Aspectos clave que toda empresa data-driven debe tener en cuenta

Qlik recoge 10 áreas a tener en cuenta a la hora de planificar la estrategia de datos para extraer el máximo partido de las iniciativas de datos, tomar decisiones más precisas y hacer un buen gobierno de la información.

Publicado el 08 Feb 2023

Aspectos clave que toda empresa data-driven debe tener en cuenta

En la actualidad, empresas y sociedad en general se encuentran inmersas en un entorno liderado por la incertidumbre y la cautela. 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, y las normativas locales se multiplican, con la consecuente necesidad de adaptación a nuevos marcos legales. En el ámbito puramente 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 préstamos o inversiones.

¿Qué tienen en común todos estos factores? No son pocos los expertos que afirman que estamos experimentando un proceso de desglobalización. En un mundo en el que la crisis se ha convertido en una constante, adaptarse a ella ha pasado a ser una competencia esencial para poder reaccionar sobre la marcha y prever lo que traerá el futuro.

Calibrar la estrategia ante dicha crisis requiere ponerse al día en áreas como la gobernanza de los datos, la capacidad de respuesta y los costes de la nube. En este contexto, Qlik, empresa líder en analítica e integración de datos, recoge 10 áreas en las que los líderes tecnológicos deben centrarse para extraer el máximo partido de sus iniciativas de datos y asegurar su éxito:

1. Los datos en tiempo real ayudan a combatir las interrupciones en la cadena de suministro. Las organizaciones se han dado cuenta, a raíz de la pandemia y del conflicto en Ucrania, de la necesidad de actualizar sus cadenas de suministro, que han pasado de funcionar por lotes a proporcionar datos casi en tiempo real. A medida que aparezcan en la red más dispositivos perimetrales que produzcan un alto volumen de flujos informativos continuos, surgirán más oportunidades de aprovechar los datos en tiempo real y las compañías deben capitalizar esos esfuerzos.

2. 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. La analítica, la IA y la automatización pueden tomar más decisiones que los humanos y hacerlo más deprisa, pero el papel de las personas sigue siendo clave en aspectos como la higiene digital o el filtrado de la información. La velocidad de decisión a escala permite acortar el proceso entre los datos y la acción.

3. Optimización del desarrollo de apps con un nivel bajo y alto de programación. En los últimos años, se ha asistido a la aparición de herramientas con un bajo nivel de programación para crear aplicaciones, lo que ha permitido a los usuarios no técnicos desarrollar sus propias apps. Estas herramientas no solo impulsan la creación de nuevo software, sino que también aumentan el consumo de datos y conocimientos. Además, para responder a las necesidades más especializadas del sector, han aparecido soluciones con un alto nivel de programación que proporcionan plantillas a programadores que desean trabajar con la máxima flexibilidad posible. Las organizaciones no deben tener que elegir entre un nivel bajo o alto de programación, sino que la clave reside en apostar por la optimización.

4. Competitividad entre humano y máquina. En el verano de 2022, un ingeniero de Google afirmó que uno de los chatbots de la empresa (LaMBDA) había alcanzado el nivel humano, con conciencia y emociones. A día de hoy, los modelos de lenguaje natural se han entrenado con enormes conjuntos de datos, provocando que algunos modelos como GPT-3 abran el debate acerca de si las máquinas al fin van a superar el Test de Turing. En el espacio de los datos y la analítica, las capacidades de lenguaje natural tendrán enormes implicaciones en la forma de consultar e interpretar la información y de generar informes basados en ella.

5. Narraciones de datos que mueven a la acción. Durante décadas, en el sector de los datos se ha compartido un mantra: proporcionar la información adecuada al usuario correcto y en el momento justo. Es por ello por lo que, en la actualidad, el modelo más útil para conectar al usuario con la acción son las narraciones de datos, un modo de proporcionar la información de una manera en la que el receptor la entienda y la sepa interpretar sin la necesidad de recurrir a un actor que actúe como intérprete.

6. Nuevas oportunidades gracias a la consolidación del mercado. En un mundo cada vez más fragmentado, también hay una tendencia de mercado en el sentido opuesto: la convergencia. Los sistemas que antes estaban aislados ahora se están consolidando, lo que incluye la integración de datos, gestión, analítica, IA, visualización y más. Combinar estas funciones abre la puerta a oportunidades que antes eran inimaginables y que favorecen la interoperabilidad.

7. Lo viejo vuelve a ser nuevo en la nube. Durante la pandemia, las empresas modernizaron con rapidez sus aplicaciones y trasladaron los datos a la nube. Esto ha dado pie al surgimiento de empresas emergentes impulsadas por capital riesgo, cada una de ellas especializada en un ámbito. Muchas de ellas desaparecerán a medida que los sectores maduren y se consoliden, y el mercado vivirá una gran oleada de fusiones y adquisiciones cuando los pequeños proveedores empiecen a buscar una salida.

8. El “tejido X” mantiene unida la gobernanza conectada. En los últimos años se ha hablado del data fabric como una importante metodología que conecta los conjuntos de datos distribuidos a través de modelos semánticos, pero para implementar una gobernanza conectada se necesita algo más. En este entorno, son necesarios otros tejidos o “tejidos X”, entre los que se incluye el tejido de aplicaciones, el de BI o el tejido algorítmico.

9. La IA se integra en un nivel más profundo del proceso. La analítica, la automatización y la IA están en un momento de converger. En el proceso, están siendo objeto de una “polinización cruzada”, generando nuevos conocimientos que antes eran impensables. El uso de la IA en la gestión de datos permite automatizar un número mayor de las tareas rutinarias de la ingeniería de datos.

10. Aumento de los datos derivados y sintéticos. Los datos son un activo líquido: pueden verse de manera diferente según los distintos fines. Los datos que se han transformado, procesado, agrupado, correlacionado o utilizado para ejecutar operaciones se denominan datos “derivados”. Por su parte, los datos sintéticos son aquellos que no se han obtenido de operaciones reales. Incrementar su uso es crítico para la toma de decisiones.

¿Qué te ha parecido este artículo?

Tu opinión es importante para nosotros.

D
Redacción Data Center Market

Artículos relacionados

Artículo 1 de 2