Los responsables de la estrategia de datos y analítica de las organizaciones públicas y empresas tendrán que poner el foco este año en aquellas tecnologías que aceleren de forma clara sus capacidades para anticiparse, cambiar y responder en un entorno de incertidumbre como el actual. He aquí las que, según la firma de análisis Gartner, serán las 10 principales tendencias al respecto.

Hacia una Inteligencia Artificial “más inteligente”

Si las empresas optan por desplegar una IA más inteligente, responsable y escalable, aprovecharán los algoritmos de aprendizaje y los sistemas de interpretación para conseguir un tiempo de creación de valor más corto y un mayor impacto empresarial. Para ello, afirman desde Gartner, es esencial utilizar nuevas técnicas para lograr soluciones de IA más inteligentes, menos ávidas de datos, éticamente responsables y más resistentes. 

Datos y análisis componibles

Con el traslado del centro de gravedad de los datos a la nube, la analítica y los datos componibles se convertirán en una forma más ágil de crear aplicaciones analíticas gracias a los mercados de cloud y a las soluciones de bajo código y sin código. Son las arquitecturas analíticas abiertas y en contenedores las hacen que las capacidades analíticas sean más componibles, recuerda la firma de análisis. En definitiva, los datos y la analítica componibles aprovechan los componentes de múltiples soluciones de datos, analítica e IA para construir de forma rápida aplicaciones inteligentes flexibles y fáciles de usar que ayuden a los líderes de datos y analítica a conectar los conocimientos con las acciones.

La base es el tejido de datos 

Al aumentar la digitalización y la independencia y capacidad de toma de decisiones de los consumidores, los responsables de datos y analítica cada vez usan más la estructura de datos para ayudar a abordar niveles más altos de diversidad, distribución, escala y complejidad en los activos de datos de sus organizaciones. En concreto, el llamado data fabric utiliza la analítica para supervisar constantemente los conductos de datos. Un data fabric utiliza la analítica continua de los activos de datos para apoyar el diseño, el despliegue y la utilización de datos diversos para reducir el tiempo de integración en un 30%, el despliegue en un 30% y el mantenimiento en un 70%.

El paso de datos grandes a otros pequeños y amplios

Debido a los cambios extremos que han experimentado las organizaciones durante la pandemia los modelos de machine learning e inteligencia artificial basados en grandes cantidades de datos históricos han pasado a ser menos relevantes. Al mismo tiempo, lo que ha ocurrido es que ahora la toma de decisiones por parte de los humanos y la IA es más compleja y exigente. Esto requiere que los responsables de datos y analítica tengan una mayor variedad de datos para disponer de un mejor conocimiento de la situación. 

Como resultado, deben elegir técnicas analíticas que puedan utilizar los datos disponibles de forma más eficaz. Dichos responsables confían en los datos amplios, que permiten el análisis y la sinergia de una variedad de fuentes de datos pequeños y grandes, no estructurados y estructurados, así como en los datos pequeños, que supone la aplicación de técnicas analíticas que requieren menos datos pero que siguen ofreciendo perspectivas útiles.

XOps

Los analistas de Gartner tienen claro que si los responsables de datos hacen operaciones a escala utilizando XOps permitirán la reproducibilidad, trazabilidad, integridad e integrabilidad de los activos de análisis e inteligencia artificial. Pero… ¿qué es XOps? Este concepto incluye otros como DataOps, MLOps, ModelOps y PlatformOps y su objetivo es lograr eficiencias y economías de escala utilizando las mejores prácticas de DevOps, y garantizar la confiabilidad, reutilización y repetibilidad. Al mismo tiempo, reduce la duplicación de tecnología y procesos y permite la automatización.

Inteligencia de decisiones de ingeniería

A medida que las decisiones se automatizan y aumentan cada vez más, las decisiones de ingeniería dan la oportunidad a los responsables de datos de tomar decisiones más precisas, repetibles, transparentes y rastreables.

Los datos y la analítica se convierten en una función empresarial esencial

En lugar de ser una actividad secundaria, la analítica de datos se está convirtiendo en una función empresarial fundamental. 

Mayor importancia de los gráficos 

Los gráficos son la base de muchas capacidades modernas de datos y análisis que permiten encontrar relaciones entre personas, lugares, cosas, eventos y ubicaciones en diversos activos de datos. Los responsables de analítica confían cada vez más en estos para responder rápidamente a complejas preguntas de negocio que requieren un conocimiento contextual y una comprensión de la naturaleza de las conexiones y fortalezas a través de múltiples entidades. Por ello, en Gartner creen que para 2025 las tecnologías de gráficos se utilizarán en el 80% de las innovaciones de datos y análisis, frente al 10% de 2021, facilitando la toma de decisiones rápida en toda la organización.

El consumidor ‘aumentado’ está en auge

La mayoría de los usuarios empresariales utilizan hoy en día cuadros de mando predefinidos y la exploración manual de los datos, lo que puede llevar a conclusiones incorrectas y a decisiones y acciones erróneas. El tiempo que se dedica a los cuadros de mando predefinidos se va a ir sustituyendo por información automatizada, conversacional, móvil y generada dinámicamente, adaptada a las necesidades del usuario y entregada en su punto de consumo. ¿La consecuencia?: se trasladará el poder analítico al consumidor de información (el llamado ‘consumidor aumentado’), al que se darán capacidades que antes sólo estaban al alcance de los analistas y científicos de datos.

Los datos y el análisis se mueven al ‘edge’

Los datos, la analítica y otras tecnologías que los soportan residen cada vez más en entornos informáticos periféricos (el llamado edge computing), más cerca de los activos en el mundo físico y fuera del ámbito de las TI. Es más, Gartner predice que para 2023, más del 50% de la responsabilidad principal de los líderes de datos y análisis comprenderá datos creados, gestionados y analizados en entornos de edge.