Gamers ahora disponen en Latam de SSD más fría
Los conocimientos rápidos y precisos son cruciales en el mundo actual impulsado por los datos, lo que hace que la analítica en tiempo real sea esencial para las empresas.
A medida que los datos de todo tipo llegan a las empresas a un ritmo sin precedentes, ofrecer a los responsables de la toma de decisiones un acceso fácil a conocimientos inmediatos se está convirtiendo en una necesidad empresarial.
La analítica en tiempo real permite a las organizaciones enfrentar este desafío aplicando la lógica y las matemáticas a los datos sin procesar, transformando los números en:
- Conocimiento procesable,
- Abriendo la puerta a una toma de decisiones…
- … rápida y precisa.
Al igual que con cualquier herramienta de TI poderosa, la analítica en tiempo real requiere un alto grado de comprensión y competencia antes de que pueda usarse para satisfacer las necesidades comerciales críticas del mundo real, como:
- Mejorar los flujos de trabajo
- Impulsar los programas de marketing y ventas
- Y comprender varios tipos de comportamiento en los clientes.
1. Limite la analítica en tiempo real a casos de uso relevantes
Los líderes empresariales y de TI a menudo están tan enamorados de la velocidad que insisten en que cada conocimiento de los datos se entregue en tiempo real.
En algunas situaciones, ofrecer analítica en tiempo real no solo es una pérdida de dinero, sino que también es contraproducente.
“Por ejemplo, poner su informe de ingresos financieros en un entorno de análisis en tiempo real puede no ser apropiado, especialmente si los pedidos se cancelan, mueven o manipulan con frecuencia. ¿Cómo reaccionaría el gerente de ventas cuando en un minuto alcanza su objetivo y al siguiente, en tiempo real, cae al 88%?”, señala Theresa Kushner, directora senior de inteligencia de datos y automatización para TI y servicios comerciales. proveedor NTT Data Services.
Al comprender qué análisis pueden beneficiarse realmente del soporte en tiempo real, TI puede garantizar que las iniciativas de analítica en tiempo real generen un valor significativo para la empresa.
“Como cualquier esfuerzo de análisis, necesita tener una estrategia para los datos que analiza y qué decisiones se tomarán a partir de los mismos”, concluye Kushner.
2. Construir una infraestructura sólida y confiable
La decepción puede ocurrir cuando una empresa, anticipando conocimientos precisos en tiempo real, no logra estos objetivos simplemente porque su infraestructura no está a la altura de los niveles de rendimiento planificados.
Para garantizar el éxito a largo plazo con analítica en tiempo real, la arquitectura subyacente debe:
- Admitir la manipulación,
- La ingestión
- Y el procesamiento de datos…
… en tiempo real, dice Dan Simion, vicepresidente de inteligencia artificial y análisis de la consultora empresarial Capgemini North America.
“Los modelos también deben construirse para admitir el procesamiento de datos en tiempo real, y las fuentes de datos deben ser realmente en tiempo real, no casi en tiempo real o lotes generados a diario”, agrega.
3. Implementar paneles de control aplicables
Antes de seguir adelante con cualquier iniciativa de análisis en tiempo real, el líder del proyecto debe comunicarse con los usuarios finales para identificar los tipos de paneles que necesitan.
“Armado con esa información, el líder de TI puede hacer que su equipo revise los requisitos de captura de los datos de origen y garantizar que la solución de analítica en tiempo real pueda proporcionar a la información exactamente los formatos que el usuario final necesita ver”, dice Rich Temple, vicepresidente y CIO de Deborah Heart and Lung Center.
Temple explica que el enfoque permite a TI colocar al usuario final en el centro de la analítica.
“En lugar de imponer una solución de análisis que pueda interrumpir el flujo de trabajo del usuario, se hace el trabajo preliminar para identificar las necesidades y ofrecer información sobre lo que es posible antes de intentar comprar e implementar un sistema dará como resultado análisis que se dirijan exclusivamente por las necesidades individuales del usuario”, afirmó.
4. Combinar datos en tiempo real con datos históricos
El valor de los datos en tiempo real aumenta exponencialmente cuando se fusionan con datos históricos, lo que permite a los usuarios finales combinar y comparar conocimientos “en el momento”, señala James Corcoran, vicepresidente senior de ingeniería de KX, un desarrollador y proveedor de software de análisis de datos.
Considere, por ejemplo, los datos de temperatura transmitidos por un sensor integrado dentro de una máquina.
“Comprender estos datos en tiempo real es útil para comprobar que la máquina funciona de forma eficiente o que no se ha alcanzado un umbral de temperatura”, explica Corcoran.
Cuando los datos históricos se mapean durante días o semanas, los responsables de la toma de decisiones pueden obtener una mejor comprensión del rendimiento de una máquina en particular.
“También puede crear modelos predictivos basados en otros perfiles de rendimiento de la máquina”, añade.
Corcoran describe esta metodología como “inteligencia continua”: la capacidad de tomar decisiones más inteligentes derivadas de la información obtenida del análisis de datos, ya sea en tiempo real, histórico o ambos, en un período de tiempo lo más breve posible.
5. Incorporar datos tanto internos como contextuales
Los líderes de TI deben asegurarse de que su práctica de análisis pueda ingerir no solo datos internos sino, también, datos contextuales relacionados con:
- La competencia
- Los mercados
- Los segmentos de clientes
- Y los puntos de datos del censo…
… para proporcionar un conjunto completo de hechos y tendencias, sugiere Sumit Anand, CIO de la cadena de almacenes de decoración de interiores At Home.
“También debe haber un aporte directo a la hoja de ruta tecnológica empresarial de la organización y al plan financiero a largo plazo”, añadió.
Para el usar durante semanas y meses el acceso a datos internos y contextuales en tiempo real – ricos en información valiosa – puede transformar el proceso de toma de decisiones de una organización.
“Este enfoque es efectivo porque se prioriza transformar la cultura de una organización a estar más impulsada por los datos, más basada en hechos y más consciente de su panorama empresarial”.
6. Centrarse en la entrega de información material
Un concepto tomado de la ley y la contabilidad, la “información material” es aquella que hace que un receptor cambie su forma de pensar sobre un asunto en particular, altere su juicio o curso de acción.
“Harán algo en respuesta a la recepción de la información material”, dice Kenneth McGee, investigador de la firma de investigación y asesoría Info-Tech Research Group.
Por ejemplo, el indicador de aceite de un vehículo solo puede revisarse una vez, si es que lo hace, durante el transcurso de un viaje. Esa es información estática.
“Pero si una alarma se enciende o suena, el conductor considerará inmediatamente buscar una solución en la siguiente salida”, explica McGee.
Los ejecutivos y gerentes están inundados de información, demasiada para absorberla por completo.
“Sin embargo, solo … se necesita analizar una cantidad muy pequeña de información material en tiempo real para garantizar el éxito”, señala McGee.
7. Cree un equipo de análisis que comprenda las necesidades comerciales claves
El equipo de análisis debe ser un verdadero socio, no simplemente un tomador de pedidos.
“Cuando el equipo de análisis se considera un habilitador comercial y no un centro de costos, la empresa estará dispuesta a invertir más en recursos humanos y tecnología para respaldar la función de análisis”, aconseja Kathy Rudy, socia y directora de datos y análisis de tecnología de la empresa de investigación y asesoría Information Services Group.
La mejor manera de garantizar el éxito a largo plazo es proporcionar al equipo de análisis conocimientos comerciales para que pueda proporcionar inteligencia relevante, dice Rudy.
“Cuanto más sepan sobre el negocio, mejores serán en la entrega de análisis que importan”.
Con el tiempo, un equipo de análisis bien respaldado adquirirá la capacidad de proporcionar datos cada vez más relevantes que permitan a los responsables de la toma de decisiones tomar medidas rápidas y bien informadas.
“Esto incluye traer datos de mercado a través de conexiones API y extracción de datos, para respaldar los análisis generados internamente. Ser un socio a través de la analítica en tiempo real y decirle a su equipo ejecutivo cosas que no sabrían por sí mismos, o que ni siquiera pensarían en preguntar, lo convertirán en una estrella de rock”, dice Rudy.
