En el sector del turismo las herramientas de análisis de datos como Big Data, unidas a la implementación de algoritmos de analítica de datos e IA, están marcando una nueva senda en la promoción y divulgación de centros turísticos en Latinoamérica. En México, un estudio exploratorio que aplicó Big Data bajo una modalidad de análisis de sentimientos de las opiniones de los turistas en los blogs turísticos TripAdvisor y VirtualTourist sobre cuatro factores (atractivos, hospedaje, restaurantes y transporte) en dos destinos turísticos mexicanos, permitió identificar evaluaciones positivas, negativas y neutrales sobre cada uno de los establecimientos y servicios analizados (Amaya et al., 2017). Una investigación similar se dio en Argentina, donde una tesis de la Universidad Nacional del Sur (Departamento de Geografía y Turismo) utilizó minería de datos, junto con reglas de asociación y clasificación, para analizar las percepciones que tienen los turistas internacionales sobre los destinos turísticos del país, con base en los datos generados a través de la red social Instagram. Lo anterior se realizó con el objetivo de mejorar la toma de decisiones estratégicas que contribuyeran a potenciar la imagen de marca argentina y el posicionamiento turístico a nivel internacional (De Lucca, 2017). En Perú, un modelo arquitectónico de información para una plataforma de Big Data para el Sector Turístico permite hacer un análisis más profundo de las características y comportamientos de los consumidores o de clientes potenciales (Mérida et al., 2017).
Se plantea, además, que un marco de trabajo para el procesamiento de Big Data presenta ciertos desafíos de investigación, los cuales se pueden reunir en una estructura de tres niveles. La parte central, la “plataforma de minería de Big Data” (nivel I), que se enfoca en el acceso a los datos de bajo nivel y computación. Los desafíos en el intercambio de información y la privacidad, los dominios de aplicación de Big Data y el conocimiento forman el nivel II, que se concentra en la semántica de alto nivel, las aplicaciones de dominio de conocimiento y los problemas de privacidad del usuario.
Detectado el robo de datos a gamers desde la Deep Web
Se ven también posibilidades de explorar la aplicación de Big Data a nuevos dominios de datos, ya que actualmente se han concentrado en social media, medicina, bioinformática y seguridad, principalmente. Incluyendo también el surgimiento de un nuevo perfil profesional, el “Data Scientist” [3], las personas capacitadas en este perfil deben saber del negocio, de las herramientas computacionales y de análisis e interpretación estadística. Pero los tipos de datos han variado a lo largo del tiempo; antes eran datos estructurados, ahora son semiestructurados y no estructurados, como imágenes o correos electrónicos”, comenta la doctora María del Pilar Ángeles, coordinadora de la licenciatura en Ciencia de Datos, en el Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas de la UNAM.
Esto da cuenta de la ausencia de herramientas que valoren objetivamente el alcance y el impacto interno y externo de la gestión de datos en la cadena de suministro, sobre todo, la incidencia que tiene o puede tener el uso del internet de las cosas en la experiencia de oferta, venta y compra de servicios (Gawankar et al., 2020). La capacidad de supervivencia de la cadena de suministro es otro factor crucial que se aborda en este clúster de investigación. Autores como Sheng y Saide (2021) exploran, no solo la capacidad de uso del big data, sino también las capacidades dinámicas y operativas que se fortalecen en momentos de adversidad, como señalan Mikalef et al. (2020). Es por lo que autores como Gupta y George (2016) y Fosso Wamba curso de ciencia de datos et al. (2017) destacan la importancia del desarrollo de capacidades dinámicas para lograr la adaptación, sostenibilidad y cambio de los procesos. En este sentido, los documentos recopilados permiten avanzar en la comprensión de la incidencia del big data como elemento que mejora la capacidad de análisis y otorga una ventaja competitiva, pero también representa una oportunidad para que las organizaciones compartan información y generen ventajas competitivas. Aunque muchos estudios se centran en aspectos específicos del éxito del big data, es importante tener en cuenta que el big data es más que información y requiere una serie de recursos complementarios indispensables para acceder a las ventajas y ganancias que produce.
¿Necesita más información?
Otro dilema puede presentarse en relación al acceso a las bases de datos, aquellas de tipo cerrado con otras de acceso abierto. El mundo globalizado, el fenómeno de la sociedad de la información en transición hacia las sociedades del conocimiento, la facilidad en el acceso a dispositivos móviles y la disponibilidad de programas o aplicaciones para publicar documentos en distintos formatos (texto, imágenes, sonido, video o la combinación de estos elementos) son el caldo de cultivo para la generación masiva de datos. A la masificación en la producción de datos se le ha denominado Big Data, término que no sólo se circunscribe a la generación de volúmenes de datos, sino que desde principios del siglo XXI casi todas las áreas del conocimiento han empleado tiempo, espacio y dedicación para su estudio.
- Desde el 2007, cuando comenzó a popularizarse la web 2.0, se ha ido produciendo la transformación, si bien vertiginosamente pero de forma paulatina y aún, hoy en día, se sigue desarrollando.
- En este sentido, la web semántica sería la base sobre la cual construir la interoperabilidad de las plataformas de los medios sociales, proporcionando normas para “soportar” el intercambio de datos.
- Este nuevo derecho no atiende a ésta en cuanto formada por Estados, sino que reconoce directamente a la persona o a la personalidad humana, y no es parte del derecho internacional tradicional, sino que, de alguna manera, ha tenido la misión globalizadora de que los distintos Estados reconozcan la necesidad de la protección humana.
- La calidad de los datos es otro factor que incide y debe de ser considerado pues hay tres situaciones en las que la pureza de los datos puede afectar los resultados.
- Esta disciplina, conocida como Ciencia de Datos (Data Science en inglés) es la segunda componente en la metodología de análisis de datos a gran escala.
El crecimiento en el volumen de datos generados por diferentes sistemas y actividades cotidianas en la sociedad ha forjado la necesidad de modificar, optimizar y generar métodos y modelos de almacenamiento y tratamiento de datos que suplan las falencias que presentan las bases de datos y los sistemas de gestión de datos tradicionales. Respondiendo a esto aparece Big Data, término que incluye diferentes tecnologías asociadas a la administración de grandes volúmenes de datos provenientes de diferentes fuentes y que se generan con rapidez [1]. Uno de los primeros y más destacados artículos publicados en el tema de big data fue presentado por Chen et al. (2012), donde se aborda el impacto de estas tecnologías en las organizaciones y se describe cómo el análisis de la información ha evolucionado a un ritmo acelerado, lo que plantea la posibilidad de una escasez de profesionales capacitados en esta área del conocimiento en el corto plazo. Los datos generados por el big data se han extendido a diversas industrias y funciones organizacionales, convirtiéndose en una fuente de valor, acelerando el crecimiento y promoviendo la competitividad (Elgendy et al., 2022), mientras también apoya la toma de decisiones (Manyika et al., 2015). A pesar de esto, el potencial completo de estas tecnologías aún no ha sido explotado, y la curva de adopción del big data para la gestión de la cadena de suministro en las organizaciones sigue siendo relativamente baja (Akter et al., 2016).
IA en las empresas: ¿Potencial o riesgo?
Según otro concepto cercano, la cadena de suministro también se refiere a la gestión de una red de relaciones internas y externas de una empresa, que comprende el flujo de materiales, producción, logística, marketing y sistemas relacionados desde el productor original hasta el cliente final con el objetivo de agregar valor, maximizar la rentabilidad y generar satisfacción (Stock y Boyer, 2009). El big data es una herramienta clave para la toma de decisiones en las organizaciones actuales, ya que permite operar de manera más rápida y eficiente con grandes cantidades de datos (Maheshwari et al., 2021; Witkowski, 2017). El big data se define como la gestión de macrodatos en términos de volumen, velocidad y variabilidad, lo que requiere una arquitectura escalable para su almacenamiento y análisis eficiente (Winkelhaus https://noesfm.com/conoces-los-frameworks-modernos-una-guia-para-utilizarlos-en-el-desarrollo-web/ y Grosse, 2020; Corrêa et al., 2020). En la exploración se encontró que el termino Big Data ha tenido gran acogida en la comunidad, representado esto en el surgimiento de tecnologías, técnicas y enfoques.Sin embargo, se presenta aún una marcada tendencia hacia los aportes de tipo conceptual, son pocos los resultados y hallazgos que permitan realmente vislumbrar de forma tangible sus beneficios frente a otras tendencias o tecnologías tradicionales. Los trabajos se concentran, en su gran mayoría, en asociar Big Data a grandes volúmenes de datos o a la distribución de procesamiento. En el primer caso, no es claro cuál es la cantidad de datos que permite esta calificación; y para el segundo, no hay coincidencia en determinar para qué tipo de datos el procesamiento distribuido consigue mejores resultados.
- Por eso, la captura ininterrumpida de la información no solo permite abordar el fenómeno de la opinión pública de manera compleja y fluida, sino también sortear situaciones que son tradicionalmente adversas a las metodologías de encuestas que representan una “toma instantánea” altamente influenciada por la contingencia.
- En este sentido, los investigadores quedan a merced de las empresas que sirven de intermediarios, en la medida en que estás deben poner la información a disposición, muchas veces de manera limitada.
- A pesar de que existen leyes contra el mal tratamiento y uso de los datos, estas aún son deficientes y tienen vacíos legales que organizaciones privadas aprovechan para su beneficio y el de sus clientes.
- Sugimoto, Ding y Thelwall (2012) afirman que ya en el marco de nuestro campo se ha intentando comprender esta realidad a partir de la webometrics, orientada a recopilar y analizar datos en la web en una gran escala en términos de desarrollo de software para descargar datos de la web y de métodos específicos para analizar la información (por ejemplo, análisis de enlaces).
- LiCO proporciona una interfaz única para implementar, monitorear y administrar cargas de trabajo de IA al abstraer la complejidad del clúster para los usuarios.
