MENU
Canal 26
Buscar Noticias
OSA Argentina
27.09.2023

El dilema de los datos: del Data Lake al Data Warehouse

En un mundo dominado por los datos, ¿cómo balancear entre pocos datos y estar inundado por ellos? Diego Lis, CTO de Seenka Media Data, analiza soluciones a este dilema, partiendo de un Data Lake y llegando a un Data Warehouse, listo para ofrecer información valiosa y oportuna.

Por Diego Lis, CTO de Seenka Media Data

En un mundo dominado por los datos, enfrentamos un desafío: ¿Cómo balancear entre tener pocos datos y estar inundado por ellos? ¿De qué sirve tener muchos datos si no se usan? ¿Cómo diferenciar la paja del trigo?
Kantar IBOPE Media
Orillando el problema

Digamos que quieres conocer la presencia de tu marca en los medios. Tal vez necesitas entender cómo impacta esta presencia en tus ventas, optimizar tu inversión o comparar tu estrategia con la de tu competencia. En cualquier caso, vas a necesitar datos.

Contactas algunas agencias y proveedores y compras un CSV con datos del último trimestre. Luego de algunas semanas de análisis, compruebas que en ese trimestre has perdido decenas de oportunidades. Tomas nota de algunos aprendizajes, pero sabes que esas oportunidades no volverán a aparecer. Comprendes que la información la necesitas en tiempo real.

En busca de más

Por suerte, hay un mundo enorme de datos ahí afuera, esperando ser capturados y analizados. Mediante el método de scraping, capturas noticias de portales, contenido de redes sociales, e incluso te aventuras en el mundo de las señales audiovisuales como YouTube, televisión y radio.

Luego de un año de trabajo, ya tienes funcionando todos los crawlers que trabajarán día y noche. Decides almacenar la información en una base de datos no relacional que permite escalar en volumen y tener flexibilidad en el esquema de datos como Elastic Search o MongoDB.

Además, utilizas un Bucket de Google Storage o S3 para guardar la información audiovisual de manera fiable y performante. Creas así un Data Lake, es decir, un repositorio centralizado de datos en bruto.

Al poco tiempo tu Data Lake tiene millones de datos esperando que los uses. Sin embargo, la información que proviene de los medios es completamente heterogénea. Contiene textos, imágenes, audios, videos, cortos y largos, bien y mal escritos, etc. Necesitas, en efecto, transformar estos datos para normalizarlos y poder consumirlos de manera más homogénea.

Dando sentido a tus datos

La normalización de un dataset es particularmente importante en el caso de los medios. ¿De qué me sirve obtener diariamente el texto de miles de noticias si no sé a quién se menciona y de qué temática se habla? ¿Para qué saber que se han emitido cierta cantidad de publicidades si no puedo identificar cuál es la marca, el mensaje central de la misma, su audiencia e impacto?

Afortunadamente, viene a tu rescate el Machine Learning. En los últimos años, viene creciendo de manera exponencial el interés por este campo en el ámbito académico y en la industria. En este gráfico, podemos ver la cantidad de papers de inteligencia artificial que se han publicado en el sitio arXiv en los últimos 30 años.

Decides entonces contratar un equipo especializado de ingenieros de machine learning. Luego de dos años de trabajo aplicando decenas de técnicas, logras convertir tus datos "no estructurados" en datos "estructurados". Es decir, le das sentido a tus datos.

Y así decides utilizar un motor de base de datos relacional, como PostgreSQL o MySQL, donde vas guardando la información estructurada, normalizada y homogénea, para facilitar su análisis posterior. Estás por cantar victoria cuando descubres algo inquietante: la cantidad de datos que has acumulado, que ya llega a los centenares de millones, es tan grande que resulta demasiado lento hacer cualquier consulta medianamente compleja.

La etapa final: El Data Warehouse

Por fin, logras implementar una última etapa en tu pipeline: utilizas un base de datos orientada a columnas, como BigQuery o ClickHouse, para crear un Data Warehouse, es decir, una base de datos optimizada para el análisis y generación de informes.

En esta nota:

Otras noticias del día

Medios

La 750 celebró sus 15 años con un evento junto a trabajadores y referentes del sector

La señal AM 750 celebró su 15º aniversario con un evento en Mansión Tango que reunió a todo su equipo de trabajo, autoridades del Grupo Octubre, invitados del sector de medios, agencias y auspiciantes. Fundada en 2010, la radio forma parte de un proyecto sindical gestionado por trabajadores y se consolidó en estos años como una de las emisoras AM más escuchadas. Ver más

Empresarias

El Olé Soccer Summit Miami convocó a líderes del deporte, la tecnología y el negocio del fútbol

Con más de 30 oradores, la participación de referentes como Gianni Infantino y Xavi Asensi, y asistentes de más de 25 países, la jornada reunió a miles de personas para debatir sobre innovación, audiencias, negocios, tecnología y el futuro del deporte más popular del mundo. Ver más

Campañas

AXE presentó su campaña con IA y activa con Flix Media

AXE activó su campaña “Dulcificador de Audios” con una experiencia en salas de cine, en alianza con Flix Media. La acción combinó humor, tecnología e interacción en vivo para presentar su innovador chatbot que convierte audios incómodos en canciones divertidas. La propuesta se integró a un plan de medios más amplio, con foco en el entorno cinematográfico y una fuerte conexión con el público joven.
Ver más

multimedia / campañas publicitarias

El Juego del Calamar 3 - Coincidencias

Agencia: Febrero made Marca: Netflix Soporte: Tv - radio - vp y acciones digitales

Para comunicar la final más esperada, Netflix y Febrero eligieron recrear ese espíritu único y pasional con el que los argentinos vivimos las instancias definitorias, aprovechando además el contexto del Mundial de Clubes. Los spots de TV fueron producidos por Mamá Húngara y dirigidos por Fede García Rico.

Off Script

Agencia:

Marca: Martini

Soporte: Tv - digital

Mucho para ponerse de acuerdo

Agencia: Don by havas

Marca: Flow+

Soporte: Tv, radio, vía pública, piezas digitales, influencers y activaciones

"Poner siempre lo mejor"

Agencia: Mercado mccann

Marca: Ypf - infinia

Soporte: Tv - digital

"El Robo Silencioso"

Agencia: Gut

Marca: Bud66 y jbl

Soporte: Tv y web

Ver todos