En los últimos años, el número de organizaciones que implementan proyectos de big data y analítica ha aumentado de manera significativa. Sin embargo, muchas de ellas se enfrentan a desafíos para lograr los retornos de inversión que esperan. Así lo concluye un nuevo estudio sobre analítica de datos de máquina realizado por 451 Research y patrocinado por Logtrust.
El informe, titulado “La necesidad de velocidad: analítica de datos de máquina en 2016-17”, revela que la mayoría de las organizaciones emplean actualmente la analítica de datos, y la utilizan principalmente para la gestión de operaciones de TI (citado por el 80 por ciento) y la seguridad (citado por el 60 por ciento). Otros casos de uso comunes incluyen el Internet de las cosas (citado por el 51 por ciento), la analítica de big data (citado por el 51 por ciento), la analítica de fraude (citado por el 45 por ciento) y la gobernanza/cumplimiento de TI (citado por el 34 por ciento).
Al preguntarles qué desafíos han enfrentado para lograr los resultados esperados con los proyectos de analítica, los encuestados mencionaron los requisitos de infraestructura (citado por el 36 por ciento), los desafíos de escalabilidad (citado por el 33 por ciento), los requisitos de personal (citado por el 33 por ciento), la lentitud de la analítica (citado por el 32 por ciento), el costo (citado por el 31 por ciento) y los desafíos técnicos (citado por el 30 por ciento).
Una de las características más importantes que los encuestados buscan en las capacidades de analítica es la velocidad, señala el informe. ¿Qué tan rápido se considera “rápido”? El 69 por ciento de los encuestados desea una analítica en tiempo real de máquina (en milisegundos), mientras que el 51 por ciento desea una analítica en tiempo real de humano (de cinco segundos a cinco minutos de latencia), una necesidad validada en el informe por el autor Jason Stamper, analista de datos de 451 Research. “El tiempo real es absolutamente crucial para que las empresas compitan de manera efectiva”, afirma Stamper.
Sin embargo, esto ilustra una brecha actual en el mercado, ya que el 53 por ciento dijo que su tecnología ni siquiera era capaz de realizar analítica en tiempo real de humano. Los encuestados se dividieron entre el uso de software de código abierto (citado por el 39 por ciento), software propietario (citado por el 36 por ciento) y una combinación de ambos. La mayoría (67 por ciento), sin embargo, dijo que elegiría tecnología propietaria cuando utilicen la analítica de datos de máquina en el futuro.
En conclusión, la analítica de datos ofrece numerosos beneficios para las organizaciones, como la mejora de la gestión de operaciones de TI, la seguridad y la detección de fraudes. Sin embargo, también presenta desafíos en términos de infraestructura, escalabilidad y velocidad. Es fundamental que las empresas inviertan en tecnología adecuada y en personal capacitado para aprovechar al máximo el potencial de la analítica de datos.
