La consultoría perspicaz se basa en datos confiables y los datos confiables impulsan las decisiones. Sin embargo, al igual que las vetas de alta ley, los datos confiables pueden ser difíciles de encontrar. Una inversión estratégica para cultivar datos en la parte frontal de un estudio importante puede liberar el valor total de la inversión en consultoría al utilizar los recursos económicos pensando en los datos: pensar en las relaciones entre diferentes conjuntos de datos, la exploración de conocimientos y la búsqueda de la serendipia en lugar de pasar horas en la agonía de la manipulación de números y la verificación de calidad.
En un proyecto reciente de cierre de minas, la necesidad de cultivar datos surgió de un legado de varias décadas de datos hidrológicos, hidrogeológicos, meteorológicos y de calidad de agua. El conjunto de datos era de tamaño rebelde y de disposición malhumorada, en otras palabras, un desperdicio de recursos para manejar. Para maximizar el valor proporcionado al cliente, los datos se “cultivaron” mediante un proceso de recopilación, post-procesamiento, control de calidad y visualización, utilizando una plataforma de análisis de datos basada en la web, la cual permite llevar a cabo la síntesis de múltiples flujos de datos.
Cambio Constante
Históricamente, la industria minera ha tardado en adaptarse a la tecnología. Para cultivar datos, debe ingresar a un nebuloso mundo moderno y aprovechar las herramientas de la era de los datos: computación en la nube, almacenamiento en la nube y análisis de datos. Ciertamente, todos hemos estado expuestos a palabras de moda como "big data", pero ¿qué es el cultivo de datos? Las palabras "cultivo de datos" invocan la noción de tomar una colección de datos singulares y desarrollarlos en un artículo colectivo. Un producto que se puede utilizar para respaldar acciones e informar decisiones.
La era de la recopilación y el almacenamiento de datos automatizados ha llevado a un aumento exponencial del volumen de datos a manejar. Como la sofisticación de la recopilación de datos crece y el volumen de datos aumenta, nuestros métodos típicos para procesar datos se han vuelto voluminosos (Microsoft Excel) y obsoletos (¿Microsoft Access?).
En los últimos años ha surgido una variedad de plataformas de gestión y manejo de datos, por terceras partes, para abordar los desafíos que plantean los grandes conjuntos de datos y proporcionar soluciones sólidas para problemas complejos. La mayoría de las veces vemos esta solución adoptada por operaciones de generación de capital, por ejemplo, minas con necesidades complejas de monitoreo de procesamiento de minerales y tratamiento de agua. Las plataformas de terceros pueden ser una buena opción, pero para algunos clientes no es la preferida debido al alto costo o la duda de comprometerse con una plataforma propietaria, entre otras razones.
En proyectos de contratación de capital, como el cierre de mina, hemos visto la necesidad de soluciones de gestión de datos ágiles, económicas y listas para usar. Una inversión inicial de un pequeño equipo de expertos técnicos y científicos puede cultivar un conjunto de datos valioso. Esto se está convirtiendo rápidamente en el estándar de práctica para proyectos complejos.
Navegando el Laberinto
El cultivo de datos es el proceso de convertir datos sin procesar en datos que impulsan las decisiones a través de un proceso de gestión de datos: recopilación e ingestión, transformación y síntesis. La síntesis proviene de invertir la capacidad intelectual para comprender los datos y ahí es donde los consultores aportan valor. Pero ¿qué pasa con la tediosa parte de recolección/ingestión/transformación? ¿Podemos omitir esa parte y seguir con las hojas de Excel? En resumen, No. SRK cuenta con una combinación de científicos y consultores de datos que aprovechan la experiencia técnica y la computación en la nube para recopilar grandes conjuntos de datos en bases de datos prácticas y en formatos que se puede compartir.
SRK ha desarrollado una metodología flexible para cultivar datos en sitios mineros únicos mediante la recopilación de datos automatizada y servicios en la nube. Aunque hay muchas herramientas disponibles, un ejemplo de un flujo de trabajo que utilizamos se presenta a continuación:
- Recopilación automatizada de datos mediante red celular, satélite, radio, WiFi, etc. para múltiples sensores (ver un ejemplo en Long Canyon)
- Carga automatizada de archivos de datos al almacenamiento en la nube
- Transformación / post-procesamiento de datos (Azure Data Factory es un ejemplo)
- Carga datos en la base de datos en la nube
- Visualización de datos mediante una plataforma de análisis de datos basada en la web (i.e. PowerBI, pero hay otras)
- Validación de datos por un experto técnico
- Publicación de los datos finales en un navegador basado en web con un enlace para compartir (hipervínculo)
El almacenamiento de datos en un servidor basado en la nube y el acceso a los datos a través de herramientas de Inteligencia de Negocios (conocido como “BI”) permite compartir la base de datos completa con un enlace, visualizarla en un navegador web y descargarla fácilmente. Puede compartir 40 años de niveles de agua, calidad del agua y datos meteorológicos con un enlace web. Las herramientas de BI nos dan el poder de graficar, filtrar y realizar funciones rápidamente en un conjunto de datos con unos pocos clics. Para ser claros, la nube no puede hacer todo por nosotros; la automatización de datos y los servicios en la nube no sustituyen a un experto técnico con conocimientos. Es esencial que la validación de datos la realice un experto técnico familiarizado con los datos.
Aprovechar la tecnología disponible para modernizar y automatizar la gestión de datos reduce las horas de consultoría necesarias para convertir datos sin procesar en datos útiles. El cultivo de datos es más que computación en la nube, es un híbrido de tecnología, ciencia de datos y experiencia técnica que ha surgido como una nueva disciplina. Únase a nosotros para navegar juntos por el laberinto digital, conocemos el camino.
Ver el artículo original en LinkedIn
