adam121 - Fotolia

Seis razones por las que puede necesitar ciencia de datos como servicio

Hay muchas razones para tercerizar todo o parte de un proyecto de ciencia de datos a un servicio. Descubra cómo las empresas utilizan DSaaS en su proceso de análisis.

La ciencia de datos como servicio, o DSaaS, ha sido noticia durante un tiempo, pero se ha convertido en un tema candente una vez más. En marzo, AWS anunció una asociación con Change Healthcare para ofrecer DSaaS para el análisis de la salud.

Ese mismo mes, el proveedor de soluciones de movilidad Comviva anunció su propia oferta de DSaaS para ayudar a los proveedores de telecomunicaciones con el marketing. Y en febrero, el proveedor de servicios de datos Calligo adquirió el proveedor de análisis de datos Decisive Data para ampliar su oferta de DSaaS.

Ahora que la ciencia de datos como servicio está recibiendo más atención, es importante que las empresas sepan si deben invertir en este servicio y cuáles son las razones para considerarlo.

¿Qué es la ciencia de datos como servicio?

Según Anand Rao, socio y líder global de IA en PwC, la ciencia de datos como servicio es la tercerización de las actividades de ciencia de datos a un proveedor externo.

«El cliente proporciona los datos y el DSaaS proporciona la información de los datos al cliente», dijo.

Resulta especialmente útil para trabajos temporales, para cargas de trabajo repentinas o picos, o para tareas estandarizadas como la realización de análisis en informes mensuales o trimestrales, explicó.

Una de las razones por las que no se oye hablar mucho de la ciencia de los datos como servicio es que el término puede significar muchas cosas diferentes. Abarca desde herramientas de análisis integradas en plataformas SaaS populares, como Salesforce, hasta proveedores especializados que ofrecen modelos preconstruidos para aplicaciones empresariales específicas que pueden personalizar y gestionar para los clientes, pasando por implantaciones de consultoría estándar.

Pero sea cual sea su forma, la DSaaS tiene mucho valor que ofrecer a las empresas, tengan o no un equipo interno de ciencia de datos.

DSaaS como IA integrada

Cada vez son más las aplicaciones empresariales que incorporan funciones de análisis e inteligencia artificial, según Kjell Carlsson, analista principal de Forrester Research.

El propio equipo de ciencia de datos de una empresa puede ser capaz de construir algo más personalizado que estas aplicaciones, dijo.

«Pero es muy difícil poner esos modelos en manos del usuario final», dijo. «El usuario final ya está utilizando esas aplicaciones empresariales SaaS, y el modelo ya está ahí, integrado en su flujo de trabajo».

En muchos casos, las ventajas de contar con un modelo integrado que ya está ahí y con el que los usuarios pueden empezar a trabajar superan los posibles beneficios de crear un modelo a medida, según Carlsson.

Sin embargo, si los datos residen en diferentes sistemas, la escala del reto de integración podría requerir un esfuerzo interno.

«Cuantos más sistemas diferentes haya que vincular, menos probable es que se consuma ciencia de datos como servicio», afirma Carlsson.

DSaaS como plataformas de inteligencia empresarial

Las suites de inteligencia empresarial de uso general que se ofrecen como servicio cuentan cada vez más con BI y análisis aumentados. Tableau Online, por ejemplo, ofrece análisis de autoservicio en la nube. Microsoft ofrece Power BI como servicio e IBM también ofrece sus herramientas de análisis como servicio.

Dave Costenaro, director de datos de Capacity, empresa de asistencia técnica impulsada por IA, utiliza opciones de DSaaS como Tableau para la analítica y AWS para el almacenamiento de datos.

«La infraestructura para la recopilación y el almacenamiento de datos puede subcontratarse fácilmente a varios proveedores de bases de datos en la nube», dijo.

Las empresas pueden subcontratar pasos individuales de la cadena de análisis a proveedores externos, dijo, incluso si tienen equipos internos para otras partes.

DSaaS como plataformas de desarrollo de IA

Proveedores como C3.ai ofrecen componentes y módulos de IA preconstruidos que las empresas pueden unir para construir sus propias aplicaciones predictivas, dijo Carlsson.

El uso de una plataforma externa de ciencia de datos puede tener sentido, incluso cuando una empresa tiene un equipo interno de ciencia de datos, porque permite la flexibilidad para escalar los modelos hacia arriba y hacia abajo según sea necesario y para poner en marcha los entornos de prueba rápidamente. También puede reducir los gastos de capital o los costos de licencia, y el proveedor es responsable de mantener la infraestructura y actualizarla.

El uso de una plataforma DSaaS también puede proporcionar acceso a los algoritmos de ciencia de datos propiedad del proveedor, dijo Hugh Burgin, líder de datos e IA de Estados Unidos del Grupo de Servicios de Microsoft en EY.

Sin embargo, existen algunas desventajas.

«En un modelo alojado proporcionado por un proveedor, esto a menudo se puede sentir como una caja negra, donde la empresa tiene menos impacto y visibilidad sobre cómo funcionan las operaciones de datos y la ciencia de datos», dijo. «Para algunas empresas, la aceptación ejecutiva del uso de recursos externos podría ser un desafío también».

DSaaS como servicios de IA o de aprendizaje automático

Los principales proveedores de la nube y las startups centradas en la IA ofrecen modelos preentrenados para la visión, la búsqueda, las recomendaciones, el reconocimiento del habla, el procesamiento del lenguaje natural y otras tareas comunes de la ciencia de datos.

Puede ser mucho más rápido y fácil utilizar esas ofertas en lugar de construir un sistema en la empresa. Sin embargo, podría haber problemas de cumplimiento, privacidad o seguridad que pueden limitar el uso de proveedores externos, dijo Carlsson.

«El equipo de seguridad de la información puede ponerle obstáculos si los datos tienen que salir de sus muros», dijo.

DSaaS como aceleradores de IA

Algunas empresas de DSaaS tienen modelos preconstruidos que ajustan en función de los datos de una empresa concreta, y luego cobran mensualmente para mantener el modelo actualizado con los datos más recientes, dijo Carlsson.

«Ciertos casos de uso son tan comunes para muchas empresas diferentes que no va a ser un diferenciador para usted», dijo.

Según Doug Henschen, vicepresidente y analista principal de Constellation Research, hay una tendencia a que las empresas utilicen estas ofertas digitales y productivas para apoyar el ciclo de vida de la ciencia de datos.

«En el lado del desarrollo, estamos viendo servicios de datos, por ejemplo, que apoyan el entrenamiento de modelos con datos orgánicos y sintéticos», dijo. «En el lado operativo, estamos viendo servicios de supervisión de modelos diseñados para optimizar la selección y el mantenimiento de modelos».

Los casos de uso más habituales son la detección de fraudes en la banca, la gestión de personal en la sanidad, la gestión de la curva en el sector de las telecomunicaciones y la optimización de precios y la selección de clientes en el sector del comercio electrónico.

Henschen ha visto que las empresas utilizan equipos internos de ciencia de datos para experimentar e identificar oportunidades, y luego utilizan un proveedor de DSaaS para llevar esos proyectos a escala.

«He visto muchos acuerdos a largo plazo en los que las organizaciones siguen confiando en los proveedores de servicios, en lugar de intentar desarrollar la experiencia en ciencia de datos internamente», dijo. «Si vas a invertir en la construcción y el mantenimiento de la experiencia en ciencia de datos, debe ser algo que claramente ofrece un valor diferenciador para la empresa».

DSaaS como consultoría

Las empresas de servicios profesionales también están encantadas de construir modelos de IA desde cero. Incluso las empresas que tienen equipos internos de ciencia de datos pueden querer traer a una empresa de consultoría para hacer proyectos especializados.

«Incluso si tienes a un científico de datos en la plantilla, un científico de datos que sepa cómo construir modelos de visión es raro», dijo Carlsson. «Alguien que sepa cómo hacer un modelo de reconocimiento de voz es extremadamente raro».

Además, la construcción del modelo también requiere datos de entrenamiento etiquetados, que una empresa podría no tener o solo podría obtener con un gran esfuerzo.

Una situación habitual es la de una empresa que necesita una extracción de texto inteligente para hacer frente a flujos de trabajo que implican una gran cantidad de documentos escaneados. La ingestión de esos documentos, la extracción de los datos en un formato que la empresa pueda utilizar y el análisis de textos no es un conjunto de capacidades que la mayoría de las empresas puedan tener internamente.

También es probable que las empresas recurran a consultores para proyectos puntuales.

«La ciencia de datos como servicio puede proporcionar un golpe rápido para resolver un problema empresarial rápido», dijo Chandana Gopal, director de investigación del futuro de la inteligencia en IDC. «Es capaz de ofrecer resultados de negocio de la manera más rápida cuando no se tienen las habilidades en la empresa».

La subcontratación también puede tener sentido si una empresa no sabe si el proyecto será un éxito o no. No tiene sentido contratar a un equipo de científicos de datos solo para descubrir que los datos no dan el resultado que se busca.

«Entonces se podría contratar a un equipo interno una vez que se sepa que hay un beneficio probado en el uso de científicos de datos», dijo Gopal.

Pero, incluso entonces, una empresa de consultoría puede ayudar a cubrir el vacío hasta que una empresa contrate y forme a sus propios empleados.

«Y la escasez de competencias es tan profunda y grande que las organizaciones pueden acabar recurriendo a proveedores de servicios a largo plazo porque no pueden contratar gente», añadió Gopal.

El tamaño de la empresa también supone una gran diferencia, dijo Dan Simion, vicepresidente de IA y análisis de Capgemini.

«Si se trata de una empresa pequeña, la ciencia de datos como servicio puede encajar mejor que para una empresa a gran escala que ya tiene su equipo interno de ciencia de datos en funcionamiento», dijo.

Una de estas empresas es DayaMed, una startup con sede en Nevada que está creando una aplicación de salud para móviles. En marzo, la empresa anunció un proyecto piloto con el Departamento de Asuntos de los Veteranos de EE.UU. centrado en la gestión y el cumplimiento de la medicación, dijo el director general de la empresa, Justin Daya.

Para conseguir esa ciencia de datos y la IA –así como la integración en una aplicación móvil escalable– DayaMed recurrió a SenecaGlobal por ciencia de datos como servicio.

«Ahora tenemos planes para expandirnos a nivel nacional a múltiples sistemas de salud, farmacias, [organizaciones de atención responsable], planes de salud y otros clientes», dijo Daya.

Investigue más sobre Gestión y metodologías