ra2 studio - Fotolia
Analítica aumentada lidera las tendencias de analítica para 2021
La adopción de la analítica aumentada fue una de las principales tendencias para 2020. La adopción todavía parece fuerte para 2021, así como la personalización del papel de la IA en la analítica en general.
El año pasado se desaceleraron un poco las tendencias debido a la pandemia, y las organizaciones tuvieron que girar en respuesta a una fuerte recesión económica. Los datos y el análisis han sido un foco de atención pública ya que varias organizaciones lanzaron plataformas que permitían a las personas rastrear el virus a medida que se propagaba por el mundo y en su comunidad. La visualización de datos jugó un papel importante en todas las industrias el año pasado.
Pero la mayor tendencia de análisis para 2020 fue la adopción de análisis aumentados. De hecho, Gartner agregó capacidades aumentadas a sus criterios del Cuadrante Mágico para BI y plataformas de análisis por primera vez. Y esa tendencia aún no ha terminado.
Las capacidades aumentadas están impulsando las tendencias analíticas para 2021. Estas son las principales tendencias que los expertos dicen tener en cuenta en 2021.
Los cuadros de mando tradicionales se vuelven menos relevantes
Los paneles de análisis son una adición bienvenida a los informes tradicionales porque los KPI se pueden monitorear de manera oportuna y los usuarios pueden interactuar con los datos, incluso desde un dispositivo móvil. Además de proporcionar información basada en roles, los resultados analíticos se pueden reducir aún más en función de con quién interactúa el usuario y los cambios comerciales que son relevantes para el usuario. Sin embargo, ese paradigma está cambiando.
«La analítica aumentada se está implementando principalmente como un complemento de un panel de control», dijo Rita Sallam, distinguida VP analista y miembro de Gartner. «Puedo pedirle al sistema que explique un cambio que ya ha sido identificado, y generará una narrativa que tal vez explique lo que está sucediendo en los datos que se están visualizando. Puedo comenzar con una pregunta en lenguaje natural, pero todavía comienzo con una pregunta, y obtengo la respuesta a mi pregunta en lugar de señalar y hacer clic. Pero piense en la posibilidad de que sea al revés donde, según quién soy, obtengo las cinco cosas en las que debería centrarme hoy. Esas son más como historias de datos dinámicos».
Las plataformas están evolucionando de estar centradas en el tablero a estar centradas en historias de datos dinámicos, y los resultados se están volviendo aún más personalizados.
Servicios mejorados de inteligencia artificial y aprendizaje automático
Los proveedores de la nube hacen que los servicios de aprendizaje automático y de inteligencia artificial sean más accesibles para las plataformas y aplicaciones de análisis y BI a través de bibliotecas y plataformas de código abierto. Aunque el análisis de contenido, la visión por computadora, el análisis de datos no estructurados, la detección de emociones y otras formas de análisis se están produciendo en los bolsillos, su uso se volverá más común a medida que más proveedores consuman esas capacidades como servicios.
Sallam dijo que «analítica X», término de Gartner en el que X significa cualquier cosa, dará lugar a nuevas aplicaciones y casos de uso que cambiarán fundamentalmente los procesos, como eliminar la fricción de un reclamo de seguro cuando ocurre un accidente automovilístico.
Si bien la analítica ya está permitiendo muchas formas de optimización, Sallam dijo que hay un potencial sin explotar a medida que más capacidades convergen en la nube a escala y la analítica de datos continúa democratizándose.
El análisis de gráficos se volverá más omnipresente
El análisis de gráficos ha estado explicando las relaciones durante tres décadas, aunque con la nube y otros avances, espere ver mejoras en el procesamiento del lenguaje natural, los gráficos de conocimiento y los tejidos de datos.
«Todo lo que hacemos actualmente, ya sea detección de fraudes, lucha contra el blanqueo de capitales, descubrimiento de fármacos, optimización de la cadena de suministro, seguimiento de contactos o análisis del recorrido del cliente, se trata de encontrar patrones y relaciones [y] poder admitir tipos más amplios de análisis de datos», dijo Sallam.
Lian Jye Su, analista principal de ABI Research, dijo que el enfoque ahora es aplicar el aprendizaje profundo a los datos estructurados en gráficos.
IoT jugará un papel cada vez más central
Dos tendencias analíticas relacionadas con IoT que Su espera son análisis centrados en el borde y procesamiento y gestión de flujos en tiempo real.
«Cada vez se recopilan más datos desde el borde debido a la proliferación de IoT», dijo Su. «Sin embargo, muchos de estos [elementos] de datos vienen en diferentes formatos. Los proveedores de soluciones de análisis aumentado necesitan desarrollar capacidades para ingerir y preparar datos para análisis centrales y [aprendizaje automático]. Las comunidades de desarrolladores están considerando la arquitectura Apache Flink y Kappa. Proveedores de nube pública como AWS, Azure y Google Cloud Platform encabezan estas capacidades».
En opinión de Su, la próxima ola de análisis probablemente se centrará en información instantánea proveniente del flujo de datos continuo, la automatización del procesamiento de datos y la implementación de aprendizaje automático de código cero.
Más automatización requiere entrenamiento masivo
Muchas plataformas de BI y análisis ahora se dirigen a una audiencia más amplia, que incluye a científicos de datos ciudadanos. Las capacidades de análisis aumentado simplifican tareas como la preparación y consulta de datos, pero eso no significa que los científicos de datos ciudadanos piensen como científicos o analistas de datos.
«No vamos a capacitar a la gente sobre cómo crear cuadros de mando o cómo escribir consultas SQL», dijo Sallam. «Vamos a capacitar a los consumidores sobre cómo utilizar esos conocimientos de manera responsable dentro de su contexto».
Los científicos de datos ciudadanos deben comprender los conceptos básicos y las técnicas analíticas, incluido el sesgo y sus posibles impactos.
Para garantizar análisis fiables, los proveedores de análisis y BI deben asegurarse de que sus plataformas puedan explicar los resultados para que los usuarios comprendan qué factores produjeron un resultado analítico. Sallam dijo que la explicabilidad también incluye alertar proactivamente a los usuarios sobre posibles riesgos de privacidad y sesgos en los modelos.
Analítica ambiental
Probablemente la más futurista de las tendencias analíticas de 2021 es la analítica ambiental llevada al extremo. Llegar allí requiere capacidades analíticas prácticamente en todas partes, integradas en todas las aplicaciones comerciales y de productividad y en dispositivos en red que se comunican entre sí para comprender el contexto del usuario, adaptarse a circunstancias cambiantes, personalizar los resultados y anticipar las necesidades o deseos del usuario.
Un ejemplo clásico de esto es una casa inteligente. Sin embargo, el concepto se aplica a los espacios de trabajo, los espacios públicos y las experiencias de los usuarios en general.
«¿No sería bueno si estoy viendo una orden de compra en una aplicación de compras, y mientras me desplazo por las diferentes secciones del documento (información del cliente, artículos detallados, etc.) y sin pedirlo, un panel de análisis, un análisis de mi relación con el cliente, una explicación [con] disponibilidad de inventario y tendencias, una predicción o una recomendación simplemente aparece?», dijo Boris Evelson, analista principal de Forrester. «O, si recibo un correo electrónico de usted, aparezca un panel con un análisis completo de nuestra relación, incluida la cantidad de llamadas que hemos tenido y los temas o tendencias que hemos discutido, para que todo el análisis que necesito esté al alcance de mis dedos?».
Hoy en día, muchas aplicaciones y herramientas incluyen análisis integrados diseñados para su uso dentro del contexto de la aplicación o herramienta. Sin embargo, estos silos de información se pueden interconectar a través de lo que Forrester llama tejido de datos y análisis. Esto es fundamental porque, para proporcionar información valiosa y procesable, la analítica ambiental requiere vistas de 360 grados de los clientes, productos, socios y todo lo demás.
«La analítica ambiental de nivel empresarial ofrecerá resultados asombrosos, pero requerirá una integración de datos significativa y un esfuerzo de incrustación», dijo Evelson.
