Evaluar opciones de implementación

Evaluar opciones de implementación 

• Compra o desarrollo: evalúe sus opciones para trabajar con el mejor socio de su clase u optar por el desarrollo interno. 

• Librería: su prototipo de aplicación web puede comenzar con la codificación de una biblioteca de componentes visuales de código abierto para publicarla en un iframe antes de actualizarse a una plataforma de visualización analítica. 

• API: las API REST satisfacen la mayoría de las necesidades, mientras que GraphQL sirve para entornos más especializados. 

• SDK: las revisiones hechas por colegas le permiten confirmar que sus desarrolladores estarán satisfechos con el kit de desarrollo de software del proveedor y los foros de la comunidad. 

• Nube: la incorporación de un servicio de análisis en la nube basado en IA ofrece ventajas para empezar a trabajar rápidamente con funciones avanzadas y, vinculando los costos al uso.

Existen varias consideraciones que le ayudarán a tomar una decisión informada entre la compra o el desarrollo. Es probable que la cultura de productos de su organización tienda a comprar los mejores servicios de terceros o a desarrollarlos con recursos internos. 

Un proceso de desarrollo ofrece a su organización el máximo control sobre el desarrollo de software y la propiedad intelectual. También puede mitigar los costos de adquisición de licencias de software por usuario si prevé escalar a millones de usuarios.

Para una pequeña cantidad de visualizaciones básicas que aparecerán en una aplicación web, puede considerar la incrustación de código fuente de una biblioteca de componentes visuales como D3.js o Material UI compatibles con el lenguaje de programación de software elegido y que se publique como un iframe. Los iframes (abreviatura de inline frames) suelen usarse para insertar contenido en una página web.

Un enfoque de incrustación de código fuente a iframes puede servirle para empezar a trabajar con gráficos sencillos o un prototipo de producto, pero resulta poco práctico y perjudica el rendimiento de las aplicaciones comerciales en comparación con una plataforma de análisis y visualización de primer nivel que admita programación ágil, componentes contenedores y una mayor interactividad. Estos problemas aumentan el riesgo de que el proyecto falle desde un enfoque de desarrollo.

El enfoque de compra funciona bien cuando se desea salir rápidamente al mercado y beneficiarse de la experiencia de un proveedor líder en analítica embebida basada en IA. La nueva generación de analítica embebida basada en IA se integra perfectamente en sus aplicaciones y ofrece análisis potentes e intuitivos. 

La elección de un socio de analítica embebida debe ser compatible con una amplia gama de bases de datos y servicios en la nube, de manera que disponga de opciones de transformación y modelado de datos.

API REST

Las API REST ofrecen una forma flexible y escalable de crear servicios web que pueden ser consumidos por diversos clientes de forma sencilla, como navegadores web, dispositivos móviles y otras aplicaciones. 

Las API REST no tienen estado. Esto significa que el servidor y el cliente no conocen el estado del otro. Cada solicitud contiene toda la información que el servidor necesita para entenderla. Esto permite al servidor y al cliente entender cualquier mensaje enviado, aunque no hayan visto mensajes anteriores. 

Para requisitos de datos complejos y cambios de esquema frecuentes, o una interfaz unificada para acceder a datos de múltiples servicios en una arquitectura de microservicios, podría considerar GraphQL como una alternativa a REST. 

El enfoque orientado al cliente de GraphQL, en comparación con la arquitectura orientada al servidor de la API REST, también puede ser una buena opción para optimizar la velocidad y el ancho de banda de las aplicaciones móviles mediante la combinación de varias solicitudes en una única consulta de red.

Para proteger sus API, necesitará claves API o tokens OAuth. Las claves API pueden ser una buena opción para los datos de solo lectura. Los tokens Oauth dan más opciones para la autorización, pero pueden ser más complejos de implementar.

Si decide integrar las mejores aplicaciones de analítica externa e IA generativa, cabe esperar que proporcionen a sus desarrolladores un kit de desarrollo de software (SDK) sólido y bien documentado. Un buen SDK incluye documentación completa, es fácil de usar y admite compatibilidad de plataforma con Python y TypeScript y otras opciones populares entre los desarrolladores. Sus desarrolladores agradecerán que el proveedor ofrezca foros en la comunidad de desarrolladores para pedir ayuda y colaboración. Gartner Peer Insights y G2 son útiles para consultar reseñas de los colegas.

Las integraciones en la nube son compatibles con los servicios de nube nativos y trasladan una buena parte de la carga del desarrollo y mantenimiento del software a su socio. 

La elección de un servicio de nube para la analítica embebida puede ser ventajosa cuando se necesita integrar capacidades avanzadas de análisis basado en IA de forma rápida y rentable en la aplicación, reducir los gastos generales de desarrollo y mantenimiento, y decantarse por un modelo de suscripción que se adapte al uso frente a las grandes inversiones iniciales necesarias para un enfoque de desarrollo.

Nube para el gobierno: segura y basada en IA

Próximos pasos 

Para obtener más información, con un inicio de sesión gratuito a MicroStrategy.com, explore MicroStrategy Embedding SDK Playground que incluye códigos y componentes de muestra de JavaScript.

Diseñar la experiencia de usuario

Diseñar la experiencia de usuario

• Chatbots: considere la posibilidad de incorporar barras de búsqueda en lenguaje natural potenciadas por IA generativa para la exploración de datos y la generación automática de informes basados en consultas de los usuarios.

• Visualizaciones de datos: integre gráficos y grafos a la perfección en la interfaz de usuario de su aplicación. 

• Navegación: garantice una navegación intuitiva y una representación clara de los datos.

• Roles y permisos: planifique cómo controlar el acceso a los datos y muestre flujos de trabajo específicos para cada función.

Considere la posibilidad de incorporar barras de búsqueda en lenguaje natural potenciadas por IA generativa para la exploración de datos y la generación automática de informes basados en consultas de los usuarios. Puede ser útil incluir algunas preguntas de muestra. 

Parte de la experiencia IA generativa consiste en dar a la gente la opción de hacer preguntas de seguimiento. La avanzada analítica embebida basada en IA permite al usuario no solo formular preguntas en lenguaje natural y hacer clic para ver los datos pertinentes, sino también hacer clic para iniciar acciones integradas vinculadas a flujos de trabajo específicos de cada función.

En el caso de las visualizaciones de datos, el objetivo es integrar gráficos, grafos u otros elementos analíticos a la perfección en la interfaz de usuario de la aplicación. Para garantizar una navegación intuitiva y una representación clara de los datos, la aplicación host, la analítica embebida y la IA generativa deben presentar una experiencia coherente y sin problemas. Es importante etiquetar claramente las fuentes de datos y documentar el linaje de los datos.

Los objetos de analítica embebida que suelen integrarse comienzan con gráficos, datos tabulares que aparecen como una tabla de datos e indicadores clave de rendimiento (KPI) para realizar un seguimiento de lo que está sucediendo con una medida agregada, como las ventas o la cantidad de suscriptores. Estos KPI pueden expresarse en forma de texto dinámico, como “Las ganancias crecieron un 6 % el último trimestre”.

Planifique los roles y los permisos de los usuarios para controlar el acceso. Es preferible que los usuarios hereden los permisos de software de la aplicación host. En el libro de O'Reilly «Embedded Analytics», Donald Farmer y Jim Horbury señalan que “desde el punto de vista de un equipo informático, que se ocupa de cuestiones como la seguridad y la gobernanza de los datos, integrar la analítica en otra aplicación que ya es segura tiene una ventaja sencilla pero significativa. Solo hay que gestionar un entorno y un inicio de sesión; la aplicación de análisis no agrega una capa adicional de complejidad”.

Desarrollo y prueba

Desarrollo y prueba

Querrá traducir la documentación de requisitos del producto (PRD) en un plan de proyecto que incluya lo siguiente:

• Enumere la fuente de los elementos de datos.
• Documente las fuentes de los datos y cualquier suposición que se haya hecho sobre los datos.
• Cree análisis y visualizaciones que resuelvan necesidades del mundo real.
• Implemente un modelo de IA generativa que responda de forma correcta preguntas en lenguaje natural relevantes y, a la vez, minimice el contenido inapropiado.
• Integre con las herramientas DevSecOps de su organización y la elección de Docker, Kubernetes u otra arquitectura de contenedores.
• Admita una cantidad cada vez mayor de usuarios simultáneos gracias a la ampliación horizontal que consiste en agregar más nodos al sistema junto con la ampliación vertical necesaria para agregar procesamiento y memoria al servidor.
• Tenga un sólido plan de pruebas.

Para incorporar personal al proyecto, involucre a desarrolladores familiarizados con las API, el marco elegido y los conceptos de IA generativa. Su organización puede evaluar si contratar este personal de forma interna o contratar servicios profesionales externos.

En Embedded Analytics (Análisis incorporado), Donald Farmer y Jim Horbury ofrecen consejos útiles para la planificación de sus proyectos: “Sugerimos encarecidamente que identifique una serie de proyectos, cada uno de los cuales no lleve más de un trimestre empresarial, y los defina de tal manera que, aunque solo complete el primero, habrá conseguido algo. Cada paso debe aportar valor empresarial y ser, en muchos sentidos, completo en sí mismo”.

Pruebe a fondo la funcionalidad y la experiencia del usuario desde la perspectiva del cliente, incluidas las funciones basadas en IA generativa. Los usuarios deben poder ir y venir entre el servicio de host y la analítica embebida sin tener que pulsar el botón de retroceso del navegador ni volver a cargar el contenido del host.

Es fundamental que pruebe la visualización en dispositivos de escritorio, en dispositivos móviles y en tablets. Su analítica embebida debe proporcionar interacciones fáciles e intuitivas en pantallas de diferentes tamaños, con un tiempo de respuesta lo suficientemente rápido para no interrumpir el flujo de trabajo del usuario.

Implementación y soporte

Una parte integral de su estrategia de lanzamiento serán los enfoques que su organización prefiere para la infraestructura y la seguridad. Es posible que ya haya desarrollado directrices para el uso de la IA generativa que puedan ayudar a establecer límites para la analítica embebida basada en IA.

Considere la posibilidad de realizar programas piloto o pruebas beta con un grupo selecto de interesados internos o clientes externos para recabar opiniones y perfeccionar su producto antes del lanzamiento oficial. Aproveche esta oportunidad para identificar cualquier problema de usabilidad o carencia de funcionalidad que deba abordarse.

Desarrolle un plan de comunicación para informar a las partes interesadas y a los clientes sobre las nuevas funciones de análisis y el uso potencial de la IA generativa. Es útil advertir a los usuarios de que, por desgracia, pueden producirse alucinaciones de IA generativa donde el modelo proporcione información inexacta o incompleta.

Establezca un sistema de soporte para atender las consultas de los clientes y los posibles problemas, que incluya consideraciones específicas sobre la incorporación de la funcionalidad de IA generativa. Cuando trabaje con proveedores externos, decida cómo gestionar de forma interna las preguntas de soporte de nivel uno o dos antes de delegar al proveedor las consultas de soporte más complejas de nivel tres.

Defina indicadores clave de rendimiento (KPI) para medir el éxito del lanzamiento de su producto. Realice un seguimiento de métricas como las tasas de adopción por parte de los clientes, la participación de los usuarios, la satisfacción de los clientes y el crecimiento de los ingresos para evaluar la eficacia de su estrategia de analítica embebida e identificar áreas de mejora.

Introducción a MicroStrategy para la analítica embebida basada en IA

Para profundizar en el potencial de la analítica embebida basada en IA para su organización, explore las páginas de productos de analítica embebida de MicroStrategy y programe una reunión para analizar sus necesidades. La arquitectura abierta y de vanguardia de MicroStrategy, complementada con una completa suite de API, permite a las organizaciones integrar el análisis de manera fluida en cualquier aplicación, plataforma o producto. Esta integración facilita la prestación de experiencias analíticas modernas y de alta calidad basadas en IA, y las convierte en una parte integral de las herramientas diarias que usan los empleados, clientes y socios. 

Para quienes deseen ampliar sus conocimientos en inteligencia empresarial y productos de IA, MicroStrategy ofrece una variedad de programas educativos, incluido un curso introductorio sobre sus soluciones de analítica embebida basada en IA. Respaldada por cientos de empresas globales y agencias del sector público, MicroStrategy se destaca como el mayor proveedor independiente a nivel global de analítica escalable basada en IA, incluso frente a otras empresas de inteligencia empresarial e IA que han pasado por adquisiciones, fusiones o desinversiones. Para entender cómo incorporar inteligencia en las aplicaciones que utiliza su organización, consulte la guía de MicroStrategy sobre analítica embebida.