5 de abril de 2022
- ¿Eres cliente de Gartner? Log in para obtener resultados de búsqueda personalizados
12 tendencias de análisis de datos que debes tener en cuenta
Autora: Laurence Goasduff
Los sistemas de inteligencia artificial (IA) adaptativa, el intercambio de datos y los tejidos de datos son algunas de las tendencias que los responsables de análisis de datos deben aprovechar para impulsar un nuevo crecimiento, resiliencia e innovación.
La invasión de Ucrania por parte de Rusia ha añadido una crisis geopolítica a la pandemia mundial, y la gestión de la incertidumbre y la volatilidad consiguiente y persistente será este año un punto clave para los responsables de análisis de datos.
Descarga ahora: La hoja de ruta de tecnología de la información para el análisis de datos
“Ahora es el momento de anticipar, adaptar y escalar el valor de cada estrategia de análisis de datos mediante la supervisión, experimentación o inversión agresiva en tendencias tecnológicas clave en función de su urgencia y alineación con las prioridades de la empresa”, manifiesta Rita Sallam, distinguida analista vicepresidenta de Gartner.
Las principales tendencias de este año en análisis de datos (D&A) están relacionadas con tres imperativos:
- Activar la diversidad y el dinamismo. Utilizar sistemas de IA adaptativa para impulsar el crecimiento y la innovación al tiempo que se hace frente a las fluctuaciones de los mercados mundiales.
- Aumentar el personal y las decisiones para ofrecer análisis enriquecidos y basados en el contexto, creados por la empresa a partir de componentes modulares.
- Institucionalizar la confianza para obtener valor del análisis de datos a escala. Gestionar los riesgos de la IA y establecer una gobernanza conectada a través de sistemas distribuidos, entornos periféricos y ecosistemas emergentes.
12 tendencias de análisis de datos (D&A) a tener en cuenta en 2022
Hemos identificado las tendencias de análisis de datos que representan dinámicas empresariales, de mercado y tecnológicas que no puedes permitirte ignorar. Estas tendencias también ayudan a priorizar las inversiones para impulsar el crecimiento, la eficiencia, la resiliencia y la innovación.
Descarga ahora: 5 iniciativas clave para convertirse en una organización basada en datos
N.º 1: Sistemas de IA adaptativa
A medida que las decisiones se vuelven más conectadas, contextuales y continuas, es cada vez más importante rediseñar la toma de decisiones. Puedes hacerlo utilizando sistemas de IA adaptativa, que pueden ofrecer decisiones más rápidas y flexibles adaptándose más rápidamente a los cambios.
Sin embargo, para construir y gestionar sistemas de IA adaptativa, hay que adoptar prácticas de ingeniería de IA. La ingeniería de IA organiza y optimiza las aplicaciones para adaptarse a los cambios disruptivos, resistirlos o absorberlos, lo que facilita la gestión de sistemas adaptativos.
Descarga el ebook: 5 acciones clave para que los responsables de TI tomen mejores decisiones
N.º 2: IA centrada en datos
Muchas organizaciones intentan abordar la IA sin tener en cuenta los problemas de gestión de datos específicos de la IA. “Sin los datos adecuados, construir IA es arriesgado y posiblemente peligroso”, dice Sallam. Por ello, es fundamental formalizar una IA centrada en los datos y unos datos centrados en la IA. Abordan el sesgo, la diversidad y el etiquetado de los datos de forma más sistemática como parte de su estrategia de gestión de datos, lo que incluye, por ejemplo, el uso del tejido de datos en la integración automatizada de datos y la gestión activa de metadatos.
N.º 3: Tejido de datos basado en metadatos
El tejido de datos escucha, aprende y actúa sobre los metadatos. Señala y recomienda acciones para las personas y los sistemas. En última instancia, mejora la confianza en los datos y su uso en la organización y puede reducir en un 70 % diversas tareas de gestión de datos, como el diseño, la implantación y las operaciones.
A modo de ejemplo, la ciudad de Turku (Finlandia) encontró lagunas en sus datos que frenaban su innovación. Al integrar activos de datos fragmentados, pudo reutilizar los datos, reducir el tiempo de comercialización en dos tercios y crear un tejido de datos monetizable.
Más información: La guía definitiva para el análisis de datos
N.º 4: Compartir siempre los datos
Aunque los responsables de análisis de datos suelen reconocer que compartir datos es una capacidad esencial de la transformación digital, carecen de los conocimientos necesarios para compartir datos a escala y con confianza.
Para tener éxito en la promoción del intercambio de datos y aumentar el acceso a los datos correctos alineados con el caso empresarial, es preciso colaborar a través de las distintas líneas de negocio y del sector. Esto acelerará la aceptación de una mayor autoridad presupuestaria y la inversión en el intercambio de datos. Además, es preciso considerar la posibilidad de adoptar un diseño de tejido de datos que permita una arquitectura única para compartir los datos entre fuentes de datos heterogéneas internas y externas.
N.º 5: Análisis enriquecido por el contexto
El análisis enriquecido por el contexto se basa en las tecnologías gráficas. La información sobre el contexto y las necesidades del usuario se recoge en un gráfico que permite un análisis más profundo utilizando tanto las relaciones entre los puntos de datos como los datos individuales. Ayuda a identificar y crear nuevos contextos basados en similitudes, limitaciones, recorridos y comunidades.
La captura, el almacenamiento y el uso de datos contextuales exigen capacidades y habilidades de creación de canalizaciones de datos, técnicas de análisis X y servicios de IA en la nube que puedan procesar diferentes tipos de datos. Para 2025, los análisis basados en el contexto y los modelos de IA sustituirán al 60 % de los modelos existentes basados en datos tradicionales.
N.º 6: Análisis de datos componible
Gartner lidera un enfoque modular de análisis de datos, o “análisis de datos componible”. El análisis de datos componible para empresas se basa en esta tendencia, pero se centra en las personas, pasando del ámbito de TI a la empresa.
El análisis de datos permite a los usuarios comerciales o a los tecnólogos en gestión comercial colaborar para crear capacidades de análisis de datos orientadas al negocio.
Más información: Todo lo que necesitas saber sobre la inteligencia artificial (IA)
N.º 7: Análisis de datos basado en decisiones
La disciplina de la inteligencia de decisiones, que consiste en considerar detenidamente cómo deben tomarse las decisiones, está haciendo que las organizaciones se replanteen sus inversiones en capacidades de análisis de datos. Es preciso usar las disciplinas de inteligencia de decisiones para diseñar la mejor decisión y, a continuación, ofrecer los insumos necesarios.
Gartner estima que para 2023, más del 33 % de las grandes organizaciones dispondrán de analistas que practiquen la inteligencia de decisiones, incluido el modelado de decisiones.
N.º 8: Déficit de competencias y conocimientos
Los responsables de análisis de datos requieren talento en sus equipos con el fin de impulsar resultados medibles. Sin embargo, los lugares de trabajo virtuales y la creciente competencia por el talento han incrementado la falta de conocimientos específicos sobre datos, es decir, la capacidad de leer, escribir y comunicar datos en contexto, entre los trabajadores.
Para 2025, Gartner estima que la mayoría de los directores de datos (Chief Data Officers, CDO) fallarán a la hora de promover los conocimientos sobre datos entre los trabajadores para alcanzar sus objetivos empresariales estratégicos basados en datos.
Dado que el coste de la inversión en conocimientos sobre datos y la mejora de la formación de los empleados aumenta constantemente, es preciso empezar a introducir cláusulas de “recuperación” o “reembolso” en los contratos de los nuevos empleados para recuperar los costes en caso de que un empleado abandone la organización.
N.º 9: Gobernanza conectada
Las organizaciones necesitan una gobernanza eficaz a todos los niveles que no solo aborde sus retos operativos actuales, sino que también sea flexible, redimensionable y altamente adaptable a los cambios en las dinámicas del mercado y a los retos estratégicos de la organización.
Sin embargo, la pandemia ha puesto aún más de relieve la urgente necesidad de una sólida colaboración interdisciplinaria y la disposición a cambiar las estructuras organizativas para lograr la agilidad del modelo de negocio.
Usa la gobernanza conectada para establecer una capa de gobernanza de análisis de datos virtual en todas las sedes y departamentos de la empresa con el fin de lograr los resultados interempresariales deseados.
Mira a los expertos de Gartner debatir sobre: Cómo crear una estructura integral de gobernanza para el análisis de datos
N.º 10: Gestión del riesgo de la IA
Si las organizaciones dedican tiempo y recursos a la gestión de la confianza, el riesgo y la seguridad de la IA (AI TRiSM, por sus siglas en inglés), obtendrán mejores resultados en términos de adopción, consecución de objetivos comerciales y aceptación por parte de los usuarios internos y externos.
Gartner pronostica que, para 2026, las organizaciones que desarrollen una IA fiable y orientada a objetivos verán cómo más del 75 % de las innovaciones de IA tendrán éxito, en comparación con el 40 % entre las que no lo hagan.
Una mayor atención a la AI TRiSM conducirá a una implantación y operacionalización controladas y estables de los modelos de IA. Además, Gartner espera muchos menos fracasos de la IA, como los proyectos de IA inconclusos, y una reducción de los resultados imprevistos o negativos.
N.º 11: Ecosistemas de proveedores y regiones
Las legislaciones regionales de seguridad de datos están haciendo que muchas multinacionales creen ecosistemas regionales de análisis de datos para cumplir la normativa local, una tendencia que se acelerará en el nuevo mundo multipolar.
Tendrás que considerar la posibilidad de migrar y duplicar algunas o todas las partes de tu pila de análisis de datos, dentro de regiones concretas y, por diseño o por defecto, gestionar una estrategia de multinube y multiproveedor.
Para construir un ecosistema de datos en la nube cohesionado, deben considerarse varias acciones. Evalúa la extensibilidad y las ofertas de ecosistemas más amplios de las soluciones de tu proveedor y considera la posibilidad de alinearte con ellos. Reevalúa también las políticas que favorecen una estrategia de “mejor solución de software” o “mejor encaje” para las capacidades de análisis de datos de extremo a extremo en la nube, sopesando las ventajas de un ecosistema de proveedor único en términos de coste, agilidad y velocidad.
N.º 12: Expansión hacia el Edge
Más actividades de análisis de datos se ejecutan en dispositivos distribuidos, servidores o pasarelas situados fuera de los centros de datos y de la infraestructura de nube pública. Tienden a residir cada vez más en entornos de Edge Computing, más cerca de donde se crean y ejecutan los datos y las decisiones de interés.
Los analistas de Gartner estiman que, para 2025, más del 50 % de los datos críticos para las empresas se crearán y procesarán fuera del centro de datos o de la nube.
Amplía las capacidades de gobernanza de análisis de datos a entornos periféricos y proporciona visibilidad a través de metadatos activos. Además, ofrece soporte para la persistencia de datos en entornos periféricos mediante la inclusión de tecnologías orientadas a TI residentes en el Edge (sistemas de gestión de bases de datos relacionales y no relacionales), así como bases de datos integradas de pequeño tamaño para el almacenamiento y procesamiento de datos más cercanos al Edge.
En resumen:
- Estas tendencias en análisis de datos (D&A) te permitirán anticiparte a los cambios y gestionar la incertidumbre.
- Invertir en aquellas tendencias que son más relevantes para tu organización puede ayudarte a cumplir la prioridad de tu director ejecutivo (CEO) de retomar y acelerar el crecimiento.
- Supervisa de forma proactiva las tendencias clave, experimenta con ellas o decide invertir agresivamente en ellas en función de su urgencia y alineación con las prioridades estratégicas de tu empresa.
Rita Sallam es una distinguida analista vicepresidenta y miembro del Equipo de Análisis de Datos de Gartner. El enfoque que aporta Sallam se centra en el seguimiento y la predicción de las tendencias del mercado, la evaluación y selección de proveedores y la identificación de buenas prácticas para que el análisis sea omnipresente y estratégico para la empresa.
Recursos recomendados para clientes de Gartner*:
Principales tendencias de análisis de datos, 2022
* Ten en cuenta que es posible que algunos recursos no estén disponibles para todos los clientes de Gartner.