Análisis

Previsiblemente inexacto

La prevalencia y los peligros de los datos grandes malos 

"No somos mucho más inteligentes de lo que solíamos ser a pesar de que tenemos mucha más información – y eso significa que la verdadera habilidad ahora es aprender cómo escoger la información útil proveniente de todo este ruido.” Nate Silver.

¿Nuestro amorío con los grandes datos nos está llevando por el mal camino?

La sociedad y los negocios se han enamorado de los grandes datos. Pero no podemos obtener suficiente: a más recaudamos, más deseamos. Algunas compañías acaparan datos, inseguras de su valor o no teniendo claridad de si o cuándo les serán útiles, pero en todo momento, renuentes a eliminarlos o no capturarlos por miedo a perder el potencial valor futuro. Alimentando este apetito está el crecimiento total en el volumen, velocidad, y variedad de los datos. 

Por encima de todo, muchos líderes de negocio ven potencial alto en una cuarta V: valor. Dada nuestra capacidad para tener acceso y (potencialmente) entender cada movimiento que hagan nuestros clientes actuales y potenciales, vinculada al acceso a sus datos demográficos, biográficos, y sicográficos, parece lógico que debemos ser capaces de formar con ellos una relación más íntima, significativa. Cada punto de datos debe mover al negocio al menos un paso más cerca del cliente.

Este artículo explora las consecuencias potencialmente adversas de nuestro actual amorío con los grandes datos. La evidencia proveniente de nuestra investigación primaria anterior y actual, respaldada por investigación secundaria, destaca la prevalencia potencial y los tipos de datos inexactos provenientes de corredores de datos basados en los Estados Unidos, así como también los factores que pueden estar causando esos errores. La buena noticia es que existen estrategias y barandas de seguridad para ayudar a los negocios a mejorar la exactitud de sus conjuntos de datos, así como también para disminuir los riesgos asociados con el exceso de confianza puesto en los grandes datos en general. 

Previsiblemente inexacto
¿Le pareció útil este contenido?