Language

En épocas no muy antiguas, las empresas luchaban con el almacenamiento de su información de manera física, con el fin de tener registro de lo acontecido y soportar evidencias ante incidentes futuros.

Con el avance de la tecnología llegan los servidores y se comienzan a almacenar datos por motivos estratégicos, normativos o simplemente buenas prácticas.

Más recientemente los proyectos de Business Intelligence utilizan datos históricos para describir comportamientos (analítica descriptiva) de forma dinámica y se convierten en una necesidad generalizada en las organizaciones.

Al incrementarse las capacidades de almacenamiento en nube y lograr una reducción de sus costos nace el concepto de Big Data con un potencial de análisis de información poblacional e identificar comportamientos que a diferencia de los datos muestrales sólo infiere hipótesis.

Surge el interés de hacerse preguntas no de qué pasó, sino de qué va a pasar (analítica predictiva) que incluye modelación matemática y estadística avanzada.

Los modelos deben aprender de forma autónoma y es entonces cuando se incorpora machine learning (aprendizaje de máquinas) a los algoritmos.

Ya no sólo importa saber qué va pasar, si no qué hacer frente a lo que va a pasar (analítica prescriptiva).

Los modelos deben aprender y ser entrenados con data no estructurada como video, audio, texto o imágenes (analítica cognitiva).

Los modelos deben tomar decisiones de forma automática y hacer los procesos más eficientes (bots e inteligencia artificial).