El Hype Cycle para el Digital Workplace 2017 de Gartner

En un futuro próximo los humanos desarrollaremos nuestra actividad laboral junto a software y las máquinas dotadas de Inteligencia Artificial.  Los CIOs de hoy deben analizar las tendencias actuales y anticiparse a dónde, cuándo, por qué y cómo trabajaremos con estos nuevos compañeros de trabajo. El Hype Cycle de Gartner apunta hacia tecnologías disruptivas como Augmented data discovery, Personal analytics o Conversational user interfaces que alcanzarán su madurez en menos de diez años.


Los negocios  del mundo digital necesitan de mayor complejidad y frecuencia en cuanto a la toma de decisiones, la resolución continua de problemas y la capacidad de reconocer patrones con rapidez, acciones que requieren de una fuerza de trabajo dotada de destrezas propias y exclusivas de este ecosistema digital. En la mayoría de las organizaciones, la responsabilidad de ayudar a los empleados a desarrollar sus capacitaciones tecnológicas pasa por los CIOs, quienes gracias a la perspectiva que ofrece el Hype de Hype de Gartner pueden ayudar a identificar y explotar tecnologías nuevas o actuales que aumente el encaje y agilidad del capital humano cuyo resultado sea la mejora en los resultados de negocio de las empresas.

Según Matt Cain, vicepresidente y analista de Gartner, los CIOs deben ampliar la planificación de competencias necesarias e incluir las tecnologías Augmented data discovery y Personal analytics.

Tecnologías disruptivas en un periodo de dos a cinco años

Descubrimiento de datos aumentados

El descubrimiento de datos aumentados permite a los usuarios empresariales y científicos de datos ciudadanos encontrar, visualizar y actuar automáticamente sobre excepciones, clusters y predicciones en conjuntos de datos complejos, sin tener que construir modelos ni escribir algoritmos.

El descubrimiento de datos aumentado puede reducir la exploración que lleva mucho tiempo y la identificación falsa de penetraciones menos relevantes. Segmentos, clusters, outliers y relaciones se aplican automáticamente a los datos, y sólo los resultados más significativos y relevantes desde el punto de vista estadístico son presentados al usuario en visualizaciones inteligentes y / o narraciones en lenguaje natural optimizadas en función del contexto del usuario.

El descubrimiento de datos aumentados incluye el 1)descubrimiento de datos aumentados, 2) la preparación de datos aumentados y 3)el análisis avanzado.

  • Smart Data Discovery es un sistema inteligente de monitorización de datos que ayuda a los usuarios a identificar los factores importantes e identificar problemas y patrones dentro de los datos que permitan a la organización identificar retos y aprovechar oportunidades. Estas herramientas permiten a los usuarios empresariales aprovechar técnicas analíticas sofisticadas sin la ayuda de profesionales técnicos o analistas. Los usuarios pueden realizar análisis avanzados de forma sencilla con una interfaz de arrastrar y soltar sin conocimiento de análisis estadístico o algoritmos. Las herramientas de Smart Data Discovery deben permitir recopilar, preparar, integrar y analizar los datos y permitir que los usuarios compartan los hallazgos y apliquen acciones estratégicas, operativas y tácticas y sugerir relaciones, identificar patrones, sugerir técnicas y formatos de visualización, resaltar tendencias y patrones y ayudar a pronosticar los resultados de actividades planificadas.
  • Augmented Data Preparation o preparación de los datos aumentados permite a los usuarios de negocios tener acceso a los datos significativos para probar las teorías y las hipótesis sin la ayuda de los científicos de datos personales. Permite que los usuarios accedan a una información y datos cruceros y una única fuente de datos (personal, externo, cloud y provisto de TI). Los usuarios pueden combinar y integrar datos en una sola vista uniforme y interactiva y aprovechar las relaciones auto-sugeridas, uniones, tipos de proyecciones, jerarquías y limpiar, reducir y aclarar los datos para el mar más fácil de usar y interpretar utilizando algoritmos estadísticos integrados Como el agrupamiento, la agrupación y la regresión para la reducción del ruido y la identificación de tendencias y patrones. La solución ideal debe equilibrar la agilidad con la gestión de datos para facilitar la calidad de los datos y las marcas de agua claras para identificar la fuente de datos.
  • Augmented Analytics o analítica aumentada automatiza la identificación de insights utilizando por un lado machine learning y por otro la generación de lenguaje natural para automatizar la preparación de datos y permitir su intercambio. El uso avanzado, la manipulación y la presentación de los datos simplifican los datos para la presentación de resultados claros y facilitan el acceso a las herramientas sofisticadas para que los gestores tomen decisiones cotidianas con confianza. Gracias a la analítica aumentada los gestores van más allá de la opinión y los prejuicios para obtener una visión real y actuar en consecuencia sobre los datos de forma rápida y precisa.

Esta próxima ola de tecnologías en el mercado de análisis de datos obliga a que los líderes de analítica de datos planifiquen la adopción de Augmented Analytics a medida que vayan madurando las capacidades de la plataforma. Por tanto las empresas deben comenzar con una lista reducida de problemas empresariales específicos que no pueden resolverse con plataformas de inteligencia analítica de negocios, y lanzar un piloto de Augmented data discovery para evaluar la viabilidad del descubrimiento de datos aumentados, probar su valor y generar confianza en la nueva tecnología.

Personal analytics

Personal analytics es el análisis de datos relevantes desde el punto de vista contextual para proporcionar información personalizada, predicciones y / o recomendaciones para el beneficio de los usuarios individuales. Los ejemplos incluyen asistentes de salud virtuales, asistentes de asesoramiento financiero y asistentes de compras.

Este sector del mercado de asistentes virtuales llegará a la adopción general para 2020. Las organizaciones pueden beneficiarse de la analítica personal mediante el uso de los datos recopilados para personalizar productos y servicios y para profundizar y ampliar las relaciones con los clientes o para planificar futuros servicios que satisfagan nuevos Requisitos de los clientes.

Los obstáculos para la adopción de análisis personales incluyen el reto de integrar ecosistemas personales de sensores y fuentes de datos asociados a usuarios individuales, así como los modelos de negocio necesarios para apoyar el desarrollo de productos y el marketing.


Tecnologías disruptivas en un periodo de cinco a diez años

Conversational user interfaces

Conversational user interfaces (CUIs) o interfaces conversacionales de usuario son un modelo de diseño de alto nivel en el que las interacciones entre el usuario y la máquina se producen principalmente en el lenguaje natural o oral del usuario. CUIs tuvo un enorme crecimiento en 2017, con chatbots, plataformas de mensajería y altavoces virtuales que contribuyen al auge. La explosión en la disponibilidad de plataformas de conversación está haciendo que las CUIs sean una alternativa a las interfaces gráficas de usuario.

“Esperamos que los proveedores de suites de aplicaciones implementen cada vez más las CUIs frente a las aplicaciones de negocio, lo que dará lugar a cientos de interfaces de chat diferentes”, dijo Matt Cain. “La mayoría de las implementaciones de CUI no son capaces de responder a consultas complejas. Los aumentos de capacidades, en un primer momento, en gran parte provienen de mejoras en la comprensión del lenguaje natural y reconocimiento de voz”.

Asistentes virtuales

Los Asistentes virtuales (AVs) ayudan a los usuarios u organizaciones con conjuntos de tareas que anteriormente sólo podían ser llevadas a cabo por los seres humanos. Los AVs utilizan la inteligencia artificial y el aprendizaje automático para ayudar a los usuarios o automatizar las tareas. Los AVs escuchan y observan comportamientos, construyen y mantienen modelos de datos, y predicen y recomiendan acciones. Pueden actuar para el usuario, formando una relación con el usuario a lo largo del tiempo. La importancia de los AVs crecerá a medida que la sociedad entre en la era post-app en los próximos cinco años.

Gartner apunta que es poco probable que el mercado de VA tenga un líder de mercado único debido a la fragmentación de los ecosistemas, siendo los principales proveedores de tecnología Apple con Siri, Google con Google Assistant y Microsoft con Cortana, VAz dominantes en los próximos años.

Según Matt Cain “Las empresas que no han comenzado el proceso de despliegue AVs para interactuar con clientes y empleados deben comenzar ahora. Deben buscar oportunidades para usar AVs para hacer que los usuarios sean más productivos con aplicaciones de negocios y plataformas móviles, y medir cuidadosamente el impacto de AVs en el comportamiento y el rendimiento.

 

Fuentes:

Gartner Releases “Hype Cycle for the Digital Workplace, 2017”

Gartner presenta el Ciclo de Implementación Tecnológica para el Digital Workplace 2017

What is Augmented Analytics and Why Does it Matter?

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *