Hace poco más de una década tuve el gran placer de escuchar un discurso de graduación de mi hijo. Eric Lander, el líder del proyecto del genoma humano, describió su viaje a través de la ciencia y la vida. Compartió que no tenía una dirección clara como estudiante de matemáticas en Princeton, y el laberinto de decisiones que siguió para incorporarlo a la biología genética. También compartió el proceso de la ciencia y su adopción en la cultura y la economía del mundo moderno. Su remate fue que lleva una generación entender e incorporar descubrimientos científicos en la economía y la cultura, como mi padre me había dicho una vez.
Hay muchas cosas que son verdad de este científico extraordinario, pero ya no estoy de acuerdo con su evaluación de la cadencia de la innovación. Es más rápido, mucho más rápido. El ciclo de innovación que comenzó en los laboratorios químicos, miles de experimentos y cientos de ensayos clínicos, ahora ha sido reemplazado por millones de experimentos naturales por día. Esto no solo es cierto para las disciplinas científicas de élite, sino también para nuestra vida social cotidiana, como sabemos. Todas nuestras comunicaciones, de hecho todos nuestros pasos, se pueden rastrear y probar para determinar su poder predictivo.
El combustible para esta aceleración ha sido datos, muchos datos. Desde micro ensayos hasta publicaciones en blogs, la explosión de datos ha sido meteórica. El desafío, como siempre, es convertir los datos brutos en observaciones en el mundo real que puedan indicar patrones y señales confiables que brinden información y pronostiquen los resultados.
En la actualidad, gracias a la combinación de economía de big data, análisis de datos, catalogación y visualización avanzada y aprendizaje automático, podemos construir un ecosistema que rompa la barrera de la generación. En lugar de esperar décadas para que el descubrimiento se convierta en una teoría aceptada, ahora podemos crear ideas en días o semanas y actuar de inmediato. En otras publicaciones de CIO.com, escribí sobre cómo esta aceleración ha impulsado las actividades de fusiones y adquisiciones predictivas, reducciones drásticas en los costos de administración de datos y ha abordado la cuestión de retener a los mejores talentos.
Se está llevando a cabo una consolidación adicional de la gestión de datos y el análisis de penetración. La combinación de mi empresa, Podium Data y Qlik, es un ejemplo de cómo el mercado se está estructurando para proporcionar soluciones integrales en las que los científicos de datos, los trabajadores del conocimiento y los consumidores de todos los días pueden colaborar eficientemente en las decisiones comerciales. Aquí hay varios de los principios que creo que son críticos para el ecosistema futuro:
- Crudo a listo: el sistema debe identificar automáticamente datos sucios, tipos de datos incorrectos y datos semánticos ambiguos o cuestionables. Si los datos son estructuralmente erróneos, no se pueden analizar en busca de patrones y perspectivas.
- Compras de autoservicio: los buscadores de información deberían poder explorar, revisar y comprar datos a través de un catálogo inteligente que está bien documentado y disponible. La democratización de datos y análisis amplía la comunidad de científicos de datos de élite a un amplio grupo de consumidores con acceso a datos controlados y bien controlados. Un componente humano fundamental de esta expansión es la alfabetización de datos para garantizar que la fuerza de trabajo pueda aprovechar al máximo estas nuevas capacidades.
- Repeticiones rápidas: los analistas deberían poder cargar, acceder, preparar y analizar datos en minutos sin que los profesionales de TI estén al tanto. A diferencia del enfoque tradicional de las cajas de arena analíticas con silo, el nuevo paradigma proporciona una plataforma común que gestiona los datos a lo largo del ciclo de vida de DataOps desde el descubrimiento hasta la producción. Esto conecta aún más a las comunidades de científicos de datos y analistas de negocios y respalda el suministro de multitud de información, como los conjuntos de datos más populares o confiables.
Estos principios sirven para optimizar una métrica analítica fundamental que definí hace 10 años: ¿cuál es su tiempo para responder? Sabemos que las empresas que pueden entregar respuestas en horas en lugar de días (y días en lugar de meses) no solo ahorran tiempo y dinero, sino que realmente transforman el negocio. Los análisis comienzan a informar las decisiones comerciales urgentes, los procesos se instrumentan para la optimización, los datos y las ideas se convierten en nuevos productos. Solo observe cómo las empresas con datos ricos y análisis ágiles (Amazon, Google) están atacando los mercados tradicionales (seguros, banca, venta minorista).
Las juntas corporativas y los ejecutivos de C-suite están lanzando programas estratégicos de transformación digital para competir en este nuevo mundo. El alma de estos programas es un ecosistema ágil e integrado de datos y análisis que acelera el tiempo de respuesta y permite un ciclo rápido de prueba y aprendizaje.
Director General de Enterprise Data Management en Qlik. Dirige la filial de Qlik Podium Data, un creador de la plataforma de gestión de datos grandes.
Ha dedicado décadas a desarrollar soluciones avanzadas de análisis.
Reconocido líder intelectual en estrategias de datos y mejores prácticas de negocios.
Comentarios para esta entrada
Sección en desarrollo...