Siete tendencias se perfilan importantes en 2016. Modelamiento e integración automática de datos. Redes neuronales, deep learning, se masificará. Primeros pasos en el uso de Realidad Virtual para la visualización de información. Potenciamiento de Ciudades Inteligentes e Internet de las Cosas. Mayor uso de data no estructurada en los análisis. Y finalmente, Big Data Analytics en estudiar y analizar problemas sociales y potenciar el desarrollo global.
Modelos automáticos de selección de variables para modelamiento predictivo. El modelamiento predictivo ha sido importante en machine learning y data mining en los últimos años. Pero es necesario contar con expertos y experiencia en este tipo de problemas para llevar a cabo un resultado razonable. Además de la considerable cantidad de tiempo. El trabajo en este tipo de sistemas es el reconocimiento automático de variables y características que permitan a los modelos predictivos aprender las características desde los datos fuentes. Simplificando el proceso de modelamiento, desde los datos fuentes a un modelo con resultados razonables.
Integración automática de datos. El proceso de exploración e integración de datos es uno de los más demandantes en tiempo de dedicación por lo que avances en este campo serán necesarios. Es posible crear algoritmos que extraigan variables desde las relaciones existentes en bases de datos estructuradas. Buscando combinaciones en formas de patrones predefinidos que se encuentran en modelos de datos estándares o de industria.
Deep learning será de uso masivo. Las redes neuronales serán utilizadas cada vez más para diversos problemas. El auge adquirido en los últimos años por su capacidad de aprendizaje y adaptación a diferentes problemas con buenos resultados orientará la rápida adopción de este tipo de tecnología.
Realidad Virtual para la visualización de datos. Avances en la visualización de datos y preocupación por la presentación han sido constantes en los últimos años. Esto sumado al alcance de plataformas para el desarrollo de videojuegos y computación gráfica. El siguiente paso será el uso de dispositivos de realidad virtual (RV) para la visualización de datos, esto permitirá introducirse en los conjuntos de datos para nuevos tipos de análisis utilizando el espacio de análisis otorgado por la RV.
Ciudades Inteligentes e Internet de las Cosas. En 2016 habrá mayor interés por el desarrollo de ciudades inteligentes. Cada año se organizan más hackatones locales buscando aplicaciones que beneficien a la ciudad y a la comunidad local; en un principio había bajo seguimiento de las aplicaciones logradas, pero últimamente esto va cambiando destinando financiamiento para las aplicaciones ganadoras o con mayor potencial. La forma de potenciar el desarrollo de ciudades inteligentes es haciendo uso de la red de datos y dispositivos generados por la Internet de las Cosas. Se verá en 2016 un crecimiento en la incorporación de datos de sensores en hackatones y datos disponibles en plataformas de datos abiertos.
Mayor uso de datos no estructurados. La mayoría de la data disponible en internet es no-estructurada. La incorporación de análisis de texto, redes sociales, geoinformación, grafos, imágenes, audio, etc. Esto mejorará la calidad de la información que las organizaciones tienen de su rendimiento, al ser incorporada en distintos procesos complementará la información proporcionada por los datos estructurados que los principalmente utilizados para insights en las empresas.
Finalmente, big data analytics se utilizará para problemas globales y potenciar el desarrollo. Organizaciones locales e internacionales junto a gobiernos preocupados por el desarrollo local. La apertura de datos facilitará esta tendencia pero será el impulso de organizaciones internacionales junto a emprendimientos sociales quienes liderarán este desarrollo. En 2016 se verá una mayor difusión de los problemas y datos disponibles para estos temas, junto a más instancias de participación e involucramiento.
