Análisis aumentado

La analítica aumentada es un enfoque de análisis de datos que emplea el uso del aprendizaje automático y el procesamiento del lenguaje natural para automatizar los procesos de análisis que normalmente realiza un especialista o científico de datos . ^{[ 1 ]} El término fue introducido en 2017 por Rita Sallam, Cindi Howson y Carlie Idoine en un documento de investigación de Gartner. ^{[ 1 ] [ 2 ]}

La analítica aumentada se basa en la inteligencia empresarial y la analítica. ^{[ 3 ]} En el paso de extracción de gráficos, se investigan datos de diferentes fuentes. ^{[ 4 ]}

• Aprendizaje automático: un método de computación sistemático que utiliza algoritmos para analizar datos e identificar relaciones, tendencias y patrones. Es un proceso que permite a los algoritmos aprender dinámicamente de los datos en lugar de contar con un conjunto fijo de reglas programadas. ^{[ 5 ] [ 6 ]}
• Generación de lenguaje natural (GLN): una capacidad de software que toma datos no estructurados y los traduce a un lenguaje sencillo y legible en inglés. ^{[ 7 ]}
• Automatización de la obtención de información: uso de algoritmos de aprendizaje automático para automatizar los procesos de análisis de datos. ^{[ 1 ]}
• Consulta en lenguaje natural: permite a los usuarios consultar datos utilizando términos comerciales que se escriben en un cuadro de búsqueda o se pronuncian. ^{[ 8 ]}

La democratización de datos consiste en democratizar el acceso a los datos para aliviar la congestión y eliminar cualquier figura de "guardianes" de datos. Este proceso debe implementarse junto con un método para que los usuarios puedan interpretar los datos. Se utiliza con la esperanza de agilizar la toma de decisiones de la empresa y descubrir oportunidades ocultas en los datos. ^{[ 9 ]}

La democratización de los datos tiene tres aspectos:

1. Parametrización y caracterización de datos.
2. Descentralización de datos mediante un sistema operativo basado en tecnologías blockchain y DLT, así como un intercambio de datos seguro y gobernado de forma independiente para fomentar la confianza.
3. Monetización de datos impulsada por el mercado y basada en el consentimiento.

En lo que respecta a la conexión de activos, existen dos características que acelerarán la adopción y el uso de la democratización de datos: la gestión descentralizada de identidades y la monetización de la propiedad de los datos como objetos de datos empresariales. Esto permite que múltiples individuos y organizaciones identifiquen, autentiquen y autoricen a participantes y organizaciones, lo que les permite acceder a servicios, datos o sistemas a través de múltiples redes, organizaciones, entornos y casos de uso. Empodera a los usuarios y habilita un sistema de incorporación digital personalizado y de autoservicio para que los usuarios puedan autenticarse por sí mismos sin depender de una función de administración central para procesar su información. Simultáneamente, la gestión descentralizada de identidades garantiza que el usuario esté autorizado a realizar acciones sujetas a las políticas del sistema en función de sus atributos (rol, departamento, organización, etc.) y/o ubicación física. ^{[ 10 ]}

• Agricultura: Los agricultores recopilan datos sobre el uso del agua, la temperatura del suelo, el contenido de humedad y el crecimiento de los cultivos; el análisis aumentado puede utilizarse para dar sentido a estos datos y posiblemente identificar información que el usuario pueda utilizar para tomar decisiones empresariales. ^{[ 11 ]}
• Ciudades inteligentes: Muchas ciudades de Estados Unidos, conocidas como ciudades inteligentes, recopilan grandes cantidades de datos diariamente. El análisis aumentado puede utilizarse para simplificar estos datos y así aumentar la eficacia en la gestión urbana (transporte, desastres naturales, etc.). ^{[ 11 ]}
• Paneles analíticos: la analítica aumentada tiene la capacidad de tomar grandes conjuntos de datos y crear paneles analíticos altamente interactivos e informativos que ayudan en muchas decisiones organizacionales. ^{[ 12 ]}
• Descubrimiento de datos aumentado: el uso de un proceso de análisis aumentado puede ayudar a las organizaciones a encontrar, visualizar y narrar automáticamente correlaciones y tendencias de datos potencialmente importantes. ^{[ 12 ]}
• Preparación de datos : las plataformas de análisis aumentado tienen la capacidad de tomar grandes cantidades de datos y organizarlos y "limpiarlos" para que sean utilizables para análisis futuros. ^{[ 1 ]}
• Negocios: Las empresas recopilan grandes cantidades de datos diariamente. Algunos ejemplos de tipos de datos recopilados en las operaciones comerciales incluyen: datos de ventas, datos de comportamiento del consumidor y datos de distribución. Una plataforma de análisis aumentado proporciona acceso al análisis de estos datos, que puede utilizarse para la toma de decisiones empresariales. ^{[ 1 ]}