Los datos como ingredientes para acelerar y alcanzar los objetivos de negocio

Los datos son un activo corporativo que, al ser tratados con igual o mayor relevancia que los activos físicos, permiten apalancar y alcanzar los objetivos de negocio. Aspectos como conocer e interactuar mejor con los clientes en su ciclo de vida, mitigar el riesgo y el fraude, optimizar los procesos operativos, aumentar el margen de ganancia y crear nuevos modelos de negocio, no serían posibles sin la existencia de los datos.
"Clientes de AWS en Chile como Entel, Parque Arauco y Banco Consorcio han entendido que las áreas de analítica internas deben funcionar como las cadenas de supermercados y de comida a gran escala", explica Mauricio Muñoz, gerente senior regional de Arquitectos Especialistas de Soluciones de Amazon Web Services (AWS).
Ahí, dice, los datos serían similares a la variedad de ingredientes que pueden ser adquiridos a diferente velocidad, volumen y calidad, permitiendo preparar productos de datos de distintas complejidades, que van desde indicadores de negocio clave (analítica descriptiva y diagnóstica) hasta modelos de analítica avanzada usando Machine Learning e Inteligencia Artificial (analítica predictiva y prescriptiva).
"Las empresas en su cultura deben ver a las áreas de analítica como lugares de experimentación masiva en donde se invite a probar ingredientes con diferentes recetas para crear productos que deleiten a los clientes internos y externos en sus diferentes necesidades y oportunidades", agrega.
Al mismo tiempo, las compañías deben ver a las áreas de gobierno de datos y de TI como los habilitadores y dueños del "supermercado de datos", en donde distintos tipos de consumidores en la organización puedan contar con un repositorio escalable para auto servirse de manera segura y ágil de los datos en sus diferentes estados (lago de datos con catálogo de datos) y de las herramientas necesarias para analizarlos y explotarlos de manera costo-efectiva (herramientas de procesamiento, consulta y visualización).
Finalmente, añade Muñoz, es clave ver a las áreas de operaciones de TI como los "encargados de que esos platos o productos de datos que agreguen valor puedan llegar exitosamente al menú de los consumidores finales de manera diaria y a tiempo, es decir, empoderarlos para que cuenten con los procesos y herramientas necesarias para orquestar y automatizar toda la cadena de suministro y producción de datos/ingredientes de principio a fin, práctica conocida como DataOps y MLOps". Esto incluye la adquisición de datos, su almacenamiento y catalogación, su transformación individual, su preparación o "cocción" con diferentes técnicas básicas o avanzadas y su presentación de cara hacia lo requerido por el consumidor final, que puede ser tanto humano como un aplicativo digital.

Elementos habilitantes
Según una encuesta de McKinsey de 2018, sólo el 21% de las organizaciones han logrado llevar a producción exitosamente proyectos de Machine Learning e Inteligencia Artificial.
Muñoz cree que para materializar todas las iniciativas de productos de datos y llevarlas a producción en los tiempos requeridos con una tasa de éxito mayor, se requiere un ecosistema de servicios y herramientas que se integren entre sí, que se alinee a los skills o habilidades de los diferentes tipos de usuarios, que sea económicamente viable para permitir la constante experimentación, que tenga la agilidad para empezar pequeño y escalar a nivel regional o global -en caso de ser necesario- y que los costos sean proporcionales a su tamaño.
"Es aquí en donde los clientes de AWS encuentran en una sola plataforma más de 175 servicios, más de 30 aplicaciones para analítica, Machine Learning e Inteligencia Artificial, diseñadas con propósito específico para cada una de las etapas del proceso de analítica, de punta a punta", detalla.
Esto va desde las diferentes formas de consumir los datos con servicios de almacenamiento, catalogación y cómputo con un modelo de costos granular y a demanda, hasta servicios de Inteligencia Artificial listos para acelerar desafíos comunes, dice el ejecutivo, como detección del fraude, pronóstico de la demanda de productos y ventas, recomendación de productos y servicios, detección de sentimientos y entidades, identificación de objetos en imágenes y videos, y percepción de intenciones de los usuarios por medio de voz y texto, entre otros. "Y también buenas prácticas y recomendaciones para su uso adecuado e integración con los procesos actuales dentro de la organización", concluye.

RRSS
LinkedIn
https://www.linkedin.com/company/ amazon-web-services
Web
https://aws.amazon.com/es/ what-is-aws/