OpiniónInteligencia Artificial

Viaje al corazón de la analítica

Cómo su democratización permite mejorar la toma de decisiones y crecer. Por Marcos Carrascosa, director de preventa de SAS Iberia.

Los datos están vivos y, por ende, evolucionan con el paso del tiempo. El escenario en el que se encontraban las organizaciones hace unas décadas no tiene nada que ver con la situación actual; la “fotografía” está en constante movimiento, y el volumen de información que se maneja es cada vez mayor.

Aunque muchos crean que se trata de un concepto reciente, la analítica de datos lleva presente entre nosotros más de cincuenta años. Se trata de una técnica que, de una forma u otra, ha acompañado a las organizaciones para ayudarlas en su gestión y crecimiento, siempre unida a la innovación. Podría decirse que la analítica avanzada ha sido como un camaleón: se ha mimetizado y ha cambiado en función de las necesidades de las empresas, clientes y usuarios, pero también de los nuevos modelos de negocio y de la última tecnología disponible.

La evolución ha sido tanta y tan importante, que hemos llegado al momento de su democratización. El análisis que antes requería de mucho tiempo y personal, ahora se puede llevar a cabo desde una sola herramienta y utilizando la nube, la IA y el machine learning para hacer más ágiles los procesos, aumentar la productividad y abaratar costes. Los beneficios son tangibles y reales para grandes empresas, PYMES y Administración Pública.

Mucha curiosidad y recursos limitados

La curiosidad es la cualidad que mueve al mundo, y no es de extrañar que la analítica haya ido siempre de su mano. Cuando en los años 50 se llevaron a cabo los primeros análisis no fue porque se tuvieran claras sus ventajas; fue más bien un “vamos a ver qué podemos hacer con la información que tenemos”. De hecho, los análisis eran complejos y tediosos: quienes se encargaban de ellos debían, primero, recopilar todos los datos físicos que tenía la empresa para, después, analizarlos manualmente.

Debido a la gran cantidad de recursos humanos y de tiempo, y a la información limitada de la que se disponía, se trataba de una tarea cara. Más que extraer insights para la toma de decisiones y el crecimiento de la organización, era una primera toma de contacto que demostró que la técnica tenía futuro y que daría sus frutos.

Según fueron pasando las décadas y la tecnología se volvía mucho más avanzada y accesible para todo el mundo, la cosa cambió

A finales de los 90 se acunó el termino ‘Big Data’, que catapultó el análisis de datos al éxito. Empezaba la era dorada del dato, donde todas las empresas, sin importar su tamaño, comenzaban a aprovechar la información que tenían para extraer su máximo partido, especialmente aquellas que daban los primeros pasos en el entorno digital.

Gracias a que la tecnología era cada vez más madura y el acceso a opciones automatizadas para administrar datos era más alcanzable, los analistas se encontraron en una posición próspera: ahora podían analizar datos, tendencias, etc., y llegar a conclusiones y recomendaciones como nunca antes. No obstante, debido al alto volumen de datos que se empezaban a manejar, su almacenamiento y procesamiento suponía todavía un reto que había que solucionar.

Los datos desestructurados y los data scientists

La irrupción de los smartphones, las redes sociales y los dispositivos conectados supuso un enorme cambio para la industria tecnológica en general, y para la analítica en particular. Hablamos de nuevos y mejorados algoritmos de búsqueda, sugerencias o recomendaciones basadas en análisis de las tendencias, intereses, etc., y, sobre todo, de un cambio de mentalidad en el uso de la analítica: ya no solo se utilizaba para tomar mejores decisiones, sino también para atraer a los consumidores, responder a sus necesidades y anticiparse a ellas.

Las compañías seguían lidiando con sus datos estructurados habituales, pero ahora había que añadirle los desestructurados, mucho más complejos de manejar y que requerían de nuevas bases de datos (NoSQL) y tecnologías para poder procesarlos. Los modelos de machine learning, por ejemplo, comenzaron a emplearse para la analítica avanzada.

Toda esta situación desencadenó en que a finales de los 2000 e inicios de la década siguiente la ciencia de datos se convirtiera en un área fundamental que las organizaciones necesitaban explotar. Los data scientist emergieron como los profesionales que necesitaba el sector, y hoy en día son imprescindibles para todos aquellos que busquen entender el valor de su información y emplearla para crecer y mejorar.

El cloud y la democratización de la analítica avanzada

Hemos llegado a una era en la que extraer datos de cientos de fuentes no es una tarea compleja gracias a la implementación de herramientas avanzadas de automatización para la toma de decisiones, utilizando tecnologías cloud, big data, analítica avanzada e inteligencia artificial. Además, con las principales plataformas en la nube, ahora podemos habilitar el streaming masivo de datos y la analítica compleja, em tiempo real.

Las soluciones que tenemos entre nosotros, como por ejemplo SAS Viya, ofrecen a los usuarios de todos los niveles de una organización un motor de machine learning avanzado, ágil y potente para ayudar a dominar los datos complejos que hay en los entornos en la nube. Para mi está claro el objetivo que tenemos todos los que desarrollamos estas innovaciones: ayudar a las empresas y los organismos públicos a ver sus datos, clientes y operaciones desde un nuevo ángulo, fomentando una toma de decisiones con confianza.

La democratización de la analítica y de los datos ya está aquí. Lo que antes estaba reservado para unos pocos, ahora es accesible para todos los equipos, agilizando con ello los procesos, y reduciendo costes y riesgos. Al hacer operativa la analítica, las compañías son capaces de acelerar la innovación, descubriendo un amplio abanico de beneficios – tanto para ellas mismas como para sus clientes –.

Las organizaciones son conscientes de los beneficios de utilizar análisis de datos en su día a día para crecer y tomar mejores decisiones. No ha sido un camino fácil llegar a esta conclusión; hemos necesitado dar con la tecnología adecuada para ello, hacer más accesibles y entendibles las herramientas, y, sobre todo, divulgar los conocimientos necesarios para poder sacar partido a esta técnica. Pero estoy seguro de que ha merecido la pena. Y con el ritmo al que avanza la tecnología, auguro un futuro lleno de infinitas posibilidades de mejora en nuestras empresas e instituciones, así como un impacto muy positivo nuestra calidad de vida.  

Computing 806