Expirado

2022 será un año decisivo para big data, inteligencia artificial y análisis, y más empresas esperan resultados comerciales tangibles. Pero desde el punto de vista de Tecnologías de Información, aún queda mucho trabajo por hacer. Aquí hay 10 resoluciones de big data de Año Nuevo para Tecnologías de Información.

1. Establecer una política de retención de datos

Muchas organizaciones simplemente han evitado por completo la discusión sobre la retención de big data. Esto podría deberse al temor de lo que podría ser necesario si la empresa se viera obligada a hacer un descubrimiento legal para una demanda, pero lo más probable es que falte la retención de datos porque nadie ha tenido tiempo para ello.

Con datos globales proyectados para crecer a 180 zettabytes para 2025 y big data que comprende el 80% de esos datos, 2022 es el momento de promulgar políticas de retención de big data y eliminar los datos que no necesita.

2. Definir el rol de Big Data en la estructura de datos

Para desglosar los silos del sistema departamental y poner a disposición de todos los datos de toda la organización para el análisis y la toma de decisiones, TI debe centrarse en incorporar big data, así como datos estructurados más tradicionales, en la estructura de datos que construye para vincular todos estos silos y repositorios

3. Desarrollar más aplicaciones de análisis sin código y de bajo código

La implementación de herramientas de informes sin código y de bajo código para análisis puede poner más informes de análisis en manos de los usuarios finales más rápido, al tiempo que alivia la carga de trabajo de TI.

4. Reevaluar el valor comercial de las aplicaciones implementadas

Es fantástico poner en producción una aplicación de análisis, pero ¿está funcionando tan bien para la empresa ahora como hace dos años cuando se implementó por primera vez?

El negocio cambia constantemente. Es probable que haya una "desviación" entre las soluciones de análisis en las que continúan enfocándose y lo que la empresa necesita ahora.

En 2022, valdría la pena revisar la efectividad de las aplicaciones de análisis que ha implementado actualmente para ver qué tan bien se están desempeñando y si aún satisfacen las necesidades de los casos de uso comercial para los que fueron diseñadas.

5. Desarrollar una estrategia de mantenimiento de datos y aplicaciones

Al igual que con las aplicaciones y los datos estructurados, aquellos que emplean big data y análisis también requieren mantenimiento. Sin embargo, muchas organizaciones que implementan análisis y big data no tienen procedimientos establecidos para el mantenimiento. Big data y análisis en producción han alcanzado un nivel de madurez en el que se deben desarrollar y practicar procedimientos de mantenimiento.

6. Mejorar las habilidades de TI

Para respaldar las operaciones y el análisis de big data, se necesitan nuevas habilidades de TI para el personal. Esto puede requerir capacitación adicional en análisis de datos, ciencia de datos, almacenamiento de big data y gestión de procesamiento, junto con competencia con herramientas de desarrollo más nuevas, como análisis de código bajo y sin código.

7. Revise la seguridad, la privacidad y las fuentes confiables

Los grandes datos en particular se pueden adquirir de una variedad de fuentes de terceros. Estas fuentes deben revisarse periódicamente para verificar que cumplan con los estándares corporativos de seguridad y privacidad, al igual que su propio big data interno.

8. Evaluar el soporte del proveedor en big data y análisis

Muchos proveedores ofrecen herramientas para big data y análisis, pero no todos ofrecen el mismo grado de soporte cuando lo necesita. Es importante trabajar con proveedores que ofrezcan soporte activo para su personal en el uso de herramientas de análisis y big data, así como orientación durante proyectos clave. Si está trabajando con proveedores que no ofrecen el nivel de soporte que está buscando, sería recomendable encontrar proveedores que sí lo hagan.

9. Mejore los grandes datos y análisis que respaldan la experiencia del cliente

Casi todas las empresas quieren mejorar la experiencia que sus clientes tienen con ellas. Un elemento central de este proceso es desarrollar la automatización orientada al cliente y las ayudas para ayudar a los clientes a obtener respuestas a sus solicitudes, preguntas y problemas.

La automatización de los sistemas orientados al cliente (por ejemplo, chat, asistentes telefónicos, etc.) que utilizan NLP (procesamiento del lenguaje natural) e IA (inteligencia artificial) para interpretar el sentimiento del cliente y entablar conversaciones está lejos de estar madura.

Las empresas que se centren en mejorar el rendimiento de la PNL y la IA en estas áreas se beneficiarán.

10. Renueve las discusiones sobre big data y análisis en la parte superior

Las primeras discusiones importantes sobre big data y análisis comenzaron cuando ambos comenzaron a implementarse en las organizaciones. Ahora estas tecnologías son más maduras y se están moviendo hacia la corriente principal del sistema corporativo. 2022 es un buen año para que los CIO se reúnan con otros ejecutivos de nivel C y partes interesadas para recapitular el progreso de la IA y el análisis y asegurar su apoyo para los próximos pasos.


Las 10 principales tendencias de Big Data impulsarán el mundo digital en 2022

 

Estas son las 10 principales tendencias de big data en 2022 que serán los principales impulsores del cambio

El análisis de big data es una de las poderosas tendencias tecnológicas y está remodelando numerosos procesos y operaciones comerciales en todo el mundo. A medida que la cantidad de datos continúa creciendo, las organizaciones buscan nuevas formas innovadoras de optimizar los grandes datos. Los grandes datos también se utilizan con IA, ML y otras tecnologías de procesamiento innovadoras para analizar, procesar y analizar los conjuntos de datos masivos en múltiples sectores como atención médica, comercio electrónico, datos gubernamentales, infraestructura pública, banca y FinTech, seguridad, fabricación. , gestión de recursos naturales, aprovechamiento y más. Una de las relaciones del análisis de big data con las empresas es que aumenta su dependencia de Internet, junto con la cantidad de datos generados por el rápido desarrollo y evolución de la tecnología.Se proyecta que los ingresos del mercado global de big data alcancen la marca de 103 mil millones de dólares estadounidenses para 2027. Y, el mercado actual de software de análisis y BI está valorado en 16 mil millones de dólares a nivel mundial. Estas son las 10 principales tendencias de big data que impulsarán el mundo digital en 2022:

El auge de la migración a la nube

En este mundo impulsado por la tecnología, muchas empresas ya tienen implementaciones híbridas o de múltiples nubes, y en 2022 estas empresas se concentrarán más en portar su procesamiento y análisis de datos. Al hacerlo, podrán pasar de un proveedor de servicios en la nube a otro sin preocuparse por los períodos de bloqueo o tener que aprovechar soluciones puntuales específicas. Es una de las 10 principales tendencias de big data que impulsarán el mundo digital en 2022.

Análisis predictivo

Con la ayuda de herramientas y técnicas estadísticas que aprovechan datos pasados ​​y existentes, el análisis predictivo predice tendencias y pronósticos futuros. Con el análisis predictivo, las empresas pueden tomar decisiones perspicaces para un crecimiento y progreso inmensos. Por lo tanto, el análisis predictivo es la mejor y una de las principales tendencias de big data en 2022.

AutoML

El aprendizaje automático automático , o AutoML, tiene como objetivo reducir o eliminar la necesidad de científicos de datos capacitados para crear modelos de aprendizaje automático y aprendizaje profundo. En cambio, un sistema AutoML le permite proporcionar los datos de entrenamiento etiquetados como entrada y recibir un modelo optimizado como salida.

TinyML

TinyML es un tipo de aprendizaje automático que reduce las redes de aprendizaje profundo para que quepan en un hardware diminuto. Reúne Inteligencia Artificial y dispositivos inteligentes. TinyML encapsula ampliamente el campo de las tecnologías de aprendizaje automático capaces de realizar análisis en el dispositivo de datos de sensores a baja potencia. Es una de las 10 principales tendencias de big data que impulsarán el mundo digital en 2022.

Soluciones nativas de la nube

Nativo de la nube es un término que se utiliza para describir entornos basados ​​en contenedores. Las tecnologías nativas de la nube se utilizan para desarrollar aplicaciones creadas con servicios empaquetados en contenedores, implementados como microservicios y administrados en una infraestructura elástica a través de procesos ágiles de DevOps y flujos de trabajo de entrega continua.

Interfaces de consumidor aumentadas

El consumidor aumentado se refiere a los usuarios empresariales que aprovechan potentes capacidades automatizadas, contextuales, móviles y de lenguaje natural como parte de su flujo de trabajo de análisis. Lo que hace que el consumidor aumentado sea diferente de los usuarios analíticos típicos es que no confían en los tableros tradicionales como su única forma de analizar sus datos.

Mejor regulación de datos

La optimización de big data no puede ser una ocurrencia tardía. Con datos que rigen todos los aspectos de la IA, el análisis predictivo, etc., las organizaciones deben manejar sus datos con cuidado. Con la IA avanzando profundamente en industrias como la atención médica, los EMR confidenciales y los datos de los pacientes no pueden verse comprometidos. Es una de las 10 principales tendencias de Big Data en 2022 que serán los principales impulsores del cambio.

Curas Médicas y Control de Pandemias

En el mundo golpeado por la pandemia, el análisis de big data y la inteligencia artificial asumieron una postura extremadamente confiable para obtener la información más confiable en todo momento. Además de ayudar en la investigación y el desarrollo de nuevos procedimientos de tratamiento, Big Data ofreció posibles oportunidades y fuentes de información como registros de pacientes, recuento de COVID, viajes informados por pacientes, etc.

Complejidades de los datos de entrenamiento

Para construir modelos de aprendizaje automático creíbles, necesita enormes medidas de preparación de datos. Trágicamente, esa es una de las principales razones que actúa como inhibidor de los usos del aprendizaje dirigido o no supervisado.

Los trabajos humanos permanecerán seguros

La gente asumió que AI se haría cargo de sus trabajos. Nada podría estar más lejos de la realidad, la IA y el análisis de big data se han convertido en una influencia poderosa para garantizar que las posiciones humanas mejoren sustancialmente más que en cualquier otro momento en la memoria reciente.

 

Originalmente publicado en:

https://www.techrepublic.com/article/10-big-data-and-analytics-resolutions-for-2022/#ftag=RSS56d97e7

https://www.worlddatacongress.com/blog/2021/12/23/top-10-big-data-trends-will-drive-the-digital-world-in-2022/