Actualidad

Tendencias del Business Intelligence para 2017

«La analítica avanzada de datos ya no es, ni será manejada sólo por los analistas», según el informe BARC BI Trend Monitor 2016, que resume perfectamente la tendencia imperante en el mundo de las soluciones y los usuarios de Business Intelligence.

Durante el 2016, en general las organizaciones adoptaron un nuevo enfoque para el análisis de datos, estableciendo una interacción con menor dependencia entre los departamentos de IT y las diferentes áreas de negocio para sacar el máximo provecho y valor a sus datos. Para el 2017, la expectativa es que esta cultura se mantenga e incluso crezca, ya que después del estudio desarrollado entre Forbes Insights y Qlik, se indica que casi el 60% de las empresas se plantea realizar una inversión importante en soluciones BI de autoservicio.

Expertos como Francois Ajenstat, Director de Productos de Tableau Software, mencionan que las principales líneas del Business Intelligence para el 2017 son el autoservicio, gobierno del dato y capacidades analíticas prescriptivas, dando como resultado agilidad, automatización y movilidad para las empresas.

Las principales tendencias en Business Intelligence para el 2017, son:

  1. Herramientas autoservicio para la visualización y descubrimiento de datos: Si bien durante el 2016 este tipo de herramientas tuvo un lugar significativo dentro del BI, para este año se consolidará como una de las características más importantes al momento de modernizar las capacidades de análisis de cualquier empresa. Adicionalmente, herramientas de fabricantes como Qlik o Tableau, ofrecerán capacidades creativas más avanzadas, mayor agilidad, mayor fiabilidad e integridad de la información.
  1. Gestión de la calidad del dato y gobierno del dato: Irán de la mano para asegurar resultados con una visión única. La inversión en la calidad del dato será una tendencia importante junto con su gestión, igualmente el fortalecimiento de la función de gobierno del dato.
  1. Capacidades analíticas: Los usuarios de negocio son cada vez más hábiles con los datos y por lo tanto, han aprovechado las ventajas de las funciones analíticas avanzadas. Esto permitirá profundizar las capacidades analíticas de los usuarios y finalmente será una habilidad indispensable en el futuro.
  1. De la analítica predictiva a la prescriptiva: Esto no indica precisamente que no se hará más análisis predictivo; lo que indica es que además se incorporará con mayor fuerza el análisis prescriptivo. Mientras que la analítica predictiva estima lo que sucederá, la prescriptiva no sólo indica qué y cuándo sucederá, sino que también indica por qué sucederá; utiliza los conocimientos revelados por el análisis predictivo y proporciona una llamada a la acción basada en lo que encuentra. Además, la analítica prescriptiva sugiere opciones de decisión sobre cómo aprovechar una oportunidad futura o mitigar un riesgo futuro y muestra la implicación de cada opción de decisión. Según Gartner, sólo el 10% de las organizaciones utilizan actualmente alguna forma de análisis prescriptivo, pero esta cifra crecerá hasta el 35% para el año 2020, y con el crecimiento experimentado ya este año, parece probable que las compañías busquen implementar la analítica prescriptiva a sus datos empresariales en 2017.
  1. Análisis de datos no estructurados: Si bien ha estado presente durante el 2016, para este año llega con mayor fuerza. Los datos no estructurados son los datos que no encajan en bases de datos relacionales. Se estima que el 90% de todos los datos están semi-estructurados o no estructurados. Esto incluye vídeos, presentaciones en Power Point, registros de empresas, medios sociales, RSS, documentos y texto, y en general casi todo lo que es vital de entender para las empresas. Mientras que el análisis de datos estructurados describe lo que está sucediendo, el análisis de datos no estructurados explica el porqué. En 2017, con las herramientas de business intelligence & analytics mejorando exponencialmente en calidad y disminuyendo en coste, muchas más empresas decidirán poner la gestión y analítica de sus datos no estructurados dentro de sus prioridades.

Deja un comentario