La pregunta ahora es ¿Cómo implementar esa estrategia? Las iniciativas de analítica y Datascience que visibilicen la información apropiada para cada persona en la empresa y democraticen los datos, son las llaves para desbloquear ese desafío:

• Analítica Impulsada por Búsquedas

Interfaces de lenguaje natural que aceleren el descubrimiento y entrega de información e insights. Tan simple como realizar una búsqueda en Google o comprar productos por Amazon debería ser la consulta de la información para cualquier usuario haciendo uso de la barra de búsqueda de datos o insights.

• Insights Potenciados por AI

Uso de inteligencia artificial y Machine Learning para agilizar la preparación de los datos, el descubrimiento, análisis y entrega de insights, reduciendo las tareas manuales-repetitivas de un gran número de usuarios con:

• Motor de recomendaciones automático impulsado por AI que proponga relaciones no evidentes entre variables correlacionadas.
• Construcción de visualizaciones ideales según las perspectivas de análisis.
• Detección de las variables con mayor poder predictor de un target.
• Remoción de datos ruido o de poco valor que no aporten al análisis.
• Uso de inferencias estadísticas para encontrar las relaciones más relevantes entre los datos y representar dichos resultados en gráficas automáticamente sugeridas basadas en la importancia de esas relaciones.

• DataScience Embebebido

Embeber los resultados de Datascience en tableros o aplicativos empresariales, simplifica la experiencia de los usuarios en casos de uso de alto valor. La flexibilidad y facilidad en la selección de los parámetros de entrada y salida de un modelo, son capacidades claves a la hora de democratizar la analítica en todos niveles de una organización. Estas capacidades brindan a los usuarios poderosos insights sin sentirse intimidados por código o aspectos técnicos que desconocen.

• Analítica en Tiempo Real

Modelos Analíticos y de Datascience aplicados a datos en tiempo real permiten actuar oportunamente en eventos críticos y de alta prioridad. Con un sistema de Continuous Intelligence que configure dos tipos de procesos, es posible automatizar decisiones que conduzcan a lograr una mayor eficiencia sin intervención humana o enrutar información al equipo adecuado para la toma de decisiones.

Por mencionar un caso, analicemos la experiencia de implementación de Continuous Intelligence de uno de los principales fabricantes de semiconductores en el mundo. Antes de llevar a la práctica estas iniciativas, la empresa implementaba los cambios requeridos como respuesta a las novedades y variabilidad de la operación con un enfoque lento de retrovisor, después que los hechos habían sucedido (altas tasas de desechos, rechazos y desperdicios). Los cuellos de botella derivados de la falta de visibilidad de la información de los procesos colapsaban el área de TI para la búsqueda de información.

Para resolver este desafío, la empresa centralizó y democratizó la información con capacidades de autoservicio para cada usuario, permitiéndoles monitorear los datos relevantes en tiempo real y tomar decisiones oportunas basadas en datos. Más aún, la empresa formuló modelos con enfoque predictivo para gestionar las líneas de producción y mantenimiento, con el fin de identificar escenarios de fallas comunes y sus causas raíz, para luego aplicar acciones correctivas y reducir sus tasas de re-trabajo en casi la mitad.