Las 10 principales tendencias en datos y BI 2023

El poder y los datos se fragmentan

Los dos están cambiando

Los problemas geopolíticos, sociales y económicos no cesan. En lugar de avanzar hacia la cooperación, asistimos a un aumento de la tendencia al aislamiento y los conflictos, donde las normativas locales se multiplican.

En el ámbito económico, la confianza es baja; el temor a la recesión, alto; y el aumento de los tipos de interés, sumado a la inflación, está afectando a los préstamos.

¿Qué tienen en común todos estos factores? No son pocos los expertos que afirman que estamos experimentando un proceso de desglobalización.

En el proceso, asistiremos a nuevas fracturas de las estructuras antiguas y a la aparición de un estado de multipolaridad; es decir, la distribución del poder entre distintas entidades.

Nos enfrentaremos, entre otras repercusiones, a escasez de energía, fluctuaciones de las divisas, interrupciones de las cadenas de suministro y dificultades en los mercados.

Los profesionales de los datos y la analítica deben adaptarse a una mayor fragmentación con centros de datos dispares, interrupciones de las cadenas de suministro, innovación incesante y a un acceso más limitado a la mano de obra cualificada.

Calibrar la estrategia ante las crisis. Eso requiere dos competencias esenciales.

Los datos en tiempo real ayudan a combatir las interrupciones en la cadena de suministro

Usar las previsiones y los posibles escenarios para reaccionar antes de que el inventario de materias primas comience a escasear y produzca interrupciones en los envíos. Se debe detectar los cuellos de botella de las cadenas de suministro para subsanar las carencias y trabajar de forma más eficaz con los partners.

El ritmo de estos problemas no va a hacer más que acelerarse.

Velocidad de decisión a escala

Una vez que se dispone de datos en tiempo real, el siguiente paso es adaptar las decisiones operativas al mismo ritmo.

Tiene la finalidad de acortar el proceso que lleva de los datos a la acción para los humanos; es decir: reducir el tiempo necesario para que los usuarios encuentren los datos y aumentar la frecuencia con la que realizan acciones derivadas de ellos.

Además de la tecnología, la alfabetización de datos es esencial para lograrlo. Por último, la velocidad de decisión deja un rastro de Big Data con patrones que se pueden analizar. Eso creará una oportunidad para la minería de decisiones.

Optimización del desarrollo de aplicaciones con un nivel bajo y alto de programación

En los últimos años, surgieron herramientas con un bajo nivel de programación para crear aplicaciones, lo que impulsó al desarrollo de apps propias por parte de usuarios no experimentados.

Además de permitir este gran avance, aumentan el consumo de datos y conocimientos. Por ejemplo, la automatización de aplicaciones permite a los trabajadores crear cadenas de eventos activados por datos.

La competitividad entre el humano y la máquina

Como los modelos de lenguaje natural se han entrenado con enormes conjuntos de datos usando el aprendizaje automático de red neural profunda, se ha producido un cambio de paradigma.

En el espacio de los datos y la analítica, las capacidades de lenguaje natural tendrán enormes implicaciones en nuestra forma de consultar e interpretar la información y de generar informes basados en ella. No solo encontraremos los datos que estamos buscando, sino también otros sobre los que no se nos había ocurrido preguntar.

Narraciones de datos que mueven a la acción

La narración de datos se ha vendido como la forma de obtener datos que los usuarios puedan interpretar; las narraciones pueden tener un efecto emocional en las personas y moverlas a actuar; algo que los datos por sí solos no suelen hacer. Sin embargo, la narración de datos debe ser mucho más que añadir gráficos a infografías o presentaciones de PowerPoint. Debe estar conectada con la acción. Disponer de las pequeñas porciones de datos adecuadas en el momento justo es más útil. narraciones pueden tener un efecto emocional en las personas y moverlas a actuar; algo que los datos por sí solos no suelen hacer.

Para conectar las narraciones con la acción, hay que añadir tres pasos:

  1. Predecir lo que va a suceder y sugerir las acciones más acertadas con AutoML.
  2. Usar las alertas, los informes y la automatización para integrar las narraciones en los flujos de trabajo en el momento adecuado.
  3. Integrar no solo dashboards, sino también microhistorias en los sistemas con los que trabajan los usuarios. Eso hará que la narración de datos cambie de conocimientos que podrían dar lugar a acciones a verdaderos conocimientos útiles que darán lugar a acciones.

La consolidación del mercado abre la puerta a nuevas oportunidades

La consolidación del suministro se está dando en paralelo a la consolidación de la demanda. En tiempos difíciles, los directores financieros y los CEO se implican más en el negocio y desean ver claramente el retorno de la inversión.

Esto contribuirá a transformar gradualmente los modelos de precios por usuario en modelos basados en el valor generado. Al fin y al cabo, no se puede determinar de antemano qué usuarios de una empresa deberán usar una herramienta concreta si se ignora cuál será el siguiente desafío. En lugar de eso, se debe facilitar el acceso general a las herramientas y plataformas de una manera gobernada, y avanzar a partir de ahí.

Lo viejo vuelve a ser nuevo… en la nube

Durante la pandemia, las empresas se digitalizaron y trasladaron sus datos a la nube. Esto produjo algunos problemas propios de la madurez del negocio y su modernización.

Por ejemplo, luego de la adopción de un data warehouse fue necesario abordar el movimiento y la transformación de datos, los catálogos de metadatos, etcétera.

Estas nuevas necesidades están promoviendo inversiones vinculadas a los data warehouses y los data lakes, lo que abarca aspectos como la integración, el movimiento, las fuentes y la capacidad de observación de los datos y las capas semánticas.

El “X-Fabric” mantiene unida la gobernanza conectada

La gobernanza de datos moderna implica un X-Fabric. Esto significa reutilizar los datos y los recursos incluyendo los modelos, las secuencias de comandos y el contenido de la analítica.

Se tendrá en cuenta el tejido de aplicaciones, el tejido de BI y el tejido algorítmico.

La IA se integra en un nivel más profundo del proceso

La analítica, la automatización y la IA están convergiendo y se solapan cada vez más, lo que produce nuevos conocimientos valiosos.

La IA podrá automatizar algunas de las tareas de preparación de datos más manuales, permitiendo que los expertos en datos puedan centrarse en aspectos más relevantes.

Aumento de los datos derivados y sintéticos

Los datos pueden transformarse para ser utilizados en distintos casos de uso o convertirlos a formatos que respondan a objetivos concretos.

Los datos derivados son y serán cada vez más útiles para la gestión de datos de

Gracias a diversos factores, entre los que se incluyen la reutilización y las pruebas de datos, las leyes sobre privacidad, la falta de datos y la necesidad de contar con datos para entrenar los modelos de IA, veremos más datos derivados y sintéticos.

Descubre el poder oculto de tus datos con Datalyst y nuestros servicios. Obtén información valiosa para tu negocio y toma decisiones más informadas.

Dejá un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Scroll al inicio