¿Qué es el análisis aumentado?
El análisis aumentado es una categoría de análisis basado en inteligencia artificial (IA) y aprendizaje automático (ML). Este amplía la capacidad de un ser humano para interactuar con los datos a nivel contextual. Además, se compone de herramientas y software que brindan funcionalidades de análisis a más personas, ya sean recomendaciones, información u orientación sobre una consulta.
Según la empresa multinacional de investigación y asesoría Gartner, “el análisis aumentado consiste en usar tecnologías habilitadoras como el aprendizaje automático y la inteligencia artificial para mejorar la preparación de datos, la generación de información y sus explicaciones con el objetivo de expandir el modo en que las personas exploran y analizan los datos en las plataformas de análisis e inteligencia de negocios”.
La función del aprendizaje automático en el análisis aumentado
El aprendizaje automático es un área de las ciencias de la computación que usa datos para extraer algoritmos y modelos de aprendizaje. Se trata de una tecnología fundamental en muchas de las funcionalidades del análisis aumentado. El aprendizaje automático ayuda en el análisis. A menudo, se utiliza para reducir o eliminar el trabajo tedioso; así, las personas pueden obtener información y tomar decisiones con datos más rápido. Esto abarca la limpieza, el modelado, la revisión y el filtrado de datos para un análisis más preciso y profundo.
Las funcionalidades de aprendizaje automático dentro de las plataformas de inteligencia de negocios a menudo muestran los resultados de algoritmos avanzados en forma de recomendaciones. Además, algunas aplicaciones del análisis aumentado aprovechan el aprendizaje automático para incorporar la semántica del sector y la organización, así como las preferencias del usuario a lo largo del tiempo. De este modo, las preguntas y los resultados son más personalizados y efectivos en el contexto del negocio durante el análisis.
Análisis aumentado y automatización
La automatización es una característica común en las soluciones de análisis aumentado. Sin embargo, es importante comprender la diferencia entre automatizar tareas, como hacen muchas tecnologías, y automatizar la toma de decisiones basada en el análisis. Automatizar la toma de decisiones basadas en los datos elimina la necesidad de la intervención humana. El análisis aumentado proporciona una metodología para la tecnología subyacente a fin de guiar a los usuarios a descubrir información que de otra manera no podrían ver o descubrir.
El conocimiento del dominio siempre ha sido importante para el análisis. Sin embargo, con el análisis aumentado basado en inteligencia artificial y aprendizaje automático, este conjunto de habilidades es aún más crítico. A menudo, existen lagunas, donde las personas deben completar el contexto necesario y utilizar la información obtenida del análisis a fin de tomar la mejor decisión para el problema en cuestión.
¿Para quiénes es útil el análisis aumentado?
Los usuarios corporativos y ejecutivos obtienen un valor increíble del análisis aumentado. Esto se debe a que estas tecnologías los ayudan a obtener valor de sus datos rápidamente, sin la necesidad de habilidades técnicas profundas o experiencia en el trabajo con datos. Además, pueden encontrar datos relevantes más fácilmente, hacer las mejores preguntas y descubrir rápidamente información en el contexto de su negocio.
Una gran parte del beneficio del análisis aumentado se centra en ayudar a quienes no tienen mucha experiencia en el análisis. Sin embargo, también ayuda a los analistas y usuarios avanzados a realizar análisis más exhaustivos y tareas de preparación de datos más rápidamente.
¿Cuáles son los beneficios del análisis aumentado?
El análisis aumentado permite que los analistas trabajen de manera más rápida, más eficiente y más precisa. Las tecnologías de aprendizaje automático y lenguaje natural también ayudan a acercar los datos a los expertos en el dominio, es decir, personas con mucho conocimiento del negocio. Esto es posible al eliminar las barreras técnicas para el análisis y poner las técnicas más avanzadas a disposición de las personas con menos habilidades y experiencia en el uso de los datos.
Agilidad: obtención de información más rápida
El análisis aumentado impulsado por inteligencia artificial puede acelerar la búsqueda de información al limitar el espacio de búsqueda, mostrar datos relevantes a la persona correcta en el momento justo y sugerir mejores opciones para el análisis. Mediante un seguimiento amplio del comportamiento de los usuarios, los sistemas pueden brindar valores predeterminados y acciones recomendadas más inteligentes. Además, estos se ajustan y personalizan con el tiempo en función de las respuestas de las personas. Cuando las personas son capaces de responder sus preguntas sobre los datos más rápido, pueden centrarse en tareas más estratégicas y dedicar menos tiempo a revisar los datos para obtener información.
Precisión: un panorama más completo
Las máquinas no duermen, y por eso realizan tareas repetitivas y cálculos extremadamente bien. Las tecnologías de inteligencia artificial y aprendizaje automático detrás del análisis aumentado permiten explorar por completo y de manera eficaz todos los aspectos. Así, el usuario puede tomar las decisiones más informadas a partir de un análisis completo. Este tipo de visión completa ayuda a los humanos a evitar el sesgo de confirmación en sus conclusiones.
Eficiencia: automatización de las tareas operativas
El aprendizaje automático y la inteligencia artificial han logrado grandes progresos en las aplicaciones cuyos algoritmos vienen impulsados por tareas altamente especializadas y repetitivas. Un ejemplo son los sitios web que brindan sugerencias del tipo “quizás le interese...” para productos o contenido relacionados, o incluso programas de detección de fraude. El análisis aumentado permite automatizar tareas a fin de ahorrar tiempo y energía cuando se trabaja con datos, ya sea en la preparación o el descubrimiento de datos, la ejecución de análisis estadísticos y más.
Confianza: análisis eficaces en contexto
Las tecnologías de análisis aumentado suelen ser fáciles de usar. Esto hace que trabajar con datos sea más accesible y que la información sea más fácil de obtener para grupos más amplios de personas. Estas tecnologías se pueden adaptar para modelar y mostrar datos en contexto. Así, puede confirmar sus suposiciones y tener confianza en la calidad de las conclusiones. Si bien es posible que los usuarios corporativos no comprendan en profundidad las técnicas de análisis, sí conocen su campo o sector y pueden aplicar esta experiencia al evaluar la manera de utilizar los hallazgos proporcionados por el análisis aumentado. Algunas tecnologías de análisis aumentado están integradas en los flujos de trabajo de negocios y con otras herramientas y soluciones de software. Esto permite a las personas explorar rápidamente una pregunta específica sin interrumpir el análisis y, en algunos casos, sin realizar pasos adicionales para preparar los datos.
Funcionalidades del análisis aumentado
Identificación automática de datos
Algunas plataformas de inteligencia de negocios modernas usan la inteligencia artificial para identificar automáticamente ciertos atributos de los datos. Por ejemplo, si un campo incluye información geográfica como un código postal o información personal como un número de teléfono o dirección de correo electrónico.
Además, el sistema puede leer tablas de datos en formatos como PDF y documentos de texto. Esto elimina automáticamente los formatos especiales y los convierte para un análisis eficaz.
Técnicas estadísticas
Las tecnologías del análisis aumentado también pueden seleccionar automáticamente entre los mejores pronósticos, agrupaciones en clústeres y otros algoritmos estadísticos según cuál ofrece el mayor índice de certeza. En algunos sistemas, los modelos se ejecutan automáticamente para identificar y ofrecer información sobre los datos que los usuarios pueden no haber visto. Estas técnicas pueden explicar el “por qué” de un punto de datos, como los factores detrás de un valor atípico o inesperado en un conjunto de datos. Para un usuario final, estas funcionalidades están a un solo clic de distancia, y no requieren conocimientos sobre cómo escribir cálculos o código.
Preparación de datos inteligente
En la preparación de datos, se emplean algoritmos eficaces que agilizan el proceso y minimizan las tareas de limpieza manual. Los sistemas de análisis aumentado pueden indexar y agrupar palabras relacionadas por pronunciación o caracteres comunes. De este modo, las personas ahorran tiempo en la búsqueda y la actualización manual de campos y valores.
En algunos casos, el sistema también puede recomendar pasos de limpieza, como eliminar valores nulos o dividir campos en columnas separadas.
Recomendaciones
Una funcionalidad destacada de muchos sistemas de análisis aumentado es la capacidad de hacer recomendaciones basadas en inteligencia artificial a los usuarios. Las recomendaciones abarcan desde la preparación de datos hasta el descubrimiento, el análisis y el intercambio. Por ejemplo, un sistema puede recomendar fuentes de datos en los pasos de unión o limpieza durante la preparación. Además, puede sugerir tipos de gráficos eficaces en función de las filas y las columnas de datos que el usuario agrega en la vista.
Las personas también reciben sugerencias para explorar contenido de análisis según su función, equipo y comportamiento de navegación de análisis, al igual que muchas empresas ofrecen opciones como “también puede que le guste...”. Esto ayuda a los usuarios nuevos a adaptarse más rápido y encontrar los activos de datos más relevantes para ellos.
Interacción con lenguaje natural
La consulta en lenguaje natural es una funcionalidad del análisis aumentado que permite al usuario escribir una pregunta en lenguaje sencillo para consultar los datos, en lugar de utilizar un lenguaje o código de consulta de datos. El sistema proporciona una experiencia guiada al traducir el texto en una consulta y hacer sugerencias para llenar los vacíos a fin de comprender la intención y el contexto detrás de las preguntas del usuario. De esta manera, muchas personas obtienen información a partir de sus datos sin tener que comprender el modelo de datos subyacente.
La generación de lenguaje natural crea descripciones textuales de información a partir de los datos, que pueden incluir explicaciones de visualizaciones de datos. Contar con estas explicaciones en un lenguaje sencillo ayuda a las personas a entender las historias en sus datos, sin necesidad de poseer una gran experiencia en la navegación e interpretación de visualizaciones.
Descubra cómo el análisis aumentado de Tableau potencia la toma de decisiones
Casos de uso del análisis aumentado
Existen muchos casos de uso para el análisis aumentado. En cada uno, el objetivo de la inteligencia artificial y el aprendizaje automático es hacer que el análisis avanzado sea más rápido y fácil. Esto permite a más personas, independientemente de sus habilidades con los datos y conocimientos técnicos, obtener valor de sus datos al formular las mejores preguntas y tomar decisiones más informadas.
Ejemplos por función
- Equipos de ventas: pueden utilizar el análisis aumentado para investigar tendencias en sus cuotas y tratos.
- Ejecutivos: pueden recurrir al análisis aumentado para explorar fácilmente los datos en tiempo real durante reuniones de la junta directiva, en lugar de depender de informes estáticos.
- Departamentos de TI: pueden usar el análisis aumentado para descubrir los factores detrás de los picos en el uso del servidor y del sistema.
- Analistas y administradores de datos: pueden aprovechar el análisis aumentado para limpiar, organizar y preparar los datos más rápidamente para el análisis.
Ejemplos por sector
- Administración de la cadena de suministro: pueden utilizar el análisis aumentado para comprender por qué ciertas ubicaciones no entregan productos al ritmo esperado.
- Turismo y hotelería: las organizaciones pueden recurrir al análisis aumentado para encontrar las ofertas personalizadas óptimas para realizar ventas adicionales o cruzadas a los clientes.
- Agencias de marketing y comunicación: pueden aprovechar el análisis aumentado para explorar la eficacia de las campañas publicitarias y descubrir variables que podrían permanecer ocultas en los datos.
Otros casos de uso comunes
- Las grandes empresas a menudo confían en el análisis aumentado cuando expanden sus programas de análisis a nuevos usuarios. Esto se debe a que muchas funciones ayudan a acelerar el proceso de incorporación para las personas con menos experiencia en el trabajo con datos.
- Algunas organizaciones incluso están reemplazando los informes estáticos por dashboards interactivos y aumentados. Esto no solo ahorra tiempo a los analistas que los construyen. Además, reduce los obstáculos para que más personas usen los dashboards para responder de manera eficaz las preguntas que estas puedan tener sobre los datos.
Desafíos del análisis aumentado
Conceptos erróneos de la inteligencia artificial y el aprendizaje automático
Debido a las complejidades subyacentes de la inteligencia artificial y el aprendizaje automático, todavía hay un enfoque prominente en las tecnologías propiamente dichas, y no en cómo las personas las utilizarán y se beneficiarán de ellas. Además de estas ideas equivocadas de que, por ejemplo, las máquinas robarán el trabajo a las personas, esto puede ralentizar la adopción de soluciones que ofrecen beneficios prácticos a las personas que trabajan con datos. Las personas no utilizarán la inteligencia artificial ni el análisis aumentado si no comprenden su valor ni confían en él.
Límites del análisis aumentado
Algunas personas pueden tener expectativas exageradas de lo que este tipo de tecnologías pueden lograr y ofrecer. Esto puede resultar en costos irrecuperables si se realizan grandes inversiones sin comprender cómo la tecnología realmente puede ayudar a las personas, o sin una estrategia clara para implementarla y respaldarla.
Además, es necesario entender en qué aspectos se destacan los humanos y las máquinas. Es difícil para una máquina comprender la intención de una persona en un contexto limitado. La máquina tiene los datos, pero no percibe el panorama general de la misma manera que lo puede hacer una persona con experiencia en el dominio. A través de la supervisión de los comportamientos de uso y los comentarios de los usuarios, las máquinas tendrán que aprender las preferencias de las personas con el tiempo.
Alfabetización de datos y experiencia en el análisis
Las herramientas y la tecnología son elementos importantes de un movimiento más amplio. Pero los empleados también deben aprender a pensar acerca de los datos de manera crítica. Actuar en respuesta a datos incorrectos, o a las recomendaciones inadecuadas de un sistema de inteligencia artificial, puede derivar en la toma de malas decisiones y el desperdicio de recursos. En estas situaciones, entran en juego la alfabetización de datos, el pensamiento crítico y el desarrollo de las personas.
El análisis aumentado solo es eficaz cuando las organizaciones priorizan las competencias de análisis en todos los departamentos para que las personas puedan hablar y comprender con confianza el idioma de los datos. Una explicación o recomendación solo es útil si el consumidor comprende los conceptos de los datos y cómo estos se relacionan con sus propios datos de negocios. Por ejemplo, es más probable que un humano con contexto empresarial confirme o niegue la causalidad cuando una máquina descubre una correlación.
Selección, administración y gobernanza de datos
Los datos son la base de todo sistema de inteligencia artificial. Por lo tanto, la calidad y confiabilidad de las recomendaciones prescriptivas basadas en inteligencia artificial o las tareas automatizadas están directamente relacionadas con la calidad y confiabilidad de los datos utilizados para entrenar el sistema. Las organizaciones que no han invertido en prácticas sólidas de gobernanza o administración de datos o que tienen dificultades para aumentar la aceptación y generar confianza en su implementación de inteligencia de negocios tienen pocas posibilidades de adoptar con éxito la inteligencia artificial.
Uso ético de la inteligencia artificial
A medida que los algoritmos y modelos se vuelven más sofisticados, es fundamental que no dejen de ser comprensibles. En otras palabras, las organizaciones no deben confiar ciegamente en las soluciones de inteligencia artificial de “caja negra”. El concepto de transparencia e “inteligencia artificial explicable” es muy poderoso en ese sentido: debemos poder comprender las operaciones y la lógica que se emplearon para llegar a una respuesta. Esto no solo ayuda a garantizar que las organizaciones no utilicen modelos sesgados, sino que también aumenta su convicción de que las respuestas son confiables para tomar decisiones informadas.
Prácticas recomendadas de análisis aumentado
Comience con una base sólida de análisis moderno
La inteligencia de negocios moderna ha abierto las puertas para que usuarios de todos los niveles de habilidades respondan sus propias preguntas. Al mismo tiempo, equilibra la agilidad con la necesidad de seguridad y gobernanza. Para las plataformas de inteligencia de negocios modernas, las funcionalidades de inteligencia artificial y aprendizaje automático son una extensión de este paradigma. Representan otro paso hacia la transformación digital. Además, alejan a las organizaciones de la inteligencia de negocios y los informes tradicionales, y las acercan a un entorno moderno de autoservicio donde todos pueden formular preguntas sobre sus datos.
Demuestre el éxito antes de expandir las inversiones en análisis de inteligencia artificial
Con ideas nuevas y audaces, la mejor manera de avanzar es comenzar con una prueba de alcance y no perseguir la meta imposible del sistema perfecto. Comience con un alcance muy específico, como un departamento o un caso de uso determinado. Luego, una vez que se demuestre el valor de su inversión, llévelo a otros grupos de la organización.
Elimine los mitos y eduque para generar confianza y alfabetización de datos
Una educación de datos capaz de generar un impacto requiere habilidades prácticas y creativas. La introducción del análisis basado en inteligencia artificial en los procesos de negocios requerirá confianza en estas tecnologías, además de criterio por parte del personal. Los científicos de datos pueden tener dudas a la hora de confiar en una máquina cuando ellos mismos tienen una experiencia probada y verdadera. Los usuarios novatos del análisis, por su parte, deberán aprender a interactuar con las recomendaciones del análisis aumentado y a validarlas, o a sumar sus conocimientos humanos para corregir el curso.
Aumente el éxito con la colaboración y la comunidad
Dado que estas características se integrarán en los flujos de trabajo existentes, una sólida comunicación entre los campeones de datos y los expertos en el dominio ayudará a los usuarios a encontrar el éxito y fomentar la adopción. Los analistas que crean dashboards para otros deben ser conscientes de cómo las personas utilizan las funcionalidades de inteligencia artificial y aprendizaje automático. Además, deben fomentar la comunicación abierta sobre las explicaciones y los datos propiamente dichos. Los analistas pueden ofrecer los datos correctos y el contexto adecuado a los expertos en el dominio para profundizar en los puntos de datos que les interesan. Por ejemplo, un dashboard de inicio interactivo que facilita la exploración y la adaptación.
La función del análisis aumentado en la inteligencia de negocios (BI)
Los datos son un combustible fundamental para la generación de mejores experiencias del cliente y operaciones más eficientes, así como el descubrimiento de nuevos flujos de ingresos. Las empresas que analizan los datos de manera más efectiva son más competitivas y generan un mayor impacto. Por eso, muchas están recurriendo a tecnologías de análisis de inteligencia artificial y análisis aumentado. Estas incluyen aprendizaje automático, interacciones con lenguaje natural y algoritmos complejos para encontrar una ventaja y mejorar aún más las capacidades de análisis de las personas, impulsar la transformación digital y desarrollar la resiliencia empresarial frente al cambio.
El análisis aumentado promete transformar mejor la curiosidad humana en respuestas pertinentes. Estas capacidades ampliarán el uso del análisis y llegarán a muchas personas que se sienten menos cómodas trabajando con datos. Así, todos los miembros de una organización pueden obtener respuestas con confianza para sus preguntas de negocios a partir de los datos.
En Tableau, usamos la inteligencia artificial para ayudar a las personas a responder preguntas y tomar decisiones significativas con datos. Desde la preparación de datos inteligente y el análisis estadístico con un solo clic hasta las consultas en lenguaje natural, nuestras funcionalidades de análisis aumentado permiten que más personas aprendan lo que necesitan saber de sus datos con mayor confianza en sus resultados. Nuestras funcionalidades permiten que un público corporativo más amplio responda preguntas con datos. Esto, además, ayuda a las organizaciones a aprovechar su creciente cantidad de datos.
Obtenga más información sobre el análisis aumentado de Tableau.
Recursos adicionales