Acepto

COOKIES

Esta web utiliza cookies técnicas, de personalización y análisis, propias y de terceros, para anónimamente facilitarle la navegación y analizar estadísticas del uso de la web. Consideramos que si continúa navegando, acepta su uso. Obtener más información

Causas y peligros de la mala calidad de datos en la toma de decisiones

  • Potenciar una organización basada en datos

Datos

La mala calidad de los datos en combinación con la infraestructura existente puede tener consecuencias potencialmente desastrosas. En el ámbito sanitario, podría significar la diferencia entre la vida y la muerte, y en el financiero, la diferencia entre una gran inversión y una terrible.

En plena era de Big Data, muchos altos ejecutivos toman decisiones de negocio impulsados por lo que revelan los datos. Sin embargo, la poca fiabilidad de los datos hace que estos encargados de tomar decisiones difíciles estén confiando a menudo en poco más que corazonadas. Pero los presentimientos y corazonadas no son suficientes para tomar decisiones acertadas en la economía de las ideas, como indica un reciente informe de HPE, según el cual, "la intuición sin datos concretos rara vez conduce a una elección ideal”.

El informe señala que la mala calidad de los datos en combinación con la infraestructura existente puede tener consecuencias potencialmente desastrosas. En el ámbito sanitario, podría significar la diferencia entre la vida y la muerte. Por ejemplo, los sensores en equipos médicos que controlan a los pacientes pueden experimentar un tiempo de inactividad o producir inexactitudes, facilitando a los médicos datos inexactos o, peor aún, ningún dato. En las finanzas, la mala calidad de los datos podría ser la diferencia entre una gran inversión y una terrible.

Una fuente importante de problemas de calidad de datos es la naturaleza fragmentaria de muchos sistemas heredados. A menudo existe una base de datos de clientes centralizada que contiene un subconjunto de datos, con datos adicionales contenidos en otras tablas. Cada SQL es una oportunidad para que se produzca un error.

Por otra parte, muchas de las bases de datos todavía en uso hoy se remontan a los sistemas de gestión de bases de datos relacionales (RDBMS) desarrollados en la década de los 80, que no fueron diseñados para la analítica. Estas estructuras rígidas carecen de la flexibilidad necesaria para las aplicaciones de Big Data de hoy en día.

Las empresas modernas deben ser capaces de llevar a cabo análisis de negocios iterativos y hacer frente a los datos no estructurados. De acuerdo con el informe de HPE, se estima que alrededor del 85% de Big Data entra en esta categoría de datos no estructurados. Ni los RDBMS ni los data warehouses pueden satisfacer estas necesidades, por lo que es necesario que las empresas de hoy en día que se alejen de las bases de datos de la vieja escuela hacia plataformas analíticas modernas.

Para saber más sobre las soluciones de Hewlett Packard Enterprise pensadas para Potenciar una organización basada en datos, inscríbase al evento Reimagine 2016.

 

TAGS Big Data