PDF de programación - Big data (Facundo Malvicino, CIECTI; Yoguel UNGS CICTI)

4. Big data (Facundo Malvicino, CIECTI; Yoguel

UNGS CICTI)

1. ¿Qué es Big Data? Definición, antecedentes y

avances a nivel internacional.

2. Enfoque Teórico. Un esquema de análisis sobre
el sector para la elaboración de políticas públicas.
3. Sumar Big Data a una agenda de desarrollo.
Una discusión para la elaboración de políticas
públicas.

4. Posible alternativa para el desarrollo del
sector. Una discusión para la elaboración de
políticas públicas.

1

4.1Qué es Big Data. Definición y Antecedentes y
Tendencias

• El mainstream define a Big Data como un problema: las 3V (McKinsey, 2011; Gartner,

2011; UN Global Pulse, 2012).

• Variedad (datos no estructurados, twits), Velocidad (del feedback) y Volumen

• ¿Por qué Big Data está en agenda?

Estructura

Propagación

Organ. del

Trabajo

Toma

Decisiones

Digitalización,
Convergencia,

Internet

Operatividad

Aumento

Productividad

Acceso
Mercados

• Problemas Epistemológicos TIC:

i) tecnologicismo;

ii) sociologicismo;

iii) sobrecarga

diacrónica. (Forte et al.,2012)

2

ANEXO

Fuente: Elaboración propia en base a White Paper (2012)

3

Sistema GlobalRecopilación/ Captura de DatosLimpieza de DatosIntegración/ AgregaciónAnálisis / ModelizaciónInterpretaciónVariedad (Heterogeneidad)Volumen(Escala)Velocidad (Timeliness)PrivacidadInterpretación/ Disponibilidad3VPLANTEODEL PROBLEMA:"FORMULACIÓN DE LA PREGUNTA CORRECTA"4.1 Qué es Big Data. Definición y Antecedentes y
Tendencias

• Tres grupos en la literatura:

i) optimistas (McKinsey, 2011; Brynjolfsson, Hitt, y Kim, 2011; UNGPulse, 2012; Chen y

Chun-Yang, 2014);

ii) pesimistas (Gordon, 2014; NY Times, 2013; Han Byung Chul);

iii) críticos/escépticos (Manovich, 2011; boyd y Crawford, 2012; Peres y Hilbert, 2010)

(path dependence)

• Nuestro enfoque:

Fenómeno Histórico:

o Cambios tecnológico-comunicacional: digitalización, convergencia tecnológica,

Internet. (Forte et al.,2012)

Centralidad del conocimiento y difusión de saberes: Nueva división del trabajo

Sendero evolutivo: los “beneficios” no son automáticos.

4

4.1 Qué es Big Data. Definición y Antecedentes y
Tendencias

• Antecedentes:

•

•

Leyes de Moore, de Gilder y de Metcalfe;

(OECD, 2013):

Generación, recolección y transporte de datos

Almacenamiento, procesamiento y análisis

$

$

Internet

HHD, SSD, Análisis Genómico, etc.

• Sectores

Salud

Adm. Pública

RRNN

M. Ambiente

Energía

Ind. Manufac.

Transporte

Argentina:

Agro,

Biotecnología,

Nanotec.

5

4.1 Percepción de GI y Empresas. Argentina vs.

Región

OK!

OK!

68%

75%

6

29%42%48%48%26%39%39%29%35%39%42%37%32%26%6%6%29%20%0%10%20%30%40%50%60%70%80%90%100%CapacidadEmprendedoraDesarrolloSoftware y SSIIInfraestructuraAlmac. Y Proce.Infra.ComunicacionesRRHHGeneralAtrasadoSimilarAvanzadoNS/NC4.2 Enfoque

• Por qué Big Data para el Desarrollo?

• Big Data emerge como “un sector nuevo” basado en conocimiento y de carácter

transversal al resto de la sociedad.

• Considerando las capacidades locales, el desarrollo de capacidades vinculadas a las

Ciencia de Datos pueden contribuir al Desarrollo Económico.

• Sendero de desarrollo: Prebisch (1980); Pasinetti (1981, 1993); Saviotti (2001); Saviotti y

Pyka (2004)

Sendero de
Desarrollo

Cambio

Estructural

Cambios en y

desde la
Demanda

Aumento de
productividad

Cambio

productividad

relativa

Nuevos Sectores /

7

Perfil de

Especializac.

Rentabilidad

4.3 Big Data en una agenda de desarrollo

De cara al desarrollo:

!!!

• productividad => Destrucción y creación de puestos de trabajo.

o Función institucional del Estado.

o Learning by doing

•Co-evolución oferta y demanda; nuevos sectores y espacios de
productos.

o Dificultad de incorporar nuevos productos:

importante la

gradualidad y el conocimiento.

o Capacidades de la demanda. Learning by using.

8

4.2 Enfoque

Ejes de Trabajo:

• Existe una dimensión mínima de mercado y rentabilidad para el desarrollo de nuevas

firmas.

• El rol del Estado en la compra de servicios y productos en países con mercados
pequeños y cuya demanda es de baja complejidad, acelera proceso de desarrollo
económico

o Dos mecanismos:

dimensión del mercado +

incertidumbre +

eficiencia en firmas.

adaptación de la investigación + transferencia bajo costo de conocimiento
hacia terceros países (Kern 2010)

9

4.3 Big Data en una agenda de desarrollo

Ejes de discusión:

1.Si BD productividad => integrar al entramado productivo y
diferenciales de productividad

los

2.Capacidades de la demanda local. Es deseable orientar los recursos
hacia el mercado externo… siempre? En qué condiciones? (GI y E)

3.“Hacen falta Cientista de Datos”. Quién debe formarlos? Se irán
formando a medida que crezca la actividad? Qué relación se espera
con la empresa?

4.Integrar GI, Empresas y Estado.

10

4.3 Big Data en una agenda de desarrollo

• Estudio exploratorio. Preguntas

• Metodología

• Demandas al sector público

• Características de la Demanda Local

• Articulación Grupos de Investigación y Empresas

o Características de vinculación Grupos de Investigación y

Empresas

11

4.3 Capacidades de la Demanda Local

• Características de la Demanda Local según las Empresas:

Fuente: Encuestas Big Data 2014

12

Baja complejidad25%Media complejidad63%Alta complejidad6%NS/NC6%COMPLEJIDADEmpresa privada nacional46%Empresa privada extranjera46%Institución gubernamental del país (nacional, municipal o local)2%Institución gubernamental extranjera0%Usuarios/Áreas internas de la empresa0%Otros6%CLIENTES / USUARIOS4.3 Demanda de Políticas Públicas

Fuente: Encuestas Big Data 2014

13

4.3 Coordinación GI + E + Estado

• Diferencias Empresas y GI. Aplicación sectorial de productos/desarrollos/proyectos:

Fuente: Encuestas Big Data 2014

14

Sectores de AplicaciónEmp.GIC.O.Agropecuario/Agroindustria198Banca, Seguros y Ss Financ.817Industria253Salud473Software y Ss informáticos8113Servicios comerciales312Turismo312Seguridad y Defensa242Educación121Administración pública121Energía 121Transporte pasajeros/carga121Comunicaciones431Entretenimiento341Consumo personal110Otro1100%5%10%15%20%Emp.GI4.3 Coordinación GI + E + Estado (continuación)

• Los Grupos de Investigación muestran una lógica diferente al de las

Empresas:

o G.I. -> lógica de publicación de papers;

o Empresas -> búsqueda de rentabilidad.

Necesidad de
coordinación

• Problemas para la vinculación desde los GI:

o Reglamentación y tiempos de gestión: sea que las contrataciones
están prohibidas o que los tiempos de gestión exceden los de la
industria

Fuente: Encuestas Big Data 2014

15

ANEXO. Resultados Seleccionados Encuesta Big Data 2014

•

Limitaciones según las firmas argentinas para el desarrollo de productos Big Data:

!

No aparecen
como las más
apremiantes

Fuente: Encuestas Big Data 2014

16

69%44%44%25%19%19%19%13%13%13%13%6%0%10%20%30%40%50%60%70%RRHH CalificadosMostrar ROI de inversiones BIG DATAMala calidad de los datosAcceso a financimientoTiempo de desarrollo requeridoAncho de banda adecuadoDescubrir info. procesable/inadecuadaCreciente demanda+costos dealmac/infraes./escalabIntegración/análisis datos en tiempo realAcceso y facilidad de uso para usuariosfinalesCumplimiento de normas y regulacionesOtras5- SSI, dinamica, metodologia y desempeño.

Florencia Barletta, Pereira, Suarez y Yoguel

1. Dinámica reciente del sector de SSI
2. Las problemáticas conceptuales y metodológicas para el

estudio del sector

3. Aproximaciones empíricas:

i) Determinantes del desempeño (productividad, empleo,

exportaciones)

Capacidades y vinculaciones
Programas públicos

ii) Relación entre capacidades y redes

Contexto

Internacional

– Generalización del outsourcing
– Nuevos servicios se vuelven transables

Local

– Capacidades acumuladas
– Competitividad post- devaluación
– Mercado interno
– Programas públicos

El sector de SSI en Argentina

• Entre 2003-2012

– Empleo: 16% anual acumulativo (contra 3.8

industria manufacturera)

– Ventas 17.6% anual acumulativo (contra 8.3

industria manufacturera)

– Exportaciones 20% anual acumulativo (contra 13.0

industria manufacturera)

– No hubo aumentos de productividad

Evolución interanual de ventas (mill USD), ingresos desde el

exterior (mill USD) y empleo (miles de trabajadores).

Fuente: OPSSI (CESSI)

Empleo: SSI vs total privado

Fuente: OEDE – Ministerio de Trabajo

7210

7220

7230

7240

7250

7290

Servicios de consultores en equipo de informática

Servicios de consultores en informática y suministros de programas de informática

Procesamiento de datos

Servicios relacionados con bases de datos

Mantenimiento y reparación de maquinaria de oficina, contabilidad e informática

Actividades de informática n.c.p.

PROBLEMATICAS CONCEPTUALES Y

METODOLÓGICAS

Problemas claves

 Qué es innovación en servicios intensivos en

conocimiento?

Cuando la definición tradicional no se ajusta a las características de estos

sectores

 Cómo medir innovación en software

Cómo se mide en las encuestas de innovación y cómo esto

no sirve para

software (desarrollo a medida)

 Cómo medir capacidades

La cuestión del nivel de calificación en relación a otros

sectores y al

interior del sector

 Cómo medir desempeño

Cuando los indicadores habituales de desempeño son

no todos están correlacionados a la

contradictorios y
conducta innovativa

Qué es innovación en servicios intensivos en

conocimiento?

Enfoque

asimilacionista

Enfoque

demarcatorio

¿Enfoque
basado en
capacidades

?

Enfoque asimilacionista

(Romijn and Albaladejo, 2002; Segelod and Jordan, 2002 ; Boschma and Weterings 2005;

Grimaldi and Torrisi, 2001)

Innovación: servicios = manufactura

Alta tasa de innovación en firmas de software

(Diaz Perez Ozuna y Ayala Alarcon Arriaga 2011; Weterings y

Boschma, 2009; entre otros)

Enfoque demarcatorio

(Gallouj and Savona, 2010; Gallouj and Weinstein, 1997; Djellal and Gallouj,

1999, 2001; Coombs and Miles, 2000)

Innovación: servi