¿Por qué se acaba Business Intelligence tradicional?

En los últimos años hemos presenciado la subida y la caída del Big Data. La representación gráfica “Hype Cycle” de Gartner explica esa historia de manera correcta, ya que finalmente hemos superado la inmensa inflación del Big Data. De hecho, Gartner eliminó por completo el término de su “Hype Cycle” del 2015. Sin embargo, actualmente no exageramos al decir que los datos se están moviendo en una sola dirección; hacia arriba.

En términos del crecimiento de volumen de datos, ninguna industria en el mundo empresarial ha escapado su impacto. Nuevas fuentes de datos online surgen día a día y esta explosión de datos supera la ley de Moore; su efecto en nuestras vidas está siendo amplificado. Está claro que esta tendencia no desaparecerá, simplemente empeorará. Y no se trata únicamente de un problema de crecimiento, sino que la complejidad de los datos también aumenta.

No hace mucho tiempo, si uno era consumidor del mercado buscando un proveedor, y se había conectado con una compañía de Business Intelligence (BI) o un proveedor de servicios, existía la posibilidad de que nos hayan contado una historia como esta: El cielo se está cayendo y si no compras un clúster Hadoop, contratas a varios consultores y pagas millones de dólares por la participación, la competencia devoraría su cuota de mercado.

¿Qué tipo de resultados daba esa experiencia normalmente? No todas las experiencias son iguales y mientras unos negocios tuvieron éxito, otros no lo tuvieron debido a una gran variedad de razones. Por lo que se constata en este campo, estaba claro que mucha de la culpa se debe a expectativas muy altas.

Es por esto que mucha de la verdad sobre compañías tradicionales BI ha salido a la luz. En lugar de confiar en las últimas técnicas para recopilar, preparar, comprender y visualizar los datos; las organizaciones todavía se apoyan en profesionales para codificar manualmente soluciones en SQL.

Mientras que esto podía ser un enfoque apropiado para abordar el flujo de datos en el pasado, actualmente en este agitado entorno no se cuenta con la eficiencia requerida debido a estos tres principales problemas:

  1. Es muy costoso. Abordar un problema complicado de datos de la antigua forma requiere de una inversión significativa para poder pagara a los profesionales que harán el trabajo manual de codificación. No nos olvidemos de aquellas visitas in situ que incurrirán gastos de viajes durante toda la fase de consultoría y cada vez que algo falle. Solo es cuestión de tiempo para que suceda.
  1. Este acercamiento no podrá escalar cuando el crecimiento de datos y su complejidad se sigan amplificando. Dos factores que se mantendrán constantes son el crecimiento de datos y el aumento de complejidad. Lo que pudo haber requerido un equipo de 10 personas en el 2015 podría requerir ahora un equipo de 20 personas para el 2016. Esto, sin tomar en cuenta que todos los datos de nuevas fuentes también debe ser integrados, lo que conlleva al siguiente problema.
  1. El tiempo para evaluar es mucho para el entorno ágil al que se enfrentan las empresas de hoy en día. No olvidemos que todas las nuevas fuentes de datos online que surgen día a día, requieren de una integración al sistema para obtener valor. Si se va a proceder con esto de la forma tradicional, con suerte se requerirá por lo menos de algunos meses para la codificación manual de las distintas fuentes de datos.

El acceso al mejor enfoque para solucionar el problema actual del crecimiento del Big Data está siendo más fácil. El aprendizaje automático, de manera especifica es un subconjunto de la inteligencia artificial y ha adquirido la suficiente fuerza en los últimos años, y ahora los profesionales están utilizándola para obtener mejores conocimientos para las empresas actuales.

Mientras que el Big Data pudo haber sumado varios titulares, dejaban mucho que desear. Por otro lado, el aprendizaje automático todavía no recibe el reconocimiento que merece. El aprendizaje automático no es una fantasía del marketing como el Big Data, pues está se enfoca en la informática y proporciona resultados satisfactorios cuando se utiliza de la forma correcta.

Texto de Katrin Ribant, co-founder and Chief Solutions Officer at Datorama.

Traducido al español. Texto original en inglés en Information Management.

light-bulb-1002783