Datos alternativos

Los datos alternativos son información recopilada de fuentes de información no tradicionales. El análisis de datos alternativos puede proporcionar conocimientos más allá de los que las fuentes de datos habituales de una industria son capaces de proporcionar.

La cuestión de qué constituyen datos alternativos varía de una industria a otra. En la banca, por ejemplo, un prestamista puede confiar tradicionalmente en el puntaje crediticio de un solicitante para evaluar el riesgo y determinar la probabilidad de que se reembolse un préstamo. Sin embargo, cuando el solicitante no tiene un historial crediticio previo, los datos alternativos que ilustren el historial del solicitante de cumplir con sus obligaciones financieras, como pagar una factura de teléfono celular a tiempo cada mes, pueden ser información útil. Un banco que incluye fuentes de datos alternativas en la evaluación de riesgos de un préstamo también puede tener en cuenta el historial del solicitante de pagar el alquiler a tiempo y si el solicitante realiza o no constantemente más del pago mensual mínimo requerido en las facturas de la tarjeta de crédito.

En los últimos años, el aumento de datos de dispositivos móviles, satélites, sensores y sitios web ha dado lugar a grandes cantidades de datos estructurados, semiestructurados y no estructurados, también conocidos como big data. Todos esos datos tienen el potencial de ser extraídos para obtener información y potencialmente ayudar a las personas a tomar mejores decisiones basadas en datos. En respuesta a la demanda de datos alternativos, algunas firmas de investigación tradicionales se han diversificado para convertirse en proveedores de datos alternativos, vendiendo datos de clientes corporativos de fuentes y servicios no tradicionales para analizar esos datos.

Una vez que una fuente de datos comienza a utilizarse de forma regular, ya no se considera una fuente alternativa. Los casos de uso actuales de datos alternativos incluyen:

  • Agricultura de precisión: los agricultores pueden analizar imágenes de series de tiempo tomadas por drones para hacer predicciones más precisas sobre el rendimiento de los cultivos.
  • Cuidado de la salud: los trabajadores de la salud pública pueden buscar en las redes sociales palabras clave específicas para ajustar las iniciativas que rastrean la propagación de la influenza.
  • Empresas de inversión: los analistas pueden usar imágenes satelitales para analizar la cantidad de automóviles en el estacionamiento de un centro comercial y predecir el estado de la economía local.
  • Los robots militares autónomos se pueden utilizar como ojos y oídos adicionales para ayudar a mejorar la conciencia de la situación.