En un entorno cada vez más competitivo, cambiante, y en donde se cuenta cada vez con mayor cantidad de datos e información para la toma de decisiones, las herramientas de analítica han venido tomando gran relevancia dentro de las diversas industrias y empresas a nivel mundial.
De acuerdo con los especialistas, la analítica les permite a las organizaciones transformar datos en conocimiento. Ello, añaden, proporciona información necesaria para la toma de decisiones informadas y en tiempo real; además de identificar tendencias, optimizar procesos y personalizar experiencias. También, detectar fraudes y fomentar la innovación, entre muchos otros.
De acuerdo con Héctor Cobo, VP Regional para SAS México, Caribe y Centroamérica, un ejemplo del trabajo de la analítica se da cuando “realizamos una compra, vemos una película por streaming, utilizamos nuestros dispositivos móviles, utilizamos asistentes virtuales como Siri o Alexa, entre muchas otras acciones. En ellas, generamos datos. La analítica toma estos datos y los traduce a un lenguaje en que los podamos entender. Este análisis les revela a las empresas cosas que de otro modo pasarían por alto”.
Añadió que, debido a su relevancia cada vez mayor, es muy importante conocer las nuevas tendencias que esta industria trae. Precisamente, Cobo señaló que en los siguientes años se prevé que las siguientes tecnologías serán algunas de las principales tendencias en la adopción clave para la innovación, agilidad y eficacia dentro de las organizaciones. Éstas son:
- 1) Inteligencia Artificial y Analítica Responsable. ChatGPT y otras tecnologías de IA generativa están en todos los titulares. Sin embargo, aún existe una brecha entre la promesa de la IA y su aprovechamiento -y el de sus datos- para resolver importantes retos empresariales y mejorar la vida de las personas. Lo importante es conocer cómo una organización líder en analítica e IA como SAS puede proporcionar una hoja de ruta para poner la IA en acción y cumplir la promesa de la analítica para todos de forma responsable en todas partes.
- 2) Plataformas nativas en la nube híbridas. Ante la evolución que va generando la analítica, las empresas deben contar con plataformas y herramientas que les permitan adaptar y atender todas sus necesidades. Un ejemplo es SAS Viya, la cual permite llevar a cabo todo el ciclo de vida de la analítica desde una única interfaz gráfica de usuario, haciendo que la transición entre las etapas del ciclo de vida analítico sea fluida.
- 3) Confianza digital. La confianza del consumidor en el ecosistema de pago digital global en expansión es un imperativo, y esa confianza se basa en las empresas que hacen un uso eficaz de las tecnologías avanzadas de autenticación de clientes y antifraude, incluida la IA, el aprendizaje automático y la biometría, para detectar y prevenir el fraude en todos los canales. De tal manera, que las soluciones basadas en IA y analítica para la disminución del fraude y riesgo dentro de las organizaciones es vital.
- 4) De Code a No-Code: Caminos Alternativos para Analistas de Datos. Aunque la programación brinda la máxima flexibilidad en la analítica, hay una gran cantidad de tareas en el ciclo de vida analítico (como el análisis exploratorio de datos y los modelos preliminares de aprendizaje automático) en las que iterar rápidamente es mucho mejor que utilizar programación para así proveer a la organización mayor agilidad, integración de datos y una mejor experiencia a los usuarios del negocio.
- 5) Datos sintéticos para una mejor interpretación de Modelos y Evaluación de Sesgos. Se refiere al proceso de utilizar de forma óptima los datos sintéticos para comprender y analizar los resultados de modelos de aprendizaje automático (machine learning) que determinan cómo toman decisiones las organizaciones y si éstas están sesgadas en ciertas direcciones. La interpretación implica desglosar la lógica interna de un modelo y explicar cómo llega a sus predicciones. Esto es esencial para comprender por qué un modelo toma ciertas decisiones y para ganar confianza en su validez.