El objetivo es guiar a los líderes de Data & Analytics (D&A) para crear nuevas fuentes de valor, anticiparse al cambio y convertir la incertidumbre extrema en nuevas oportunidades de negocio. Estas son las diez tendencias del sector según Gartner.
Cumbre de Gartner sobre Data y Analytics 2023
Los analistas de Gartner esbozaron las diez tendencias en Data Analytics. Los máximos responsables de TI deben incorporarlas a sus estrategias de D&A (Figura 1) en la Cumbre de Datos y Análisis de Gartner.
“La necesidad de aportar valor demostrable a las organizaciones a gran escala está impulsando estas tendencias en D&A”, comentó Gareth Herschel, VP Analyst de Gartner. “Los Chief Data and Analytics Officer (CDAO) y los líderes de D&A involucran a las partes interesadas de las organizaciones para comprender los mejores enfoques para impulsar la adopción de Data & Analytics. Esto significa más análisis y perspectivas de calidad, teniendo en cuenta también la psicología y los valores humanos.”
Primera tendencia: optimización del valor
La mayoría de los líderes de D&A luchan por articular el valor que aportan a la organización en términos de negocio. La optimización del valor a partir de la cartera de datos empresariales, la analítica y la inteligencia artificial (IA) requiere un conjunto integrado de habilidades de gestión del valor, incluida la valoración de la narración de historias, el análisis de flujos, la clasificación y priorización de las inversiones, y la medición de los resultados empresariales para garantizar el valor esperado.
“Los líderes de D&A deben optimizar el valor construyendo historias de valor que establezcan vínculos claros entre las iniciativas de D&A y las prioridades de misión crítica de la empresa”, señala Herschel.
La gestión de riesgos
La segunda tendencia es la gestión de riesgos relacionados con la IA. El creciente uso de la IA ha expuesto a las empresas a nuevos riesgos, como los éticos o el envenenamiento de los datos de entrenamiento. Pero no solo eso. Un riesgo de la IA es también evitar la detección de fraudes. Todos los riesgos deben mitigarse.
La gestión de los riesgos de la IA no consiste únicamente en cumplir la normativa. De hecho, se necesita una gobernanza de la IA y prácticas responsables. Todos ellos factores críticos para generar confianza entre las partes interesadas y catalizar la adopción y el uso de la IA.
Observabilidad
Se trata de una característica que permite comprender el comportamiento del sistema de D&A. Además, la observabilidad de los datos permite responder a preguntas sobre su comportamiento. “La observabilidad permite a las organizaciones reducir el tiempo que se tarda en identificar las causas fundamentales de los problemas que afectan al rendimiento, tomar decisiones oportunas y rentabilizar el negocio mediante datos fiables y precisos“, destacó Herschel.
“Los líderes de D&A necesitan evaluar las herramientas de observabilidad para entender las necesidades de los usuarios primarios y determinar cómo encajan las herramientas en el ecosistema empresarial”, dijo Herschel.
Compartir datos
La compartición de datos incluye compartir datos tanto internamente (entre departamentos o a través de filiales) como externamente (entre partes ajenas a la propiedad y el control de la organización). Las organizaciones pueden crear datos como producto, donde la preparación de activos de D&A incluye entregables o productos compartidos.
“Las colaboraciones para compartir datos, incluidas las externas a la organización, aumentan el valor de la compartición de datos al añadir activos de datos reutilizables y creados previamente”, advierte Kevin Gabbard, Director Senior, Analista de Gartner. “Adoptando un diseño de tejido de datos, es posible habilitar una arquitectura única para compartir datos a través de fuentes de datos heterogéneas internas y externas”.
Sostenibilidad de D&A
No basta con que los líderes de Data & Analytics ofrezcan análisis y perspectivas para proyectos ESG (medioambientales, sociales y de gobernanza) de nivel empresarial. Los líderes de Data & Analytics también deben intentar optimizar sus procesos para mejorar la sostenibilidad. Los beneficios potenciales son enormes. Los profesionales de D&A e IA son cada vez más conscientes de su creciente huella.
Como resultado, la variedad de prácticas es el uso emergente de energías renovables para los centros de datos (en la nube), el uso de hardware más eficiente energéticamente y el uso de small data y otras técnicas de aprendizaje automático (ML).
Tejido de datos prácticos
Data Fabric es un patrón de diseño de gestión de datos que aprovecha todo tipo de metadatos para observar, analizar y recomendar soluciones de gestión de datos. Al ensamblar y enriquecer la semántica de los datos subyacentes y aplicar análisis continuos a los metadatos, la estructura de datos genera alertas y recomendaciones que pueden aplicar tanto las personas como los sistemas. Permite a los usuarios empresariales consumir datos con confianza y facilita a los desarrolladores ciudadanos sin conocimientos ser más versátiles en los procesos de integración y modelización.
IA generativa
ChatGPT y la IA generativa son la vanguardia de la tendencia de la IA emergente. Cambiará la forma de operar de la mayoría de las empresas en términos de escalabilidad, versatilidad y adaptabilidad. La próxima ola de IA permitirá a las organizaciones aplicar la IA en situaciones que hoy no son factibles, lo que hará que la IA sea aún más omnipresente y valiosa.
Ecosistemas convergentes
Los ecosistemas convergentes diseñan y despliegan plataformas de D&A para que operen y funcionen de forma cohesionada a través de integraciones sin fisuras, gobernanza e interoperabilidad técnica. La componibilidad del ecosistema se garantiza mediante la arquitectura, el ensamblaje y las aplicaciones y servicios configurables.
Con las arquitecturas D&A, los sistemas también pueden ser más modulares, adaptables y flexibles, escalando y simplificándose dinámicamente para satisfacer las necesidades empresariales en evolución. Además de adaptarse a los inevitables cambios del entorno empresarial y operativo.
Los consumidores se convierten en creadores
El porcentaje de usuarios que pasan tiempo en cuadros de mando predefinidos será sustituido por experiencias de usuario conversacionales, dinámicas e integradas que respondan a las necesidades específicas de los consumidores de contenidos.
Por tanto, las organizaciones pueden ampliar la adopción y el impacto de la analítica ofreciendo a los consumidores de contenidos el uso de perspectivas automatizadas e integradas. Así como las experiencias conversacionales que necesitan para convertirse en creadores de contenidos.
El factor humano
Los seres humanos siguen siendo los principales responsables de la toma de decisiones. No todas las decisiones pueden o deben automatizarse. De hecho, los grupos de D&A dirigen explícitamente las decisiones a apoyar el papel humano en los procesos de toma de decisiones automatizados y “aumentados”.
“Los esfuerzos por impulsar la toma de decisiones automatizada, sin tener en cuenta el papel humano en las decisiones, se producirán en las empresas impulsadas por los datos sin conciencia ni propósito coherente”, concluye Herschel. “Los programas de alfabetización de datos de las empresas deben hacer hincapié, combinando Datos y Análisis, con un enfoque de toma de decisiones humanas”.
