Para responder a la pregunta de ¿Por qué? podemos referirnos al informez Big & Fast Data: The Rise of Insight-Driven Business de 2017 de la consultora Capgemini. Según este informe los beneficios del uso de Big Data se pueden resumir en estos 4 puntos:

1. Reducción de costes. Además de la mejora en la eficiencia de los procesos de una organización, lo que de manera colateral lleva asociado una reducción de costes, debido al análisis de datos, es importante destacar que la tecnología para el uso y explotación de Big Data tiene en gran medida base en en el open source y el commodity hardware (asequible y de uso generalizado), representando un ahorro de 20 veces menos por cada Terabyte almacenado respecto a los métodos tradicionales de almacenaje de datos.
2. Crecimiento de las líneas de negocio existentes. El uso de Big Data en las líneas de negocio actuales para un 61% de las compañías encuestadas reportan mejoras significativas como consecuencia directa, debido a que el uso de la información procedente del Big Data se utiliza para mejorar las ofertas de mercado existentes debido a una mejor comprensión de los clientes y consumidores, mejorando la eficacia de las actividades de marketing y ventas.
3. Crecimiento a través de la disrupción del mercado a partir de nuevas líneas de negocio. Una de las principales conclusiones de esta encuesta es el nivel de disrupción en las diferentes industrias, con un 64% de los encuestados asegurando que el Big Data está cambiando las reglas tradicionales de los negocios. Estamos viendo cómo las empresas de productos de consumo se convierten en minoristas gracias a su creciente conocimiento de los consumidores, cómo las empresas de telecomunicaciones utilizan los datos que tienen sobre sus clientes para desarrollar nuevas fuentes de ingresos, como los servicios de marketing geolocalizados, y cómo las empresas de servicios públicos utilizan los datos de los contadores inteligentes para proponer ofertas de supervisión y mantenimiento de los equipos domésticos. De hecho, hay pocos sectores que no se vean afectados por esta tendencia. La encuesta muestra que esta disrupción, aunque más fuerte en las empresas B2C, está presente en todas (con niveles que varían entre el 53% y el 74% según los sectores industriales).
4. Monetización de los propios datos. En algunos sectores, ya es evidente que los datos de las organizaciones se están convirtiendo en su principal producto. Un ejemplo sencillo es el de las empresas de cartografía, como Ordnance Survey en el Reino Unido o Lantmäteriet en Suecia, donde la venta de mapas físicos está siendo superada rápidamente por servicios digitales. También muchas empresas de servicios financieros tienen «divisiones de servicios de información» específicas cuyo principal objetivo es monetizar los datos. El sector del transporte busca monetizar los datos que tiene sobre sus pasajeros a través de acuerdos con minoristas en de las estaciones. Entre nuestros encuestados, el 63% considera que la monetización de datos podría llegar a ser tan valiosa como sus productos y servicios actuales. Aunque esta creencia varía según el sector (desde el 55% en la sanidad hasta el 83% en el sector de las telecomunicaciones), es interesante que todos los sectores lo consideren relevante.

¿Cuál es el mayor desafío al que debe enfrentarse el Big Data?

Ante la cantidad exponencial de datos disponibles y las tecnologías para su procesamiento, considero que el mayor desafío al que debe enfrentarse el Big Data es el gobierno de datos, centrándose en tres tareas principales: la primera tiene que ver con la limpieza de los datos basura, la segunda con la comprensión y su aplicación práctica, y la tercera con la ética y la responsabilidad.

1. Contextualizar y limpiar. Es lo primero que hay que hacer con los datos para que sus aportes sean de calidad y no meros declarativos inútiles. Los algoritmos se tienen que nutrir de la interacción humana porque no significa lo mismo tener una frecuencia cardiaca elevada mientras se practica ejercicio físico que estando en el sofá. Aun así, siempre se colarán datos inservibles, desestructurados y erróneos que habrá que detectar y eliminar. Este trabajo será más sencillo cuanto mejor se hayan filtrado y seleccionado anteriormente, sin abusar de la factibilidad técnica de recopilar sin límite información que en realidad no necesitamos para nada. 
2. Entender y aplicar. Es la segunda tarea. Una buena comprensión de los datos es clave para transmitirlos adecuadamente. Para esto son necesarios científicos de datos y analistas cualificados que trasladen los mensajes importantes, y para ello pueden valerse de herramientas de visualización que ya están disponibles y que ayudan a que los profesionales de los negocios entiendan el Big Data. El siguiente paso es la aplicación de ese conocimiento, saber qué hacer con esos datos. No es tan fácil como parece. Profesionales como los sanitarios se enfrentan diariamente a dudas acerca del uso que deben dar a los datos de los pacientes (mejorar el abordaje, aprender sobre lo que funciona y lo que no del sistema…).
3. Equilibrar. Por otra parte, a la hora de recopilar estos datos médicos surge otra incógnita: ¿dónde parar? Esto tiene que ver con la tercera materia pendiente: hacer de contrapeso entre propiedad, privacidad y seguridad en una sensible balanza donde también entra en juego el concepto de propiedad y su delimitación. ¿A quién pertenecen los datos que gobiernos, fuerzas de seguridad y otras organizaciones recogen de las personas? ¿Dónde empieza el derecho de unos a usarlos y dónde acaba el derecho de otros a la protección de sus propia información? Por una parte, está la privacidad de las personas y la seguridad de sus datos, pero esta se contrapone a su seguridad física cuando interfiere en una acción policial que podría beneficiarse de disponer de dichos datos.

Claramente hay un conflicto de intereses que es preciso resolver si queremos beneficiarnos del Big Data. No hay elección: o hacer los deberes o catear las asignaturas pendientes.