Qlik: “La transformación solo ocurre cuando haces algo diferente y creas valor”

Qlik, empresa líder en análisis de datos, celebra su 30º aniversario este año. Con un enfoque innovador en la visualización y el análisis de datos, Qlik ha empoderado a miles de empresas a tomar decisiones más inteligentes y estratégicas. Para conocer más sobre la empresa y su visión de futuro, entrevistamos a James Fisher, Chief Strategy Officer de Qlik. Fisher, con una amplia experiencia en el sector tecnológico.

¿Quién es James Fisher?

James Fisher es el Director de Estrategia en Qlik, y cuenta con una década de experiencia en la empresa. Su trayectoria profesional se remonta a roles clave en SAP y Business Objects antes de iniciar su carrera en PricewaterhouseCoopers, donde estaba especializado en gestión de rendimiento, análisis, datos y tecnología.

Fisher posee una amplia experiencia en desarrollo de productos. Anteriormente se desempeñó como Director de Producto en Qlik hasta que el año pasado, cuando asumió su actual rol de director estratégico.

Esta transición refleja el panorama empresarial en evolución de Qlik, destacando los avances tecnológicos, la escalabilidad del equipo y la innovación de productos bajo el liderazgo de Fisher. Su experiencia multifacética y profundo conocimiento de la industria lo posicionan como una fuerza impulsora detrás del éxito continuo y las estrategias adaptativas de Qlik.

Adquisición de Kyndi y datos no estructurados

– Adquirieron Kyndi recientemente, una empresa especializada en datos no estructurados. ¿Podría explicar la importancia de estos datos en el contexto de la adopción de inteligencia artificial en las operaciones empresariales y los beneficios que conlleva?

Si echamos la vista atrás en la evolución del espacio de datos y análisis, hemos hablado mucho sobre los desafíos tradicionales como el volumen, la velocidad, la variedad y la veracidad de los datos. Sin embargo, con la llegada de la inteligencia artificial, especialmente la inteligencia artificial generativa, el panorama ha cambiado por completo. Nos enfrentamos a un volumen y una velocidad de datos que antes no eran contemplados, y en el caso específico de la inteligencia artificial generativa, la veracidad y la complejidad de los datos no han sido completamente abordadas. ¿Por qué es esto relevante? Pues bien, las organizaciones de hoy en día manejan enormes cantidades de datos estructurados, para los cuales han desarrollado herramientas y análisis eficaces. Sin embargo, también tienen a su disposición vastas cantidades de datos no estructurados, como documentos, informes o interacciones en redes sociales, que contienen un valor significativo para comprender tanto la organización como el mercado en el que operan.

En este sentido, nuestra inversión en Kyndi responde a la necesidad de extraer más información de estos datos no estructurados. Creemos firmemente que al combinar estos datos con los estructurados, podemos ofrecer un conjunto de insights mucho más completo y contextualizado, que a su vez permitirá una toma de decisiones empresariales más informada y estratégica. En definitiva, ese es nuestro objetivo principal.

– ¿Cómo se integra la información de datos no estructurados en el análisis de datos estructurados? ¿Cómo se combinan?

Con Kyndi, proporcionamos una capacidad similar a la que ha tenido históricamente para ofrecer una búsqueda empresarial dentro de esos datos no estructurados. Recolectamos esos datos, los analizamos y ofrecemos una capacidad de búsqueda empresarial, para luego fusionar esas entradas con los datos estructurados ya existentes en la nube de Qlik. Nuestra integración y, en última instancia, nuestro objetivo es incorporar la tecnología de Kyndi en la plataforma de nube de Qlik, para así poder unir esas capacidades dentro de la nube de Qlik.

Principales tendencias en IA para 2024

– Qlik ha publicado las principales tendencias en IA para 2024. En ese contexto, hablas sobre las pruebas de ADN para los datos, como para saber cuán limpios están esos datos para trabajar en IA. ¿Cómo funcionaría esta prueba de ADN para los datos?

Uno de los mayores desafíos con la IA, especialmente con la IA generativa, es la confianza en los datos subyacentes. Esto ha sido particularmente importante en el ámbito de la IA, pero también ha sido un aspecto crucial en el campo de la analítica durante mucho tiempo. Por lo tanto, hemos desarrollado históricamente un conjunto de capacidades avanzadas para comprender la procedencia de esos datos. Estas capacidades incluyen la trazabilidad de datos, un catálogo de IA, un glosario empresarial y herramientas de evaluación de salud, que ayudan a determinar la utilidad, precisión y confiabilidad de los datos. Luego, comunicamos a los usuarios los posibles usos de esos datos, brindándoles información como la última actualización, la presencia de errores, el cumplimiento de formatos específicos y quién más está utilizando esos datos. Esto ayuda a guiar su uso futuro. Al comprender estos aspectos y al aprovechar las herramientas de calidad de datos y preparación de datos, podemos mejorar y enriquecer la calidad de las ideas generadas por la IA generativa, minimizando errores y alucinaciones dentro de los datos.

– Me gustaría abordar dos aspectos respectos en el comunicado de prensa sobre las principales tendencias en IA para 2024. En primer lugar, ¿cuáles son las habilidades necesarias para que los profesionales tengan éxito en el futuro del trabajo en análisis de datos? Y en segundo lugar, ¿qué consejo daría a un joven profesional que está comenzando su carrera como analista de datos?

Cuando se trata realmente de la noción de IA y análisis en general, la alfabetización de datos ha sido una barrera enorme para que las organizaciones obtengan valor de su información. Y hay dos elementos en eso. El primer elemento realmente se trata de saber cómo trabajar, preparar, crear, ideas analíticas que pueda utilizar para generar respuestas a preguntas. Lo mismo se aplica a cómo construir un modelo, cómo entrenar un modelo y de las formas correctas para hacerlo, cómo desplegar un modelo, cómo proteger la propiedad intelectual asociada con el desarrollo del modelo. Todas esas cosas son críticamente importantes.

El otro elemento tiene mucho que ver con el usuario final y con la noción de confiar en los insights que se le da. Siempre digo que la transformación solo ocurre cuando haces algo diferente y creas valor. Si sigues haciendo lo mismo una y otra vez, nunca cambiarás o seguirás obteniendo los mismos resultados. Una de las mayores barreras para crear valor a partir del análisis no es necesariamente la calidad de los insights en sí misma, sino realmente lo que las personas hacen con ella. Entonces, ¿cómo haces que esos insights sean ejecutables? ¿Cómo haces que se confíe en ellas y cómo haces que las personas confíen en lo que los datos les están diciendo, en lo que el tablero de instrumentos les está diciendo? ¿Qué les dice la IA?

Se trata de una combinación de la tecnología adecuada que aprovecha incluso las capacidades de IA dentro de los conjuntos de productos para reducir las barreras de entrada, para impulsar más su consumo en términos de la tecnología en sí misma. Pero también esa experiencia, ese conocimiento empresarial que viene con hacer las preguntas correctas, saber cómo interpretar los resultados completamente y nuevamente, saber cómo probar hipótesis también.

En cuanto al segundo punto, algunos de los consejos que les doy, creo que es muy fácil para las personas que ingresan al mundo de los datos y el análisis pensar en la tecnología. Es muy fácil pensar en la capacitación del producto, aprender cómo funciona un producto. Y luego podré ser bueno en análisis de datos. Y hay una cierta cantidad de verdad en eso. La tecnología es críticamente importante, pero entender la alfabetización en datos e IA, entender qué hace una buena visualización, entender cómo estructurar una pregunta para obtener el resultado correcto, entender el dominio en el que desea estar, también creo que es igualmente importante. Entonces, enfocarse en la tecnología, pero no centrarse únicamente en la tecnología, sino que además, entender la alfabetización en datos y análisis, entender cuáles son las mejores prácticas. Eso enriquecerá su trabajo y sus perspectivas en el futuro.

Lanzamiento de Qlik Stage

– Hablemos sobre el lanzamiento de Staige por parte de Qlik. ¿Cuáles son los desafíos típicos que enfrentan las empresas al implementar inteligencia artificial en sus procesos?

Ese es un punto de partida excelente. Sin embargo, al implementar inteligencia artificial, surgen una serie de desafíos diversos. En muchos aspectos, nuestro enfoque con Qlik Staige está diseñado para abordar cada uno de ellos. En primer lugar, está el tema fundamental de obtener los datos correctos. La inteligencia artificial, en particular, no puede funcionar sin datos confiables y de calidad. Con el constante cambio y la creciente variedad de datos, es esencial asegurarse de que sean confiables. Por lo tanto, establecer una base sólida de datos es el primer desafío al que se enfrentan las organizaciones y es algo en lo que necesitan centrarse. Además, deben enfocarse en mejorar la calidad de esos datos y en cómo gestionarlos. Qlik, con nuestras capacidades de integración de datos, calidad y gobierno, proporciona esa base sólida para la inteligencia artificial.

En segundo lugar, está la cuestión de cómo aumentar el uso de las herramientas disponibles dentro de la organización. Muchas empresas aún luchan por obtener valor de los paneles de control que construyeron hace años. Si bien las interfaces de lenguaje natural y otras tecnologías están facilitando el acceso a los datos, todavía hay una serie de mejoras, como el uso de tecnologías de bajo código y la capacitación de analistas comerciales en lugar de solo científicos de datos, que pueden hacer que los datos sean más accesibles y útiles para más personas.

Finalmente, están los casos de uso más avanzados de la inteligencia artificial. Hay varias formas de pensar en cómo aplicar la inteligencia artificial generativa, como la implementación de LLMs. Pero elegir la mejor opción de implementación puede ser complicado, especialmente cuando se trata de combinar datos estructurados y no estructurados. Aquí es donde las inversiones de Qlik, como Kyndi, pueden ser de gran ayuda para los clientes.

Por lo tanto, los desafíos clave que enfrentan las empresas al implementar inteligencia artificial son establecer una base sólida de datos, aumentar el uso de herramientas disponibles y abordar los casos de uso más avanzados.

Información sectorial y novedades en Qlik Connect Orlando 2024

– Me gustaría saber, ¿en qué sectores visualiza Qlik las mayores oportunidades de crecimiento?

Operamos a nivel global. Tenemos clientes en diversas industrias alrededor del mundo, de todas las dimensiones. Lo que resulta particularmente relevante en este momento es la pregunta sobre el uso de la inteligencia artificial generativa. Si bien tenemos fortalezas destacadas en el sector público, gubernamental, tecnológico y minorista, considero que esta ola de innovación en torno a la inteligencia artificial generativa está en marcha en todas partes, en todos los sectores y en organizaciones de cualquier tamaño. Esto nos brinda una oportunidad excepcional.

– ¿Qué innovaciones veremos en Qlik Connect Orlando 2024?

Lo más emocionante que veremos es todo lo que estamos logrando con Kyndi al integrar datos estructurados y no estructurados para generar nuevos conocimientos. Anunciamos la adquisición en enero y estaremos presentando los nuevos productos en Qlik Connect. Además, habrá una variedad de otras innovaciones mientras consideramos el flujo completo de datos.

Especialmente nos enfocamos en cómo podemos ayudar a los clientes a crear productos de datos, enriquecer el ciclo analítico, y proporcionar datos para casos de uso de IA y IA generativa. Así que la idea de productos de datos será algo que esperamos compartir, junto con nuestra visión y planificación, y esperamos demostrar algunas tecnologías interesantes en Orlando en junio.