Extraer los insights relevantes que se ocultan en nuestros datos de negocio es una actividad de gran valor que, desgraciadamente, continúa siendo un gran reto en muchas organizaciones. A pesar de que el término “Inteligencia de negocio” (BI) se usa desde mediados del siglo XIX, muchas grandes organizaciones no han adoptado aún herramientas de BI modernas y avanzadas.

Las dos últimas décadas han provocado un notable incremento de la exigencia por parte de quienes usan dichas herramientas. Quienes consumen datos están, hoy día, acostumbrados en su vida personal a servicios de Internet muy avanzados que se anticipan a sus necesidades, que se comunican con ellos de forma sencilla y comprensible, y que incluso usan interfaces avanzadas basadas en texto y voz. Cuando esas mismas personas llegan a su lugar de trabajo, a menudo encuentran herramientas que se limitan a devolverles grandes listados de datos a los que deben encontrar significado por su cuenta, incluso de forma repetitiva y poco intuitiva.

Existe un marcado desfase entre las herramientas que usamos en nuestra vida personal, con sus capacidades avanzadas de interacción por medio del texto y la voz, y las herramientas que nos vemos en la obligación de usar para extraer insights relevantes de nuestros datos de negocio.

Uno de los caminos más eficaces para resolver la merma de productividad provocada por las herramientas de BI desfasadas es adoptar una herramienta que haga uso extensivo de capacidades integradas de Machine Learning e Inteligencia Artificial.

En la práctica, eso se traduce en características como la generación automatizada de modelos de Machine Learning, de forma completamente desatendida, que proporcionan explicaciones de por qué se han producido cambios inesperados en los datos. Con características así, quien debe entender el porqué de un cambio ya no necesita pasar una tarde entera buceando en interminables listados de datos: es la herramienta de BI quien se encarga de señalarle el origen de esa anomalía en los datos.

No obstante, incluso eso parece poco hoy en día. En un entorno en el que nos hemos acostumbrado a hacerle preguntas informales a Alexa y que nos conteste con frescura, esa debería ser nuestra aspiración: permitir que quienes usan herramientas de BI se comuniquen con el sistema con el mismo nivel de naturalidad.

Recientemente, Amazon Web Services ha lanzado Amazon QuickSight Q, un complemento para su herramienta de BI Amazon QuickSight que permite hacer justo eso: hacer preguntas como “¿Quiénes dentro de esta cuenta han comprado más unidades de este producto en el último trimestre?” y recibir, en apenas un par de segundos, la respuesta en forma de tabla, gráfico o mapa. Se acabó, por tanto, el tedioso proceso de acceder a un listado, descargarlo en formato CSV, importarlo en una hoja de cálculo, crear una tabla dinámica y analizarla para encontrar esa misma respuesta.

Y todo esto, además, sin necesidad de abrumar con más carga de trabajo a los departamentos de analítica avanzada, ya que las capacidades de Machine Learning e Inteligencia Artificial integradas en QuickSight son soluciones low code/no code y las pueden crear los propios autores de los dashboards de BI.

Si quieres saber cómo se pueden implementar estas soluciones, cuáles son sus aplicaciones y todo lo que pueden ofrecerte, no puedes perderte AI4Real Spain, el evento organizado por atSistemas y en el que los expertos de AWS nos mostrarán cómo extraer estos insights relevantes que se ocultan en nuestros datos de negocio y actualizarán el conocimiento. Durante esta sesión, podremos conocer cómo las capacidades cognitivas aceleran y mejoran las decisiones de negocio.

Reserva ya tu plaza para esta primera edición, 100% online y gratuita, que se celebrará el próximo 4 de noviembre, y en la que se podrán conocer de primera mano las nuevas tendencias explicadas por los principales fabricantes en el ámbito de IA, así como sus novedades y productos, y se incidirá en presentar las aportaciones que esta ofrece a las áreas de negocio, además de exponer cómo a través de esta pueden cubrir desde las operativas del Back Office hasta los procesos de producción el Field Service.