Gartner identificó las 10 principales tendencias de tecnología de datos y análisis (D&A) que pueden ayudar a los líderes de datos y análisis a acelerar la renovación o recuperación post pandemia.
Tendencia núm. 1: IA más inteligente, más responsable y más escalable
Una IA más inteligente, más responsable y más escalable permitirá mejorar los algoritmos de aprendizaje, los sistemas interpretables y reducir el tiempo de valoración. Las organizaciones empezarán a necesitar mucho más de los sistemas de IA y tendrán que averiguar cómo escalar las tecnologías, algo que hasta ahora ha sido un reto.
Aunque las técnicas de IA tradicionales pueden depender en gran medida de los datos históricos, teniendo en cuenta cómo la COVID-19 ha cambiado el panorama empresarial, los datos históricos pueden dejar de ser relevantes. Esto significa que la tecnología de IA debe ser capaz de operar con menos datos mediante técnicas de “datos pequeños” y Machine Learning adaptativo. Estos sistemas de IA también deben proteger la privacidad, cumplir con las regulaciones federales y minimizar el sesgo para apoyar una IA ética.
Tendencia núm. 2: datos y análisis componibles
El objetivo de los datos y análisis componibles es utilizar componentes de múltiples soluciones de datos, análisis e IA para una experiencia flexible, fácil de usar y utilizable que permitirá a los responsables conectar la información de datos con las acciones empresariales. Las consultas de los clientes de Gartner sugieren que la mayoría de las grandes organizaciones tienen más de una herramienta de análisis e inteligencia empresarial “estándar de la empresa”.
La composición de nuevas aplicaciones a partir de las capacidades empresariales empaquetadas de cada una promueve la productividad y la agilidad. Los datos y análisis componibles no solo fomentarán la colaboración y desarrollarán las capacidades analíticas de la organización, sino que también aumentarán el acceso al análisis.
Tendencia núm. 3: el tejido de datos como base
A medida que los datos se vuelven cada vez más complejos y el negocio digital se acelera, el tejido de datos es la arquitectura que soportará datos y análisis componibles y sus diversos componentes.
El tejido de datos reduce el tiempo de diseño de la integración en un 30 %, la implementación en un 30 % y el mantenimiento en un 70 %, ya que los diseños tecnológicos aprovechan la capacidad de usar o reutilizar y combinar diferentes estilos de integración de datos. Además, los tejidos de datos pueden aprovechar las habilidades y tecnologías existentes de los centros de datos, lagos de datos y almacenes de datos, al tiempo que introducen nuevos enfoques y herramientas para el futuro.
Tendencia núm. 4: de grandes datos a datos pequeños y amplios
Los datos pequeños y amplios, en contraposición a los grandes datos, resuelven una serie de problemas para las organizaciones que se enfrentan a cuestiones cada vez más complejas sobre la IA y a los retos que plantean los casos de uso de datos escasos. Los datos amplios, aprovechando las técnicas de “análisis X”, permiten el análisis y la sinergia de una variedad de fuentes de datos pequeños y variados (amplios), no estructurados y estructurados para mejorar el conocimiento contextual y las decisiones. Los datos pequeños, como su nombre lo indica, tienen la capacidad de utilizar modelos de datos que requieren menos datos, pero que siguen ofreciendo información útil.
Tendencia núm. 5: XOps
El objetivo de XOps (datos, Machine Learning, modelo, plataforma) es lograr eficiencias y economías de escala utilizando las mejores prácticas de DevOps, y garantizar la confiabilidad, la reutilización y la repetibilidad al tiempo que se reduce la duplicación de la tecnología y los procesos y se permite la automatización.
Estas tecnologías permitirán escalar prototipos y ofrecerán un diseño flexible y una orquestación ágil de sistemas de toma de decisiones gobernadas. En general, XOps permitirá a las organizaciones poner en funcionamiento datos y análisis para impulsar el valor comercial.
Tendencia núm. 6: inteligencia de decisiones diseñada
La inteligencia de decisiones es una disciplina que incluye una amplia variedad de toma de decisiones, como los análisis convencionales, la IA y las aplicaciones de sistemas adaptativos complejos. La inteligencia de decisiones diseñada se aplica no solo a decisiones individuales, sino también a secuencias de decisiones, agrupándolas en procesos empresariales e incluso redes de toma de decisiones emergentes.
Esto permite que las organizaciones obtengan con mayor rapidez la información necesaria para impulsar acciones para el negocio. Cuando se combina con la componibilidad y un tejido de datos común, la inteligencia de decisiones diseñada abre nuevas oportunidades para replantearse o rediseñar cómo las organizaciones optimizan las decisiones y las hacen más precisas, repetibles y rastreables.
Tendencia núm. 7: los datos y el análisis como función empresarial principal
Los directores de empresa están empezando a comprender la importancia de utilizar datos y análisis para acelerar las iniciativas empresariales digitales. En lugar de ser un enfoque secundario (completado por un equipo independiente) los datos y el análisis están pasando a ser una función central. Sin embargo, los directores de empresa a menudo subestiman las complejidades de los datos y terminan perdiendo oportunidades. Si los directores de protección de datos (Chief Data Officers, CDO) participan en el establecimiento de objetivos y estrategias, pueden multiplicar por 2,6 veces la producción constante de valor comercial.
Tendencia núm. 8: los grafos lo relacionan todo
Los grafos constituyen la base de datos y análisis modernos con capacidades para mejorar la colaboración de los usuarios, los modelos de Machine Learning y la IA explicable. Aunque las tecnologías de grafos no son nuevas en cuanto a datos y análisis, se ha producido un cambio en la forma de pensar en torno a ellas a medida que las organizaciones identifican un número cada vez mayor de casos de uso. De hecho, hasta el 50 % de las consultas de clientes de Gartner sobre el tema de IA implican un debate sobre el uso de la tecnología de grafos.
Tendencia núm. 9: el auge del consumidor potenciador
Tradicionalmente, los usuarios empresariales estaban limitados a tableros predefinidos y exploración manual de datos. Con frecuencia, esto significaba que los tableros de datos y de análisis estaban restringidos a analistas de datos o científicos de datos ciudadanos que exploraban preguntas predefinidas.
Sin embargo, Gartner cree que, de ahora en adelante, estos tableros se sustituirán por información automatizada, conversacional, móvil y generada dinámicamente, personalizada según las necesidades del usuario y entregada en su punto de consumo. Esto hace que el conocimiento de la información pase de un puñado de expertos en datos a cualquier persona de la organización.
Tendencia núm. 10: datos y análisis en el borde
A medida que más tecnologías de análisis de datos empiezan a vivir fuera de los entornos tradicionales de centros de datos y de la nube, se acercan a los activos físicos. Esto reduce o elimina la latencia para soluciones centradas en datos y permite obtener más valor en tiempo real.
Trasladar los datos y los análisis al borde abrirá oportunidades para que los equipos de datos amplíen las capacidades y extiendan su impacto a diferentes partes de la empresa. También puede ofrecer soluciones para situaciones en las que los datos no pueden eliminarse de determinadas zonas geográficas por motivos legales o normativos.
