Según IBM, en el 2020 habrá 300 veces más información que en el 2005.
¿Qué es Big Data?
Según Wikipedia, Big Data es un concepto que hace referencia a conjuntos de información tan grandes que las aplicaciones informáticas tradicionales de procesamiento de datos no son capaces para tratar con ellos, y a los procedimientos usados para encontrar patrones repetitivos dentro de esos datos.
Forbes ofrece varias definiciones de Big Data, entre ellas:
- La amplia gama de tipos de datos nuevos y masivos que han aparecido durante la última década aproximadamente.
- Las nuevas herramientas que nos ayudan a encontrar datos relevantes y analizar sus implicaciones.
- Una nueva actitud de las empresas, organizaciones sin fines de lucro, agencias gubernamentales e individuos que combinan datos de múltiples fuentes que podrían conducir a mejores decisiones.
Estos son los tipos de Big Data, de acuerdo con IBM.
¿Cuál es la relación entre las aplicaciones de Big Data y la sustentabilidad?
Cuando se trata de la sustentabilidad, lo bueno del Big Data es que está desatando la capacidad de las compañías para entender y actuar en sus mayores impactos ambientales, los que están fuera de su control.
El gran impacto potencial del Big Data en la sustentabilidad depende de tres simples hechos, según The Guardian:
- Tomar medidas significativas sobre sostenibilidad corporativa requiere comprender todos los impactos que el mundo de los negocios y el natural tienen entre sí.
- El mundo empresarial es un lugar muy complicado, con muchas interacciones entre los consumidores y las empresas, los proveedores y los mercados.
- El mundo natural es aún más complicado, con muchas interacciones entre las personas y los recursos, los ecosistemas y el clima.
Entonces, ¿cuál es la relación entre Big Data y el medio ambiente de acuerdo con ZDNet? ¿Cómo se usa esta herramienta para medir la sustentabilidad e informar sobre la acción? ¿Cuál es el impacto que tienen en el medio ambiente en su conjunto?
Sustentabilidad impulsada por los datos
Las aplicaciones analíticas abarcan desde capturar los datos para obtener información sobre lo que ha sucedido y por qué (analytics descriptivos y diagnósticos), hasta predecir lo que sucederá y prescribir cómo lograr resultados deseables (analytics predictivos y prescriptivos).
Este es el Modelo de Madurez de Gartner Analytics:
Cada organización se encuentra en un punto diferente a lo largo de este continuo, reflejando una serie de factores como:
- Conciencia.
- Capacidad técnica e infraestructura.
- Capacidad de innovación.
- Gobernabilidad.
- Cultura.
- Disponibilidad de recursos.
Todas las empresas varían en cada uno de estos factores, pero tienen algo en común: un dominio específico en el que operan, y modelos de negocios y gobernanza con definidas partes interesadas y responsabilidades.
Sin embargo, las cosas son diferentes cuando se trata de sustentabilidad. No existe un modelo de negocio para ella per se. Aunque las compañías se ven afectadas por factores como la calidad ambiental y cómo sus acciones pueden afectar al medio ambiente, la mayoría de los modelos empresariales no capturan esta interacción.
Los Objetivos de Desarrollo Sostenible (ODS) conocidos oficialmente como «Transformando nuestro mundo: la Agenda 2030 para el Desarrollo Sostenible», constituyen un conjunto de 17 Metas Globales.
Las Naciones Unidas (ONU) son las que encabezan los ODS mediante un proceso deliberativo en el que participan los 193 estados miembros y la sociedad civil mundial. Entonces, ¿cómo se mide y evalúa el progreso hacia objetivos amplios y ambiciosos como «No a la pobreza», «Ciudades y comunidades sustentables» y «Acción climática»?
La respuesta es con gran dificultad. Los ODS se desglosan en indicadores como «Porcentaje de residuos sólidos urbanos recolectados regularmente» o «Emisión de CO2 por unidad de valor añadido». La dificultad en medir se debe a varios factores.
Las métricas deben tener definiciones sólidas y claras que se puedan compartir entre los miembros de la ONU, la cual trabaja en el desarrollo de un marco de indicadores global para los ODS.
El proyecto SDGIO está tratando de lograr este objetivo mediante la integración de trabajo relevante en el campo. No obstante, incluso con las métricas definidas y compartidas, se necesita ingresar datos confiables y adecuados para que sean útiles. La ONU hace esfuerzos para coordinar a las partes interesadas, como las oficinas nacionales de estadísticas para proporcionar ejemplos concretos del uso potencial de Big Data en el monitoreo de los indicadores ODS.
La ONU también ha asignado la iniciativa de innovación Global Pulse para trabajar específicamente en aplicaciones que contribuyan al logro de los ODS, mas todavía queda un largo camino por recorrer.
Aunque la ONU sigue en la parte inferior de la gran pirámide de datos de las necesidades y todavía intenta obtener acceso a datos, es probable que las técnicas que use sean avanzadas.
Big Data vs sustentabilidad
El ODS número 11 tiene que ver con «Ciudades y Comunidades Sostenibles». Arcadis derivó una metodología que combina las métricas en las áreas personas, planeta y beneficios para producir el Índice de Ciudades Sostenibles, analizando y clasificando a 100 ciudades en el mundo.
Medir las emisiones de CO2 es opaco e inexacto. Para empezar, las mediciones reales de las emisiones son prácticas que se realizan solo en instalaciones como las centrales eléctricas. Para los demás sectores de la industria que consumen mucha energía y que son obligados a participar en el Sistema de Comercio de Emisiones de la Unión Europea, las emisiones de CO2 se calculan indirectamente y se informan por medio de terceros.
Las empresas de servicios públicos pueden aplicar para analytics de Big Data marketing y retención de clientes. No obstante, los modelos de datos comunes y la integración de los servicios públicos siguen sin funcionar.
Los fabricantes y los operadores de transporte pueden aplicar individualmente para Big Data analytics y así optimizar el funcionamiento del motor y el enrutamiento de los transportistas, lo que resulta en recortes de los costos de combustible y las emisiones de carbono. Sin embargo, el precio total de aplicar Big Data analytics continúa siendo vago.
Sustituir a los servidores cada par de años no tiene sentido desde el punto de vista medioambiental o económico. El abastecimiento de materias primas y el reciclaje no son perfectos, por lo que, por el momento, la mejor apuesta para la industria de Big Data es tratar de aprovechar al máximo las máquinas existentes.
Los centros de datos más eficientes son una prioridad para este tipo de organizaciones. Al final, la nota hace estas preguntas complejas para responder:
- ¿Cuál es el efecto neto de aplicar analytics para optimizar las operaciones?
- ¿Podrían compensarse las mejoras en la eficiencia ganada a través del analytics por el costo oculto en materiales, energía y emisiones?
- ¿Hay algún punto después del cual la optimización ya no tiene sentido?
- ¿El ritmo asombroso de innovación requiere más recursos de los que pone a disposición?
No todo esto es complejo por carecer la capacidad o los datos, sino porque, para hacer esto, se tendría que priorizar y comenzar a ver el panorama general.
[printfriendly]
