Vivimos en una era de Big Data. Cada persona crea alrededor de 1,7 MB de datos por segundo. Los seres humanos producen 2,5 trillones de bytes de datos todos los d\u00edas. Este enorme volumen de datos se ha vuelto tan enorme, complejo y de r\u00e1pido movimiento, que dar sentido a esta gran cantidad de datos es un desaf\u00edo. Por lo tanto, las herramientas de Business Intelligence (BI) se utilizan para analizar esta enorme cantidad de datos para descubrir los conocimientos que son cruciales para el negocio. Hace que los datos de cualquier tipo sean f\u00e1ciles de digerir con visualizaciones asombrosas, an\u00e1lisis hist\u00f3ricos detallados e informes personalizables.<\/p>\n
A lo largo de las d\u00e9cadas, la tecnolog\u00eda de BI ha evolucionado y el mercado no muestra signos de desaceleraci\u00f3n. Si bien el significado inherente sigue siendo el mismo, la BI como un conjunto de procesos, tecnolog\u00edas y herramientas ha cambiado mucho, desde la BI tradicional a la BI impulsada por IA que utiliza el an\u00e1lisis aumentado. Antes de comprender c\u00f3mo la anal\u00edtica aumentada cambiar\u00e1 el proceso de an\u00e1lisis e inteligencia empresarial, echemos un vistazo a la evoluci\u00f3n de la inteligencia empresarial.<\/p>\n
BI tradicional<\/strong><\/p>\n La primera generaci\u00f3n de tecnolog\u00eda de BI a menudo denominada “BI tradicional” era una herramienta de protecci\u00f3n centralizada para todos los datos empresariales que, en gran parte, son propiedad de los especialistas en datos y en TI. Las implementaciones heredadas de m\u00faltiples componentes, como mercados de datos, almacenes de datos, eran t\u00e9cnicamente complejas y requer\u00edan un gran personal de TI para mantenerlas y administrarlas. El paradigma Extract Transform and Load (ETL)<\/a><\/strong> integr\u00f3 datos de fuentes dispares en un repositorio central de almacenamiento. Una vez almacenados, los datos se normalizaron y estructuraron antes de que se utilicen m\u00e1s para ejecutar consultas y recuperar datos para informes.<\/p>\n En \u00faltima instancia, el departamento de TI genera y entrega informes est\u00e1ticos a los propietarios de negocios. El an\u00e1lisis fue generalmente descriptivo y realizado por analistas de datos especializados con acceso restringido a los informes. Todo este proceso puede tardar d\u00edas, semanas o incluso meses en generar conocimientos debido a la dependencia del personal de TI capacitado. Y, por lo tanto, incapaz de tomar decisiones oportunas basadas en datos. Para hacer que la BI sea m\u00e1s accesible para los usuarios comerciales, la BI de autoservicio se convirti\u00f3 en la pr\u00f3xima generaci\u00f3n de an\u00e1lisis y BI.<\/p>\n BI de autoservicio<\/strong><\/p>\n Los principales inconvenientes de la BI tradicional fueron la necesidad de analistas t\u00e9cnicos altamente capacitados, el tiempo prolongado para obtener informaci\u00f3n y la mala calidad de los datos que se analizaban. Estos inconvenientes se superaron con un enfoque m\u00e1s \u00e1gil que favoreci\u00f3 las capacidades de autoservicio: BI de autoservicio moderno. Esto elimin\u00f3 la pila t\u00e9cnica dise\u00f1ada para los usuarios de TI y se centr\u00f3 en proporcionar herramientas de visualizaci\u00f3n y descubrimiento de datos a los usuarios comerciales. Tambi\u00e9n brinda a los usuarios comerciales la capacidad de realizar an\u00e1lisis ad hoc de datos de fuentes dispares sin ninguna habilidad t\u00e9cnica avanzada. En comparaci\u00f3n con el BI tradicional, pueden manejar mayores vol\u00famenes de datos extra\u00eddos de m\u00faltiples fuentes, lo que permite an\u00e1lisis m\u00e1s profundos. Reemplazaron las filas y columnas de las presentaciones de datos tradicionales con im\u00e1genes gr\u00e1ficas y cuadros.<\/p>\n Adem\u00e1s de los informes hist\u00f3ricos, proporciona informes y conocimientos predictivos y prescriptivos en tiempo real. Con estas herramientas los usuarios obtienen la informaci\u00f3n para tomar mejores decisiones, con mayor facilidad y sin tener que depender mucho de analistas de datos y profesionales de TI. Las soluciones de BI modernas tambi\u00e9n simplifican el control de acceso, la seguridad y la gobernanza de datos para los equipos de TI.<\/p>\n Necesidad de una herramienta de BI impulsada por IA<\/strong><\/p>\n A pesar de ser m\u00e1s intuitivas y f\u00e1ciles de usar que la BI tradicional, las herramientas de BI de autoservicio tienen pocas limitaciones. A medida que aumenta el volumen de datos, existe la necesidad de que los cient\u00edficos de datos le den sentido a los enormes conjuntos de datos. Pero la escasez de cient\u00edficos de datos y la preparaci\u00f3n manual de datos hacen que el proceso sea altamente ineficiente y propenso a errores. Adem\u00e1s, la informaci\u00f3n proporcionada por los sistemas de BI de autoservicio se limita al tipo de consultas realizadas por los usuarios comerciales. Aqu\u00ed es donde surge la necesidad de un nuevo BI impulsado por IA, es decir, un sistema de BI de an\u00e1lisis aumentado<\/a><\/strong>. No solo automatiza las tareas de preparaci\u00f3n de datos, sino tambi\u00e9n partes del conocimiento de los datos y el proceso de descubrimiento de datos.<\/p>\n BI de anal\u00edtica aumentada<\/strong><\/p>\n Augmented Analytics integra IA en el proceso de an\u00e1lisis y BI para ayudar al usuario a preparar sus datos, identificar relaciones dentro de los datos, descubrir nuevos conocimientos y compartirlos f\u00e1cilmente con todos en la organizaci\u00f3n. Reduce la dependencia de cient\u00edficos de datos altamente capacitados al automatizar la generaci\u00f3n de informaci\u00f3n utilizando algoritmos de aprendizaje autom\u00e1tico e inteligencia artificial. Gartner afirma que m\u00e1s del 40% de los roles de los cient\u00edficos de datos se automatizar\u00e1n para 2020. La herramienta de BI de an\u00e1lisis aumentado puede ayudar a expertos menos t\u00e9cnicos como los cient\u00edficos de datos ciudadanos a proporcionar recomendaciones y sugerencias basadas en su dominio y habilidades principales para comprender y obtener informaci\u00f3n de las tendencias y patrones. Estar\u00e1 libre de prejuicios humanos y revelar\u00e1 conocimientos ocultos que son cruciales para el negocio. Adem\u00e1s, el uso de Natural Language Generation (NLG) puede mejorar el proceso de generaci\u00f3n de informes de BI al permitir a los usuarios consultar el sistema y presentar los conocimientos de forma narrativa.<\/p>\n La anal\u00edtica aumentada ayudar\u00e1 a las organizaciones<\/strong><\/a> a ir m\u00e1s all\u00e1 del paradigma del panel de control hacia una nueva forma de consumir conocimientos, es decir, historias de datos. Estos ayudar\u00e1n al usuario a comprender solo la informaci\u00f3n y el contexto que necesitan en el momento adecuado para tomar la decisi\u00f3n. Para 2025, el 75% de las historias de datos se generar\u00e1n autom\u00e1ticamente utilizando t\u00e9cnicas de an\u00e1lisis aumentadas.<\/p>\n Cada organizaci\u00f3n necesitar\u00e1 una plataforma de anal\u00edtica aumentada para crear visualizaciones, ayudar en la narraci\u00f3n y luego ayudar a los usuarios a compartir sin esfuerzo sus hallazgos en toda la organizaci\u00f3n. Esto impulsar\u00e1 la adopci\u00f3n de Augmented Analytics<\/a><\/strong> BI en todos los equipos, especialmente entre los usuarios no t\u00e9cnicos. La anal\u00edtica aumentada cambiar\u00e1 la forma en que los usuarios experimentan la anal\u00edtica y la BI.<\/p>\n \u00bfSu organizaci\u00f3n todav\u00eda usa BI tradicional y BI de autoservicio? \u00bfTiene previsto adoptar la BI de an\u00e1lisis aumentada en el futuro? Si es as\u00ed, entonces c\u00f3mo beneficiar\u00e1 a una organizaci\u00f3n. No dudes en compartir tus pensamientos en la secci\u00f3n de comentarios.<\/p>\n