Innovar, acertar con cada nueva propuesta y ser competitivo depende de la capacidad del negocio para mejorar y para adaptarse a las nuevas circunstancias. Las organizaciones que lo consiguen son las que saben cómo medir la satisfacción del cliente.

A diferencia del modelo relacional, unabase de datos multidimensionalestá optimizada para el procesamiento analítico en línea (OLAP) y el almacenamiento de datos. Esto lo consigue gracias a su estructura. La arquitectura de una base de datos de este tipo se compone de una combinación de datos de fuentes diversas que trabajan de forma simultánea ofreciendo redes, jerarquías, matrices y otras clases de formato de datos.

El diseño de procesos ETLes una de las tareas más importantes dentro de todas las que se llevan a cabo al construir un data warehouse.  Se trata de una actividad compleja, que requiere mucho tiempo y consume la mayor parte de los esfuerzos y recursos de implementación del proyecto de data warehouse.

En lo concerniente a calidad de datos, muchas organizaciones se confían pensando que con una buena herramienta de limpieza y perfilado tienen suficiente. Algunas más maduras entienden que, además de la tecnología, es importante el refuerzo de la cultura de empresa, donde el establecimiento de la propiedad sobre los datos es uno de los pasos clave. Sin embargo, sólo los líderes se han dado cuenta de que el aseguramiento de la calidad de los datos corporativos es una cuestión que implica también a la estructura de la organización.

El diseño de un modelado de datos es el principio de una mejora notable en los resultados de negocio, en la comunicación empresarial y en el rendimiento técnico. No obstante, para lograr este nivel de éxito hace falta conseguir que las interrelaciones lógicas y los flujos de datos entre los distintos elementos de datos queden bien representadas. Conocer el tipo de datos y el formato en que éstos serán requeridos es importante en este proceso, aunque también hace falta tener en cuenta algunas mejores prácticas.

¿Cómo lograr que un ordenador interprete una emoción? ¿Cómo conseguir que el cerebro humano pueda procesar exabytes de información en minutos?

Hoy día, gracias a las soluciones cognitivas es posible que una computadora entienda casi como lo haríamos las personas y que el usuario al otro lado de la pantalla, con el apoyo de un software como Watson, pueda aprovecharse de todo el conocimiento que al análisis de datos automatizados le brinda.

La complejidad de los datos sigue aumentando, las plataformas de computación aumentan de potencia y tamaño, y, a la vez, se observa una tendencia que cobra fuerza en el análisis predictivo y la analítica avanzada. Tiene que ver con el uso de las GPU, que están siendo adoptadas a gran velocidad para resolver algunos de los desafíos que el analytics comienza a plantear a las organizaciones.

Un Data Lake es lo más parecido a una versión mejorada del data warehouse que permite el almacenamiento y procesamiento de datos en grandes volúmenes. A diferencia de lo que sucedía en aquél, el lago de datos permite que los datos se recojan de forma directa, en formato nativo y sin ser sometidos a ninguna transformación previa, antes de que los conjuntos de datos se utilicen con fines analíticos.

Cuando la robótica, la impresión 3D, la analítica de datos, el internet de las cosas y la inteligencia artificial se unen, el mundo físico y el virtual se fusionan, formando un todo. Esa realidad es el nuevo escenario de los negocios, es el marco de trabajo de la empresa 4.0que tiene sus raíces en la industria 4.0 pero con algunas adaptaciones.

¿Sabes qué cuentas de clientes puedes perder inminentemente? ¿Tienes idea de quiénes de tus empleados están ya enviando su CV a la competencia? Watson lo sabe. Diréis... elemental. Pero quizás no lo sea tanto. Porque esta herramienta de IBM tiene mucho poder, tanto que deja atrás a otras soluciones de inteligencia empresarial.