Club-BPM - Gestión, Automatización, Inteligencia de Procesos y Transformación Digital
   

Siguenos en:
Club-BPM en Linkedin
Club-BPM en Twitter
Club-BPM en Facebook
 
 
Quiénes
Somos
Observatorio y
Recursos BPM
Centro de Estudios
y Certificaciones
España
Latinoamérica

Metodología BPM:RAD®

Videos

             

 

  Estudio
 


Magic Quadrant para analíticas y plataformas de inteligencia empresarial

Fuente:Gartner
Autor: Cindi Howson, Rita L. Sallam, James Laurence Richardson, Joao Tapadinhas, Carlie J. Idoine, Alys Woodward
Traducción del Inglés

 
 

Resumen

Las plataformas modernas de inteligencia de negocios y análisis representan las principales compras, con implementaciones cada vez más basadas en la nube. Los líderes de datos y análisis están actualizando las soluciones tradicionales y expandiendo las carteras con nuevos proveedores a medida que el mercado innova en facilidad de uso y análisis aumentado.

Supuestos de planificación estratégica

Para 2020, la analítica aumentada, un paradigma que incluye consultas y narraciones en lenguaje natural, preparación de datos aumentada, análisis avanzados automatizados y capacidades de descubrimiento de datos basados ​​en imágenes, será un impulsor dominante de nuevas compras de inteligencia empresarial, análisis y ciencia de datos y aprendizaje automático de plataformas y de análisis integrados.

Para 2020, la cantidad de usuarios de las plataformas de analítica e inteligencia de negocios modernas que se diferencian por las capacidades de descubrimiento de datos de realidad aumentada crecerá al doble de la tasa y ofrecerá el doble del valor comercial de aquellas que no lo son.

Para 2020, la generación de lenguaje natural y la inteligencia artificial serán una característica estándar del 90% de las plataformas modernas de inteligencia empresarial.

Para 2020, el 50% de las consultas analíticas se generarán a través de búsquedas, procesamiento de lenguaje natural o voz, o se generarán automáticamente.

Para 2020, las organizaciones que ofrecen a los usuarios acceso a un catálogo curado de datos internos y externos obtendrán el doble del valor comercial de las inversiones analíticas que aquellos que no lo hacen.

Hasta 2020, la cantidad de científicos de datos ciudadanos crecerá cinco veces más rápido que la cantidad de científicos expertos en datos.

Definición / descripción del mercado

El descubrimiento de datos basado en la vista es una característica definitoria de la plataforma moderna de análisis e inteligencia de negocios (BI). Esta ola de interrupción comenzó alrededor de 2004, y desde entonces ha transformado el mercado y las nuevas tendencias de compra, de informes de sistemas de registro centrados en TI (SOR) a análisis ágiles centrados en el negocio con autoservicio. Las plataformas modernas de análisis y BI se caracterizan por herramientas fáciles de usar que admiten una gama completa de capacidades analíticas de flujo de trabajo. No requieren una participación significativa de TI para predefinir los modelos de datos por adelantado como un requisito previo para el análisis y, en algunos casos, generará automáticamente un modelo de datos reutilizable (consulte "Technology Insight para Modern Analytics y Business Intelligence Platforms"). Un motor de columnas en memoria autocontenido facilita la exploración, pero también la creación rápida de prototipos. Las plataformas analíticas y de BI modernas pueden optar por fuentes de estructuras de datos tradicionales modeladas por TI para promover el gobierno y la reutilización en toda la organización. Muchas organizaciones pueden comenzar sus esfuerzos de modernización mediante la ampliación de estructuras modeladas por TI de forma ágil y combinándolas con fuentes de datos nuevas y multiestructuradas. Mientras tanto, otras organizaciones pueden usar el motor analítico dentro de la plataforma moderna de análisis y BI como alternativa a un almacén de datos tradicional. Este enfoque generalmente solo es apropiado para organizaciones pequeñas o medianas con datos relativamente limpios de una cantidad limitada de sistemas fuente. El aumento en el uso de los lagos de datos y el almacenamiento lógico de datos también encaja con las capacidades de una moderna plataforma de análisis y BI que puede ingerir estas fuentes de datos menos modeladas (ver "Derivar valor de Data Lakes usando patrones de diseño de Analytics").

Gartner rediseñó el Cuadrante Mágico para plataformas de BI y análisis en 2016, para reflejar este cambio de más de una década. La transición multianual a la analítica moderna ágil y orientada a los negocios ahora es general, con un crecimiento de dos dígitos; mientras tanto, el gasto para BI tradicional ha estado disminuyendo desde 2015, cuando Gartner dividió por primera vez estos dos segmentos de mercado. Inicialmente, gran parte del crecimiento en el mercado de BI y análisis moderno fue impulsado por los usuarios de negocios, a menudo a través de pequeñas compras hechas por individuos o dentro de unidades de negocio. Sin embargo, a medida que este mercado ha madurado, la TI ha impulsado cada vez más (con la influencia de los usuarios comerciales) la expansión de estas implementaciones como una forma de ampliar el alcance del análisis de autoservicio, pero de una manera escalable.

El abarrotado mercado analítico y de BI incluye todo, desde jugadores veteranos y de gran tecnología hasta startups respaldadas por enormes cantidades de capital de riesgo. Los proveedores de plataformas de BI tradicionales han desarrollado sus capacidades para incluir el descubrimiento de datos moderno basado en la imagen que también incluye la gobernanza. Entretanto, los proveedores más nuevos continúan desarrollando las capacidades que una vez se centraron principalmente en la agilidad, ampliándolas a una mayor gobernabilidad y escalabilidad, así como a la publicación y el intercambio. Lo ideal para los clientes es tener capacidades de Modo 1 y Modo 2 (ver Nota 1) en una sola plataforma, con interoperabilidad y promoción entre los dos modos.

Tan disruptivo como el descubrimiento de datos basado en la visión ha sido para el BI tradicional, una tercera ola de interrupción ya ha comenzado en forma de análisis aumentado, con el aprendizaje automático que genera información sobre cantidades de datos cada vez mayores. Los proveedores que han aumentado el análisis como diferenciador pueden obtener precios superiores para sus productos (consulte "Análisis aumentados es el futuro de los datos y análisis").

Este Cuadrante Mágico se centra en productos que cumplen los criterios de una plataforma de análisis y BI moderna (consulte "Technology Insight para Modern Analytics y Business Intelligence Platforms"), que están impulsando la mayoría de las nuevas compras principales netas en el mercado actual. Los productos que no cumplen con los criterios modernos necesarios para su inclusión aquí (debido a los requisitos iniciales para TI para predefinir modelos de datos, o porque están centrados en informes) están cubiertos en nuestra Guía de mercado para plataformas de informes empresariales tradicionales.

Las medidas de éxito compuestas de la encuesta de referencia del cliente Magic Quadrant se citan a lo largo del informe. Los participantes de la encuesta de clientes de referencia calificaron a los vendedores en cada métrica; estos se definen en la Nota 2.

.

Los cinco casos de uso y 15 capacidades críticas de una plataforma de análisis y BI

Definimos y evaluamos 15 capacidades del producto en cinco casos de uso principales, como se detalla a continuación:

 
1-Aprovisionamiento de BI centralizado ágil: admite un flujo de trabajo ágil habilitado por TI, desde datos hasta contenido analítico administrado y administrado centralmente, utilizando las capacidades autónomas de administración de datos de la plataforma.

 2-Análisis descentralizado: admite un flujo de trabajo desde datos hasta análisis de autoservicio. Incluye análisis para unidades de negocios individuales y usuarios.

 3-Governed Data Discovery: admite un flujo de trabajo desde análisis de datos a autoservicio a SOR, contenido gestionado por TI con gobernabilidad, reutilización y capacidad de promoción del contenido generado por el usuario a datos certificados y contenido de análisis.

 4-OEM o BI integrado - Admite un flujo de trabajo de datos a contenido de BI incorporado en un proceso o aplicación.

 5-Implementación de Extranet: admite un flujo de trabajo similar al aprovisionamiento de BI centralizado ágil para el cliente externo o, en el sector público, el acceso de los ciudadanos al contenido analítico.

Los vendedores se evalúan de acuerdo con las 15 capacidades críticas enumeradas a continuación. Los cambios, adiciones y eliminaciones de las capacidades críticas del año pasado se enumeran en la Nota 3. Los subcriterios para cada capacidad se incluyen en un documento RFP publicado (consulte "Toolkit: BI y plataforma de análisis RFP"). Se analiza con más detalle qué tan bien las plataformas de nuestros proveedores de Magic Quadrant admiten estas capacidades críticas en "Capacidades críticas para plataformas de inteligencia empresarial y análisis".

Infraestructura

 1-Administración, seguridad y arquitectura de la plataforma BI. Capacidades que permiten la seguridad de la plataforma, administrando usuarios, auditando el acceso y la utilización de la plataforma, y ​​garantizando una alta disponibilidad y recuperación ante desastres.

 2-Cloud BI. Capacidades de plataforma como servicio y de aplicación analítica como servicio para crear, implementar y gestionar aplicaciones analíticas y analíticas en la nube, basadas en datos tanto en la nube como en las instalaciones.

 3-Conectividad e ingestión del origen de datos. Capacidades que permiten a los usuarios conectarse a datos estructurados y no estructurados contenidos en varios tipos de plataformas de almacenamiento (relacionales y no relacionales), tanto locales como en la nube.

Gestión de datos

1-Gestión de metadatos. Herramientas para permitir a los usuarios aprovechar un modelo semántico y metadatos comunes. Estos deberían proporcionar una forma robusta y centralizada para que los administradores busquen, capturen, almacenen, reutilicen y publiquen objetos de metadatos como dimensiones, jerarquías, medidas, indicadores de desempeño / indicadores clave de rendimiento (KPI), también informen objetos de diseño, parámetros, etc. Los administradores deben tener la capacidad de promover una combinación de datos y metadatos definidos por el usuario de la empresa a los metadatos SOR.

2-Extracción autónoma, transformación y carga (ETL) y almacenamiento de datos. Capacidades de plataforma para acceder, integrar, transformar y cargar datos en un motor de rendimiento autónomo, con la capacidad de indexar datos y gestionar cargas de datos y actualizar la programación.

3-Preparación de datos de autoservicio. "Arrastre y suelte" una combinación de datos de distintas fuentes impulsada por el usuario, y la creación de modelos analíticos, como medidas, conjuntos, grupos y jerarquías definidos por el usuario. Las capacidades avanzadas incluyen autodescubrimiento semántico habilitado para aprendizaje automático, combinaciones inteligentes, creación de perfiles inteligentes, generación de jerarquía, linaje de datos y combinación de datos en diversas fuentes de datos, incluidos datos multiestructurados.

4-Escalabilidad y Complejidad del Modelo de Datos. El grado en que el motor en memoria o la arquitectura en la base de datos maneja grandes volúmenes de datos, modelos de datos complejos, optimización del rendimiento y grandes despliegues de usuarios.
.

Análisis y creación de contenido

Análisis Avanzado para Citizen Data Scientist. Permite a los usuarios acceder fácilmente a las capacidades analíticas avanzadas que son autónomas dentro de la plataforma mediante opciones basadas en menús o mediante la importación e integración de modelos desarrollados externamente.

Paneles analíticos. La capacidad de crear paneles y contenido altamente interactivos con exploración visual y análisis avanzado y geoespacial integrados para ser consumidos por otros.

Exploración Visual Interactiva. Permite la exploración de datos a través de una serie de opciones de visualización que van más allá de los gráficos básicos de tarta, barra y línea para incluir mapas de calor y de árboles, mapas geográficos, diagramas de dispersión y otros elementos visuales de propósito especial. Estas herramientas permiten a los usuarios analizar y manipular los datos al interactuar directamente con una representación visual de los mismos para mostrarlos como porcentajes, bins y grupos.

Descubrimiento de datos aumentados. Encuentra, visualiza y narra automáticamente hallazgos importantes, como correlaciones, excepciones, clusters, enlaces y predicciones en datos que son relevantes para los usuarios sin necesidad de construir modelos o escribir algoritmos. Los usuarios exploran datos a través de visualizaciones, narración generada en lenguaje natural, búsqueda y tecnologías de consulta en lenguaje natural (NLQ).

Exploración móvil y creación. Permite que las organizaciones desarrollen y entreguen contenido a los dispositivos móviles en modo de publicación y / o interactivo, y aprovecha las capacidades nativas de los dispositivos móviles, como la pantalla táctil, la cámara y la percepción de la ubicación.

Compartir los hallazgos

Incrustar contenido analítico. Capacidades que incluyen un kit de desarrollador de software con API y soporte para estándares abiertos para crear y modificar contenido analítico, visualizaciones y aplicaciones, incrustándolos en un proceso empresarial y / o una aplicación o portal. Estas capacidades pueden residir fuera de la aplicación, reutilizando la infraestructura analítica, pero deben ser accesibles de manera sencilla y fluida desde el interior de la aplicación sin forzar a los usuarios a cambiar de sistema. Las capacidades para integrar análisis y BI con la arquitectura de la aplicación permitirán a los usuarios elegir en qué parte del proceso de negocio deben integrarse los análisis.

Publicar, compartir y colaborar en contenido analítico. Capacidades que permiten a los usuarios publicar, implementar y operacionalizar contenido analítico a través de varios tipos de salida y métodos de distribución, con soporte para búsqueda de contenido, programación y alertas. Estas capacidades permiten a los usuarios compartir, debatir y rastrear información, análisis, contenido analítico y decisiones a través de hilos de discusión, chat y anotaciones.

Las capacidades generales de la plataforma también se evaluaron:

Facilidad de uso, atractivo visual e integración del flujo de trabajo. Facilidad de uso para administrar e implementar la plataforma, crear contenido, consumir e interactuar con el contenido, así como el grado de atractivo visual del producto. Esta capacidad también considera el grado en que las capacidades se ofrecen en un único producto y flujo de trabajo, o en múltiples productos con poca integración.

Magic Quadrant
Figure 1. Magic Quadrant for Analytics and Business Intelligence Platforms

.


 
 

Siga el enlace para seguir leyendo este estudio: https://www.sisense.com/gartner-magic-quadrant-business-intelligence/

 

 

 

El Libro del BPM y la Transformacion Digital - Club-BPM