La tecnología está en constante evolución y cada año surgen nuevas tendencias que tienen un gran potencial disruptivo en el mundo de los datos y la analítica. Según Gartner, Inc., las tendencias tecnológicas más destacadas en este campo para los próximos tres a cinco años son: el análisis aumentado, la inteligencia continua y la inteligencia artificial explicada.
El análisis aumentado utiliza técnicas de aprendizaje automático e inteligencia artificial para transformar la forma en que se desarrolla, consume y comparte el contenido analítico. Se espera que para el año 2020, el análisis aumentado sea un impulsor dominante de nuevas compras de plataformas de análisis y de inteligencia empresarial, así como de ciencia de datos y aprendizaje automático.
La gestión de datos aumentada convierte los metadatos de ser utilizados solo para auditoría, linaje e informes, a ser la base de sistemas dinámicos. Los metadatos están cambiando de pasivos a activos y se están convirtiendo en el principal impulsor de la inteligencia artificial y el aprendizaje automático. La gestión de datos aumentada utiliza capacidades de aprendizaje automático y motores de inteligencia artificial para hacer que la gestión de la información empresarial, incluyendo la calidad de los datos, la gestión de metadatos, la gestión de datos maestros, la integración de datos y los sistemas de gestión de bases de datos, sean autoconfigurables y autotuneables.
La inteligencia continua es un patrón de diseño en el que se integran análisis en tiempo real dentro de una operación empresarial, procesando datos actuales e históricos para prescribir acciones en respuesta a eventos. Esta tendencia utiliza múltiples tecnologías como el análisis aumentado, el procesamiento de flujos de eventos, la optimización, la gestión de reglas de negocio y el aprendizaje automático. La inteligencia continua representa un gran desafío y una gran oportunidad para los equipos de analítica y de inteligencia empresarial para ayudar a las empresas a tomar decisiones en tiempo real.
Por último, la inteligencia artificial explicada se refiere a la necesidad de justificar cómo los modelos de inteligencia artificial llegan a sus decisiones. En algunos casos, es necesario explicar el razonamiento detrás de estas decisiones para generar confianza con los usuarios y las partes interesadas. Desafortunadamente, la mayoría de los modelos de inteligencia artificial son cajas negras complejas que no pueden explicar por qué llegaron a una recomendación o decisión específica. La inteligencia artificial explicada en plataformas de ciencia de datos y aprendizaje automático, por ejemplo, genera automáticamente una explicación de los modelos en términos de precisión, atributos, estadísticas del modelo y características en lenguaje natural.
En resumen, estas tendencias tecnológicas están cambiando la forma en que las empresas toman decisiones y gestionan sus datos. Los líderes en datos y analítica deben examinar el impacto potencial de estas tendencias en sus modelos de negocio y operaciones, y ajustarlos en consecuencia para no perder ventaja competitiva frente a aquellos que sí lo hacen.
