Entender a las personas, y lo que éstas quieren, es algo que las organizaciones buscan develar mediante el análisis de datos, por esto es que el año pasado, las demandas empresariales para el análisis en tiempo real aumentaron.
La demanda por los datos, y estos en sí mismos, no dejan de crecer, así que se vuelve relevante conocer que sucederá con el área que se encarga de utilizarlos y darle seguimiento, el Big Data.
El Big Data es algo que muchas organizaciones ya utilizan, así que es una gran oportunidad para comenzar a desarrollarse como profesional. Ya sea que seas empleado o tomador de decisión, aquí te compartimos algunas de las tendencias clave para el 2020:
- Procesamiento en memoria
Los costos en memoria están disminuyendo, lo que significará a más análisis a entornos en tiempo real. Estos procesos requerirán CPU rápidos y procesamiento en memoria.
Las empresas requieren la capacidad de responder instantáneamente a las actividades de ventas en línea, alertas sobre sus infraestructuras de producción o cambios repentinos en los mercados financieros y carteras.
- Procesamiento en lenguaje natural
Las aplicaciones y los análisis basados en voz aún no alcanzan su potencial, debido a los desafíos de tratar de capturar diferentes entonaciones y acentos de voz con un reconocimiento preciso del lenguaje natural. La buena noticia es que el reconocimiento, la interpretación y la mecánica del lenguaje natural han mejorado enormemente, hasta el punto en que el comando por voz puede plantear más consultas analíticas.
Esto es ideal para entornos con un ritmo rápido como áreas de almacenes y logística y en otras situaciones que requieren que los empleados trabajen con las manos libres. El procesamiento en lenguaje natural también funciona bien para ejecutivos y gerentes que desean obtener datos mediante el uso de comandos de voz desde sus dispositivos móviles.
- Análisis gráfico
Las hojas de cálculo han sido fundamentales para que las empresas realicen análisis, pero muchas organizaciones se encuentran en un punto de inflexión en donde sus datos y la complejidad de sus consultas analíticas están superando las capacidades de la hoja de cálculo común.
Con el análisis gráfico, las empresas pueden determinar fácilmente las conexiones entre muchos puntos de datos diferentes, incluso aquellos que al principio no parecen estar conectados. Un ejemplo de esto, es la tecnología Graph, que simplifica la tarea de vincular personas, lugares, tiempos y cosas, y puede acelerar los tiempos al mercado para obtener información comercial.
- Análisis del desarrollo del ciclo de vida
Las empresas y los departamentos de TI comenzarán a mirar sus aplicaciones de análisis de la misma manera en que lo hacen con sus aplicaciones tradicionales. Esta área desarrollará políticas y procedimientos de administración del ciclo de vida para análisis, comenzando con el desarrollo y prueba de aplicaciones, y extendiéndose al lanzamiento, soporte, respaldo y recuperación ante desastres.
- Analítica aumentada
Los departamentos corporativos de TI y ciencia de datos comenzarán a integrar las diversas piezas de análisis en un todo organizado. Existe la línea base de análisis rudimentario, y luego existe la posibilidad de aumentar estos análisis con consultas de datos generadas por máquina a través de Inteligencia Artificial (IA) y Machine Learning (ML).
Tanto IA como ML «aprenden» de los repositorios de análisis de datos al observar patrones repetitivos de datos, procesamiento y resultados, y luego planteando consultas derivadas de lo aprendido. AI y ML aumentarán, mas no reemplazarán la creatividad humana en términos de enmarcar consultas analíticas únicas. Debido a que AI / ML puede percibir rápidamente patrones repetitivos, es posible que puedan entregar tiempos más rápidos al mercado para ciertas ideas comerciales.
- Analítica predictiva
En 2019, las empresas, en gran medida, utilizaron el análisis para comprender las situaciones históricas y actuales. En 2020, habrá un cambio hacia un análisis más predictivo para evaluar las condiciones económicas futuras, las áreas de riesgo, las tendencias climáticas, el mantenimiento de la infraestructura y las necesidades de inversión.
- Automatización de datos
Los «datos sucios» tienen un gran impacto para las organizaciones, pues los Data Scientist deben dedicar mucho tiempo para depurar esa data, así que se buscará una automatización de datos capaz eliminar la participación humana en estas minuciosas operaciones. Esto hará que el tiempo de los profesionales sea más productivo y acelerará el tiempo de comercialización de análisis, que pueden obtener datos debidamente preparados y examinados antes.
Los proveedores de soluciones de IoT enfocaron sus esfuerzos en equipar sus propias herramientas con análisis, pero las empresas aún quieren más. En 2020, los análisis de IoT avanzarán hacia un enfoque más holístico. Este año será un punto de partida para unificar los flujos de análisis de IoT, y las compañías de insumos están entrando en una red integrada de IoT que refleja más de cerca las operaciones empresariales reales
imagen:Charles
