Análisis

6 razones por las que necesita la ciencia de datos como servicio

single-image

La ciencia de datos como servicio, o DSaaS, ha sido noticia pasada por un tiempo, pero se ha convertido en un tema candente nuevamente. En marzo, AWS anunció una asociación con Change Healthcare para ofrecer DSaaS para análisis de salud.

En el mismo mes, el proveedor de soluciones de movilidad Comviva anunció su propia oferta de DSaaS para ayudar a los proveedores de telecomunicaciones con el marketing. En febrero, el proveedor de servicios de datos Calligo adquirió el proveedor de análisis de datos Decisive Data para expandir su oferta de DSaaS.

Con la creciente conciencia de la ciencia de datos como servicio, es importante que las empresas sepan si deben invertir en el servicio y por qué se está considerando.

¿Qué es la ciencia de datos como servicio?

Según Anand Rao, socio y líder global del mercado de IA en PwC, Data Science as a Service es la subcontratación de actividades de ciencia de datos a un proveedor externo.

«El cliente proporciona los datos y DSaaS proporciona al cliente el conocimiento de los datos», dijo.

Es particularmente útil para el trabajo temporal, para cargas repentinas o máximas, o para tareas estandarizadas como ejecutar análisis en informes mensuales o trimestrales, dijo.

Una de las razones por las que es posible que no escuche mucho sobre la ciencia de datos como servicio en estos días es que el término puede significar muchas cosas diferentes. Cubre todo, desde herramientas de análisis integradas en plataformas SaaS populares como Salesforce hasta proveedores especializados que ofrecen modelos prediseñados para aplicaciones comerciales específicas que pueden personalizar y administrar para los clientes hasta implementaciones de consultoría estándar.

Independientemente del tipo de gusto, DSaaS tiene mucho valor para ofrecer a las empresas, tengan o no un equipo de ciencia de datos interno.

DSaaS como IA integrada

Más aplicaciones comerciales tienen capacidades integradas de análisis e inteligencia artificial, dijo Kjell Carlsson, analista principal de Forrester Research.

Cuantos más sistemas diferentes necesite conectar, menos probabilidades tendrá de utilizar la ciencia de datos como servicio.

Kjell CarlssonAnalista principal, Forrester Research

Un equipo de ciencia de datos interno podría potencialmente crear algo más personalizado que estas aplicaciones, dijo.

«Pero es realmente difícil poner estos modelos en manos del usuario final», dijo. «El usuario final ya está utilizando estas aplicaciones empresariales SaaS y el modelo ya está ahí, integrado en su flujo de trabajo».

En muchos casos, según Carlsson, los beneficios de tener un modelo integrado que ya está implementado y que los usuarios pueden aprender fácilmente superan los beneficios potenciales de crear un modelo a medida.

Sin embargo, si los datos están en sistemas diferentes, la escala del desafío de integración puede requerir un esfuerzo interno.

«Cuantos más sistemas diferentes tenga que conectar, menos probabilidades tendrá de utilizar la ciencia de datos como un servicio», dijo Carlsson.

DSaaS como plataforma de inteligencia empresarial

Las suites de inteligencia empresarial general que se proporcionan como un servicio han ampliado cada vez más el BI y la analítica aumentada. Por ejemplo, Tableau Online ofrece análisis de autoservicio en la nube. Microsoft ofrece Power BI como servicio e IBM también ofrece sus herramientas de análisis como servicio.

Dave Costenaro, director de datos de la empresa de mesa de ayuda con tecnología de inteligencia artificial Capacity, utiliza opciones de DSaaS como Tableau para análisis y AWS para almacenamiento de datos.

«La infraestructura para la recopilación y el almacenamiento de datos se puede subcontratar fácilmente a varios proveedores de bases de datos en la nube», dijo.

Las empresas pueden subcontratar pasos individuales del proceso de análisis a proveedores externos, incluso si tienen equipos internos para otras partes.

DSaaS como plataformas de desarrollo de IA

Proveedores como C3.ai ofrecen componentes y módulos de inteligencia artificial prediseñados que las empresas pueden unir para crear sus propias aplicaciones predictivas, dijo Carlsson.

El uso de una plataforma de ciencia de datos externa también puede tener sentido si una empresa tiene un equipo de ciencia de datos interno, ya que permite flexibilidad para escalar modelos según sea necesario y mejorar los entornos de prueba rápidamente. Esto también puede reducir los costos de capital o los costos de licencias, y el proveedor es responsable de garantizar que la infraestructura se mantenga y se actualice.

El uso de una plataforma DSaaS también puede proporcionar acceso a los algoritmos de ciencia de datos patentados del proveedor, dijo Hugh Burgin, jefe de datos e inteligencia artificial de EE. UU. Para Microsoft Services Group en EY.

Sin embargo, existen algunos inconvenientes.

«En un modelo alojado proporcionado por el proveedor, esto a menudo puede parecer una caja negra donde la empresa tiene menos control y visibilidad sobre cómo funcionan las operaciones de datos y la ciencia de datos», dijo. «Para algunas empresas, la compra de ejecutivos que utilizan recursos externos también podría ser un desafío».

DSaaS como servicios de inteligencia artificial o servicios de aprendizaje automático

Los grandes proveedores de la nube y las nuevas empresas centradas en la inteligencia artificial ofrecen modelos listos para usar para la visión, la búsqueda, las recomendaciones, el reconocimiento de voz, el procesamiento del lenguaje natural y otras tareas comunes de ciencia de datos.

Puede ser mucho más rápido y fácil aprovechar estas ofertas en lugar de crear un sistema interno. Sin embargo, podría haber problemas de cumplimiento, privacidad o seguridad que podrían limitar el uso de proveedores externos, dijo Carlsson.

«El equipo de Infosec podría causarle dificultades si los datos tuvieran que salir de sus paredes», dijo.

DSaaS como acelerador de IA

Algunas empresas de DSaaS tienen modelos prediseñados que modifican en función de los datos de una empresa en particular y luego les facturan mensualmente para mantener el modelo actualizado con los datos más recientes, dijo Carlsson.

«Ciertos casos de uso son tan comunes para muchas empresas diferentes que no son un diferenciador para usted», dijo.

Existe una tendencia de que las empresas utilicen estas ofertas digitales fabricadas para respaldar el ciclo de vida de la ciencia de datos, dijo Doug Henschen, vicepresidente y analista principal de Constellation Research.

«En el lado del desarrollo, por ejemplo, vemos servicios de datos que respaldan el entrenamiento de modelos con datos orgánicos y sintéticos», dijo. «En el lado operativo, vemos servicios de monitoreo de modelos diseñados para optimizar la selección y el mantenimiento de modelos».

Los casos de uso comunes son la detección de fraudes en la banca, la gestión de recursos humanos en la atención médica, la gestión estricta en la industria de las telecomunicaciones y la optimización de precios y la orientación al cliente en el sector del comercio electrónico.

Ha visto empresas que utilizan equipos de ciencia de datos internos para experimentar e identificar oportunidades, y luego utilizar un proveedor de DSaaS para escalar esos proyectos.

«He hecho muchos acuerdos a largo plazo que mantienen a las empresas confiando en los proveedores de servicios en lugar de intentar desarrollar la experiencia en ciencia de datos internamente», dijo Henschen. «Si desea invertir en la creación y el mantenimiento de conocimientos sobre ciencia de datos, esto debería darle a la empresa un valor diferenciador claro».

DSaaS como consejo

A las empresas de servicios profesionales también les gusta construir modelos de IA desde cero. Incluso las empresas con equipos de ciencia de datos internos pueden querer contratar una empresa de consultoría para proyectos específicos.

«Incluso si tiene un científico de datos en su equipo, un científico de datos que sepa cómo modelar la visión es raro», dijo Carlsson. «Alguien que sepa cómo construir un modelo de reconocimiento de voz es extremadamente raro».

Además, la creación del modelo también requiere de datos de formación marcados, que una empresa puede no tener en absoluto o solo con un gran esfuerzo.

Una situación común es que una empresa necesite una extracción de texto inteligente para hacer frente a los flujos de trabajo que implican el escaneado de muchos documentos. Ingerir estos documentos, recuperar los datos en un formato que la empresa pueda usar y realizar análisis de texto no son funciones que la mayoría de las empresas probablemente tengan internamente.

También es probable que las empresas utilicen consultores para proyectos puntuales.

«La ciencia de datos como servicio puede proporcionar un éxito rápido en la resolución de un problema comercial rápido», dijo Chandana Gopal, directora de investigación para el futuro de la inteligencia en IDC. «La forma más rápida de generar resultados comerciales si no tiene las habilidades internas necesarias».

La subcontratación también puede tener sentido cuando una empresa no sabe si el proyecto tendrá éxito o no. No tiene sentido contratar un equipo de científicos de datos solo para descubrir que los datos no están produciendo el resultado que desea.

«Entonces puede contratar a un equipo interno una vez que sepa que hay un beneficio comprobado en el uso de científicos de datos», dijo Gopal.

Pero incluso entonces, una empresa de consultoría puede ayudar a llenar ese vacío hasta que una empresa contrate y capacite a su propia gente.

«Y la escasez de trabajadores calificados es tan grande y tan grande que las empresas pueden utilizar proveedores de servicios a largo plazo porque no pueden contratar empleados», agregó Gopal.

El tamaño de la empresa también marca una gran diferencia, dijo Dan Simion, vicepresidente de inteligencia artificial y análisis de Capgemini.

«Si es una pequeña empresa, la ciencia de datos como servicio puede encajar mejor que una gran empresa cuyo equipo interno de ciencia de datos ya está en funcionamiento», dijo.

Una de esas empresas es DayaMed, una startup con sede en Nevada que desarrolla una aplicación de salud móvil. En marzo, la compañía anunció un piloto con Asuntos de Veteranos de EE. UU. Centrado en la gestión y el cumplimiento de los medicamentos, dijo el director ejecutivo de la compañía, Justin Daya.

Para obtener esta ciencia de datos e inteligencia artificial, así como la integración en una aplicación móvil escalable, DayaMed recurrió a SenecaGlobal para la ciencia de datos como servicio.

«Ahora tenemos planes para apuntar a varios sistemas de salud, farmacias, [accountable care organizations], Planes de salud y otros clientes «, dijo Daya.

También te gustará