Lo nuevo en BI y Analítica este año

Hace apenas una década, la analítica empresarial no era una realidad para la mayoría de las empresas. Los informes tabulares e impresos constituían el mundo analítico para los usuarios. Hoy en día, tenemos varios hilos que permean la analítica empresarial, incluyendo el análisis descriptivo y diagnóstico tradicional utilizando plataformas de inteligencia empresarial, análisis visuales que apoyan el descubrimiento y la exploración, el aprendizaje automático que permite la analítica predictiva, la analítica prescriptiva que dice “cómo” en lugar de “qué” debe hacerse y por supuesto la (IA) inteligencia artificial, que no sólo trae nuevas posibilidades para la automatización de decisiones, sino que afectará a todos los otros tipos de métodos analíticos. Con este panorama, le presentamos una previsión y mirada global en BI y Analítica para 2017 en orden de importancia:

Los análisis se convierten en parte del proceso empresarial. Hoy en día vemos dos mundos separados en muchas organizaciones: sistemas de producción y análisis de negocios. Estos se fusionarán, lo que significa que el análisis se convertirá en parte del entorno de producción mediante la incorporación de análisis en aplicaciones de producción. Superficialmente esto podría significar incrustar gráficos en aplicaciones, pero también veremos la incorporación de modelos predictivos y otras formas de análisis. Estos pueden ser desarrollados internamente o ser servicios en la nube a los que se accede mediante una API.

La Inteligencia Artificial y el aprendizaje automático permiten la inteligencia empresarial. El análisis descriptivo, diagnóstico, prescriptivo y predictivo implica mucho trabajo repetitivo. Este es un excelente candidato para la automatización a través del uso de la Inteligencia Artificial. La preparación de datos, selección de características, selección y formato de gráficos, análisis de calidad y otras actividades se acelerarán mediante la aplicación de técnicas de  Inteligencia Artificial. Un precursor de esto es BeyondCore, que ahora ha sido aprovechado por Salesforce.

Menos énfasis en las grandes cantidades de datos

Algunas empresas necesitan almacenar cantidades muy grandes de datos. Sin embargo, cuando se trata de análisis, a menudo es el caso de que más pequeño es más seguro, por varias razones. Combinando sin cesar el número cada vez mayor de características de datos que almacenamos, significa que los analistas casi siempre encontrarán lo que buscan y que a menudo no serán más que ruidos aleatorios haciéndose parecer respetables. Varios libros están ahora disponibles que exploran los peligros de los grandes datos de análisis, el más legible es señal de Stephen Few.

Más preocupación por la calidad del análisis

Realmente no es suficiente para construir números interminables de gráficos y simplemente elegir los que parecen interesantes. Necesitamos medios más objetivos para evaluar la calidad de nuestro análisis. A menos que esto se realice, simplemente seguiremos nuestros prejuicios y terminaremos con un análisis erróneo. La IA (Inteligencia Artificial) y el aprendizaje automático ayudarán con la calidad del análisis.

Alimentación directa del análisis al medio ambiente

La analítica no es un mundo en sí mismo y necesita comunicarse con otros dispositivos. Sisense ha sido pionera en la liberación de la analítica desde la pantalla del ordenador, mediante la integración con Amazon Alexa y otros dispositivos. El análisis de alimentación a los dispositivos IoT y otro hardware lo harán más disponible y digerido más fácilmente.

El análisis y los productos generadores de ingresos.

Las grandes empresas tienen acceso a datos y poder analítico que les permite crear servicios cobrables para socios, proveedores y posiblemente clientes. Los grupos de empresas también empezarán a federar sus datos, creando servicios que proporcionan información única sobre sus mercados, información que otras compañías a menudo pagarán. GoodData es un excelente ejemplo de un proveedor que opera en este espacio.

La aparición de servicios analíticos son impulsados por la IA (Inteligencia Artificial) que transforman y automatizan muchas actividades empresariales. Ejemplos actuales incluyen Adgorithm, un servicio de marketing de medios impulsado por AI que optimiza continuamente la colocación, la sincronización, la redacción de anuncios y el uso de canales, para aumentar significativamente la generación de leads. Otro ejemplo es Celonis, que proporciona una plataforma impulsada por IA que realiza minería de procesos para predecir el rendimiento del proceso. En ambos casos, se ha automatizado un considerable esfuerzo manual.

El tema abrumador aquí es la integración de análisis de negocio con el entorno de producción y la integración entre las diferentes formas de análisis. El otro tema principal es el efecto que tendrá IA (Inteligencia Artificial) en la productividad y exactitud del análisis. Podríamos escuchar algunas grandes historias de terror de datos de análisis de fugas, aunque las empresas suelen trabajar muy duro para mantener esas cosas tranquilas. Aun así, necesitamos desesperadamente ayuda para asegurar que el análisis sea riguroso y fundado, lo que en general no lo es. La IA (Inteligencia Artificial) ayudará con esto y puede eventualmente automatizarlo completamente.

2017 será un punto de inflexión. Habiendo experimentado media década de exuberancia irracional de la analítica visual, veremos que el análisis visual es sólo una parte de la historia, y una parte relativamente pequeña en eso.

Documento publicado originalmente en inglés por butleranalytics.com, y traducido por el equipo de Marketing de IT-NOVA.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *