X

Entérate cómo la nube y las nuevas tecnologías habilitan la transformación en los negocios y en la sociedad

Anuncio de las nuevas innovaciones de Oracle Analytics Cloud

This is a syndicated post, view the original post here

Automatización del flujo de trabajo de la analítica para ayudar a los usuarios a predecir resultados mediante mejores interacciones con los datos.

Por T.K. Anand*

Me complace anunciar un conjunto de nuevas capacidades para Oracle Analytics Cloud proporcionar a todos los empleados, no solo a los especialistas en datos, una analítica de autoservicio fácil de usar. Los clientes pueden ahora experimentar interacciones con sus datos a través de mapas, análisis visuales de canasta de mercado y dispositivos móviles para identificar más rápidamente patrones y relaciones que les permitan predecir los resultados y tomar decisiones más rápidas.

Las mejoras de Oracle Analytics Cloud incluyen tecnología de machine learning explicable, la preparación de datos para transformar datos específicos del cliente en información de calidad, analítica de texto integrado, análisis de afinidad, conocimiento de referencia personalizado, analítica de gráficos, analítica de mapas personalizadas, consultas de lenguaje natural y narrativas, así como una nueva aplicación móvil.

-Lee más: La Premier League elige Oracle Cloud para analizar datos de fútbol en tiempo real

"La innovación de Oracle en la automatización basada en la IA en todas las fases de la analítica y la inteligencia empresarial ofrece información, recomendaciones y acciones en el contexto de las actividades de toda la empresa que aceleran los resultados deseados", comentó Dan Vesset, Vicepresidente del Grupo de Analítica y Gestión de la Información de IDC.
Nuevas innovaciones en Oracle Analytics Cloud

Las nuevas capacidades clave incluyen:

•    Machine learning explicable: Cualquier usuario ahora puede ver simples explicaciones de los factores que influyeron en un modelo de machine learning para predecir un determinado resultado. Además, pueden interactuar con un modelo, ajustando los factores para afinar los resultados. Por ejemplo, de todos los factores que influyeron en la denegación de una solicitud de préstamo bancario, los usuarios pueden ver rápidamente cuáles fueron los más determinantes y por qué.

•    Preparación automatizada de datos: Un motor de elaboración de perfiles de datos muestra y escanea datos para identificar e informar proactivamente a los usuarios sobre posibles problemas de calidad de datos, como sugerir automáticamente la ofuscación de información confidencial de tarjetas de crédito o del número de seguro social. Puede enriquecer los códigos postales con datos de ciudades, poblaciones, ingresos, etnias y pagos para proporcionar un análisis de ubicación más profundo. Los usuarios pueden enriquecer aún más los datos cargando más datos específicos de la empresa, como regiones de ventas, zonas de entrega o categorías de productos.

•    Analítica de textos: La analítica de textos permite extraer palabras de datos no estructurados, contarlas, visualizar los resultados y luego unir esa analítica con sus datos originales para poder profundizar en cualquier nivel de detalle. Por ejemplo, el análisis de sentimientos utiliza la analítica de textos para determinar si los comentarios son negativos, positivos o neutros, lo que permite a los usuarios comprender cómo se percibe su marca o cómo se está llevando a cabo el lanzamiento de un producto en función del texto en encuestas o en las redes sociales.

•    Análisis de afinidad: Descubre las relaciones en tus datos identificando conjuntos de elementos que a menudo aparecen juntos. Esta técnica de extracción de datos también se conoce como aprendizaje de reglas de asociación. Una aplicación común y útil es el análisis de la canasta de mercado en bienes de consumo o banca minorista, donde los usuarios pueden obtener la probabilidad de que diferentes productos sean comprados juntos para tomar decisiones de marketing. A la hora de desarrollar promociones, los minoristas suelen buscar combinaciones más populares para elaborar sus estrategias a fin de aumentar las ventas de productos. Por ejemplo, los compradores que adquieren cereales también suelen comprar leche al mismo tiempo. Comprender esta co-ocurrencia de artículos ayuda a los minoristas a gestionar mejor la distribución de la tienda, las ofertas de cupones y las ventas cruzadas, y es valioso para el marketing directo, las promociones de ventas y el descubrimiento de tendencias comerciales.

•    Analítica de gráficos: Muestra las relaciones de datos de forma visual, como la forma en que las personas y las transacciones están conectadas o la distancia más corta entre dos centros en una red.  Utilizando Oracle Analytics Cloud, cualquier persona puede analizar fácilmente datos gráficos en Autonomous Data Warehouse. Cuenta con aplicaciones poderosas en una variedad de dominios, desde marketing y redes sociales hasta seguridad y cumplimiento normativo. Por ejemplo, la búsqueda de rutas permite a un usuario encontrar el camino más corto entre dos puntos; otro uso común de la analítica de gráficos es clasificar y medir la importancia de las páginas web.  

•    Analítica de mapas personalizada: La analítica de mapas ofrece a los usuarios la capacidad de aplicar imágenes personalizadas como fondos de mapas y crear capas de mapas para mejorar las visualizaciones de datos. Por ejemplo, los médicos pueden visualizar datos en una imagen del cuerpo humano para identificar las áreas que requieren atención y rastrear visualmente el impacto de la medicación u otros tratamientos. Los mapas se pueden cargar en OAC o alojarse en un servidor web como fondo dinámico utilizando el protocolo Web Map Service (WMS) y las capas de mosaico XYZ. Permite a los clientes utilizar información de mapas a la que podrían no tener acceso en su empresa, como esquemas meteorológicos y de construcción, y presentarla fácilmente con sus datos empresariales.

•    Nueva aplicación móvil de Oracle Analytics: La nueva aplicación móvil de Oracle Analytics permite a los usuarios encontrar datos de forma rápida y sencilla, todas estas capacidades con una experiencia de usuario consistente en Oracle Analytics Cloud y en la aplicación. Les permite interactuar con visualizaciones de datos, explorar dashboards y compartir información entre equipos para una mayor colaboración. También pueden escuchar narraciones de audio generadas en lenguaje natural de los puntos más destacados de informes, dashboards y visualizaciones.

•    Procesamiento del lenguaje natural: Oracle Analytics Cloud permite consultar datos en lenguaje natural utilizando una experiencia de búsqueda sencilla, utilizando texto o voz, y obteniendo narraciones habladas de los resultados. Admite 28 idiomas diferentes y diversas construcciones lingüísticas, como sinónimos, abreviaturas, filtros dinámicos y cálculos. Los usuarios pueden escribir, enviar mensajes de texto o hablar en voz alta para hacer preguntas como, "¿cuál es la tasa de rotación de nuestros empleados este mes?” y obtener un panel de deserción de empleado a cambio. Oracle Analytics Cloud no solo acepta el lenguaje natural como aporte, sino que también genera narraciones en lenguaje natural que explican los resultados de la consulta. Dispone de un motor de generación de lenguaje natural integrado que comprende el contexto de los datos que un usuario está consultando y actualiza automáticamente la narración a medida que el usuario añade datos, cambia los filtros o cambia de otro modo el contexto como en un proceso típico de descubrimiento y análisis de datos.

En resumen, ahora ofrecemos un conjunto más detallado de capacidades que potencian todo el flujo de trabajo analítico, desde conectarse a una fuente de datos, transformarlos, prepararlos, modelarlos, explorarlos y compartir los resultados con otros usuarios, todo ello dentro de una experiencia de usuario rica y atractiva.  

Estas últimas actualizaciones reflejan nuestro enfoque en la innovación y responden a las necesidades de nuestros clientes. Es por eso que estamos particularmente entusiasmados con la posibilidad de que nuestros clientes puedan compartir datos y análisis en forma de "historias de datos", todo ello a través de una única plataforma de analítica en la nube extensible que permita crear experiencias visuales personalizadas con poco o ningún código.

*T.K. Anand es Vice-Presidente Senior de Analytics en Oracle

Be the first to comment

Comments ( 0 )
Please enter your name.Please provide a valid email address.Please enter a comment.CAPTCHA challenge response provided was incorrect. Please try again.