BACKGROUND IMAGE: iSTOCK/GETTY IMAGES

Este contenido es parte de Guía Esencial: Principios de la analítica de datos: una guía esencial
Evaluar Conozca los pros y contras de las tecnologías, productos y proyectos que está considerando.

Aprendizaje automático, analítica integrada y big data van por delante en 2014

Doce predicciones sobre los avances en analítica que verán las organizaciones para este año.

¿Vamos a mirar hacia atrás al 2014 como el año que marcó una nueva época para los negocios? De acuerdo con el Instituto Internacional de Análisis (IIA), los avances en big data, junto con el aprendizaje automático y las analíticas incorporadas, impulsarán nuevos productos, reinventarán viejos procesos de negocios, y muy posiblemente significarán mucho más trabajo para los abogados.

La organización de asesoramiento e investigación sobre analítica con sede en Portland, Oregon, dio a conocer nueve predicciones oficiales para el año nuevo, pero basándonos en un reciente webinar donde los profesores discutieron lo que observan para el 2014, el número era más cercano a doce, según mis cuentas. Aquí están:

1. Las empresas continuarán adoptando el aprendizaje automático y la automatización. Las empresas tendrán que apoyarse en el aprendizaje automático y la automatización si esperan equilibrar el increíble volumen de datos que están viendo. Algunas empresas, por ejemplo, están produciendo miles de modelos, a veces al nivel de SKU. “Cuando escalas eso a los cientos de miles, el aprendizaje automático se convierte en una tecnología atractiva”, dijo Sanjeev Kumar, director de productos de analítica para la organización de TI corporativa de Dell. “Puede aprender continuamente y profundizar a través de grandes volúmenes de datos”.

2. Las empresas buscarán el justo equilibrio entre la capacidad y el juicio humanos y el de las máquinas. Las organizaciones están mejorando en (y están más cómodas con) la automatización de decisiones de negocios, pero eso no significa que cada decisión debe ser automatizada. “Si se saca al ser humano demasiado fuera de la ecuación, se pierde el contacto con el proceso de trabajo y sus habilidades pueden atrofiarse”, dijo Robert Morison, coautor de Analítica en el trabajo: Decisiones más inteligentes, mejores resultados. Cuando algo inusual ocurre o los sistemas están repentinamente no disponibles, los empleados no sabrán qué hacer. El gran reto de la automatización en 2014 será encontrar el equilibrio adecuado, dijo.

3. Los científicos de datos impulsarán nuevos productos y servicios. La evidencia de la predicción está en todas partes, de acuerdo con Tom Davenport, cofundador y director de investigación del IIA, y profesor distinguido de TI y gestión del presidente en Babson College. Aquí hay algunos ejemplos: Jawbone, fabricante de dispositivos electrónicos portátiles, contrató a Monica Rogati el verano pasado. Ella es una científica de datos que trabajó en LinkedIn Corp., quién también dirigió el departamento de productos de datos de la compañía de redes sociales. Intuit Inc., una compañía de software financiero, adquirió la  pequeña consultora Level Up Analytics en octubre, que está dirigida por científicos de datos. La compañía de juegos Electronic Arts Inc. está utilizando los datos para “aumentar los juegos tradicionales con analítica que le diga a la gente cómo jugar de manera más eficaz”, dijo Davenport.

4. Las empresas van más allá de bombo de big data. Como Kumar lo expresó: “El 2014 marcará el comienzo de una era en la que hacer un balance de lo que [las empresas han] hecho, dónde han llegado, y qué valor ha traído en realidad big data y sus iniciativas será prioritario en la agenda”. En lugar de mantener big data separado, los CIO tendrán que encontrar la manera de “combinarla con otros datos y alimentarlos en procesos de negocios como lo han hecho con los datos tradicionales”, dijo Bill Franks, director de análisis de Teradata Corp.

5. Los grandes datos estructurados se harán un nombre por sí mismos. Morison mantiene sus ojos en lo que él llama el mundo de los grandes datos estructurados. “Las empresas van a arreglarse con los grandes datos estructurados, y van a dar rienda suelta a toda una nueva ronda de mejora de procesos”, dijo. General Electric (GE) lo llama el “Internet Industrial”, y, para probar su punto de que los grandes datos estructurados  son una fuerza a tener en cuenta, Morison señaló a los sensores de GE de una turbina de gas, que generan más datos por día que todo Twitter. “Esos datos pueden servir... [en] el diseño de productos, el mantenimiento de productos, la gestión de instalaciones de mantenimiento” y así sucesivamente, dijo.

6. La profesión de analítica sigue madurando. Espere ver más equipos de analítica formados y, aún mejor, más profesionales de analítica integrados en la línea del negocio. Hacer eso puede crear oportunidades de colaboración y pone a la organización en el camino para construir un centro de excelencia. “Ese es el siguiente paso, reunir profesionales de analítica dispares, integrados en los negocios”, dijo Greta Roberts, CEO de Talent Analytics Corp.

7. Los proveedores y los usuarios se centrarán en hacer operativos y gestionar modelos. “La atención se está desplazando del desarrollo modelos clásicos a un desarrollo de modelos de autoaprendizaje/aprendizaje automático”, dijo Omer Sohail, jefe del área análisis y gestión de información para servicios financieros de Deloitte en los EE.UU. Estos modelos más sofisticados están inmersos lo más cerca posible donde se toman las decisiones, con TI centrarse menos en los datos y más en metadatos y gestión de  modelos. Los proveedores que suministran software y servicios para construir esos modelos son conscientes de la tendencia, también, y están prestando atención a lo que Kumar de Dell llamó el ciclo de vida del modelo, o cómo se puede implementar, administrar e incluso refrescar los modelos para que se mantengan actualizados.

La adopción de analítica como servicio se acelerará.

8. La adopción de analítica como servicio se acelerará. Con la creciente demanda de análisis y la continua escasez de talento (y de infraestructura), Morison dijo que las empresas recurrirán a productos de Analítica como servicio para llenar el vacío. “Factores como la velocidad, el costo, la capacidad, y lo que yo llamo ‘capacidad de experimentación’, están impulsando la adopción”.

9. Datos de reconocimiento facial jugarán un papel más importante. La tecnología de reconocimiento facial no es sólo para las personas. Según Davenport, una tienda de mascotas quiere reconocer mascotas usando la tecnología (al parecer hay una aplicación para eso) para que puedan ser recibidos por su nombre.

10. Los datos de dispositivos “wearable” se incorporarán en el análisis predictivo. Losdispositivos de actividad como los de Fitbit recogerán más métricas, lo que podría prestarse a interesantes –y personalizados– análisis predictivos, dijo Franks. Los datos de los dispositivos “wearable” podrían brindar una visión de todo, desde el mejor momento para comer un bocadillo hasta optimizar su capacidad de atención, e incluso sobre el manejo del estrés a través del ejercicio.

11. Las empresas adoptarán visualizaciones para todo tipo de datos. Los gráficos de burbujas ayudarán a mostrar el movimiento en el tiempo, al igual que Hans Rosling lo hizo al ilustrar la enfermedad en el mundo en desarrollo durante su charla TED en el 2006, dijo Davenport. Las organizaciones también comenzarán a experimentar con lo que el analista de la industria Richard Hackathorn llama inteligencia inmersiva, según Franks. “Está experimentando con la idea de conjuntos de datos vivientes, donde usted se encuentra en un mundo 3D”, dijo. Eso le da a las personas de datos y no datos por igual la oportunidad de caminar literalmente a través de sus datos e interactuar ellos.

12. ¿Las empresas considerarán añadir “abogado” a su alineación de big data? No todas las predicciones IIA llegaron a la lista. Aquí hay una que terminó en el piso de la sala de edición: “Yo sugerí una predicción acerca de que las empresas necesitan contratar abogados para sus equipos de big data [para asegurar] que realmente poseen los datos a un grado suficiente para que puedan actuar en consecuencia”, dijo Davenport, “pero mis colegas no estuvieron impresionados por esa predicción”.

Investigue más sobre Big data (Grandes datos)

Inicie la conversación

Envíenme notificaciones cuando otros miembros comenten sobre este artículo.

Por favor cree un Nombre de usuario para poder comentar.

- ANUNCIOS POR GOOGLE

Close