Los líderes administran la automatización de la analítica junto con sus equipos de business intelligence y ciencia de datos

Tecnología   |   Gib Bassett   |   10 de mayo de 2022 TIEMPO DE LECTURA: 3 MIN
TIEMPO DE LECTURA: 3 MIN

[Nota del editor: Esta es la segunda parte de una serie de tres en la que se presenta la automatización de la analítica y su rol en la transformación digital de la cadena de suministro].

 

Una buena razón para iniciar el recorrido a través de un centro de excelencia de automatización de la analítica es asegurar la alineación con otras inversiones que tu organización hace en analítica, específicamente, las herramientas de business intelligence (BI) que apoyan la generación de informes, los paneles de control y la medición de KPI, y el equipo de ciencia de datos mencionado anteriormente.

 

Cuando todos estos recursos se alinean y administran como una unidad al servicio de los resultados basados en datos, los beneficios se acumulan rápidamente.

 

Por ejemplo, aunque la automatización de la analítica acelera cualquier elemento de un caso práctico de analítica, no suele ser el elemento de referencia para comunicar los resultados. Esto suele ser responsabilidad del equipo de BI, que se especializa en el arte y la ciencia del análisis visual de datos y la interpretación de la información a la medida. La comunidad de Tableau es un buen ejemplo.

 

Para el equipo de automatización de la analítica, la BI es complementaria. No solo hay que comunicar los resultados de los casos prácticos a los stakeholders, sino que el propio equipo debe supervisar su cartera de casos prácticos para comunicar el valor empresarial al equipo directivo. La disponibilidad de Alteryx Auto Insights, anteriormente Hyper Anna, permite un caso práctico como este.

 

Colocar la experiencia de automatización de la analítica junto con la ciencia de datos también tiene sus ventajas.

 

En primer lugar, están las solicitudes de casos prácticos que se filtran en la ciencia de datos, que se atenderían de manera más ideal a través de un enfoque de código simple. Ahora es más fácil que nunca con la disponibilidad de Alteryx Designer Cloud y Alteryx Machine Learning (también basado en la nube). A menos que el equipo de ciencia de datos comprenda las posibilidades que presenta la automatización de la analítica, no podrá discernir los casos en los que su tiempo está mejor empleado en otros proyectos.

 

Cuando los traductores de analítica se integran en la organización en nombre del equipo de ciencia de datos, pueden actuar como intermediarios para alinear la solución correcta con los casos prácticos adecuados.

 

En segundo lugar, la comprensión de las posibilidades de la automatización de la analítica muestra a la ciencia de datos el potencial para acelerar su propio trabajo de codificación personalizada. Las tareas relacionadas con los datos aún consumen demasiado tiempo en el proceso de la ciencia de datos, y las herramientas con código simple o sin código pueden acelerar estos pasos para los trabajadores con diferentes habilidades y antecedentes educativos. Otro nuevo servicio en la nube que ahora es parte de Alteryx Analytics Cloud, Trifacta, puede ayudar a este fin acelerando y simplificando la migración de un almacén de datos a la nube.

 

Lo mismo ocurre con el trabajo de aprendizaje automático y de modelado predictivo, que se beneficia de una creación de prototipos más rápida en las primeras etapas de los proyectos, cuando se están formando las hipótesis y después, cuando se validan los resultados, y es posible que se necesiten ajustes.

 


Lee el primer blog de esta serie de tres partes: Las prácticas de adopción y valor comercial de los mejores clientes de la cadena de suministro de Alteryx.