Nuestra misión
Contribuir en los procesos de sostenibilidad y equidad, a nivel local, regional y nacional, a través de la planeación, diseño, formulación, implementación, seguimiento y/o evaluación de proyectos empresariales ambientales, económicos, políticos, sociales y culturales, que promuevan la consolidación de una red comunitaria, institucional y gremial, bajo principios éticos y profesionales, trabaje en favor del respeto por la dignidad y el buen vivir.
Nosotros
En el mercado de la analítica en constante evolución, ahora es común que las iniciativas de analítica empresarial reciban el impulso no solo del departamento de TI sino que las decisiones las adoptarán la empresa y el departamento de TI de manera conjunta. No hay duda de que la analítica se ha convertido en algo estratégico para la mayoría de las organizaciones de hoy en día ,y como tal, ha introducido una nueva ola de nuevos consumidores y nuevas expectativas.
Lo que ha cambiado es la forma en que las decisiones deben tomarse en tiempo real y compartirse con una amplia audiencia. El personal está cambiando, y ese cambio trae una nueva forma de trabajar. Se terminaron los días en que los manuales de capacitación circulaban en la oficina. Hoy, el personal espera poder comenzar a trabajar a través de una interfaz intuitiva. Sin embargo, esto no termina allí. Si bien la velocidad y la simplicidad son clave, los líderes empresariales aún tienen altas expectativas en cuanto a la calidad y la seguridad de los datos. Una plataforma analítica centralizada donde la TI desempeñe un papel decisivo sigue siendo un elemento fundamental de cualquier estrategia analítica. La combinación de iniciativas centradas en la empresa y en las TI es el equilibrio idóneo para la innovación.
Creemos que migrar el análisis a la nube es mucho más que solo una elección de implementación: derriba las barreras entre personas, sitios, datos y sistemas para cambiar de manera drástica la forma en que las personas y los procesos interactúan con la información, la tecnología y entre ellos.
Pasado: Historia del análisis
La comparación de estadísticas y el análisis de datos son anteriores a la historia escrita, pero hay algunos hitos importantes que ayudaron a desarrollar la analítica en el proceso que conocemos actualmente.
En 1785, a William Playfair se le ocurrió la idea de un gráfico de barras, que es una de las características básicas (y ampliamente utilizadas) de la visualización de datos. La historia cuenta que él inventó los gráficos de barras para mostrar algunas docenas de puntos de datos.
En 1812, el cartógrafo Charles Joseph Minard planificó las pérdidas sufridas por el ejército de Napoleón en su marcha a Moscú. Comenzando en la frontera polaco-rusa, creó un mapa lineal con líneas gruesas y finas que muestran cómo las pérdidas se relacionaron con el crudo y el frío invierno y el tiempo que el ejército estuvo lejos de las líneas de suministro.
En 1890, Herman Hollerith inventó una "máquina de tabulación", que registraba datos en tarjetas perforadas. Esto permitió que los datos se analizaran más rápido, lo que aceleró el proceso de recuento del censo de EE. UU. de siete años a 18 meses. Esto estableció un requisito empresarial para mejorar constantemente la recopilación y el análisis de datos que aún se aplican hoy en día.
Presente: El análisis hoy
Las décadas de 1970 y 1980 vieron la creación de la base de datos relacional (RDB) y del software Standard Query Language (SQL) que extrapolaría los datos para el análisis on-demand.
A fines de la década de 1980, William H. Inmon propuso la noción de “almacén de datos” donde se puede acceder a la información con rapidez y repetidas veces. Además, el analista Howard Dresner de Gartner calificó la frase "inteligencia empresarial", que allanó el camino para un impulso de la industria hacia el análisis de datos con la intención de comprender mejor los procesos empresariales.
En la década de 1990, el concepto de minería de datos permitió a las empresas analizar y descubrir patrones en conjuntos de datos extremadamente grandes. Los analistas de datos y los científicos de datos acudieron a lenguajes de programación como R y Python para desarrollar algoritmos de aprendizaje automático, trabajar con grandes conjuntos de datos y crear visualizaciones de datos complejas.
En la década de 2000, las innovaciones en la búsqueda en la web permitieron el desarrollo de MapReduce, Apache Hadoop y Apache Cassandra para ayudar a descubrir, preparar y presentar información.
Futuro: El próximo análisis
A medida que las empresas pasaron de ganar visibilidad de datos y exigir más información, las herramientas y sus capacidades también evolucionaron.
Los primeros conjuntos de herramientas de análisis se basaron en los modelos semánticos forjados a partir del software de inteligencia empresarial. Estos ayudaron a establecer un gobierno sólido, análisis de datos y alineación entre las funciones. Un inconveniente fue que los informes no siempre fueron oportunos. Los tomadores de decisiones de negocios a veces no estaban seguros de que los resultados estuvieran alineados con su consulta original. Desde un punto de vista técnico, estos modelos se utilizan principalmente on-premise, lo que los hace ineficientes en cuanto a costos. Los datos también suelen quedar atrapados en silos.
A continuación, encontramos la evolución de las herramientas de autoservicio analíticas avanzadas para un público más amplio. Estas aceleraron el uso de la analítica, ya que no requerían habilidades especiales. Estas herramientas de analítica empresarial de escritorio han ganado popularidad en los últimos años, especialmente en la nube. Los usuarios empresariales están entusiasmados con la exploración de una amplia variedad de activos de datos. Si bien la facilidad de uso es atractiva, la mezcla de datos y la creación de una "versión única de la verdad" se vuelven cada vez más complejas. Las analíticas de escritorio no siempre son escalables a grupos más grandes. También son susceptibles a definiciones inconsistentes.
Más recientemente, las herramientas analíticas están permitiendo una transformación más amplia del conocimiento del negocio con la ayuda de herramientas que actualizan y automatizan automáticamente la detección de datos, la limpieza de datos y la publicación de datos. Los usuarios empresariales pueden colaborar con cualquier dispositivo con contexto, aprovechar la información en tiempo real e impulsar resultados.
Hoy en día, los humanos todavía están haciendo la mayor parte del trabajo, pero la automatización está ganando soporte. Los datos de las fuentes existentes se pueden combinar fácilmente. El consumidor trabaja ejecutando consultas, luego obtiene información al interactuar con representaciones visuales de datos y construye modelos para predecir tendencias o resultados futuros. Todos esto está gestionado y controlado por personas a un nivel muy granular. La inclusión de la recopilación de datos, la detección de datos y el aprendizaje automático brindan al usuario final más opciones en un marco de tiempo más rápido que nunca.
Implantar la analítica empresarial
La analítica impregna todos los aspectos de nuestras vidas. Independientemente de la pregunta que haga, ya sea sobre empleados o finanzas, o qué les gusta o no les gusta a los clientes y cómo eso influye en su comportamiento, la analítica le brinda respuestas y le ayuda a tomar decisiones fundamentadas.
