,

Big Data Analytics: cómo funciona y porqué usarlo

Big Data Analytics, Big Data, Analytics

Para explicar el funcionamiento del Big Data Analytics, haré una analogía entre la transmisión de un partido de fútbol (soccer) y la navegación de un cliente en una tienda virtual en internet.  Es necesario recordar que en ambos casos descritos, la latencia  es muy baja. Para realizar el ejercicio, me apoyaré en la arquitectura del Big Data Analytics, pero antes mencionaré brevemente las funciones de cada una de sus capas.

La arquitectura del Big Data Analytics

Está compuesta por tres capas, las cuales son:

Conversation Layer: Está conformado por el front-end (interfaz gráfica o dispositivo) con el que interactúa el usuario. Sus funciones  son:

  • Registrar las actividades que realiza el usuario.
  • Transferir los datos registrados al Orchestration Layer.
  • Recibir la información que es suministrada por el Orchestration Layer, para que sea mostrada al usuario.

Orchestration Layer: Es la capa intermedia del Big Data Analytics, en la cual se coordina e integra la información y el conocimiento que se entregará al usuario. Sus funciones son:

  • Recibir los datos provenientes del Conversation Layer.
  • Enviar los datos al Discovery Layer.
  • Recibir los análisis realizados por el Discovery Layer,  para buscar en las diferentes fuentes de datos de la empresa, información que sea de interés para el consumidor.
  • Enviar la información de interés para el consumidor al Conversation Layer.

Discovery Layer: Esta capa es la que realiza los análisis estadísticos avanzados. Sus funciones son:

  • Recibir los datos que provienen del Orchestration Layer.
  • Descubrir patrones y tendencias en los cuales puedan encajar los datos que están ingresando.
  • Enviar los resultados obtenidos al Orchestration Layer.

Narración de un juego de  fútbol visto a través de la arquitectura del Big Data Analytics

Sabemos que en un partido de fútbol se generan jugadas que pueden ser muy rápidas para analizar y comentar. El gran reto del equipo que transmisión está en mantener la atención del televidente, hacer comentarios acertados y oportunos, sin perder la secuencia de lo que está sucediendo en el terreno de juego. Veamos como se haría la transmisión con un enfoque del Big Data Analytics.

Conversation Layer:

  • En un partido de fútbol, el narrador se enfoca en la jugada que se está ejecutando, usa sus conocimientos para hacer comentarios referentes al juego.
  • El narrador de fútbol hará los comentarios correspondientes a cada una de las repeticiones de las jugadas que  el director de cámara decida retransmitir.
  • El narrador también hará comentarios (estadísticos e históricos) referentes al desempeño de los jugadores ante determinadas situaciones (cantidad de goles hechos, faltas cometidas, etc).

Orchestration Layer:

  • El director de cámara está revisando continuamente cada una de las imágenes capturadas por las diferentes cámaras de televisión, con esta información, él decide cuáles son  las que generan valor agregado a la transmisión, dirigiendo al narrador para que enfoque su atención en esa imagen en particular.
  • Entre las funciones del director se encuentra, la de capturar y editar las imágenes que van a ser retransmitidas, indicar el momento en que se mostrará la repetición  y cuántas repeticiones se van a realizar de esa imagen.
  • Otra función que tiene el director de cámara es incluir las pautas comerciales durante la transmisión del juego. Debe encontrar el momento idóneo para que se cumpla lo pactado con el anunciante y que dicha presentación no coincida con una jugada relevante, ya  que se perdería el efecto de la publicidad o la secuencia y el desenlace de la jugada en curso.

Discovery Layer:

  • Los editores de la transmisión y estadísticos están revisando constantemente  la información histórica asociada a los equipos y a cada uno de los jugadores que están en el terreno de juego, así como la de los árbitros.
  • Los editores revisan cada una de las imágenes del juego para asociar datos históricos con las jugadas,  haciendo que los comentarios del narrador tengan mayor relevancia.

Compra en una tienda virtual vista a través de la arquitectura del Big Data Analytics

En el siguiente escenario, un cliente ingresa a una tienda virtual y busca un par de zapatos deportivos, veamos como trabajan las capas que conforman el Big Data Analytics, para dar la respuesta esperada por el cliente.

Conversation Layer:

  • El consumidor ingresa al site, busca un par de zapatos deportivos de una marca conocida.
  • Los zapatos son mostrados en pantalla con sus características y precio, adicionalmente en la pantalla  se pueden observar comentarios de personas que han adquirido esos zapatos deportivos, así como recomendaciones de otros modelos de zapatos de la misma marca y de otras marcas.

Orchestration Layer:

  • El site a través de las cookies (pequeños programas) captura la búsqueda del cliente.
  • Envía los datos que son relevantes al Discovery Layer, para identificar las recomendaciones que se le pudiesen hacer al cliente.
  • Realiza la búsqueda de la información asociada a los zapatos deportivos.
  • Envía la información a la interfaz del usuario.

Discovery Layer:

  • Realiza los análisis estadísticos a partir de los datos capturados durante la búsqueda del cliente, identifica patrones o tendencias de compra realizadas por el cliente que está realizando la búsqueda o de otros clientes que adquirieron los zapatos deportivos.
  • Suministra la información obtenida al Orchestration Layer.
  • Realiza una categorización y puntuación del cliente que realizó la búsqueda, así como también de los zapatos deportivos, con lo cual se irá construyendo un modelo estadístico más robusto, el cual permitirá obtener una probabilidad de compra más certera.

Porqué usar Big Data Analytics – Beneficios

Con la implementación del Big Data Analytics, las empresas podrán:

  • Identificar los sitios que frecuentan las personas en internet, así como los productos y servicios que son de su interés.
  • Almacenar la información identificada en el punto anterior y asociarla con la data histórica existente en el CRM y Bodegas de datos de la empresa.
  • Conocer patrones de compra y tendencias a partir de la información analizada.
  • Realizar una segmentación más acertada en función de los gustos y características de los clientes
  • Realizar campañas de marketing y publicidad de acuerdo a las características de los segmentos, esto hará que la probabilidad de compra se incremente.

 

0 replies

Leave a Reply

Want to join the discussion?
Feel free to contribute!

Leave a Reply

Your email address will not be published. Required fields are marked *