CONTENIDO PATROCINADO

Manual estratégico de

DATOS,
ANÁLISIS y
MACHINE
LEARNING

1 u
Introducción Índice
Las organizaciones que solían almacenar
gigabytes de datos empresariales ahora están inmersas
y, a la vez, analizar en detalle los datos para obtener
información empresarial crítica. 3 Sdee busca: empresa
vanguardia basada en datos
en petabytes o, incluso, exabytes de información. Para

4
Hoy las organizaciones pueden utilizar los datos, el análisis
aprovechar el valor de estos enormes volúmenes de datos, y el machine learning (ML) para impulsar decisiones  imitaciones de las
L
es necesaria una infraestructura de vanguardia que esté empresariales fundamentales. Esta perspectiva basada arquitecturas monolíticas

5 
basada en la nube y que unifique los silos de información en los datos puede presentar infinidad de panoramas
heterogéneos. Este enfoque genera una versión universal para las empresas, incluidos los siguientes: Beneficios de una
de la “verdad” y empodera a todos los miembros de una base de datos en la nube
u El lanzamiento de nuevos productos
organización para tomar decisiones con fundamentos
más sólidos y actuar con confianza. u La innovación en nuevos modelos de negocios
o flujos de ingresos
6 Cómo democratizar sus datos
8 Cconapitalice
Algunas tendencias clave nos han traído hasta aquí:
 a automatización de procesos manuales para
u L sus datos

u La digitalización de las empresas va de la mano mejorar la eficiencia el machine learning
de una Internet ilimitada, que extiende el alcance  a mejora de la experiencia del usuario para
10 Clearning
u L
de las aplicaciones a todos lados. El resultado es un generar confianza y fidelidad laves para escalar el machine
crecimiento sin precedentes en el volumen de datos

12 Cbase
que se origina en dispositivos móviles, dispositivos y  a optimización de la interacción con los socios
u L
sensores de Internet de las cosas (IoT), aplicaciones empresariales
inco pasos para diseñar una
basadas en la nube, redes sociales, archivos de de datos de vanguardia
No importa en qué etapa de la modernización de los
registro, secuencias de clics y otras fuentes.

12 Resumen
datos se encuentra: este manual lo ayudará a refinar

u La nube ha reducido el costo de almacenamiento, su estrategia y a escalar de manera efectivamente los
lo que ha permitido a las organizaciones hacer frente datos, los análisis y el machine learning. De esta manera,
a este aluvión de manera rentable sin tener que decidir podrá acelerar la innovación e impulsar su empresa.
de antemano qué datos conviene conservar y cuáles no.

u La nube también permite disponer de
recursos informáticos y de almacenamiento muy
accesibles y pagar según el uso. De este modo, las
organizaciones pueden escalar según sea necesario

MANUAL ESTRATÉGICO DE DATOS, ANÁLISIS Y MACHINE LEARNING

2 u
t
Se busca: empresa de vanguardia basada en datos
El camino hacia una organización basada  appos utiliza el análisis y el ML basados en la nube para
u Z
en datos se puede transitar con la ayuda de una personalizar el tamaño de los productos y los resultados
combinación de tecnología, personal y procesos, en de las búsquedas de los clientes minoristas, sin descuidar
conjunto con una visión amplia de los datos como un una experiencia de usuario muy fluida y receptiva. Como
recurso estratégico. Si bien la mayoría de las empresas resultado, Zappos redujo la cantidad de búsquedas
tienden a una transformación basada en datos, para repetidas y las devoluciones de productos, incrementó la
muchas el cambio no es tan claro: tasa de clics entre la búsqueda y la elección del producto,
y mejoró el posicionamiento en los resultados de las
 l 99 % de las organizaciones ha invertido en
u E
búsquedas en relación con las elecciones de los clientes.
iniciativas de datos y de inteligencia artificial (IA).

 n 65 % ha invertido más de 50 millones

u U
 espués de que The Pokémon Company International
u D
(TPCi) lanzara el juego para móviles Pokémon GO en
de dólares en estas iniciativas.
2016, la cantidad de usuarios que solicitaban acceder
Pero... al sistema aumentó a más de 300 millones en dos
años. Para hacer frente al enorme flujo de usuarios
 penas un38 % se considera una organización
u A de Pokémon GO, TPCi migró de una base de datos de
basada en datos. documentos NoSQL provista por terceros a una base
de datos de AWS (Amazon Web Services) totalmente
 olo un27 % admite haber creado con éxito una
u S administrada. De este modo, pasó de tener 300 nodos
cultura basada en datos (Fuente: 2020 NewVantage de bases de datos a solo 30 y disminuyó el costo mensual
Partners Big Data and AI Executive Survey). de las bases de datos en decenas de miles de dólares.

Las cifras indican una clara brecha entre las aspiraciones Estos ejemplos enfatizan los beneficios de abandonar las
de las organizaciones sobre el uso estratégico de los aplicaciones anticuadas y monolíticas que se ejecutan en
datos y lo que han logrado hasta hoy. bases de datos relacionales multipropósitos para adoptar
sistemas de alta distribución basados en microservicios,
Sin embargo, algunas han comenzado a cerrar que se ejecutan en múltiples bases de datos específicas.
esta brecha al utilizar la nube como la base para Esto también conlleva pasar de los antiguos almacenes
una arquitectura de datos moderna: de datos heredados en las instalaciones a lagos de datos
y arquitecturas de “casa de lago” abiertos y flexibles.
 eorgia-Pacific migró 50 TB de datos de producción,
u G
tanto estructurados como no estructurados. Pasó “Este ya no es un mundo de soluciones multipropósitos”,
de una infraestructura de base de datos heredada a asegura Shawn Bice, vicepresidente de bases de datos de
un lago de datos basado en la nube para incorporar, AWS. “El enfoque que se adopta para los datos en la nube
transformar, almacenar y analizar esos datos de manera es la base del futuro crecimiento de una empresa. Con
rentable. El uso de herramientas analíticas en capas para las arquitecturas de aplicaciones nativas en la nube, las
los datos permitió a Georgia-Pacific optimizar procesos empresas innovan más rápido que nunca y a un bajo costo.
de fabricación clave, lo que incluyó la detección de fallas Asimismo, reducen los tiempos de comercialización, ya que
en el equipamiento con una anticipación de 60 a 90 no están atadas a un resultado en particular”, puntualiza.
días. Así, redujo las horas de inactividad no planificadas.

MANUAL ESTRATÉGICO DE DATOS, ANÁLISIS Y MACHINE LEARNING

3 u
t
 LA INNOVACIÓN EN ESCENA

Amazon.com
Amazon.com solía tener uno de los
almacenes de datos de Oracle más grandes
del mundo, pero no era suficiente para seguir
el ritmo de crecimiento de Amazon.

“Hace cinco años, la capacidad de crecimiento

y análisis de la empresa se vio limitada por
una decisión tecnológica”, reconoce Jeff
Carter, vicepresidente de datos, análisis y
machine learning de Amazon.

Amazon tomó la decisión estratégica de

dejar atrás el almacén de datos heredado
y adoptar una arquitectura de lago de
datos nativa en la nube que incluía varios
servicios de AWS. Durante la migración,
se movieron 50 petabytes de datos, más
de 75 000 tablas de almacenamiento de
datos y 7500 bases de datos OLTP. De
estos datos dependían los sistemas de
pedidos, procesamiento y distribución,
que eran críticos para la empresa.

Limitaciones de las arquitecturas monolíticas

Carter confiesa que, al principio, hubo
cierta preocupación de que una migración
tan grande provocara interrupciones.
“No queríamos ser los responsables del
Es probable que las organizaciones que se En su mayoría, los directores de información reconocen cierre de la empresa”, admite. “Sin embargo,
aferran a las infraestructuras heredadas se enfrenten los límites de una infraestructura de datos heredada. notamos que, en casi todas las instancias,
a uno o más de los desafíos conocidos en cuanto al Sin embargo, muchos dudan cuando la empresa debe la disponibilidad era más alta”, agrega.
personal, los procesos y la tecnología. Para ser una asumir riesgos tecnológicos. Una perspectiva de corto
organización basada en datos, hace falta un nuevo plazo puede ser un obstáculo para el crecimiento de la “Al migrar a las tecnologías de AWS e
modo de pensar estos tres elementos. empresa a largo plazo. implementar el lago de datos, pudimos
escalar para cumplir con las demandas de
Las arquitecturas tradicionales de análisis de datos, que “No hay que dejar que lo conocido constituya un punto la empresa”, señala Carter, y concluye que
utilizan bases de datos estructuradas y almacenes de datos ciego que frene la innovación”, aconseja Bice. el mantenimiento del nuevo entorno es
relacionales, tienen costos elevados de administración, entre un 30 % y un 50 % más económico
actualización y seguridad. Estas limitaciones impiden que que el de la arquitectura anterior.
las empresas capitalicen plenamente los datos de valor.
Las arquitecturas heredadas no se diseñaron para admitir
el análisis y la administración de datos a gran escala. Por
eso, no tienen la capacidad para manejar petabytes o,
incluso, exabytes de datos de toda una empresa.

MANUAL ESTRATÉGICO DE DATOS, ANÁLISIS Y MACHINE LEARNING

4 u
t
 LA INNOVACIÓN EN ESCENA

Equinox Media
Con la llegada de la COVID-19
durante los primeros meses de 2020,
la empresa Equinox Fitness se vio en la
necesidad de acelerar el lanzamiento
de Variis, su plataforma de streaming
para entrenamiento físico. La empresa
anticipó un incremento de la demanda de
servicios de entrenamiento en el hogar.
Por eso, el equipo de desarrollo recurrió
Beneficios de una base de datos en la nube al conocimiento del entorno de Equinox
Fitness y creó una infraestructura de datos
moderna y escalable, basada en un lago de
datos para que sean fáciles de encontrar; incorporar y datos de Amazon S3, y una arquitectura sin
Una infraestructura de datos moderna basada servidor que incluía AWS Lambda, Amazon
en la nube es fundamental para obtener la flexibilidad procesar datos en tiempo real mediante tecnologías
de streaming; y establecer controles y permisos de DynamoDB y Amazon Athena.
y la escalabilidad que permitan reaccionar rápidamente
ante las necesidades dinámicas de las empresas. Con una seguridad en los datos para promover la gobernanza
Al desarrollar Variis desde cero mediante una
arquitectura de datos moderna, las organizaciones pueden y asegurar el cumplimiento normativo.
infraestructura nativa en la nube, Equinox
almacenar y administrar una cantidad prácticamente Media pudo acelerar el lanzamiento de la
ilimitada de todo tipo de datos. De esta forma, hay una Otra de las ventajas de una infraestructura de datos
moderna basada en la nube es la elasticidad. Para nueva plataforma y escalar rápidamente
infinidad de posibilidades para sacar provecho de la para satisfacer la demanda, según Elliott
información, de un modo distinto y mejorado. adaptarse a incrementos repentinos en la demanda
o a casos de uso específicos, un entorno tradicional Cordo, vicepresidente de información
requiere una inversión en licencias de software, en tecnológica de Equinox Media. Según Cordo,
“Hace unas décadas, el diseño de las bases de datos
infraestructura y en un centro de datos potente para gracias a la plataforma de datos sin servidor
estaba optimizado para el almacenamiento ya que los
ejecutar grandes cargas de trabajo de análisis, incluso de alta escalabilidad, la empresa pasó “de
costos eran muy elevados”, afirma Herain Oberoi, director
si son temporales. No ocurre lo mismo con la nube: se una versión beta al lanzamiento en cuestión
de marketing de productos, bases de datos, análisis y
puede exigir o disminuir la demanda de infraestructura, de semanas”.
cadenas de bloques de AWS. “La economía de la nube ha
eliminado las restricciones de tener que elegir qué datos según sea necesario para las cargas de trabajo de
“Presentamos una versión inicial a un
almacenar y cuáles no. Hoy la regla es almacenar todo, análisis. Esto permite empezar de a poco e ir creciendo,
costo muy bajo, con la seguridad de que
porque no sabemos para qué podrían servir los datos o bien hacer un gran esfuerzo inicial para responder a
podríamos escalar con una predicción
más adelante, ni qué preguntas querríamos hacer o qué los incrementos de demanda temporales y pagar solo
de costos confiable”, asegura. Y agrega:
información podríamos obtener”, añade. por la capacidad que se utiliza.
“La capacidad de hacer frente a un
“La nube es, sobre todo, una cuestión de bajos costos y crecimiento explosivo dejó claras las
A diferencia de la estructura de filas, columnas y tablas
de recursos informáticos y de almacenamiento flexibles”, ventajas de una ingeniería de datos
de un almacén de datos tradicional, una arquitectura
plantea Oberoi. Y concluye: “Por eso, las cargas de trabajo moderna y un diseño nativo de la nube”.
de datos moderna puede almacenar todo tipo de datos
no estructurados o semiestructurados, como registros de análisis son perfectas para la nube”.
e imágenes de la web. Así se evita la necesidad de tener
silos de datos separados. Asimismo, un lago de datos
centralizado permite lo siguiente: etiquetar y catalogar

MANUAL ESTRATÉGICO DE DATOS, ANÁLISIS Y MACHINE LEARNING

5 u
t
 5
características de
una organización
basada en datos

1 Va más allá del “patrocinio

ejecutivo” y asume un “compromiso
ejecutivo” a través de cambios visibles,
empezando por arriba, para que los
datos se usen en toda la empresa.

2 Se concentra en la creación de
una cultura basada en datos y en el
desarrollo de capacidades organizativas
para respaldar dicha cultura, y no se
limita a casos puntuales de excelencia.
Cómo democratizar sus datos
3 Adopta un enfoque de
experimentación basado en
datos para probar varias ideas y
Una administración de datos moderna y Ishit Vachhrajani, estratega empresarial de AWS y mejorar la empresa constantemente.
las herramientas analíticas acordes, junto con una exdirector global de tecnología de A+E Networks, prefiere

4
infraestructura basada en la nube, apuntalan una visión hablar de “dominio de los datos” y no de “alfabetización”, Tiene una base sólida de
unificada y holística de los datos en toda la empresa. Sin ya que el objetivo no es solo tener conciencia de los datos, análisis de datos para impulsar la
embargo, el valor de las herramientas reside en quienes sino saber cómo utilizarlos. “No se trata meramente de transformación mediante la inteligencia
las utilizan. Las iniciativas basadas en datos suelen fallar democratizar el acceso a los datos”, señala. Y agrega: “Lo artificial y el machine learning.
en los desafíos culturales corporativos y en el bajo nivel que hay que democratizar es el uso de esos datos”.

5
de “alfabetización” en datos, tal como lo han hecho Elimina los silos y trata los
notar New Vantage Partners y otros investigadores. Vachhrajani recomienda los siguientes pasos para crear datos como un activo de la
una cultura de dominio de los datos: organización, no como una propiedad
Un aspecto clave para convertirse en una organización de un sector específico. También
basada en datos es la educación y la comprensión del u Investigue cómo fluyen los datos en su
adopta un enfoque de transparencia
valor de los datos, tanto en el caso de los directores organización y qué tipos de control de acceso existen.
y responsabilidad con respecto a los
como del personal a cargo. La meta es que todos Esto ayuda a descubrir los silos de datos y a medir la
datos, válido para toda la empresa.
puedan acceder a los datos para tomar decisiones dificultad que tienen los empleados para acceder a
diarias, no solo para decisiones de peso. los datos que necesitan.

MANUAL ESTRATÉGICO DE DATOS, ANÁLISIS Y MACHINE LEARNING

6 u
t
u Compruebe que el líder que lleva a cabo Un cambio cultural lleva tiempo, por supuesto. Sin LA INNOVACIÓN EN ESCENA
la iniciativa cultural tenga la experiencia, el
reconocimiento y las facultades que necesita
embargo, en el proceso se pueden obtener muchos
beneficios. “Las decisiones que tome se traducirán en Fortnite
una empresa verdaderamente basada en datos. ganancias rápidamente”, afirma Vachhrajani. “Y podrá
demostrar cómo encajan estas ganancias en el contexto Epic Games utiliza AWS para ofrecer
 aneje los datos como un producto. Para ello,
u M general”, añade. Fortnite a más de 250 millones de jugadores
reúna a los ingenieros de datos y a los de aplicaciones, en todo el mundo, además de más de
y ajuste cuidadosamente la estrategia de datos con la ¿Cómo saber cuándo un cambio cultural empieza a 10 millones de jugadores simultáneos
estrategia de productos y de integración. tomar forma? Cuando empieza a haber resistencia. “Los durante eventos de juego, como el concierto
cambios son incómodos y generan muchos conflictos”, más importante del mundo.
 a importancia de la TI. La TI aporta una visión
u L asegura Vachhrajani. Por último, precisa: “Cuanto mayor
única del ciclo integral de la empresa, de los flujos sea la resistencia, sobre todo al principio, mayores El equipo de Fortnite necesitaba procesar
de trabajo interdepartamentales y de los sistemas serán las probabilidades de éxito. La sensación de y analizar más de 100 PB de datos
transaccionales que contienen información útil. desconcierto es importante cuando se lleva a cabo un (125 millones de eventos por minuto)
cambio, porque quiere decir que algo está pasando”. incorporados a partir de los clientes y de
 iseñe una estructura para la gobernanza de los
u D los servidores del juego para comprender y
datos que dé más libertad a los empleados, en lugar adaptarse a la participación del jugador. Epic
de limitarlos. Games eligió AWS por el lago de datos de
Amazon S3, en combinación con Amazon
EMR, Amazon EC2 y Amazon Kinesis, para
ejecutar análisis en tiempo real y contribuir
a la mejora constante del juego.

MANUAL ESTRATÉGICO DE DATOS, ANÁLISIS Y MACHINE LEARNING

7 u
t
 Machine learning e
inteligencia artificial

78 %

de las organizaciones ha

Capitalice sus datos con el machine learning

implementado tecnologías
de machine learning o piensa
hacerlo, como parte de su
estrategia digital
Con la proliferación de los datos y la potencia Los equipos de liderazgo no deben limitar sus ideas a
casi ilimitada de los recursos informáticos de la nube, la posibles casos de uso de la IA y el machine learning. “Todos
IA y el machine learning tendrán una gran repercusión los sectores de una organización deben hablar el lenguaje
en el panorama cada vez más amplio de las empresas de la inteligencia artificial”, subraya Sri Elaprolu, líder
principal de Amazon Machine Learning Solutions Lab.
63 %
y la tecnología.

La capacidad de analizar enormes volúmenes de datos Por ejemplo:

de las empresas ha invertido
para obtener información de interés permitirá a las en machine learning para
empresas tomar decisiones rápidas y fundamentadas. u En el sector de ventas y marketing, el ML y la IA
permiten analizar datos de conductas y actividades aprovechar esa ventaja frente
Está claro que la IA y el ML otorgan a las empresas una a la competencia
ventaja competitiva: para diseñar experiencias de usuario personalizadas.

 l 78 % de las organizaciones ha implementado

u E u En el de finanzas, las tecnologías posibilitan una
mayor precisión en los modelos de predicción y en
tecnologías de machine learning o piensa hacerlo,
los análisis de detección de fraudes.
54 %
como parte de su estrategia digital. (Fuente: IDG
Digital Business Study, 2019).
 n el de operaciones y logística, se usa la IA
u E
y el ML para optimizar la distribución de pedidos de las empresas que
u El 63 % de las empresas ha invertido en machine
y las rutas de logística urbana. implementan la IA obtuvo
learning para aprovechar esa ventaja frente la
una mayor productividad
competencia. (Fuente: Deloitte, informe “State of AI
in the Enterprise”, 2018).
 n el de TI,se utilizan herramientas para detectar
u E
y mitigar amenazas de seguridad, y para optimizar
u El 54 % de las empresas que implementan la IA las operaciones de desarrollo de software.
obtuvo una mayor productividad. (Fuente:: PwC,
Predicciones sobre IA para 2018).

MANUAL ESTRATÉGICO DE DATOS, ANÁLISIS Y MACHINE LEARNING

8 u
t
“La nube ofrece recursos informáticos y de
almacenamiento a un muy bajo costo, por lo que hay
más posibilidades para el modelado”, revela Elaprolu. Y
anticipa: “Hay mucha innovación por delante. Estamos
apenas en una etapa preliminar”.

Más allá de los casos de uso funcionales, también

surgen muchos ejemplos de sectores específicos que
recurren a la IA y al ML.

 n el sector de la salud, la empresa tecnológica

u E
Cerner utiliza el machine learning para predecir
casos de insuficiencia cardíaca congestiva en
ensayos clínicos, con una anticipación de hasta
15 meses. Esto permite atender mejor a los
pacientes y, en última instancia, salvar vidas.

u En el sector del transporte, Convoy revolucionó

el sector al introducir un modelo que utilizaba el
machine learning para automatizar la logística
y brindar a transportistas y camioneros mejores LA INNOVACIÓN EN ESCENA
resultados. Esto se tradujo en una mayor eficiencia
y en menores costos para ambas partes.
T-Mobile
En T-Mobile, los equipos de ingeniería usan Resulta interesante que las métricas de éxito de
u En el sector tecnológico, Intuit, creadora de TurboTax, la tecnología sean iguales a las de los agentes
aprovecha la visión artificial y el machine learning para tecnologías de IA y ML para transformar la asis-
tencia al cliente. Los modelos utilizan el proces- humanos, como ocurre con la resolución en el
que los usuarios pueden presentar las declaraciones primer contacto.
impositivas más fácilmente. Mediante Amazon Textract, amiento del lenguaje natural para obtener infor-
esta solución permite a los usuarios escanear la mación y relaciones de texto no estructurado,
“Podemos hacer mediciones según la exactitud
documentación. Luego, el servicio comprueba que no además de capacidades como voz a texto, texto
de los modelos, pero eso no aporta nada a la
haya errores, datos faltantes ni anomalías, a través de a voz y traducción de idiomas, con el objetivo de
empresa”, expresa Nolis. “Nuestra responsab-
información contextual de una base de datos existente mejorar la experiencia del usuario.
ilidad en relación con los indicadores clave de
de códigos fiscales y formularios de conformidad. rendimiento (KPI) es la misma que la de nues-
Los modelos de machine learning median entre
el cliente y un agente: escanean interacciones tros agentes: ¿cuál fue el nivel de satisfacción
u En el sector alimentario, Domino’s Pizza Enterprises del cliente tras la llamada? ¿Tuvo que llamar
Limited, una franquicia de Domino’s con presencia en previas del cliente y proporcionan información
relevante al agente para que pueda solucionar nuevamente para resolver el problema? Porque
Australia y Europa, diseñó una solución de predicción a lo que debemos apuntar todo el tiempo es a
de pedidos para que las pizzerías pudieran anticipar con rapidez el problema del cliente. “Queremos
ayudar a que los expertos que se encuentran en [mejorar] lo que nuestros clientes sienten sobre
qué iban a ordenar los clientes. La capacidad, como la empresa y la experiencia relacionada con la
parte de una iniciativa más amplia para reducir los los centros de llamadas resuelvan los problemas
lo antes posible, con toda la información que empresa”, completa.
tiempos de recogida y entrega a domicilio, ha marcado
la diferencia: hoy las pizzas pueden recogerse en unos nuestra empresa tiene a disposición y mediante
tres minutos o entregarse dentro de los diez minutos. un modelo que es más escalable que un solo
cerebro humano”, indica Heather Nolis, ingeniero
de software sénior de T-Mobile.

MANUAL ESTRATÉGICO DE DATOS, ANÁLISIS Y MACHINE LEARNING

9 u
t
Claves para escalar el machine learning
Los pilotos del machine learning son varios,
pero el desafío de muchas organizaciones es la
implementación a gran escala. Los siguientes cinco
pasos deben tenerse en cuenta a la hora de diseñar
e implementar estrategias de ML a gran escala y de
problemas de la empresa en soluciones de ML.
Puesto que el talento no abunda, las empresas deben
equilibrar la contratación de nuevos empleados con
la capacitación del personal existente. T-Mobile,
por ejemplo, logró descubrir nuevos talentos en
“
Trabajar codo a
codo con quienes
consumirán los
capacitar para tal fin, de manera fácil y rápida: lugares inesperados: un gerente de marketing en el

Obtenga la aprobación de los ejecutivos de la

departamento de riesgos, que se dedica a la escritura
del código R, y un desarrollador de Java con una
servicios que
brindamos es la
empresa desde el principio. Muchos proyectos de maestría en lingüística que colaboraba con un proyecto
pruebas de concepto (POC) fallan porque los inician de transcripción de voz.
pequeños equipos de ciencia de datos, mientras que
los equipos ejecutivos o de negocios solo participan “Trabajar codo a codo con quienes consumirán los única manera de
una vez diseñado el sistema, en lugar de hacerlo desde servicios que brindamos es la única manera de crear
el comienzo del proceso. Un proceso mejor consiste algo bueno y que tenga sentido”, afirma Nolis. crear algo bueno y
en “trabajar hacia atrás”, de manera que los diferentes
equipos acuerden objetivos compartidos y diseñen la También es importante sumar experiencia puertas
adentro mediante los socios. Esto permite ampliar la
que tenga sentido”.
solución con la meta de alcanzarlos.
comunidad de expertos con los que cuenta y, a la vez,
deshacerse de las “tareas pesadas no específicas”, para
Heather Nolis, ingeniero de
“Este enfoque ofrece un panorama claro de cómo se puede
llegar de un punto a otro, ayuda a priorizar casos de uso que los ingenieros de la empresa se puedan concentrar software sénior de T-Mobile
y permite poner en perspectiva el futuro cercano frente en el trabajo más valioso.
a las recomendaciones a largo plazo”, sostiene Elaprolu.

Desarrolle (y amplíe) su equipo. Contar con

científicos de datos es fundamental, pero también
hacen falta analistas que puedan transformar los

MANUAL ESTRATÉGICO DE DATOS, ANÁLISIS Y MACHINE LEARNING

10 u
t
Asegúrese de tener los datos necesarios. Disponer de
los datos adecuados (y en buena cantidad) es fundamental
para tener éxito más allá de las POC, que, por definición,
están destinadas a pruebas basadas en una pequeña
cantidad de datos.
“La realidad es que si tenemos una cantidad limitada
de datos y tratamos de llevarla a producción, nos
encontraremos con casos de uso y conjuntos de datos
que no necesariamente coinciden con los que trabajamos
en las POC”, asegura Elaprolu.

Diseñe un proceso de iteración continua. Los

entornos empresariales y las condiciones reales son
dinámicos, por lo que el machine learning no es algo
que pueda adoptarse para luego desentenderse de él.

“Hace falta un proceso continuo de perfeccionamiento

y de implementaciones repetidas de modelos de ML”,
advierte Elaprolu.

Deshágase de las tareas pesadas no específicas.

En lugar de destinar recursos de desarrollo para crear LA INNOVACIÓN EN ESCENA
capacidades desde cero, asóciese con un proveedor
de servicios en la nube que proporcione capacidades
Fórmula 1
centrales de ML. Así, sus equipos propios podrán
En Fórmula 1, el machine learning tiene un “Hay muchos aspectos complejos y muchos
concentrarse en tareas valiosas.
lugar protagonista en la mejora de la experiencia fenómenos físicos de fondo”, afirma. “Pero lo que
La IA de AWS ayuda a los desarrolladores a potenciar de los aficionados a las carreras. Los equipos de se ve en la pantalla es algo sencillo y atractivo,
las aplicaciones, mediante capacidades como el análisis ingeniería de Fórmula 1 han diseñado modelos de que genera mucha emoción y es un punto de
de imágenes y videos, el procesamiento del lenguaje ML que ayudan a los aficionados a comprender contacto palpable con las diferentes cuestiones
natural, las recomendaciones personalizadas y los las decisiones que toman los pilotos o el equipo que suceden a medida que se desarrolla una
asistentes virtuales, sin necesidad de tener experiencia de boxes en fracciones de segundo y que pueden carrera”, detalla.
en machine learning. Además, herramientas como
determinar el resultado de una carrera.
Amazon SageMaker simplifican el proceso de diseño, Si bien el modelo de análisis de Fórmula 1 es
capacitación e implementación de modelos y reducen los Fórmula 1 incorporó el machine learning varios único, el enfoque del equipo de Smedley con
obstáculos que se presentan al inicio. Las herramientas
años atrás. Al principio, los equipos de carreras lo respecto a los datos y al machine learning puede
de aprendizaje como AWS DeepRacer, AWS DeepLens
utilizaban para comprender mejor el rendimiento adoptarse en diferentes sectores.
y AWS DeepComposer permiten a los desarrolladores
introducirse en el mundo de ML. Programas de AWS como de los coches, según Rob Smedley, director de
sistemas de datos de Fórmula 1 y embajador “Creo que en cualquier actividad, lo primero
Machine Learning Solutions Lab y AWS Machine Learning
técnico de AWS. Desde entonces, el equipo de que hay que hacer es analizar los problemas”,
Embark ofrecen una introducción práctica, capacitaciones
y asistencia para la implementación, a fin de ayudarlo a Smedley ha ampliado su uso a la experiencia opina Smedley. Y agrega: “Una vez que se los
poner en marcha el proceso. de los aficionados, con muchas aplicaciones comprende, hay que poner en práctica una
innovadoras que aprovechan el análisis y el ML. estrategia para solucionarlos”.
Por ejemplo, F1 Insights, con tecnología de AWS,
y el evento F1 ProAm DeepRacer.

MANUAL ESTRATÉGICO DE DATOS, ANÁLISIS Y MACHINE LEARNING

11 u
t
 2 Migre
a servicios administrados

3 M
 odernice
1 Deshágase su almacén de datos
de las bases de 4 C
 ree
datos heredadas aplicaciones de vanguardia con
bases de datos personalizadas

5 C
 onvierta
los datos en
información

CINCO pasos para diseñar una base de datos

de vanguardia
Sin un marco organizativo, es fácil sucumbir ante ni analizar de manera efectiva el volumen y la
la cantidad de desafíos y oportunidades que intervienen variedad crecientes de datos, por lo que estos
en el diseño de una base de datos de vanguardia y se terminan almacenando en múltiples silos. Un
basada en la nube. Para facilitar la tarea, AWS creó el enfoque moderno de “casa de lago” incluye un lago
volante de inercia de datos, un marco que aplica los
principios del ciclo de retroalimentación descriptos por
de datos que puede almacenar un volumen ilimitado
de datos en varios formatos, tanto estructurados
Resumen
Jim Collins a una estrategia de administración de datos como no estructurados. Esto permite catalogar los
Los datos, el análisis y el machine
diseñada para maximizar el valor de los datos. datos más fácilmente y los hace accesibles, a la vez
que facilita el análisis en toda la empresa. learning tienen el potencial para
El volante de inercia de datos resume los cinco pasos transformar radicalmente los procesos
fundamentales para el diseño de una base de datos 4. Cree aplicaciones de vanguardia con bases de y los modelos de ingresos de las
de vanguardia y basada en la nube: datos personalizadas. Abandone las aplicaciones
empresas, además de dar lugar a futuras
anticuadas y monolíticas que se ejecutan en bases
1. Deshágase de las bases de datos heredadas. innovaciones. Pero los datos solo son
de datos relacionales multipropósitos para adoptar
Muchas organizaciones aún tienen bases de datos valiosos si se los ponen a trabajar.
sistemas de alta distribución basados en microservicios,
heredadas que están patentadas, son costosas,
que se ejecutan en múltiples bases de datos diseñadas
crean dependencia e imponen condiciones de Para convertirse en una verdadera
para resolver problemas específicos. Este método libera
licencia punitivas. La migración a bases de datos de organización basada en datos, los equipos
a la aplicación de tener que utilizar una única base de
código abierto ofrece una mayor rentabilidad sin de liderazgo deben lograr que los datos
datos sobrecargada para cada caso de uso.
perjudicar el rendimiento ni la disponibilidad.
sean vistos como un activo estratégico.
2. Migre a servicios administrados en la nube. 5. Convierta los datos en información. Los lagos de
datos, los análisis y el machine learning permiten a Esto requiere un cambio cultural. Una
A medida que las plataformas de bases de infraestructura de vanguardia basada
las organizaciones recopilar información inteligente
datos empiezan a escalar, el costo de horas y de en la nube proporciona el escalado,
y precisa de manera más rápida, y permiten a los
administración de TI también puede aumentar. Los
usuarios finales ver y visualizar los datos desde la flexibilidad y la inteligencia que se
servicios de bases de datos administradas y basadas
cualquier dispositivo o aplicación. necesitan para impulsar este cambio y
en la nube reducen el tiempo que se debe invertir en
tareas pesadas no específicas, para que los equipos Estos cinco pasos no son lineales, por lo que las potenciar su empresa.
puedan concentrarse en actividades valiosas. organizaciones tienen la flexibilidad de adaptarlos según
el nivel de dominio de los datos con el que cuentan. Para obtener más información,
3. M
 odernice su almacén de datos. Los almacenes “Puede empezar por cualquiera de ellos, ya que cada haga clic aquí
de datos tradicionales no son capaces de almacenar
uno se basa en el resto”, señala Oberoi.

MANUAL ESTRATÉGICO DE DATOS, ANÁLISIS Y MACHINE LEARNING IDG Communications, Inc.

12 t