Potencia tus esfuerzos de ML y AI con la transformación de datos – Líderes de opinión

Cuanto mayor sea la variedad, velocidad y volumen de datos que tengamos, más factible se vuelve utilizar análisis predictivos y modelado para predecir el crecimiento y identificar áreas de oportunidad y mejora. Sin embargo, para obtener el mayor valor de las herramientas de informes, aprendizaje automático (ML) y inteligencia artificial (AI), una organización debe acceder a datos de muchas fuentes y asegurarse de que los datos sean de alta calidad y confiables. Esto suele ser la mayor barrera para transformar los grandes datos en estrategia empresarial.

Los profesionales de datos dedican tanto tiempo a recopilar y validar datos para prepararlos para su uso que tienen poco tiempo para centrarse en su propósito principal: analizar los datos y derivar valor empresarial de ellos. No es de extrañar que el 76 por ciento de los científicos de datos digan que la preparación de datos es la parte menos agradable de su trabajo. Además, los esfuerzos actuales de preparación de datos, como la manipulación de datos y la ETL tradicional, requieren esfuerzo manual de los profesionales de TI y no son suficientes para manejar la escala y la complejidad de los grandes datos.

Las empresas que desean aprovechar el poder de la IA deben alejarse de estos procesos tediosos y en gran medida manuales que aumentan el riesgo de resultados de “basura dentro, basura fuera”. En su lugar, necesitan procesos de transformación de datos que extraen datos brutos en múltiples fuentes y formatos, los unen y normalizan, y agregan valor con lógica empresarial y métricas para que estén listos para el análisis. Con la transformación de datos complejos, pueden estar seguros de que los modelos de AI/ML se basan en datos limpios y precisos que entregan resultados confiables.

Aprovechar el poder de la nube con ELT

El mejor lugar para preparar y transformar datos hoy en día es un almacén de datos en la nube (CDW) como Amazon (AMZN ) Redshift, Google (GOOGL ) BigQuery, Microsoft Azure Synapse o Snowflake. Mientras que los enfoques tradicionales para la creación de almacenes de datos requieren que los datos se extraigan y transformen antes de que se puedan cargar, un CDW aprovecha la escalabilidad y el rendimiento de la nube para una ingesta y transformación de datos más rápidas y hace que sea posible extraer y cargar datos de muchas fuentes de datos dispares antes de transformarlos dentro del CDW.

Idealmente, el modelo ELT mueve inicialmente los datos a una sección del CDW reservada para datos de escenario brutos. Desde allí, el CDW puede utilizar sus recursos de cómputo casi ilimitados disponibles para trabajos de integración de datos y ETL que limpian, agregan, filtran y unen los datos en escena. Luego, los datos se pueden transformar en un esquema diferente: almacén de datos o Esquema Estrella, por ejemplo, optimizando los datos para informes y análisis

El enfoque ELT también permite replicar datos brutos dentro del CDW para su preparación y transformación posteriores cuando y como sea necesario. Esto te permite utilizar herramientas de inteligencia empresarial que determinan el esquema al leer y producen transformaciones específicas bajo demanda, lo que te permite efectivamente transformar los mismos datos de múltiples maneras a medida que descubres nuevos usos para ellos.

Accelerar los modelos de aprendizaje automático

Estos ejemplos del mundo real muestran cómo dos empresas de diferentes industrias están aprovechando la transformación de datos en un CDW para impulsar las iniciativas de IA.

Una agencia de marketing y publicidad boutique construyó una plataforma de gestión de clientes propietaria para ayudar a sus clientes a identificar, comprender y motivar mejor a sus clientes. Al transformar datos dentro de un CDW, la plataforma integra rápidamente y con facilidad datos de clientes en tiempo real a través de canales en una vista de 360 grados del cliente que informa los modelos de AI/ML de la plataforma para hacer que las interacciones del cliente sean más coherentes, oportunas y personalizadas.

Una empresa logística global que realiza 100 millones de entregas a 37 millones de clientes únicos en 72 países necesita vastas cantidades de datos para alimentar sus operaciones diarias. Adoptar la transformación de datos dentro de un CDW permitió a la empresa implementar 200 modelos de aprendizaje automático en un solo año. Estos modelos hacen 500,000 predicciones cada día, lo que mejora significativamente la eficiencia y conduce a un servicio al cliente superior que ha reducido las llamadas entrantes al centro de llamadas en un 40 por ciento.

Mejores prácticas para empezar

Las empresas que desean respaldar sus iniciativas de AI/ML con el poder de la transformación de datos en la nube necesitan comprender su caso de uso y necesidades específicas. Comenzar con lo que desea hacer con sus datos: reducir los costos de combustible al optimizar las rutas de entrega, aumentar las ventas al ofrecer las mejores ofertas a los agentes de servicio al cliente en tiempo real, etc., le permite retroceder sus procesos para que pueda identificar qué datos entregará resultados relevantes.

Una vez que determine qué datos necesitará su proyecto de AI/ML para construir sus modelos, necesitará una solución de ELT nativa de la nube que hará que sus datos sean aptos para su uso. Busque una solución que:

• Sea neutral de proveedor y capaz de trabajar con su pila de tecnología actual

• Sea lo suficientemente flexible como para escalar hacia arriba y hacia abajo y adaptarse a medida que cambia su pila de tecnología

• Pueda manejar transformaciones de datos complejas de múltiples fuentes de datos

• Ofrezca un modelo de precios de pago por uso en el que solo paga por lo que usa

• Esté diseñado específicamente para su CDW preferido para que pueda aprovechar al máximo las características de ese CDW para ejecutar trabajos más rápido y transformar datos de manera fluida.

Una solución de transformación de datos en la nube que se adapte a los denominadores comunes de todos los CDW puede proporcionar una experiencia coherente, pero solo una que permita las poderosas características diferenciadoras de su CDW elegido puede entregar el alto rendimiento que acelera el tiempo de obtención de información. La solución adecuada le permitirá alimentar sus proyectos de AI/ML con más datos limpios y confiables de más fuentes en menos tiempo: y generar resultados más rápidos y confiables que impulsan un valor empresarial e innovación previamente no realizados.