Las tendencias en análitica pueden ayudar a los líderes a tener mejores herramientas para tener una respuesta y recuperación de COVID-19 y prepararse para el reinicio posterior a la pandemia.

Los datos y los análisis combinados con las tecnologías de inteligencia artificial (IA) serán primordiales en el esfuerzo de predecir, preparar y responder de manera proactiva y acelerada a una crisis global y sus consecuencias.

«Para innovar más allá del mundo posterior a COVID-19, los líderes de datos y análisis requieren una velocidad y escala de análisis cada vez mayores en términos de procesamiento y acceso para tener éxito frente a cambios de mercado sin precedentes», dice Rita Sallam, Distinguida VP Analista, Gartner.

Las tendencias en el área serán:

• Inteligencia Artifical más inteligente, más rápida y más responsable

A finales de 2024, el 75% de las empresas pasarán de la experimentación a la IA operativa, lo que generará un aumento de 5 veces en la transmisión de datos e infraestructuras analíticas.

Dentro del contexto actual de pandemia, las técnicas de IA como el Machine Learning (ML), la optimización y el procesamiento del lenguaje natural (PNL) están proporcionando información y predicciones vitales sobre la propagación del virus y la efectividad y el impacto de las contramedidas.

Otras técnicas de inteligencia artificial más inteligentes como el aprendizaje por refuerzo y el aprendizaje distribuido están creando sistemas más adaptables y flexibles para manejar situaciones comerciales complejas; por ejemplo, los sistemas basados ​​en agentes pueden modelar y estimular sistemas complejos.

• Declive de tableros

Las historias de datos dinámicos con experiencias más automatizadas y de consumo reemplazarán la creación y exploración visual, de apuntar y hacer clic. Como resultado, la cantidad de tiempo que los usuarios pasan usando paneles predefinidos disminuirá. El cambio a historias de datos en contexto significa que las ideas más relevantes se transmitirán a cada usuario en función de su contexto, función o uso. Estos conocimientos dinámicos aprovechan tecnologías como análisis aumentado, PNL, detección de anomalías de transmisión y colaboración.

Los líderes de datos y análisis deben evaluar regularmente sus herramientas existentes de análisis y Business Intelligence (BI) y nuevas empresas innovadoras que ofrecen nuevas experiencias de usuario aumentadas y basadas en PNL más allá del tablero predefinido.

• Inteligencia de decisión

Para 2023, más del 33% de las grandes organizaciones tendrán analistas que practiquen la inteligencia de decisiones, incluido el modelado de decisiones. La inteligencia de decisiones reúne una serie de disciplinas, incluida la gestión de decisiones y el soporte de decisiones. Abarca aplicaciones en el campo de sistemas adaptativos complejos que reúnen múltiples disciplinas tradicionales y avanzadas.

Proporciona un marco para ayudar a los líderes de datos y análisis a diseñar, modelar, alinear, ejecutar, monitorear y ajustar modelos y procesos de decisión en el contexto de los resultados y el comportamiento del negocio.

• Análisis X

Gartner acuñó el término «análisis X» para ser un término general, donde X es la variable de datos para una variedad de diferentes contenidos estructurados y no estructurados, como análisis de texto, análisis de video, análisis de audio, etc.

Los líderes de datos y análisis utilizan el análisis X para resolver los desafíos más difíciles de la sociedad, incluido el cambio climático, la prevención de enfermedades y la protección de la vida silvestre.

Durante la pandemia, la IA ha sido fundamental para analizar miles de artículos de investigación, fuentes de noticias, publicaciones en redes sociales y datos de ensayos clínicos para ayudar a los expertos médicos y de salud pública a predecir la propagación de enfermedades, planificar la capacidad, encontrar nuevos tratamientos e identificar poblaciones vulnerables. La analítica X combinada con IA y otras técnicas como la analítica gráfica (otra tendencia principal) jugará un papel clave en la identificación, predicción y planificación de desastres naturales y otras crisis en el futuro.

Los líderes de datos y análisis deberían explorar las capacidades de análisis X disponibles de sus proveedores existentes, como los proveedores de nube para análisis de imagen, video y voz, pero reconocen que la innovación probablemente provenga de pequeñas empresas disruptivas y proveedores de nube.

• Gestión de datos aumentada

La gestión de datos aumentada utiliza técnicas de ML e IA para optimizar y mejorar las operaciones. También convierte los metadatos de ser utilizados en auditorías, linajes e informes a sistemas dinámicos potentes.

Los productos de gestión de datos aumentados pueden examinar grandes muestras de datos operativos, incluidas consultas reales, datos de rendimiento y esquemas. Usando los datos de uso y carga de trabajo existentes, un motor aumentado puede ajustar las operaciones y optimizar la configuración, la seguridad y el rendimiento.

Los líderes de datos y análisis deben buscar una administración de datos aumentada que permita metadatos activos para simplificar y consolidar sus arquitecturas, y también aumentar la automatización en sus tareas redundantes de administración de datos.

Los líderes de datos y análisis deben evaluar las oportunidades para incorporar análisis gráficos en sus carteras y aplicaciones de análisis para descubrir patrones y relaciones ocultos. Además, considera investigar cómo los algoritmos gráficos y las tecnologías pueden mejorar sus iniciativas de IA y ML.

imagen: Luke Chesser