Opiniones | Opinions | Editoriales | Editorials

Cinco prioridades de analítica para 2017

 
Imagen de System Administrator
Cinco prioridades de analítica para 2017
de System Administrator - domingo, 22 de enero de 2017, 13:49
Grupo Colaboradores y Partners

 

Cinco prioridades de analítica para 2017

por Nicole Laskowski

El Instituto Internacional de Analítica recomienda adoptar la IA, definir claramente los roles, y encontrar un equilibrio entre la experimentación y el despliegue.

Expertos del Instituto Internacional de Analítica se reunieron para hablar sobre sus prioridades de analítica para 2017. Su consejo: Formalizar la función analítica y empujar el puesto de análisis.

Este es el segundo año en que el IIA ha elaborado una lista de cinco prioridades analíticas, en un esfuerzo por proporcionar a sus miembros una estrategia para el año que empieza. El año pasado, las prioridades de analítica se centraron en alinear la estrategia de analítica con la estrategia de negocio. Este año, el consejo se centra en la definición más clara de los roles y encontrar el equilibrio adecuado entre la experimentación y el despliegue.

Dan Magestro, un ex analista que trabajó en Cardinal Health, JPMorgan Chase & Co. y Nationwide Insurance, y que ahora lidera los esfuerzos de investigación en el IIA, lideró la discusión. Lo acompañaron Robert Morison, consultor e investigador analítico del IIA, y Tom Davenport, cofundador del IIA y distinguido profesor de tecnología de la información y administración del presidente en Babson College.

Las cinco prioridades analíticas del IIA son las siguientes:

Prioridad No. 1

Adopte la "nueva era analítica" de la AI empresarial.

Dan Magestro

El entusiasmo actual por la inteligencia artificial (AI) no tiene precedentes, según Magestro. La tecnología es más accesible que nunca, y la práctica de la IA en la empresa no es un esfuerzo para las empresas con programas analíticos establecidos. Él lo llamó una nueva era analítica por tres razones:

1. Big data fue el comienzo. Los CIOs, cuyos departamentos de TI ya están bien versados ​​en el análisis de big data, han sentado las bases para la AI. "Liberar todo el potencial de la AI requiere big data para el entrenamiento de modelos de AI, inmensas capacidades de procesamiento de datos y métodos estadísticos avanzados", dijo Magestro.

2. Se necesitará un pueblo. Los programas de AI requerirán nuevas alianzas internas y "estrategia de alto nivel" si van a quedarse. Por ejemplo, una función informática podría necesitar ser integrada en el negocio, lo cual no es una característica analítica tradicional.

3. La automatización dejará una marca. Los robots de software están realizando cada vez más tareas tradicionalmente realizadas por humanos, y los analistas y científicos de datos no serán inmunes a la tendencia. "Creo que está en posición de explotar", dijo Magestro. "Las organizaciones necesitan adoptarla".

Davenport agregó que, automatizar el trabajo analítico puede ser sencillo y beneficiará a la organización. "Algunos algoritmos de aprendizaje automático son realmente solo análisis de regresión automatizada", dijo. "[La automatización] puede estar amenazando a algunos analistas que temen la pérdida de su trabajo; creo que es una enorme ayuda a la productividad [para ellos]".

Prioridad No. 2

Explore completamente la nube para el desarrollo y la producción de analítica.

Magestro dijo que espera que las compañías continúen recurriendo a la nube, tanto para el desarrollo, como para la producción analítica, donde las empresas pueden no solo construir prototipos a un ritmo más rápido, sino escalar esos prototipos más rápidamente para servir mejor a la empresa.

Los CIO y sus departamentos de TI tendrán que trabajar en las "consideraciones y los problemas arquitectónicos que vienen con mover la labor analítica a la nube", dijo, lo cual incluirá preocupaciones de seguridad.

Prioridad No. 3

Formalice la función analítica.

La función analítica en las empresas es a menudo mal definida, lo que tiene "implicaciones de gran alcance", según Magestro. Formalizar esto definiendo claramente el papel de un analista de datos puede afectar las tasas de retención y ayudar a que el talento analítico crezca. Además, a medida que los equipos de análisis centralizados se descentralizan –una tendencia que el IIA incluye en su lista de predicciones para 2017– los roles claramente definidos harán que sea más fácil mover el talento.

http://cdn.ttgtmedia.com/rms/onlineImages/davenport_tom.jpg

Pero formalizar la función también afectará a otra parte de la empresa: el negocio. "La gente está llamándose a sí misma científicos de datos, quienes antes eran analistas, y la gente de negocios no tiene ni idea de los diferentes tipos de analistas", dijo Davenport. “Ya es hora de claridad”.

El mayor obstáculo puede ser trabajar con el departamento de recursos humanos para formalizar los roles y responsabilidades, dijo Davenport. "Pero creo que es fundamental no solo hacerlo, sino incorporarlo en el sistema formal de clasificación de puestos de trabajo", dijo.

Prioridad No. 4

Cree un mejor equilibrio entre la innovación y la producción.

Magestro dijo que encontrar un buen equilibrio entre la experimentación y el trabajo analítico que llega a la fase de producción es la prioridad analítica más desafiante. Los proyectos exploratorios de ciencia de datos que nunca se implementan, aunque son importantes, no proporcionan un duro retorno de la inversión.

http://cdn.ttgtmedia.com/rms/onlineImages/morison_robert.jpg

Además, "es un problema de retención", dijo Magestro. "Hay formas de que el talento se aproveche más eficazmente cuando su trabajo es visto como innovador y como un componente de producción".

Alcanzar el equilibrio adecuado requiere concentrarse en tres áreas: construir una plataforma o una arquitectura que apoye tanto la experimentación como la producción; organizar el talento analítico y definir las funciones que desempeñará; y definir cómo un equipo de análisis va a pasar su tiempo. Magestro dijo que la última pieza es la más importante para lograr el equilibrio adecuado, porque es una forma de prescribir cuándo innovar y cuándo producir. "El balance solo puede pagar dividendos", dijo.

Prioridad No. 5

Céntrese en la analítica funcional.

El contexto importa, dijo Magestro. A medida que la línea de negocio se da cuenta del poder de la analítica, empujará a tener la analítica y el talento analítico trabajando más estrechamente con los tomadores de decisiones. Hacerlo "proporcionará, en última instancia, un contexto más fuerte" al construir la analítica, conduciendo a resultados más fuertes y a mejores decisiones, dijo.

"Una cosa que impulsará esto es más analistas incrustados en unidades de negocio", dijo Morison. Agregó que los equipos pueden ser capaces de proporcionar analítica como servicio al negocio, aprovechando los componentes reutilizables, como las API, para acelerar el desarrollo del modelo.

Link: http://searchdatacenter.techtarget.com

1050 palabras