Más

    ¿Cómo la nube puede ayudar a entender los datos? ¿Sabías qué…?

    Pasar a la nube, muchas veces se considera una forma de obtener información valiosa de nuestro datos. Sin embargo, primero debemos planificar y dedicar tiempo ¿Cómo la nube puede ayudar a entender los datos?

    Las organizaciones pueden verse atraídas a la nube por el atractivo de obtener una nueva información y conocimientos a partir de los datos que poseen. Tal vez aprendan a retener a los clientes con más éxito o comprendan mejor las ganancias o los costes.

    ¿Cómo la nube puede ayudar a entender los datos?

    Las bondades de la Inteligencia Artificial y el Machine Learning (IA y ML) implementados en la nube, pueden hacer maravillas. Sin embargo, necesitan «comida». Necesitan datos sin procesar sobre los que trabajar y necesitan que estén en óptimas condiciones. Para muchas organizaciones, preparar esta «comida» requiere tiempo, esfuerzo y atención a los detalles.

    Estrategias de datos y prioridades claras

    No hay duda de que la IA y el ML pueden proporcionar información que las organizaciones no pueden obtener de ninguna otra forma. El procesamiento de datos puede, si se hace bien, ayudar a las organizaciones a aumentar la productividad y las ganancias. Sin embargo, el éxito óptimo no llega de la noche a la mañana. Como Yann Lepant, MD de Accenture Technology dice, «Es fácil dejarse tentar por el extenso conjunto de nuevos datos basados en la nube y las tecnologías de IA, ya que es un nuevo y emocionante campo de juego en el que aventurarse. Sin embargo, también es un sitio donde es fácil consumir, derrochar y perderse».

    Un factor clave para evitar las trampas es tener las prioridades claras y una estrategia de datos sólida. Lepant dice que tenerlos así significará que «cada iniciativa se realiza con un propósito y un resultado, contribuyendo a un viaje de maduración a través de la nube».

    Ingrid Vershuren, jefa de estrategia de datos en Dow Jones, cuya base de datos de noticias global crece un millón de artículos al día, dice lo siguiente. «No importa qué tan buena sea la tecnología si los datos que la alimentan son de mala calidad. El primer paso y el más importante para aprovechar al máximo nuestros datos es asegurarse de que estamos usando los datos correctos. También que están estructurados de manera que respondan a las preguntas que deseamos hacer«.

    Limpieza y refinamiento

    Otro par de tareas relacionadas que es posible que deban realizarse antes de que la IA y el ML puedan hacer su magia son la limpieza de datos antiguos y el perfeccionamiento de los datos nuevos que se recopilan.

    Parte de la tarea de limpieza implicará sacar datos de los silos. Esto puede ser complicado, pero merece la pena el esfuerzo y las organizaciones que realizan esta tarea pueden consolarse con el hecho de que no están solas. Muchas veces, los silos de datos son el resultado de la práctica histórica y de cómo las cosas han ido creciendo orgánicamente con el tiempo. Se necesita un esfuerzo concertado para deshacer en un tiempo relativamente corto lo que se acumuló durante un período mucho más largo. pero como señala Lepant, realmente hay atajos. «Desde obtener una vista de 360 grados del cliente hasta la gestión de la cadena de suministro de un extremo a otro, pasando por la prevención del fraude y la previsión inteligente, la lista de resultados comerciales que permite la eliminación de los silos de datos es interminable», dice.

    ¿Cómo la nube puede ayudar a entender los datos?

    La limpieza de datos es otra tarea que puede llevar tiempo, pero el esfuerzo definitivamente merece la pena a largo plazo. Vershuren proporciona algunos consejos útiles para ayudar a mantener enfocada la tarea de limpieza. «Antes de comenzar a limpiar datos, debes determinar cómo se utilizarán estos datos y qué conocimientos necesitas generar. Pregúntate ¿Cómo se ve la perfección? A partir de aquí, debemos definir los campos de datos que formarán parte de nuestro conjunto y la entrada para cada uno de estos campos». Efectivamente, hay que trabajar retrospectivamente a partir de los resultados que deseamos obtener y después determinar qué datos necesitamos para obtenerlos.

    Finalmente llegan los análisis y la información

    Con datos limpios, una estrategia de datos clara implementada y quizás también algunos nuevos flujos de recopilación de datos, una organización finalmente está en posición de empezar a usar la IA y el ML.

    Sin embargo, este no es el final de la historia. Para continuar obteniendo conocimientos a lo largo del tiempo, los datos deben ocupar su lugar, sin silos, al frente y en el centro. O, como Lepant dice, «implementar un programa para actualizar las formas de trabajo, la cultura y la alfabetización de datos para ayudar a que la empresa se vuelva más impulsada por los datos y el autoservicio».

    Comentarios

    En breve activaremos los comentarios.

    Relacionados

    Más leídos

    Ahorrar en el transporte de mercancías es cuestión de tecnología En España, casi el 10% del precio final de un producto se debe al coste...
    Muchas veces hemos hablado de la computación edge, la tecnología de borde, computación perimetral o, más correctamente, el edge computing. Sin embargo, ¿Qué es...
    Las empresas no podrán unirse a Gaia-X a menos que preparen sus operaciones para que sean compatibles, advierte la firma. HPE lanza un esquema...

    Se habla de..

    Artículos relacionados