Birst Smart Analytics: uso de AI para operacionalizar BI
¿Cómo se entregan más ideas a más personas? Operationalizing BI y analíticas, es decir, poner el poder de los datos en manos de todos en la empresa, no solo analistas y científicos de datos, siempre ha sido el mantra para el cofundador de Birst, Brad Peters.
Según una investigación de Eckerson Group, cuando una organización implementa un sistema de BI y análisis, aproximadamente el 10% de los empleados tienen las habilidades necesarias para generar información a partir de datos corporativos y entregarlos a los tomadores de decisiones. Eso significa que gran parte de la organización depende de unos pocos expertos para aprovechar los datos para tomar decisiones. ¿Ves el cuello de botella?
Pero hay más cuellos de botella. Para responder a preguntas de negocios aún más complejas, o para predecir oportunidades de negocio valiosas, se necesitan científicos de datos para aplicar algoritmos avanzados que requieren experiencia altamente especializada. Y los científicos de datos pueden representar menos del 1% de los usuarios en una organización.
Haga click aquí para descargar el último trabajo de investigación del Grupo Eckerson sobre ‘AI es el Nuevo BI’.
¿Qué sucede si ponemos el poder de la ciencia de datos en manos de todos los usuarios de negocios directamente, eliminando estos cuellos de botella? Con Birst Smart Analytics anunciado hoy, hacemos exactamente eso. Un usuario de negocios simplemente selecciona un KPI de interés, y los algoritmos de aprendizaje automático se ejecutan automáticamente en todos los puntos de datos que están relacionados para generar las razones clave “por qué” un KPI tiene una tendencia ascendente o descendente. Los controladores clave que afectan a los KPI se presentan automáticamente en un tablero de mandos centrado en los resultados, fácil de entender y personalizado, de modo que el usuario puede interpretar fácilmente los resultados y tomar el mejor curso de acción.
Hablé con Brad Peters, cofundador de Birst y vicepresidente senior y gerente general de análisis y BI en Infor, para brindarnos la visión y la historia únicas de Birst detrás del uso del aprendizaje automático para crear un sistema de BI más inteligente y automatizado.
1. Cuando fundó Birst, tuvo una visión de lo que BI podría ser. Con AI como la próxima ola de interrupciones en BI, ¿cómo ha cambiado o reforzado su visión?
Al crear Birst en 2004, la idea era conocer a la mayor cantidad posible de personas en una organización, de modo que incluso las personas que no son analistas tienen la posibilidad de utilizar los datos para tomar decisiones. Nuestro enfoque era correcto, y comenzamos un camino para construir automatización de aprendizaje automático en el producto. Comenzamos con el Refinamiento automatizado de datos (ADR), que automatiza la creación de datos analíticos preparados o la preparación inteligente de datos. Paralelamente, también nos enfocamos en la creación de un servicio de análisis y BI robusto y escalable en la nube para cumplir con la amplia gama de requisitos de informes empresariales.
Hoy, más de 14 años después, creemos que hemos desarrollado un sólido producto de análisis como servicio con muchas características “inteligentes”, incluido el ADR. Nuestra próxima versión “inteligente” aborda el descubrimiento avanzado de datos, que se alinea con lo que inicialmente nos propusimos hacer: poner el análisis en manos de un conjunto más amplio de usuarios.
Estamos particularmente entusiasmados con el lanzamiento de Birst Smart Analytics porque esta fue nuestra visión original detrás de la compañía hace 14 años cuando creamos una solución de aprendizaje automático patentada para el análisis automático en nombre de una persona que posee una parte del negocio para que puedan Obtenga una visión muy personalizada y de alto valor a escala. Desafortunadamente, el mercado no estaba listo para eso en ese momento o no estaba listo para confiar en una máquina para generar ideas personalizadas para la toma de decisiones.
2. Birst estuvo a la vanguardia del aprovechamiento de la automatización avanzada y el aprendizaje automático. Birst incluso tiene patentes para la preparación inteligente y la visualización de datos. ¿Cómo esta próxima versión de Smart Analytics en Birst aprovecha o extiende esas patentes?
Cuando empezamos a utilizar Birst, se nos ocurrió la idea de que el sistema generara automáticamente el conjunto correcto de contenido único para cada usuario individual. Hemos patentado esta idea inicial, por lo que con Birst Smart Analytics, estamos aprovechando esta misma capa de aprendizaje automático para crear perspectivas personalizadas a escala. En lugar de que un analista cree un solo informe para las masas, cada usuario tiene un analista virtual privado que recomienda información pertinente a la porción de negocio de ese usuario.
Hace catorce años, era difícil para los clientes entender o no estaban listos para aceptar el análisis generado por una computadora. Confiar en las máquinas de ese entonces era una locura. Afortunadamente, Amazon, Apple y otros proveedores que crean recomendaciones generadas por máquinas han allanado el camino para que las personas estén más abiertas a las máquinas en las que confían. Pero para la toma de decisiones empresariales, es fundamental tener transparencia en la explicación de cómo se hacen las recomendaciones. Creemos que el mercado está listo para trabajar con máquinas con este tipo de transparencia en lugar de un enfoque de caja negra.
3. BI es clave para analizar los datos y presentar información procesable para ayudar a los usuarios de negocios a tomar mejores decisiones comerciales e informadas. Para un activo tan importante, ¿por qué cree que la adopción de BI todavía es baja y cómo los Smart Analytics de Birst cambian esa tendencia?
Traditional BI adopta un enfoque de talla única para todos, en el que los paneles e informes interactivos se producen en masa, lo que permite al usuario final personalizar o visualizar la información en función de su parte del negocio. Cuando el usuario no tiene el conjunto de habilidades o el tiempo para obtener la información relevante extraída de un informe de producción masiva, se abandona el sistema de BI y no se pueden tomar decisiones basadas en hechos.
Con Machine Learning, el análisis se personaliza y se presenta a cada usuario automáticamente. Este enfoque de personalización masiva permite que un mayor número de usuarios adopte el sistema de BI porque la información presentada es más interesante, relevante y útil para la toma de decisiones.
4. ¿En qué se diferencia el enfoque de Birst para la IA en comparación con otros proveedores de BI?
Las ideas automatizadas que Birst genera son más personalizadas y accionables.
En primer lugar, dejamos que el individuo decida qué información es relevante analizar a partir de una capa semántica enriquecida e impulsada por el usuario que está en red en toda la organización. Esta capa semántica colectiva, específica de la industria, se aprovecha luego mediante el análisis de Birst Smart para generar ideas nuevas y relevantes.
En segundo lugar, los conocimientos se centran en los resultados, son fáciles de entender y se presentan a través de la metodología de diseño basado en el valor de Birst para que los usuarios puedan tomar las medidas necesarias para mejorar el negocio de forma inmediata.
5. AI tiene el potencial de alterar el mercado de BI. ¿Qué proveedores estarán mejor posicionados para aprovechar esta interrupción? ¿Qué vendedores se quedarán atrás?
AI debería poder rastrear de manera eficiente vastos conjuntos de datos en nombre de cada usuario individual para encontrar información única para esa persona. Ya vemos esta personalización única en servicios como Siri, pero no se debe confundir con el uso del reconocimiento de voz o la generación de lenguaje natural para obtener información fácilmente. Realmente reside en el algoritmo para aislar y encontrar ideas que son únicas y relevantes para cada persona. Este es el enfoque que hará que los proveedores sean exitosos y donde creemos que BI debe ir para obtener realmente el máximo valor de los datos y la adopción.
Mona Patel trabaja en el equipo de Estrategia de Producto de Birst.
Con más de 20 años de experiencia en la creación de soluciones analíticas en el Departamento de Agua y Energía, Air Touch Communications, Oracle, MicroStrategy, EMC e IBM, Mona ahora está desarrollando su carrera en Birst. Mona recibió su licenciatura en ingeniería eléctrica de la UCLA.