Este artículo fue publicado por primera vez en CIO.

El análisis de negocios sigue siendo un segmento candente dentro del mercado de software empresarial y un componente principal de la transformación digital para todas las organizaciones. Sin embargo, muchas ventajas específicas se encuentran en diferentes puntos del espectro de preparación para los entornos de uso real.

Es fundamental que los líderes de tecnología distingan entre las tendencias ya maduras para la aplicación en escenarios empresariales reales y aquellas que todavía están en proceso de formación (aunque aparezcan ya en impresionantes demostraciones de algunos proveedores). Estas tendencias se pueden categorizar desde la menos hasta la más madura en el mercado: inteligencia artificial (IA), procesamiento del lenguaje natural (NLP) y análisis incorporados.

La inteligencia artificial potencia la inteligencia humana

En el mercado actual, la expectación que suscita la IA, que abarca el aprendizaje automático (ML) y el aprendizaje profundo, sobrepasa ya la generada por los big data. Actualmente, la posibilidad de que la IA reemplace y automatice por completo las tareas de análisis manual realizadas por humanos es muy remota para los casos de uso reales. De hecho, la automatización total de los flujos de trabajo analíticos no debería entrar en los objetivos finales, ni hoy ni en el futuro.

El término “inteligencia de asistencia” es más adecuado para el acrónimo IA y es mucho más aceptable para los analistas que ven a la automatización como una amenaza. En el mercado de hoy, una cantidad cada vez mayor de organizaciones está adoptando el concepto de inteligencia de asistencia, en el que las habilidades de los analistas y usuarios corporativos se multiplican gracias al avance de las funcionalidades de análisis y los algoritmos de aprendizaje automático incorporados. Ya se comprobó la utilidad de estos tipos de funcionalidades inteligentes en la asistencia de la preparación e integración de datos. También son útiles para los procesos analíticos, como la detección de patrones, correlaciones, valores atípicos y anomalías en los datos.

Las interacciones naturales mejoran la accesibilidad del análisis

A menudo, el procesamiento del lenguaje natural (NLP) y la generación de lenguaje natural (NLG) son términos utilizados de manera intercambiable, aunque tienen propósitos completamente diferentes. Aun cuando ambos permiten la interacción natural con plataformas de análisis, el NLP se puede considerar como la parte de la ecuación en la que se hacen las preguntas, mientras que la NLG se utiliza para presentar los descubrimientos y la información en un lenguaje natural para el usuario.

Debido a que las interfaces con lenguaje natural son cada vez más comunes en nuestras vidas personales (a través de Siri, Cortana, Alexa, Google Home, etc.), el NLP es, de los dos, el más reconocido en el mercado dominante. Los proveedores de análisis agregan la funcionalidad de NLP a sus productos para capitalizar esta tendencia de consumo y llegar a un mayor número de usuarios corporativos (para quienes las interfaces de lenguaje natural son menos intimidantes que los medios tradicionales de análisis). Es inevitable que el NLP se utilice cada vez más como componente principal de una plataforma de análisis, pero la diversidad de usuarios y casos de uso que lo emplean no es aún la suficiente como para considerarlo una tendencia mayoritaria dentro del mercado actual.

Por otro lado, hace ya varios años que la NLG está en el mercado, aunque es reciente su incorporación a las herramientas de análisis principales para potenciar la representación visual de datos. Mediante la tecnología de NLG se crean automáticamente muchos resúmenes basados en texto de eventos deportivos, estadísticas de jugadores, rendimiento de fondos de inversión, etc. Cada vez más, las funcionalidades de NLG se utilizan también para el mecanismo de entrega, a fin de que los resultados basados en IA sean más legibles para la mayoría de los usuarios.

En los últimos tiempos, los proveedores de análisis se asociaron con proveedores de NLG para aprovechar su experiencia en los esfuerzos de incorporar otra dimensión a la visualización de datos. Con esta iniciativa, se busca lograr la identificación automática de la información clave y la presentación de dichos descubrimientos en una narrativa de lenguaje natural que sirva de apoyo a la visualización. Aunque la combinación del análisis de negocios y la NLG es relativamente nueva, en el mercado se está volviendo cada vez más conocida y popular, lo que abrió la puerta a nuevos casos de uso que las organizaciones pueden explorar.

Los análisis incorporados acercan el conocimiento a la acción

El verdadero valor del análisis se comprueba cuando puede fundamentar el proceso de toma de decisiones para mejorar los resultados de negocios. Al incorporar el análisis en las aplicaciones y sistemas que los responsables de toma de decisiones utilizan para hacer negocios, se elimina una barrera en la adopción y se entrega la información directamente a la persona que puede reaccionar inmediatamente.

Los proveedores de plataformas modernas de análisis facilitaron en gran medida a las organizaciones la adopción de una estrategia incorporada para distribuir masivamente el contenido analítico entre los usuarios de la línea de negocios, previamente inalcanzables a través de los medios tradicionales. Además, las organizaciones ahora buscan extender funcionalidades similares a los clientes, socios, proveedores, etc., con el objetivo de aumentar la diferenciación competitiva y, en algunos casos, incrementar los nuevos canales de ingresos mediante la monetización de activos de datos y aplicaciones de análisis.

Estas innovaciones les abren a los líderes de tecnología una oportunidad única para conducir sus organizaciones hacia una era en la que el análisis de datos sea la base para todas las decisiones de negocios. Cada organización tomará este camino a su propio ritmo. Algunas serán las pioneras de las nuevas innovaciones y otras solo las adoptarán cuando la mayoría del mercado las haya implementado exitosamente.

En última instancia, los usuarios finales y su capacidad y voluntad para la adopción de las nuevas innovaciones y el proceso de cambio determinarán el momento en que las organizaciones estén preparadas para incorporar la nueva tecnología.

También podría interesarle...

Agregar nuevo comentario

Suscribirse a nuestro blog