4. Big data (Facundo Malvicino, CIECTI; Yoguel UNGS CICTI) 1 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.
59
Embed
4. Big data (Facundo Malvicino, CIECTI; Yoguel UNGS CICTI)aldeavirtual.infotec.com.mx/wp-content/uploads/2016/01/Ponencia-2.pdf · • El mainstream define a Big Data como un problema:
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
4. Big data (Facundo Malvicino, CIECTI; Yoguel UNGS CICTI)
1
1. ¿Qué es Big Data? Definición, antecedentes yavances a nivel internacional.
2. Enfoque Teórico. Un esquema de análisis sobreel sector para la elaboración de políticas públicas.
3. Sumar Big Data a una agenda de desarrollo.Una discusión para la elaboración de políticaspúblicas.
4. Posible alternativa para el desarrollo delsector. Una discusión para la elaboración depolíticas públicas.
4.1Qué es Big Data. Definición y Antecedentes y Tendencias
2
• 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
• 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 deproductos.
o Dificultad de incorporar nuevos productos: importante lagradualidad y el conocimiento.
o Capacidades de la demanda. Learning by using.
!!!
9
4.2 Enfoque
Ejes de Trabajo:
• Existe una dimensión mínima de mercado y rentabilidad para el desarrollo de nuevasfirmas.
• El rol del Estado en la compra de servicios y productos en países con mercadospequeños y cuya demanda es de baja complejidad, acelera proceso de desarrolloeconómico
o Dos mecanismos:
dimensión del mercado + incertidumbre + eficiencia en firmas.
adaptación de la investigación + transferencia bajo costo de conocimientohacia terceros países (Kern 2010)
4.3 Big Data en una agenda de desarrollo
10
Ejes de discusión:
1.Si BD productividad => integrar al entramado productivo y losdiferenciales de productividad
2.Capacidades de la demanda local. Es deseable orientar los recursoshacia el mercado externo… siempre? En qué condiciones? (GI y E)
3.“Hacen falta Cientista de Datos”. Quién debe formarlos? Se iránformando a medida que crezca la actividad? Qué relación se esperacon la empresa?
4.Integrar GI, Empresas y Estado.
4.3 Big Data en una agenda de desarrollo
11
• 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 yEmpresas
4.3 Capacidades de la Demanda Local
12
Fuente: Encuestas Big Data 2014
• Características de la Demanda Local según las Empresas:
Baja complejidad
25%
Media complejidad
63%
Alta complejidad
6%
NS/NC6%
COMPLEJIDAD
Empresa privada nacional
46%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
13Fuente: Encuestas Big Data 2014
4.3 Coordinación GI + E + Estado
14
• Diferencias Empresas y GI. Aplicación sectorial de productos/desarrollos/proyectos:
Fuente: Encuestas Big Data 2014
Sectores de Aplicación Emp. GI C.O.
Agropecuario/Agroindustria 1 9 8
Banca, Seguros y Ss Financ. 8 1 7
Industria 2 5 3
Salud 4 7 3
Software y Ss informáticos 8 11 3
Servicios comerciales 3 1 2
Turismo 3 1 2
Seguridad y Defensa 2 4 2
Educación 1 2 1
Administración pública 1 2 1
Energía 1 2 1
Transporte pasajeros/carga 1 2 1
Comunicaciones 4 3 1
Entretenimiento 3 4 1
Consumo personal 1 1 0
Otro 1 1 0
0% 5% 10% 15% 20%
Emp. GI
15
• Los Grupos de Investigación muestran una lógica diferente al de lasEmpresas:
o G.I. -> lógica de publicación de papers;
o Empresas -> búsqueda de rentabilidad.
• Problemas para la vinculación desde los GI:
o Reglamentación y tiempos de gestión: sea que las contratacionesestán prohibidas o que los tiempos de gestión exceden los de laindustria
Fuente: Encuestas Big Data 2014
Necesidad de coordinación
4.3 Coordinación GI + E + Estado (continuación)
ANEXO. Resultados Seleccionados Encuesta Big Data 2014
16
69%
44% 44%
25%19% 19% 19%
13% 13% 13% 13% 6%0%
10%
20%
30%
40%
50%
60%
70%RR
HH
Cal
ifica
dos
Mos
trar
RO
I de
inve
rsio
nes
BIG
DA
TA
Mal
a ca
lidad
de
los
dato
s
Acc
eso
a fin
anci
mie
nto
Tiem
po d
e de
sarr
ollo
req
ueri
do
Anc
ho d
e ba
nda
adec
uado
Des
cubr
ir in
fo. p
roce
sabl
e/in
adec
uada
Crec
ient
e de
man
da+c
osto
s de
alm
ac/i
nfra
es./
esca
lab
Inte
grac
ión/
anál
isis
dat
os e
n ti
empo
rea
l
Acc
eso
y fa
cilid
ad d
e us
o pa
ra u
suar
ios
final
es
Cum
plim
ient
o de
nor
mas
y r
egul
acio
nes
Otr
as
• Limitaciones según las firmas argentinas para el desarrollo de productos Big Data:
Fuente: Encuestas Big Data 2014
No aparecen como las más apremiantes
!
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
7210 Servicios de consultores en equipo de informática
7220 Servicios de consultores en informática y suministros de programas de informática
7230 Procesamiento de datos
7240 Servicios relacionados con bases de datos
7250 Mantenimiento y reparación de maquinaria de oficina, contabilidad e informática
7290 Actividades de informática n.c.p.
Fuente: OEDE – Ministerio de Trabajo
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 softwareCómo se mide en las encuestas de innovación y cómo esto
no sirve para software (desarrollo a medida)
Cómo medir capacidadesLa cuestión del nivel de calificación en relación a otros
sectores y al interior del sector
Cómo medir desempeñoCuando los indicadores habituales de desempeño son
contradictorios y no todos están correlacionados a la 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: servicios ≠ manufactura
• Naturaleza intangible de la oferta
• Constante reconfiguración de la oferta => interacciones user-producer.
Desventajas:
– Encuentas no tienen en cuenta estas especificidades
– Casos de estudio
Enfoque basado en capacidades
i) Perspectiva basada en recursos
(Penrose, 1959; Wernerfelt, 1984; Sendil et al., 2005)
i) Enfoque evolucionista neo-schumpeteriano
(Nelson and Winter, 1982, Saviotti and Metcalfe, 1984, Dosi, Silverberg, and Orsenigo, 1988, Dosi, 1999 )
i) Enfoque de redes aplicado a economía de la innovación (Powell et. al., 1996; Gulati, 1999; Barabasi and Reka, 1999; Cowan and Jonard, 2004).
Dimensiones clave:
1. Capacidades de las firmas (generales y específicas)
2. Vinculaciones con otros agentes:
o Otras firmas
o Instituciones de CyT
¿Cómo medir innovación en estos sectores?
• Pocas mediciones
• La CIS adoptó enfoque asimilacionista:
• Nuevos productos/ procesos o significativamente mejorados
• Sirve sólo para analizar productos de software con altos niveles de estandarización
• Sobre estimación de la innovación– 76% de las firmas de SSI introdujeron nuevos productos y/o servicios
HipótesisLas firmas de SSI son diversas. La heterogeneidad se manifiesta en que las distintas medidas de desempeño no estén correlacionadas y en que los determinantes del desempeño difiera entre grupos de firmas.
• Las diferentes medidas de desempeño de las firmas de SSI:
–Productividad,
–Variación del empleo,
–Inserción externa• Se determinan de forma diferencial por:
–El nivel de desarrollo de capacidades organizacionales y de absorción
–La posición que ocupan en la red de conexiones.
Características generales de los datos
191 empresas de SSI
Ocupan 60 personas en promedio
En promedio facturan 7 millones de pesos
Fundadas, en su mayoría, durante la década del 90
Mayoritariamente de origen nacional (93% de las firmas)
El 56% exporta. El coeficiente de exportación promedio es del 20% y del 36 entre los exportadores.
Entre 2008 y 2010 el número promedio de ocupados creció un 20%, lo que resulta significativamente mayor al promedio de la economía (1%).
El 65% de las firmas están asociadas a alguna cámara, polo o cluster.
El 66% ha recibido subsidios a lo largo de los últimos años (FONTAR, FONSOFT, Ley de software)
31
2) Sector al que proveen
i) Primario (10%)
ii) Alimentos y bebidas (17%)
iii) Resto industria (todas en torno al
10%)
iv) Logística y transporte (15%)
v) SSI (23%)
vi) Telecomunicaciones (22%)
vii) Comercio (11%)
viii) Servicios financieros (29%)
ix) Salud (19%)
1) Area de aplicación:
i) Administración y Gestión (73%)
ii) Producción de bienes y/o servicios (36%)
iii) Logística y transporte (25%)
iv) Publicidad y marketing (28%)
v) Seguridad informática (14%)
vi) Calidad (16%)
vii) Compras/ ventas (39%)
viii) Capacitación (12%)
ix) Servicio al cliente (40%)
Taxonomía
Diversificada
sectorialmente
Especializada
sectorialmente
Diversificación
de producto 43%
(II)
16%
(IV)
Especializada
en producto 22%
(I)
18%
(III)
Capacidades como un concepto multidimensional
Indicadores
Capacidades comerciales Red de clientes domésticos e internacionales/ contratos de exclusividad con clientes/ marca posicionada en el Mercado
Capacidades tecnológicas Disponibilidad de RRHH calificados en programación con nuevos lenguajes, tecnologías y plataformas / diseño de partes, productos y programas
Capacidades de absorción
Calificación de los RRHH
I+D (formal e informal)
Capacidades organizacionales
Esfuerzos de calidad (trazabilidad, manejo del riesgo, gestión de calidad, departamenteo de control de calidad)
Certificaciones (ISO, CMM)
Distribución de las firmas según capacidades
Bajas Medias Altas
Capacidades comerciales 43% 44% 13%
Capacidades tecnologicas 34% 50% 16%
Capacidades de absorcion 29% 25% 45%
Equipo de I&D 11% 60% 29%
Esfuerzos de calidad 25% 37% 38%
Certificaciones 38% 43% 18%
Dos redes:
1. Vinculaciones entre firmas de software orientadas a: desarrollo de actividades comerciales conjuntas, proyectos de I+D, gestión de calidad, asistencia técnica.
2. Vinculaciones entre firmas e instituciones de CyT para financiamiento, asistencia técnica, proyectos conjuntos de I+D.
• Amplia evidencia sobre vinculaciones y capacidades a nivel de firma (Becker
y Dietz, 2003; Belberdos, Carree y Lokshin, 2004; Nieto y Santamaria, 2007;
Santamaria, Nieto y Barge-Gil, 2009; Fritsch, 2004)
• Rol de las redes en el acceso a conocimientos externos y construcción de
capacidades (Salavisa, 2012; Cantner y Graf, 2006; Gloor et al, 2008; Powell y
Grodal, 2005).
– Más allá de las firmas
– Enfoque micro-meso:
• Posición en la red
• Características de la red (densidad, cohesión, morfología, etc)
Objetivo
Analizar la relación entre redes y desarrollo de capacidades
¿Cuáles son las características de las redes que contribuyen a la circulación de conocimiento y acumulación de capacidades?
¿Por qué es relevante el análisis de las redes en el sector de software y
servicios informáticos?
Funcionamiento interactivo de las empresas debido a que el bajo nivel de
customización de los productos finales. Co- producción con clientes.
“Comunidades de práctica“
Circulación del conocimiento tácito
HipótesisRelación positiva entre cohesión de la red y nivel de capacidades de las firmas
(1)
Red intra-sectorial Capacidades
H2
Características
estructurales
H1
H3
(2)
Red extra- sectorial
Red completa
(1) + (2)
Propuesta metodológica
1º Estimación de las capacidades de las firmas a partir de un análisis de
componente principal.
2º Construcción de 3 redes de conocimiento a partir de las vinculaciones de
las firmas orientadas a gestión de calidad, asistencia técnica, acciones
comerciales conjuntas, I+D
(1) Intra- sectorial
(2) Extra- sectorial
(3) Completa
3° Modelo de tratamiento para analizar la relación entre la topología de red
y las capacidades.
1º Estimación de las capacidades de las firmas
Primer componente como proxy de capacidades (explica el 50% de la
variación total).
Variable Definición
Calificación de los RRHH % de doctores
Generación in-house de
conocimientoEquipo de I+D formal o informal
Esfuerzos de innovaciónLicencias, adquisión y/o desarrollo de software, ingeniería
reversa, capacitación, consultorías, etc.
CalidadTrazabilidad, auditorías internas, área de control de
calidad
CertificacionesDisponibilidad de certificaciones de calidad (ISO, CMMi,
etc)
2º Red intra-sectorial (firmas de SSI)
Figure 1. Intra-Sectorial Network
Source: own elaboration based on Software database.
2º Red extra-sectorial (firmas de otros sectores + instituciones)
• Propensión de las firmas de adquirir conocimientos externos fuera del
sector de software (asimilable a concepto de apertura externa de Giuliani
y Bell, 2005)
• Se identificaron 3 grupos a partir de la comparación entre el número de
vínculos de cada firma y el promedio de vinculaciones de la red extra-
sector (3):
– Baja apertura externa (40%)
– Media (27%)
– Alta (33%)
2° Red completa
Red intra- sectorial
Aisladas Periferia Centro Total
Red extra-
sectorial
Baja 69 3 4 76
Media 44 8 9 61
Alta 36 6 10 52
Total 149 17 23 189
Aisladas (66%)
Sustitución (22%)
Complementariedad (12%)
Estadística descriptivaEdad
Tamaño
(empleados
2008)
% capital
extranjero
Score de
capacidades
Red Intra-sectorial
Aisladas 1999 27 6,3 -0.6363
Periféricas 1999 52 4,6 -0.0283
Centro 1999 66 10,7 0.8163Kendall tau-b correlation between Internal-Sectorial Network and firms’ capabilities score: 0.47***
Red Extra-Sectorial
Baja apertura externa 1999 39 6,4 -0.1467
Media apertura externa 2003 40 11,7 0.2455
Alta apertura externa 2001 102 7,6 0.7484Kendall tau-b correlation between External-Sectorial Network and firms’ capabilities score: 0.24***
Red completa
Aisladas 1999 27 5,3 -0.4442
Sustitución 1999 66 12 0.7220
Complementariedad 2001 107 7 0.8396Kendall tau-b correlation between Sectorial Network and firms’ capabilities score: 0.28***
Total 1999 46 7
3° Resultados. Modelo de tratamiento
Red intra-
sectorial
ATEs
Red extra-
sectorial
ATEs
Red completa
ATEs
Categoría
base
Categoría
adyacente
Categoría
base
Categoría
adyacente
Categoría
base
Categoría
adyacente
Aislados Baja Aislada
Periferia 0,48* 0,48* Media 0,49 0,49 Sustitución 0,55* 0,55*
Centro 0,89** 0,41* Alta 0,77*** 0,65**Complementar
iedad0,9** 0,71*
Aislados
(POMs)-0,48
Baja
(POMs)-0,12
Aislada
(POMs)-0,19
Resultados
• Evidencia sobre el impacto de las características de la red
sobre las capacidades de las firmas
• A mayor nivel de cohesión, mayor nivel de capacidades (a
excepción del “grupo medio” en el caso de la red extra-
sectorial) network.
• Las firmas localizadas en zonas altamente cohesionadas
pueden acceder a información de mayor calidad y
oportunidades de negocio basadas en la confianza entre
nodos cercanos (Ahuja, 2000; Gulati, 1998).
Cuestiones pendientes
• Fuerte heterogeneidad intra-sectorial:
– Tipo y combinación de productos y servicios ofrecidos
– Naturaleza de las actividades
– Posición en la CGV
• Necesidad de dar cuenta de distintos tipos de firmas
• Modelos de negocio
• Metodología de estudios de caso:
– Actualmente: 4 casos para definir taxonomía
– 2016: 15 encuestas y entrevistas en profundidad a firmas con distintos modelos de negocios para entender cómo se manifiestan los procesos de innovación.