Es común que las personas utilicen los términos datos, información, conocimiento e inteligencia de manera intercambiable, pero en realidad cada uno de ellos tiene un significado muy diferente. En una organización, donde las conversaciones son la base de las operaciones, el almacenamiento de estos detalles a menudo es una gran preocupación. ¿Dónde terminan estas conversaciones y cómo se utilizan? En este artículo, vamos a explorar el concepto de los términos datos, información, conocimiento e inteligencia, así como la importancia de utilizar registros de almacenamiento de manera más eficiente con la ayuda de la Inteligencia Artificial.
- Definición de datos:
- Definición de información:
- Definición de conocimiento:
- Diferencias clave entre datos, información y conocimiento:
- Por qué el conocimiento y la sabiduría a menudo están ocultos:
- Datos oscuros y análisis oscuros:
- Cómo los equipos y empleados de las organizaciones pueden utilizar la minería de datos oscuros:
Definición de datos:
Los datos se entienden de diferentes formas en varios sectores. En su forma básica, los datos son un conjunto de símbolos y caracteres cuyo significado solo se vuelve claro cuando se conectan con un contexto. La recolección y medición de observaciones generan datos. Por lo general, las máquinas envían, reciben y procesan datos. La confusión entre datos e información a menudo surge porque la información se crea a partir de datos. Además, los datos a menudo se interpretan como hechos en el contexto del significado coloquial y, por lo tanto, se consideran información. Se puede destacar que las computadoras son muy buenas para procesar datos; ahora están aprendiendo a darle sentido para obtener información con la ayuda del Aprendizaje Automático.
Definición de información:
Los datos alcanzan un nivel más complejo y se convierten en información al integrarlos en un contexto. La información proporciona conocimientos sobre hechos o personas. Un ejemplo de información es la fecha de nacimiento, que tiene poco valor si no se sabe a qué persona pertenece. Al agregar más información, como el nombre y otros datos interconectados, se representa el conocimiento.
Definición de conocimiento:
El conocimiento describe la información recopilada que está disponible sobre un hecho o una persona en particular. El conocimiento de una situación específica permite tomar decisiones informadas y resolver problemas. Así, el conocimiento influye en el pensamiento y las acciones de las personas. Las máquinas también pueden tomar decisiones basadas en nuevos conocimientos generados a partir de la información. Para adquirir conocimiento, es necesario aplicar esta información.
Conocimiento implícito: Conocimiento que no está escrito ni almacenado digitalmente. Es procedimental o parte de la práctica y no depende del contexto de un individuo. Gran parte del conocimiento institucional es implícito, generalmente solo memoria muscular de las personas en la organización. También se conoce como conocimiento tribal que no está documentado.
Conocimiento explícito: Conocimiento que está escrito y accesible. Puede estar en forma de papel o digital. Ejemplos incluyen manuales de capacitación, políticas de devolución o información documentada sobre productos.
Diferencias clave entre datos, información y conocimiento:
- Los datos son fragmentos de símbolos y caracteres que carecen de significado por sí solos, la información es datos refinados y el conocimiento es información útil.
- Los datos pueden carecer de contexto cuando se ven de forma individual, la información proporciona contexto a los datos y el conocimiento brinda una comprensión más profunda de esa información.
- Los datos son incomprendibles de forma independiente, pero la información se comprende y el conocimiento se entiende.
- Los datos carecen de estructura y significado, la información mejora la representación y el conocimiento amplía la conciencia.
- Los datos y la información por sí solos no son suficientes para hacer predicciones, pero el conocimiento permite hacer predicciones basadas en la experiencia.
- Los datos no pueden ser la base para formular preguntas, la información responde a preguntas como quién, cuándo, qué o dónde, mientras que el conocimiento responde a preguntas de por qué y cómo.
- Los datos y la información son fáciles de transferir, pero transferir conocimiento requiere aprendizaje.
Gran parte del conocimiento y la información adquiridos por los empleados a través de conversaciones con colegas, clientes y partes interesadas no se almacenan de manera adecuada. Las interacciones entre estas partes suelen estar fragmentadas y almacenadas en sistemas de registro aislados.
Considerando que hay muchas de estas conversaciones, los registros rápidamente se vuelven irrelevantes. El contexto de la interacción se pierde y se convierte en datos oscuros que se almacenan en un archivo. Si estos fragmentos de información y conversaciones a través de mensajes de texto, llamadas telefónicas, correos electrónicos, etc., no se almacenan adecuadamente, pueden convertirse en datos oscuros, que son tan buenos como perdidos. Por lo tanto, las organizaciones necesitan reinventar constantemente la rueda y hacer las mismas preguntas una y otra vez, así como descubrir quién es experto en qué.
Datos oscuros y análisis oscuros:
Según un estudio realizado por IBM en 2018, más del 80% de todos los datos son oscuros y no estructurados, y se espera que esta cifra aumente al 93% para finales de 2020.
El término datos oscuros puede ser confuso, ya que en realidad no hay nada oscuro en ellos. De hecho, pueden ser la solución para muchas empresas. Al igual que el Big Data, los datos oscuros son un concepto de moda que se escucha mucho hoy en día.
Para entender su importancia, vamos a proporcionar una explicación detallada del término.
¿Qué son los datos oscuros?
Los datos oscuros se pueden definir como los activos de información que las organizaciones recopilan, procesan y almacenan durante sus actividades comerciales regulares, pero que generalmente no se utilizan para otros fines.
En pocas palabras, las organizaciones recopilan una gran cantidad de datos no estructurados, que incluyen desde datos brutos de encuestas hasta perfiles de empleados anteriores e información de clientes, y la mayoría de estos datos nunca se utilizan. Hoy en día, la mayoría de las empresas tienen una cantidad significativa de datos oscuros almacenados en sus repositorios, pero solo unas pocas se dan cuenta de que este tesoro existe o pueden obtener valor de él.
Los datos oscuros se mantienen en repositorios de datos, son datos no estructurados y sin explotar que aún no se han procesado ni analizado. Se encuentran en archivos de registro y archivos de almacenamiento de datos. Una situación complicada para cualquier empresa es cuando cada interacción, transacción y compromiso se captura. En este caso, las empresas deben priorizar: qué datos utilizar y qué datos guardar para el futuro. A menudo, esto resulta en grandes cantidades de datos no estructurados o semi-estructurados almacenados en archivos de registro o archivos de datos en caso de que sean necesarios en el futuro.
Cómo los equipos y empleados de las organizaciones pueden utilizar la minería de datos oscuros:
Para muchas empresas, los datos oscuros representan una parte importante de todos los datos almacenados. Por lo tanto, es crucial comprender los casos de uso de los datos oscuros.
Hay mucho que obtener de los datos oscuros y a continuación se mencionan algunas formas en que se pueden utilizar:
Registros de asistencia al cliente:
Si eres como la mayoría de las empresas, probablemente mantengas registros de las interacciones de soporte al cliente. Es importante no mantener estos datos en la oscuridad durante mucho tiempo o utilizarlos solo cuando surge un problema con un cliente. En su lugar, aprovecha los datos para comprender cuándo es probable que tus clientes se pongan en contacto contigo y cuáles son sus métodos de contacto preferidos.
Datos de máquinas en red:
Se generan grandes cantidades de datos de máquinas relacionados con las operaciones de red, como servidores, firewalls, monitoreo de redes y otras partes de tu entorno. Al utilizar esta información para analizar la seguridad de la red y monitorear los patrones de actividad de los datos, puedes evitar los datos oscuros en la red y asegurarte de que la estructura de la red nunca se utilice en exceso o subutilice.
¿Se pueden utilizar para el análisis de datos?
Las organizaciones pueden analizar los datos oscuros para desarrollar un mayor contexto y descubrir tendencias, patrones y relaciones que se pierden durante las actividades normales de inteligencia empresarial y análisis. Analizar datos oscuros valiosos podría brindar a tu empresa información que no tiene actualmente.
Ahora que entendemos el concepto de datos, información, conocimiento e inteligencia, podemos comprender por qué los datos se vuelven oscuros. La clave está en cerrar la brecha para ayudar a los empleados a acceder a la información que se puede utilizar para el crecimiento de la organización a través de una mejor interacción con los clientes.
Si quieres conocer otras notas parecidas a Concepto de datos, información, conocimiento e inteligencia puedes visitar la categoría Inteligencia.