Este 2022 será un año decisivo para big data, inteligencia artificial y analítica, y las empresas esperan resultados comerciales tangibles. Pero desde el punto de vista de TI, todavía queda mucho trabajo por hacer.

Aquí hay algunas tendencias en Big Data que deben de seguir de cerca los profesionales IT:

Establecer una política de retención de datos

Muchas organizaciones simplemente no han prestado atención, evitando por completo la discusión sobre la retención de big data. Esto podría deberse al temor de lo que podría ser necesario si la empresa se viera obligada a realizar un descubrimiento legal para una demanda, pero lo más probable es que no se ha prestado la debida atención.

Con datos globales proyectados para crecer a 180 zettabytes para 2025 y big data que comprende el 80% de esos datos, 2022 es el momento de promulgar políticas de retención de big data y eliminar los datos que no necesita.

Definir el rol de Big Data en la estructura de datos

Para desglosar los silos del sistema departamental y poner a disposición de todos los datos de toda la organización para el análisis y la toma de decisiones, el departamento TI debe centrarse en incorporar big data, así como datos estructurados más tradicionales, en la estructura de datos que construye para vincular todos estos silos y repositorios

Desarrollar más aplicaciones de análisis sin código y de bajo código

La implementación de herramientas de informes sin código y de bajo código para análisis puede poner más informes de análisis en manos de los usuarios finales más rápido, al tiempo que alivia la carga de trabajo de TI.

Reevaluar el valor comercial de las aplicaciones implementadas

Es fantástico poner en producción una aplicación de análisis, pero ¿está funcionando tan bien para la empresa ahora como hace dos años cuando se implementó por primera vez?

El negocio cambia constantemente. Es probable que haya una «desviación» entre las soluciones de análisis en las que continúan enfocándose y lo que la empresa necesita ahora.

En 2022, valdría la pena revisar la efectividad de las aplicaciones de análisis que se ha implementado actualmente para ver qué tan bien se están desempeñando y si aún satisfacen las necesidades de los casos de uso comercial para los que fueron diseñadas.

Desarrollar una estrategia de mantenimiento de datos y aplicaciones

Al igual que con las aplicaciones y los datos estructurados, aquellos que emplean big data y analítica también requieren mantenimiento. Sin embargo, muchas organizaciones que implementan análisis y big data no tienen procedimientos establecidos para el mantenimiento. En producción éstas han alcanzado un nivel de madurez en el que se deben desarrollar y practicar procedimientos de mantenimiento.

Mejorar las habilidades

Para respaldar las operaciones y el análisis de big data, se necesitan nuevas habilidades para el personal. Esto puede requerir capacitación adicional en análisis de datos, ciencia de datos, almacenamiento de big data y administración de procesamiento, junto con competencia con herramientas de desarrollo más nuevas, como análisis de código bajo y sin código.

Seguridad, la privacidad y las fuentes confiables

Los datos del Big Data se pueden adquirir de una variedad de fuentes de terceros. Estas fuentes deben revisarse periódicamente para verificar que cumplan con los estándares corporativos de seguridad y privacidad, al igual que su propio big data interno.

Evaluar el soporte del proveedor en big data y análisis

Muchos proveedores ofrecen herramientas para big data y análisis, pero no todos ofrecen el mismo grado de soporte cuando se necesita. Es importante trabajar con proveedores que ofrezcan soporte activo para su personal en el uso de herramientas de análisis y big data, así como orientación durante proyectos clave.

Mejorar los grandes datos y análisis que respaldan la experiencia del cliente

Casi todas las empresas quieren mejorar la experiencia de sus clientes. Un elemento central de este proceso es desarrollar la automatización orientada al cliente y las ayudas para ayudar a los clientes a obtener respuestas a sus solicitudes, preguntas y problemas.

La automatización de los sistemas orientados al cliente (por ejemplo, chat, asistentes telefónicos, etc.) que utilizan PNLe IA (inteligencia artificial) para interpretar el sentimiento del cliente y entablar conversaciones está lejos de estar madura.

Las empresas que se centren en mejorar el rendimiento de la PNL y la IA en estas áreas se beneficiarán.

Renueve las discusiones sobre big data y análisis en la parte superior

Las primeras discusiones importantes sobre big data y análisis comenzaron cuando ambos comenzaron a implementarse en las organizaciones. Ahora estas tecnologías son más maduras y se están moviendo hacia la corriente principal del sistema corporativo. 2022 es un buen año para que los CIO se reúnan con otros ejecutivos de nivel C y partes interesadas para recapitular el progreso de la IA y el análisis y asegurar su apoyo para los próximos pasos.

imagen: @everythingpossible