Analítica aumentada: lo que necesita saber para 2019

A medida que las empresas comienzan o continúan en su viaje de transformación digital, la cantidad de datos que manejan aumenta en volumen y complejidad.

La analítica tradicional, el proceso de preparar y analizar datos, interpretar resultados y contar historias con esos datos, es un proceso manual que requiere mucho tiempo. Además, plantea importantes desafíos para las empresas que intentan lidiar con el continuo estallido de datos.

Para cumplir con los cronogramas de preparación del mercado de transformación digital, se ha vuelto imperativo reducir el tiempo que requiere el análisis manual.

Para hacer esto, podemos aumentar los científicos de datos humanos con aprendizaje automático (ML) e inteligencia artificial (IA) para acelerar cada paso en el viaje de la analítica, algo que se llama analítica aumentada.

Durante los últimos 12 a 18 meses, la analítica aumentada como campo ha crecido y más empresas están comenzando a aceptar este proceso.

Las empresas que están experimentando una transformación digital en muchas industrias, como la farmacéutica, la venta minorista, la fabricación y más, están comenzando a utilizar la analítica aumentada.

Creo que en el próximo año este campo emergente será más utilizado y comprendido.

Breve descripción de la analítica aumentada

A mediados de la década de 2000, el almacenamiento en la nube y la potencia informática disponible masivamente se generalizaron. Esto provocó que la analítica de big data explotara.

Este fue un cambio significativo, pero el proceso seguía siendo muy manual, lo que significa que los profesionales de la analítica todavía tenían que escribir volúmenes de código.

Antes de la revolución de los macrodatos, las empresas podrían haber necesitado escanear miles de flujos para obtener información significativa, pero hoy estamos hablando de millones de flujos.

La pregunta se ha convertido en: ¿cómo puede el análisis de datos ofrecer el mismo valor al tiempo que reduce enormemente el tiempo requerido, sabiendo que un análisis más rápido = un tiempo de comercialización más rápido = un ROI más fuerte?

Para esto está destinada la analítica aumentada: acelerar el campo de la analítica de datos para obtener más valor.

Dado que existe la necesidad de discutir y comprender los crecientes volúmenes de datos, la analítica aumentada representa un cambio importante en este campo de estudio.

La analítica aumentada ya está provocando una interrupción en la interpretación, creación e intercambio de analítica. A su vez, esto permite a los científicos de datos dedicar menos tiempo a explorar datos y más tiempo a actuar sobre los conocimientos más relevantes que con los métodos manuales tradicionales.

Este enfoque es un mecanismo poderoso que permite a las empresas ser más receptivas y ágiles, un aspecto necesario de la transformación digital .

Veamos primero los beneficios clave de la analítica aumentada y cómo esta práctica está cambiando los modelos comerciales tradicionales. Analítica aumentada:

• acelera el proceso de preparación y descubrimiento de datos;
• democratiza el análisis de datos para los usuarios menos conocedores de los negocios;
• permite la adopción de conocimientos prácticos para el equipo ejecutivo y en toda la organización.

La importancia de estos beneficios para las empresas digitales es significativa

Es bien sabido que para que las organizaciones compitan en la era digital, los datos son clave para obtener información relevante y procesable.

Sin embargo, las complejidades subyacentes inherentes a los procesos de análisis manuales crean muchos obstáculos.

Por un lado, los científicos de datos que son expertos en la práctica de la ciencia de datos y que también poseen un profundo conocimiento de los modelos y operaciones comerciales son raros.

Además, el tiempo de un científico de datos es valioso; sin embargo, un gran porcentaje de este tiempo se dedica a preparar manualmente los datos mediante la limpieza y el etiquetado. Esta escasez de tiempo y capacidad significa que la mayoría de los análisis de datos se realizan en una pequeña parte de los datos, mientras que una gran parte de los activos de datos no se extraen.

Exploremos los beneficios enumerados anteriormente para ver qué tan disruptivos son los análisis aumentados.

Tres beneficios principales de la analítica aumentada

1. Acelera la preparación y el descubrimiento de datos

Cuando se realiza manualmente, la preparación de datos es un esfuerzo complejo y engorroso.

Cuando los científicos de datos tienen millones de registros para revisar, una tarea presuntamente simple de encontrar a todos los clientes de una región en particular, por ejemplo, puede llevar literalmente meses.

Tomemos el ejemplo de un gran minorista de productos de papel especial. Como parte de su viaje digital, necesitaban comprender mejor a los clientes, pero los datos provenientes de sistemas heredados tenían una calidad deficiente.

No solo había grandes volúmenes de datos para examinar, sino que había inconsistencias en varios campos, y reconciliarlos en un formato unificado era abrumador.

Había 26 millones de registros para evaluar, en 1200 formatos de archivo XML diferentes.

Limpiar los datos con procesos manuales habría llevado de seis a 12 meses. Al utilizar técnicas de preparación de datos analíticos aumentados y algoritmos ML, el minorista pudo limpiar los datos en aproximadamente tres semanas.

Al automatizar estos pasos iterativos, todo el tiempo de preparación y descubrimiento de datos se puede acortar en un 50-80%.

¡Imagínese cuánto más productivo y eficiente podría ser su equipo de análisis de datos si este fuera el caso!

2. Democratiza el análisis de datos

Una vez que se preparan los datos, la analítica aumentada detecta señales que impactan en los modelos de negocio y que los científicos de datos menos expertos en negocios pueden no ser expertos en encontrar.

Con la analítica aumentada, los científicos de datos no tienen que determinar el algoritmo apropiado para usar o escribir código para obtener resultados.

Un conjunto de herramientas de análisis aumentado ejecutará de ocho a 10 algoritmos en los datos y los ajustará a un formato común para detectar patrones y valores atípicos.

Por ejemplo, una gran empresa puede desear información sobre la facturación de sus proveedores para determinar si existen valores atípicos que justifiquen una mayor investigación.

Con operaciones y empleados en todo el mundo, esto puede igualar las facturas que llegan de miles o cientos de miles de proveedores cada mes.

Con base en los datos subyacentes, la analítica aumentada comenzará a detectar patrones y creará automáticamente un análisis de valores atípicos para detectar cuándo un proveedor en particular, que factura constantemente a la empresa $ 50,000 por mes, envía una factura por $ 500,000.

Si bien esto no se marcaría automáticamente como actividad fraudulenta, la cantidad mayor de lo habitual se marcaría como algo para que el profesional de análisis de datos investigue más y elimina la carga de escribir primero el algoritmo para hacer este descubrimiento.

En otras palabras, la analítica aumentada democratiza la información, lo que facilita a los usuarios comerciales la extracción de información compleja y les ahorra un tiempo significativo al hacerlo.

3. Permite la adopción de conocimientos prácticos para los ejecutivos y en toda la organización.

Una vez que se han determinado las señales y los patrones, los resultados deben comunicarse con los ejecutivos.

Las formas tradicionales de hacer esto, como la creación de un informe o un panel de control, suponen una carga adicional para los ejecutivos que, por lo general, no tienen tiempo para iniciar sesión en una plataforma y realizar su propia interpretación de datos.

Con la analítica aumentada, la herramienta leerá el gráfico o informe y traducirá la información en declaraciones en lenguaje natural como "Sus ventas están disminuyendo en la región X, una tendencia que ha estado en curso durante los últimos meses". O, "Estás perdiendo participación de mercado frente al competidor Y".

Los líderes de equipo pueden obtener respuestas a preguntas como "las ventas han aumentado un 10% en un nivel amplio, pero ¿cómo están los márgenes en cada nivel regional?" Proporcionar este nivel de conocimientos prácticos permite la toma de decisiones basada en datos y aumenta la adopción en toda la organización.

Los sofisticados sistemas de análisis ofrecen capacidades de procesamiento de voz y lenguaje natural, y están integrados en interfaces de búsqueda empresarial y plataformas de BI.

Imagínese esto: los científicos de datos pueden interactuar con plataformas de análisis aumentadas utilizando lenguaje natural simplemente haciendo una pregunta, como: "¿Cómo se comparan nuestros esfuerzos de ventas con nuestros competidores?"

La analítica aumentada aborda las complejidades detrás de escena, lo que hace que el proceso de análisis de datos sea sencillo tanto para los usuarios comerciales como para los científicos de datos ciudadanos.

¿Cómo se puede avanzar con la analítica aumentada?

Con los beneficios descritos anteriormente y las tecnologías disponibles que permiten esta gran disrupción, la pregunta no es si debería adoptar la analítica aumentada. La pregunta es cuándo empezar y cómo.

Si bien existen varios tipos de herramientas para los diferentes pasos discutidos anteriormente, no existe una herramienta que realice todas las funciones o se adapte a todas las organizaciones.

La mejor forma de proceder para las empresas es trabajar con un socio consultor que tenga amplia experiencia en análisis y en conjuntos de herramientas y metodologías emergentes de análisis aumentado para crear una hoja de ruta personalizada. Para crear un camino exitoso hacia adelante, la combinación correcta de personas, procesos y tecnología debe unirse.

La analítica aumentada sigue siendo un campo en evolución. Hoy en día, la mayoría de las empresas no están adoptando la analítica aumentada para todo el proceso de un extremo a otro, sino que comienzan con una pequeña parte, lo que es un buen camino a seguir.

En los próximos años, espero que eso cambie y las organizaciones utilizarán análisis aumentados para todo el ciclo de vida del análisis de datos.

En 2019, los importantes beneficios que proporciona la analítica aumentada son las áreas clave a considerar: velocidad, democratización y amplia adopción.

Con estas capacidades, las organizaciones están bien equipadas para comprender y anticipar las necesidades de los clientes, ajustar y mejorar los procesos comerciales y posicionarse para el éxito en el presente y en el futuro.