Las organizaciones están cambiando su enfoque del Big Data al Small & Wide Data

  • Gestión del dato

BI big data

Según Gartner, para el año 2025 el 70% de las organizaciones habrán cambiado su enfoque de Big Data a Small & Wide Data, lo que les proporciona un nuevo contexto para el análisis de datos y la inteligencia artificial. Porque a raíz de la pandemia muchos modelos de IA y aprendizaje automático han quedado invalidados, lo que requiere nuevas formas de aplicar los datos en los procesos de toma de decisiones.

Recomendados: 

IT Trends 2021. Asimilando la aceleración digital Leer

Guía para implementar una CDN moderna Leer

Los modelos de entrenamiento de inteligencia artificial y aprendizaje automático se alimentan de datos históricos, pero a raíz de la pandemia el comportamiento de consumidores, socios y clientes ha cambiado de forma drástica, alterando los patrones previos e invalidando el trabajo de entrenamiento de algoritmos. Por ello, según los expertos de Gartner, para el año 2025 el 70% de las organizaciones va a cambiar su enfoque de Big Data hacia un de Small & Wide Data.

Como explica Jim Hare, distinguido vicepresidente de investigación de Gartner, “las interrupciones como la pandemia de COVID-19 están provocando que los datos históricos que reflejan las condiciones pasadas se vuelvan obsoletos rápidamente, lo que está rompiendo muchos modelos de producción de IA y aprendizaje automático (ML). Además, la toma de decisiones por parte de los humanos y la inteligencia artificial se ha vuelto más compleja y exigente, y depende demasiado de los enfoques de aprendizaje profundo hambrientos de datos”.

Para hacer frente a la nueva situación los expertos recomiendan a los líderes de D&A que recurran a nuevas técnicas de análisis conocidas como Small Data y Wide Data. Hare explica que mediante estas técnicas serán “capaces de utilizar los datos disponibles de manera más eficaz, ya sea reduciendo el volumen requerido o extrayendo más valor de fuentes de datos diversas y no estructuradas”.

Small Data requiere menos datos para proporcionar información con valor comercial, empleando ciertas técnicas de análisis de series de tiempo o datos sintéticos o aprendizaje auto-supervisado. Wide Sata permite el análisis y la sinergia de muchas más fuentes de datos, tanto estructuradas como no estructuradas, de pequeño o gran tamaño. Esta metodología trata de encontrar enlaces entre las variadas fuentes de datos y es capaz de trabajar con gran cantidad de formatos, como texto, imágenes, video, audio, formularios y toda clase de datos provenientes de sensores de diversa naturaleza.

Hare explica que “ambos enfoques facilitan análisis e inteligencia artificial más robustos, reduciendo la dependencia de una organización del Big Data y permitiendo un conocimiento de la situación más rico y completo, o una vista de 360 grados”. Y comenta que actualmente “los líderes de D&A aplican ambas técnicas para abordar desafíos como la baja disponibilidad de datos de capacitación o el desarrollo de modelos más sólidos, mediante el uso de una variedad más amplia de datos”.

Los casos de uso más avanzados actualmente para el Small & Wide Data son la previsión de la demanda en el comercio minorista, y la inteligencia emocional y del comportamiento en tiempo real en la atención al cliente, lo que permite la hiperpersonalización y la mejora de la experiencia del cliente. Pero también está encontrando utilidad en la seguridad física, la detección de fraudes y los sistemas autónomos adaptativos, como los que rigen el funcionamiento de los robots con capacidades de aprendizaje a través de la experiencia y los datos que recogen del entorno.