________________________________________
From: EDWARD J. MCDONNELL
Sent: Friday, November 15, 2013 18:55
To:
Marco Barcenas Puga
Cc:
nedmcd.peacecorps@gmail.com
Subject:
Artículos semanales. Hacia la gerencia de
datos, frente a aquella de conocimientos, ambas como insumos en la T.T.
Estimadas damas y
respetados caballeros,
Aquí tienen los
artículos semanales. Primordialmente, quiero dar una bienvenida cálida al Sr.
Marco Bárcenas-Puga; este consultor brillante fue el líder técnico para el
despliegue exitoso de, y el instructor principal en cómo aplicar, el E.P.M. a
través de CIDESI Como un líder interno
aquí, el Sr. Bárcenas será un agente de cambio entre ustedes. Sin necesidad decirlo, es un paso propicio
ahora tomado por su Centro hacia la transferencia de tecnología. Resumen de
Noticias. De veras la semana estaba lento
excepto para actividades en nanotecnología y nano ciencia a través del mundo
ibérico, junto con desarrollos en aeronáuticos en Querétaro y la lucha cada vez
intensa sobre la privatización parcial de PEMEX.
En las ciencias, hay dos cumbres nanotecnológicas en
SurAmérica esta semana mientras que la nanotecnología tiene visionarios
fanáticos en España. En las aeronáuticas, Airbus cree que
pedidos van a superar el nivel clave de 1.200 jets en 2013 mientras que Boeing
está progresando a través de sus problemas con el jet ‘787Dreamliner’. A continuación, se encuentra un discusión
sobre una nueva norma aeronáutica sobre la seguridad.
El Nuevo
Anexo 19 sobre sistemas de gestión de la seguridad para la aviación
En el tecnovación americana, hay tendencias financiación de las PYME,
con ideas revolucionarias para productos de tecnología, mientras que Nuevo León
es el establecimiento y la financiación de una incubadora para transferir la
tecnología. En la Dirección queretana,
hay algunas preocupaciones emergentes sobre la expansión por delante de
Querétaro mientras China está perdiendo prestigio en un momento cuando hay
incertidumbre creciente sobre sus políticas económicas.
La lectura para
esta semana hace frente a dos temas claves para los próximos años de CIDESI.
Primeramente, ¿cuáles son las preguntas importantes que la Dirección General
debería tener en su evaluación de sistemas actuales o posibles de T.I.?
(McKINSEY QUARTERLY). Sin embargo, es necesario
entender el impacto de ‘BIG DATA’ en el mundo contemporáneo (FOREIGN
AFFAIRS; NEW YORK TIMES). (http://online.wsj.com/article/SB10001424052702303618904579169940150748838.html?mod=WSJS_gestion_LeadStory). Gracias,
como siempre, a la Sra. Magda Durán-Robledo, un editor extraordinario por
razones más allá de su belleza, paciencia y cortesía.
Además, aquí está
una discusión sobre la disponibilidad y riesgos de ‘BIG DATA’, como se aplican
por aquellos sin temperamentos adecuados. Gracias al Sr Roy Rajan, cooperante
anterior del Cuerpo de Paz, por haberme enviados estos dos artículos traducidos
oportunos. En esas traducciones, es interesante que la aplicación de los datos
infinitos sea similar a la filosofía presentada la semana pasada del análisis
financiero.
Introducción: un dilema táctico durante la edad de la información
Esta penúltima
carta sobre los desafíos frente al Centro no implica finanzas ni contabilidad
directamente. La carta para la semana
que viene se ha cancelado para dar paso al cincuenta aniversario del asesinato
del presidente Kennedy. De hecho, aborda la creación, divulgación y
administración de los conocimientos dentro de CIDESI. Con el despliegue del
E.P.M. en progreso rápido, este reto se emergerá como una tensión entre el
software del E.P.M. y la próxima generación de BAAN recientemente introducida a
algunos miembros del Centro.
- BAAN es un sistema centralizado, de arriba hacia abajo, para controlar la contabilidad de recursos
- el E.P.M. es un software, de abajo hacia arriba, para asignar y seguir recursos.
Entidades
verdaderamente innovadores tienen éxito en mantener un equilibrio entre ‘la
toma descentralizada de decisiones’ frente a ‘rendición de cuentas
centralizada’; es decir, entre eficacia externa versus eficacia interna. La
gerencia de una tal desarmonía creativa se vuelve crítica cuando se debe
enfrentar a una elección entre la liberación del talento (el elemento
indefinido – o, ‘fuzzy’ – de innovación) frente a la codificación de
hechos. Una se enfoca en los
conocimientos principalmente tácitos, mientras que la otra intenta sistematizar
conocimientos explícitos.
Entonces, ¿dónde se encuentra su Centro ahora?
Primordialmente,
CIDESI necesita dos funcionarios establecidos en una oficina de transferencia
de tecnología (O.T.T.). Estos socios
iguales tendrán enfoques opuestos. El
oficial de la transferencia de tecnología se debe centrar fuera de su
Centro en buscar conexiones mediante las que CIDESI pueda canalizar tecnología,
servicios o conocimientos. El otro intermediario de información debe fomentar
discusiones animadas, aún polémicas, entre miembros de las varias disciplinas.
Asimismo, su Centro necesita un sistema que puede conciliar la emoción
imprecisa de la creatividad con los datos duros informados a la S.H.C.P. para
minimizar el fraude, desperdicio y abuso de los recursos mexicanos.
Dicho mandato es
muy difícil de establecer y sostenerlo con el tiempo. De veras, la innovación es un desperdicio
evidente de recursos hasta que esa única idea – emergente de vez en cuando –
prospera en el mercado para compensar, más que adecuadamente, por las muchas
decepciones anteriores. Sin embargo, su Centro tiene el deber de cumplir las
obligaciones de un fiduciario en salvaguardar el patrimonio del pueblo
mexicano. Es porqué todo este
"blablabla" (es decir, 'la innobloviación') de la reestructura, con
sus cambios culturales, tiene una significado primordial para cada uno de
ustedes.
Si, en sus
prácticas de aquí en adelante, CIDESI insiste en mantener el sentido
tradicional de la jerarquía – incrustado profundamente en el psique mexicano
por cuatro siglos (al menos) – las probabilidades de una prosperidad futura,
independiente del gobierno, serán nulas. Por tanto, y con sabiduría, su Centro
ha elaborado un sistema desarticulado que refleja esta dualidad difícil por
ahora. Dos sistemas comprenden tres
funciones.
Primero, se
encuentra BAAN, que es un sistema informático configurado para manejar ambos
conjuntos de cuentas (es decir de contabilidad y presupuestales) requerido en
virtud de las leyes mexicanas. Normalmente,
desde la perspectiva de la diligencia debida, dos conjuntos de libros contables
presentarían una causa para preocuparse, pero México tiene un propósito en
dividir las cuentas en dicha manera. Un
lado es la contabilidad financiera tradicional realizada sobre una base
devengada de emparejar los ritmos de los ingresos y gastos. El otro es un
sistema para seguir los flujos de efectivo para asegurar la solvencia y la
liquidez de la tesorería.
De otro lado,
CIDESI cuenta ahora con un sistema de gestión de proyectos de alto precio en el
E.P.M., que se está implementando. El
énfasis del E.P.M. se centra menos en contabilidad y más hacia la asignación de
recursos y el aprendizaje organizacional.
Su Centro ha apostado para una creativa, si temporal, esquizofrenia más
bien que una integración inmediata entre dos sistemas muy diferentes, con fines
divergentes y con base en la programación incompatible. Por tanto, el E.P.M. es una parte de la
Dirección General de Operaciones mientras que BAAN se queda en T.I.C.
¡Qué camino a seguir!
Este modus vivendi
no durará cuando las funciones se superponen y personalidades salen a la
palestra. Así, ¿qué se puede hacer? En
servir fielmente como el tonto de pueblo durante los últimos tres años, he
llegado a conocer bien este Centro. Una creencia cierta que tengo es que el
Departamento de T.I.C. es demasiado grande, con veinticinco personas para menos
de cuatrocientas personas a través de su Centro. En virtud de su tamaño y
presupuesto, T.I.C. no debería tener más de entre ocho y doce profesionales. Es
decir, sencillamente: es demasiado centralizado.
De hecho, las
funciones de la administración de información y conocimientos deben dividirse
para evitar la confusión entre datos y conocimientos; información y
aprendizaje. Por tanto, entre trece y diecisiete de las profesionales dentro de
T.I.C. se deben reasignar a las Direcciones operativas, gerencia general y
administración. Además, tales individuos
reasignados deben estar debajo de la supervisión conjunta de la nueva división,
así como a la Dirección de Operaciones (E.P.M.) y a T.I.C. (BAAN). Ellos,
entonces, serán los mediadores humanos entre los dos sistemas.
Dichos expertos
asumirían cuatro funciones con un rico contenido de trabajo:
- agentes de conocimientos capaces de resolver problemas técnicos para sus divisiones respectivas;
- espontáneos nodos de red para el flujo libre de las ideas y sugerencias a través del Centro; así como,
- una fuente contingente de apoyo auxiliar.
¡Ay buena pena!...¿Qué paso adelante?
Sin embargo, cada
‘gran salto adelante’ (Hola, Mao Tse-tung…¡otra vez!) comienza con un mero
paso. Así, ¿qué paso puede ser esto? La
señal dominante tendría que aclarar que su Centro ya no está anclado en la
jerarquía del pasado pero ahora está surgiendo como una incubadora de
vanguardia de innovación. Este paso
simbólico tendría que ser fácil a realizar para impulsar a ustedes hacia una
transformación cultural. Tal paso revolucionario tendría que enfatizar el
panorama al largo plazo sobre control diario. Al final, caminar como esto
tendría que inducir a los valientes entre ustedes a integrar ideas divergentes
y especulativas. Yo digo
'valientes' porque, como discutido hace
ocho meses exactamente (http://articulosdeneddy.blogspot.mx/2013/03/cidesi-articles-for-march-15th.html),
los visionarios a menudo despiertan la envidia de los seres inferiores.
Y, sí, hay un paso
que su Centro puede tomar – aquí y ahora
– que vaya a lograr todas estas ambiciones enumeradas antes fácilmente, rápido
e indeleblemente.
Eso sería la
terminación inmediata del seguimiento todo el día, cada día, de los movimientos
de los profesionales por medio del uso de sus credenciales. Esta política no
solo trata a los empleados como niños que no se puede confiar, sino este
control les dice que ellos – y sus mentes – son meras materias primas. Los
niños pueden soñar, pero no puedan innovar; las materias primas pueden alcanzar
un precio en el mercado, pero nunca añadan valor.
Les guste o no, la
innovación es un asunto confuso de prueba y error, a menudo emergiendo del
tiempo libre, pasando en tomar un capuchino con otros de disciplinas ajenas en
un área común dedicada para descansar. Si su Centro, o cualquier lugar, tiene
suerte, una idea, tal vez dos, pueda surgir cada dos o tres años para hacer
todos los previos errores – ahora embebidas en la nueva idea beneficiosa – todas las molestias menores y desperdicio
evidente vale la pena. Finalmente, en nuestra época de ‘BIG DATA’ en poco
tiempo, su desafío clave no es tan mucho cuál tecnología para usarse pero
cuando se debe usarla.
Que todos tengan
una buen y largo fin-de-semana.
La carta para
la semana que viene se ha cancelado para conmemorar el asesinato del presidente
Kennedy en 1963. La última carta en esta serie se distribuirá el viernes el 29
de noviembre. Gracias.
Gracias
y saludos,
Ned
Edward
J. McDonnell III, CFA
Peace
Corps-México
USMX.: 860-690-1740
SKYPE:
nedmcd3
CONACYT, I.P.N. y CIENCIA
Resumen de los diez
otros (10) artículos semanales
CONACYT et al.: nano-pioneros
ESP; COL-mec; nano-tec viene a Valencia; nano-cumbre en B.A.; nano-bio ESP;
Lufthansa darle gracias el ingeniero principal del jet ‘747’; nano-cumbre en
PER; un 17% más para las ciencias MX; hasta de USD 200 millones de recortes
para universidades MX
R & D + i: nuevo adhesivo
aeronáutico; tecnología y textiles en AC; mecatrónica en Veracruz; H.P.
colaborando con Nanum Nanotecnología; reflexiones sobre nano-ciencia; aquí
viene Rolls Royce en 3-D
AERONÁUTICAS
Resumen de doce otros
(12) artículos semanales
Países
Ibéricos: CHL movilizándose por paz; cohete ARG listo; ESP preparando
satélite; nueva escuela de aviación HON; MX necesita planeación nacional
Inteligencia
Competitiva: nuevo líder del aero-clúster en AND; aero-expo en UAE los 17-19
de noviembre con 20 empresas rusas; ESP probando drones; 3° Sukhoi-100 para
InterJet; buenas pruebas por Airbus; empresa B.C. logra NADCAP; empresa ESP
mejor proveedor a Embraer; EADS eliminando empleos; pedidos pronosticados por
Airbus más de 1.200 en 2013
Otras
Noticias: pequeño problema 787 JAP; Boeing probando el jet 787-9;
satélites PER; Abertis comprando el 17% del Hispasat por MXN 3.000 millones;
estación internacional atacada por virus informático; caer JAP; ¿Hyundai o Kia
sobre la Luna?
TECNOVACIÓN AMERICANA, ENERGÏA y
AUTOMOTRIZ
Resumen de trece otros
(13) artículos semanales
MÉXICO et al.: innovaciones
en TIC; 10 tips por Jack Dorsey; ¿demasiada privacidad deseada BRA?; incubadora
N.L.; MIT+ESP=T.T.; PyME puede pensar grande
Energía: POL y carbón;
dilema de privatización MX; escasez costosa de gas natural MX; riesgos
renovables; CHI en PER;
Automotriz: secreto de
éxito CdS; ¿Hyundai o BMW en Bajío?; GM mueve su oficina de CHI a Singapur;
Bosch et al. en JAL (¿Jalemania?); crecimiento automotriz por un 20% en CHI
octubre
Querétaro, Dirección General, etc.
(población estatal de dos millones)
Resumen de trece otros (13) otros
artículos semanales
Inteligencia competitiva: mecatrónica en SON;
desempleo de un 6% en COA; ¿Mitsu-bishi con Boeing para alas del jet-777?;
riesgos de BIG-DATA; microcréditos en EUR; D.F. ama a Chicago
QUERÉTARO: colaboración con OnStar;
ITESM y GM colaborar; inversiones incrementando por 21% en 2013; QRO no
progresando sobre cadena de valor; tal vez un aero-centro en 2014; incubadoras
floreciendo
Dirección General: vigilancia en ARG; CHI
crecimiento un 7%; F.A.R.C. rechazadas; peligros en LatAm; BMV cayendo con
compras por consumidores en MX; MX ralentización en nuevos empleos MX por 75
mil en trimestre; declive de construcción MX por el 8%; economía misterio CHI;
deceleración en EuroZona; CdS tiene ‘soul’; fracaso de las viejas recetas
económicas; violencia MX consumiendo un 1.3% del PIB
===================
===================
The Rise of Big-Data
|
El aumento de los ‘InfiniDatos’
|
||||
FOREIGN AFFAIRS: Focus; Cukier, Kenneth Neil and Mayer-Schoenberger, Viktor; mayo-junio 2013
|
|||||
Big data
starts with the fact that there is a lot more information floating around
these days than ever before, and it is being put to extraordinary new uses.
Big data is distinct from the Internet, although the Web makes it much easier
to collect and share data. Big data is about more than just communication:
the idea is that we can learn from a large body of information what we could
not comprehend when we used only smaller amounts.
|
Grandes datos (Big Data) se inician con el hecho de que
hay mucha más información flotando alrededor en estos días. Ellos se están
poniendo a los nuevos usos extraordinarios. Big Data son distintos de la
inter-net, aunque la net hace mucho más fácil de recoger y compartir tales
datos. Big Data son sobre más que apenas la comunicación: la idea es que
podemos aprender de un gran cuerpo de información de lo que no podíamos
comprender con cantidades más pequeñas en años pasados.
|
||||
The
explosion of data is relatively new. As recently as the year 2000, only
one-quarter of all the world’s stored information was digital. The rest was
preserved on paper, film, and other analog media. But because the amount of
digital data expands so quickly -- doubling around every three years -- that
situation was swiftly inverted. Today, less than two percent of all stored
information is non-digital.
|
La explosión de datos es nueva. En 2000, sólo una cuarta
parte de toda la información almacenada en el mundo era digital. El resto se
conservó en papel, el cine y otros medios analógicos. Pero debido a la
cantidad de datos digitales que ha expandido tan rápidamente - duplicándose
cada tres años - esa situación cambió rápidamente. Hoy en día, menos de 2% de
toda la información almacenada no es digital.
|
||||
Given
this massive scale, it is tempting to understand big data solely in terms of
size. But that would be misleading. Big data is also characterized by the
ability to change into data many aspects of the world that have never been
quantified before; call it “datafication.” For example, location has been
datafied, first with the invention of longitude and latitude, and more
recently with GPS satellite systems. Words are treated as data when computers
mine centuries’ worth of books. Even friendships and “likes” are
datafied, via Facebook.
|
Dada esta escala, se tiene la tentación de comprender big
data exclusivamente en términos de tamaño. Pero eso sería engañoso. Big data
también se caracterizan por la capacidad de transformar muchos aspectos del
mundo dentro de nuevos datos que no han sido cuantificados antes. Se puede
llamarlo "dataficación." Por ejemplo, el posicionamiento se ha 'dataficado', primero con la invención
de longitud y latitud, y más recientemente con los sistemas de satélites de
GPS. Las palabras se tratan como datos cuando los ordenadores recorren siglos
de libros. Incluso las amistades y "likes" se 'datafican', a través
de Facebook.
|
||||
This kind
of data is being put to incredible new uses with the assistance of
inexpensive computer memory, powerful processors, smart algorithms, clever
software, and math that borrows from basic statistics. Instead of trying to
“teach” a computer how to do things, such as drive a car or translate between
languages, which artificial-intelligence experts have tried unsuccessfully to
do for decades, the new approach is to feed enough data into a computer so
that it can infer the probability that, say, a traffic light is green and not
red or that, in a certain context, lumière is a more appropriate substitute
for “light” than léger.
|
Este tipo de datos se está poniendo a los nuevos usos
increíbles con la ayuda de la memoria del ordenador barata, potentes
procesadores, algoritmos inteligentes, software inteligente, y matemáticas
que se basan en las estadísticas básicas. En lugar de tratar de
"enseñar" a una computadora cómo hacer las cosas, como conducir un
automóvil o traducir entre idiomas -- una tarea que los expertos de
inteligencia artificial han intentado sin éxito hacer por décadas, el nuevo
enfoque es alimentar suficientes datos en una computadora para que se puede
inferir la probabilidad de que, por ejemplo, un semáforo está en verde y no
en rojo, o que, en cierto sentido, lumière es un sustituto más adecuado que léger
para la "luz".
|
||||
Using
great volumes of information in this way requires three profound changes in
how we approach data. The first is to collect and use a lot of data rather
than settle for small amounts or samples, as statisticians have done for well
over a century. The second is to shed our preference for highly curated and
pristine data and instead accept messiness: in an increasing number of
situations, a bit of inaccuracy can be tolerated, because the benefits of
using vastly more data of variable quality outweigh the costs of using
smaller amounts of very exact data. Third, in many instances, we will need to
give up our quest to discover the cause of things, in return for accepting
correlations. With big data, instead of trying to understand precisely why an
engine breaks down or why a drug’s side effect disappears, researchers can
instead collect and analyze massive quantities of information about such
events and everything that is associated with them, looking for patterns that
might help predict future occurrences. Big data helps answer what, not why,
and often that’s good enough.
|
La aplicación de grandes volúmenes de información de esta
manera requiere tres cambios profundos en la forma en que nos acercamos a los
datos. La primera consiste en recopilar y utilizar una gran cantidad de datos
en lugar de conformarse con pequeñas cantidades o conjuntos, como los
estadísticos han hecho por más de un siglo. La segunda es dejar de nuestra preferencia por los datos muy
precisos y prístinos. En cambio, debemos aceptar desorden: en un número cada
vez mayor de situaciones, un poco de falta de precisión puede ser tolerada,
ya que los beneficios de usar mucho más datos de calidad variable son mayores
que los costos de la utilización de menores cantidades de datos muy exactos.
En tercer lugar, en muchos casos, tendremos que abandonar nuestra búsqueda
para descubrir la causa de las cosas, a cambio de la aceptación de las
correlaciones. Con big data, en lugar de tratar de entender exactamente
porqué un motor se rompe o porqué efecto secundario de una droga aparece, los
investigadores pueden recolectar y analizar cantidades masivas de información
sobre este tipo de eventos y todo lo que se asocia con ellos, en busca de
patrones que podrían ayudar a predecir los acontecimientos futuros. Big data
ayudan a responder a lo que, no es por eso. Muchas veces eso es suficiente.
|
||||
APPROACHING "N=ALL"
|
ACERCÁNDOSE hacia ‘N=TODO’
|
||||
Modern
sampling is based on the idea that, within a certain margin of error, one can
infer something about the total population from a small subset, as long the
sample is chosen at random. When there was not that much data around,
researchers had to make sure that the figures they bothered to collect were
as exact as possible. Tapping vastly more data means that we can now allow
some inaccuracies to slip in (provided the data set is not completely
incorrect).
|
La toma de muestras moderna se basa en la idea de que,
dentro de un cierto margen de error, se puede inferir algo acerca de la
población total de un pequeño grupo, mientras que el conjunto se elige al
azar. Cuando no había que muchos datos fácilmente disponibles, los
investigadores tenían que asegurarse que dichos pocos datos recogidos eran
tan exactas como sea posible. Aprovecharnos de mucho más datos significa que
ahora podemos permitir que algunos errores (siempre que el conjunto de datos
no sea totalmente falso).
|
||||
FROM CAUSATION TO CORRELATION
|
DESDE CAUSA HACIA CORELACIÖN
|
||||
These two
shifts in how we think about data -- from some to all and from clean to messy
-- give rise to a third change: from causation to correlation. This
represents a move away from always trying to understand the deeper reasons
behind how the world works to simply learning about an association among
phenomena and using that to get things done.
|
Estos dos cambios en la forma en que pensamos acerca de
los datos - desde algunos a todos, así como desde limpio a sucio - dan lugar
a un tercer cambio: desde la causalidad hacia la correlación. Esto representa
un alejamiento de siempre tratar de comprender las razones profundas detrás
de cómo funciona el mundo, en favor de percibir una asociación entre los
fenómenos y su utilidad en hacer cosas.
|
||||
Medicine
provides another good example of why, with big data, seeing correlations can
be enormously valuable, even when the underlying causes remain obscure. In
February 2009, Google created a stir in health-care circles. Researchers at
the company published a paper that showed how it was possible to track
outbreaks of the seasonal flu using nothing more than the archived records of
Google searches. Google handles more than a billion searches in the United
States every day and stores them all. The company took the 50 million most
commonly searched terms between 2003 and 2008 and compared them against
historical influenza data from the Centers for Disease Control and
Prevention. The idea was to discover whether the incidence of certain
searches coincided with outbreaks of the flu -- in other words, to see
whether an increase in the frequency of certain Google searches conducted in
a particular geographic area correlated with the CDC’s data on outbreaks of
flu there. The CDC tracks actual patient visits to hospitals and clinics
across the country, but the information it releases suffers from a reporting
lag of a week or two -- an eternity in the case of a pandemic. Google’s
system, by contrast, would work in near-real time.
|
Medicina es otro buen ejemplo de por qué, con big data,
viendo las correlaciones pueden ser de gran valor, incluso cuando las causas
subyacentes siguen siendo oscuros. En febrero de 2009, Google creó un revuelo
en los círculos de salud. Los investigadores de la compañía publicaron un
documento que mostraba cómo era posible seguir los brotes de la gripe
estacional usando nada más que los registros archivados de las búsquedas
mediante Google. Google maneja más de mil millones de búsquedas en Estados
Unidos todos los días y almacena todas. La compañía tomó los 50 millones de
términos más buscados entre los años 2003 y 2008 y los compararon con los
datos históricos sobre la gripe de los Centros para el Control y Prevención
de Enfermedades (el C.D.C.). La idea era descubrir si la incidencia de
determinadas búsquedas coincidió con los brotes de la gripe - en otras
palabras, para ver si un incremento en la frecuencia de ciertas búsquedas
mediante Google, realizadas en una zona geográfica determinada, era relacionado
con los datos del C.D.C. sobre los brotes de la gripe en las mismas áreas. El
C.D.C. registra las visitas reales de pacientes a los hospitales y clínicas
de todo el país, pero la información diseminada sufre de un retraso de la notificación
de una semana o dos - una eternidad en el caso de una pandemia. El sistema de
Google, por el contrario, iba a funcionar casi en tiempo real.
|
||||
Google
did not presume to know which queries would prove to be the best indicators.
Instead, it ran all the terms through an algorithm that ranked how well they
correlated with flu outbreaks. Then, the system tried combining the terms to
see if that improved the model. Finally, after running nearly half a billion
calculations against the data, Google identified 45 terms -- words such as
“headache” and “runny nose” -- that had a strong correlation with the CDC’s
data on flu outbreaks. Moreover, the
data were imperfect. But the sheer size of the data set more than compensated
for its messiness. The result, of course, was simply a correlation.
|
Google no había pretendido saber cuáles términos de
búsqueda serían los mejores indicadores. En su lugar, corrieron todos los
términos a través de un algoritmo que clasificaban los datos por nivel de correlación con los brotes de gripe. A
continuación, el sistema ha intentado combinar los términos para ver si eso
mejoraría el modelo. Finalmente, después de correr casi quinientos millones
de cálculos con respecto a datos, Google identificó 45 términos - palabras
como "dolor de cabeza" y "flujo nasal" - que tuvieron una
fuerte correlación con los datos del C.D.C. sobre los brotes de gripe. Por
otra parte, los datos eran imperfectos. Sin embargo, el tamaño del conjunto
de datos más que compensado por su desorden. El resultado, por supuesto, era
una mera correlación.
|
||||
BACK-END OPERATIONS
|
OPERACIONES POR ATRÁS (de back-end)
|
||||
There
will be a special need to carve out a place for the human: to reserve space
for intuition, common sense, and serendipity.
There is no good term yet for this sort of transformation, but
“datafication” seems apt. Once we datafy things, we can transform their
purpose and turn the information into new forms of value.
|
Habrá una especial necesidad de integrar el ser humano:
para reservar espacio para la intuición, el sentido común, y la casualidad.
No hay un buen término, sin embargo, para este tipo de transformación, pero
"dataficación" parece bien. Una vez que 'dataficamos' cosas,
podemos transformar su propósito y convertir la información en nuevas formas
de valor.
|
||||
For
example, IBM was granted a U.S. patent in 2012 for “securing premises using
surface-based computing technology” -- a technical way of describing a touch-sensitive
floor covering, somewhat like a giant smartphone screen. Once it becomes
possible to turn activities of this kind into data that can be stored and
analyzed, we can learn more about the world -- things we could never know
before because we could not measure them easily and cheaply.
|
Por ejemplo, I.B.M. obtuvo una patente en 2012 para
"asegurar las instalaciones que utilizan la tecnología informática
basada en la superficie" - una forma técnica de describir una baja
sensible al tacto que cubre, similar en concepto a una pantalla del
smartphone gigante. Una vez que se hace posible a su vez las actividades de
este tipo en datos que pueden ser almacenados y analizados, podremos aprender
más sobre el mundo - cosas que nunca podríamos saber antes porque no hemos
podido medirlas con facilidad ya bajo costo.
|
||||
BIG DATA IN THE BIG APPLE
|
BIG DATA en la GRAN MANZANA (New York)
|
||||
Big data
will have implications far beyond medicine and consumer goods: it will
profoundly change how governments work and alter the nature of politics. When
it comes to generating economic growth, providing public services, or
fighting wars, those who can harness big data effectively will enjoy a
significant edge over others. So far, the most exciting work is happening at
the municipal level, where it is easier to access data and to experiment with
the information. In an effort spearheaded by New York City Mayor Michael
Bloomberg (who made a fortune in the data business), the city is using big
data to improve public services and lower costs. One example is a new
fire-prevention strategy.
|
Big data tendrán implicaciones más allá de la medicina y
de bienes de consumo: se cambiará profundamente cómo funcionan los gobiernos
y alterar la naturaleza de las políticas. Cuando se trata de generar
crecimiento económico, la prestación de servicios públicos, o guerras,
aquellos que pueden aprovecharse de los grandes datos efectivamente van a
disfrutar de una ventaja significativa sobre los demás. Hasta ahora, el
trabajo más emocionante está sucediendo a nivel municipal, donde es más fácil
acceder a los datos y para experimentar con la información. En un esfuerzo
liderado por el alcalde de Nueva York Michael Bloomberg (quien hizo una
fortuna financiera en los negocios de datos), la ciudad se está utilizando
big data para mejorar los servicios públicos y reducir los costos. Un ejemplo
es una nueva estrategia de prevención de incendios.
|
||||
Illegally
subdivided buildings are far more likely than other buildings to go up in
flames. The city gets 25,000 complaints about overcrowded buildings a year,
but it has only 200 inspectors to respond. A small team of analytics
specialists in the mayor’s office reckoned that big data could help resolve
this imbalance between needs and resources. The team created a database of
all 900,000 buildings in the city and augmented it with troves of data
collected by 19 city agencies. That correlative knowledge has proved
immensely valuable: in the past, building inspectors issued vacate orders in
13 percent of their visits; using the new method, that figure rose to 70
percent -- a huge efficiency gain.
|
Edificios ilegalmente subdivididos son mucho más propensos
que otros edificios para incendiarse. La ciudad recibe 25.000 quejas sobre
edificios superpoblados por año, pero sólo tiene 200 inspectores para
responder. Un pequeño equipo de especialistas en análisis en la oficina del
alcalde creía que grandes volúmenes de datos pudieran ayudarles a resolver
este desequilibrio entre las necesidades y los recursos. El equipo creó una
base de datos de todos los 900.000 edificios de la ciudad y lo amplió con
montones de datos recolectados por 19 agencias de la ciudad. Ese conocimiento
correlacionado ha sido inmensamente valioso: en el pasado, inspectores de la
construcción emitió órdenes de desalojo en el 13% de sus visitas, con el
nuevo método, la cifra se elevó a 70% - una mejora de eficiencia enorme.
|
||||
Big data
is also helping increase the transparency of democratic governance. A
movement has grown up around the idea of “open data,” which goes beyond the
freedom-of-information laws that are now common in developed democracies.
Supporters call on governments to make vast amounts of data that they hold
easily available to the public. The United States has been at the forefront
and many other countries have followed.
|
Big data también están ayudando aumentar la transparencia
de la gobernanza democrática. Un movimiento ha crecido en torno a la idea de
"datos abiertos", que va más allá de las leyes de libertad de
información que ahora sean trillados en las democracias desarrolladas. Los
partidarios llaman a los gobiernos a tomar grandes cantidades de datos
inofensivos para hacerlos a fácil acceso al público. Los Estados Unidos han
estado a la vanguardia y muchos otros países han seguido.
|
||||
BIG DATA OR BIG BROTHER?
|
¿BIG DATA o HERMANO DICTADOR?
|
||||
States
will need to help protect their citizens and their markets from new
vulnerabilities caused by big data. But there is another potential dark side:
big data could become Big Brother. In all countries, but particularly in
nondemocratic ones, big data exacerbates the existing asymmetry of power
between the state and the people. Perhaps
such systems would identify which young people are most likely to shoplift.
There might be decent reasons to get so specific, especially when it comes to
preventing negative social outcomes other than crime.
|
Los Estados tendrán que ayudar a proteger a sus ciudadanos
y sus mercados contra nuevas vulnerabilidades causadas por big data. Pero hay
otra posibilidad de un lado oscuro: big data pueden convertirse en el hermano
dictador. En todos los países, pero especialmente en los no democráticos, big
data agravan la asimetría de poder existente entre el Estado y los
gobernados. Tal vez tales sistemas se identifican cuáles jóvenes son más
propensos a robar en tiendas. Puede haber razones de llegar tan específico,
sobre todo cuando se trata de prevenir los resultados sociales negativos pero
no criminales.
|
||||
For
example, if social workers could tell with 95 percent accuracy which teenage
girls would get pregnant or which high school boys would drop out of school,
wouldn’t they be remiss if they did not step in to help? It sounds tempting.
Prevention is better than punishment, after all. But even an intervention
that did not admonish and instead provided assistance could be construed as a
penalty -- at the very least, one might be stigmatized in the eyes of others.
In this case, the state’s actions would take the form of a penalty before any
act were committed, obliterating the idea of free will.
|
Por ejemplo, si los trabajadores sociales pueden contar
con un 95% de precisión qué señoritas adolescentes podrían quedarse
embarazadas, o cuáles chicos de secundaria se retirarían de la escuela,
¿serían negligentes los trabajadores sociales si no intervienen para ayudar?
Suena tentador. La prevención es mejor que el castigo, sin duda. Sin embargo,
incluso una intervención servicial podría interpretarse como una sanción -
por lo menos, uno podría ser estigmatizado a los ojos de los demás. En este
caso, las acciones del Estado tomaría la forma de un penal antes de la
comisión de ningún acto, destruyendo la santidad de libre voluntad.
|
||||
This
misplaced trust in data can come back to bite. Organizations can be beguiled
by data’s false charms and endow more meaning to the numbers than they
deserve. The figures are frequently inaccurate and were of little value as a
way to measure success. Although it is important to learn from data to
improve lives, common sense must be permitted to override the spreadsheets. A
worldview built on the importance of causation is being challenged by a
preponderance of correlations.
|
Esta fe ingenua en los datos puede volver a mordernos. Las
organizaciones pueden ser engañadas por los falsos encantos de datos y
confieren más sentido a los números que existe dentro de ellos. Las cifras
son frecuentemente inexactas y de poco valor como una manera de medir el
éxito. Si bien es importante aprender de los datos para mejorar la vida, el
sentido común debe permitir superarse a las hojas de cálculo. Una visión del
mundo basada en la importancia de la causalidad está siendo desafiada por una
preponderancia de las correlaciones.
|
||||
KENNETH CUKIER is Data Editor of The Economist. VIKTOR
MAYER-SCHOENBERGER is Professor of Internet Governance and Regulation at the
Oxford Internet Institute. They are the authors of Big Data: A Revolution
That Will Transform How We Live, Work, and Think (Houghton Mifflin
Harcourt, 2013), from which this essay is adapted.
|
|||||
BIG-DATAs’ Little Brother
|
Micro-datos del Gran Hermano
|
||||
The
NEW YORK TIMES; Hardy, Quentin;
el 11 de noviembre 2013
|
|||||
SAN
FRANCISCO — David Soloff is recruiting an army of “hyperdata” collectors. The
company he co-founded, Premise, created a smartphone application that is now
used by 700 people in 25 developing countries. Using guidance from Mr. Soloff
and his co-workers, these people, mostly college students and homemakers,
photograph food and goods in public markets. By analyzing the photos of
prices and the placement of everyday items like piles of tomatoes and bottles
of shampoo and matching that to other data, Premise is building a real-time
inflation index to sell to companies and Wall Street traders, who are hungry
for insightful data.
|
El Valle de Silicio: el Sr. David Soloff está reclutando
un cuerpo de excavadores de ‘híper-datos’. El fundador de ‘Premise’ ha creado
una aplicación para ‘inteléfonos’ (es decir, smartphones) usada por siete
cientos personas en veinticinco países emergentes. Con la guía del equipo de
Soloff, dichos excavadores (principalmente estudiantes universitarias y
madres de casa) toman fotos en mercados públicos. Por analizar esas fotos del
emplazamiento y el precio de consumibles (por ejemplo, tomates o champú) para
comparar con otros datos, Premise está creando un índice de inflación en
tiempo real. La empresa luego vende sus hallazgos a empresas privados,
inversionistas et al. que buscan tales datos diariamente.
|
||||
Collecting
data from all sorts of odd places and analyzing it much faster than was possible
even a couple of years ago has become one of the hottest areas of the
technology industry. The idea is simple: With all that processing power and a
little creativity, researchers should be able to find novel patterns and
relationships among different kinds of information. Now Big Data is evolving,
becoming more “hyper” and including all sorts of sources. Start-ups as well
as larger companies are getting into the act. And the faster that happens,
the better, so people can make smart — and quick — decisions.
|
En extraer datos desde todo tipo de rara fuente para
analizarlos mucho más rápido que fue posible hace dos años, estos excavadores
representan un sector de vanguardia tecnológico. La idea es sencilla. Con todos esos datos, junto con una poca
creatividad, investigadores deberían averiguar nuevas relaciones entre
información divergente. Ahora, los BIG-DATA se están volviendo cada vez más
'híper' mediante diversas fuentes no aprovechadas anteriormente. Los start-ups, como Premise, y gigantes,
como G.E., están entrando la arena cada vez más competitiva. El más rápido,
el mejor para que se puede tomar inteligentes decisiones rápidas.
|
||||
Standard
statistics might project next summer’s ice cream sales. The aim of people
working on newer Big Data systems is to collect seemingly unconnected
information like today’s heat and cloud cover, and a team’s week-end win,
compare that with past weather and sports outcomes, and figure out how much
mint chip ice cream mothers would buy today. At least, that is the hope, and
there are early signs it could work. Premise claims to have spotted broad
national inflation in India months ahead of the government.
|
Las estadísticas tradicionales pueden pronosticar las
ventas de helado el verano que viene. La excavación de datos pretende
integrar información recogida sin enlaces visibles. Por ejemplo, los
híper-datos podrían intentar alinear el clima de hoy, la presencia relativa
de nubes, resultados locales deportivos recientes con tales datos históricos
para cuantificar cuánto helado, de sabor regional, madres van a comprar
ahora. Hay señales preliminares que esta esperanza pueda realizarse. Premise
dice que había detectado inflación en India meses antes del gobierno.
|
||||
Price
data from the photos gets blended with prices Premise receives from 30,000
websites. The company then builds national inflation indexes and price maps
for markets in places like Kolkata, India; Shanghai; and Rio de Janeiro. The new Big Data connections are also
benefiting from the increasing amount of public information that is
available. According to research from the McKinsey Global Institute, 40
national governments now offer data on matters like population and land use.
The United States government alone has 90,000 sets of open data. In the world
of computer hardware, in-memory computing, an advance that allows data to be
crunched, without being stored in a different location, has increased
computing speeds immensely.
|
Los datos de precios extraídos de las fotos se integran
con otros precios recopilados desde 30.000 sitios-web. Luego, el start-up
elabora índices nacionales de inflación y mapas de precios para tales
mercados diversos como Río de Janeiro, Calcuta y Shanghái. Dichas
excavaciones se benefician de la creciente disponibilidad de datos públicos.
Según McKinsey, México y treinta-y-nueve otros países hacen accesible
información sobres cosas como el uso de la tierra o cambios de población. Los
U.S.A. tienen noventa mil bases de datos abiertos al público. Gracias a nuevo
hardware con memoria informática, que permite análisis de datos sin necesidad
de almacenamiento exterior, velocidades de computación han ampliado casi sin
límite. Ahora, se puede analizar
minuciosamente una piscina profunda de datos instantáneamente.
|
||||
G.E. has
over 200 sensors in a single jet engine and is working with Accenture to
build a business analyzing aircraft performance the moment the jet lands.
G.E. also has software that looks at data collected from 100 places on a
turbine every second, and combines it with power demand, weather forecasts
and labor costs to plot maintenance schedules. New hardware and software have
been created to sharply cut the time to analyze unsystematically generated
information, fetching it as fast as an iPhone fetches a song.
|
Por ejemplo en las aeronáuticas, G.E. tiene más de
doscientos sensores dentro un motor de turbina. Está colaborando con
Accenture (una consultora) para establecer una empresa para analizar el
desempeño de un jet acabo de aterrizar.
G.E. tiene otro software para agregar datos de cien lugares dentro del
motor cada segundo para integrarlos con pronósticos de la clima y costos
laborales para programar mantenimiento. Nuevos avances reducen el tiempo de
analizar información casi aleatoria tan rápido como un ‘inteléfono’ obtiene
una canción.
|
||||
Last
month, creators an open-source software, which speeds data analysis by 100
times compared with existing systems, received $14 million to start a company
that would offer a commercial version of that software. The trick said the
CEO of another instant data dumper was developing a way to quickly and
accurately find all of the data sources available.
|
El mes pasado, un nuevo software con plataforma abierta
que acelera el análisis de datos por cien veces, recibió 175 millones de pesos
para comercializar su prototipo. Según
otro descargador de información instantáneo, el secreto será la
identificación de un método eficaz para encontrar todas las fuentes de datos
precisamente y rápido. Se ayudaría el
esfuerzo para presentar esos datos aleatorios en un formato fácil de usar.
|
||||
The do-or-die questions
boards should ask about technology: Board members should raise
nine critical questions when discussing technology strategy with IT and
business managers
|
Las preguntas críticas (‘do-or-die’) para pensar en
la tecnología: La Junta debe
plantear nueve preguntas críticas cuando se habla de estrategia de tecnología
gerentes pertinentes
|
||||
McKINSEY & CO.: Insights and
Publications;
Wilmott, Paul; junio 2013
|
|||||
The
particulars of each enterprise’s situation will, of course, determine the
focus of the discussion and the detailed questions to ask. However, across
industries, every corporate director—IT savvy or not—will benefit from
reviewing the following questions as a starting point for shaping a fruitful
conversation with management about what the company needs to do to become a
technology winner.
|
Los detalles de la situación de cada empresa, por
supuesto, determinan el foco de la discusión y las preguntas específicas para
hacer. Sin embargo, en todos los sectores, cada director corporativo, ya sea
o no informado acerca de la informática, se beneficiará de la revisión de las
siguientes preguntas como punto de partida para dar forma a un debate
constructivo con la administración sobre lo que la empresa tiene que hacer
para convertirse en un ganador en la I.T.
|
||||
1. How will IT change the basis
of competition in our industry?
|
1. ¿Cómo va a cambiar la naturaleza de la competencia
en nuestra industria?
|
||||
Technology
is making boundaries between industries more porous and providing
opportunities for attacker models. Companies are harnessing technologies such
as social media and location-based services to reinvent the customer
experience and capture market share.
|
La tecnología hace más porosas las fronteras entre las
industrias para generar oportunidades para los modos de ataque competitivo.
Las empresas están aprovechando de las tecnologías como las redes sociales y
los servicios basados en la localización para reinventar la experiencia del
cliente y capturar más cuota de mercado.
|
||||
Question(s)
to ask: How is
technology helping us win against traditional and new competitors?
|
Pregunta(s) a plantear: ¿Cómo está la tecnología
ayudándonos a ganar frente a los competidores tradicionales y las nuevas
llegadas?
|
||||
2. What will it take to exceed
our customers’ expectations in a digital world?
|
2. ¿Qué se necesita para superar las expectativas de
nuestros clientes en un mundo digital?
|
||||
Customer
expectations are rising quickly. Simply meeting these enhanced expectations
can be a major effort for organizations that were not born digital. Often,
doing so requires investment in sophisticated big-data capabilities.
|
Las expectativas del cliente están aumentando rápido. El
mero cumplimiento de estas expectativas elevadas puede ser duro esfuerzo para
las organizaciones que no habían nacido digitalmente. A menudo, esto requiere
inversión en capacidades avanzadas de grandes datos.
|
||||
Question(s)
to ask: What will
our customers expect in the future, and what will it take to exceed them?
|
Pregunta(s) a plantear: ¿Qué son las expectativas
de nuestros clientes del futuro, y lo que se necesita para satisfacerlos?
|
||||
3. Do our business plans
reflect the full potential of technology to improve our performance?
|
3. ¿Reflejan nuestros planes de negocio la posibilidad
de tecnología para mejorar el rendimiento?
|
||||
Technology
can improve business performance by driving revenues (for example, by using
big data for cross-selling in digital channels), reducing overall costs (for
instance, by automating end-to-end processes), and lowering risk costs.
|
La tecnología puede mejorar el rendimiento del negocio
mediante las ventas (por ejemplo, mediante el uso de datos grandes, 'Big
Data', para las ventas cruzadas a través de canales digitales) mediante la
reducción de los costes totales (por ejemplo, por la automatización de
procesos de extremo a extremo) y reduciendo los riesgos.
|
||||
Question(s)
to ask: Has the
opportunity and threat from IT been quantified by application?
|
Pregunta(s) a plantear: ¿se ha cuantificado la oportunidad y la amenaza de la
aplicación de la T.I?
|
||||
4. Is our portfolio of
technology investments aligned with opportunities and threats?
|
4. ¿Es nuestra cartera de inversiones en tecnología
alineada con las oportunidades y amenazas?
|
||||
Companies
should balance short-term P&L opportunities (for example, upgrading
digital channels), medium-term platform investments (such as customer
databases), and carefully chosen longer-term bets (for instance, piloting
new, digitally enabled business models).
|
Las empresas deben equilibrar las oportunidades a corto
plazo (por ejemplo, la actualización de canales digitales), inversiones a medio
plazo en infraestructura (tales como bases de datos de clientes), y
cuidadosamente elegido apuestas a largo plazo (por ejemplo, ensayar nuevos
modelos de negocio, habilitados digitalmente).
|
||||
Question(s)
to ask: How well
is our IT-investment portfolio aligned with business value?
|
Pregunta(s) a plantear: ¿En qué medida se alinea
nuestra cartera de inversiones informáticas con el valor del negocio?
|
||||
5. How will IT improve our
operational and strategic agility?
|
5. ¿Cómo va la T.I. a mejorar nuestra agilidad
operativa y estratégica?
|
||||
IT has a
significant effect on operational agility (for example, time to market for
new products) and on strategic business agility (for instance, the ability to
extract synergies from an acquired business). Businesses measure and manage
both business and IT agility, ensuring that the business can respond
competitively.
|
La T.I. tiene un efecto significativo en la agilidad
operativa (por ejemplo, el tiempo de comercialización de nuevos productos) y
en la agilidad estratégica de negocios (por ejemplo, la posibilidad de lograr
sinergias en una empresa adquirida). Las empresas medir y gestionar el
negocio, junto con la agilidad en T.I., para garantizar que la empresa pueda
responder.
|
||||
Question(s)
to ask: Do
sourcing relationships increase or reduce our agility?
|
Pregunta(s) a plantear: ¿Qué es el impacto sobre relaciones
de la cadena de suministro?
|
||||
6. Do we have the capabilities
required to deliver value from IT?
|
6. ¿Tenemos las capacidades necesarias para ofrecer un
valor de la T.I.?
|
||||
Technology
alone delivers no value. It’s the combination of a clear strategy, the right
technology, high-quality data, appropriate skills, and lean processes that
adds up to create value. Leading organizations actively assess their capabilities
in these dimensions and target their weak spots. Some companies have put
their top managers through IT boot camp as a way to start the process.
|
Tecnología en sí misma ofrece ningún valor. Es la
combinación de una estrategia clara, con la tecnología adecuada, los datos de
alta calidad, las habilidades apropiadas y procesos flexibles que crea el
valor. Las organizaciones líderes evalúan activamente sus capacidades en
estas dimensiones y se dirigen a sus puntos débiles. Algunas empresas han puesto
a sus altos ejecutivos en un 'Boot Camp' informático como una manera de
iniciar el proceso.
|
||||
Question(s)
to ask: Do we
have enough IT-literate executives?
|
Pregunta(s) a plantear: ¿Tenemos suficientes
ejecutivos que entienden la T.I.C.?
|
||||
7. Who is accountable for IT
and how do we hold them to account?
|
7. ¿Quiénes son responsables de TI y cómo podemos hacer
que rindan cuentas?
|
||||
Accountability
for IT is not always so well-defined. IT
can also prove hard to measure. All too often, volumes of technical data are
presented instead of a limited set of intuitive, business-relevant metrics.
|
La responsabilidad de que no es siempre tan bien definido.
También se puede resultar difícil de medir. Con demasiada frecuencia, un
montón de datos técnicos se presenta en lugar de un conjunto limitado de
indicadores intuitivos que son relevantes para la toma de decisiones.
|
||||
Question(s)
to ask: What is
our operating model for IT, and is it aligned with our business priorities?
|
Pregunta(s) a plantear: ¿Cuál es nuestro modelo
informático? ¿Está el modelo alineado con nuestras prioridades de negocio?
|
||||
8. Are we comfortable with our
level of IT risk?
|
8. ¿Estamos cómodos con nuestro nivel de riesgos de la
T.I.?
|
||||
Companies
need a comprehensive system for managing IT risk that assesses the full range
of risks (for example, hacking attacks, vendor failure, and technical
failure) and addresses the root causes, which include redundant technology,
incorrect policies, poor processes, and insufficient oversight.
|
Las empresas necesitan un sistema integral para la gestión
de riesgo que evalúa toda la gama de riesgos informáticos (por ejemplo,
ataques de piratas informáticos, la N.S.A., problemas de vendedores y técnico
fracaso). Este marco debe abordar las causas fundamentales, que incluyen la
tecnología redundante, políticas equivocadas, malos procesos, e insuficiente
supervisión.
|
||||
Question(s)
to ask: How is
our level of IT risk measured, and is it aligned with the company’s overall
risk appetite?
|
Pregunta(s) a plantear: ¿Cómo se mide nuestro nivel
de riesgo de la I.T.? ¿Está este riesgo informático alineado con el apetito
de riesgo global de la empresa?
|
||||
9. Are we making the most of
our technology story?
|
9. ¿Estamos aprovechando bien de nuestra historia de la
tecnología?
|
||||
IT is
already on the minds of analysts, customers, regulators, and shareholders,
and interest will rise with more digitization.
|
La T.I. ya está en la mente de los analistas, clientes,
reguladores y accionistas. Interés aumentará cuando las empresas son cada vez
más digital.
|
||||
Question(s)
to ask: How,
when, and to whom should the IT message be communicated?
|
Pregunta(s) a plantear: ¿Cómo, cuándo y a quién se
debe comunicar el mensaje de T.I.?
|
||||
No hay comentarios:
Publicar un comentario