Un informe de SQream revela problemas generalizados en el análisis de big data en las empresas

Con el auge de la IA, un nuevo informe revela problemas generalizados con los datos para las empresas debido a los altos costes de funcionamiento y los frecuentes compromisos que hacen que el 98% de las empresas experimenten el fracaso de sus proyectos.

En su informe 2024 State of Big Data Analytics, SQream revela la creciente desconexión para las empresas entre el coste de los proyectos analíticos y el valor operativo que se obtiene, destacando la necesidad de cambiar la forma en que las empresas manejan enormes volúmenes de datos para reducir el «choque de facturas» y evitar el riesgo de fracaso de los proyectos.

La llegada de la computación en la nube, combinada con los recientes avances en IA generativa, ha puesto la analítica de datos y los potentes conocimientos empresariales al alcance de las grandes empresas. Sin embargo, estas dos tendencias tecnológicas también son responsables de la producción de volúmenes de datos masivos y cada vez mayores, lo que hace que los costes de TI aumenten exponencialmente a un ritmo insostenible y sin precedentes.

Para llegar al quid de la cuestión de por qué la analítica de datos está drenando los presupuestos empresariales y cómo cambiar esta situación, SQream encuestó a 300 profesionales senior de gestión de datos de empresas estadounidenses con un gasto anual de al menos 5 millones de dólares o más en nube e infraestructura. A pesar de los ya considerables presupuestos en juego, el 98% de estas empresas seguían experimentando fracasos en proyectos de ML en 2023.

En el pasado, añadir más potencia de cálculo ha sido la forma de obtener mejores resultados de IA. Sin embargo, la encuesta de SQream pone de relieve que hacerlo indefinidamente es un enfoque insostenible para las empresas modernas impulsadas por los datos, ya que la complejidad de las consultas y el volumen de los proyectos se ven comprometidos debido al aumento vertiginoso de las facturas y los costes de TI.

«Esta encuesta subraya la naturaleza generalizada de estos retos de gestión de datos para las grandes empresas», dijo Deborah Leff, Chief Revenue Officer de SQream. «Los directivos reconocen cada vez más el poder transformador de la aceleración en la GPU. El inmenso valor de un salto de un orden de magnitud en el rendimiento es, sencillamente, demasiado valioso para ser ignorado en la carrera por convertirse en una empresa impulsada por la IA.»

El informe State of Big Data Analytics incluye una serie de conclusiones y datos detallados para jefes de equipo, ejecutivos de innovación y profesionales orientados a los datos, entre los que se incluyen:

• La mayoría de las organizaciones experimentan un «choque de facturas» de analítica: Aunque los ciclos de facturación varían de una empresa a otra, cuando se les preguntó con qué frecuencia experimentan «bill shock», el 71% de los encuestados (más de 2 de cada 3 empresas) informaron que se ven sorprendidos por los altos costes de su factura de analítica en la nube con bastante frecuencia, con un 5% experimentando «bill shock» mensualmente, un 25% bimensualmente y un 41% trimestralmente.

• El 41% de las empresas señalan los altos costes como el principal reto: Al igual que ocurre con la analítica de datos, la rentabilidad de los proyectos de ML es clave para el éxito de las predicciones empresariales. Sin embargo, dado que en ML cuanta más experimentación realiza una empresa, mejor es el resultado final – no es de extrañar que el 41% de las empresas considere que los altos costes que conlleva la experimentación de ML es el principal reto asociado a ML y a la analítica de datos en la actualidad.

• El 98% de las empresas experimentaron fracasos de proyectos de ML en 2023: El principal factor que contribuyó a los fracasos de proyectos en 2023 fue la insuficiencia de presupuesto (29%), lo que coincide con los hallazgos de todo el informe. Además de la preocupación por los costes, los otros factores que más contribuyeron a los fracasos de los proyectos fueron la preparación deficiente de los datos (19 %) y la limpieza deficiente de los datos (19 %).

• 3 de cada 4 ejecutivos quieren añadir más GPU en 2024: el 75% de los encuestados afirma que añadir instancias de GPU a su pila de análisis será lo que más repercuta en sus objetivos de análisis de datos e IA/ML en 2024.

• Cerca de la mitad de los encuestados admitieron que comprometen la complejidad de las consultas: El 48% de los encuestados admitió haber comprometido la complejidad de las consultas en un esfuerzo por gestionar y controlar los costes de la analítica – especialmente en relación con los recursos en la nube y las cargas de computación. El 92% de las empresas está trabajando activamente para «redimensionar» el gasto en análisis en la nube.

«Para avanzar en el futuro competitivo de la IA, las empresas necesitan garantizar que más proyectos de big data lleguen a la línea de meta. El compromiso constante, incluyendo el tamaño de los conjuntos de datos y la complejidad de las consultas, es un factor de riesgo enorme que los líderes corporativos deben abordar para cumplir eficazmente con los objetivos estratégicos», dijo Matan Libis, VP de Producto de SQream.