La analítica aumentada, la inteligencia continua y la inteligencia artificial explicable tienen mucho que decir

Son muchas las tecnologías que vienen pisando fuerte en los últimos años y que tienen mucho que decir en los próximos. Según Gartner, la analítica aumentada, la inteligencia continua y la inteligencia artificial explicable (IA) van a ser importantes protagonistas. 

«La historia de los datos y los análisis sigue evolucionando, desde el apoyo a la toma de decisiones internas hasta la inteligencia continua, los productos de información y el nombramiento de los jefes de datos», dijo en el Gartner Data & Analytics Summit celebrado en Sydney, Rita Sallam, vicepresidenta de investigación de Gartner. «Es crítico obtener un entendimiento más profundo de las tendencias tecnológicas que alimentan esa historia en evolución y priorizarlas basadas en el valor del negocio.»

Según Sallam, los líderes en datos y análisis deben examinar el impacto potencial de estas tendencias en el negocio y ajustar los modelos y las operaciones en consecuencia, de lo contrario corren el riesgo de perder la ventaja competitiva en beneficio de aquellos que lo hacen.

Donald Feinberg, vicepresidente y distinguido analista de Gartner, considera que el mismo desafío creado por la interrupción digital – demasiada información – también ha creado una oportunidad sin precedentes. «El tamaño, la complejidad, la naturaleza distribuida de los datos, la velocidad de acción y la inteligencia continua que requiere el negocio digital significa que las arquitecturas y herramientas rígidas y centralizadas se rompen», dijo el Sr. Feinberg. «La supervivencia de cualquier negocio dependerá de una arquitectura ágil y centrada en los datos que responda al ritmo constante de cambio.»

TOP TEN

– Analítica aumentada

Para 2020, la analítica aumentada será el motor dominante de las nuevas adquisiciones de analítica y BI, así como de las plataformas de ciencia de datos y ML, y de la analítica integrada. Los líderes en datos y análisis deben planificar la adopción de la analítica aumentada a medida que maduren las capacidades de la plataforma.

– Gestión de datos aumentada

La gestión de datos aumentada aprovecha las capacidades de ML y los motores de IA para hacer que las categorías de gestión de información empresarial incluyan calidad de datos, gestión de metadatos, gestión de datos maestros, integración de datos, así como sistemas de gestión de bases de datos (DBMS) autoconfigurables y autoajustados. Está automatizando muchas de las tareas manuales y permite a los usuarios con menos conocimientos técnicos ser más autónomos en el uso de los datos. También permite que los recursos técnicos altamente cualificados se centren en tareas de mayor valor. Hasta finales de 2022, las tareas manuales de gestión de datos se reducirán en un 45% mediante la adición de ML y la gestión automatizada del nivel de servicio.

– Inteligencia continua

Para 2022, más de la mitad de los nuevos sistemas de negocio incorporarán inteligencia continua que utilizará datos contextuales en tiempo real para mejorar las decisiones. La inteligencia continua es un patrón de diseño en el que la analítica en tiempo real se integra dentro de una operación de negocio, procesando datos actuales e históricos para prescribir acciones en respuesta a los eventos. Proporciona automatización o soporte para la toma de decisiones. La inteligencia continua aprovecha múltiples tecnologías como el análisis aumentado, el procesamiento de flujos de eventos, la optimización, la gestión de reglas de negocio y el ML.

– Inteligencia artificial explicable

Los modelos de IA se utilizan cada vez más para aumentar y reemplazar la toma de decisiones humanas. Sin embargo, en algunos escenarios, las empresas deben justificar cómo estos modelos llegan a sus decisiones. Para crear confianza con los usuarios y las partes interesadas, los líderes de aplicaciones deben hacer que estos modelos sean más interpretables y explicables.

– Analítica gráfica

La aplicación del procesamiento de gráficos y los DBMSs de gráficos crecerán al 100% anualmente hasta 2022 para acelerar continuamente la preparación de datos y permitir una ciencia de datos más compleja y adaptable. La analítica gráfica crecerá en los próximos años debido a la necesidad de hacer preguntas complejas a través de datos complejos, lo que no siempre es práctico o incluso posible a escala utilizando consultas SQL.

– Tejido de datos

El tejido de datos permite el acceso sin fricciones y el intercambio de datos en un entorno de datos distribuido. Permite un marco de gestión de datos único y coherente, que permite el acceso a los datos y el procesamiento por diseño sin fisuras a través de un almacenamiento por lo demás aislado. A lo largo de 2022, los diseños de tejido de datos a medida se desplegarán principalmente como una infraestructura estática, lo que obligará a las organizaciones a incurrir en una nueva ola de costes para rediseñar por completo los enfoques de malla de datos más dinámicos.

– Inteligencia artificial comercial y LD

Gartner predice que para el año 2022, el 75% de las nuevas soluciones de usuario final que aprovechan las técnicas de AI y ML se construirán con soluciones comerciales en lugar de plataformas de código abierto. 

– Blockchain

La principal propuesta de valor de las tecnologías de cadenas de bloques y de libros mayores distribuidos es proporcionar una confianza descentralizada a través de una red de participantes no confiables. Las ramificaciones potenciales para los casos de uso analítico son significativas, especialmente aquellas que aprovechan las relaciones e interacciones de los participantes.

– Servidores de memoria persistente

Las nuevas tecnologías de memoria persistente ayudarán a reducir los costes y la complejidad de la adopción de arquitecturas habilitadas para la computación en memoria (IMC). La memoria persistente representa un nuevo nivel de memoria entre la memoria DRAM y la memoria flash NAND que puede proporcionar una memoria masiva rentable para cargas de trabajo de alto rendimiento. Tiene el potencial de mejorar el rendimiento de las aplicaciones, la disponibilidad, los tiempos de arranque, los métodos de clustering y las prácticas de seguridad, al tiempo que mantiene los costes bajo control. También ayudará a las organizaciones a reducir la complejidad de sus arquitecturas de aplicaciones y datos al disminuir la necesidad de duplicación de datos.

Fuente: https://www.computerworld.es