Estamos viendo un gran crecimiento en el análisis en tiempo actual, desde empresas que brindan experiencias interactivas ágiles dentro de su aplicación hasta aquellas que realizan procesos de aprendizaje automático semiautónomos o autónomos. Las empresas brindan a sus usuarios información y datos en tiempo actual con el objetivo de tomar medidas inmediatas. Esta es la tendencia de análisis en tiempo actual que estamos viendo en la industria de SaaS. Estamos viendo un gran crecimiento en el análisis en tiempo actual y la cantidad de empresas de SaaS en realidad se dedican a desarrollar análisis e IA.
En el espacio de seguridad, COVID ha empujado a muchas empresas a trabajar desde casa y los equipos de seguridad tienen la tarea de proteger un área mucho más grande de infraestructura que incluye el correo electrónico, las oficinas en el hogar y sus entornos de pink. Y lo están haciendo al mismo tiempo que hay una ola de ciberataques más sofisticados. Y, por lo tanto, más empresas están buscando soluciones de análisis de seguridad para ayudarlos a navegar por eso.
En logística, una encuesta de McKinsey mostró que el 85% de los encuestados realmente lucharon con tecnologías digitales ineficientes en su cadena de suministro. Por lo tanto, más empresas buscan una mayor comprensión y también buscan nuevas áreas de riesgo que están surgiendo como resultado de COVID. Estamos viendo empresas llegar al mercado donde brindan visibilidad de extremo a extremo en la cadena de suministro.
Las empresas de SaaS de ventas y advertising están mostrando un gran crecimiento con los bots conversacionales, los esfuerzos de personalización y más soluciones de orientación centradas en papel en análisis. Entonces, Gong, por ejemplo, en el área de ingresos, está ayudando a aumentar la productividad de los equipos de ventas al automatizar muchos de los procesos manuales de actualización de su solución CRM. Como estamos viendo con Slack y Gong y otras soluciones, la IA y el análisis realmente están fomentando una mayor productividad en esos equipos.
¿Qué es el análisis en tiempo actual?
Hay cuatro características principales de análisis en tiempo actual:
Baja latencia de datos: este es el tiempo desde que se generan los datos hasta que están disponibles para análisis. Por ejemplo, con una empresa de logística, quieren optimizar las rutas en tiempo actual utilizando los últimos datos de GPS, clima e inventario para optimizar las rutas. Si hay un retraso en la obtención de esos datos, puede resultar en decisiones de ruta subóptimas.
Baja latencia de consulta: los usuarios de aplicaciones quieren aplicaciones rápidas, rápidas y receptivas con las que consultan e interactúan. Uno de nuestros clientes B2B estableció su estándar para la latencia de consultas de análisis en tiempo actual porque debe ser la velocidad de Instagram. Si piensas en Instagram, te estás desplazando por la aplicación, te muestra imágenes y movies relevantes de los usuarios de esa aplicación y todo se obtiene mediante un algoritmo.
Análisis complejo: debe unir y agregar datos en varias líneas de productos para poder comprender mejor las relaciones. Esto requiere sistemas que puedan admitir agregaciones y uniones a gran escala, así como búsquedas.
Escala: si es una empresa de SaaS, desea tener la misma experiencia rápida y receptiva para sus clientes a medida que aumenta la cantidad de usuarios en su aplicación.
Desafíos que enfrentan los creadores de aplicaciones
Los sistemas de análisis no se diseñaron para la velocidad: muchos sistemas de análisis se crearon para consultas por lotes y lentas, por lo que es un desafío adaptar estos sistemas para los requisitos de consultas de latencia de milisegundos del análisis en tiempo actual y hacerlo de una manera eficiente.
Crecimiento en datos semiestructurados en constante cambio: si una empresa de SaaS ve que muchos comienzan con un algoritmo de aprendizaje automático inicial o un conjunto de análisis que están incorporando en su aplicación y quieren poder expandir esas capacidades con el tiempo, pero la iteración es un desafío cuando hay datos semiestructurados en constante cambio que requieren una cantidad significativa de ingeniería de rendimiento para cumplir con los requisitos de latencia que necesita.
Complejidad de los sistemas operativos a escala: muchas empresas con las que hemos trabajado dijeron que han administrado sistemas de datos distribuidos a gran escala… y simplemente no quieren volver a hacerlo. Quieren que sus equipos de ingeniería lean se concentren en crear sus aplicaciones y no en administrar la infraestructura. Así que estamos viendo que los desarrolladores quieren sistemas que sean rápidos, flexibles y fáciles para el análisis en tiempo actual.
El crecimiento sin precedentes de la demanda de análisis en tiempo actual en SaaS se debe a las crecientes expectativas de los clientes y la expansión de datos, y los desarrolladores de aplicaciones enfrentan desafíos cada vez mayores para incorporar sus propias soluciones de análisis en sus aplicaciones. Aprender más acerca de cómo 3 empresas de SaaS crearon análisis en tiempo actual a escala.
