6 maneras en que el análisis de datos está avanzando en la empresa

Con la ayuda de la inteligencia artificial (IA) y el aprendizaje automático, las empresas están generando más datos que nunca. Esta afluencia de información es la razón por la cual el científico de los datos fue coronado como el trabajo más prometedor de 2019, y ha mantenido el no. 1 puesto en la lista de los Mejores Trabajos en América de Glassdoor durante cuatro años consecutivos. Más datos hacen que se necesite más gente para interpretar esos datos.

Los análisis de datos ahora se consideran una herramienta necesaria para las organizaciones cuando se trata de tomar decisiones de grandes negocios, y su uso continuará creciendo en el futuro. “Para 2022, el 90% de las estrategias corporativas mencionarán explícitamente la información como un activo empresarial crítico y la analítica como una competencia esencial”, dijo Douglas Laney, distinguido analista en Análisis de datos y estrategia en Gartner.

VER: Kit de contratación: Arquitecto de datos (Tech Pro Research)

Las organizaciones usan el análisis de datos para aprender más sobre las estrategias de negocios, lo que les ayuda a tomar decisiones a largo y corto plazo, según Beverly Wright, Jefe Oficial de Analytics en Aspirent; específicamente, las empresas recurren a los análisis cuando intentan generar ingresos y reducir los gastos, dijo. A través de la analítica, las empresas pueden ver los lugares donde se ejecutan de manera ineficiente, lo que puede revelar áreas donde los gastos se pueden reducir y se puede generar más dinero.

Sin embargo, “este es un campo de rápido movimiento, por lo que un día para otro puede variar, “dijo Wright. Para ayudar a las empresas a comprender mejor el estado actual del análisis de datos y cómo está avanzando, Wright describió los siguientes seis puntos a los que las empresas deben prestar atención:

1. Iniciativas de cultura de datos deliberadas

Las empresas están y se inspirarán más en los datos, integrando los datos en la cultura de su empresa, dijo Wright. “La cultura de datos es un tipo de absorción, una disposición de aceptación y, en cierto sentido, confianza para los resultados o soluciones que provienen de los análisis”, dijo. “Los grupos de análisis o los profesionales de la ciencia de la información están creando soluciones y luego los están empujando para responder preguntas de negocios”.

Sin embargo, esta cultura ha sido difícil de comprender para los profesionales más tradicionales, pero las empresas están empezando a dar cuenta de eso. “Estoy empezando a ver más iniciativas que tienen la intención deliberada de suavizar una organización para absorber una solución analítica, que puede ser crear una conferencia o una cumbre, o simplemente una inmersión para lograr una cultura adecuada”, agregó Wright. [19659009] 2. La proliferación de datos no estructurados

Los elementos no estructurados, como el audio y el video, cambiarán la forma en que se recopilan los datos, dijo Wright. En el pasado, los datos han permanecido abrumadoramente estructurados, lo que Wright explicó como más numérico.

“A medida que obtenemos más datos no estructurados, estamos capturando más tipos de datos de video y audio y no numéricos y además de eso , estamos desarrollando tipos más fuertes de técnicas para analizar esos datos y convertirlos en formatos estructurados “, según Wright.

Al poner los datos no estructurados en un formato estructurado, las organizaciones pueden convertirlos en información procesable.

3. Necesidad de modelos en tiempo real

En el pasado, los análisis se centraban principalmente en objetivos a largo plazo, lo que significa analizar la información a lo largo del año y luego tomar decisiones basadas en esa información pasada. A medida que la tecnología avanza, las empresas podrán utilizar el análisis en tiempo real. Por ejemplo, “para 2022, el 30% de las interacciones con los clientes se verá influenciada por el análisis de ubicación en tiempo real”, dijo Laney.

“Un modelo en tiempo real sería alguien que ingresa al acuario de Georgia y se reconoce de inmediato. Como [this person] es vegana, no visita acuarios muy a menudo, probablemente querrá saber qué tipo de investigación estamos haciendo porque es vegana, y eso lo sé de ella “, dijo Wright. “Esto también entra en la personalización, pero el punto es que un algoritmo que se ejecuta en tiempo real es uno que cambiará las acciones o cómo el acuario se puede ajustar en ese momento”.

4. Especificidad, granularidad de ideas, incluida la personalización masiva

La personalización es todo cuando se trata de la experiencia del cliente, dijo Wright, y el análisis juega un papel muy importante en eso. “La personalización se está volviendo realmente íntima, está ayudando a los productos y servicios a estar más cerca de sus consumidores”, agregó.

“Al igual que los cupones que obtiene cuando compra, no son solo cupones al azar, están personalizados específicamente para su tipo de compras, para su tipo de hogar, saben cuántos niños tiene. Cuando digo “ellos” me refiero a los algoritmos de los sistemas. Hay datos sobre el color del cabello que tiene y el tipo de productos que usa. “, Agregó Wright.

5. Confianza en la herramienta / analista ciudadano

Más analíticas empaquetadas resultan en más analistas ciudadanos, o más personas cotidianas que entienden lo básico de la analítica, dijo Wright. Wright continuó.

“No es necesario que tengamos un conocimiento estadístico profundo y profundo. Las herramientas analíticas continuarán siendo más fáciles de digerir para quienes no tienen experiencia estadística profunda, principalmente porque las empresas no tienen tiempo para enseñar a todo su personal sobre análisis. , pero las personas que tienen un conocimiento estadístico realmente profundo son las que están creando las herramientas, y también las que saben lo suficiente como para comprarlas “, dijo Wright. “Entonces, aquellos que conocen el negocio y saben cómo usar la herramienta son los que están aplicando las herramientas y respondiendo las preguntas comerciales reales”.

6. Aumento del movimiento hacia la automatización y la IA

“Hasta el 2023, los recursos computacionales utilizados en la IA aumentarán 5 veces con respecto a 2018, lo que convierte a la IA en la categoría principal de cargas de trabajo que impulsa las decisiones de infraestructura”, dijo Laney. La IA y la automatización continuarán progresando, volviéndose más dinámicos y complejos. La automatización es lo que permitirá la creación de modelos en tiempo real, dijo Wright.

“Hay formas de automatizar los procesos para crear modelos más nuevos y más frescos donde se actualizan automáticamente sin tener que involucrar tanto el procesamiento manual”, agregó Wright.

Sé el primero en comentar

Dejar una contestacion

Tu dirección de correo electrónico no será publicada.


*