2019: el año en el que toca entender los datos

Cerramos un año que ha sido bastante significativo en la transformación digital de las empresas, enfocada principalmente a la generación de nuevos modelos de negocio basados en plataformas, monetización de los datos y la optimización/automatización de procesos. El próximo año, esta economía moverá más de 45 mil millones de euros entre las empresas españolas, según informes de IDC, y muchas compañías empiezan a entrar en fases de madurez más o menos interesantes, viendo resultados reales a proyectos tecnológicos que arrancaron hace algunos años.

2019 presenta retos muy interesantes, tanto para empresas como para proveedores a nivel tecnológico. En Keepler hemos querido analizar y reflexionar sobre los distintos ámbitos en los que desarrollamos proyectos, desde la arquitectura cloud, el valor de los datos, los cambios en las formas de trabajo y la visión de negocio de todo este panorama. Especialistas de Keepler en estos ámbitos comparten su percepción de lo que nos depara el próximo año.

Ana Manzanares
Business Development Manager

«EL RETO ES CONSTRUIR Y OPERAR PLATAFORMAS CLOUD CON LOS DATOS EN EL CENTRO DE TODO»

2019 se presenta como un año más que interesante en el mundo IT. Si ya más del 90% de las empresas están moviendo procesos a la nube, según datos recientes de CITO Research, con la barrera de 2020 ya cercana apenas ninguna quedará ajena a esta tecnología, lo que vendrá acompañado de grandes retos relacionados con la construcción y operación de plataformas cloud, así como la parte más importante que reside en ellas: los datos. Tal y como apunta IDC en su informe de predicciones 2019, será el año de consolidación de la transformación digital y ocurrirá a través de los datos.

Si durante el último lustro (quizás la última década) ya se ha puesto de manifiesto la gran importancia de los datos para entender a los usuarios y comprender el negocio de las compañías, durante los próximos tres años se prevé una gran explosión en esta línea: ciudades inteligentes, industria 4.0 con plantas y componentes sensorizados, servicios de IoT en cloud, redes 5G, asistentes conversacionales (Amazon Echo – Apple Homepod – Google Home). Esta será, sin duda, la era de los DATOS: desde el ya casi “commodity” Big Data a los cada vez más presentes servicios de Inteligencia Artificial, principalmente Machine Learning, los grandes players del cloud ponen al servicio de sus clientes cada vez más potencia para monetizar los datos y las empresas tendrán el reto de aprovecharla.

Desde nuestra visión, apostamos por la necesidad de construir plataformas de datos en la nube como el pilar sobre el que poder implementar casos de uso como análisis y mantenimientos basados en la condición de componentes (IoT + Big Data), mantenimientos predictivos (IoT + Big Data + ML), recomendadores de contenidos (Big Data + ML) o bots que permitan consultar un datalake. Pensamos que es en este tipo de proyectos donde encontraremos el challenge para ofrecer a nuestros clientes las claves con las que puedan mejorar sus negocios: si no hay datos no hay valor diferencial.

El enfoque de producto frente a proyecto y conseguir una relación de partnership eficiente entre cliente y proveedor es la forma correcta de construir valor a través de la tecnología, lo que se traduce en un time-to-market reducido y un mayor retorno de la inversión.

Pablo Valiente
Principal Cloud Architect

«LAS PLATAFORMAS Y SUS SOLUCIONES ESTÁN EVOLUCIONANDO EN TORNO A LOS DATOS»

Durante los meses finales de 2018 hemos podido ver la apuesta que perfilan para 2019 los principales proveedores de nube pública y la tendencia parece clara: el foco está en los datos.

Las novedades presentadas han ido orientadas a mejorar y dotar de mayores opciones todas las fases por las que circulan los datos: ingesta, procesado, transformación, almacenamiento, análisis y explotación. Sin duda, los servicios gestionados de machine learning han recibido la otra gran parte del esfuerzo que han volcado los proveedores de nube pública, enfocando su utilización hacia un uso más democrático, de modo que cualquier persona sin un profundo nivel de conocimiento en machine learning pueda aprovechar y beneficiarse de estos servicios.

Pero los datos no han sido la única apuesta. El modelo Serverless es otra de las grandes referencias para este 2019, mejorando y ampliando capacidades tanto a la hora de desplegar nuestras propias funciones como a la hora de ofrecer servicios gestionados en los que nos olvidemos por completo de la infraestructura. Dentro de este grupo de servicios gestionados, gran parte de la atención se la han llevado los contenedores como servicio y los servicios de big data e ingesta de datos gestionados como, por ejemplo, Kafka as a Service.

El otro gran beneficiado ha sido el entorno Internet of Things (IoT), dónde hemos podido ver novedades muy interesantes que muestran que estos servicios van a tener mucha presencia y crecimiento durante todo 2019, lo que favorecerá la creación de muchos más datos y fuentes de las que poder obtener información.

Pero todas estas novedades no vienen solas, ya que paralelamente a la clara apuesta por los datos y los servicios mencionados, cualquier mejora en cualquiera de ellos implica que obligatoriamente se mejoren los servicios de seguridad y monitorización, que constituyen la base fundamental de cualquier entorno de nube pública.

En Keepler estamos observando cómo cada vez más empresas emprenden el camino hacia la transformación digital a través de la nube pública, por lo que creemos que este 2019 será un año de muchas novedades y servicios encaminados a ayudar en este proceso. Muchos servicios que se han anunciado durante el año 2018 no estarán disponibles hasta bien entrado 2019, por lo que estamos seguros de que 2019 será un año muy interesante y desafiante para la nube pública y para trabajar los datos sobre estas plataformas.

Ramiro Manso
Principal Data Scientist

«LOS PERFILES DE DATA TENDERÁN A DIVIDIRSE ENTRE EL ROL DE RESEARCH Y ENGINEER»

Durante este año, y parte del anterior, a nivel de academia e investigación se ha comenzado a tener mucho más presente la necesidad de desarrollar métodos que faciliten la interpretabilidad de modelos de forma más detallada, incluyendo los modelos de deep learning. Este nuevo foco es provocado por numerosos factores, pero probablemente la presencia de cada vez más investigadores de renombre en grandes empresas tecnológicas y los requisitos regulatorios cada vez más estrictos sean dos de las razones principales. Esperamos que este apartado tenga un peso cada vez más significativo, y lo agradecemos, especialmente por el impacto que puede tener la aplicación incorrecta de inteligencia artificial en las personas.

Por otro lado, los roadmaps de los principales frameworks deep learning se alinean entre sí cada vez más, adquiriendo funcionalidades cada vez más similares y un enfoque facilitador del despliegue a producción. Estas diferencias permitirán que cada científico de datos use realmente el frameworks más familiar o cuya API le resulte más cómoda.

La importancia del despliegue a producción es algo que también se detecta en los proveedores de cloud pública, asimilando esas nuevas funcionalidades y preparando los ecosistemas de arquitectura para rodear a las piezas de machine learning de los componentes necesarios para un proyecto completo en forma de mejores (o más simplificados) pipelines, monitorización o con verticales casi preconfiguradas para casos de uso.

A propósito de equipos en empresas, durante estos últimos años, estos equipos de ciencia de datos han ido teniendo que demostrar el valor de la aplicación de técnicas más complejas para analizar información, explorarla y explotarla, gracias a la combinación de tecnología, métodos estadísticos y aplicación de inteligencia artificial. La actual tendencia de grandes empresas, ya demostrado ese valor, es de incorporar estos equipos internamente para aprovechar lo más posible el conocimiento especializado de la información. No obstante, muchas empresas aún no saben asimilar correctamente estos perfiles que, en muchos casos, aún juega «apartado» del resto de equipos.

Finalmente, y más a futuro, la tendencia es que estos perfiles vayan evolucionando a una especialización más dividida entre dos roles: la pura investigación académica de nuevos algoritmos y técnicas, y la conversión a perfiles más «dev», cuyos skills se centren , además de conocer métodos, modelos y librerías, en tecnologías (como servicios cloud, contenedores, apis… ), y cuyo cometido sea especializarse en cómo aplicar correctamente los pipelines cloud para verticales ya configurados y saber ampliar de forma customizada cuando éstas no cubran las necesidades encontradas. En resumen, dividir el rol de cientifico de datos en algo más cercano a un data research y un data engineer.

Para resumir, 2019 empieza a ser un año de maduración de la AI a nivel profesional, tanto para las técnicas, la tecnología, y los equipos, algo que celebramos.

Rubén Plaza
Agile Coach

«AÚN ES NECESARIO CAMBIAR MUCHOS PROCESOS Y PRÁCTICAS PARA PODER HABLAR DE TRANSFORMACIÓN CULTURAL»

Los frameworks y metodologías Agile ya están muy establecidos en el mercado. No es raro encontrar proyectos que ejecutan en Agile, en cualquiera de sus implementaciones. Las ventajas que ofrecen estas metodologías están ya interiorizadas por las empresas; si bien es verdad, en muchos casos no se explotan con la suficiente profundidad para obtener todos los beneficios posibles. Scrum sigue siendo el framework Agile por excelencia, está más asentado y empieza a no ser una novedad. El framework ve afianzado su liderazgo por su uso extensivo, de una manera más o menos purista dependiendo de la madurez de los equipos.

Kanban es la metodología que empieza a estar en boca de todos. La llegada de un organismo oficial certificador de Kanban ha hecho que empiece a coger peso frente a Scrum. Cada vez más personas se plantean obtener una de sus múltiples certificaciones: TKP, KSD o KMP; más aún, al ser el único organismo con carácter oficial e ir de la mano del creador de la metodología, David J. Anderson. Esta tendencia se ve reflejada en que hasta organismos como scrum.org, que centra su trabajo en Scrum, ha sacado una certificación para integrar Scrum con Kanban. Además, cada vez más clientes piden un modelo basado en Kanban, aunque con mucho desconocimiento todavía.

En temas de escalado SAFe sigue siendo el marco más utilizado y demandado por las empresas, al ser un modelo mucho más rígido y con posiciones y roles mucho más definidas que otros frameworks. Esto hace que a empresas tradicionales les resulte más sencilla su adopción frente a otros marcos como LeSS o Nexus. Además, es relativamente sencillo encontrar profesionales con esta certificación frente a las otras del mercado.

A nivel organizativo se empiezan a escuchar con mucha fuerza las nuevas formas de organización. Básicamente se habla de Holocracia y Sociocracia. Cada vez más personas ofrecen ayuda a las empresas para reducir e incluso eliminar la jerarquía, a veces excesiva, de las corporaciones. A nivel empresarial estamos bastante lejos de tener estos modelos organizativos establecidos. Los sistemas jerárquicos están muy arraigados en nuestros hábitos y a pesar de promover prácticas como la autonomía o transparencia, seguimos encontrándonos con empresas con procesos muy burocratizados, y es indispensable cambiar los procesos de una organización para conseguir un verdadero impacto al transformar la cultura.

En 2019 también se espera bastante el nuevo libro de Jurgen Appelo, nuevo libro en el que el creador de Management 3.0 explicará una serie de herramientas para optimizar Lean y Agile desde la perspectiva de negocio.