10 tendencias en analítica empresarial para el 2020

Fecha de publicación
Cateogría del artículo Mercado
Visualizaciones del artículo Leído  730  veces

MicroStrategy recoge en un informe la visión de distintos expertos sobre análisis empresarial, inteligencia artificial, machine learning, deep learning y transformación digital. Este es el Top 10 de la inteligencia corporativa

10 tendencias en analítica empresarial para el 2020

MicroStrategy Incorporated, proveedor mundial de software de movilidad y análisis empresarial, ha hecho público su informe 10 Tendencias en Analítica Empresarial para 2020, elaborado en colaboración con algunos de los principales analistas e influencers de firmas como Forrester, IDC, Constellation Research y Ventana Research, entre otros.

En su informe, MicroStrategy recoge, de la mano de estos expertos, las tendencias y perspectivas, en distintos ámbitos, desde la Inteligencia Artificial e Inteligencia Móvil, hasta la explosión de datos y fuentes de datos, pasando por algunos factores humanos, como la previsible escasez de talento analítico y de datos.

"Estamos muy satisfechos con la presentación de nuestro informe anual sobre las principales tendencias en analítica empresarial para el año 2020. Creemos que existe una oportunidad cada vez mayor para que los responsables de la toma de decisiones aprovechen los últimos avances en analítica empresarial, AI, ML o deep learning, entre otras", comenta Vijay Anand, vicepresidente de Marketing de Producto de MicroStrategy Incorporated. "Gracias a la colaboración con algunos de los expertos más importantes del mundo en este campo, el informe pretende impulsar el diálogo entre aquellos líderes que demandan tecnologías disruptivas para aprovechar los datos, aumentar la eficiencia y el retorno de la inversión, y así superar a su competencia".

Las 10 Tendencias de analítica empresarial en 2020 según 10 expertos

1. El aprendizaje profundo ofrece una ventaja competitiva. "En 2020, el foco de atención sobre el deep learning será el nexo entre el saber y el hacer. Ya no se trata solo de un concepto que está de moda, el pragmatismo del aprendizaje profundo para predecir y entender el comportamiento humano será un punto de inflexión en la forma en que las empresas operarán con inteligencia frente a sus competidores". Frank J. Bernhard, chief data officer y autor, SHAPE-Digital Strategy by Data and Analytics. En 2020, el foco de atención para el aprendizaje profundo será el conectar el saber con el hacer, ya de manera que pueda aplicarse de manera efectiva en las finanzas, el marketing, las operaciones y las cadenas de suministro . Ya no es solo una palabra de moda, el aprendizaje profundo es un factor decisivo en la forma en que las empresas se desempeñarán con inteligencia contra sus competidores.

2. El Automated Machine Learning mejora el ROI de las iniciativas de Data Science. "El aprendizaje automático es una de las tecnologías que más rápidamente ha evolucionado en los últimos años, y la demanda de desarrollo de este tipo de aprendizaje ha aumentado exponencialmente. Este rápido crecimiento de las soluciones de ML ha generado una demanda de modelos de ML listos para usar que son fáciles de utilizar y no requieren de un conocimiento de experto". Marcus Borba, fundador y consultor principal, Borba Consulting. El aprendizaje automático automatizado (AutoML) es la capacidad de automatizar todo el proceso de desarrollo y administración de modelos de aprendizaje automático, ofreciendo la ventaja de producir soluciones más simples y rápidas que a menudo superan a los modelos desarrollados manualmente. Existen varias ventajas al usar AutoML: permite una mayor productividad y evita errores. Además, AutoML ayuda a democratizar el uso del aprendizaje automático al hacer que sus capacidades sean accesibles para todos.

3. El gráfico semántico se convierte en un elemento fundamental para ofrecer valor de negocio. “El gráfico semántico se convertirá en la columna vertebral que soportará los datos y los análisis en un entorno de datos en constante cambio. Las organizaciones que no utilizan sistemas de gráficos semánticos corren el riesgo de ver como el ROI de la analítica se desploma debido a la creciente complejidad y a los costes organizativos resultantes". Roxane Edjlali, senior director, Product Management, MicroStrategy y ex analista de Gartner. Un gráfico semántico captura, organiza y enriquece los metadatos en una representación gráfica y utiliza técnicas de análisis gráfico para obtener más información. Gartner identificó el gráfico como una de las diez principales tendencias en datos y análisis para 2019. Es de naturaleza participativa: aprovecha el trabajo realizado por los usuarios al crear análisis o simplemente visualizar datos, y lo aumenta al aprovechar las técnicas de IA y ML para contribuir a la comunidad al proporcionar nueva información de relevancia, o descubrir relaciones con otros datos agregados.

4. La comprensión humana se vuelve aún más importante a medida que aumentan los volúmenes de datos. “A medida que los profesionales del conocimiento se sienten cómodos trabajando con datos, también deben familiarizarse con la etnografía de los mismos, o con el estudio de a lo que se refieren, el contexto en el que fueron recogidos y el entendimiento de que los datos por sí solos podrían no proporcionarles una imagen completa". Chandana Gopal, directora de Investigación, IDC. Es fácil dejarse llevar por la idea de que el big data y la inteligencia artificial es el futuro de toda toma de decisiones y la percepción humana se volverá irrelevante. Nada más lejos: a medida que aumentan los volúmenes de datos, es de vital importancia el papel de las personas para entender el contexto de los datos y las propuestas que están siendo generadas por AI/ML. Los denominados thick data se han de analizar.

5. El análisis integrado de próxima generación acelera el tiempo de comprensión. “Los análisis concisos proporcionados en el contexto de aplicaciones e interfaces específicas aceleran la toma de decisiones. Este estilo de integración y gestión de análisis concisos contextuales puede llevar más tiempo, pero con avances como los métodos de desarrollo sin código y de low-code, estamos viendo una creciente adopción de la integración de próxima generación”. Doug Henschen, VP and principal analyst, Constellation Research.

6. La necesidad de combinar fuentes de datos continúa creciendo. “Prevemos que se mantenga el interés en la diversidad de datos. Las organizaciones rara vez tienen una sola plataforma estándar para sus datos y análisis y se utilizan múltiples herramientas para acceder a los datos. La necesidad de combinar estas fuentes de datos seguirá creciendo”. David Menninger, SVP and Research Director, Ventana Research. Ahora hay dos pulsiones que están cambiando la naturaleza de las integraciones: la primera, el interés por la transformación digital y la innovación que está impulsando a las organizaciones innovadoras a explorar la incorporación de análisis en productos y servicios basados en datos. La segunda es la presión del tiempo y la aceleración del proceso de toma de decisiones.

7. Las habilidades en datos se convierten en un requisito clave para las empresas. “Las empresas tendrán que centrarse no solo en reclutar a los mejores talentos analíticos, sino también en la educación, el reciclaje y la mejora de las habilidades de sus actuales empleados, a medida que aumenta la necesidad tomar decisiones basadas en datos y hay una mayor escasez de talento”. Hugh Owen, executive vice president, Worldwide Education, MicroStrategy. Pueden surgir 133 millones de nuevos roles relacionados con una nueva división del trabajo entre humanos, máquinas y algoritmos. Estos incluyen especialistas en inteligencia artificial y aprendizaje automático, especialistas en big data, especialistas en seguridad de la información y especialistas en automatización de procesos.

8. La IA es real y ya está disponible. “El próximo año, cada vez más CDAOs y CIOs se encargarán de que los equipos de data science tengan lo que necesitan en términos de datos para poder dedicar el 70%, 80% o 90% de su tiempo a la creación de casos de uso de IA” . Srividya Sridharan, Mike Gualteri, J.P. Gownder, Craig Le Clair, Ian Jacobs, Andrew Hogan, Predictions 2020: Artificial Intelligence—It’s Time to Turn the Artificial Into Reality (Checks), Forrester. Las empresas con directores de datos (CDO) ya tienen 1,5 veces más probabilidades de usar IA, ML y/o aprendizaje profundo para sus iniciativas de conocimiento que aquellas sin CDO. El liderazgo importa.

9. La inteligencia móvil evoluciona en 2020 y más allá. “La mitad de las organizaciones reexaminarán su uso de dispositivos móviles y concluirán que su tecnología no responde adecuadamente a las necesidades de sus empleados, lo que les llevará a analizar una nueva generación de aplicaciones móviles que proporcionan una mejor experiencia de trabajo y una conectividad mucho más efectiva con el resto de la organización y con los clientes”. Mark Smith, CEO and chief Research Officer, Ventana Research.

10. El futuro de la gestión de la experiencia está impulsado por la IA. “A medida que las aplicaciones se descomponen por procesos de negocio en microservicios, la automatización y la inteligencia desempeñarán un papel importante en la personalización y eficiencia a escala masiva. La Empresa Inteligente aprovechará el contexto y los datos para impulsar las mejores acciones”. R “Ray” Wang, F fundador y consultor principal, Constellation Research.