los Transform Technology Summits comienza el 13 de octubre con Low-Code / Sin Code: Habilitación de la agilidad empresarial. ¡Regístrate ahora!


En los últimos años, los datos han sido el producto más candente del mundo. El dinero ha gravitado hacia las empresas que lo recopilan, las empresas que lo analizan y las empresas de infraestructura de datos que proporcionan la plomería digital que lo hace posible.

En los últimos cinco años, las nuevas empresas de infraestructura de datos por sí solas han recaudado más de $ 8 mil millones de capital de riesgo, a un valor agregado de $ 35 mil millones.

Conocemos los nombres de las empresas más grandes del sector; Incluyen Databricks, Copo de nieve, Confluente, MongoDB, Segmento, Looker, y Oráculo.

Pero, ¿para qué sirven realmente?

La mayoría de los inversores hablarán sobre cómo los datos, en teoría, pueden usarse para derivar tendencias. Otros pueden hablar sobre cómo los datos cambiarán el mundo, sin llenar los espacios en blanco sobre cómo.

No estoy en desacuerdo. He trabajado e invertido en empresas de datos durante toda mi carrera.

Pero creo que les falta algo importante. Se avecina una poderosa disrupción; quizás, el más poderoso desde que se inventó el procesamiento computarizado de transacciones en 1964. El procesamiento predictivo de transacciones está a punto de cambiar el modelo de los últimos 57 años de computación y cambiar la forma en que vivimos, trabajamos, compramos y nos entretenemos.

Para que las empresas sigan siendo relevantes y competitivas, no solo necesitan poder predecir el comportamiento y las preferencias del cliente, sino que también necesitan confiar en transacciones predictivas para automatizar la mayoría de sus interacciones comerciales, es decir, tomar acciones automatizadas mientras venden o atienden al cliente. .

Un nuevo modelo transformador

Desde los albores de la informática, el procesamiento de transacciones se ha realizado de la misma manera. El usuario realiza una solicitud, la solicitud se procesa y, si tiene suerte, luego se analizan las opciones del usuario.

Esto es lo que sucede en muchas plataformas en la actualidad.

Cuando compro un producto de Amazon, el aprendizaje automático se puede utilizar para hacer recomendaciones. Pero la decisión de compra es fundamentalmente algo que yo, el cliente, debo tomar. Cuando navego por Netflix, sugerirá algorítmicamente contenido que me gustaría ver, pero una vez más debo tomar la decisión de presionar reproducir.

A esto lo llamamos «inteligencia artificial», pero creo que no es lo suficientemente inteligente. La verdadera transformación ocurrirá cuando pasemos a un modelo de computación predictiva.

Imagínese esto: acaba de llegar a casa del trabajo y un camión de reparto de Amazon llega a su puerta con los 25 artículos del hogar, desde alimentos secos hasta productos de limpieza, que necesitará esa semana, informado por su perfil de cliente en profundidad. . Cualquiera de los elementos que no necesita (una ocasión poco probable dado el aprendizaje automático mejorado) puede devolverse fácilmente: información que se agrega a la base de datos y mejora continuamente el aprendizaje del motor y la capacidad de predecir su comportamiento.

El caso de uso es claro: cuando las transacciones pasan de mejorar las decisiones (es decir, artículos de paquete recomendados) a predecir decisiones de compra, los consumidores podrán dejar que Amazon maneje sus compras diarias, devolviéndoles tiempo en sus ocupadas vidas. En términos de logística, la tecnología de entrega de última milla garantizará que las personas obtengan lo que desean cuando lo necesitan, aliviando la congestión del tráfico causada por los camiones de entrega actualmente obstaculizados por plazos inciertos y clientes no disponibles.

Dados los sofisticados activos logísticos y de datos de Amazon, este escenario no es difícil de imaginar. Amazon tiene datos sobre sus hábitos de compra de toda una vida de compras. Tiene los datos de su tarjeta de crédito. Y tiene la capacidad incomparable de enviar mercancías rápidamente a escala.

Lo mismo puede ser cierto para Netflix y otras plataformas de entretenimiento como Spotify. Ellos conocen nuestros hábitos, así que ¿por qué esperar a que les digamos lo que ya saben antes de entretenernos?

Como dice Benedict Evans, una computadora nunca debe hacer una pregunta cuya respuesta sepa.

Esto, sin embargo, es sólo el comienzo. El modelo de procesamiento predictivo de transacciones no es solo una oportunidad para mejorar nuestras vidas, los sistemas existentes y los modelos comerciales. Será fundamental para desbloquear las tecnologías transformadoras del futuro.

Tomemos los vehículos autónomos, por ejemplo. No vamos a alcanzar la autonomía de “Nivel 5” si el automóvil solo tiene sus propios sensores integrados en los que confiar. Necesitamos todos los automóviles, desde los impulsados ​​por humanos hasta los vehículos de aprendizaje en la nube, para que los riesgos en la carretera se calculen utilizando los datos recopilados por cada vehículo autónomo. Y necesitamos que este cálculo sea predictivo, para dirigir nuestros vehículos en previsión de los peligros que se avecinan. Al actuar utilizando el modelo predictivo, basado en datos, los accidentes automovilísticos pueden ser cosa del pasado.

Las transacciones predictivas se volverán cruciales para las industrias, desde el comercio y el entretenimiento de DTC hasta el transporte, la logística e incluso la atención médica, ya que cada uno puede aprovechar los beneficios de esta visión increíblemente incisiva de su clientela / base de clientes y sus hábitos.

Colocando los bloques de construcción en su lugar

Ya hay empresas que están dando pasos tentativos hacia el futuro predictivo.

En particular, está el TikTok de ByteDance. Con ingresos de 34.000 millones de dólares en 2020, es la aplicación de procesamiento predictivo de transacciones más rentable jamás creada. Abra la aplicación y se le presentará un flujo interminable de videos cortos de reproducción automática. Mientras observa, el algoritmo aprenderá lo que le gusta basándose no en su preferencia declarada, sino en su preferencia revelada.

En otras palabras, si pasa más tiempo viendo videos de mascotas que personas cantando o realizando acrobacias, la aplicación le mostrará más mascotas, sin que tenga que presionar reproducir o escribir palabras en un cuadro de búsqueda.

Las empresas que se están construyendo hoy deben seguir el ejemplo de ByteDance e invertir y desarrollar las tecnologías clave que nos llevarán hacia el modelo de procesamiento predictivo de transacciones.

Como parte del cambio de las interacciones instrumentadas por el usuario a las decisiones tomadas por los sistemas de aprendizaje y los datos, necesitaremos reorganizar y rediseñar toda la pila de tecnología.

Por ejemplo, necesitaremos modelos de aprendizaje automático mejorados que sean más precisos en sus predicciones, ya que las ganancias marginales marcarán la diferencia cuando se distribuyan en cascada a través de una cadena logística. También necesitaremos sistemas de aprendizaje que puedan mirar hacia atrás y corregir errores anteriores, de modo que los errores no se agraven.

También necesitaremos reemplazar las vacas sagradas que se han mantenido durante mucho tiempo, como los estándares J2EE que han desanimado el comercio electrónico durante una generación. Las aplicaciones basadas en el aprendizaje de datos son muy diferentes a las basadas en la base de datos relacional tradicional. También necesitaremos nuevas herramientas de desarrollo y depuración, como nuevos lenguajes de programación de nivel inferior para permitirnos interrogar datos de manera más eficaz.

La integración de aplicaciones también aumentará en complejidad, ya que las aplicaciones estarán completamente impulsadas por los datos en lugar del diseño.

Y, en última instancia, será necesario un cambio radical en la confiabilidad de las aplicaciones de procesamiento de transacciones en tiempo real. Para que los datos predictivos sean fundamentales para la misión, necesitamos plataformas y productos que reduzcan el tiempo de inactividad, permitan la recuperación instantánea y tengan capacidades de conmutación por error automáticas.

La verdadera oportunidad

La revolución del procesamiento predictivo de transacciones es inminente. Puede que sea la innovación más emocionante que jamás haya visto la informática empresarial. Cuando los bloques de construcción tecnológicos encajen en su lugar y las aplicaciones finalmente lleguen al mercado, el impacto se sentirá de inmediato.

El número de transacciones en plataformas predictivas se disparará. Habrá enormes oportunidades para mejorar la eficiencia de los sistemas existentes y un rol lucrativo para el ecosistema de empresas que crean el middleware que lo hace posible. Y las plataformas empresariales SaaS que dominan en la actualidad correrán el riesgo de volverse obsoletas.

Así que es hora de adoptar el procesamiento predictivo de transacciones, y los inversores inteligentes aprenderán una lección de este nuevo paradigma: es hora de mirar hacia adelante y tomar decisiones ahora sobre dónde poner su dinero sabiendo lo que se avecina.

Alfred Chuang es socio general en Capital de la carrera (Databricks, FTX, Solana, Opaque), donde invierte fuertemente en infraestructura de datos. Antes de esto, fue cofundador y ex presidente y director ejecutivo de BEA Systems y dirigió su adquisición por parte de Oracle por $ 8,6 mil millones.

VentureBeat

La misión de VentureBeat es ser una plaza urbana digital para que los responsables de la toma de decisiones técnicas obtengan conocimientos sobre tecnología transformadora y realicen transacciones. Nuestro sitio ofrece información esencial sobre tecnologías y estrategias de datos para guiarlo a medida que dirige sus organizaciones. Te invitamos a convertirte en miembro de nuestra comunidad, para acceder a:

  • información actualizada sobre los temas de su interés
  • nuestros boletines
  • contenido exclusivo de líderes de opinión y acceso con descuento a nuestros preciados eventos, como Transformar 2021: Aprende más
  • funciones de red y más

Hágase miembro

Author

Write A Comment