Desventajas y contras del Big Data

Desventajas y contras del Big Data. Digamos que toda temática tiene sus facetas diferentes y abordajes únicos. Ya mencionamos en una anterior nota los beneficios del Big Data e inclusive porqué es tan importante.

En el otro lado de la ecuación, muchas compañías también han informado sobre desafíos importantes al implementar iniciativas de análisis de big data. Las desventajas reportadas de big data incluyen lo siguiente:

Necesidad de talento

Los científicos de datos y los expertos en big data se encuentran entre los trabajadores más codiciados y mejor pagados en el campo de TI. La encuesta de AtScale encontró que la falta de un conjunto de habilidades de big data ha sido el desafío número uno de big data en los últimos tres años. Y en la encuesta Syncsort, los encuestados calificaron a las habilidades y al personal como el segundo mayor desafío al crear un gran lago de datos. La contratación o capacitación del personal puede aumentar los costos considerablemente, y el proceso de adquisición de habilidades de big data puede llevar mucho tiempo.

Calidad de los datos

En la encuesta Syncsort, la principal desventaja de trabajar con big data fue la necesidad de abordar los problemas de calidad de los datos. Antes de que puedan usar big data para los esfuerzos de análisis, los científicos y analistas de datos necesitan asegurarse de que la información que están usando sea precisa, relevante y en el formato adecuado para el análisis. Eso ralentiza considerablemente el proceso de presentación de informes, pero si las empresas no abordan los problemas de calidad de los datos, pueden descubrir que las ideas generadas por sus análisis no tienen ningún valor, o incluso son perjudiciales si se aplican.

Necesidad de un cambio cultural

Muchas de las organizaciones que utilizan el análisis de big data no solo quieren mejorar sus informes, quieren usar el análisis para crear una cultura basada en los datos en toda la empresa.

Cumplimiento

Otro tema espinoso para los grandes esfuerzos analíticos es cumplir con las regulaciones gubernamentales. Gran parte de la información incluida en los grandes almacenes de datos de las empresas es confidencial o personal, y eso significa que la empresa puede necesitar asegurarse de que cumple con los estándares de la industria o los requisitos gubernamentales al manejar y almacenar los datos.

La anulación de la identificación o el proceso de anonimización de datos mediante la eliminación de información de identificación personal (PII), como una forma de justificar la recopilación y el uso masivo de datos personales. Es uno de los retos fuertes al respecto.

Riesgos de ciberseguridad

El almacenamiento de big data, especialmente datos confidenciales, puede hacer que las empresas sean un objetivo más atractivo para los ciberataques. En la encuesta de AtScale, los encuestados han incluido sistemáticamente la seguridad como uno de los principales desafíos de big data, y en el informe NewVantage, los ejecutivos calificaron las brechas de ciberseguridad como la mayor amenaza de datos que enfrentan sus empresas.

Cambio rápido

Otro inconveniente potencial del análisis de big data es que la tecnología está cambiando rápidamente. Las organizaciones enfrentan la posibilidad real de invertir en una tecnología en particular solo para que algo mejor venga unos meses después. Los encuestados de Syncsort clasificaron esta desventaja de big data en cuarto lugar entre todos los desafíos potenciales que enfrentaron.

Necesidades de hardware

Otro Inconveniente importante para las organizaciones es la infraestructura de TI necesaria para respaldar las iniciativas de análisis de big data. El espacio de almacenamiento para alojar los datos, el ancho de banda de la red para transferirlos hacia y desde los sistemas de análisis y los recursos de cómputo para realizar esos análisis son costosos de comprar y mantener. Algunas organizaciones pueden compensar este problema mediante el uso de análisis basados ​​en la nube, pero eso generalmente no elimina los problemas de infraestructura por completo.

Costos

Muchas de las herramientas de big data de hoy dependen de la tecnología de código abierto, que reduce drásticamente los costos de software, pero las empresas aún enfrentan importantes gastos relacionados con la dotación de personal, hardware, mantenimiento y servicios relacionados. No es infrecuente que las iniciativas de análisis de big data se ejecuten significativamente por encima del presupuesto y se demore más en implementarse de lo que los administradores de TI habían previsto originalmente.

Dificultad para integrar sistemas heredados

La mayoría de las empresas que han existido durante muchos años han almacenado datos en una variedad de diferentes aplicaciones y sistemas en sus entornos. La integración de todas esas fuentes de datos dispares y el traslado de datos a donde sea necesario también aumenta el tiempo y los gastos de trabajar con big data.

Implicaciones epistemológicas y metodológicas

Se vendrá un verdadero aluvión, una avalancha monumental de datos, donde los métodos científicos tradicionales de hipótesis, muestreo y pruebas, serán mejorados y superados por los respectivos algoritmos.

Divisiones digitales y marginación

Las desigualdades van a surgir inevitablemente y la separación respectiva también, entre quienes tienen y pueden implementar el Big Data y quienes no podrán hacerlo. En el primer grupo estarán grandes compañías y en el segundo pequeñas empresas y emprendimientos. Veremos hasta qué punto la brecha se reconozca y se reduzca de manera rauda y precisa.

Ediciones 2019-22

Leer también: entender las 3 V del Big Data, Big Data analytics y porqué lo necesito para mi negocio