Acepto

COOKIES

Esta web utiliza cookies técnicas, de personalización y de análisis, propias y de terceros, para anónimamente facilitarle la navegación y analizar estadísticas del uso de la web. Obtener más información

Conclusiones clave sobre datos y análisis de Data Summit 2018

  • Predictive Analytics

Analitica_analisis_datos_3

Data Summit 2018 se celebró recientemente en Boston. Las mejores prácticas de las tecnologías de datos o la nube en un mundo híbrido fueron algunas de las áreas clave de las que se hablaron durante tres días.

A los datos se le ha llamado muchas cosas: el nuevo petróleo y la nueva electricidad, pero, en realidad, es el nuevo capital, a la par del capital humano y financiero para crear nuevos productos y servicios. Cuando decimos que los datos son una especie de capital, no es una metáfora; es literal. En economía, el capital es un activo producido a través de algún proceso y algo necesario para otro bien o servicio.

La velocidad al valor es la nueva métrica que preocupa a las empresas, y los datos son un diferenciador clave. Utilizar los datos debe lograrse ahora en un día, o como máximo una semana. La razón por la cual la ciencia de los datos es crítica ahora es que los costes de computación y almacenamiento son dramáticamente más bajos que hace unos pocos años; los datos generados por todos los aspectos de la sociedad han aumentado dramáticamente; y existe la necesidad de aprender eficientemente lo que hay que saber sobre nuestros datos.

La base de datos relacional tradicional y otros sistemas NoSQL no son adecuados para muchos casos de uso porque las tecnologías se centren principalmente en las entidades en lugar de en las relaciones. Aquí es donde las bases de datos de gráficos son útiles. Facilitan descubrir, explorar y dar sentido a relaciones complejas. Aprovechando los conocimientos en las relaciones de datos puede ofrecer experiencias más relevantes y en tiempo real para sus clientes, luchar de forma proactiva contra el fraude y garantizar la salud y las operaciones sin interrupciones de su red.

DataOps lleva a DevOps al siguiente nivel, reconociendo que muchos proyectos de DevOps tienen datos integrados en ellos y requieren que los datos se muevan a la misma velocidad que el resto del desarrollo y las pruebas. DataOps está surgiendo como una metodología para los científicos de datos, desarrolladores y otros profesionales centrados en datos para permitir un flujo de trabajo ágil y al mismo tiempo cumplir con los requisitos de gobierno de datos.

AI plantea muchos desafíos, incluidos problemas morales y éticos. Si bien se ha sugerido que la inteligencia artificial debe ser comprensible para los seres humanos para que sea "explicable", es posible que esto dé como resultado resultados menos favorables, como una menor reducción de las muertes por accidentes de tráfico con automóviles sin conductor, o menos éxitos en la identificación de pacientes que pueden estar en riesgo de ciertas enfermedades. Como resultado, limitar la IA a lo que los humanos pueden entender y confirmar y, por lo tanto, limitar su potencial, tal vez presente su propio dilema moral.

Con el fin de aprovechar el poder de sus datos, las empresas necesitan una estrategia sólida que incorpore todo, desde la seguridad hasta la administración de datos hasta la elección de las tecnologías correctas. Una estrategia de datos debe comenzar con un objetivo empresarial y las personas deben seguir preguntando "por qué" para comprender para qué se usarán los datos.

Las organizaciones que adoptan la transformación digital tendrán éxito. En la economía analítica, hay cinco imperativos para la transformación: análisis, con datos en el núcleo; Identificación: de quién quiere ser y quiénes son sus clientes y prospectos; Consumo: comprender las necesidades y expectativas de todos sus consumidores de datos; Monetización de datos para diferenciar productos, soluciones y servicios de información; y Comunicación, que es el latido del corazón de una cultura analítica exitosa porque, sin ella, nada más sobrevive.

Saber que su cliente comienza por saber dónde están ubicados, información detallada sobre lo que los rodea y cómo llegar a ellos en el momento correcto con el mensaje correcto. Mediante el uso de información espacial sobre una persona, lugar y cosas, las empresas pueden obtener conocimientos empresariales relevantes mediante la comprensión de las relaciones entre ellos. Para lograr esto, las empresas deben utilizar la limpieza de direcciones, la estandarización, la geocodificación y la geocodificación inversa. Esto convertirá los datos en activos comerciales.

Hoy en día, no es suficiente entender lo que sucedió, las organizaciones quieren tener una visión de lo que está sucediendo ahora para que puedan tener un impacto en el futuro. La nube es una pieza clave de la nueva infraestructura en tiempo real, y la captura de datos de cambio es una pieza fundamental para permitir un movimiento de datos rápido. Pero a medida que las organizaciones se trasladan a la nube y los lagos de datos, existen muchos desafíos para obtener los datos que se necesitan. Gartner ha estimado que 9 de cada 10 estrategias de lagos de datos han fallado. Es fácil obtener datos, pero es difícil obtener ideas significativas. La automatización de la canalización de extremo a extremo del lago de datos permite la actualización y fusión continuas de datos.

Descubre la innovación

Para asegurar el éxito empresarial, ahora y a futuro, es imprescindible maximizar el retorno de la inversión existente en software, a la vez que innovar y adoptar nuevas tecnologías. Los retos que hay abordar para competir en un mundo de TI Híbrida incluyen DevOps, Seguridad, Gestión de riesgos y Análisis predictivo. Puedes obtener más información sobre cómo abordar estos retos e innovar en este enlace.