Los usuarios desean aplicar las tendencias en analíticas en sus flujos de trabajo existentes para hacer que los insights sean más procesables, además de que cada vez preguntan por insights en tiempo real.
La alfabetización de datos se convertirá en un indicador clave de rendimiento (KPI) para las empresas
Con el aumento de la conciencia acerca de la necesidad de la alfabetización de datos, los individuos y las organizaciones ahora están buscando mejorar su preparación para la alfabetización de datos. Pero la mejora requiere que primero comprendan en qué nivel se encuentran actualmente, algo que hasta ahora era un gran desafío. Los nuevos métodos de análisis de la alfabetización de datos han permitido a las organizaciones evaluar con mayor precisión la preparación de datos de su fuerza laboral, así como mejorar sus habilidades a través de intervenciones estratégicas más específicas y relevantes.
Un índice de alfabetización de datos recientemente realizado por Qlik mostró una correlación directa entre el nivel de alfabetización de datos de una organización y su desempeño en varios KPI, como el margen bruto, el rendimiento de las ventas, el rendimiento de las acciones, retorno sobre activos, etc. Este es un indicador clave sobre el papel dominante que desempeñará la alfabetización de datos en la construcción de estrategias imperativas para el funcionamiento de una empresa y sus procesos.
Inteligencia aumentada: la integración de capacidades humanas y de máquinas.
Existen dos desafíos a lo largo de la cadena de valor de la información que se han pasado por alto, pero requieren atención e implementación inmediatas. En primer lugar, la enorme brecha entre los datos creados y la capacidad de los humanos para procesarlos todos. En segundo lugar, la brecha entre la alta disponibilidad de herramientas analíticas y el bajo nivel de adopción dentro de las empresas, el cual debe ser resuelta activamente.
Cerrar estas brechas solo dará como resultado el empoderamiento humano, ya que la IA complementará las capacidades humanas al realizar actividades como la recopilación de datos, el procesamiento de datos, el análisis de datos y la generación de información. Creemos que las personas no serán eliminadas de la ecuación, sino que se mejorarán sus capacidades.
Otras intervenciones dirigidas por la tecnología, como el machine learning y la telemetría, también aprovecharán el poder del grupo de sistemas para mejorar de manera gradual la identificación de patrones y presentar sugerencias relevantes para mejorar aún más la experiencia del usuario final. Dicha integración hombre-máquina también sentará las bases de la verdadera inteligencia aumentada (AI), que generará un mayor valor y beneficios para el panorama empresarial.
Remodelando plataformas centralizadas mediante la gestión de múltiples nubes y sistemas híbridos.
Hoy en día, los datos empresariales vienen de varias direcciones, a diferentes velocidades y en diferentes formatos, y se almacenan en diversos entornos de almacenamiento de datos. Así mismo, tal hipercentralización puede dejar a las organizaciones vulnerables a desafíos como el bloqueo de proveedores, problemas de gobernabilidad, mayor riesgo de seguridad y mayores costos de back-end.
Este enfoque de administración de datos en servidores de almacenamiento en la nube centralizado cambiará en 2019. En lugar de agregar datos empresariales en un solo lugar, las organizaciones buscarán obtener una vista centralizada de todos sus datos, independientemente de dónde se almacenen. Esto conducirá a un cambio hacia las plataformas de análisis de datos que proporcionan una visibilidad completa y en tiempo real de los datos de la empresa. Los jugadores líderes en el dominio, ya están tratando la computación de múltiples nubes, híbrida y avanzada como un continuo de datos en lugar de diferentes entornos de datos, impulsando el valor empresarial mejorado mediante el desbloqueo de las asociaciones de datos que hasta ahora habían permanecido ocultas.
Remodelando procesos incorporando análisis en flujos de trabajo
Hasta ahora, los usuarios de negocios han confiado en equipos de análisis dedicados para responder las preguntas de sus datos. Este enfoque lineal, basado en embudo, dificulta la velocidad a la que la información en bruto puede convertirse en información procesable. El alcance de la exploración de datos y la realización de valores también es limitado, ya que el analista a menudo no tiene el contexto completo en el que se están explorando los datos.
Los usuarios desean analíticas en sus flujos de trabajo existentes para hacer que las perspectivas sean más accionables, y están pidiendo cada vez más ideas en tiempo real. Este cambio está siendo impulsado por el aprendizaje automático y la inteligencia artificial, que proporcionan información contextualizada y acciones sugeridas. Por ejemplo, cuando los clientes hacen pedidos de productos en línea, las aplicaciones inteligentes analizarán patrones y transformarán procesos como recepción, cumplimiento y facturación para que sean más eficientes y efectivos.
Integración de tecnologías de datos visuales, conversacionales y de presentación.
Los datos a menudo tienen varias historias que contar, pero el análisis de datos tradicional, con interminables filas y filas de información, dificulta que los usuarios identifiquen estas historias atrapadas dentro de sus datos. Espere que esto cambie en 2019. En los últimos tres años, ha surgido la narración de datos impulsada por la máquina, que ofrece narraciones a través de la generación de lenguaje natural (NLG). Agregar consulta de lenguaje natural (NLQ) y procesamiento de lenguaje natural (NLP), a menudo denominado “análisis conversacional”, hará que este enfoque sea mucho más interactivo y aceptado.
La convergencia del análisis conversacional y la narración de datos con tecnologías de presentación también ayudará a la iniciativa más grande de alfabetización de datos. Esto aumentará aún más el rendimiento y la escalabilidad, que se están convirtiendo cada vez más en una prioridad en el campo de los datos y el análisis.
Fuente: DataQuest
