Analtica para la transformacin empresarial

Perspectiva de los casos de uso de las soluciones de analtica as como consejos para las empresas
que quieren aprovechar el poder del anlisis para transformar sus organizaciones.

ANLISIS PREDICTIVO ANALTICA CONSEJOS PARA APROVECHE

MEJORA LAS ACCIONES TRANSFORMACIONAL SIMPLIFICAR ANALTICA EL APRENDIZAJE
EMPRESARIALES REQUIERE EQUIPOS DE BIG DATA AUTOMTICO PARA
CON EXPERIENCIA IMPULSAR EL NEGOCIO
RECURSOS
Anlisis predictivo mejora las acciones empresariales
INICIO Desde la recomendacin de compras adi-
cionales basadas en los artculos que los clientes
RECURSOS
colocan en los carros de compras en lnea hasta
TALENTO identificar a los pacientes hospitalarios que tie-
CONSEJOS
nen un mayor riesgo de re-admisin, el uso de
herramientas y tcnicas de anlisis predictivo est
ANLISIS AI
permitiendo a las organizaciones aprovechar sus
colecciones de datos para predecir los resultados
futuros si el proceso se gestiona correctamente.
La analtica predictiva se ha convertido en un
tema cada vez ms candente en los crculos anal-
ticos a medida que ms personas se dan cuenta de
que el modelado predictivo del comportamiento
del cliente y los escenarios empresariales son la
gran manera de sacar gran provecho de los datos,
dijo Mike Gualtieri, analista de Forrester Research.
Como resultado, los empleos analticos predicti-
vos estn ganando impulso, de acuerdo con Gual-
tieri, quien dijo que entre 2012 y 2015 se vio un
aumento en los niveles de adopcin, de alrededor
2 ANALTICA PARA LA TRANSFORMACIN EMPRESARIAL
de 20% en 2012 a el rango medio-alto-30% en
2015.
Esto es aun relativamente bajo, lo que genera
beneficios comerciales an mayores para las orga-
nizaciones que han invertido en software de anli-
sis predictivo. Si los competidores de una empresa
no estn haciendo anlisis predictivo, la empresa
tiene una gran oportunidad para adelantarse, dijo
Gualtieri.
Los proyectos de anlisis predictivo tambin
pueden proporcionar esos beneficios a travs de
diversas industrias, dijo Eric King, presidente y
fundador de The Modeling Agency LLC, una firma
de consultora de anlisis y servicios de formacin
con sede en Pittsburgh. Todo el mundo est abru-
mado por los datos y se muere de hambre por la
informacin, seal King.
Pero eso no significa que sea solo una cuestin
de implementar tecnologa y permitir que los
equipos analticos jueguen con los datos. Cuando
RECURSOS
la analtica predictiva se hace bien, los benefi-
cios empresariales pueden ser sustanciales, pero
hay algunas trampas principalmente estratgi-
cas a las que hay que prestar atencin, dijo King.
Muchas compaas estn usando la analtica para
INICIO hacer anlisis, y no estn buscando anlisis que
sean mensurables, decididos, responsables y com-
RECURSOS
prensibles por el liderazgo.
TALENTO
CONSEJOS
LOS CIENTFICOS DE DATOS NO LO SABEN TODO
ANLISIS AI
Un error comn es poner demasiado nfasis en
el papel de los cientficos de datos. Las empre-
sas piensan que los cientficos de los datos tienen
que entender el negocio, dijo Gualtieri. Con eso
en mente, terminan buscando analistas de datos
experimentados que tengan todas las habilidades
tcnicas necesarias y tambin entiendan sus prc-
ticas de negocio, una combinacin que advirti
puede ser casi imposible de encontrar. Es por eso
que dicen: Un cientfico de datos es un unicornio.
Pero no tiene que funcionar de esa manera.
En cambio, recomend, los gerentes de negocios
deben ser los que caminen a travs de las opera-
ciones de gestin de la experiencia del cliente u
3 ANALTICA PARA LA TRANSFORMACIN EMPRESARIAL
otros procesos de negocio e identifiquen los tipos
de comportamientos y tendencias que les gustara
predecir, entonces pueden ir con los cientficos de
datos y preguntar si pueden predecirlas.
King estuvo de acuerdo en que las organizacio-
nes a menudo dan a los cientficos de datos dema-
siada responsabilidad y margen de maniobra en las
aplicaciones analticas.
Realmente no son lderes analticos en muchos
casos, dijo, y agreg que los cientficos de datos a
menudo no son muy eficaces para entrevistar a las
personas de la parte comercial acerca de sus nece-
sidades, o para definir planes de proyectos anal-
ticos. Reforzando a Gualtieri, King dijo que una
variedad de otras personas, ya sean del negocio o
las TI, tambin deben desempear papeles en las
iniciativas de anlisis predictivo. Cuando se tiene
el equilibrio correcto con su equipo, usted tendr
un proceso de anlisis deliberado y fructfero.
PLANIFIQUE CON ANTICIPACIN
EL ANLISIS PREDICTIVO
Las empresas que tambin buscan aprovechar
las herramientas de anlisis predictivo no deben
RECURSOS
simplemente saltar a los proyectos sin un plan.
No puedes acercarte a la analtica predictiva
como se hace con muchos otros proyectos de TI,
dijo King. Es importante, aconsej, pensar estra-
tgicamente sobre una implementacin inicial,
INICIO trazando un proceso formal que comienza con una
evaluacin integral de las necesidades analticas
RECURSOS
y de los recursos y habilidades internas. Ah es
TALENTO donde estamos viendo no slo una mayor adop-
CONSEJOS
cin de anlisis predictivo, sino resultados mucho
mayores, dijo.
ANLISIS AI
Adems, las empresas necesitan entender los
datos que tienen a su disposicin y hacer que sean
fcilmente accesibles para el anlisis, lo cual no
es una tarea pequea, segn Gualtieri. Sin una
estrategia eficaz de gestin de datos, los esfuerzos
de anlisis pueden llegar a detenerse: Los cien-
tficos de datos informan constantemente que un
gran porcentaje de su tiempo se gasta en la etapa
de preparacin de datos, dijo. Si no pueden reunir
esos datos en forma efectiva o se necesita dema-
siado tiempo, se pierde la oportunidad.
Otro error que algunas empresas cometen es
recurrir a trabajadores sin experiencia para hacer el
trabajo, dijo Karl Rexer, presidente de la consultora
4 ANALTICA PARA LA TRANSFORMACIN EMPRESARIAL
Rexer Analytics en Winchester, Massachusetts.
El anlisis predictivo requiere conocimientos
de estadsticas, tamaos de muestra, regresin y
otros tipos de herramientas y tcnicas de anlisis
que no se encuentran comnmente con el per-
sonal actual que tienen las empresas, dijo. Si la
contratacin de trabajadores con experiencia no
es una opcin, sugiri la tercerizacin de progra-
mas piloto iniciales a expertos externos que pue-
den ayudar a producir algunos xitos tempranos,
mientras que tambin trabajan para transferir las
habilidades necesarias a los empleados existentes.
Una vez que ya se cuenta con estas habilida-
des y los proyectos estn en marcha, dijo Rexer,
una clave para obtener buenos resultados de las
tcnicas de anlisis predictivo se centra en una
iniciativa empresarial a la vez por ejemplo, la
retencin de clientes o conseguir que los compra-
dores en lnea agreguen ms artculos a sus carros.
En algunos casos, las compaas piensan que pue-
den tomar todos los datos, lanzarlos en [modelos
predictivos] y como por arte de magia saldrn las
conclusiones, dijo. La analtica predictiva puede
ser muy til, pero no es mgica. Tiene que estar
bien enfocada. Corlyn Voorhees
TALENTO
Analtica transformacional
requiere equipos con experiencia
INICIO Muchas empresas de xito, grandes y
pequeas, estn ejecutando proyectos e inicia-
RECURSOS
tivas de anlisis de datos. Estos proyectos pue-
TALENTO den y entregan enormes impactos en el balance
CONSEJOS
final.Pero tambin tienen un mal hbito de tomar
tanto tiempoque los patrocinadores corporati-
ANLISIS AI
vos pierden inters o pasan a nuevos proyectos.
Si los proyectos de analtica van a tener xito y
los equipos van a asegurar fondos para seguir
hacindolos necesitan cumplir sus promesas
rpidamente.
Una razn por la que muchos no cumplen es una
falta de apreciacin de la cartera de habilidades
y nivel de experiencia requeridos para diferentes
proyectos. Gran parte de esto se deriva del uso del
trmino analtica para referirse a todo, desde el
simple anlisis de nmeros, hasta matemticas
y programacin increblemente sofisticadas con
base en datos diversos, no estructurados.Dife-
rentes proyectos requieren muchos conjuntos de
5 ANALTICA PARA LA TRANSFORMACIN EMPRESARIAL
habilidades diferentes, y sin embargo el anlisis
de datos a menudo se agrupa bajo un mismo para-
guas. El resultado es que gente que comprende una
aproximacin hacia los datos termina en proyectos
que requieren un enfoque completamente dife-
rente, y terminan tomando demasiado tiempo para
ponerlo en marcha.
Identificar a las personas adecuadas es real-
mente difcil. El aumento visible de la analtica y
la ciencia de datos ha dado lugar a una gran can-
tidad de nuevas ofertas de entrenamiento, desde
cursos cortos hasta grados completos de ciencia de
datos.Junto con esta nueva ola de profesionales de
los datos, una gama cada vez mayor de herramien-
tas de autoservicio estn apareciendo, todas ellas
diseadas para proporcionar anlisis de fcil uso y
visualizacin de conjuntos de datos.
Muchos de estos cursos y herramientas son
excelentes, y traen un buen valor a una amplia
gama de problemas. Para las necesidades
TALENTO
claramente definidas, tales como la rotacin de
clientes o el anlisis del comercio al por menor,
una plataforma bien diseada a menudo puede
resolver su problema con rapidez y eficacia.
Pero estos avances tambin conducen a una falsa
INICIO sensacin de que el anlisis de datos puede ser de
consumo general. Algunos pueden, hasta cierto
RECURSOS
punto. Pero la analtica ms valiosa a menudo trata
TALENTO de hacer frente a proyectos de transformacin de
negocio en diversas y completamente nuevas reas
CONSEJOS
de la empresa.
ANLISIS AI
Estos proyectos de alto valor a menudo nece-
sitan personas con habilidades estadsticas y de
datosde alto nivel para tener xito. Pero, an ms
importante, es la experiencia aguerrida de haber
estado all, haber resuelto eso de aplicar la anal-
tica a los problemas difciles del mundo real. Ellos
necesitan personas que estn familiarizadas con
la forma en que una amplia gama de modelos y
herramientas de anlisis pueden o no funcionar en
el mundo real, que puedan identificar cul aplicar a
cul problema, y que puedan refinar y refactorizar
esos modelos hasta los grados de precisin reque-
ridos por el desafo a la mano.
Este tipo de proyectos tambin requieren que
6 ANALTICA PARA LA TRANSFORMACIN EMPRESARIAL
los datos se entiendan en su contexto. Los datos
no son solo una cadena de nmeros, representan
algo: una mquina o un motor o un avin, o una
persona. Alguien con experiencia en perforacin
de pozos petroleros, por ejemplo, ser capaz de
Diferentes proyectos requieren
distintas habilidades, pero el anlisis
de datos se agrupa bajo un mismo
paraguas. Es difcil identificar a
las personas adecuadas.
detectar si un cambio en un flujo de datos es indi-
cativo de un problema, o una parte normal de las
operaciones de perforacin. Alguien capacitado
nicamente en datos, solo sabr que ha surgido un
nuevo patrn, no lo que eso significa.
Eso no es para denigrar al personal recincapa-
citado o a las herramientas de autoservicio; ambos
pueden jugar un papel en proyectos complejos. Los
graduados entusiastas deben ser apoyados para
obtener esta experiencia. Sin embargo, las orga-
nizaciones deben reconocer que estas habilidades
son complicadas y toman tiempo para adquirir y
TALENTO
madurar; mucho ms tiempo que la duracin de un
solo proyecto.
Una empresa no debe caer en la trampa de pen-
sar que los datos son nuevos y, por lo tanto, deben
ser manejados o manipulados por una nueva gene-
INICIO racin de analistas. Los proyectos de anlisis de
datos deben ser reconocidos por lo que son, y se
RECURSOS
debe aplicar a ellos un nivel adecuado de experien-
TALENTO cia. Si el objetivo es la transformacin del negocio,
CONSEJOS
ANLISIS AI
7 ANALTICA PARA LA TRANSFORMACIN EMPRESARIAL
ellos necesitan personas con experiencia probada
en la entrega de proyectos de datos de transforma-
cin de negocio.
Comprender lo que su proyecto realmente im-
plica y dotarlo de recursos con el nivel adecuado
de experiencia es fundamental para su xito. Equi-
vquese, y el proyecto puede sufrir salidas en falso,
tomar ms tiempo y tal vez nunca entregar su
modelo de negocio en absoluto. Brian McKenna
CONSEJOS
Consejos para simplificar analtica de big data
INICIO Incluso con la amplia gama de herramien-
tas avanzadas de anlisis ahora disponibles para
RECURSOS
su uso, los equipos de analtica todava enfrentan
TALENTO muchos retos en el desarrollo de aplicaciones de
CONSEJOS
big data y en obtener informacin til de ellas.
Para los principiantes, la construccin de mode-
ANLISIS AI
los predictivos y aplicaciones de aprendizaje
automtico es una tarea difcil y demorada que
normalmente implica probar un gran nmero de
variables de datos y algoritmos antes de encon-
trar una combinacin que produzca los resultados
analticos deseados. El grado de dificultad aumenta
a medida queel proceso de anlisis de big data
se vuelve ms complejo, como en las iniciativas
de aprendizaje profundo e inteligencia artificial,
seal Andy Feng, vicepresidente a cargo de la
arquitectura de big data y aprendizaje automtico
de Yahoo.
El ciclo de innovacin es demasiado largo, dijo
Feng. Necesita probar muchas cosas diferentes,
8 ANALTICA PARA LA TRANSFORMACIN EMPRESARIAL
y ese proceso puede ser complicado. Con sede en
Sunnyvale, California, Yahoo ejecuta ms de 300
aplicaciones, incluyendo un creciente conjunto
de programas de aprendizaje automtico, en un
entorno de big data de 40 clsteres que se basa en
Hadoop y otras tecnologas asociadas con el marco
de procesamiento distribuido de cdigo abierto.
El fabricante de productos farmacuticos y pro-
veedor de servicios de salud Merck & Co. Inc. es
otro gran usuario de aprendizaje automtico. Por
ejemplo,una aplicacin analiza grandes cantida-
des de datos diversosrecogidos de monitores de
presin arterial y otros dispositivos porttiles
como parte de los programas de gestin de salud.
La plataforma de aprendizaje automtico de Merck
est haciendo realmente todo el trabajo pesado
en el secuenciamiento y anlisis de los datos, dijo
Murali Kaundinya, director de ingeniera de inno-
vacin de la empresa de Kenilworth, N.J.
Sin embargo, para que el uso de la plataforma sea
CONSEJOS
menos desalentador para los analistas de datos,
el equipo de ingeniera construy una capa de abs-
traccin que les oculta la complejidad tcnica del
proceso de desarrollo de algoritmos. Hay muchas
opciones;realmente quiere que alguien cure las
INICIO libreras de aprendizaje automtico y las convierta
en una plataforma o un servicio, dijo Kaundinya
RECURSOS
en la Cumbre de Hadoop 2016 en San Jos, Cali-
TALENTO fornia. La idea es simplificarlo para que [los ana-
listas] puedan hacer su trabajo mucho ms rpido.
CONSEJOS
ANLISIS AI
LA SEMNTICA COMPARTIDA
FACILITA LOS ESFUERZOS DE ANLISIS
Macys Inc. ha emprendido un camino simi-
lar,creando una capa de datos semntica virtual en
la parte superior de su almacn de datos Hadoop.
Eso da a los equipos de inteligencia de negocios
y analtica del minorista de Cincinnati un marco
comn para usar en el desarrollo de consultas,
reportes y modelos predictivos con controles de
calidad, consistencia y revisiones de gobierno
incorporados de antemano, dijo Seetha Chakra-
pany, director de anlisis de marketing y gestin
de relaciones con clientes (CRM) en Macys.
9 ANALTICA PARA LA TRANSFORMACIN EMPRESARIAL
Antes de que se estableciera la capa semntica,
el proceso de anlisis de big data se estaba empan-
tanando en la ingeniera de datos y el trabajo
de preparacin, sobre todo porque los analistas
comenzaron a ejecutar consultas ms complejas,
dijo Chakrapany. Adems, era difcil para los ana-
listas colaborar en proyectos.
Construir modelos predictivos
y aplicaciones de aprendizaje
automtico implica probar variables
de datos y algoritmos antes de
encontrar la combinacin que
produzca los resultados deseados.
Durante una sesin de laCumbre de Hadoop,
Chakrapany seal la inmadurez relativa de
Hadoop y muchas de las tecnologas de gestin de
datos y analtica de cdigo abierto que lo rodean
como otro problema que puede obstaculizar las
aplicaciones de anlisis de big data.
Muchas de estas herramientas todava no estn
completamente maduras, advirti. Tienes que
aceptar el hecho de que hay casos en los que las
CONSEJOS
cosas no van a ser fluidas. Chakrapany agreg, sin
embargo, que el nivel de inestabilidad tcnica que
Macys ha experimentado desde entonces no es un
espectculo si tienes una mente abierta y sabes
que este [proceso] es para el bien en general.
INICIO
RECURSOS
VENDEN PARA MEJORAR EL ACCESO A LOS DATOS
TALENTO En eBay Inc., averiguar cmo hacer que los resulta-
CONSEJOS
dos de las aplicaciones analticas estn disponibles
para los ejecutivos corporativos y otros usuarios
ANLISIS AI
empresariales de una manera fcilmente accesible
fue un esfuerzo de seis aos, involucrando una
sucesin de pasos que no encajaban completa-
mente con la factura.
La empresa de subastas en lnea genera 50 TB
de datos nuevos para su anlisis diariamente, pro-
cesndolo en una combinacin de tres sistemas
de back-end: un clster Hadoop, un almacn de
datos Teradata y un almacn personalizado desa-
rrollado conjuntamente con Teradata. Para anal-
tica, eBay utiliza SAS, R, MicroStrategy, Tableau y
otras herramientas. Ms de 300 analistas de datos
y 5.000 usuarios de negocios tienen acceso al
entorno, dijo Alex Liang, director de programas de
10 ANALTICA PARA LA TRANSFORMACIN EMPRESARIAL
datos, productos, arquitectura y estrategia de eBay,
con sede en San Jos.
A lo largo de los aos, esas personas han creado
mucha informacin analtica, incluyendo ms de
10.000 informes en Tableau y 5.000 en Micro-
Strategy. El nmero de tablas de base de datos que
contienen conjuntos de datos de usuario tambin
ha superado la marca de 10.000. Con tantos datos
entre los cuales los usuarios deben sondear, en
diferentes lugares, era casi imposible encontrar
las mtricas adecuadas en un informe para res-
ponder una pregunta de negocio especfica, dijo
Liang.
Para tratar de remediar eso, eBay primero cre
un wiki en 2009, con el objetivo de fomentar una
mayor colaboracin interna en la analtica. Sigui
que, con un hub de datos modelado en elemen-
tos de Pinterest y Facebook, luego intent otras
tachuelas, incluyendo un moderado foro de discu-
sin analtica. Sin embargo, la plataforma de ana-
ltica segua siendo inconexa y difcil de navegar
para los usuarios, de acuerdo con Liang.
Por ltimo, en 2014, eBay despleg una nueva
aplicacin de concentrador basada en el software
de descubrimiento de datos de autoservicio,
CONSEJOS
bsqueda y colaboracin de Alation Inc., con
capacidades de gobierno de datos incorporadas
para ayudar a los usuarios a encontrar informa-
cin y garantizar su fiabilidad. Liang dijo que el
cambio reemplaz a un modelo similar a IKEA de
INICIO ensamble de datos tipo hgalo usted mismo,con
un enfoque de autoservicio gobernado que es
RECURSOS
ms fcil de usar y ms eficaz. Ahora, agreg, el
TALENTO mensaje a los usuarios es sencillo: Vaya a usar
CONSEJOS
analtica.
Esa es la misma clase de mentalidad que Macys
ANLISIS AI
11 ANALTICA PARA LA TRANSFORMACIN EMPRESARIAL
est tratando de fomentar internamente a travs
de sus inversiones en tecnologas de administra-
cin debig data y analtica. Con las herramientas
adecuadas vinculadas a Hadoop y a las plataformas
de procesamiento de datos relacionadas, el proceso
de anlisis de big data puede ser un gran contribu-
yente para mejorar la toma de decisiones empresa-
riales en una organizacin, dijo Chakrapany. Usted
no quiere ver a Hadoop solo como una solucin
de almacenamiento barato. Su valor es mucho ms
alto que eso. Craig Stedman
ANLISIS AI
Aproveche el aprendizaje automtico
para impulsar el negocio
INICIO Las tecnologas que apoyan el aprendizaje
de mquinas, o aprendizaje automtico, y otros
RECURSOS
tipos de aplicaciones de inteligencia artificial (AI)
TALENTO estn evolucionando y ganando ms y ms usua-
CONSEJOS
rios, pero muchas empresas apenas han comen-
zado a rascar la superficie de posibles casos de uso
ANLISIS AI
de aprendizaje automatizado.
Especialmente cuando se trabaja con grandes
volmenes de datos, el aprendizaje automtico
y las herramientas de inteligencia artificial pue-
den ayudar a los equipos analticos a descubrir
informacin valiosa que contiene la clave para
desbloquear nuevos beneficios empresariales para
empresas en una variedad de mercados.
Por ejemplo, BT Group Plc est tratando de uti-
lizar el software de AI al ejecutarlo contra un lago
de datos Hadoop para orientar mejor los anuncios
y ofertas especiales a los usuarios de su red mvil
y de los servicios de televisin en tiempo real,
a travs de la toma automatizada de decisiones.
12 ANALTICA PARA LA TRANSFORMACIN EMPRESARIAL
Queremos tratar de ser mejores al promover
cosas a los clientes, dijo Jason Perkins, jefe de la
visin de negocios y la arquitectura analtica de
BT, con sede en Londres.
Ms all de la mercadotecnia personalizada,
otros casos comunes de uso de aprendizaje de
mquinas incluyen la deteccin de amenazas de
seguridad en la red y los esfuerzos predictivos
de mantenimiento de equipos alimentados por
datos recopilados a travs de internet de las cosas
(IoT). En una vena ms extravagante, los proyectos
recientes han implicado el uso de la inteligencia
artificial en los esfuerzos creativos, incluyendo la
escritura de canciones y el diseo de moda ini-
ciativas que destacan la flexibilidad y el poder de
procesamiento general de la tecnologa de aprendi-
zaje automtico.
Esa versatilidad crea una abundancia de opor-
tunidades para adoptar la tecnologa en diversos
tipos de organizaciones. Aunque no todos los
ANLISIS AI
proyectos de AI son exitosos, encontrar las opor-
tunidades para implementaciones de aprendizaje
automtico que vayan segn lo planeado puede ser
una experiencia de transformacin para las empre-
sas desde el punto de vista del negocio.
INICIO
Cuando se trabaja con big
RECURSOS
data, el aprendizaje automtico
TALENTO
y las herramientas de inteligencia
CONSEJOS
artificial pueden ayudar a los
ANLISIS AI equipos analticos a descubrir
informacin valiosa.
Para catalogar algunas de las formas en que las
empresas estn utilizando el aprendizaje autom-
tico, les preguntamos a los asistentes del Spark
Summit East 2017 en Boston y de la Cumbre de
Liderazgo de TDWI en Las Vegas sobre el papel
primordial que ven para el aprendizaje automati-
zado, y para AI en general, en sus organizaciones.
Sus respuestas, presentadas textualmente a con-
tinuacin, demuestran los variados casos de uso
de aprendizaje de mquina que las empresas estn
adoptando cada vez ms.
13 ANALTICA PARA LA TRANSFORMACIN EMPRESARIAL
Alfred Essa, vicepresidente de investigacin y cien-
cia de datos de la editorial McGraw-Hill Education:
Piense en dnde tiene un libro de texto digital;
estamos comprendiendo cmo lo est leyendo y
proporcionndole retroalimentacin. En lugar de
resaltar el texto, ponemos de relieve las cosas a las
que hay que prestar atencin.
Saket Mengle, principal responsable de datos
del proveedor de servicios de anlisis de marketing
DataXu: Las personas que gestionan las campaas
publicitarias tienen muchas opciones para orde-
narlas. Podemos mostrarles cmo la inteligencia
artificial puede asignar sus presupuestos de una
manera ms matemtica.
Anu Miller, cientfico de datos snior del proveedor de
tecnologa de redes Cisco: Vemos muchos casos de
uso desde el punto de vista de IoT y el cuidado del
cliente. Con el tiempo, proyectamos que habr una
mayor necesidad de [tales capacidades], por lo que
estamos tratando de adelantarnos a la curva.
Ben Okudolo, director de TI de la agencia guber-
namental canadiense Export Development Canada:
ANLISIS AI

Todava tenemos que frer algunos peces antes de
llegar a ese punto. Estamos en las primeras etapas
de construir nuestra gran plataforma de datos.
Korin Reid, cientfico snior de datos en el proveedor
INICIO de software y servicios mdicos Change Healthcare:
Hay mucho que podemos hacer en trminos de
reducir la incertidumbre del ciclo de ingresos, y
mucha oportunidad en trminos de salud de la
poblacin. Con los grandes activos de datos que
tenemos, es una especie de el cielo es el lmite.
Tra Laver

RECURSOS

TALENTO

CONSEJOS

ANLISIS AI

14 ANALTICA PARA LA TRANSFORMACIN EMPRESARIAL

 SOBRE
LOS AUTORES
TRA LAVERY trabaj como asistente editorial para los sitios
de SearchBusinessAnalytics y SearchDataManagement en
TechTarget.
BRIAN MCKENNA es editor de Aplicaciones de Negocios
INICIO
en Computer Weekly, donde cubre temas de gestin de
la informacin y software empresarial. Fue editor de las
RECURSOS revistas InfoSecurity y Knowledge Management, entre otras.
TALENTO
CRAIG STEDMAN es editor ejecutivo de los grupos de
CONSEJOS
Aplicaciones de Negocios y Gestin de la Informacin
en TechTarget, adems de escribir para los sitios Search-
ANLISIS AI
BusinessAnalytics, SearchDataManagement, SearchOracle
y SearchSQLServer. Tiene ms de 30 aos de experiencia
en el periodismo de TI.
CORLYN VOORHEES trabaj en TechTarget como
asistente editorial de SearchBusinessAnalytics y
SearchDataManagement. Posteriormente colabor para
el Boston Globe, y actualmente colabora para Woof
Magazine, Worcester Mag y BDN Maine Focus.
15 ANALTICA PARA LA TRANSFORMACIN EMPRESARIAL
Analtica para la transformacin empresarial
es una publicacin de SearchDataCenter.Es
Rich Castagna | Vicepresidente editorial
Lizzette Prez Arbes | Editora ejecutiva
Melisa Osores | Editora adjunta
Linda Koury | Director de diseo online
Megan Cassello | Diseador grfico
Moriah Sargent | Editora snior de gestin de eProducts
Bill Crowley | Publisher
BCrowley@techtarget.com
TechTarget
275 Grove Street, Newton, MA 02466
www.techtarget.com
2017 TechTarget Inc. Ninguna parte de esta publicacin puede ser reproduci-
das o retransmitidas de ninguna manera o por ningn medio sin el consentimien-
to por escrito de la editorial. Los reimpresos de TechTarget estn disponibles a
travs de YGS Group.
Acerca de TechTarget: TechTarget publica contenidos para profesionales de tec-
nologa de informacin. Ms de 100 sitios web focalizados permiten un rpido
acceso a un vasto repositorio de noticias, consejos y anlisis sobre tecnologas,
productos y procesos cruciales para su trabajo. Nuestros eventos virtuales y pres-
enciales le proporcionan acceso directo a los comentarios y consejos de exper-
tos independientes. A travs de IT Knowledge Exchange, nuestra comunidad so-
cial, usted puede obtener asesora y compartir soluciones con colegas y expertos.
COVER ART: ISTOCK