No se han encontrado resultados

Su búsqueda no coincide con ningún resultado.

Le sugerimos que pruebe lo siguiente para poder encontrar lo que está buscando:

  • Verifique la ortografía de su búsqueda de palabras clave.
  • Utilice sinónimos para la palabra clave que escribió; por ejemplo, intente con “aplicación” en lugar de “software”.
  • Pruebe con una de las búsquedas populares que se muestran a continuación.
  • Comience una nueva búsqueda.
Tendencias de preguntas

Definición de analítica

Analytics Cloud

El análisis empresarial es el proceso de descubrir, interpretar y comunicar patrones significativos de los datos y usar herramientas para que toda la organización pueda hacer todo tipo de preguntas sobre cualquier información en todos los entornos y dispositivos. El análisis de negocios agrega aún más oportunidades para impulsar los resultados deseados, como la optimización, el ahorro de costos y el compromiso del cliente. Aquellos que tienen éxito con el análisis ignoran sus instintos y eligen sus resultados en función de lo que revelan los datos. En un escenario perfecto, los líderes empresariales establecen una metodología sin sesgos para que se puedan obtener conocimientos y descubrimientos sin agregar nociones o experiencias preconcebidas en la ecuación.

 

Hoy en día, todas las organizaciones buscan obtener más de la analítica usando más datos para impulsar una comprensión más profunda y más rápida para más personas, y todo por menos. Para cumplir esos objetivos, necesita una plataforma robusta que admita todo el proceso analítico con la seguridad, flexibilidad y confiabilidad que espera. Debe ayudarlo a capacitar a sus usuarios para que realicen análisis de autoservicio sin sacrificar el gobierno. Y debe ser fácil de administrar. Pero ¿cómo puede obtener los beneficios de un sistema de clase empresarial sin costos e infraestructura de clase empresarial? La analítica empresarial es omnipresente en estos días porque todas las empresas desean obtener mejores resultados y analizarán los datos para tomar mejores decisiones.

Con la analítica empresarial, usando la personalización, el aprendizaje automático y el conocimiento profundo del dominio, las empresas pueden obtener información relevante y procesable a partir de datos de todas las aplicaciones, almacenes de datos y lagos de datos. La analítica empresarial debe ser un proceso completo que requiera una acción. Una vez que se logran los conocimientos, una empresa puede volver a evaluar, volver a ejecutar y reconfigurar sus procesos. Todo es cuestión de tomar medidas.

Aspectos básicos de analítica

Los datos en sí mismos no tienen sentido. Podemos trabajar duro y aprender de cada lección posible, pero si no actuamos, si no cambiamos, si no nos ajustamos, todo nuestro trabajo será en vano. Si no aprovechamos toda la tecnología a nuestra disposición, no estamos recuperando cada dólar que podríamos recuperar con nuestra inversión. En nuestro mundo actual, podemos hablar efectivamente con nuestros datos, hacer que responda preguntas, que prediga resultados para nosotros y que aprenda nuevos patrones. Este es el potencial de sus datos.

El valor empresarial de la analítica

  • Una nueva forma de trabajar

    La naturaleza de los negocios está cambiando, y con ese cambio viene una nueva forma de competir. Mantenerse al día con las exigencias de la mano de obra experta en tecnología de hoy significa tener un método para crear valor y ejecutar rápidamente. Ofrezca velocidad y simplicidad a sus usuarios mientras mantiene los más altos estándares de calidad y seguridad de datos. Una plataforma de análisis centralizada en la que la TI juega un papel fundamental debe ser una parte central de su estrategia de analítica empresarial. La combinación de las iniciativas lideradas por negocios y por TI es el punto ideal para la innovación.

  • Descubra nuevas oportunidades

    Gracias a los avances en tecnología de análisis, se crean nuevas oportunidades para que pueda capitalizar sus datos. Los análisis modernos predictivos, de autoaprendizaje y adaptativos lo ayudarán a descubrir patrones de datos ocultos. También son intuitivos e incorporan impresionantes visualizaciones que le permitirán comprender millones de filas y columnas de datos en un instante. La analítica empresarial moderna es móvil y es fácil trabajar con ella. Además, lo conecta con los datos correctos en el momento adecuado, con poca o ninguna capacitación requerida.

  • Visualice sus datos

    Deseará ver las señales de los datos antes de que lo hagan sus competidores. El análisis ofrece la posibilidad de ver una imagen de alta definición de su entorno empresarial. Al combinar datos personales, corporativos y de big data, puede comprender rápidamente el valor de los datos y compartir su historial de datos con colegas, todo en cuestión de minutos.

Pasado: Historia de la analítica

La comparación de estadísticas y el análisis de datos son anteriores a la historia escrita, pero hay algunos hitos importantes que ayudaron a desarrollar el análisis en el proceso que conocemos hoy.

En 1785, a William Playfair se le ocurrió la idea de un gráfico de barras, que es una de las características básicas (y ampliamente utilizadas) de visualización de datos. La historia cuenta que él inventó los gráficos de barras para mostrar algunas docenas de puntos de datos.

En 1812, el cartógrafo Charles Joseph Minard planificó las pérdidas sufridas por el ejército de Napoleón en su marcha en Moscú. Comenzando en la frontera polaco-rusa, creó un mapa lineal con líneas finas y gruesas que muestran cómo las pérdidas se relacionaron con el frío invierno y el tiempo que el ejército estuvo lejos de las líneas de suministro.

En 1890, Herman Hollerith inventó una "máquina de tabulación", que registraba datos en tarjetas perforadas. Esto permitió que los datos se analizaran más rápido, lo que aceleró el proceso de conteo del Censo de EE. UU. de siete años a 18 meses. Esto estableció un requisito comercial para mejorar constantemente la recopilación y el análisis de datos que aún se cumplen hoy en día.

Presente: La analítica hoy

Las décadas de 1970 y 1980 vieron la creación de la base de datos relacional (RDB) y del software Standard Query Language (SQL) que extrapolaría los datos para el análisis a pedido.

A fines de la década de 1980, William H. Inmon propuso la noción de un “almacén de datos” donde se puede acceder a la información de forma rápida y repetida. Además, el analista Howard Dresner de Gartner calificó la frase "inteligencia empresarial", que allanó el camino para un impulso de la industria hacia el análisis de datos con la intención de comprender mejor los procesos de negocios.

En la década de 1990, el concepto de minería de datos permitió a las empresas analizar y descubrir patrones en conjuntos de datos extremadamente grandes. Los analistas de datos y los científicos de datos acudieron a lenguajes de programación como R y Python para desarrollar algoritmos de aprendizaje autónomo, trabajar con grandes conjuntos de datos y crear visualizaciones de datos complejas.

En la década de 2000, las innovaciones en la búsqueda en la web permitieron el desarrollo de MapReduce, Apache Hadoop y Apache Cassandra para ayudar a descubrir, preparar y presentar información.

Futuro: Analítica de última generación

A medida que las empresas pasaron de ganar visibilidad de datos y exigir más información, las herramientas y sus capacidades también han evolucionado.

Los primeros conjuntos de herramientas de análisis se basaron en los modelos semánticos forjados a partir del software de inteligencia empresarial. Estos ayudaron a establecer un gobierno sólido, análisis de datos y alineación entre las funciones. Un inconveniente era que los informes no siempre eran oportunos. Quienes tomaban las decisiones comerciales a veces no estaban seguros de que los resultados estuvieran alineados con su consulta original. Desde un punto de vista técnico, estos modelos se utilizan principalmente en las instalaciones, lo que los hace ineficientes en cuanto a costos. Los datos también suelen quedar atrapados en silos.

A continuación, la evolución de las herramientas de autoservicio llevó el análisis avanzado a un público más amplio. Estas aceleraron el uso de la analítica, ya que no requerían habilidades especiales. Estas herramientas de analítica empresarial de escritorio han ganado popularidad en los últimos años, especialmente en la nube. Los usuarios comerciales están entusiasmados con la exploración de una amplia variedad de activos de datos. Si bien la facilidad de uso es atractiva, la mezcla de datos y la creación de una "versión única de la verdad" se vuelven cada vez más complejas. El análisis de escritorio no siempre es escalable a grupos más grandes. También son susceptibles a definiciones inconsistentes.

Más recientemente, las herramientas de análisis están permitiendo una transformación más amplia del conocimiento del negocio con la ayuda de herramientas que actualizan y automatizan automáticamente el descubrimiento, la limpieza y la publicación de datos. Los usuarios comerciales pueden colaborar con cualquier dispositivo con contexto, aprovechar la información en tiempo real e impulsar resultados.

Hoy en día, los humanos todavía están haciendo la mayor parte del trabajo, pero la automatización está ganando apoyo. Los datos de las fuentes existentes se pueden combinar fácilmente. El consumidor trabaja ejecutando consultas, luego obtiene información al interactuar con representaciones visuales de los datos y construye modelos para predecir tendencias o resultados futuros. Todos estos son administrados y controlados por personas a un nivel muy granular. La inclusión de la recopilación de datos, el descubrimiento de datos y el aprendizaje automático brindan al usuario final más opciones en un marco de tiempo más rápido que nunca.

Adopción de la analítica empresarial

El análisis abarca todos los aspectos de nuestras vidas. Independientemente de la pregunta que haga, ya sea sobre empleados o finanzas, o qué les gusta o no les gusta a los clientes y cómo eso influye en su comportamiento, el análisis le brinda respuestas y lo ayuda a tomar decisiones informadas.