Acumular datos es relativamente fácil, otra cuestión es saber para qué sirven. Empresas y organizaciones están ya embarcadas en el almacenamiento masivo de datos, pero todavía están a medio camino de usarlos en objetivos concretos o de forma útil. 

Uno de los debates frecuentes y más interesantes alrededor de los procesos de automatización, transformación digital, Inteligencia Artificial, Big Data, etc. es el que aborda los fuertes cambios en el mundo del trabajo: la ya vieja disyuntiva entre individuo y máquina, que también es alimentadora en algunos de los más espantosos e imaginativos relatos de ciencia ficción.

Como ya conocemos, R se origina como software libre a partir del lenguaje S (creado por los Laboratorios AT&T Bell), compartiendo su filosofía y extraordinario potencial. De hecho, varios programas en S pueden usarse en R. Extendiéndose con un enorme éxito gracias a sus aplicaciones estadísticas, se halla consolidado en sectores como la minería de datos, las finanzas, la investigación médica o las ciencias sociales.

Algunas de las definiciones que resultan muy relacionadas con los procesos de transformación digital son las de smart cities: proyectos que combinan dos aspectos básicos de nuestra condición civilizada, la conservación de lo propiamente “humano” y lo tecnológico para hacer del espacio urbano algo seguro, sostenible y amable.

Uno de los mayores objetivos de las ciencias sociales desde sus inicios es la creación de metodologías e instrumentos teórico-prácticos para, además de realizar estudios extensos y predicciones fiables sobre todas las dinámicas del ámbito social, poder retratar el momento preciso de la “colectividad humana”.

El peso del Big Data en el objetivo, ya casi universal, de conseguir un espacio urbano inteligente y eficiente es innegable, así como su utilidad para mejorar todos sus aspectos sociales. Respirar aire limpio, el acceso a la energía, los servicios sociales o la calidad de la educación son derechos reclamados hoy por millones de ciudadanos, en los que el análisis de los datos tiene mucho que ver.  

Hay un aspecto, tanto conceptual como metodológico, indisolublemente ligado al Big Data: la cuestión de la correlación; y una “máxima” añadida: la correlación no significa necesariamente una causalidad concreta. Cuando establecemos relaciones erróneas entre grupos de datos se producen extraños vínculos (en ocasiones irreales) entre fenómenos culturales o económicos.

Según informaciones recientes de la Encuesta sobre el uso de TIC y comercio electrónico en las empresas, de entre las compañías españolas con más de diez trabajadores, el 8,8% mantenía una política definida respecto al empleo de Big Data a comienzos de 2017, concentrándose la mayoría en Galicia, Cataluña y Madrid. Esto pone de manifiesto que Big Data no es algo exclusivo de empresas de gran tamaño, sino también está comenzando a tener presencia en las PYMES.

Orientar acertadamente un proceso de toma de decisiones, en nuestra época de transformación digital y cambios socioculturales, involucra una recolección, lectura e interpretación correcta de los datos. Aquí aparecen los “conceptos” de Data Science y Big Data, para definir un universo en expansión… el de enormes volúmenes de datos.  

La analítica masiva de datos, o Big Data, es el nombre que se le da al conjunto de tecnologías, algoritmos y sistemas empleados para recolectar y almacenar datos y extraer información de valor de ellos mediante sistemas analíticos avanzados, todo ello llevado a cabo sobre ingentes y variados volúmenes de datos.