
- OBJETIVO 4: reforzar la confianza en el ámbito digital para fomentar el desarrollo de
la actividad comercial, social y de relaciones entre ciudadanía, empresas y Administra-
ciones a través de Internet y de canales electrónicos.
- OBJETIVO 5: impulsar el sistema de I+D+i en Tecnologías de la Información y las
Comunicaciones (TIC). El objetivo es alcanzar un crecimiento sostenible mejorando la
eficiencia de las inversiones públicas y fomentando la inversión privada, en un entor-
no de mayor cooperación entre agentes.
- OBJETIVO 6: promover la inclusión y alfabetización digital y la formación de nuevos
profesionales TIC para movilizar el talento hacia la innovación y el emprendimiento.
ESPAÑA POSICIÓN: #34

3.1.2.CASO QUEBEC:
TRANSFORMACIÓN DE LA
REGIÓN EN EL CENTRO DE
ACTIVIDAD INTERNACIONAL DE
BIG DATA
Esta provincia canadiense ha sido capaz de identificar y
cuantificar el valor e impacto económico del Big Data en
los diferentes sectores económicos de la región. Que-
bec está promoviendo diferentes acuerdos entre ins-
tituciones públicas y privadas para posicionarse como
región de referencia para el resto de ciudades del país y
territorios cercanos.
Los sectores económicos (70% del mercado global)
donde se prevé mayor impacto del Big Data a nivel glo-
bal36
son:
Telecomunicaciones (18%).
Finanzas (16%).
Sector Público (15%).
Gran Consumo (11%).
Salud (10%).
Hay cuatro palancas de valor que permiten a la provincia
posicionarse:
ECOSISTEMA: confluyen empresas, organizaciones
de investigación, incubadoras de empresas emergentes
y distintas asociaciones empresariales. Las empresas
localizadas en la provincia están incrementando el vo-
lumen de datos gestionado y están desarrollando de-
partamentos específicos para la investigación en este
campo. Además, se estima que el Big Data tiene un uso
potencial en sectores que suponen el 40% del PIB local.
Por último, su ley de protección de datos está calificada
entre las más seguras del mundo.
Algunos datos destacables:
- 7.400 empresas.
- 130.000 empleos. El número de empleados ha au-
mentado en un promedio del 2% por año durante los
cinco los últimos años (en comparación con 0,6%
en el conjunto de la economía). En el subsector de
las TIC este incremento fue incluso mayor: un 3,8%
anual. El 70% de estos empleos se concentran en la
ciudad de Montreal.
- En el periodo más grave de crisis mundial —entre
los años 2009 y 2013—, se invirtieron unos 900 mi-
llones de dólares en I+D.
36 Frost & Sullivan (2014), Global Big Data Analytics Market, The Necessary
Ingredient to Survive in a Hyper-Connected Business Environment. Recuperado
en https://www.frost.com/sublib/display-report.do?id=ND41-01-00-00-00
Montreal también está llevando a cabo iniciativas para
consolidarse como ciudad inteligente:
- WiFi público.
- Despliegue de kilómetros de fibra óptica.
- Servicios digitales y de movilidad.
Por otro lado, a un nivel más amplio, desde las institu-
ciones de Quebec se han impulsado iniciativas como:
- Red WiFi pública en el 60% del territorio.
- Despliegue de fibra óptica en el 90% del territorio.
- Programa de adopción tecnológica para empresas.
MANO DE OBRA: se han consolidado profesionales
muy cualificados en distintos sectores. Además, los
centros educativos y de formación profesional tienen un
importante prestigio tanto en la propia región como en
las colindantes. La provincia cuenta con más de 2.000
profesionales contratados en Big Data y más de 100.000
personas empleadas en sectores o posiciones relativas
al tratamiento de datos. Por otro lado, 16.000 estudian-
tes (de un total de 305.000) cursan ya programas aca-
démicos asociados a la explotación y gestión del dato.
Además, el hecho de que Montreal haya sido califica-
da en diferentes ocasiones como la “mejor ciudad para
estudiantes extranjeros” o “primera ciudad universitaria
de Norteamérica y séptima del mundo” asegura un flujo
constante y dinámico de estudiantes de calidad.
Las particularidades culturales de la provincia canadiense
se reflejan en que el 54% de su población es bilingüe en
francés e inglés, lo cual supone una ventaja competitiva
clave a la hora de interactuar con mercados extranjeros.
COSTE – BENEFICIO: el Gobierno local ha impulsado
iniciativas en favor del emprendimiento e incremento
de la capilaridad de la red empresarial. La carga fiscal
es mucho más reducida en Quebec que en otras regio-
nes del país. Las compañías locales presentan los costes
operativos y de suministros (energía, etc.) más bajos de
todo Norteamérica (EE. UU. y Canadá). Además, el Go-
bierno local otorga subvenciones por I+D con beneficios
e incentivos muy atractivos para las compañías.
CALIDAD DE VIDA: la provincia destaca también por
su seguridad con una de las tasa de homicidios más ba-
jas del continente. Por otro lado, el poder adquisitivo de
sus habitantes es relativamente más alto que la media
de Norteamérica. El modo de vida de sus habitantes
resulta más cercano culturalmente al europeo, por sus
raíces francesas, lo que lo hace más atractivo para las
compañías y Gobiernos del otro lado del Atlántico.
En base a estas palancas Quebec37 ha cimentado su
ventaja competitiva, que se caracteriza por:
37 Montréal International (2016), Big Data Profile in Québec. Recuperado en
https://www.quebecinternational.ca/media/2902911/2016-02_big_data_
in_quebec_-_industry_profile.pdf (accesible en marzo 2017).

CARACTERÍSTICAS
ANÁLISIS DAFO
El valor potencial de los datos en la economía regional obliga a
las regiones a actuar para posicionarse como líderes a nivel mundial.
El objetivo es atraer empresas y profesionales cualificados para que
compongan una red de conocimiento diferencial y de valor para el
tejido empresarial local e internacional.
Fuga de cerebros
Dificultad para contratar perfiles Big Data
Falta de conciencia de los líderes políticos y económicos sobre la
importancia de los datos hoy en día
Interés de fondos estadounidenses en empresas locales
Capacidad de las organizaciones para integrar datos
Continuación de los programas de adopción tecnológicos
Iniciativas público-privadas en marcha
Estrategia gubernamental
Consolidación de Quebec como Centro de Excelencia de datos
Mala integración de los datos de las grandes organizaciones
y sectores, incluido en el sector salud
Falta de estrategia gubernamental
Financiación de proyectos en el medio y largo plazo
Grupos de investigación especializados
Calidad y estabilidad de la mano de obra
Cultura de creatividad
Capacidad de gestión y almacenamiento de datos
Leyes de protección de datos
Coste – beneficio
Calidad de vida
Para poder obtener el máximo valor de los datos, las empresas
deben disponer y tener acceso a las infraestructuras necesarias.
Los agentes implicados se agrupan en clústeres de negociación
para acercarse a los principales proveedores tecnológicos.
Estos centros son muy beneficiosos para la región, ya que
permiten identificar y localizar las capacidades tecnológicas
necesarias en un único punto de acceso.
Necesario para impulsar el resto de iniciativas.
ESTRATEGIA CENTRADA EN LOS DATOS
La gestión del talento es algo fundamental para alcanzar el
objetivo marcado por la provincia. Para ello las universidades del
país colaboran estrechamente con el sector privado.
ENFOQUE EN LA ATRACCIÓN Y RETENCIÓN
DE TALENTO ASOCIADO
GENERACIÓN DE INFRAESTRUCTURAS ÓPTIMAS
PARA EL ACCESO A LOS DATOS
ESTABLECIMIENTO DE CENTROS
DE EXCELENCIA CON LA PARTICIPACIÓN DE
INSTITUCIONES PÚBLICAS Y PRIVADAS
LIDERAZGO
QUEBEC
ANÁLISIS DAFO DE LA PROVINCIA DE QUEBEC
DEBILIDADES
FORTALEZAS
AMENAZAS
OPORTUNIDADES

3.1.3.DIFERENTES VISIONES PARA EL SECTOR
PRIVADO Y EL SECTOR PÚBLICO
Como puede verse, ambos sectores representan papeles distintos, pero necesariamente
complementarios para el correcto desarrollo de las iniciativas.
El informe Realizing the promise of Big Data: Implementing Big Data projects, publicado en 2014 por
IBM Center for The Business of Government38
, habla de cuatro grandes diferencias:
38 IBM Center for The Business of Government (2014), Realizing the promise of Big Data: Implementing Big Data projects. Recupera-
do en http://www.businessofgovernment.org/report/realizing-promise-big-data (accesible en marzo 2017).
SECTOR PÚBLICO SECTOR PRIVADO
Generalmente las organizaciones están acostumbradas a traba-
jar con grandes volúmenes de datos.
La captura de información de los clientes ha llegado a ser tan
común que estos ya no se extrañan.
Los Gobiernos son conscientes de la forma de capturar la infor-
mación de sus clientes de las organizaciones privadas y están tra-
bajando en iniciativas que regulen esta actividad siempre mirando
por el bien del ciudadano. En febrero de 2012 el Gobierno federal
de Estados Unidos publicó el informe Consumer Data Privacy in a
Networked World: A Framework for Protecting Privacy and Promo-
ting Innovation in the Global Digital Economy”.
PRINCIPALES DIFERENCIAS PÚBLICO – PRIVADO
ACCESO Y CONTROL DE LA INFORMACIÓN
Las organizaciones privadas tienen muy fácil el acceso a informa-
ción privada de los consumidores. Por ejemplo Amazon cuenta con
información sobre intereses y hábitos de consumo de sus cerca de
160 millones de consumidores registrados. En lugar de comercializar
con la información individual de cada uno de ellos, la agrega y pone a
disposición de retailers que pueden promocionarse en su web.
El consumo de esta información no se percibe como invasivo,
porque ayuda a acceder a productos y servicios más adaptados a las
necesidades específicas del consumidor.
En conclusión, el valor percibido por el cliente es tan importante que
permite que las organizaciones privadas exploten esta información.
En el sector público, acceder a importantes volúmenes de infor-
mación de terceros suele ser un proceso complejo. En muchos ca-
sos la información es accesible en el marco de acuerdos bilaterales
con algunas instituciones privadas.
El consumo de este tipo de información es visto por los ciudada-
nos como una invasión de su intimidad. Los ciudadanos no perciben
que la explotación de su información privada por parte de las insti-
tuciones gubernamentales se traduzca en mejoras en las políticas
o servicios públicos.
CONSUMO DE INFORMACIÓN
El sector privado ha llevado a cabo notables inversiones en tecnología.
La tecnología ha sido una palanca de valor estratégica que ha de-
terminado el desarrollo de las empresas a lo largo de estos años.
A día de hoy la tecnología invade todos los procesos internos de las
compañías, incluso ha servido para mejorar la experiencia del cliente.
La inversión en tecnología ha sido muy pequeña en comparación
con el sector privado.
Los empleados del sector público suelen ser consumidores de
informes en lugar de generadores de conocimiento oculto, por lo
que sus empleados carecen de capacidades analíticas avanzadas.
Las inversiones en TI son muy dispares en función de los depar-
tamentos de la administración de que se trate y de la priorización
que lleven a cabo los diferentes Estados.
INVERSIONES EN TI (TECNOLOGÍAS DE LA INFORMACIÓN)
Las instituciones públicas deben valorar de manera más concienzuda las implicaciones de sus inversiones en Big Data: a medida que el volumen
de datos se hace más grande, se incrementa el acceso a información privada de los ciudadanos y la posibilidad de usar esa información en perjuicio
de los mismos por parte de terceros (no necesariamente por parte de los Gobiernos). Este hecho es algo que los Gobiernos no pueden ignorar.
ASPECTOS ÉTICOS Y PRIVACIDAD

3.1.4.CASO: PREVENCIÓN DE DELITOS
UTILIZANDO BIGDATA Y SISTEMAS DE
APRENDIZAJE AUTOMÁTICO
Quizás uno de los ejemplos más ilustrativos del alcance disruptivo que estas
nuevas tecnologías están produciendo en el ámbito de las Administraciones
Públicas sea el uso de los datos en tiempo real y de los algoritmos de apren-
dizaje automático (aprendizaje automático) para la prevención de delitos.
En los medios39
han ido apareciendo diferentes aproximaciones a este escena-
rio ya anticipado en el libro y película “Minority Report” en el que utilizando las
capacidades de anticipación (pre-cognitivas) de unos hermanos la policía era
capaz de visualizar y actuar ante delitos que todavía no se habían producido.
Este escenario de ciencia-ficción ahora ya se ve posible. Se está materiali-
zando en diferentes soluciones informáticas que tienen este conjunto de
elementos como denominador común:
Utilizan fuentes de datos pseudo-abiertos:
- Las generadas por las propias fuerzas del orden (Policía Municipal, del
Condado, etc).
- Datos geográficos de alta precisión, generados por oficinas guberna-
mentales o las propias entidades municipales.
Sobre las fuentes de datos básicos, se construyen algoritmos de apren-
dizaje automático que son capaces de predecir en función del histórico de
patrones de delitos tanto en su componente espacial (¿dónde se va a produ-
cir?) como en su componente temporal (¿cuándo se van a producir?).
Los modelos se construyen y se actualizan en tiempo pseudo-real. Los siste-
mas se retroalimentan de manera continua con los nuevos datos generados.
Se utilizan potentes herramientas de visualización, en los que se superponen
las predicciones de los modelos estadísticos con los datos geográficos (mapas).
Estas soluciones sin las capacidades de integración de diferentes datos en
modo masivo (utilizando arquitecturas de BigData) y las tecnologías más
recientes de tiempo-real (arquitecturas para procesar datos en directo).
Aunque las ventajas desde el punto de vista de planificación del trabajo son
evidentes, siguen suscitando dudas sobre su componente de violación de
la privacidad.
En cualquier caso, este tipo de soluciones agregadas, unificando diferen-
tes datos abiertos generados por las propias instituciones públicas abren
enormes posibilidades de colaboración efectiva entre las diferentes institu-
ciones y muy en pro de servir al ciudadano en una gran variedad de necesi-
dades básicas.
39 Recuperado en: http://www.nytimes.com/2011/08/16/us/16police.html (accesible en marzo 2017).
Recuperado en https://www.nytimes.com/2015/09/25/us/police-program-aims-to-pinpoint-those-
most-likely-to-commit-crimes.html (accesible en marzo 2017). Recuperado en https://www.wired.com/
insights/2013/08/predictive-policing-using-machine-learning-to-detect-patterns-of-crime/ Recuperado en
http://www.quantumrun.com/prediction/predicting-crimes-they-happen-future-policing-p4. Recuperado en
https://www.scientificamerican.com/article/the-department-of-pre-crime/ (accesible en marzo 2017 – es un
artículo de pago).

3.1.5.SEGURIDAD Y PRIVACIDAD
DE LOS DATOS
El tratamiento y explotación de datos de clientes y ciu-
dadanos queda restringido al marco jurídico de cada
país. Así, cuanto más madura sea la ley de protección de
datos del país, mayor será la competitividad y agilidad
de las organizaciones en el despliegue de soluciones
tecnológicas y de negocio vinculadas al dato —como
en el caso de Quebec anteriormente expuesto—.
En el ámbito europeo, la protección de datos está con-
figurada como un derecho fundamental, recogido en el
artículo 16 del Tratado de Funcionamiento de la Unión
Europea y el artículo 8 de la Carta de los Derechos Fun-
damentales de la Unión Europea40
.
Aunque el ámbito nacional no sea objeto de este punto,
los aspectos de aplicación de la ley de protección de da-
tos en nuestro país nos sirven para hacernos una compo-
sición de lugar acerca de su aplicación en otras regiones:
Cuando el tratamiento de los datos se realiza en te-
rritorio español en el marco de las actividades propias
de un establecimiento del que sea titular el responsable
del tratamiento de los datos.
Cuando el responsable del tratamiento de los datos
no está establecido dentro del territorio español, pero le
es aplicable la legislación española conforme a las nor-
mas de Derecho Internacional Público.
Cuando el responsable del tratamiento de los datos
no está establecido en ningún país de la Unión Europea,
pero en el tratamiento de los datos utiliza medios situa-
dos en territorio español, salvo que tales medios se uti-
licen únicamente con fines de tránsito.
A este respecto el Big Data amenaza la normativa vigen-
te en los países en los siguientes aspectos41
:
La normativa no se encuentra adaptada al nuevo en-
torno tecnológico.
El principio de «minimización de datos» no se cum-
ple en la práctica: ya que este principio implica que los
datos recopilados no deben ser desbordantes, sino que
debe recopilarse solo la cantidad mínima necesaria para
el fin para el que se recogen.
La normativa confía demasiado en el consentimiento
informado del individuo para recopilar y tratar sus datos
de carácter persona.
40 Gil, E. (2016), Agencia Española de Protección de Datos, Big Data:
Privacidad y protección de datos. Protección de Datos Personales Accésit en
el Premio de Investigación de 2015. Recuperado en https://www.agpd.es/
portalwebAGPD/canaldocumentacion/publicaciones/common/premios_2015/
Big_Data_Privacidad_y_proteccion_de_datos.pdf.
41 Ibid. pg 99
La anonimización ha demostrado tener limitaciones:
cada vez se hace más sencillo reidentificar a los sujetos,
ya no solo a través del análisis de distintas fuentes que
contienen datos personales parciales de una persona,
sino a través de datos no personales.
El Big Data aumenta el riesgo relacionado con la toma
de decisiones de forma automática. Esto hace que de-
cisiones trascendentales para nuestra vida, tales como
calcular nuestro riesgo crediticio, queden sujetas a al-
goritmos ejecutados de forma automática.
3.2.Principales referencias
en educación y formación
En el apartado anterior se han seleccionado los países
que podrían ser considerados referentes a día de hoy por
su enfoque en la adopción de tecnologías Big Data. A
continuación, se presentan a grandes rasgos algunas de
las principales iniciativas a nivel mundial relativas a la
formación y educación de profesionales en este ámbito.
3.2.1.FORMACIÓN
UNIVERSITARIA Y OTROS
PROGRAMAS DE FORMACIÓN
En junio de 2015, la compañía americana IBM junto con
la prestigiosa universidad de Wharton lanzó un programa
específico de Big Data orientado a los directores genera-
les de Marketing (CMOs)42
de las principales compañías
americanas. Este programa estaba orientado a entender
el impacto de Big Data y de la analítica avanzada en la
relación con el cliente.
Además, otras instituciones educativas de prestigio
como el MIT de Boston, la Universidad de Nueva York,
la Universidad de Carolina del Norte o la Universidad de
Columbia ofrecen cursos y programas relacionados con
Big Data, analítica avanzada o aprendizaje automático.
Sin embargo, hasta que estos profesionales lleguen al
mercado laboral todavía pasará un tiempo durante el
cual las compañías deberán encontrar otras vías para
atraer talento a sus organizaciones.
En cuanto a los programas de postgrado más destacados
se presentan a continuación aquellos ofertados en Nor-
te América, donde muchos cuentan con un importante
recorrido histórico, asociados a Big Data & Analytics. To-
dos ellos pueden ser tomados como referencia.
42 IBM y Universidad (2014) Fuente: https://www-03.ibm.com/press/us/
en/pressrelease/45043.wss

PROGRAMAS EDUCATIVOS EN BIG DATA (NORTE AMÉRICA: ESTADOS UNIDOS Y CANADÁ)
DETALLE DEL PROGRAMAUNIVERSIDAD PAÍS
Online Master of Information and Data Science (MIDS).
Es un nuevo grado dirigido a profesionales que quieran aprender a resolver problemas del mundo
real en el terreno de la ciencia de datos.
Los estudiantes salen con una sólida comprensión del ciclo de vida de los datos utilizando las últi-
mas herramientas y métodos para la obtención de conocimientos a partir de datos.
Master of Science in Marketing Analytics.
Ofrece una formación orientada a la toma de decisiones de marketing basadas en el análisis cuan-
titativo. El programa enseña a los estudiantes a tomar decisiones de marketing basadas en datos rele-
vantes y a demostrar el impacto financiero de esas decisiones.
Serán capaces de analizar grandes cantidades de información para elaborar perfiles de clientes,
determinar el mercado objetivo y segmentar la base de clientes.
Master of Information Systems Management.
La focalización en Business Intelligence y Data Analytics está pensada para el entrenamiento cru-
zado en el análisis de procesos de negocio, modelos de predicción, la cartografía SIG, informes analí-
ticos, análisis de segmentación y visualización de datos.
Master of Science in Predictive Analytics.
Los graduados obtienen una variedad de habilidades necesarias para el análisis predictivo, entre las
que se incluye la capacidad de analizar grandes volúmenes de datos y el desarrollo de soluciones de
modelado.
Los estudiantes también ganan una buena comprensión de los principios fundamentales del mar-
keting y la gestión de relaciones con los clientes, junto con las habilidades de comunicación para
presentar los resultados a un público de negocios no técnico.
Master of Science in Business Analytics.
Explora los métodos cuantitativos, el descubrimiento de relaciones a través de análisis de datos y el
uso de datos para resolver problemas de negocios.
Los estudiantes aprenden cómo influir en la toma de decisiones, en la estrategia y las operaciones
de las organizaciones con ideas basadas en datos y con análisis de rendimiento del negocio.
El programa aborda el análisis estadístico y cuantitativo, así como el modelado explicativo y predic-
tivo con cursos sobre estadística, investigación de operaciones, modelos matemáticos y sistemas de
información de gestión.
CALIFORNIA
BERKELEY
BENTLEY
UNIVERSITY
CARNEGIE MELLON
UNIVERSITY
DEPAUL
UNIVERSITY
DREXLER
UNIVERSITY
ESTADOS
UNIDOS
ESTADOS
UNIDOS
ESTADOS
UNIDOS
ESTADOS
UNIDOS
ESTADOS
UNIDOS
Master of Science in Computational Science and Engineering.
Proporciona fundamentos matemáticos e informáticos, complementados por proyectos de investi-
gación independientes y cursos electivos.
Los graduados dominarán las técnicas matemáticas para el modelado y simulación de sistemas
complejos; la programación en paralelo y desarrollo de software de colaboración; y métodos eficien-
tes para organizar, explorar, visualizar, procesar y analizar grandes conjuntos de datos.
HARVARD
UNIVERSITY
ESTADOS
UNIDOS

Master of Science in Analytics.
El programa consiste en un plan de estudios con la opción de elegir entre tres itinerarios de especia-
lización: herramientas analíticas, análisis de negocio, y análisis computacional de datos. Este diseño
permite a los estudiantes elegir optativas que apoyan sus objetivos profesionales individuales.
GEORGIA
TECH
ESTADOS
UNIDOS
Master of Science in Data Science.
Master fundamentalmente en línea.
El programa cuenta con un plan de estudios, basado en proyectos, interdisciplinario que ayuda a los
estudiantes a desarrollar las habilidades en la demanda técnica, analítica y de comunicación necesa-
rias para manejar grandes conjuntos de datos.
Los estudiantes tienen clases semanales presenciales, en línea y cursos interactivos que pro-
porcionan en conjunto una comprensión global de la informática, la estadística, el comporta-
miento estratégico y visualización de datos. Las renuncias GRE están disponibles para los solici-
tantes con experiencia.
Master of Science of Analytics.
Programa interdisciplinario orientado a dominar los métodos y las tecnologías vinculadas a las de-
cisiones estratégicas. Se centra en desarrollar habilidades técnicas como el desarrollo de software
y el análisis estadístico, así como las habilidades necesarias para comunicar de manera efectiva los
resultados encontrados.
Master of Computational Data Science (MCDS).
La experiencia práctica es importante. La Universidad tiene decenas de proyectos de investigación
en los quey se espera que los estudiantes contribuyan.
Para el proyecto final, la gente puede optar por trabajar solo o en equipo.
También se dispone de prácticas de verano en compañías como Apple, Amazon, eBay, Google o UBS.
No se requiere experiencia laboral previa para la admisión.
Master of Science in Data Science (MSDS).
Orientado a profesionales con cinco o seis años de experiencia que quieren reforzar sus perspecti-
vas de trabajo o cambiar a la ciencia de datos.
Para permitir la conciliación laboral, el grado se puede completar a tiempo parcial o tiempo completo.
Los estudiantes pueden elegir un programa enfocado al desarrollo o explorar un área temática en
el Instituto de Ciencias de Datos de Columbia. Este centro de investigación realiza estudios desde
el ámbito de la salud y la seguridad cibernética a las ciudades inteligentes y los nuevos medios.
También hay grupos de trabajo dedicados a las fronteras de la computación y de los materiales de
análisis de descubrimiento.
SOUTHERN
METHODIST
UNIVERSITY
UNIVERSITY OF
SAN FRANCISCO
ARIZONA STATE
UNIVERSITY
COLUMBIA
UNIVERSITY
ESTADOS
UNIDOS
ESTADOS
UNIDOS
ESTADOS
UNIDOS
ESTADOS
UNIDOS

Master of Data Science.
Prepara a los estudiantes de distintos perfiles profesionales para las carreras de ciencias de datos
con la formación teórica y práctica.
Además de material técnico, los cursos incluyen otros temas importantes como la comunicación, la
gestión de proyectos y la ética profesional.
Master of Science in Data Science.
El Center of Data Science de la NYU colabora con las escuelas y universidades de toda la organiza-
ción de la NYU para ayudar a dirigir los esfuerzos de la universidad en la ciencia de datos.
Funciona en estrecha colaboración con otros dos centros, el Centro para la Ciencia y el Progreso Urba-
no y el Centro para la Promoción de la Investigación que involucra metodología estadística innovadora.
Título oficial de STEM (Statistics, Technology, Engineering, Math).
Práctico y orientado al mundo real.
Durante el curso, los estudiantes adquieren habilidades en matemática aplicada, estadística, cien-
cias de la computación y disciplinas comerciales.
Las clases iniciales se centran en herramientas y fundaciones y los temas posteriores incluyen
minería de datos, modelado y análisis avanzados geoespaciales.
Explora la ciencia de datos, tecnología de la información y análisis de negocios. Combina estudios
matemáticos y estadísticos con la instrucción en el cálculo y análisis avanzado de datos.
Los estudiantes aprenden a identificar patrones y tendencias, interpretar y comprender mejor a par-
tir de grandes cantidades de datos (tanto estructurados como no estructurados). También aprenden a
comunicar las conclusiones.
Master of Science in Statistics: Data Science.
El programa de Stanford es el resultado de una colaboración entre el Departamento de Estadística
y el Instituto de Ingeniería Computacional y Matemática.
El plan de estudios es de alto contenido en matemáticas y programación informática, pero dispone
también de muchas materias optativas.
Además, se abordan una gran cantidad de temas interdisciplinarios (por ejemplo, métodos de neu-
roimagen geoestadística humanos, gráficos por ordenador, etc.).
ILLINOIS
INSTITUTE OF
TECHNOLOGY
NEW YORK
UNIVERSITY
NORTH CAROLINA
STATE UNIVERSITY
NORTHWESTERN
UNIVERSITY
STANFORD
UNIVERSITY
ESTADOS
UNIDOS
ESTADOS
UNIDOS
ESTADOS
UNIDOS
ESTADOS
UNIDOS
ESTADOS
UNIDOS

Combina la investigación de operaciones y estadística aplicada con el uso de aplicaciones informá-
ticas y matemáticas aplicadas a los negocios.
Este programa ha ido evolucionando desde finales de 1970. Hay oportunidades de realizar prácticas
en muchos campos: gestión de la cadena de suministro, fabricación, operaciones, análisis de cuidado
de la salud, investigación de mercados, análisis de riesgos financieros, tecnologías de la información
y consultoría.
Master of Science in Business Analytics and Project Management.
Programa en línea que combina en profundidad ambas ramas: el análisis de negocios avanzado y la
gestión de proyectos, junto con una amplia variedad de cursos electivos. Está centrando en el desa-
rrollo de datos, almacenamiento, recuperación y utilización.
También se trata la preparación de los datos, los modelos de predicción y la evaluación y aplicación
del modelo. Así como el análisis de decisiones, optimización, simulación, análisis de sensibilidad, aná-
lisis de series de tiempo y modelado de redes.
Master in Electronic Business Technologies.
Se focaliza en las mejores prácticas, tendencias y análisis de los nuevos modelos de negocio basa-
dos en nuevas tecnologías.
Desarrolla habilidades cuantitativas, técnicas, de comunicación y de transformar los datos en un
activo competitivo.
UNIVERSITY
OF CINCINNATI
UNIVERSITY OF
CONNECTICUT
UNIVERSITY OF
OTTAWA
YORK
UNIVERSITY
ESTADOS
UNIDOS
ESTADOS
UNIDOS
CANADÁ
CANADÁ

CERTIFICADOS EN BIG DATA (ESTADOS UNIDOS)
TOP 10 - PROGRAMAS ON LINE DE BIG DATA
DETALLE DEL PROGRAMA
DETALLE DEL PROGRAMA
UNIVERSIDAD
UNIVERSIDAD
PAÍS
Tackling the Challenges of Big Data.
Duración: 6 semanas
Orientado a estudiantes que pretenden conocer en pro-
fundidad las principales tendencias en tecnologías Big Data.
Big Data and Hadoop Essentiels.
Introducción básica a algunas de las principales tecnologías (como los
players) y a los problemas asociados a los grandes datos.
Es una buena forma para sumergirse en el gran océano de datos con poco
riesgo antes de pasar a cursos más avanzados.
Precio: gratis.
Online graduate certificate courses on data mining.
Se trata de dos cursos diferentes diseñados para adoptar
las capacidades necesarias para capturar y analizar grandes
volúmenes de datos.
Analytics: Optimizing Big Data.
Entender la relevancia que está adquiriendo Big Data en la
operativa diaria de los negocios hoy en día.
MIT
UDEMY
STANFORD
UNIVERSITY
UNIVERSITY
OF
DELAWARE
ESTADOS
UNIDOS
ESTADOS
UNIDOS
ESTADOS
UNIDOS
3.2.2.CERTIFICADOS EN BIG DATA
Los programas de Big Data están orientados a profesionales que ya cuentan
con un conocimiento profundo en matemáticas o en analítica avanzada de
datos. Normalmente tienen una duración corta y se imparten en línea, lo
que permite a los profesionales ahorrar en tiempo y costes, y reforzar de
igual manera sus capacidades. Entre ellos destacamos:
3.2.3.MASSIVE OPEN EN LÍNEA COURSES
(MOOCS)
El valor de los Cursos en línea Masivos y Abiertos (MOOCs, por sus siglas
en inglés) reside en que hacen confluir en una única plataforma diversas
fuentes de conocimiento para complementar el aprendizaje. Los MOOCs
suponen el germen de lo que en el siguiente punto denominamos Cursos
Big Data impartidos por profesionales. Estos están generalmente impartidos
por profesores de las más prestigiosas universidades. Debido al alto rendi-
miento de estos cursos en términos de oferta y demanda, las universidades
se están uniendo a ello a través de plataformas como Coursera o Udacity.
Los principales programas en línea de Big Data43
actualmente son:
43 Information Week

DETALLE DEL PROGRAMAUNIVERSIDAD
Intro to Hadoop and MapReduce.
Curso orientado a profundizar en el uso de HDFS y MapReduce. Las dos
primeras semanas del curso (dura un mes) son gratis para calibrar si satisfa-
ce las necesidades del usuario.
Precio: 150 dólares.
Massively Parallel Computing.
Uno de los problemas más básicos de los grandes volúmenes de datos
es que pronto acabarán con las prácticas actuales en cuanto a gestión y
transformación de bases de datos.
Introducción a la computación paralela masiva.
En este curso, los estudiantes obtienen experiencia práctica en el desa-
rrollo de software para recursos de computación masiva en paralelo.
Data Analysis & Statistical Inference.
Este MOOC de la Universidad de Duke conecta directamente con los pun-
tos entre el campo de las estadísticas y la recopilación de datos, el análisis
y la comprensión.
Learn the R Programming Language.
El lenguaje R para programación se ha convertido en una opción popular
para la visualización de datos y, en consecuencia, es un activo cada vez
mayor en el currículum de un profesional de datos.
Precio: 29 dólares al mes por acceso ilimitado.
Java for complete beginners.
Orientado a aquellos profesionales de TI que quieren posicionarse mejor para
las oportunidades de datos y pueden invertir tiempo en aprender el idioma.
Hadoop está basado en Java, aunque saber Java no siempre es un requi-
sito previo para un gran concierto de datos, sin duda ayuda, especialmente
si desea escribir código.
Precio: gratis.
Precio: 29 dólares al mes por acceso ilimitado.
Advanced Data Structures.
Este curso explora la investigación actual (y sus resultados) en estruc-
turas de datos, un área de importancia crítica en la era de la información.
Precio: gratis.
Artificial Intelligence / Aprendizaje automático.
Abarca la minería de datos, reconocimiento de voz, texto y procesamien-
to de datos Web, y otros temas.
Precio: gratis.
UDACITY
HARVARD
EXTENSION
COURSERA
(DUKE
UNIVERSITY)
CODE
SCHOOL
UDEMY
MIT
STANFORD

DETALLE DEL PROGRAMAUNIVERSIDAD
Become A Certified Hadoop Developer.
Precio: 198 dólares.
Introduction to philosophy.
Los mejores profesionales en Big Data cuentan con un potente cono-
cimiento en filosofía para separar aquellos que pueden hacer minería de
datos aquellos que pueden interpretarlos.
UDEMY
COURSERA
(UNIVERSITY
OF
EDINBURGH)
3.2.4.CURSOS BIG DATA IMPARTIDOS POR
PROFESIONALES (DE FORMA GRATUITA
Y DE PAGO)
En este punto se encuentra The Institute for Operations Research and the
Management Sciences (INFORMS, por sus siglas en inglés)44
, la mayor asociación
mundialdeprofesionalesenelcampodelaanalítica,lainvestigacióndeoperaciones
ygestióndelacienciadedatos.Cuentacon11.000miembrosenmásde100países.
En los últimos años, también lanzó una revista titulada Analytics45, y ha reorientado
la temática de sus conferencias para centrarse en la analítica de datos y Big Data,
ofertando además un Certificado en Big Data.
3.3.Principales referencias en
atracción y retención del talento
El Big Data es un fenómeno todavía reciente en el entorno laboral. Hasta
hace prácticamente un lustro las compañías no comenzaron a ser conscien-
tes de su importancia ni a incluir en sus planes estratégicos la necesidad de
adoptar estas soluciones tecnológicas. Sin embargo, los entornos competi-
tivos en el que las empresas se desenvuelven hoy en día, dinámicos y cam-
biantes, las están obligando a tratar de incorporar estas capacidades a sus
plantillas con la mayor brevedad posible para dotarse de mayor agilidad y
flexibilidad y obtener una ventaja competitiva con respecto al mercado. Esta
necesidad presenta una particularidad: el talento Big Data debe ser incorpo-
rado en los niveles más bajos de la jerarquía de la compañía y también en
niveles intermedios y altos, ya que serán estos mandos los que impulsen in-
ternamente las iniciativas para adoptar este nuevo paradigma tecnológico.
La paradoja que se da es que las universidades, a día de hoy, no han sido ca-
paces de adaptar, en tiempo y forma, sus programas educativos a la demanda
del mercado. Es decir, el talento que las compañías necesitan a día de hoy,
está todavía formándose en las aulas de los distintos centros académicos.
Por tanto, a diferencia de lo que sucede en el resto de sectores, donde los
perfiles y currículos se acumulaban sobre la mesa de los directores de re-
cursos humanos, en el caso del talento Big Data se da el fenómeno opuesto:
44 INFORMS (2017). Recuperado en https://www.informs.org/
45 Analytics. Recuperado en http://connect.informs.org/analytics/home

es la dirección de recursos humanos quien debe modificar sus procesos de se-
lección e identificación de perfiles. Esta debe afrontar en los dos frentes abiertos:
Necesito el talento específico: atraer o reciclar talento.
No debo perder el talento que ya he formado y tengo: retener el talento ya
disponible en la compañía.
3.3.1.EL RETO DESDE EL PUNTO
DE VISTA SALARIAL PARA ATRAER
Y RETENER TALENTO
El mercado de trabajo es muy complejo y no se explica simplemente por el
libre juego de la oferta y la demanda. Si bien en este mercado, el papel de las
empresas y de las economías domésticas se enfoca al contrario que en los
mercados de bienes y servicios: mientras que en el mercado de bienes la ofer-
ta se explica por las actividades de las empresas y la demanda se explica por
las actividades de los individuos; en el mercado de trabajo, son las empresas
las que demandan trabajadores y los individuos quienes ofrecen su trabajo.
En el análisis se supondrá que el comportamiento de trabajadores y empresas
es individual y guiado estrictamente por la racionalidad económica (análisis
coste-beneficio). Por tanto, ante una situación de exceso de demanda de traba-
jo como la que se está dando en el ámbito de Big Data, los salarios subirán por
la competencia entre empresas y el poder de negociación de los candidatos
será mayor que en el resto de sectores económicos. El exceso de demanda está
causando que muchos estudiantes reciban ofertas de trabajo muy suculentas,
tanto para prácticas como para incorporarse al mercado laboral, lo que aumenta
la ratio de abandono de los distintos programas de grado y postgrado.
El portal de empleo DICE.COM46
elaboró un estudio sobre la situación de los
salarios TI en Estados Unidos, en el que se advertía que los salarios medios
tecnológicos en EE.UU. se incrementaron un 7,7% en 2015, lo que se corres-
ponde con unos 96.000 dólares al año. Las remuneraciones variables y las
tarifas de horas también se incrementaron a partir de 2014.
Estos aumentos salariales revelan un entorno global muy atractivo para los
profesionales en TI: el 62% percibió salarios más altos en 2015. En dicha
encuesta casi la mitad de los participantes informó de un aumento salarial
como consecuencia de procesos de movilidad dentro de la misma empresa,
el 38% informó haber recibido un aumento por mérito y un 10% vía promo-
ción interna. La segunda razón más común para un aumento de sueldo fue
el resultado de cambios de empleo y funciones (23%).
Con el paso del tiempo la remuneración variable y las bonificaciones están
ganando presencia en la composición de las nóminas de estos profesiona-
les. Los profesionales con más nivel de experiencia son los que se mostra-
ban más propicios a esta modalidad remunerativa. Pese a ello, los trabaja-
dores que se incorporaban al mercado laboral sin apenas experiencia vieron
un incremento notable en sus salarios fijos con respecto a años anteriores,
lo que significa que las compañías no están dispuestas a dejar escapar la
oportunidad de contratar talento fresco y con potencial47
.
46 El alcance del estudio se limita a Estados Unidos, no obstante, entendemos que las conclusiones que se
derivan de él son extrapolables a la situación española
47 Dice Salary Survey (2016), Salaries, Bonuses and Contract Rates Jump for U.S. Technology Professionals.
Recuperado en http://media.dice.com/report/2015-2016-dice-salary-survey/ (accesible en marzo 2017).

El portal en línea Datajobs.com48 nos proporciona información muy útil para
contextualizar la banda salarial en la que se mueven los profesionales de Big
Data según sus perfiles. De media, este salario es superior a la media de los
96.000 dólares de los profesionales TI en EE. UU.:
PERFIL EXPERIENCIA MÍNIMO MÁXIMO
ANALISTA
DE DATOS
ADMINISTRADOR
DE BASE DE DATOS
INGENIERO
DE BIG DATA
CIENTÍFICO DE DATOS
GESTOR
DE ANALÍTICAS
Ninguna
Ninguna
Ninguna
Con experiencia
$50.000
$50.000
$70.000
$85.000
Con experiencia
Con experiencia
Con experiencia
Poca experiencia
Con experiencia
Mucha experiencia
$65.000
$70.000
$100.000
$90.000
$130.000
$160.000
$110.000
$120.000
$165.000
$140.000
$175.000
$240.000
$75.000
$70.000
$115.000
$170.000
Además, el informe nos indica que la principal causa de que los profesionales TI
decidan cambiar de trabajo es en un 65% de las veces la remuneración recibida
y en un 43% la mejora de las condiciones laborales asociadas a la posición.
3.3.2.EL RETO DESDE EL PRISMA
DE LA FORMACIÓN Y NIVEL EDUCATIVO
DEL TALENTO
La escasez de talento Big Data es actualmente un problema para las orga-
nizaciones. Este se agrava aún más cuando el objetivo es atraer a mandos
intermedios para que puedan impulsar la práctica y la generación de capa-
cidades desde dentro. El talento que actualmente se está formando o se
ha formado en la materia, a través de diferentes programas educativos, no
cuenta, de momento, con el nivel de experiencia suficiente para asumir di-
cha responsabilidad. De la misma manera, los gerentes o mandos ejecutivos
actualmente desempeñando una labor en las compañías deben también
trabajar para actualizar sus perfiles a los requerimientos del negocio.
Es decir, el fenómeno Big Data no resulta únicamente un problema técnico,
sino que constituye esencialmente un problema de negocio: la correcta ex-
plotación de los datos proporciona importantes oportunidades a los nego-
cios, pero esto solo es posible si se plantean las preguntas correctas, lo cual
es únicamente alcanzable si se cuenta con el talento para poder obtener de
las fuentes de datos dicha información.
Mientras tanto, la modificación o innovación en los procesos de selección
debería pivotar alrededor de las siguientes iniciativas, identificadas algunas en
el informe The Big Data Talent Gap, de la Escuela de Negocios Kenan – Flagler49
:
48 Datajobs, Big Data Salaries: An Inside Look. Recuperado en https://datajobs.com/big-data-salary
(accesible en marzo 2017).
49 Ahalt, S. y Kelly, K. (2013), UNC, The Big Data Talent Gap. Recuperado en http://renci.org/wp-con-
tent/uploads/2013/08/The-Big-Data-Talent-Gap-White-Paper1.pdf (accesible en marzo 2017).

1.FORMARSE EN BIG DATA. La analítica avanzada de
datos puede aportar un valor estratégico fundamental
a la organización. Esto significa que deben adquirir, al
menos, un conocimiento exhaustivo en las capacidades
que deben definir a los científicos de datos, a los analis-
tas y a los gerentes. Además, las organizaciones deben
ser conscientes de los beneficios que conllevaría aplicar
soluciones Big Data en el día a día de sus actividades
laborales.
2. DESARROLLAR PROGRAMAS DE FORMACIÓN BIG
DATA ORIENTADOS A MANDOS EJECUTIVOS. Para un
buen uso del Big Data dentro de la organización, el depar-
tamento de recursos humanos debe diseñar e implantar
programas de formación que ayuden a los empleados a
desarrollar estas nuevas capacidades. La formación de
los mandos ejecutivos dentro la organización debe ser
continua de forma que estos adquieran consciencia de
las necesidades reales de talento de su compañía. Cuan-
do los mandos adquieran esta capacidad se afinarán los
criterios de selección para elegir al candidato correcto
—dadas las necesidades de la organización—. Por otro
lado, podrán poner en marcha las iniciativas de nego-
cio que impulsen la competitividad de la compañía. Así,
el departamento de recursos humanos debe trabajar de
forma conjunta con las unidades de negocio para enten-
der sus necesidades de primera mano.
3. DESARROLLAR PLANES DE ACCIÓN CREATIVOS
Y DIFERENCIALES PARA ATRAER Y RETENER EL TA-
LENTO BIG DATA. Aquellas organizaciones que hayan
dado cobertura a las dos iniciativas anteriores, cono-
cerán las necesidades de talento antes que nadie en el
mercado. Esto las colocará en una posición de referen-
cia que deberán mantener poniendo en marcha inicia-
tivas de atracción y retención diferenciales, buscando,
por ejemplo, perfiles tradicionalmente fuera del radar
de los directores de recursos humanos.
Un estudio desarrollado por la compañía Talent Analytics
& International Institute for Analytics50 precisaba que
la característica más atractiva para aceptar un empleo
por parte de los posibles candidatos y profesionales
de Big Data era la “curiosidad”. De ahí, por ejemplo, la
forma en que Google y otras grandes compañías de
la red empresarial mundial —Walmart entre otras—
reclutan talento para sus equipos: publicando acertijos
y problemáticas a resolver en medios de comunicación,
transporte público o universidades que esperan llamar la
atención de un determinado conjunto de personas.
50 Roberts, P. y Roberts, G. (2013), Four Functional Clusters of Analytics. Re-
cuperado en http://www.talentanalytics.com/wp-content/uploads/2012/05/
ResearchBriefFunctionalClusters.pdf.
If you can
figure this
out, you may
have a future
with Google.
8 M L D Q 6 T U I
6 T F M L R H A A
N R A 6 Q 8 E F L
D M Q 8 6 I I 2 0 3
2 S 5 J 1 3 J X O J
Reto de Google Jobs

Destacan también otros métodos recopilados por el portal
Business Insider51 como:
- Puestos de trabajo sin apellido: la conocida em-
presa de comercio electrónico Zappos eliminó re-
cientemente el apellido de sus puestos de trabajo.
El objetivo era mostrar al mercado laborar que la
compañía se centra en la persona del candidato en
lugar de fijarse en sus capacidades exclusivamente.
La premisa es que si el candidato es lo suficiente-
mente apasionado por la compañía generará mucho
más valor a la misma que sus propias capacidades,
ya que estas se pueden desarrollar mientras que la
actitud no.
- Entrevistas por video: otorga mayor acceso a po-
tenciales candidatos, ahorra costes y tiempo. Empre-
sas como Inditex apuestan por este tipo de procesos.
- Uso de redes sociales: los nuevos tiempos exigen
nuevas formas de contactar con los candidatos. Normal-
mente aquellas compañías que explotan el uso de redes
sociales generan mejor percepción en los candidatos.
- Explotación de la red de empleados: algunas
compañías, como Zappos, están dejando de publi-
car vacantes en los canales habituales y en su lugar
buscan implicar a sus empleados en la selección de
personal derivado de sus propias redes de contactos.
4. OFRECER SOLUCIONES PERSONALIZADAS A LA IN-
DUSTRIA. La necesidad de talento surge en diferentes in-
dustrias y agentes laborarles al mismo tiempo, lo que impli-
ca que su solución puede ser escalable a todas las industrias.
A. Los Gobiernos deben modificar las políticas edu-
cativas para facilitar la adopción de programas espe-
cíficos en las distintas instituciones.
B. Desde las industrias se deben poner en marcha ini-
ciativas comunes orientadas a la retención de talento.
C. Por último, las instituciones educativas deben tra-
bajar conjuntamente con las instituciones públicas y
privadas para mejorar la composición de sus progra-
mas educativos y poder generar profesionales cuali-
ficados en la materia.
5. DESARROLLAR SOLUCIONES TANGIBLES PARA
DESARROLLAR EL TALENTO DENTRO DE LA ORGANI-
ZACIÓN. La formación en las compañías puede impartir-
se en distintos formatos como seminarios o programas
personalizados. Además, se precisa la definición de las
capacidades, funciones y aplicación de cada uno de los
perfiles de Big Data. Muchos de los problemas a los que
se enfrentan las compañías a la hora de atraer talento
tienen que ver con la definición del perfil buscado en
sí mismo. Así como con las oportunidades de carrera
profesional propuestas al candidato durante su relación
laboral con la compañía.
51 Business Insider, Careers, 7 Innovative Ways Recruiters are Attracting Top
Talent. Recuperado en http://www.businessinsider.com/7-innovative-ways-re-
cruiters-are-attracting-top-talent-2014-8.
3.3.3.CASO TELEFÓNICA:
UNA ORGANIZACIÓN ORIENTADA
AL DATO
Durante los últimos años, Telefónica ha invertido e im-
plementado una gran estrategia de datos con la que ha
fortalecido sus capacidades. En esta estrategia se incluye
la adquisición de Synergic Partners, consultora española
especializada en análisis avanzado de datos. A día de hoy
Telefónica centra su estrategia de datos en tres pilares:
Proporcionar un mejor valor a sus clientes a través de
una oferta más innovadora y personalizada que tiene
como resultado generar ingresos adicionales y clientes
más satisfechos.
Optimización de las decisiones y el modelo operativo
de la compañía reduciendo costes e inversiones.
Generación de negocios adicionales.
Para Telefónica los datos son un activo estratégico de la
empresa y, por esta razón, una de las prioridades clave
es la transformación en una empresa impulsada por da-
tos, en una compañía guiada por los datos. Su estrategia
se centra en crear y evolucionar el ecosistema Big Data
desde las perspectivas de acceso a los datos, tecnología
y herramientas, competencias y talento y enfoque en
los casos de uso. Durante 2014 y 2015, Telefónica se ha
centrado en la creación de un ecosistema básico:
1. Implementación de capacidades Big Data en la mayo-
ría de los países en los que opera y en la implementación
de una plataforma global de Big Data para proporcionar
una visión consolidada del negocio en todos los países.
2. Lanzamiento de un programa de desarrollo de talento
para: acceder a nuevo talento, capacitar a sus equipos
de BI y TI sobre Big Data y análisis, y fomentar el inter-
cambio de mejores prácticas entre sus profesionales.
Durante 2016 se ha lanzando un ambicioso plan de
Transformación de Datos con una clara misión: impulsar
la aplicación de datos masivos en el negocio para con-
vertirse en una empresa controlada por datos. Algunos
ejemplos de este plan de transformación son:
DatAcademy, una plataforma de aprendizaje para ca-
pacitar a todos los empleados de Telefónica sobre Big
Data en tres perspectivas: tecnológicas, empresariales
y culturales.
Embajadores impulsores de la cultura guiada por los
datos por datos, para fomentar la transformación de las
unidades de negocio por medio de “evangelistas”, perso-
nas de referencia con mentalidad y habilidades dirigidas
por datos.

3.3.4. CASO FERROVIAL: DESARROLLANDO
CAPACIDADES BIG DATA Y DE ANALÍTICA
AVANZADA
Dentro de la estrategia digital de Ferrovial se decidió formar un grupo in-
terno de programadores y analistas Big Data. Este grupo se fundó con pro-
fesionales que ya estaban en la empresa y con personas que se contrataron
específicamente con perfiles técnicos: ingenierías y matemáticas, principal-
mente. Al no encontrar candidatos con la experiencia adecuada, hubo un
primer periodo de formación del equipo tanto en tecnologías Big Data como
en formas de trabajo.
La formación en este caso es un proceso continuo porque el mercado es
muy cambiante. Se han ido desarrollando retos de forma iterativa, con re-
sultados rápidos para mostrar el valor aportado por las nuevas tecnologías
aplicadas a los negocios de Ferrovial.
Año y medio después Ferrovial tiene un equipo con expertise avanzado en
Big Data y conocimiento de los negocios, lo que es difícil de encontrar en el
mercado. Ahora se han incorporado perfiles de análisis avanzado de datos
con el fin de crear modelos matemáticos.
3.3.5. CASO ARCELORMITTAL ESPAÑA:
ENFRENTÁNDOSE AL RETO DE ATRAER Y
RETENER TALENTO
ArcelorMittal es la mayor compañía siderúrgica mundial con una plantilla de
casi 220.000 profesionales y con presencia en más de 60 países. La compa-
ñía cuenta con dos centros de innovación en España, localizados en Asturias
y País Vasco. Estos centros tienen como principal cometido la mejora de
los procesos siderúrgicos y mejorar el impacto de la compañía en la socie-
dad: aceros para fabricar coches más ligeros, elementos constructivos más
versátiles que incrementan la eficiencia energética de las viviendas, chapa
especial para torres eólicas marinas, etc. En el caso particular del Centro de
Innovación de Avilés (Asturias) encontramos equipos multidisciplinares for-
mados por economistas, ingenieros e informáticos capaces de aportar solu-
ciones a las necesidades que pudieran llegar de las plantas de producción
localizadas en distintas partes del mundo.
Como consecuencia de la cultura innovadora del centro, ArcelorMittal está
comenzando a utilizar tecnologías Big Data para mejorar la calidad del servi-
cio proporcionado a las plantas. Como todas las compañías, están afrontando
distintas situaciones asociadas a la identificación y contratación de perfiles
Big Data fruto de la escasez de oferta en el mercado. Algunos ejemplos son:
Muchas personas incluyen el concepto Big Data en su CV, solo por haber
hecho un curso introductorio de 30 horas a distancia, lo que los hace atrac-
tivos en primera instancia para los equipos de recursos humanos.
Se está trabajado en programas de formación interna invirtiendo recursos
económicos y humanos en personas que tras seis meses de formación se
han ido a otro centro tecnológico atraídos por un incremento salarial.
Respecto a los procesos de atracción de talento, se realizan publicaciones de
vacantes en redes sociales, se realizan entrevistas por videoconferencia para
candidatos internacionales, se publican en prensa e incluso en televisión. De
todos los candidatos el porcentaje de currículos válidos ronda un 10% del total.

Por otro lado, se explotan la red de contactos de sus empleados a través
de programas de incentivos por perfil contratado.
Algunos de sus investigadores pueden acceder incluso a estancias en or-
ganizaciones punteras como Stanford, el MIT o Michigan State University
a través de Grupos de Investigación adquiriendo conocimiento que luego
importan a la organización.
Por último, se ha desarrollado un programa Junior en colaboración con
el Gobierno del Principado de Asturias de cara a atraer y retener talento
en megatendencias (Digital, Additive Manufacturing y Nanomateriales) y en
proyectos diferenciales.
3.3.6.CASO WALMART:
JUGANDO A DESPERTAR LA CURIOSIDAD DE
LOS CANDIDATOS
El gigante de la distribución afrontó este mismo problema hace un tiempo.
Como líder del mercado era consciente de la encrucijada: errar en el proceso
de adopción de estas soluciones tecnológicas, así como en la atracción del
talento necesario, podría resultar fatal para su futuro, mientras que lo contra-
rio no supondría un incremento mucho mayor de su liderazgo en el mercado.
Ante este panorama acudieron a la plataforma Kaggle52, compuesta por
un conjunto de data scientists que utilizan sus habilidades y capacidades
analíticas para resolver problemas planteados por distintas compañías y siendo
recompensados en muchas ocasiones con suculentas ofertas de trabajo.
En palabras de Mandar Thakur, responsable de contratación de la unidad de
Tecnología de Walmart desde 2012: “LA COMPETICIÓN EN KAGGLE CREÓ
UNA GRAN EXPECTATIVA SOBRE WALMART Y NUESTRA NECESIDAD DE
TALENTO ANALÍTICO Y BIG DATA. LA GENTE SABE QUE WALMART GE-
NERA Y CAPTURA UNA GRAN CANTIDAD DE DATOS, PERO EL OBJETIVO
DE ESTO ESTABA EN QUE TAMBIÉN VIERAN QUE PARA NOSOTROS EL
DATO ES UN ACTIVO ESTRATÉGICO DE ENORME RELEVANCIA, Y QUE
POR TANTO LOS PERFILES DEDICADOS A LA EXPLOTACIÓN DEL DATO
SON CRUCIALES PARA LA COMPAÑÍA”53
.
El proceso consistía en proporcionar a los candidatos un juego de datos his-
tóricos referentes a distintas tiendas. Estos tenían que identificar modelos
predictivos capaces de entender el comportamiento de las ventas en estas
tiendas ante picos de venta inesperados, roturas de stock o caída de precios
de los artículos.
Una vez finalizado el concurso, los mejores candidatos fueron contratados
dentro del equipo de Advanced Analytics de la compañía. Al año siguiente
se puso en marcha la misma iniciativa, pero esta vez los candidatos contra-
tados en el año anterior plantearon la elaboración de modelos predictivos
acerca del impacto en ventas de eventos meteorológicos.
El principal resultado de este proceso fue la incorporación de perfiles que siguien-
do la metodología tradicional nunca hubieran superado los filtros iniciales.
52 Recuperado en https://www.kaggle.com/.
53 Recuperado en https://www.forbes.com/sites/bernardmarr/2015/07/06/walmart-the-big-data-
skills-crisis-and-recruiting-analytics-talent/#490b28646b55 (accesible en marzo 2017).

3.4.PRINCIPALES CONCLUSIONES
Dado el panorama actual internacional en cuanto a la generación de talento
Big Data, algunas claves que han llevado a considerar algunos países u orga-
nizaciones como referentes mundiales son:
1. Sistemas educativos sólidos y duraderos en el tiempo.
2. Educar al personal de recursos humanos en Big Data54.
3. Formar a los gerentes en Big Data.
4. Desarrollar estrategias de atracción creativas y diferenciales:
a. Foros de empleo en universidades55.
b. Programas de post grado y grado en universidades.
c. Programas de prácticas orientado a estudiantes.
d. Establecer planes de carrera específicos para estos perfiles.
5. Desarrollar programas de formación internos, así como sistemas de incen-
tivos atractivos para empleados.
6. Disponer de centros de formación de referencia.
54 UNC Executive Development (2016). Recuperado en http://execdev.kenan-flagler.unc.edu/blog/4-steps-
to-bridge-the-big-data-talent-gap.
55 Business.com, Big Data, Big Problem: Coping With Shortage of Talent in Data Analysis. Recuperado en
http://www.business.com/recruiting/big-data-big-problem-coping-with-shortage-of-talent-in-data-analysis/

Plan y recomendaciones
2016 – 2020
4.
Las organizaciones que apuestan por explotar los datos de forma avanzada y por incorpo-
rar nuevos componentes tecnológicos —que permitan manejar la información encontra-
da— no solo deben cambiar la filosofía empresarial, sino también sus capacidades.
Estas capacidades han de cubrir ámbitos muy específicos, tanto desde el punto de vista
tecnológico y analítico como desde el punto de vista económico y comercial. En la actua-
lidad, las empresas que se encuentran atravesando el exigente camino para convertirse
en organizaciones dirigidas por los datos (compañías guiadas por los datos), se enfrentan
al difícil reto de adquirir estas capacidades en el mercado laboral —el cual como se ha
explicado anteriormente muestra una clara escasez de este tipo de perfiles—.
4.1. Impulsar la generación
de talento desde la formación
Dada la necesidad creciente de perfiles profesionales que puedan desempeñar las
funciones asociadas con la nueva economía del dato, el ámbito educativo ha de adap-
tarse para formar estos perfiles desde la base. Esta adaptación requiere de la inclusión
en el panorama educativo de nuevas áreas de conocimiento que deberán fomentarse
desde la educación primaria hasta la formación universitaria.
En este sentido, se considera fundamental, la inclusión en el panorama educativo de
nuevas áreas de conocimiento, así como potenciar algunas de las ya existentes para
que sea posible cubrir la demanda actual y futura. De cara a desplegar estas capaci-
dades educativas, se deberá reforzar tanto los recursos educativos disponibles en los
centros de formación como la capacitación y el apoyo del profesorado, y cambios en
las metodologías didácticas que fomenten vocaciones en áreas vinculadas a Big Data.
El fomento de estas vocaciones contribuiría a que el número de estudiantes creciera
a mayor ritmo del previsto, lo cual es de gran interés dada la gran demanda.
4.1.1.DESDE LA FORMACIÓN
EN PRIMARIA HASTA LA UNIVERSITARIA
En los últimos años han aparecido diferentes ciclos formativos en el ámbito universi-
tario, principalmente postgrados, con el objetivo de cubrir estas nuevas necesidades
que demanda el mercado laboral.
Estos nuevos postgrados orientados a la analítica avanzada de datos o al Big Data van
dirigidos principalmente a profesionales con experiencia que buscan nuevos retos
profesionales, ampliar su área de conocimiento o incluso reciclarse iniciándose en
un nuevo ámbito con mucho potencial de expansión. Es por este mismo motivo que
el número de profesionales que adquieren formación específica de este ámbito no
alcanza para cubrir las necesidades actuales de las empresas. Además, el nivel de
formación no suele ser suficiente en la mayoría de los casos ya que estos postgrados

Plan y recomendaciones 2016 – 202080
suelen ir orientados a ser combinados con el mundo laboral, por lo que la
profundidad de los temas tratados puede no ser suficiente.
Esto ha llevado a que diferentes multinacionales con grandes necesida-
des de este tipo de perfiles comenzaran a crear sus propias rutas forma-
tivas, promoviendo la formación de determinadas capacidades a través de
MOOCs. Plataformas de cursos en línea como Coursera o Udacity presentan
una gran variedad de contenido. La propia Udacity está propulsada por gran-
des corporaciones (como AT&T y Google), las cuales generan gran parte de
las formaciones que allí se imparten con el objetivo de capacitar en aquellas
áreas que son de su propio interés, lo que les permite crear un ecosistema
de profesionales “a la carta”.
A pesar de estos postgrados y de la amplia gama de cursos en línea dis-
ponibles, la envergadura de este nuevo ámbito profesional hace que sea
necesaria también la inclusión en el panorama educativo de las áreas de co-
nocimiento adecuadas. Estas pueden ser agrupadas en tres grandes ramas:
MATEMÁTICA APLICADA/ESTADÍSTICA. La nueva economía del dato
hace necesario un amplio conocimiento en matemáticas aplicadas y mode-
lado estadístico para sacar el máximo partido a la información disponible.
Se deberán aplicar complejos modelos analíticos (técnicas de aprendizaje
automático, métodos de clasificación, series temporales, métodos probabi-
lísticos, etc.) que permitan no solo explicar determinados comportamientos
pasados sino predecir comportamientos futuros. Esto puede suponer una
gran ventaja competitiva en la gran mayoría de los sectores.
TECNOLOGÍA. El gran volumen de información que se debe manejar en
la actualidad hace que los sistemas tradicionales, tanto de almacenamiento
como de procesamiento, no sean adecuados para realizar una explotación
avanzada de la información. Así, se requieren conocimientos de diferentes
paradigmas tanto de almacenamiento como de procesamiento. En este sen-
tido, los sistemas de nube y de computación y almacenamiento distribuidos
cobran un papel muy relevante.
EXPLOTACIÓN DE LOS DATOS. El objetivo final del Big Data es la aplica-
ción de los mismos en diferentes áreas. Por ello, la explotación de los datos
es una capacidad clave que debe aportar conocimientos sobre negocio, pla-
nificación y estrategia.
Por tanto, los profesionales de la nueva era del dato han de desarrollar ca-
pacidades en torno a una o varias de las ramas anteriores. Esto supone que
se deberán sentar unas bases comunes desde el inicio de la vida escolar que
permitan al estudiante, por un lado, adquirir el conocimiento necesario para
después profundizar y especializarse mediante carreras universitarias especí-
ficas y, por otro, desarrollar habilidades intelectuales que permitan “aprender
a pensar” así como plantear soluciones a determinados problemas.
De cara a lograr estos propósitos, los siguientes aspectos deberán ser con-
siderados en cada uno de los niveles educativos. Se parte de la base de que
en todo momento se ha de potenciar la creación de capacidades analíticas
y el interés por las nuevas tecnologías:
EDUCACIÓN PRIMARIA – MOTIVACIÓN,
CREACIÓN DE INTERÉS
La educación primaria supone el punto de partida para la creación de los
nuevos perfiles que demandan las organizaciones. Dada la importancia de
esta etapa para el desarrollo personal, se debe fomentar la aparición de un
espíritu analítico en los estudiantes, así como el interés por las nuevas tecno-

logías. Por ello, conviene tratar de acercar a los alumnos
a estos dos mundos de modo que les genere un interés
para decantarse hacia el mundo del análisis avanzado
de la información en fases sucesivas de su desarrollo
académico. En este sentido será clave promover nuevas
metodologías didácticas que eviten que los estudiantes
perciban las materias de “ciencias” como disciplinas exi-
gentes, aburridas y en definitiva muy poco atractvias, y
que en muchos casos disuaden a los estudiantes de op-
tar por titulaciones científico-tecnológicas. En relación
con esto, también es importante apostar en la escuela
por un modelo de alfabetización amplio. Para la socie-
dad actual, y para la que viene, enseñar a leer y escri-
bir no es el único proceso de alfabetización. Hay otros
lenguajes (matemáticos y tecnológicos) que son igual-
mente relevantes, y que quedan en un segundo plano
en términos de adquisición de competencias básicas.
EDUCACIÓN SECUNDARIA
OBLIGATORIA, BACHILLERATO,
FORMACIÓN PROFESIONAL BÁSICA Y
DE GRADO MEDIO – DESARROLLO DE
CAPACIDADES FUNDAMENTALES
La etapa de Educación Secundaria Obligatoria (ESO) y
bachillerato, así como la vertiente de formación profe-
sional en sus niveles básico y de grado medio, debe ser-
vir para asentar las bases principales de las capacidades
que han de poseer los nuevos profesionales de la era del
dato. Una vez se ha fomentado la aparición del interés
adecuado en los alumnos en primaria, es momento de
materializarlo en conocimientos.
Dadas las previsiones de crecimiento y expansión de la
nueva economía del dato, se considera que todos los
alumnos han de poseer unos conocimientos básicos
que les permitan desenvolverse con soltura sea cuál sea
su área de especialización. Por lo que no se considera
una buena práctica formar en este ámbito únicamente a
aquellos alumnos que se hayan decantado por la rama
de ciencias en la educación secundaria. Así, se conside-
ra que durante al menos la primera parte de la ESO (tres
primeros cursos) se deberá fomentar que los alumnos
adquieran las capacidades básicas en lo relativo a explo-
tación de la información: tanto desde el punto de vista
de técnicas (interpretación de conjuntos de datos, vi-
sualizaciones adecuadas en cada situación, etc.), como
de herramientas básicas (p. ej. bases de datos, hojas de
cálculo, etc.) y de programación.
Esto puede suponer la necesidad de adaptar del progra-
ma de alguna de las asignaturas existentes como Tecno-
logía, para adquirir capacidades relativas a herramientas
de análisis y gestión de la información, y Matemáticas,
para impulsar las capacidades analíticas.
Estos conocimientos básicos permitirán a los alumnos
desenvolverse con garantías al menos en la parte básica
de la nueva economía del dato. Después de esta etapa se
deberá potenciar el desarrollo de capacidades más avan-
zadas para aquellos alumnos que se decanten por este
tipo de especialidad tanto en estudios de bachillerato
como en formación profesional básica y de grado medio.
En este punto puede hacerse necesaria la creación de
una o varias asignaturas optativas que introduzcan de
lleno a estos alumnos en el mundo de la analítica avan-
zada y de la tecnología. Estas asignaturas deberán cu-
brir los aspectos fundacionales de ambas ramas de co-
nocimiento: la tecnológica y la matemática aplicada, y
la programación. Se deberán sentar las bases para aque-
llos alumnos que decidan enfocarse al análisis avanza-
do de la información (modelos predictivos, métodos de
aprendizaje máquina, clasificación, etc.) y aquellos que
se centren más en la construcción de soluciones tec-
nológicas (bases de datos, sistemas de procesamiento,
etc.). Estas asignaturas deben abarcar tanto el punto
de vista conceptual y teórico como el práctico, por lo
que sería conveniente incorporar talleres en los que los
alumnos realicen simulaciones prácticas.

En el grado y nivel que corresponda también será nece-
sario este tipo de asignaturas optativas en aquellas cua-
lificaciones de formación profesional más técnicas. En
su caso desarrollarían competencias de manipulación
de datos relativamente simples correspondientes a pro-
cesos normalizados, siendo los conocimientos teóricos
y las capacidades prácticas a aplicar más reducidas. De
esta forma, se sentarían las bases para niveles de cuali-
ficación superiores de formación profesional de Grado
Superior que comporten responsabilidades de coordi-
nación y supervisión de trabajo técnico y especializado.
FORMACIÓN PROFESIONAL DE GRADO
SUPERIOR – CUALIFICACIÓN DE
COMPETENCIAS PROFESIONALES
Dentro de las demandas de cualificación profesional de
las empresas no hay que obviar el papel que representan
aquellos profesionales que no han optado por estudios
universitarios y que constituyen un sólido apoyo a los
nuevos retos de transformación hacia la cultura del dato.
En este nuevo escenario, la formación profesional ha de seguir
desarrollando las capacidades para la extracción, tratamiento y
carga de datos, así como la gestión y mantenimiento de gran-
des volúmenes, según las directrices corporativas que hayan
sido diseñadas por perfiles universitarios más cualificados.
Los títulos de Formación Profesional están referidos,
con carácter general, al Catálogo Nacional de Cualifi-
caciones Profesionales. Estos son revisados a través del
Sistema Nacional de Cualificaciones que debe seguir
orientando la formación a las nuevas demandas de cua-
lificación de las organizaciones productivas.
Además, hay que tener en cuenta que los estudiantes que
superan los ciclos formativos de grado superior de la forma-

ción profesional obtienen el título de Técnico Superior que les permitirá el acce-
so, previa superación de un procedimiento de admisión, a los estudios universita-
rios de grado. Es otro camino que los profesionales del dato pueden optar y debe
desarrollarse convenientemente.
Finalmente, debe insistirse en la formación, acompañamiento y reciclaje del
profesorado actual en el uso de las nuevas tecnologías y cómo manipular
los datos generados por estas.
Así mismo, el nuevo profesorado de los centros de formación profesional y
Centros Integrados de Formación Profesional debe tener unas competen-
cias digitales en tratamiento de datos. Estos últimos, deberán estar prepara-
dos para poder ofertar modalidades de formación continua y ocupacional a
trabajadores en activo o desempleados que deseen obtener títulos y Certifi-
cados de Profesionalidad en Big Data.
FORMACIÓN UNIVERSITARIA –
DESARROLLO DE CAPACIDADES AVANZADAS
Actualmente, auque la oferta universitaria incluye algunos masters y pos-
grados en Big Data, no existe ningún grado universitario en el ámbito edu-
cativo español dedicado específicamente a la analítica avanzada de la infor-
mación, a diferencia de lo que ocurre en otros países (Estados Unidos, Reino
Unido, Holanda, Australia, Malasia, Corea del Sur, etc.) en los que sí se han
instaurado este tipo de carreras universitarias.
La reciente creación de grados y másteres universitarios en diferentes paí-
ses denota que cómo se está percibiendo la necesidad de formar profesio-
nales en este ámbito. Así, muchos países están atacando el problema desde
la base, creando ciclos formativos que les permitan instruir a los profesiona-
les que está demandado tanto su mercado laboral.
Estos grados y másteres de reciente creación van enfocados, en la mayoría
de los casos, a cubrir los aspectos relacionados con el análisis estadístico
avanzado; puesto que es la rama en la que existe un mayor desequilibrio
entre la demanda del mercado y la oferta de los sistemas educativos. Por el
contrario, en el ámbito puramente tecnológico, aunque sí se ha creado al-
gún grado específico —enfocado a la explotación y gestión del Big Data—,
la acción más recurrente ha sido la inclusión de módulos específicos en
carreras técnicas como la de informática (Computer Science). Entre estos,
destacan los siguientes:
1. CIENCIA DE DATOS / DATA ANALYTICS (CIENCIA DEL DATO)
Los estudiantes desarrollan en profundidad las capacidades analíticas me-
diante la enseñanza de modelos analíticos avanzados (aprendizaje automá-
tico y Deep learning, maquinas de vectores de soporte, selvas aleatorias,
modelos gráficos probabilísticos, etc.), de lenguajes de programación y de
herramientas orientadas a explotación analítica avanzada (R, Python, SAS,
SPSS, etc.).
Por otra parte, este tipo de formación fomenta la creatividad y la adquisición
de visión de negocio. Un data scientist no debe conocer únicamente de for-
ma avanzada la parte estadística y analítica, sino que también debe saber dar
respuesta a las necesidades de negocio utilizando los datos e identificar áreas
de oportunidad que puedan abrir nuevas líneas de desarrollo en las organiza-
ciones. A su vez también se debe añadir un componente técnico que les ayude
a trabajar con sistemas de almacenamiento y herramientas de gestión de Big
Data. Así, se estará formando a profesionales con capacidades en tres ejes: ana-

lítica avanzada, negocio y tecnología, en este orden de importancia.
Los principales conocimientos que se han de adquirir por tipología:
Conocimientos en matemática aplicada/estadística (conocimientos
avanzados de todas las categorías y tipologías de análisis):
Modelos probabilísticos (contraste de hipótesis, modelos lineales, mo-
delos bayesianos).
Análisis y predicción de series temporales (modelos lineales y no li-
neales).
Modelos de aprendizaje automático (redes neuronales, maquinas de
vectores de soporte, Deep learning, selvas aleatorias y modelos gráficos
probabilísticos).
Capacidades técnicas (conocimientos avanzados de al menos una al-
ternativa por categoría):
Lenguajes de programación (R, Python, Scala).
Herramientas estadísticas (SAS, SPSS, Stata, Matlab).
Computación distribuida (Spark, Map Reduce).
Aprendizaje automático (Spark MLlib, Mahout, Weka, librerias R/Python).
Bases de datos relacionales (MySQL, PostgreSQL, Oracle, SQL Server).
Bases de datos NoSQL (Cassandra, MongoDB, HBase).
Visualización (QlikView, QlikSense, Tableau, Spotfire, D3.js).
2. INGENIERÍA DE DATOS / DATA MANAGEMENT (INGENIERÍA DEL DATO)
Estas formaciones vienen derivadas del tradicional Computer Science. Se
comienza con los conceptos fundacionales de la informática para centrarse
posteriormente en el ámbito del Big Data: sistemas distribuidos, herramien-
tas de gestión, lenguajes de programación, etc.
En la formación de estos ingenieros no se hace tanto hincapié en cubrir
los ámbitos de analítica avanzada y de negocio, especialmente sobre este
último. Sí se les dota de los conocimientos básicos para que puedan enten-
der las necesidades analíticas y de negocio, y alinearlas a la estrategia de
soluciones de Big Data.
Los principales conocimientos que se han de adquirir por tipología:
Capacidades técnicas (conocimientos avanzados en una o más alternati-
vas de cada categoría):
- Lenguajes de programación (Scala, Java, Python, R).
- Herramientas estadísticas (SAS, SPSS, Stata, Matlab).
- Computación distribuida (Spark, Map Reduce, Storm).
- Aprendizaje automático (Spark MLlib, Mahout, Weka).
- Bases de datos relacionales (MySQL, PostgreSQL, Oracle, SQL Server).
- Bases de datos NoSQL (Cassandra, MongoDB, HBase).
- Nube (AWS, Azure, Google Cloud).
- Plataformas Big Data (Cloudera, Hortonworks).
- Visualización (QlikView, QlikSense, Tableau, Spotfire, D3.js).

Conocimientos en matemática aplicada/estadística (conocimientos bási-
cos de cada una de las tipologías de análisis):
- Modelos probabilísticos (contraste de hipótesis, modelos lineales, mo-
delos bayesianos).
- Análisis y predicción de series temporales (modelos lineales y no lineales).
- Modelos de aprendizaje automático (redes neuronales, maquinas de
vectores de soporte, Deep learning, selvas aleatorias y modelos gráficos
probabilísticos).
El sistema educativo deberá adoptar estas nuevas líneas de formación en
el ámbito universitario para poder cubrir las necesidades de las empresas.
Para ello sería recomendable la creación de las titulaciones Ciencia de da-
tos y Ingeniería de datos. Estas podrían tomar como base algunos grados
ya existentes como Estadística, Matemáticas Aplicadas, Informática, Físicas
o Ingenierías. El objetivo es tratar de alinear las necesidades empresariales
con el contenido educativo, por lo que sería de gran valor contar con las pro-
pias compañías para definir los planes de estudios correspondientes a estas
titulaciones. Así mismo, los trabajos fin de grado, o trabajos fin de máster,
son una oportunidad para introducir contenidos y competencias de Big Data
a través de proyectos en relación directa con las empresas.
Además, dada la relevancia que está adquiriendo la economía del dato, se
considera necesaria la incorporación de alguna asignatura básica de análi-
sis de datos en todas las carreras universitarias, independientemente de la
rama de conocimiento a la que corresponda. Esto servirá como continua-
ción a lo iniciado durante la educación secundaria y el bachillerato.
De esta forma se conseguirá que todos los profesionales se incorporen al
mundo laboral con los conocimientos adecuados en análisis de datos, ya que
a lo largo de su vida laboral, independientemente de su perfil, cargo o sector
empresarial, deberán afrontar alguna situación relacionada con este ámbito.
La aplicación de las pautas descritas en los niveles de primaria, secundaria, bachillera-
to, formación profesional y universidad —junto con el actual y cada vez más amplio
ecosistema de postgrados— permitirá la consolidación del marco educativo adecua-
do para formar a los profesionales necesarios para la nueva sociedad del dato.
4.1.2.FORMACIÓN POR PERFIL
PROFESIONAL
El nuevo ámbito de explotación avanzada de datos masivos ha supuesto la
aparición de nuevos roles profesionales que disponen de amplias capacida-
des en matemática aplicada y estadística o tecnología. Estos roles, que son
complementarios, se diferencian por el nivel de conocimiento que poseen
en cada una de las ramas. Mientras que algunos tienen una marcada orien-
tación estadística y analítica, otros están más orientados al ámbito tecnoló-
gico y a la gestión de grandes volúmenes de información.
1) MATEMÁTICA APLICADA/ESTADÍSTICA
DATA SCIENTIST. El científico de datos tiene como misión descubrir patro-
nes e información de valor entre los grandes volúmenes datos procedentes
de múltiples y variadas fuentes de información. El objetivo es tanto resolver
retos y problemas de negocio como generar nuevas vías de desarrollo.

Este perfil debe saber utilizar complejos modelos y herra-
mientas analíticas, así como tener manejo y conocimiento
de diferentes sistemas de almacenamiento y protocolos
de comunicación. Además, deberá ser capaz de comunicar
y transmitir los resultados generados a través de los análi-
sis; por lo que también deberá tener conocimientos en el
ámbito de la visualización de los datos.
Según esto, un científico de datos deberá haber cursado
la titulación de Ciencia de datos. Es recomendable la rea-
lización de algún postgrado o formación complementaria
para potenciar sus capacidades tecnológicas y de negocio.
Por tanto, la formación de un Data Scientist deberá girar en
torno a lo siguiente:
UNIVERSITARIA: grado en Ciencia de datos o formación
que incluya asignaturas de análisis avanzado de datos.
POST-UNIVERSITARIA: postgrado en Business
Analytics, Inteligencia de negocio o Big Data.
INGENIERO DE VISUALIZACIÓN DE DATOS. Este per-
fil de ingeniero debe disponer de conocimientos sobre
visualización de datos y arte de contar una historia (na-
rración, en su traducción al castellano) y capacidad para
explotar el valor de los datos y hacerlos entendibles.
Para ello, debe saber aplicar herramientas de progra-
mación, de descubrimiento de patrones y tendencias, y
de visualización. Además, deberá tener capacidad para
transmitir de forma entendible y aplicable al negocio los
resultados generados a partir del análisis.
Por tanto, la formación de un ingeniero de visualización
de datos deberá, en principio, girar en torno a lo siguiente:
UNIVERSITARIA: grado en Ciencia de datos (deseado)
o Ingeniería (Telecomunicaciones, Informática o Indus-
trial preferiblemente), Estadística, Matemáticas o Física.
POST-UNIVERSITARIA: postgrado en Business
2) TECNOLOGÍA
DESARROLLADOR DE BD /ENGINEER. El desarrolla-
dor o ingeniero de entornos de Big Data posee un mar-
cado perfil técnico, lo que le permite desarrollar com-
plejos sistemas y aplicaciones.
Su formación le permite abordar tareas como la alimenta-
ción de datos de diferentes fuentes de información median-
te la creación de complejos procesos de extracción, trans-
formación y carga (ETL), implementación de modelos de
datos, creación de interfaces y protocolos de comunicación,
etc. Deben tener altos conocimientos informáticos sobre:
Sistemas de almacenamiento: los sistemas informáticos
tradicionales de almacenamiento, basados en modelos re-
lacionales, no son adecuados para estos nuevos grandes
volúmenes de datos heterogéneos. Aparecen nuevos ges-
tores de datos distribuidos como Hadoop, Spark, Cassandra
o MongoDB. Es necesario considerar que el escenario de
nuevas tecnologías es muy dinámico, en continuo desarro-
llo, donde día a día aparecen nuevas soluciones.
Sistemas de procesamiento: los grandes volúmenes tam-
bién se convierten en un problema computacional, que se
está resolviendo con evoluciones constantes tanto de hard-
ware como de software (algoritmos como Map-Reduce).
Sistemas de comunicación: la conexión entre donde
se generan los datos y donde se consumen debe ser efi-
ciente y los tiempos de comunicación de datos adecua-
dos a las necesidades de explotación de los mismos.
Por tanto, la formación de un desarrollador de BD/Engi-
neer deberá girar en torno a lo siguiente:
UNIVERSITARIA: grado en Ingeniería de datos/Data
Management (deseado) o Ingeniería (Telecomunicacio-
nes, Informática o Industrial preferiblemente).
POST-UNIVERSITARIA: postgrado en Desarrollo de
Software (preferiblemente), Bases de datos, Business
BIG DATA ARCHITECT. El arquitecto de entornos Big
Data también posee amplios conocimientos técnicos,
pero su labor está más centrada en la gestión de la
información y en el diseño y conceptualización de so-
luciones informacionales. Además, debe conocer las
herramientas relacionadas con el procesamiento y al-
macenamiento distribuido, las cuales permiten estable-
cer el flujo de datos óptimo.
El arquitecto Big Data es un perfil con un nivel de ex-
pertise superior al de desarrollador o ingeniero Big Data.
Así, el arquitecto deberá adquirir durante la etapa de
ingeniero una visión global de todo el ecosistema de
soluciones de almacenamiento, procesamiento y comu-
nicación, y desarrollar sus capacidades de diseño de so-
luciones analíticas sobre este tipo de entornos (fuentes
informacionales, paradigmas de computación, sistemas
de almacenamiento, etc.). Esta visión le permitirá definir
sistemas informacionales complejos que den respuesta
a las necesidades de negocio.
Por tanto, la formación de un Big Data Architect tendrá
una base similar a la de un desarrollador o ingeniero de
Big Data, pero será diferente la especialización que irá
adquiriendo a través de postgrados:
UNIVERSITARIA: grado en Ingeniería de datos/Data
Management (deseado) o Ingeniería (Telecomunicacio-
nes, Informática o Industrial preferiblemente).
POST-UNIVERSITARIA: postgrado en Big Data (prefe-
riblemente), Business Analytics, Desarrollo de Software
o Inteligencia de negocio.
Estos son los conocimientos básicos que cada uno de los
nuevos perfiles profesionales de la nueva economía del dato
debe adquirir durante su etapa de formación académica.

Por otra parte, los perfiles más tradicionales de otras áreas también ven
afectada su formación. A continuación, se aborda la formación específica
relativa estos perfiles.
3) EXPLOTACIÓN DE DATOS
Los perfiles más tradicionales de marketing, finanzas, investigador de mer-
cado y Business Analysts seguirán teniendo la formación que han reque-
rido de forma histórica (principalmente, Licenciados en Administración y
Dirección de Empresas, Economía, etc.). Sin embargo, estos profesionales
deberán partir de una base más solida que en la actualidad sobre el análisis
avanzado de datos y la explotación de la información. Esto será posible al
incorporar el contenido específico sobre Big en el panorama educativo a
nivel general.
MARKET RESEARCH / COMPETITIVE ANALYST. Perfil orientado al diseño y
ejecución de investigaciones comerciales. La formación de un analista de in-
vestigación de mercados y competividad deberá girar en torno a lo siguiente:
UNIVERSITARIA:gradoenAdministraciónyDireccióndeEmpresas,Economía,etc.
POST-UNIVERSITARIA: postgrado en Análisis de Mercados, Business
Analytics o Inteligencia de negocio.
BUSINESS ANALYST (MARKETING Y VENTAS). Los analistas de negocio re-
quieren formación sobre los fundamentos de las tecnologías Big Data y su
aplicación a cada negocio. Deberán crear propuestas de valor para el nego-
cio con el fin de generar beneficios para la empresa.
La formación debe estar orientada a entender los resultados derivados del
análisis avanzado de datos, planteando las preguntas adecuadas, interpre-
tando las respuestas y finalmente tomando las decisiones apropiadas.
Por tanto, la formación de un profesional de marketing y ventas deberá girar
en torno a lo siguiente:
UNIVERSITARIA: grado en Administración y Dirección de Empresas, Eco-
nomía, etc.
POST-UNIVERSITARIA: postgrado en Técnicas de Marketing y Ventas,
Gestión de Clientes, Business Analytics o Inteligencia de negocio.
ÁREAS TRANSVERSALES: FINANZAS, RECURSOS HUMANOS, ETC. En este
caso, los analistas requieren formación general orientada a entender el va-
lor del dato, cómo llevar a cabo decisiones guiadas por los datos, y cómo
extraer conocimiento inferido.
Por tanto, la formación de este tipo perfiles deberá girar en torno a lo siguiente:
UNIVERSITARIA: grado en Psicología, Sociología, etc.
POST-UNIVERSITARIA: postgrado en Finanzas, Recursos Humanos, Busi-
ness Analytics o Inteligencia de negocio, etc.
La inmersión en el mundo laboral de estos perfiles relacionados en mayor o
menor medida con el uso y tratamiento de información (tanto los tradicio-
nales como los nuevos) les hará afrontar nuevos retos. Para afrontar estos
desafíos será necesario ampliar su formación tanto en lo relativo a conoci-
mientos técnicos (nuevas herramientas, sistemas específicos de cada em-
presa, etc.) como en lo referente a tareas de gestión (proyectos, personas,
etc.). Esta formación específica variará en función de cada uno de estos per-
files y será abordada en una sección posterior.

4.2.Generación de talento en las
entidades privadas
El concepto de cultura del dato se refiere a cómo las organizaciones deben
adaptarse para aprovechar de forma rentable los datos que les permiten en-
tender a los usuarios y a los mercados. Cambiar la cultura supone un reto
para cualquier organización, pero también es inevitable a medida que las
empresas crecen y entran en mercados más grandes y diversos.
Fomentar la cultura del dato en las organizaciones se basa no solamente
en procesos o capacidades tecnológicas, sino también en organización y
estrategia. El cambio cultural es un proceso gradual que requiere transfor-
maciones en los hábitos, actitudes e incluso los recursos.
Para poder llevar a cabo una transformación cultural en la organización se
debe tener en cuenta los siguientes tres ejes: las personas, los procesos y
las herramientas.
Las personas representan la parte más importante en la cultura del dato; por
lo se recomienda invertir en su formación. El objetivo es que los empleados
estén capacitados para leer e interpretar los datos que les conciernen, y, así,
obtener información procesable para tomar decisiones en base a los datos y
no solo en base a la intuición o la experiencia.
Por su parte, los procesos y áreas de organización deben estar enfocados
hacia los datos de una forma en la que se asegura la privacidad y seguridad.
La organización debe adoptar una filosofía de “construir-medir-aprender”
en torno a los datos.
Por último, las herramientas deben garantizar la democratización del dato
—cuando el carácter de las organizaciones lo requiera— y lograr que toda
la organización sea permeable a los datos.
En cualquier caso, el primer paso hacia esta cultura comienza con la comu-
nicación y la garantía de que todos los empleados están alineados con esta
nueva visión. Los datos son un asunto de todos. Toda la organización debe
ayudar en el cambio cultural: incorporar los datos y el uso de enfoque analí-
tico para la toma de decisiones.
En lo que se refiere a la organización, para construir una cultura del dato en
una organización es necesario capacitar a los equipos, pero también cambiar
las condiciones de selección de los nuevos perfiles que son incorporados.
4.2.1.INDICADORES
DE LA CULTURA DEL DATO
La pregunta clave es: ¿qué estrategias deben promoverse en las organiza-
ciones para fomentar una mentalidad orientada al dato? Básicamente pue-
den resumirse en las cuatro siguientes:
1. FOMENTAR LA CULTURA DEL DATO DESDE LA ALTA DIRECCIÓN. El
compromiso de la alta dirección de las organizaciones es necesario para po-
der llevar a cabo cualquier proceso de transformación cultural. En el caso de
una cultura de los datos este se convierte en un punto clave para realmente
fomentar e instaurar esta mentalidad en todos los estadios de la organiza-
ción. En este sentido, la dirección debería:

Comunicar a toda la organización cómo se extrae información de los
datos, explicar la importancia de estos para el negocio y basar la toma de
decisiones en análisis cuantitativos de los datos transmitiendo los bene-
ficios y resultados obtenidos.
Apoyar los objetivos de la organización y la medida de los mismos en
datos y eliminar intuiciones y subjetividades.
Aplicar políticas de gestión de información transparente.
2. PROMOVER LA DEMOCRATIZACIÓN DEL DATO. La base de esta cultu-
ra es compartir de forma adecuada los datos de la empresa, para que toda
la organización pueda beneficiarse de su potencial. En este sentido, los
datos deberán estar a disposición de los departamentos que lo requieran y
se deberá garantizar en todo momento las políticas de seguridad y privaci-
dad. Cualquier miembro de la organización deberá conocer de qué fuentes
necesita nutrirse y cuáles son los medios y las herramientas necesarias
para conseguirlo.
El proceso de democratización conlleva la dedicación de tiempo y recursos,
pero es clave en la reducción de los costes operativos y el aumento de las
ganancias de las organizaciones.
3. FORMACIÓN. Deberá garantizarse la formación específica de todos los em-
pleados de la empresa para que puedan adquirir nuevas capacidades y habilida-
des en el uso de los datos; en consonancia con sus perfiles, roles y necesidades.
4. PROMOVER LAS BUENAS PRÁCTICAS EN EL USO DE DATOS
Los procesos se inician con datos.
La información que se extrae en base a los datos deriva en un conoci-
miento que permite a las organizaciones desarrollar hipótesis y generar
las preguntas adecuadas.
Una vez definidas las preguntas, se establecen los indicadores corres-
pondientes que permitirán medir los resultados.
Todos los resultados y respuestas son analizados y utilizados para la
elaboración de inteligencia de negocio.
Se debe garantizar que los resultados y las acciones requeridas son
éticas y lícitas.
En el panorama actual nos encontramos con una realidad heterogénea en
cuanto al nivel de madurez de las empresas españolas; por lo que es nece-
sario un plan de actuación diferente. Uno de los modelos más populares
para identificar la madurez de la inteligencia de negocio en las compañías
es el Gartner BI Maturity Model. Esta clasificación para la implantación de
sistemas de BI (Inteligencia de negocio) puede extrapolarse a la Cultura del
Dato a la que estamos haciendo mención.
Gartner, basa el modelo en tres áreas clave de evaluación (personas, proce-
sos y métricas). Establece cinco niveles de madurez:
NIVEL 1 - Inconsciente (unaware): uso frecuente de hojas de cálculo en
detrimento de herramientas específicas para informes. No existen indicado-
res claros y la información no se encuentra compartida.
NIVEL 2 - Táctico (tactical): uso de herramientas limitado a unos pocos
ejecutivos y departamentos. No se comparten datos ni información. Falta de
formación y capacitación de los usuarios para extraer el máximo potencial
a los sistemas.

NIVEL 3- Focalizado (focused): se empiezan a obtener
los primeros beneficios focalizados en necesidades de
negocio específicas. No existe un único repositorio de
datos. Se empieza a formar un centro con competencias
dedicado al tratamiento de los datos del negocio. Sigue
existiendo una inconsistencia de las métricas y objeti-
vos entre departamentos.
NIVEL 4 – Estratégico (strategic): los objetivos de
negocio se encuentran alineados con los sistemas de
gestión de la información. Rendimiento del sistema co-
rrectamente definido. Los usuarios están capacitados
adecuadamente para el procesamiento de datos y son
capaces de utilizarlos eficazmente en las decisiones es-
tratégicas y tácticas.
NIVEL 5 - Generalizado (pervasive): el uso de BI se
extiende a proveedores y clientes, la información es de
confianza con análisis integrados en todos los procesos
de negocio.
4.2.2.FORMACIÓN INTERNA
EN LAS ORGANIZACIONES
Hoy en día es más importante que nunca para las em-
presas preparar sus equipos para convertirse en una or-
ganización basada en datos. Toda la organización, de los
expertos técnicos a la alta dirección, debe estar prepa-
rada para trabajar aprovechando la ventaja competitiva
que aportan los datos. Es por tanto que la formación y
la capacitación de la organización se convierte en una
palanca clave.
Las organizaciones grandes deberán capacitar a sus
equipos para disponer de perfiles con formación espe-
cífica en cada uno de los roles. Por otro lado, las orga-
nizaciones más pequeñas, o que están empezando a
instaurar una economía del dato, deberán por un lado
entender la economía colaborativa del dato y por otro
fomentar la aparición de perfiles mixtos con conoci-
miento en diferentes áreas.
De esta forma, la organización, en base a su capacidad,
deberá proporcionar una formación continua e integral
alineada con la estrategia de datos a través de diferen-
tes programas formativos.
Cursos adaptados a las necesidades de los empleados,
a los diferentes roles (equipos técnicos, negocio, áreas
transversales) y a las necesidades de la organización.
- Equipos técnicos. Con el fin de extraer el mayor valor
de los datos, las empresas necesitan perfiles con habi-
lidades analíticas para obtener más ideas de negocio.
- Negocio y áreas transversales. La revolución de
datos está impulsando la innovación, el descubri-
miento de nuevos conocimientos, la optimización de
los procesos y una mejor informada toma de decisio-
nes. El Big Data debe suponer una estrategia de ne-
gocio que conduzca a la transformación del mismo.
En este nuevo entorno, los líderes de las organiza-
ciones deben entender qué es Big Data, cómo obte-
nerlo y cómo utilizar los datos para elevar el nivel de
rendimiento de una empresa. Por esta razón, la capa-
citación en estas áreas juega un papel claves para la
toma de decisiones y la definición de las estrategias
de productos y servicios.
Aplicación práctica dentro de la organización basada
en un método de aprendizaje learning-by- doing (apren-
der haciendo, en su traducción al castellano).
Fomentar la compartición de conocimiento y mejores
prácticas entre los empleados.
Por otro lado, dada la escasez de profesionales y la in-
cipiente aparición de formación presencial específica,
han surgido multitud de herramientas que permiten for-
marse y ampliar conocimientos en Big Data:
Ejemplos sobre formación generalista en Big Data
- Coursera: plataforma educativa asociada con las
universidades y organizaciones internacionales.
Ofrece cursos gratuitos en línea.
-BigDataUniversity:TotalmenteespecializadoenBigData.
- Codecademy: portal de formación gratuita de len-
guajes de programación.
- RStudio: entorno de desarrollo en R con un aparta-
do de formación en línea.
Formación específica de proveedores de software de
Big Data. Un ejemplo es Cloudera que permite descargar
una máquina virtual con su producto de forma gratuita y
además ofrece recursos de formación.
4.2.3. PROPUESTA DE
ACCIONES DESDE EL SECTOR
EMPRESARIAL EN ESPAÑA
Tal y como se indica en los apartados anteriores, el gra-
do de madurez de las empresas españolas en cuanto
al Big Data es muy heterogéneo. Esto conlleva que las
acciones necesarias para generar y disponer de talen-
to deberán estar adaptadas al estadio de madurez en el
que se encuentren las organizaciones.
Otro parámetro a tener en cuenta es que el tejido em-
presarial español está formado mayoritariamente por
pymes que concentran el 73% del empleo. Sin embargo,
hablar en general de pymes supone ignorar las enormes
diferencias que existen entre aquellas empresas que tie-
nen menos de 10 empleados (microempresas) y las que
tienen entre 50 y 249 trabajadores (medianas), situán-
dose entre medio las pequeñas. La gran empresa genera
en España el 27% del empleo. Las diferencias en cuanto
a la generación de talento y la capacitación de sus em-

pleados son enormes, y las acciones necesarias deberán
ajustarse a cada una de las diferentes tipologías.
Una de las principales diferencias es el número de recursos
humanos y financieros que permitan asegurar la formación
y la aplicación de políticas transformacionales. En el caso
de microempresas, sería recomendable que la Administra-
ción Pública preparara a los emprendedores, invirtiendo
recursos en su formación para garantizar que disponen de
partida de una mentalidad orientada a los datos y que en-
tienden su importancia en la toma de decisiones.
En el caso de pequeñas y medianas empresas, la clave
para la generación de talento pasa por la creación de
perfiles mixtos que aporten la capacidad y la mentalidad
orientada al dato. Para ello, la formación en competen-
cias Big Data se convierte en un elemento fundamental
para la mejora y/o mantenimiento de la competitividad.
Para poder establecer un plan de formación, se deberá
en primer lugar, identificar las necesidades de la orga-
nización a corto, medio y largo plazo enmarcadas en
la situación del mercado o sector. Posteriormente, se
deberá definir los conocimientos, habilidades y compe-
tencias necesarios para la introducción del Big Data. Así
se acotará el tipo de formación y el grado necesario. En
muchos casos, la disponibilidad de formación en línea
y gratuita permitirá la rápida formación de los perfiles
en las pymes y la identificación de las posibilidades que
puede ofrecer el Big Data en las pymes.
Por último, otra de las vías relevantes en la generación de
talento en la pyme se centra en la participación en los pro-
yectos colaborativos entre empresas que puede permitir la
transferencia de conocimiento. El trabajo en red con otras
empresas puede ayudar a anticipar el cambio y a desarro-
llar las competencias necesarias. Los interlocutores socia-
les representan un papel importante para facilitar, organizar
y coordinar estas redes que deberán, a su vez, impulsar la
creación de estos proyectos de ámbito nacional y que po-
drán dotar de talento a todo el tejido empresarial español.
Por último, el potencial de las grandes empresas posi-
bilita la aparición de iniciativas de colaboración entre
empresas —que posibiliten la formación de pequeñas
y medianas empresas— y la generación de talento que
permita crear un tejido de conocimiento en España.
Así, será clave que las empresas pongan el foco en
transformarse hacia empresas guiadas por los datos. En
este sentido, el objetivo principal de las organizaciones
es desarrollar en sus empleados una mentalidad orien-
tada al dato donde los insights de negocio impulsen las
decisiones y las acciones de la compañía.
La capacitación de los equipos es una pieza clave para
impulsar este cambio cultural. Los planes de formación
deberán impulsar la evolución de las habilidades y los
roles de los equipos a través de un itinerario que garan-
tice su evolución y el reciclaje de los mismos.
Pero, además de las actividades de formación, otras lí-
neas de actuación que deberán promoverse en las orga-
nizaciones son:
La implantación de casos de uso en base a los retos y
necesidades de negocio, enfocando la formación hacia
estos ejemplos reales.
Identificación e implantación de metodologías de tra-
bajo, herramientas y recursos necesarios para acelerar
el uso de Big Data. El objetivo es que las unidades de ne-
gocio perciban el valor de los datos de forma más rápida
que en los proyectos tradicionales de TI.
Diseminar internamente la metodología de análisis y
fuentes de datos, resultados y beneficios de la utiliza-
ción de los datos a través de talleres periódicos.
Planes de carrera como herramienta de motivación,
desarrollo profesional y reciclaje. El objetivo es retener
el talento dentro de la organización.
Por último, en todo el proceso de creación de talento
es clave la colaboración entre los diferentes sectores:
el privado, la Administración Pública y el sector acadé-
mico con el propósito de potenciar la formación de los
nuevos profesionales y generar nuevo talento que posi-
cione a España como un referente.
4.3. Desarrollo
tecnológico y la
compartición de
contenidos
4.3.1. I+D EN TORNO A LA
ECONOMÍA DEL DATO
En el marco de la economía del dato, se puede identificar
cinco retos principales de Investigación y Desarrollo (I+D):
1) PERCEPCIÓN E INTERPRETACIÓN. El número de
dispositivos y sensores que captan información es cada
vez mayor. Desde el punto de vista de I+D los desarro-
llos tienen que ver con:
Fusión de datos. Los datos, sean estructurados o no
estructurados, se pueden enriquecer con técnicas de
fusión de datos, que combinan los datos procedentes
de fuentes diversas para mejorar su interpretación.
Anotación semántica. Se trata del proceso de eti-
quetar, categorizar y/o clasificar datos en relación a
otros como diccionarios, vocabularios o taxonomías.
Dato enlazado. Se trata de mecanismos, que pueden ser
“abiertos”, de generalización, enlazado y jerarquización
de datos.

2) ARQUITECTURAS Y SISTEMAS DE PROCESAMIENTO, TRATAMIENTO Y
ALMACENAMIENTO DE DATOS. Otro eje de desarrollo es el de los sistemas
encargados del procesamiento de datos:
Procesamiento en tiempo real, para procesar los datos directamente
recogidos de las fuentes según un modelo en directo: según van llegan-
do, sin almacenamiento previo.
Provisión como servicio con QoS negociado, incluyendo cuestiones
energéticas. Los proveedores de computación de datos tendrán que me-
jorar sus infraestructuras de cómputo y comunicaciones para ofertar un
servicio que dé soporte a las crecientes necesidades de análisis intensi-
vo de datos de sus clientes (incluyendo el análisis en tiempo real) de una
forma energéticamente sostenible.
Arquitecturas de interconexión eficientes para el procesamiento. La
solución más utilizada en los centros de datos es asignar un conjunto
de máquinas virtuales a cada entidad independiente que haga uso del
centro. De tal forma que la interconexión de dichas máquinas virtuales
mediante diferentes técnicas puede aislar el tráfico de las diferentes
aplicaciones, usuarios o gestores.
Sistemas de cómputo en paralelo (o distribuido) y almacenamiento
masivo. Son una forma de conseguir que la supercomputación avance.
Los supercomputadores estarán formados por miles (incluso centenares
de miles) de nodos de almacenamiento y cómputo. Un reto fundamental
será que los programas se adapten a modelos de paralelismo entre no-
dos, pero también intra-nodo. Tiene la complejidad adicional de que los
procesadores no son homogéneos.
Evolución hacia sistemas exascale. El salto de los actuales sistemas masi-
vamente paralelos petascale (10^15 operaciones/s) a los exascale (10^18)
no se puede conseguir simplemente multiplicando por 1000 el número de
nodos, o la capacidad de integración en un chip. Los problemas derivados
de la tolerancia a fallos, la escalabilidad de la red, el consumo energético,
la programabilidad, etc. hacen imposible estas aproximaciones.
3) SEGURIDAD Y PRIVACIDAD. A medida que los entornos de computación
se abaratan, los entornos de aplicación pasan a comunicarse a través de re-
des y los entornos de análisis se comparten a través de la nube, dando lugar
a nuevos retos de seguridad y privacidad.
Técnicas escalables para garantizar la privacidad en la analítica de da-
tos. El análisis y la correlación de diferentes datos obtenidos a partir de
fuentes independientes puede llevar a la obtención de información que
atente contra la privacidad de las personas. Uno de los mecanismos más
importantes para la preservación de la privacidad de los datos es la anoni-
mización de los mismos.
Comunicaciones seguras y control de acceso reforzado por criptogra-
fía. Especificar permisos de acceso diferenciales a distintos conjuntos
de usuarios y ofrecer la flexibilidad de especificar los permisos de acce-
so para cada usuario individual. Además, con el fin de asegurar que los
datos privados más sensibles permanezcan seguros desde el origen al
usuario final —y solo tenga acceso a ellos las entidades autorizadas—,
una de las soluciones es encriptar los datos y utilizar canales seguros de
comunicación.
Monitorización en tiempo real de la seguridad y conformidad, que su-
pone un desafío debido al elevado número de alertas generadas por par-
te de los dispositivos de seguridad.
Validacion de datos de entrada y filtrado de fuentes inseguras. El ma-
yor desafío en la recolección de los datos reside en la validación de la

entrada, esto es, en la veracidad de los datos. Para ello hay que asegurarse
de que los datos son fiables, validar que los datos no los envía un agente
malicioso o incluso filtrar las fuentes. Esto supone un gran desafío, especial-
mente cuando se trabaja con modelos personalizados, por lo que es necesa-
rio diseñar técnicas para la validación de grandes conjuntos de datos.
4) CIENCIA DE DATOS (DATA SCIENCE). En este ámbito se contemplan los
siguientes desafíos:
Técnicas de selección y construcción de características, como parte
fundamental del análisis de grandes volúmenes de datos.
Algoritmia más ligera que requiera menos esfuerzo de computación.
En muchas aplicaciones, la cadencia de datos es muy alta y los requisitos
de tiempo de respuesta son muy exigentes, como puede ser en el control
de procesos industriales en tiempo real. Para estos casos, el uso de algo-
ritmia ligera o lean podría suponer acelerar y agilizar las computaciones,
incluso en sistemas con limitadas capacidades.
Aprendizaje profundo (deep learning, redes neuronales, H2O, Sparking
Water…). En los últimos años ha emergido una nueva tecnología capaz
de extraer conocimiento de grandes bases de datos de manera prácti-
camente automática. Se trata de las Redes Neuronales Profundas (deep
learning networks). Estas redes generan a partir de un conjunto de da-
tos modelos computacionales compuestos de múltiples capas de proce-
samiento, que aprenden representaciones jerárquicas de los datos con
múltiples niveles de abstracción.
Técnicas híbridas y multidisciplinares de aprendizaje automático y optimiza-
ción (como swarm o bio-inspired). El objetivo final de la mayoría de los análi-
sis de datos es la construcción de un modelo que aporte información sobre el
problema que se está resolviendo. En la mayoría de las ocasiones el modelo a
construir es un modelo predictivo, que, dado un caso de entrada, predice el valor
de una o varias variables. En el ámbito de la inteligencia artificial, los algoritmos
swarm (o de “enjambre”) estudian el comportamiento colectivo de los sistemas
descentralizados, auto-organizados, naturales o artificiales.
Análisis y optimización de grafos. El procesamiento de señales sobre
grafo permite plantear soluciones distribuidas facilitando una computa-
ción concurrente en diferentes agrupaciones de nodos. Uno de los retos
en esta área es generalizar las técnicas habituales de procesamiento de
señal sobre una estructura de grafo dinámico, permitiendo representar,
transformar y analizar el flujo creciente de datos.
Técnicas basadas en datos geolocalizados, geoposicionados y georre-
ferenciados. La proliferación de nodos inalámbricos con capacidades de
medida ha creado una avalancha de datos asociados a su posición geoes-
pacial. La recogida, almacenamiento y minería de estos datos tiene sus
propios desafíos y peculiaridades que no siempre se alinean con el en-
foque habitual.
Análisis de texto (como entender la polaridad o el sentimiento). La mi-
nería de textos requiere comprender lenguaje natural, una tarea muy di-
fícil para los computadores. Esta área de investigación incluye diferentes
tópicos como el procesado del lenguaje natural, la representación de los
textos, minería de asociación de palabras, clustering y categorización de
textos, minería de opinión y análisis de sentimientos.
5) VISUALIZACIÓN. Por último, otro eje de investigación y desarrollo lo forma la
visualización asociada a la economía del dato, como la ciencia de combinar las vi-
sualizaciones interactivas con algoritmos de análisis para apoyar la exploración, el
análisis y la presentación de grandes conjuntos de datos.

Tipos de datos, modelos de análisis, visualización e interacción. La na-
turaleza intrínsecamente probabilística de los datos afectados por incerti-
dumbres —debidas por ejemplo a las limitaciones de los instrumentos de
medición — tiene que considerarse de manera explícita en el modelado
estadístico de los mismos, así como en la parte de visualización asociada.
Visualización de datos multi-variados de alta dimensionalidad. Los
datos numéricos de alta dimensionalidad suelen representarse y anali-
zarse a través de matrices de scatterplot que proporcionan una visión
conjunta de las diferentes proyecciones bi o tridimensionales posibles.
Los sistemas avanzados permiten el análisis de series multi-temporales
de datos multi-variados obtenidos por sensores de todo tipo y por siste-
mas de captura de imágenes; así como una previsión mediante métodos
MonteCarlo. Una forma de visualizar los datos N-dimensionales (de un
número variable de dimensiones) es transformarlos a varias dimensiones
(menores y más fáciles de interpretar), mediante lo que se conoce como
manifolds. Estas transformaciones mantienen la relación de vecindad,
esto es, los patrones que estaban cercanos se visualizan también cerca-
nos en el espacio de dos o tres dimensiones para que se pueden extraer
las relaciones entre las variables.
Visualización de series temporales. El aspecto multi-temporal de los
datos es central en muchas actividades de interpretación y análisis. Al-
gunos datos, como los relativos al movimiento —como, por ejemplo, las
trayectorias— son difíciles de visualizar. El desarrollo de abstracciones
específicas y de metodologías de agregación en forma, por ejemplo, de
flujos globales entre áreas, pueden usarse para el análisis de las carac-
terísticas esenciales de esos movimientos. Este grado de abstracción es
ajustable en tiempo real.
Visualización de grafos, que permiten el análisis de relaciones entre
entidades representadas como nudos de un grafo.
Visualización de datos heterogéneos. En muchas disciplinas, los datos
son producidos por diferentes fuentes, sensores y simulaciones. Esta hete-
rogeneidad representa un desafío específico para las técnicas de análisis.
Visualización de datos espaciales. Los sistemas avanzados permiten la
fusión de datos multi-temporales geoespaciales.
Técnicas de interacción. A nivel de aplicación, todos los sistemas de
Visual Analytics (VA) se basan en la interacción del usuario y el analista
con los modelos estadísticos de los datos. Los modelos de interacción
representan un dominio de investigación todavía muy abierto: por ejem-
plo, en arte de contar una historia, entornos virtuales o touch.
Evaluación y validación de modelos de análisis y visualización en VA es
central en muchas actividades de investigación. De manera progresiva,
los sistemas avanzados van integrando funciones de evaluación cuan-
titativa del rendimiento de los propios sistemas —tanto de extracción
como Visual Analytics—.
4.3.2.REDES Y COMUNIDADES
DE CONOCIMIENTO NACIONALES E
INTERNACIONALES Y CENTROS DE
ACTIVIDADES DE INNOVACIÓN
La aparición de temas específicos de Big Data en los documentos de trabajo
de los programas europeos es relativamente reciente, como por ejemplo el
programa de trabajo de ICT 2013 o el Single Digital Market. El Big Data apa-

reció ya más desarrollado después en H2020 (Horizonte 2020) y, en general,
ha estado vinculados a mercados públicos (contenidos, datos abiertos, etc.)
o a los sistemas de computación asociados.
Así mismo, una iniciativa bandera en FP7 (el programa de innovación de 2007
a 2013), como es el EIT Digital no cuenta explícitamente con líneas de trabajo
en Big Data, aunque sus componentes son especialmente activos en la nueva
plataforma Big Data Value Association, constituida a finales de 2014.
Por otro lado, existen algunas iniciativas internacionales alrededor de la
economía del dato, como podría ser Smart Data Lab, pero que es todavía muy
emergente y contiene un número muy limitado de casos.
En el ámbito nacional existen iniciativas similares como, por ejemplo, Data
Science Spain, que fue fundada en 2014 y cuyas áreas de trabajo son: Big
Data, aprendizaje automático, visualización, análisis predictivo o modela-
do estadístico. Las principales actividades son encuentros presenciales que
suelen realizarse en Madrid cada dos o tres meses.
Cabe mencionar también otros mencionar foros y congresos a nivel nacio-
nal como: Big Data Spain, Big Data Summit, Big Data Innovation Summit...,
que sirven de punto de encuentro de profesionales e intercambio de cono-
cimientos sobre tecnologías innovadoras.
Por otro lado, en Cataluña existe un acuerdo en 2015 entre varios agentes
entre los que está el Gobierno de Cataluña, el Ayuntamiento de Barcelona,
BDIGITAL, ORACLE, la Universidad Politécnica de Cataluña – Barcelona
Supercomputing Centre y otros socios. Este acuerdo, promovido por el Big
Data Center of Excellence, se orienta a la prestación de servicios disponibles
y a la formación.
En el País Vasco se ha creado el consorcio BID3A, que tiene como objetivo
coordinar la investigación fundamental sobre Big Data dirigida a la Espe-
cialización Inteligente del Territorio. Lo forman TECNALIA (coordinadora),
BCAM, UNIV. DEUSTO, tres departamentos de la UPV/EHU, IK4-IKERLAN,
IK4-VICOMTECH, IK4-LORTEK y IK4-TEKNIKER.
Existen, por tanto, iniciativas en fase de lanzamiento, lo que demuestra la valo-
ración del potencial, pero ninguna de ella cuenta aún con un desarrollo fuerte.
4.3.3. GENERACIÓN DE TALENTO EN
REDES Y COMUNIDADES DE CONOCIMIENTO
Una de las palancas más importantes para generar talento tiene lugar en las
actuales redes donde se comparte conocimiento y se permite el acceso de
los profesionales a nuevas ideas y experiencias.
En este sentido debe facilitarse el acceso a los entornos de experimentación
y a los que se utilicen para compartir conocimientos. Estos espacios posi-
bilitan la generación de talento y potencian la capacidad de innovación. En
este sentido, se deberían impulsar iniciativas en torno a:
1) COMPARTIR CONOCIMIENTOS:
La interpretación de los datos requiere conocer los elementos asociados
al dato, su situación en los posibles contextos y su interrelación con otros
datos. Esto significa que se necesita habilidades para entender la representa-
ción del lenguaje. En definitiva, es indispensable formar en datos a personas
con habilidades para el manejo del lenguaje y la filosofía. Para ello, se debe-
rían establecer colaboraciones entre instituciones docentes dedicadas a la
técnica y caracterización del dato.

Crear federaciones en las que se puedan articular
entornos de trabajo y en las que poder probar e innovar
sobre los mayores retos que presenta Big Data. Dadas
las relaciones entre entidades académicas, empresas, y
agentes diversos, la creación de una federación de ámbi-
to nacional posibilita una respuesta mínima, tras la cual
se puede confederar internacionalmente.
Crear una iniciativa nacional para la seguridad de los
datos, dedicada al estudio y promoción de buenas prác-
ticas en la recolección, almacenamiento, uso, gestión, y
destrucción de los datos. Esta iniciativa también puede
contribuir a desarrollar estándares técnicos y legales que
fomenten la protección de los datos personales y la pro-
fesionalización del peritaje. Esto implica la participación
de las agencias de protección de datos y de los centros de
estudios y académicos relacionados con la jurisprudencia.
Formalizar las nociones de seguridad adecuadas para
Big Data, en especial para las instalaciones críticas y
en lo que se refiere a directores y gestores. Sería con-
veniente hacer converger todas las seguridades (safety,
security & cybersecurity) aprovechando que la cultura
del dato va a impactar radicalmente en su tratamiento.
España ya se encuentra a la vanguardia de la ciberse-
guridad, pero debe consolidar o mejorar su posición en
este salto de lo digital a Big Data.
Una parte del torrente de datos procede de datos tex-
tuales, desestructurados, extraídos de intercambios origi-
nalmente escritos (redes sociales) o por transcripción de
voz a texto. Debido a la extensión de la lengua española
—y a la convicción de muchos agentes de que el español
es un activo y debe ser un motor económico también— es
necesario estructurar una iniciativa que ligue el mundo de
Big Data con el mundo de la industria del lenguaje. Incluso
sería posible captar talento de esta industria para abarcar
la traducción, los análisis de textos y la extracción de valor
adicional (opinión, sentimiento, tendencias, expresión).
Las ciudades son ahora terrenos de juego donde las
tecnologías se aplican con objetivos concretos, so-
metidas a escrutinio ciudadano y con mecanismos de
co-creación. Varias ciudades españolas han apostado por
desarrollar iniciativas etiquetadas como de smart city. En
este contexto se debería considerar tanto la generación
de talento como la revisión del perfil competencial de los
funcionarios públicos que van a tener que interactuar con
herramientas de gestión y toma de decisiones que evolu-
cionan hacia Big Data.
2) ENTORNOS DE EXPERIMENTACIÓN:
Laboratorios artísticos de visualización e interpreta-
ción de datos. En estos laboratorios convergen personas
de diferentes perfiles capaces de llevar las representa-
ciones, ya sean gráficas, textuales, espaciales, o cinema-
tográficas, a nuevas dimensiones. Se pueda trabajar en
colaboración con los científicos de datos para fomentar
la creatividad y la innovación.
En Europa se está progresando en la creación de es-
pacios de innovación para Big Data (iSpaces) en los que
se pretende agrupar esfuerzos de múltiples agentes para
desarrollar nuevas innovaciones. En el campo de Big Data,
esta actitud de apertura y colaboración es imprescindible
porque la producción, el manejo y la utilización de los da-
tos puede no corresponder con los mismos agentes. La
recomendación de hacer proliferar estos espacios debe
ir acompañada de aconsejar la convergencia de empresa,
academia y sociedad, con mecanismos de sostenibilidad
acordados con las Administraciones públicas para garan-
tizar la autofinanciación en el medio plazo.
Muy relacionados con los espacios de innovación y
con las plataformas de gestión de las ciudades inteli-
gentes están los laboratorios de datos inteligentes. Es-
tos espacios funcionan en red y aprovechan todas las
capacidades desplegadas (sensórica, computacional,
energética) para construir experimentos que conecten
con las necesidades reales.
3) FINANCIACIÓN Y PATROCINIO DE INICIATIVAS:
Respaldar al movimiento hacedor y a las acciones autó-
nomas o autorganizadas que estén experimentando con
nuevas formas de sensorizar y proporcionar información
desde dispositivos diferentes en situaciones nuevas. Como
se trata de sustentar sin condicionar —ya que la fuerza
de estas iniciativas reside en su capacidad de explorar sin
condicionantes—, el apoyo se puede concretar aportan-
do áreas de experimentación, conjuntos de datos comple-
mentarios y consejos sobre modelos de explotación.
Existe cierta desconexión entre el sector académico
y el sector empresarial. En muchos casos el debate se
centra en la adaptación de los grados a las necesidades
empresariales. Es un debate similar al que se produce
entre la ciencia y la tecnología y la regulación. Una posi-
bilidad para agilizar la inclusión de los recién graduados
en el mundo empresarial se basa en facilitar la experi-
mentación con estrategias no tan exploradas. Un ejem-
plo puede ser la posibilidad de que estudiantes realicen
prácticas en empresa para posteriormente reemprender
su formación; es decir, la realización de prácticas no
como salida profesional sino como parte de la forma-
ción. El propósito sería la creación de equipos de estu-
diantes que trabajaran durante su formación en casos
concretos propuestos por empresas. En general, se trata
de cualquier tipo de interacción que no tenga como ob-
jetivo final la contratación, sino la formación del profe-
sional incentivadas con créditos académicos.
4) GENERACIÓN DE TALENTO:
Potenciar los debates sobre la creación de talento en
Big Data en aquellos espacios de colaboración que ya
estén creados, tanto en los que se destinan directamen-
te a la reflexión sobre Big Data y su promoción, como
aquellos que analizan el posible impacto de las tecnolo-
gías sobre el territorio, los sectores y las organizaciones.
Esto debería implicar, en especial, en el caso de España, a
aquellas regiones que no hayan considerado la importan-
cia que pueda tener Big Data en muchos sectores.

Creación de espejos locales en los que el talento sea un tema imprescin-
dible. Estos espejos pueden contribuir al desarrollo de agendas de investi-
gación y de programas en los que se aspire a la generación y retención de
talento local. Además pueden ayudar a la incorporación de profesionales de
técnicas no directamente relacionadas con la estadística, la informática o la
ingeniería, a la economía del dato. Esto serviría para crear un suelo común
para todas las organizaciones en cuestiones de talento, ya que, a día de hoy,
se trata de uno de los mayores obstáculos para la extensión de Big Data.
Cuando se habla de talento parece que se refiere únicamente al mundo
profesional y al que procede de las instituciones académicas. Pero la eco-
nomía del dato exige también clientes, consumidores y ciudadanos capaci-
tados para entender, manejar y contribuir a la innovación. Existe una expe-
riencia previa de alfabetización digital y lucha contra la brecha digital, y, sin
haber completado todo el recorrido, es posible que ya empiece a ser nece-
saria una nueva cruzada por la “alfabetización en datos” y la lucha contra la
brecha de la inteligencia del dato. Otro enfoque se basa en aprovechar las
buenas prácticas y los programas en marcha sobre esta brecha digital para
incorporar nociones de comprensión del dato. Esto resulta especialmente
necesario para que cada individuo esté capacitado para proteger y asegurar
su información personal, ya que ahora no es tan inmediato conocer qué se
cede cuando se ceden datos, y no digamos ya metadatos.
4.4. Generación de talento
en la Administración Pública
Para poder cumplir con eficiencia la labor de acompañante en el uso de esta
tecnología, la Administración Pública debería dotar a su potencial humano
de capacidad y formación en materia de Big Data. Para lograrlo sería nece-
sario actuar en tres vertientes: formación interna/capacitación, relación de
puestos de trabajo y selección de personal.
Los procedimientos de selección de personal de la función pública obligan
al concurso oposición. Esto dificulta la selección de perfiles muy especiali-
zados, por lo que es recomendable recurrir a la formación interna del perso-
nal ya funcionario para incorporar perfiles especializados.
1) FORMACIÓN INTERNA/CAPACITACIÓN:
En una primera fase se deberían incluir en los catálogos y diccionarios de
competencias aquellas relacionadas con el Big Data, ya recogidas en parte
en The European e-Competence Framework (e-CF). Estas competencias de-
berán ser: genéricas como, por ejemplo, la explotación de la información,
para que los resultados del análisis de Big Data sean empleados en las la-
bores de planificación y presupuestación; y, técnicas como, por ejemplo, el
uso de modelos y herramientas analíticas, o la aplicación de herramientas
de programación, de descubrimiento de datos y de visualización.
A partir de la definición de estas competencias se pueden definir los planes
de formación interna o capacitación del personal.
2) RELACIÓN DE PUESTOS DE TRABAJO:
De forma similar a lo propuesto en formación, sería necesario analizar los
puestos de trabajo, para incluir la explotación del dato de forma intensiva
en la Administración.
De dicho análisis podrán salir recomendaciones como: modificar determi-
nados perfiles de puestos de trabajo —tanto de departamentos verticales

como técnicos—, definir nuevos perfiles muy específicos de Big Data o in-
cluso remodelar departamentos completos.
3) SELECCIÓN DE PERSONAL:
Se considera recomendable incluir en los temarios de acceso a la función pú-
blica contenidos relativos a Big Data. Algunas administraciones ya lo están
haciendo en los cuerpos específicos de tecnologías de la información, pero
entendemos que se debe hacer extensiva a otros cuerpos de funcionarios.
Esta recomendación debe considerarse con resultados a muy largo plazo, da-
das las limitaciones actuales de reposición de personal de la Administración.
4.5. Acciones desde la Administración
Pública y relación con
entidades privadas
Las administraciones públicas europea, española, regionales y locales es-
tablecen periódicamente sus propios planes de investigación, desarrollo e
innovación tecnológica que identifican lo que cada una marca como líneas
estratégicas en los sectores productivo e investigador.
En Europa estamos en plena Estrategia Europa Horizon 2020 (H2020) —
cuya descripción del alcance y prioridades exceden los objetivos de este do-
cumento— dentro de la que Big Data se marca como una de las prioridades.
El 19 de mayo de 2010 se publica A Digital Agenda for Europe, donde
se propuso una agenda digital europea en la que no se hacía mención
específica a Big Data. Sin embargo, posteriores revisiones han identificado
nuevas prioridades entre las que ya se encuentra Big Data.
Los estudios Worldwide Big Data Technology and Services, 2012–2015 Fo-
recast y Big Data Analytics: An assessment of demand for labour and skills,
2012-2017 ponen de relieve la importancia de esta línea prioritaria en Euro-
pa. Como también hacen las sucesivas llamadas de participación a convoca-
torias de proyectos que impulsen el fenómeno Big Data.
La Agenda Digital para España, de febrero de 2013, marca las prioridades en Es-
paña en el ámbito digital para alcanzar objetivos como la promoción de la partici-
pación de las empresas y Administraciones en el desarrollo de sectores de futuro.
Esto se considera un elemento crítico para continuar con la modernización y el
crecimiento sostenible de la economía española. Para ello la Agenda propone,
entre otras medidas para contribuir al desarrollo de las industrias de futuro: po-
tenciar el desarrollo y uso de la computación en la nube, potenciar el empleo de
las TIC para favorecer el ahorro energético,y el desarrollo de ciudades e infraes-
tructuras inteligentes, y potenciar el desarrollo y uso de técnicas de Big Data.
Este documento considera que la computación en la nube, el Internet de las
Cosas, las tecnologías de la información verdes, las ciudades inteligentes,
el Big Data y las aplicaciones para el ecosistema móvil contribuyen tanto
al enriquecimiento de la industria digital como al crecimiento y moderniza-
ción de la economía en general. Así, la Agenda Digital para España presenta
estas nuevas tecnologías como capaces de mejorar la productividad y com-
petitividad de las empresas y de permitir el desarrollo de nuevos modelos de
negocio. Enfatiza como objetivo potenciar el desarrollo y uso de técnicas de
tratamiento de volúmenes masivos de datos o Big Data en las organizaciones,
como medio para optimizar las decisiones y mejorar la productividad, eficien-
cia y competitividad:

Participar en el desarrollo de las iniciativas de Big Data en el ámbito internacional.
Impulsar el desarrollo de actividades de información sobre los beneficios
del tratamiento inteligente de datos.
Potenciar el desarrollo de soluciones Big Data.
La Administración nacional además de la Agenda digital establece sus planes
nacionales de investigación. En el VII Plan estatal de investigación científica
y técnica y de innovación 2013-2016 se identifican las prioridades para los
próximos años. En este plan se considera Big Data una clara oportunidad en
casi todas las áreas del saber, debido al potencial que la analítica de datos
aporta en la toma de decisiones, en la apertura de nuevos mercados o en la
predicción de resultados.
El VII Plan estatal se articula en múltiples iniciativas que incentivan la I+D+I,
tanto en el ámbito investigador como en el productivo. Ejemplos del apoyo
de la Administración Pública nacional son el Plan Avanza o las múltiples
convocatorias que hace periódicamente el CDTI (Centro para el Desarrollo
Tecnológico Industrial).
También, se ha lanzado la iniciativa Industria Conectada 4.0 con el fin de
impulsar la transformación digital de la industria española mediante la ac-
tuación conjunta y coordinada del sector público y privado. Esta iniciativa
está alineada y es complementaria a dos iniciativas nacionales: la Agenda
Digital y la Agenda para el Fortalecimiento del Sector Industrial en España.
En una primera fase se ha definido la estrategia que apunta al Big Data como
una de las prioridades.
Por otro lado, la mayoría de las administraciones regionales españolas han
propuesto sus propias agendas digitales. En la andaluza, gallega o extre-
meña el Big Data recibe una atención especial al identificar su potencial
en todos los ámbitos. Así, en los planes de investigación diseñados por las
Comunidades Autónomas Big Data aparece como una prioridad.
Además de todos los planes ya comentados, tiene especial valor la Estrate-
gia de Innovación Inteligente (Research and Innovation Strategy for Smart
Specialisation, RIS3, por sus siglas en inglés), diseñada por la mayor parte de
regiones europeas, en la que se identifican las áreas en las que cada región
destaca especialmente con la intención de potenciarlo adecuadamente. Es
complejo analizar las estrategias RIS3 de todas las regiones españolas, pero
podemos destacar que Big Data es una prioridad en la mayoría de ellas con
la aspiración de conseguir empresas e investigadores más competitivos.
Por otro lado, cabe también destacar que las iniciativas de datos abiertos,
emprendidas por las administraciones, son también una excelente oportu-
nidad para las empresas. Estas pueden utilizar el Big Data y los datos ge-
nerados por las administraciones para generar nuevos modelos de negocio
o mejorar los actuales. Los portales de transparencia y la Ley de Gobierno
Abierto, que Gobiernos regionales, Ayuntamientos, universidades e institu-
ciones públicas están desarollando, se han convertido en una herramienta
al servicio de la transparencia en la gestión pública para lograr una adminis-
tración cada vez más cercana y accesible.
Cabe mencionar el portal de Datos abiertos de España, como un mecanismo
que la Administración Pública ha puesto a disposición del público para fomen-
tar la creación de aplicaciones e ideas en torno al análisis de datos públicos.
Para que Big Data se convierta en una realidad palpable es necesario contar
con unas infraestructuras en las que se pueda realizar el procesamiento de

los datos masivos de forma eficiente, rápida y segura. Para ello son nece-
sarios Centros de Procesamiento de Datos (CPD) debidamente diseñados y
administrados. En España en el ámbito público se cuenta con la RES (Red
Española de Supercomputación) formada por los centros de supercomputa-
ción públicos más potentes. En ellos se presta especial atención a las nece-
sidades Big Data, tanto públicas como privadas.
No se pretende que la relación de iniciativas públicas mostradas sea exten-
siva, pero sí indicativa del apoyo decidido que se está a Big Data en todos los
planes de investigación y desarrollo de las administraciones. Es importante
que el sector privado se implique y colabore en las políticas definidas en los
planes de I+D+I; no sólo para su orientación a la tecnología, sino también
para identificar y promover el talento. Cada empresa en su sector puede
proponer nuevos modelos de negocio o potenciar los ya existentes.
Es importante analizar los sectores que más apoyo pueden necesitar de las ad-
ministraciones para incorporarse al Big Data y a los datos abiertos, no solo como
consumidores de tecnología, sino como parte del gran potencial que el dato pue-
de ofrecer si se sabe captar, procesar y analizar. Desde el sector primario al tercia-
rio, pequeñas, medianas y grandes corporaciones pueden encontrar en Big Data
una oportunidad que es necesario que identifiquen para poder explotarla.
4.6.Priorización
Una vez definido el plan y las recomendaciones 2016-2020 para generar el
talento Big Data necesario, cubrir la demanda actual y futura y posibilitar
que España se convierta en un referente internacional en este campo, se ha
realizado una sesión de contraste con expertos de diferentes sectores. Me-
diante esta encuesta se ha establecido una priorización de las recomenda-
ciones definidas que permiten poner foco en las acciones de mayor impacto
a corto y medio plazo.
A continuación, se muestra la priorización resultante de la sesión de contraste:
1) GENERACIÓN DE TALENTO DESDE LA FORMACIÓN:
EDUCACIÓN PRIMARIA
1. Se debe fomentar la aparición de un espíritu analítico en los estudian-
tes, así como el interés y la motivación por las nuevas tecnologías.
2. Cambios en las metodologías didácticas en asignaturas como mate-
máticas, en los que se fomente el desarrollo de las capacidades analíti-
cas y capten vocaciones en los ámbitos científicos y tecnológicos.
3. Es recomendable adaptar en cierta medida el material educativo y los
conocimientos del profesorado.
4. La Administración Pública y las organizaciones pueden dar soporte
a las editoriales a adaptar determinados contenidos educativos en las
materias correspondientes. Así como ofrecer formación tecnológica a
grupos de profesores que se designen para tal propósito en las escuelas
de educación primaria.
FORMACIÓN SECUNDARIA OBLIGATORIA, BACHILLERATO Y FORMA-
CIÓN PROFESIONAL EN SUS NIVELES INICIAL E INTERMEDIO
5. Durante el último curso de la educación secundaria, el bachillerato
y la formación profesional es recomendable potenciar capacidades más
avanzadas enfocadas a desarrollar conocimientos de analítica avanzada,
tecnología y programación.

6. Durante los tres primeros cursos de la ESO se deberá fomentar la for-
mación en torno a la explotación de la información: desde el punto de
vista de técnicas (interpretación de conjuntos de datos, visualizaciones
adecuadas en cada situación, etc.), de herramientas básicas (bases de
datos, hojas de cálculo, etc.), y de programación.
7. Independientemente del área de especialización, deben incluirse co-
nocimientos básicos en todas las ramas. No se considera una buena prác-
tica formar en este ámbito únicamente a aquellos alumnos que se hayan
decantado por la rama de ciencias y tecnología.
FORMACIÓN PROFESIONAL DE GRADO SUPERIOR
8. Formación en torno a la extracción, tratamiento y carga de datos, así
como la gestión y mantenimiento de grandes volúmenes de datos.
FORMACIÓN UNIVERSITARIA
9. Creación de nuevas titulaciones y programas de postgrado. Estos nue-
vos grados podrán tomar como base algunos de los existentes, como
Estadística, Matemáticas Aplicadas, Ingeniería, Informática o Físicas. Se
debe tratar en todo momento de alinear las necesidades de las organiza-
ciones con el contenido educativo.
10. La participación del sector privado en estos nuevos grados formati-
vos es clave para definir los planes formativos que permitan cubrir las
necesidades actuales y futuras.
11. Independientemente de la rama de conocimiento, se considera ne-
cesaria la incorporación de asignaturas que traten aspectos básicos de
análisis de información en todas las carreras universitarias.
FORMACIÓN POR PERFIL PROFESIONAL. Además de la formación para
recién titulados se consideran necesarios los cursos de especialización
orientados a personal activo.
- Data Scientist: la formación universitaria centrada en asignaturas de
Ciencia de datos o grados en Ciencia de datos permitiría disponer, en ma-
yor medida, de los perfiles necesarios para cubrir la demanda. Por otro
lado, se incluye la estadística, el aprendizaje automático (aprendizaje au-
tomático, en castellano), la inteligencia artificial y la programación como
materias que deberán complementar la formación del científico de datos.
- Ingeniero de visualización de datos: los grados en Ciencia de datos
son la formación más recomendable para disponer del perfil de ingeniero de
visualización de datos.
- Desarrollador de BD: se debería potenciar la formación post-univer-
sitaria (postgrado en desarrollo de software, bases de datos, business
analytics, Inteligencia de negocio o Big Data).
- Big Data Architect: tanto la formación universitaria (ingeniería de da-
tos, gestión de datos, Telecomunicaciones o Informática) como la forma-
ción post-universitaria podrían proporcionar arquitectos Big Data.
- Market Research: tanto la formación universitaria (grados en Adminis-
tración y Dirección de Empresas o Economía) como los postgrados (aná-
lisis de mercados, business analytics, inteligencia de negocio ...) podrían
fomentar la disponibilidad de este tipo de perfiles.
- Business Analyst: se debe potenciar la formación universitaria (grados
en Administración y Dirección de Empresas o Economía) para disponer
de este tipo de perfiles en el mercado de profesionales.

- En el caso de áreas transversales (finanzas o recursos humanos) tan-
to la formación universitaria como la formación en base a postgrados
permitirían la generación de talento necesario.
2) TALENTO EN EMPRESAS:
ACCIONES MÁS RELEVANTES PARA PROMOVER UNA CULTURA DEL
DATOS EN LAS EMPRESAS ESPAÑOLAS, QUE LES PERMITA APROVE-
CHAR DE FORMA RENTABLE LOS DATOS Y TENER MAYORES CAPACIDA-
DES PARA ENTENDER A LOS USUARIOS Y A LOS MERCADOS:
12. Promover la democratización del dato. Los datos deberán estar a dis-
posición de los departamentos que así lo requieran y en la medida que
sean necesarios, garantizando en cualquier momento las políticas de se-
guridad y privacidad.
13. El compromiso de la Alta Dirección que debe comunicar a toda la orga-
nización cómo se extrae información de los datos y su importancia para el
negocio. También debe basar la toma de decisiones en análisis cuantitativos
de los datos transmitiendo los beneficios y resultados obtenidos.
14. Diseñar un plan de adopción de capacidades analíticas alineado con
los objetivos estratégicos de la compañía.
ACCIONES MÁS RELEVANTES PARA GENERAR TALENTO EN LAS EM-
PRESAS ESPAÑOLAS A CORTO Y MEDIO PLAZO TENIENDO EN CUENTA
EL GRADO DE MADUREZ DE LAS MISMAS:
15. Identificación e implantación de metodologías de trabajo, herramien-
tas y recursos necesarios para la aceleración de casos de uso prácticos de
Big Data.
16. En el caso de pequeñas y medianas empresas, la clave para la gene-
ración de talento pasa por la generación de perfiles mixtos que aporten
la capacidad y la mentalidad orientada al dato.
17. La implantación de casos de uso prácticos en base a los retos y las
necesidades reales de negocio.
3) COMPARTICIÓN DE CONOCIMIENTOS:
LAS SIGUIENTES ACCIONES PODRÍAN FACILITAR EL ACCESO A COM-
PARTIR CONOCIMIENTOS Y A LOS ENTORNOS DE EXPERIMENTACIÓN
QUE POSIBILITEN LA GENERACIÓN DE TALENTO. El objetivo es potenciar
la capacidad de innovación:
18. Creación de una iniciativa nacional para la seguridad de los datos,
dedicada al estudio y promoción de buenas prácticas en la recogida, al-
macenamiento, uso, gestión y destrucción de los datos, así como la crea-
ción de nuevos estándares técnicos y legales.
19.Promoverlacreacióndeunafederaciónnacionalsobrelascapacidadesdepro-
cesamiento existentes con el fin de articular entornos de trabajo de innovación.
20. Revisar el perfil competencial de los funcionarios públicos que van a
tener que interactuar con herramientas de gestión y tomar decisiones en
el contexto de ciudades inteligentes.
PARA FAVORECER LA COMPARTICIÓN DE CONTENIDOS Y LA GENERA-
CIÓN DE TALENTO SE CONSIDERA CLAVE LA CREACIÓN DE ENTORNOS
DE EXPERIEMENTACIÓN. En concreto, las acciones prioritarias son la crea-
ción de laboratorios de datos, el desarrollo de iniciativas de datos abiertos y
la consolidación de espacios de innovación para Big Data.

EN CUANTO A LA FINANCIACIÓN Y EL PATROCINIO DE ACTIVIDADES, SE CONSIDERA
PRIORITARIO FACILITAR LA CONEXIÓN ENTRE EL SECTOR ACADÉMICO Y EL SECTOR EM-
PRESARIAL. Un modelo adecuado es realizar prácticas en empresas como parte de la forma-
ción y crear equipos de estudiantes que trabajen durante su formación en casos concretos pro-
puestos por compañías.
OTRO ASPECTO CLAVE ES LA GENERACIÓN DE CONOCIMIENTO EN LA SOCIEDAD ESPA-
ÑOLA. EN ESTE SENTIDO, SE DEBERÍA:
21. Crear espejos locales que contribuyan a desarrollar agendas de investigación y progra-
mas con los que generar y mantener el talento local.
22. Formar a los consumidores y ciudadanos: apoyar una “alfabetización en datos” y poten-
ciar los debates sobre la creación de talento en Big Data.
4) CREACIÓN DE TALENTO
EN LA ADMINISTRACIÓN PÚBLICA
23. Formar a los ejecutivos en la importancia del dato a la hora de tomar decisiones. Poten-
ciar la democratización interna de los datos y la diseminación de los beneficios y resultados.
24. Impulsar una cultura de apertura y transparencia con la información pública, que es uno de
los principales frenos en el crecimiento del mercado Big Data.
25. Incluir en los temarios de acceso a la función pública contenidos relativos a Big Data.
26. Definir un conjunto ético y de buenas prácticas para el tratamiento de los datos.
27. Asegurar la formación interna del personal de la Administración Pública en Big Data a tra-
vés de catálogos de formación adaptados a cada tipo de perfil.

Participantes en
la elaboración de
este informe
EQUIPO DE TRABAJO
Carlos Alba González-Fanjul (Arcelormittal)
Antonio Aracil (ADEIT)
Silvia Cabanillas (Telefónica)
María Cinta Coronel (CaixaBank)
Julia Company (IVACE)
Beatriz Crisostomo (Iberdrola)
Christophe Cubat (TMC Employenerus España)
Andrés Fernández (Consejería de Empleo, Empresa y Comercio de la Junta de Andalucía)
José María Fuster (Banco Santander)
Pablo González (Deloitte)
José Luis González-Sánchez (Junta de Extremadura)
Javier Herrera Lotero (Tecnalia)
Alvaro María Luna (Deloitte)
Francisco Javier Mínguez (Generalitat Valenciana)
Carlos Ortíz (Ferrovial)
Ernesto Rodríguez (Consejería de Desarrollo Económico e Innovación de La Rioja)
Mª Pilar Rodríguez (Ferrovial)
David Sanz (Everis)
Carlos Severino (PricewaterhouseCoopers)
Fabián Varas (Corporación Tecnológica Andalucía)
EXPERTOS CONSULTADOS
José Francisco Aldana (Universidad de Málaga)
Francisco Javier Martínez de Pisón (Universidad de la Rioja)
Gregorio Mora (Metadology)
Nuria Oliver (Vodafone)
Juan José Román (Instituto Andaluz de Administraciones Públicas)
Urko Zurutuza (Universidad de Mondragón)
COORDINACIÓN
Elena Gil (Telefónica)
Raúl Ortega (Telefónica)
Antonio Javier Sánchez (Telefónica)

Participantes en la elaboración de este informe106
MIEMBROS DEL GRUPO DE TRABAJO DE BIG DATA
Carlos Alba (ArcelorMittal)
Antonio Aracil (Fundació Univerisitat-Empresa de València)
María Cinta Coronel (CaixaBank)
Julia Company (Ivace)
Isabela Crespo (Gómez-Acebo & Pombo)
Beatriz Crisóstomo (Iberdrola)
Christophe Cubat (TMC Employenerus España)
Andrés Fernández (Consejería de Empleo, Empresa y Comercio de la Junta de Andalucía)
José Mª Fuster (Banco Santander)
Elena Gil (Telefónica)
Pablo González Muñoz (Deloitte)
José Luis González Sánchez (Junta de Extremadura)
Javier Herrera (Tecnalia Research & Innovation)
Joseba Laka (Tecnalia Research & Innovation)
Antonio López (Agencia Canaria de Investigación, Innovación y Sociedad de la Inform.)
Álvaro Luna (Deloitte)
Rafael Martínez (Instituto de Fomento de la Región de Murcia)
Francisco Javier Mínguez (Ivace)
Raúl Ortega (Telefónica)
Carlos Ortíz (Ferrovial)
Ernesto Rodríguez (Consejería de Desarrollo Económico e Innovación de La Rioja)
Manuel Rodríguez (Aditech Corporación Tecnológica)
Pilar Rodríguez (Ferrovial)
Antonio Romero (Instituto de Fomento de la Región de Murcia)
Antonio Javier Sánchez (Telefónica)
David Sanz (Everis)
Carlos Severino (PricewaterhouseCoopers)
Fabián Varas (Corporación Tecnológica de Andalucía)
Este proyecto se ha realizado con el
apoyo técnico del Departamento de Estudios
y Gestión del Conocimiento de la Fundación Cotec.

Informe sobre Big Data - Cotec

Más contenido relacionado

La actualidad más candente (20)

Similar a Informe sobre Big Data - Cotec (20)

Último (20)

Informe sobre Big Data - Cotec