{"id":24993,"date":"2021-10-18T14:08:32","date_gmt":"2021-10-18T20:08:32","guid":{"rendered":"https:\/\/otech.uaeh.edu.mx\/noti\/?p=24993"},"modified":"2021-10-18T14:09:48","modified_gmt":"2021-10-18T20:09:48","slug":"el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021","status":"publish","type":"post","link":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/","title":{"rendered":"El aprendizaje autom\u00e1tico, la inteligencia artificial y el panorama de datos de 2021"},"content":{"rendered":"<aside class=\"mashsb-container mashsb-main \"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Ha sido un a\u00f1o caluroso\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"http:\/\/46eybw2v1nh52oe80d3bi91u-wpengine.netdna-ssl.com\/wp-content\/uploads\/2021\/10\/2021-ML-AI-Data-Landscape-V2.pdf\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">en el mundo de los datos, el aprendizaje autom\u00e1tico y la inteligencia artificial.<\/span><\/span><\/a><\/span><\/aside>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Justo cuando pensaba que no pod\u00eda crecer de manera m\u00e1s explosiva, el panorama de datos \/ IA simplemente lo hizo: el r\u00e1pido ritmo de creaci\u00f3n de la empresa, el lanzamiento de nuevos productos y proyectos emocionantes, una avalancha de\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2021\/09\/30\/vcs-invested-over-75b-in-ai-startups-in-2020\/\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">financiamientos<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0de\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2021\/09\/30\/vcs-invested-over-75b-in-ai-startups-in-2020\/\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">capital<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0de\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2021\/09\/30\/vcs-invested-over-75b-in-ai-startups-in-2020\/\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">riesgo<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0, creaci\u00f3n de unicornios, OPI, etc.<\/span><\/span><\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Tambi\u00e9n ha sido un a\u00f1o de m\u00faltiples hilos e historias entrelazados.<\/span><\/span><\/span><!--more--><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Una historia ha sido la maduraci\u00f3n del ecosistema, con los l\u00edderes del mercado alcanzando una gran escala y aumentando sus ambiciones de dominar el mercado global, en particular a trav\u00e9s de ofertas de productos cada vez m\u00e1s amplias. <\/span><span style=\"vertical-align: inherit;\">Algunas de esas empresas, como Snowflake, han prosperado en los mercados p\u00fablicos (consulte nuestro\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/madindex\/\" target=\"_blank\" rel=\"noreferrer noopener\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">\u00edndice de empresas p\u00fablicas MAD<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0), y otras (Databricks, Dataiku, DataRobot, etc.) han recaudado grandes cantidades (\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2021\/09\/08\/what-databrickss-1-6b-funding-round-means-for-the-enterprise-ai-market\/\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">o en el caso de Databricks), gigantes<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0) rondas en valoraciones multimillonarias y est\u00e1n llamando a la puerta de la OPI (consulte nuestro\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/emergingmad\/\" target=\"_blank\" rel=\"noreferrer noopener\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">\u00cdndice de empresas emergentes MAD<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0).<\/span><\/span><\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Pero en el otro extremo del espectro, este a\u00f1o tambi\u00e9n ha visto la r\u00e1pida aparici\u00f3n de una nueva generaci\u00f3n de datos y nuevas empresas de aprendizaje autom\u00e1tico\u00a0 <\/span><\/span><strong><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">.\u00a0<\/span><\/span><\/strong><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Ya sea que se fundaron hace unos a\u00f1os o unos meses, muchos experimentaron un crecimiento acelerado en el \u00faltimo a\u00f1o. <\/span><span style=\"vertical-align: inherit;\">En parte se debe a un entorno rabioso de financiaci\u00f3n de capital riesgo y parte, m\u00e1s fundamentalmente, se debe a los puntos de inflexi\u00f3n del mercado.<\/span><\/span><\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">El a\u00f1o pasado, hubo menos discusiones que acapararon los titulares sobre las aplicaciones futuristas de la IA (veh\u00edculos aut\u00f3nomos, etc.) y, como resultado, un poco menos de exageraci\u00f3n de la IA. <\/span><span style=\"vertical-align: inherit;\">Independientemente, las empresas de aplicaciones basadas en datos y ML \/ AI han seguido prosperando, en particular aquellas que se centran en casos de tendencias de uso empresarial. <\/span><span style=\"vertical-align: inherit;\">Mientras tanto, gran parte de la acci\u00f3n ha estado sucediendo detr\u00e1s de escena en el lado de la infraestructura de datos y ML, con categor\u00edas completamente nuevas (observabilidad de datos, ETL inverso, tiendas de m\u00e9tricas, etc.) que aparecen o se aceleran dr\u00e1sticamente .<\/span><\/span><\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Para realizar un seguimiento de esta evoluci\u00f3n, este es nuestro octavo panorama anual y el \u201cestado de uni\u00f3n\u201d del ecosistema de datos e inteligencia artificial, en coautor\u00eda este a\u00f1o con mi colega de FirstMark,\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/twitter.com\/john_d_wu\" target=\"_blank\" rel=\"noreferrer noopener\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">John Wu<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0. <\/span><span style=\"vertical-align: inherit;\">(Para cualquier persona interesada, aqu\u00ed est\u00e1n las versiones anteriores:\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/a-chart-of-the-big-data-ecosystem\/\" target=\"_blank\" rel=\"noreferrer noopener\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">2012<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0,\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/the-state-of-big-data-in-2014-a-chart\/\" target=\"_blank\" rel=\"noreferrer noopener\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">2014<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0,\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/big-data-landscape\/\" target=\"_blank\" rel=\"noreferrer noopener\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">2016<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0,\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/bigdata2017\/\" target=\"_blank\" rel=\"noreferrer noopener\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">2017<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0,\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/bigdata2018\/\" target=\"_blank\" rel=\"noreferrer noopener\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">2018<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0, 2019:\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/data2019\/\" target=\"_blank\" rel=\"noreferrer noopener\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Parte I<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0y\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/2019trends\/\" target=\"_blank\" rel=\"noreferrer noopener\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Parte II<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0, y\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2020\/10\/21\/the-2020-data-and-ai-landscape\/\" target=\"_blank\" rel=\"noreferrer noopener\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">2020<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> ).<\/span><\/span><\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Para aquellos que han comentado a lo largo de los a\u00f1os lo incre\u00edblemente ocupado que est\u00e1 el gr\u00e1fico, les encantar\u00e1 nuestro nuevo acr\u00f3nimo: aprendizaje autom\u00e1tico, inteligencia artificial y datos (MAD): \u00a1este es ahora oficialmente el panorama MAD!<\/span><\/span><\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">A lo largo de los a\u00f1os, hemos aprendido que esas publicaciones son le\u00eddas por un grupo amplio de personas, por lo que hemos intentado proporcionar un poco para todos: una vista macro que, con suerte, ser\u00e1 interesante y accesible para la mayor\u00eda, y luego un poco m\u00e1s granular. <\/span><span style=\"vertical-align: inherit;\">descripci\u00f3n general de las tendencias en la infraestructura de datos y ML \/ AI para personas con un mayor conocimiento de la industria.<\/span><\/span><\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Notas r\u00e1pidas:<\/span><\/span><\/span><\/p>\n<ul style=\"text-align: justify;\">\n<li><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Mi colega John y yo somos capital de riesgo en etapa inicial en\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/firstmarkcap.com\/\" target=\"_blank\" rel=\"noreferrer noopener\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">FirstMark<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0e invertimos de manera muy activa en el espacio de datos \/ IA. <\/span><span style=\"vertical-align: inherit;\">Las empresas de nuestra cartera est\u00e1n se\u00f1aladas con un (*) en este art\u00edculo.<\/span><\/span><\/span><\/li>\n<\/ul>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Vamos a profundizar en.<\/span><\/span><\/span><\/p>\n<h2 style=\"text-align: justify;\"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">La vista macro: dar sentido a la complejidad del ecosistema<\/span><\/span><\/span><\/h2>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Comencemos con una visi\u00f3n de alto nivel del mercado. <\/span><span style=\"vertical-align: inherit;\">Dado que el n\u00famero de empresas en el espacio sigue cada a\u00f1o, las preguntas inevitables son: \u00bfPor qu\u00e9 est\u00e1 sucediendo esto? <\/span><span style=\"vertical-align: inherit;\">\u00bfCu\u00e1nto tiempo puede continuar? <\/span><span style=\"vertical-align: inherit;\">\u00bfPasar\u00e1 la industria por una ola de consolidaci\u00f3n?<\/span><\/span><\/span><\/p>\n<h3 style=\"text-align: justify;\"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Rebobinar: la megatendencia<\/span><\/span><\/span><\/h3>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Los lectores de versiones anteriores de este panorama sabr\u00e1n que somos implacablemente optimistas sobre el ecosistema de datos e inteligencia artificial.<\/span><\/span><\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Como dijimos en a\u00f1os anteriores, la tendencia fundamental es que cada empresa se est\u00e9 convirtiendo no solo en una empresa de software, sino tambi\u00e9n en una empresa de datos.<\/span><\/span><\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Hist\u00f3ricamente, y todav\u00eda hoy en muchas organizaciones, los datos han significado datos transaccionales almacenados en bases de datos relacionales y quiz\u00e1s algunos paneles de control para el an\u00e1lisis b\u00e1sico de lo que le sucedi\u00f3 a la empresa en los \u00faltimos meses.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Pero las empresas ahora est\u00e1n avanzando hacia un mundo donde los datos y la inteligencia artificial est\u00e1n integrados en innumerables procesos internos y aplicaciones externas, tanto con fines anal\u00edticos como operativos.\u00a0Este es el comienzo de la era de la empresa inteligente y automatizada, donde las m\u00e9tricas de la empresa est\u00e1n disponibles en tiempo real\u00a0<strong>, las<\/strong>\u00a0solicitudes de hipotecas se procesan autom\u00e1ticamente, los chatbots de IA brindan soporte al cliente las 24 horas del d\u00eda, los 7 d\u00edas de la semana, se predice la deserci\u00f3n, las amenazas cibern\u00e9ticas se detectan en tiempo real, y las cadenas de suministro se ajustan autom\u00e1ticamente a las fluctuaciones de la demanda.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Esta evoluci\u00f3n fundamental ha sido impulsada por avances dram\u00e1ticos en la tecnolog\u00eda subyacente, en particular, una relaci\u00f3n simbi\u00f3tica entre la infraestructura de datos, por un lado, y el aprendizaje autom\u00e1tico y la IA, por el otro.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Ambas \u00e1reas han tenido su propia historia y distritos electorales separados, pero han operado cada vez m\u00e1s al un\u00edsono en los \u00faltimos a\u00f1os.\u00a0La primera ola de innovaci\u00f3n fue la era del &#8220;Big Data&#8221;, a principios de la d\u00e9cada de 2010, donde la innovaci\u00f3n se centr\u00f3 en la creaci\u00f3n de tecnolog\u00edas para aprovechar las enormes cantidades de datos digitales que se crean todos los d\u00edas.\u00a0Luego, result\u00f3 que si aplicaba big data a algunos algoritmos de inteligencia artificial de una d\u00e9cada (aprendizaje profundo), obten\u00eda resultados sorprendentes y eso desencaden\u00f3 toda la ola actual de entusiasmo en torno a la inteligencia artificial.\u00a0A su vez, la IA se convirti\u00f3 en un motor importante para el desarrollo de la infraestructura de datos: si podemos construir todas esas aplicaciones con IA, entonces necesitaremos una mejor infraestructura de datos, y as\u00ed sucesivamente.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Avance r\u00e1pido hasta 2021: los t\u00e9rminos en s\u00ed mismos (big data, IA, etc.) han experimentado los altibajos del ciclo de la publicidad, y hoy se escuchan muchas conversaciones sobre la automatizaci\u00f3n, pero fundamentalmente se trata de la misma megatendencia.<\/span><\/p>\n<h3 style=\"text-align: justify;\"><span style=\"color: #000000;\">El gran desbloqueo<\/span><\/h3>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Gran parte de la aceleraci\u00f3n actual en el espacio de datos \/ IA se puede rastrear hasta el auge de los almacenes de datos en la nube (y sus\u00a0<a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2021\/07\/23\/latest-big-data-developments-in-the-realm-of-data-lakehouse\/\">primos Lakehouse<\/a> , m\u00e1s sobre esto m\u00e1s adelante) en los \u00faltimos a\u00f1os.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Es ir\u00f3nico porque los almacenes de datos abordan una de las necesidades m\u00e1s b\u00e1sicas, peatonales, pero tambi\u00e9n fundamentales en la infraestructura de datos: \u00bfD\u00f3nde se almacena todo?\u00a0El almacenamiento y el procesamiento se encuentran en la parte inferior de la \u201cjerarqu\u00eda de necesidades\u201d de datos \/ IA; consulte la famosa publicaci\u00f3n del blog de Monica Rogati\u00a0<a style=\"color: #000000;\" href=\"https:\/\/hackernoon.com\/the-ai-hierarchy-of-needs-18f111fcc007\" target=\"_blank\" rel=\"noreferrer noopener\">aqu\u00ed<\/a>\u00a0, es decir, lo que necesita tener antes de poder hacer cosas m\u00e1s sofisticadas como an\u00e1lisis e IA.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Se imaginar\u00eda que despu\u00e9s de m\u00e1s de 15 a\u00f1os de la revoluci\u00f3n de los macrodatos, esa necesidad se hab\u00eda resuelto hace mucho tiempo, pero no fue as\u00ed.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">En retrospectiva, el \u00e9xito inicial de Hadoop fue un poco falso para el espacio: Hadoop, la tecnolog\u00eda de big data de OG, intent\u00f3 resolver la capa de almacenamiento y procesamiento.\u00a0Desempe\u00f1\u00f3 un papel realmente importante en t\u00e9rminos de transmitir la idea de que se pod\u00eda extraer valor real de cantidades masivas de datos, pero su complejidad t\u00e9cnica general limit\u00f3 en \u00faltima instancia su aplicabilidad a un peque\u00f1o grupo de empresas, y nunca logr\u00f3 realmente la penetraci\u00f3n de mercado que incluso los almacenes de datos m\u00e1s antiguos (por ejemplo, Vertica) lo ten\u00edan hace algunas d\u00e9cadas.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Hoy en d\u00eda, los almacenes de datos en la nube (Snowflake, Amazon Redshift y Google BigQuery) y los lakehouses (Databricks) brindan la capacidad de almacenar cantidades masivas de datos de una manera que es \u00fatil, que no tiene costos prohibitivos y no requiere un ej\u00e9rcito de personal t\u00e9cnico para mantener.\u00a0En otras palabras, despu\u00e9s de todos estos a\u00f1os, ahora finalmente es posible almacenar y procesar big data.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Eso es un gran problema y ha demostrado ser un gran desbloqueo para el resto del\u00a0espacio de\u00a0datos\u00a0<strong>\/<\/strong>\u00a0IA, por varias razones.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Primero, el aumento de los almacenes de datos aumenta considerablemente el tama\u00f1o del mercado no solo para su categor\u00eda, sino para todo el ecosistema de datos e inteligencia artificial.\u00a0Debido a su facilidad de uso y precios basados \u200b\u200ben el consumo (en los que paga sobre la marcha), los almacenes de datos se convierten en la puerta de entrada para que todas las empresas se conviertan en empresas de datos.\u00a0Ya sea que sea una empresa de Global 2000 o una startup en etapa inicial, ahora puede comenzar a construir su infraestructura de datos central con un m\u00ednimo de molestias.\u00a0(Incluso FirstMark, una empresa de riesgo con varios miles de millones bajo administraci\u00f3n y 20 miembros del equipo, tiene su propia instancia de Snowflake).<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">En segundo lugar, los almacenes de datos han desbloqueado todo un ecosistema de herramientas y empresas que giran en torno a ellos: ETL, ELT, ETL inverso, herramientas de calidad de datos centradas en el almac\u00e9n, almacenes de m\u00e9tricas, an\u00e1lisis aumentado, etc. Muchos se refieren a este ecosistema como los &#8220;datos modernos stack \u201d(que discutimos en nuestro\u00a0<a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/data2020\/\" target=\"_blank\" rel=\"noreferrer noopener\">panorama 2020<\/a>\u00a0).\u00a0Varios fundadores vieron el surgimiento de la pila de datos moderna como una oportunidad para lanzar nuevas empresas, y no es de extra\u00f1ar que gran parte de la actividad de financiaci\u00f3n de VC febril durante el \u00faltimo a\u00f1o se haya centrado en las empresas de pila de datos modernas.\u00a0Las empresas emergentes que fueron las primeras en la tendencia (y desempe\u00f1aron un papel fundamental en la definici\u00f3n del concepto) ahora est\u00e1n alcanzando la escala, incluido DBT Labs, un proveedor de herramientas de transformaci\u00f3n para ingenieros anal\u00edticos (consulte nuestra<a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/dbtprefect\/\" target=\"_blank\" rel=\"noreferrer noopener\">Fireside Chat con Tristan Handy, CEO de DBT Labs y Jeremiah Lowin, CEO de Prefect<\/a>\u00a0), y Fivetran, un proveedor de soluciones de integraci\u00f3n de datos automatizadas que transmite datos a los almacenes de datos (consulte nuestro\u00a0<a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/fivetran\/\" target=\"_blank\" rel=\"noreferrer noopener\">Fireside Chat con George Fraser, CEO de Fivetran<\/a>\u00a0), ambos de los cuales recaudaron grandes rondas recientemente (ver secci\u00f3n de Financiamiento).<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">En tercer lugar, debido a que resuelven la capa de almacenamiento fundamental, los almacenes de datos liberan a las empresas para que comiencen a centrarse en proyectos de alto valor que aparecen m\u00e1s arriba en la jerarqu\u00eda de necesidades de datos.\u00a0Ahora que tiene sus datos almacenados, es m\u00e1s f\u00e1cil concentrarse seriamente en otras cosas como el procesamiento en tiempo real, la anal\u00edtica aumentada o el aprendizaje autom\u00e1tico.\u00a0Esto, a su vez, aumenta la demanda del mercado de todo tipo de otros datos y herramientas y plataformas de inteligencia artificial.\u00a0Se crea un volante donde una mayor demanda de los clientes crea m\u00e1s innovaci\u00f3n a partir de las empresas de infraestructura de datos y ML.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Dado que tienen un impacto tan directo e indirecto en el espacio, los almacenes de datos son un referente importante para toda la industria de datos; a medida que crecen, tambi\u00e9n lo hace el resto del espacio.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">La buena noticia para la industria de los datos y la inteligencia artificial es que los almacenes de datos y los almacenes de lagos est\u00e1n creciendo muy r\u00e1pido, a escala.\u00a0Snowflake, por ejemplo, mostr\u00f3 un crecimiento interanual del 103% en sus resultados del segundo trimestre m\u00e1s recientes, con una incre\u00edble retenci\u00f3n de ingresos netos del 169% (lo que significa que los clientes existentes siguen usando y pagando Snowflake cada vez m\u00e1s a lo largo del tiempo).\u00a0Snowflake\u00a0<a style=\"color: #000000;\" href=\"https:\/\/seekingalpha.com\/article\/4452655-snowflake-on-the-path-to-10b-in-product-revenue\" target=\"_blank\" rel=\"noreferrer noopener\">tiene como objetivo $ 10 mil millones en ingresos<\/a>\u00a0para 2028. Existe una posibilidad real de que lleguen antes.\u00a0Curiosamente, con precios basados \u200b\u200ben el consumo donde los ingresos comienzan a fluir solo despu\u00e9s de que el producto est\u00e1 completamente implementado, la tracci\u00f3n actual de los clientes de la compa\u00f1\u00eda podr\u00eda estar muy por delante de sus cifras de ingresos m\u00e1s recientes.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Sin duda, esto podr\u00eda ser solo el comienzo de c\u00f3mo podr\u00edan convertirse los grandes almacenes de datos.\u00a0Algunos observadores creen que los almacenes de datos y los almacenes de lagos, en conjunto, podr\u00edan llegar al 100% de penetraci\u00f3n del mercado con el tiempo (es decir, cada empresa relevante tiene uno), de una manera que nunca fue cierta para las tecnolog\u00edas de datos anteriores como los almacenes de datos tradicionales como Vertica (tambi\u00e9n caro y engorroso de implementar) y Hadoop (demasiado experimental y t\u00e9cnico).<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Si bien esto no significa que todos los proveedores de almacenes de datos y todas las nuevas empresas de datos, o incluso un segmento de mercado, tendr\u00e1n \u00e9xito, direccionalmente esto es un augurio incre\u00edblemente bueno para la industria de datos \/ IA en su conjunto.<\/span><\/p>\n<h3 style=\"text-align: justify;\"><span style=\"color: #000000;\">El impacto tit\u00e1nico: Snowflake vs.Databricks<\/span><\/h3>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Snowflake ha sido el ejemplo del espacio de datos recientemente.\u00a0Su oferta p\u00fablica inicial en septiembre de 2020 fue la oferta p\u00fablica inicial de software m\u00e1s grande de la historia (lo hab\u00edamos cubierto en ese momento en nuestro\u00a0<a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/snowflake\/\" target=\"_blank\" rel=\"noreferrer noopener\">Quick S-1 Teardown: Snowflake<\/a>\u00a0).\u00a0En el momento de escribir este art\u00edculo, y despu\u00e9s de algunos altibajos, es una empresa p\u00fablica con capitalizaci\u00f3n de mercado de $ 95 mil millones.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Sin embargo, Databricks se perfila ahora como un importante rival de la industria.\u00a0El 31 de agosto, la compa\u00f1\u00eda anunci\u00f3 una ronda de financiamiento masiva de $ 1.6 mil millones con una valoraci\u00f3n de $ 38 mil millones, solo unos meses despu\u00e9s de una ronda de $ 1 mil millones anunciada en febrero de 2021 (con una valuaci\u00f3n miserable de $ 28 mil millones).<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Hasta hace poco, Snowflake y Databricks estaban en segmentos bastante diferentes del mercado (y de hecho fueron socios cercanos durante un tiempo).<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Snowflake, como almac\u00e9n de datos en la nube, es principalmente una base de datos para almacenar y procesar grandes cantidades de datos estructurados, es decir, datos que pueden caber perfectamente en filas y columnas.\u00a0Hist\u00f3ricamente, se ha utilizado para permitir que las empresas respondan preguntas sobre el desempe\u00f1o pasado y actual (&#8220;\u00bfcu\u00e1les fueron nuestras regiones de mayor crecimiento el \u00faltimo trimestre?&#8221;), Mediante la incorporaci\u00f3n de herramientas de inteligencia empresarial (BI).\u00a0Al igual que otras bases de datos, aprovecha SQL, un lenguaje de consulta muy popular y accesible, que lo hace utilizable por millones de usuarios potenciales en todo el mundo.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2021\/09\/08\/what-databrickss-1-6b-funding-round-means-for-the-enterprise-ai-market\/\">Los ladrillos de datos<\/a>\u00a0provienen de un rinc\u00f3n diferente del mundo de los datos.\u00a0Comenz\u00f3 en 2013 a comercializar Spark, un marco de c\u00f3digo abierto para procesar grandes vol\u00famenes de datos generalmente no estructurados (cualquier tipo de texto, audio, video, etc.).\u00a0Los usuarios de Spark utilizaron el marco para crear y procesar lo que se conoci\u00f3 como &#8220;lagos de datos&#8221;, donde volcar\u00edan casi cualquier tipo de datos sin preocuparse por la estructura u organizaci\u00f3n.\u00a0Un uso principal de los lagos de datos fue entrenar aplicaciones de ML \/ AI, permitiendo a las empresas responder preguntas sobre el futuro (\u201c\u00bfqu\u00e9 clientes tienen m\u00e1s probabilidades de comprar el pr\u00f3ximo trimestre?\u201d, Es decir, an\u00e1lisis predictivo).\u00a0Para ayudar a los clientes con sus lagos de datos, Databricks cre\u00f3 Delta y, para ayudarlos con ML \/ AI, cre\u00f3 ML Flow.\u00a0Para conocer toda la historia de ese viaje, consulte mi<a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/databricks\/\" target=\"_blank\" rel=\"noreferrer noopener\">Charla junto a la chimenea con Ali Ghodsi, director ejecutivo de Databricks<\/a>\u00a0.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">M\u00e1s recientemente, sin embargo, las dos empresas se han unido.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Databricks comenz\u00f3 a agregar capacidades de almacenamiento de datos a sus lagos de datos, lo que permiti\u00f3 a los analistas de datos ejecutar consultas SQL est\u00e1ndar, adem\u00e1s de agregar herramientas de inteligencia empresarial como Tableau o Microsoft Power BI.\u00a0El resultado es lo que Databricks llama la casa del lago: una plataforma destinada a combinar lo mejor de los almacenes de datos y los lagos de datos.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">A medida que Databricks hizo que sus lagos de datos se parecieran m\u00e1s a almacenes de datos, Snowflake ha ido haciendo que sus almacenes de datos se parezcan m\u00e1s a lagos de datos.\u00a0Se\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.snowflake.com\/news\/snowflake-announces-new-features-to-mobilize-the-worlds-data-in-the-data-cloud\/\" target=\"_blank\" rel=\"noreferrer noopener\">ha anunciado<\/a>\u00a0soporte para datos no estructurados, tales como audio, v\u00eddeo, archivos PDF y los datos de im\u00e1genes en noviembre de 2020 y\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.snowflake.com\/blog\/snowflake-launches-unstructured-data-support-in-public-preview\/\">lanzado<\/a>\u00a0en vista previa hace tan s\u00f3lo unos d\u00edas.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Y donde Databricks ha estado agregando BI a sus capacidades de IA, Snowflake est\u00e1 agregando IA a su compatibilidad con BI.\u00a0Snowflake ha estado construyendo estrechas alianzas con las principales plataformas de inteligencia artificial empresarial.\u00a0Snowflake\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.snowflake.com\/blog\/snowflake-ventures-invests-in-dataiku-bringing-further-ai-capabilities-to-the-data-cloud\/\" target=\"_blank\" rel=\"noreferrer noopener\">invirti\u00f3 en Dataiku<\/a>\u00a0y lo\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.businesswire.com\/news\/home\/20210617005018\/en\/Dataiku-Recognized-by-Snowflake-as-Data-Science-Partner-of-the-Year\" target=\"_blank\" rel=\"noreferrer noopener\">nombr\u00f3<\/a>\u00a0socio de ciencia de datos del a\u00f1o.\u00a0Es\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.snowflake.com\/blog\/snowflake-ventures-invests-in-datarobot-to-supercharge-machine-learning-in-the-snowflake-data-cloud\/\" target=\"_blank\" rel=\"noreferrer noopener\">tambi\u00e9n invirti\u00f3 en la plataforma ML DataRobot rival<\/a>\u00a0.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">En \u00faltima instancia, tanto Snowflake como Databricks quieren ser el centro de todos los datos: un repositorio para almacenar todos los datos, ya sean estructurados o no estructurados, y ejecutar todos los an\u00e1lisis, ya sean hist\u00f3ricos (inteligencia empresarial) o predictivos (ciencia de datos, ML \/ AI).<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Por supuesto, no faltan otros competidores con una visi\u00f3n similar.\u00a0Los hiperescaladores en la nube, en particular, tienen sus propios almacenes de datos, as\u00ed como un conjunto completo de herramientas anal\u00edticas para BI e IA, y muchas otras capacidades, adem\u00e1s de la escala masiva.\u00a0Por ejemplo, escuche este gran episodio del\u00a0<em>podcast de ingenier\u00eda de datos<\/em>\u00a0sobre\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.dataengineeringpodcast.com\/google-cloud-platform-data-analytics-episode-194\/\" target=\"_blank\" rel=\"noreferrer noopener\">las capacidades de an\u00e1lisis y datos de GCP<\/a>\u00a0.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Tanto Snowflake como Databricks han tenido relaciones muy interesantes con los proveedores de la nube, tanto como amigos como enemigos.\u00a0Es famoso que Snowflake creci\u00f3 gracias a AWS (a pesar del producto competitivo de AWS, Redshift) durante a\u00f1os antes de expandirse a otras plataformas en la nube.\u00a0Databricks construy\u00f3 una s\u00f3lida asociaci\u00f3n con Microsoft Azure y ahora promociona sus capacidades de m\u00faltiples nubes para ayudar a los clientes a evitar el bloqueo de los proveedores de la nube.\u00a0Durante muchos a\u00f1os, y hasta el d\u00eda de hoy, hasta cierto punto, los detractores enfatizaron que los modelos comerciales de Snowflake y Databricks revenden de manera efectiva la computaci\u00f3n subyacente de los proveedores de la nube, que ponen sus m\u00e1rgenes brutos a merced de las decisiones de precios que tomar\u00edan los hiperescaladores.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Ver el baile entre los proveedores de la nube y los gigantes de los datos ser\u00e1 una historia definitoria de los pr\u00f3ximos cinco a\u00f1os.<\/span><\/p>\n<h3 style=\"text-align: justify;\"><span style=\"color: #000000;\">\u00bfAgrupaci\u00f3n, desagregaci\u00f3n, consolidaci\u00f3n?<\/span><\/h3>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Dado el auge de\u00a0<a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2015\/06\/23\/snowflake-raises-45m-and-makes-its-cloud-data-warehouse-generally-available\/\">Snowflake<\/a>\u00a0y Databricks, algunos observadores de la industria se preguntan si este es el comienzo de una tan esperada ola de consolidaci\u00f3n en la industria:\u00a0consolidaci\u00f3n\u00a0<em>funcional a<\/em>\u00a0medida que las grandes empresas agrupan una cantidad cada vez mayor de capacidades en sus plataformas y gradualmente hacen que las nuevas empresas m\u00e1s peque\u00f1as sean irrelevantes. y \/ o\u00a0consolidaci\u00f3n\u00a0<em>corporativa<\/em>\u00a0, ya que las grandes empresas compran a las m\u00e1s peque\u00f1as o las expulsan del negocio.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Ciertamente, la consolidaci\u00f3n funcional est\u00e1 ocurriendo en el espacio de datos e inteligencia artificial, a medida que los l\u00edderes de la industria aumentan sus ambiciones.\u00a0Este es claramente el caso de Snowflake y Databricks, y los hiperescaladores de la nube, como se acaba de comentar.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Pero otros tambi\u00e9n tienen grandes planes.\u00a0A medida que crecen, las empresas quieren agrupar cada vez m\u00e1s funcionalidades; nadie quiere ser una empresa de un solo producto.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Por ejemplo, Confluent, una plataforma para la transmisi\u00f3n de datos que se hizo p\u00fablica en junio de 2021, quiere ir m\u00e1s all\u00e1 de los casos de uso de datos en tiempo real por los que es conocida y &#8220;unificar el procesamiento de datos en movimiento y datos en reposo&#8221; (ver nuestro\u00a0<a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/confluent\/\" target=\"_blank\" rel=\"noreferrer noopener\">desmontaje r\u00e1pido S-1: confluente<\/a>\u00a0).<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Como otro ejemplo, Dataiku * cubre de forma nativa toda la funcionalidad que ofrecen docenas de startups de infraestructura de IA y datos especializados, desde la preparaci\u00f3n de datos hasta el aprendizaje autom\u00e1tico, DataOps, MLOps, visualizaci\u00f3n, explicabilidad de IA, etc., todo incluido en una plataforma, con un centrarse en la democratizaci\u00f3n y la colaboraci\u00f3n (consulte nuestro\u00a0<a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/dataiku2021\/\" target=\"_blank\" rel=\"noreferrer noopener\">Fireside Chat con Florian Douetteau, director ejecutivo de Dataiku<\/a>\u00a0).<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Podr\u00eda decirse que el auge de la &#8220;pila de datos moderna&#8221; es otro ejemplo de consolidaci\u00f3n funcional.\u00a0En esencia, es una alianza de facto entre un grupo de empresas (en su mayor\u00eda startups) que, como grupo, cubren funcionalmente todas las diferentes etapas del viaje de datos desde la extracci\u00f3n hasta el almac\u00e9n de datos y la inteligencia empresarial, el objetivo general es ofrecer al mercado un conjunto coherente de soluciones que se integren entre s\u00ed.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Para los usuarios de esas tecnolog\u00edas, esta tendencia hacia la agrupaci\u00f3n y la convergencia es saludable, y muchos la recibir\u00e1n con los brazos abiertos.\u00a0A medida que madura, es hora de que la industria de los datos evolucione m\u00e1s all\u00e1 de sus grandes divisiones tecnol\u00f3gicas: transaccional frente a anal\u00edtica, por lotes frente a tiempo real, BI frente a IA\u00a0<strong>.<\/strong><\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Estas divisiones algo artificiales tienen ra\u00edces profundas, tanto en la historia del ecosistema de datos como en las limitaciones tecnol\u00f3gicas. Cada segmento tuvo sus propios desaf\u00edos y evoluci\u00f3n, lo que result\u00f3 en una pila de tecnolog\u00eda diferente y un conjunto diferente de proveedores. Esto ha generado mucha complejidad para los usuarios de esas tecnolog\u00edas. Los ingenieros han tenido que unir conjuntos de herramientas y soluciones y mantener sistemas complejos que a menudo terminan pareci\u00e9ndose a las m\u00e1quinas de Rube Goldberg.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">A medida que contin\u00faan creciendo, esperamos que los l\u00edderes de la industria aceleren sus esfuerzos de agrupaci\u00f3n y sigan impulsando mensajes como &#8220;an\u00e1lisis de datos unificados&#8221;.\u00a0Esta es una buena noticia para las empresas de Global 2000 en particular, que han sido el principal cliente objetivo de las plataformas de inteligencia artificial y datos empaquetados m\u00e1s grandes.\u00a0Esas empresas tienen mucho que ganar con la implementaci\u00f3n de una infraestructura de datos moderna y ML \/ AI, y al mismo tiempo un acceso mucho m\u00e1s limitado a los datos principales y al talento de ingenier\u00eda de ML necesarios para construir o ensamblar la infraestructura de datos internamente (como suele ocurrir con ese talento). preferir trabajar en empresas de Big Tech o en startups prometedoras, en general).<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Sin embargo, por mucho que Snowflake y\u00a0<a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2021\/02\/01\/databricks-raises-1-billion-funding-round-at-28-billion-valuation\/\">Databricks<\/a>\u00a0quisieran convertirse en el \u00fanico proveedor de todo lo relacionado con los datos y la inteligencia artificial, creemos que las empresas seguir\u00e1n trabajando con m\u00faltiples proveedores, plataformas y herramientas, en la combinaci\u00f3n que mejor se adapte a sus necesidades.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">La raz\u00f3n clave: el ritmo de la innovaci\u00f3n es demasiado explosivo en el espacio para que las cosas permanezcan est\u00e1ticas durante demasiado tiempo.\u00a0Los fundadores lanzan nuevas empresas emergentes;\u00a0Las grandes empresas tecnol\u00f3gicas crean herramientas internas de datos \/ inteligencia artificial y luego las abren;\u00a0y por cada tecnolog\u00eda o producto establecido, parece surgir uno nuevo cada semana.\u00a0Incluso el espacio de almacenamiento de datos, posiblemente el segmento m\u00e1s establecido del ecosistema de datos en la actualidad, tiene nuevos participantes como\u00a0<a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2020\/12\/09\/firebolt-raises-37-million-to-accelerate-big-data-analytics\/\">Firebolt<\/a>\u00a0, que promete un rendimiento muy superior.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Si bien las grandes plataformas integradas tienen empresas de Global 2000 como base de clientes principal, existe un ecosistema completo de empresas de tecnolog\u00eda, tanto startups como Big Tech, que son \u00e1vidos consumidores de todas las nuevas herramientas y tecnolog\u00edas, lo que brinda a las startups detr\u00e1s de ellas un gran mercado inicial. .\u00a0Esas empresas tienen acceso a los datos correctos y al talento de ingenier\u00eda de ML, y est\u00e1n dispuestas y son capaces de combinar las mejores herramientas nuevas para ofrecer las soluciones m\u00e1s personalizadas.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Mientras tanto, justo cuando los proveedores de big data warehouse y data lake est\u00e1n presionando a sus clientes para que centralicen todas las cosas en la parte superior de sus plataformas, surgen nuevos marcos como la malla de datos, que abogan por un enfoque descentralizado, donde diferentes equipos son responsables de sus propios producto de datos.\u00a0Si bien hay muchos matices, una implicaci\u00f3n es evolucionar lejos de un mundo donde las empresas simplemente mueven todos sus datos a un gran repositorio central.\u00a0Si se afianza, la malla de datos podr\u00eda tener un impacto significativo en las arquitecturas y el panorama general de proveedores (m\u00e1s sobre la malla de datos m\u00e1s adelante en esta publicaci\u00f3n).<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">M\u00e1s all\u00e1 de la consolidaci\u00f3n funcional, tampoco est\u00e1 claro cu\u00e1nta\u00a0consolidaci\u00f3n\u00a0<em>corporativa<\/em>\u00a0(M&amp;A) ocurrir\u00e1 en el futuro cercano\u00a0<strong>.<\/strong><\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Es probable que veamos algunas adquisiciones muy grandes de miles de millones de d\u00f3lares, ya que los grandes jugadores est\u00e1n ansiosos por hacer grandes apuestas en este mercado de r\u00e1pido crecimiento para continuar construyendo sus plataformas empaquetadas.\u00a0Sin embargo, las altas valoraciones de las empresas de tecnolog\u00eda en el mercado actual probablemente seguir\u00e1n disuadiendo a muchos compradores potenciales.\u00a0Por ejemplo, el rumor de la industria favorito de todos ha sido que Microsoft querr\u00eda adquirir Databricks.\u00a0Sin embargo, debido a que la empresa podr\u00eda obtener una valoraci\u00f3n de 100.000 millones de d\u00f3lares o m\u00e1s en los mercados p\u00fablicos, es posible que ni siquiera Microsoft pueda permit\u00edrselo.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Tambi\u00e9n hay un apetito voraz por comprar nuevas empresas m\u00e1s peque\u00f1as en todo el mercado, particularmente a medida que las nuevas empresas en etapas posteriores siguen aumentando y tienen mucho dinero en efectivo a mano.\u00a0Sin embargo, tambi\u00e9n existe un inter\u00e9s voraz por parte de los capitalistas de riesgo para continuar financiando esas peque\u00f1as empresas emergentes.\u00a0Es raro que los datos prometedores y las nuevas empresas de inteligencia artificial en estos d\u00edas no puedan recaudar la pr\u00f3xima ronda de financiamiento.\u00a0Como resultado, comparativamente se realizan pocos acuerdos de fusiones y adquisiciones en estos d\u00edas, ya que muchos fundadores y sus capitalistas de riesgo quieren seguir girando la siguiente tarjeta, en lugar de unir fuerzas con otras empresas, y tienen los recursos financieros para hacerlo.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Profundicemos m\u00e1s en las tendencias de financiaci\u00f3n y salida.<\/span><\/p>\n<h2 style=\"text-align: justify;\"><span style=\"color: #000000;\">Financiaciones, OPI, fusiones y adquisiciones: un mercado loco<\/span><\/h2>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Como sabe cualquiera que siga el mercado de las startups, ha sido una locura.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">El capital de riesgo se ha desplegado a un ritmo sin precedentes, aumentando un 157% interanual a nivel mundial a $ 156 mil millones en el segundo trimestre de 2021 seg\u00fan CB Insights.\u00a0Las valoraciones cada vez m\u00e1s altas llevaron a la creaci\u00f3n de 136 unicornios reci\u00e9n acu\u00f1ados solo en la primera mitad de 2021, y la ventana de la OPI se ha abierto de par en par\u00a0<strong>,<\/strong>\u00a0con las financiaciones p\u00fablicas (OPI, DL, SPAC) hasta un 687% (496 frente a 63) en el per\u00edodo del 1 de enero al 1 de junio de 2021 frente al mismo per\u00edodo en 2020.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">En este contexto general de impulso del mercado, los datos y ML \/ AI han sido categor\u00edas de inversi\u00f3n calientes una vez m\u00e1s el a\u00f1o pasado.<\/span><\/p>\n<h3 style=\"text-align: justify;\"><span style=\"color: #000000;\">Mercados publicos<\/span><\/h3>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">No hace mucho tiempo, apenas exist\u00edan empresas de inteligencia artificial \/ datos de \u201cjuego puro\u201d que cotizaran en los mercados p\u00fablicos.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Sin embargo, la lista est\u00e1 creciendo r\u00e1pidamente despu\u00e9s de un a\u00f1o s\u00f3lido para las OPI en el mundo de los datos \/ IA.\u00a0Comenzamos un \u00edndice de mercado p\u00fablico para ayudar a rastrear el desempe\u00f1o de esta categor\u00eda creciente de empresas p\u00fablicas; consulte nuestro\u00a0<a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/madindex\/\" target=\"_blank\" rel=\"noreferrer noopener\">\u00cdndice<\/a>\u00a0de empresas p\u00fablicas de\u00a0<a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/madindex\/\" target=\"_blank\" rel=\"noreferrer noopener\">MAD<\/a>\u00a0(actualizaci\u00f3n pr\u00f3ximamente).<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">En el frente de la OPI, fueron particularmente notables UiPath, una empresa de automatizaci\u00f3n de RPA e IA, y Confluent, una empresa de infraestructura de datos centrada en la transmisi\u00f3n de datos en tiempo real (consulte\u00a0<a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/confluent\/\" target=\"_blank\" rel=\"noreferrer noopener\">nuestro desmontaje de Confluent S-1<\/a>\u00a0para nuestro an\u00e1lisis).\u00a0Otras OPI notables fueron C3.ai, una plataforma de inteligencia artificial (consulte nuestro\u00a0<a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/c3\/\" target=\"_blank\" rel=\"noreferrer noopener\">desmontaje de C3 S-1<\/a>\u00a0) y Couchbase, una base de datos sin SQL.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Varias empresas verticales de inteligencia artificial tambi\u00e9n tuvieron OPI notables: SentinelOne, una plataforma aut\u00f3noma de seguridad de terminales de inteligencia artificial;\u00a0TuSimple, un desarrollador de camiones aut\u00f3nomos;\u00a0Zymergen, una empresa de biofabricaci\u00f3n;\u00a0Recursion, una empresa de descubrimiento de f\u00e1rmacos impulsada por la inteligencia artificial;\u00a0y Darktrace, una empresa \u201cl\u00edder mundial en inteligencia artificial para ciberseguridad\u201d.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Mientras tanto, las empresas de datos p\u00fablicos \/ IA existentes han seguido obteniendo buenos resultados.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Si bien ambos est\u00e1n fuera de sus m\u00e1ximos hist\u00f3ricos, Snowflake es una formidable compa\u00f1\u00eda de capitalizaci\u00f3n de mercado de $ 95 mil millones y, a pesar de toda la controversia, Palantir es una compa\u00f1\u00eda de capitalizaci\u00f3n de mercado de $ 55 mil millones, en el momento de escribir este art\u00edculo.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Tanto Datadog como MongoDB est\u00e1n en sus m\u00e1ximos hist\u00f3ricos.\u00a0Datadog es ahora una empresa de capitalizaci\u00f3n de mercado de 45.000 millones de d\u00f3lares (una\u00a0<a style=\"color: #000000;\" href=\"https:\/\/twitter.com\/mattturck\/status\/1422273643338477576?s=20\" target=\"_blank\" rel=\"noreferrer noopener\">lecci\u00f3n importante<\/a>\u00a0para los inversores).\u00a0MongoDB es una empresa de $ 33 mil millones, impulsada por el r\u00e1pido crecimiento de su producto en la nube, Atlas.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">En general, como grupo, las empresas de datos y ML \/ AI han superado ampliamente al mercado en general.\u00a0Y contin\u00faan generando altas primas: de las 10 principales empresas con la mayor capitalizaci\u00f3n de mercado para el m\u00faltiplo de ingresos, 4 de ellas (incluidas las 2 principales) son empresas de datos \/ IA.<\/span><\/p>\n<figure class=\"aligncenter is-resized\" style=\"text-align: justify;\">\n<div>\n<div class=\"wp-caption aligncenter\">\n<p><span style=\"color: #000000;\"><img loading=\"lazy\" decoding=\"async\" class=\"jetpack-lazy-image jetpack-lazy-image--handled\" src=\"https:\/\/lh6.googleusercontent.com\/XX5r4bZhjf71CCgfEAYDU-0DQmrrBaVJOclTY59rbh-msfb_dPAsoUqcqR1dX6BfP6bM-pCu8bekpdjERl4-GDvWxH0DWPtJWIpu7kLJmUGx7h2Nv2hXRSPccZkIXaXIYj9ypXn8=s0\" alt=\"Gr\u00e1fico de los diez principales m\u00faltiplos de ingresos de EV y NTM.  La fuente es Jamin Ball, Juicio nublado, 24 de septiembre de 2021.\" width=\"597\" height=\"433\" data-lazy-loaded=\"1\" \/><\/span><\/p>\n<p class=\"wp-caption-text\"><span style=\"color: #000000;\">Arriba: Fuente: Jamin Ball, Juicio nublado, 24 de septiembre de 2021<\/span><\/p>\n<\/div>\n<\/div><figcaption><\/figcaption><span style=\"color: #000000;\">Otra caracter\u00edstica distintiva de los mercados p\u00fablicos en el \u00faltimo a\u00f1o ha sido el\u00a0<a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2021\/03\/21\/mobile-monetization-firm-ironsource-will-go-public-through-spac-at-11-1-billion\/\">auge de los SPAC<\/a>\u00a0como alternativa al proceso tradicional de OPI.\u00a0Los SPAC han demostrado ser un veh\u00edculo muy beneficioso para la parte m\u00e1s &#8220;de tecnolog\u00eda de vanguardia&#8221; del mercado de la IA (veh\u00edculos aut\u00f3nomos, biotecnolog\u00eda, etc.).\u00a0Algunos ejemplos de empresas que han anunciado o completado transacciones de SPAC (y de-SPAC) incluyen Ginkgo Bioworks, una empresa que dise\u00f1a organismos novedosos para producir materiales y sustancias \u00fatiles, ahora una empresa p\u00fablica de 24.000 millones de d\u00f3lares en el momento de redactar este art\u00edculo;\u00a0las empresas de veh\u00edculos aut\u00f3nomos Aurora y Embark;\u00a0y Babylon Health.<\/span><\/figure>\n<h3 style=\"text-align: justify;\"><span style=\"color: #000000;\">Mercados privados<\/span><\/h3>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">La espuma del mercado de capital de riesgo es un tema para otra publicaci\u00f3n de blog (\u00bfsolo una consecuencia de la macroeconom\u00eda y las bajas tasas de inter\u00e9s, o un reflejo del hecho de que realmente hemos entrado en la fase de implementaci\u00f3n de Internet?).\u00a0Pero basta con decir que, en el contexto de un mercado de capital de riesgo en auge general, los inversores han mostrado un gran entusiasmo por las nuevas empresas de datos \/ IA.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Seg\u00fan CB Insights, en la primera mitad de 2021, los inversores hab\u00edan invertido $ 38 mil millones en nuevas empresas de inteligencia artificial, superando la cantidad total de 2020 de $ 36 mil millones con medio a\u00f1o para el final.\u00a0Esto fue impulsado por m\u00e1s de 50 rondas de m\u00e1s de $ 100 millones de mega-tama\u00f1o, tambi\u00e9n un nuevo r\u00e9cord.\u00a0Cuarenta y dos empresas de inteligencia artificial alcanzaron valoraciones de unicornio en la primera mitad del a\u00f1o, en comparaci\u00f3n con solo 11 para la totalidad de 2020.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Una caracter\u00edstica ineludible del mercado de VC 2020-2021 ha sido el aumento de fondos cruzados, como Tiger Global, Coatue, Altimeter, Dragoneer o D1, y otros megafondos como Softbank o Insight.\u00a0Si bien esos fondos han estado activos en Internet y el panorama del software, los datos y ML \/ AI han sido claramente un tema de inversi\u00f3n clave.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Como ejemplo, Tiger Global parece amar a las empresas de datos \/ IA.\u00a0Solo en los \u00faltimos 12 meses, el fondo de cobertura de Nueva York ha emitido grandes cheques en\u00a0<em>muchas<\/em>\u00a0de las empresas que aparecen en nuestro panorama, incluidas, por ejemplo, Deep Vision, Databricks, Dataiku *, DataRobot, Imply, Prefect, Gong, PathAI, Ada. *, Vast Data, Scale AI, Redis Labs, 6sense, TigerGraph, UiPath, Cockroach Labs *, Hyperscience * y muchos otros.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Este entorno de financiaci\u00f3n excepcional ha sido en su mayor\u00eda una gran noticia para los fundadores.\u00a0Muchas empresas de datos \/ inteligencia artificial se encontraron a s\u00ed mismas objeto de rondas preventivas y guerras de ofertas, lo que les dio a los fundadores todo el poder para controlar sus procesos de recaudaci\u00f3n de fondos.\u00a0A medida que las empresas de capital riesgo compitieron para invertir, los tama\u00f1os de las rondas y las valoraciones aumentaron dr\u00e1sticamente.\u00a0Los tama\u00f1os redondos de la Serie A sol\u00edan estar en el rango de $ 8- $ 12 millones hace solo unos a\u00f1os.\u00a0Ahora se encuentran habitualmente en el rango de $ 15 a $ 20 millones.\u00a0Las valoraciones de la Serie A que sol\u00edan estar en el rango de $ 25- $ 45 millones (antes del dinero) ahora a menudo alcanzan los $ 80- $ 120 millones, valoraciones que se habr\u00edan considerado una gran valoraci\u00f3n de la Serie B hace solo unos a\u00f1os.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Por otro lado, la avalancha de capital ha llevado a un mercado laboral cada vez m\u00e1s ajustado, con una feroz competencia por los datos, el aprendizaje autom\u00e1tico y el talento de inteligencia artificial entre muchas empresas emergentes bien financiadas y la correspondiente inflaci\u00f3n de compensaci\u00f3n.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Otra desventaja: a medida que los capitalistas de riesgo invirtieron agresivamente en sectores emergentes hacia arriba y hacia abajo en la pila de datos, a menudo apostando por el crecimiento futuro sobre la tracci\u00f3n comercial existente, algunas categor\u00edas pasaron de nacientes a saturadas muy r\u00e1pidamente: ETL inverso, calidad de datos, cat\u00e1logos de datos, anotaci\u00f3n de datos y MLOps.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Independientemente, desde nuestro \u00faltimo panorama, una cantidad sin precedentes de empresas de datos \/ IA se convirtieron en unicornios, y las que ya eran unicornios se volvieron a\u00fan m\u00e1s valoradas, con un par de decacorns (Databricks, Celonis).<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Algunos financiamientos tipo unicornio dignos de menci\u00f3n (en orden cronol\u00f3gico inverso aproximado): Fivetran, una empresa ETL, recaud\u00f3 565 millones de d\u00f3lares con una valoraci\u00f3n de 5.600 millones de d\u00f3lares;\u00a0Matillion, una empresa de integraci\u00f3n de datos, recaud\u00f3 $ 150 millones con una valoraci\u00f3n de $ 1.5 mil millones;\u00a0Neo4j, un proveedor de bases de datos de gr\u00e1ficos, recaud\u00f3 $ 325 millones con una valoraci\u00f3n de m\u00e1s de $ 2 mil millones;\u00a0Databricks, un proveedor de data lakehouses, recaud\u00f3 $ 1.6 mil millones con una valoraci\u00f3n de $ 38 mil millones;\u00a0Dataiku *, una plataforma de inteligencia artificial empresarial colaborativa, recaud\u00f3 400 millones de d\u00f3lares con una valoraci\u00f3n de 4.600 millones de d\u00f3lares;\u00a0DBT Labs (fka Fishtown Analytics), un proveedor de herramientas de ingenier\u00eda de an\u00e1lisis de c\u00f3digo abierto, recaud\u00f3 una serie C de $ 150 millones;\u00a0DataRobot, una plataforma de inteligencia artificial empresarial, recaud\u00f3 $ 300 millones con una valoraci\u00f3n de $ 6 mil millones;\u00a0Celonis, una empresa de miner\u00eda de procesos, recaud\u00f3 una serie D de mil millones de d\u00f3lares con una valoraci\u00f3n de 11 mil millones de d\u00f3lares;\u00a0Anduril,\u00a0una empresa de tecnolog\u00eda de defensa con inteligencia artificial, recaud\u00f3 una ronda de 450 millones de d\u00f3lares con una valoraci\u00f3n de 4.600 millones de d\u00f3lares;\u00a0Gong, una plataforma de inteligencia artificial para el an\u00e1lisis y el coaching de equipos de ventas, recaud\u00f3 250 millones de d\u00f3lares con una valoraci\u00f3n de 7.250 millones de d\u00f3lares;\u00a0Alation, una empresa de gesti\u00f3n y descubrimiento de datos, recaud\u00f3 una serie D de 110 millones de d\u00f3lares con una valoraci\u00f3n de 1.200 millones de d\u00f3lares;\u00a0Ada *, una empresa de chatbot de inteligencia artificial, recaud\u00f3 una serie C de 130 millones de d\u00f3lares con una valoraci\u00f3n de 1.200 millones de d\u00f3lares;\u00a0Signifyd, una empresa de software de protecci\u00f3n contra el fraude basada en inteligencia artificial, recaud\u00f3 205 millones de d\u00f3lares con una valoraci\u00f3n de 1.340 millones de d\u00f3lares;\u00a0Redis Labs, una plataforma de datos en tiempo real, recaud\u00f3 una serie G de $ 310 millones con una valoraci\u00f3n de $ 2 mil millones;\u00a0Sift, una empresa de prevenci\u00f3n de fraude con inteligencia artificial, recaud\u00f3 50 millones de d\u00f3lares a una valoraci\u00f3n de m\u00e1s de mil millones de d\u00f3lares;\u00a0Tractable, una compa\u00f1\u00eda de seguros pionera en inteligencia artificial, recaud\u00f3 $ 60 millones con una valoraci\u00f3n de $ 1 mil millones;\u00a0SambaNova Systems,\u00a0una plataforma inform\u00e1tica y de semiconductores de inteligencia artificial especializada, que recaud\u00f3 676 millones de d\u00f3lares con una valoraci\u00f3n de 5.000 millones de d\u00f3lares;\u00a0Scale AI, una empresa de anotaci\u00f3n de datos, recaud\u00f3 $ 325 millones con una valoraci\u00f3n de $ 7 mil millones;\u00a0Vectra, una empresa de inteligencia artificial de ciberseguridad, recaud\u00f3 130 millones de d\u00f3lares con una valoraci\u00f3n de 1.200 millones de d\u00f3lares;\u00a0Shift Technology, una empresa de software pionera en inteligencia artificial creada para aseguradoras, recaud\u00f3 220 millones de d\u00f3lares;\u00a0Dataminr, una plataforma de detecci\u00f3n de riesgos de IA en tiempo real, recaud\u00f3 $ 475 millones;\u00a0Feedzai, una empresa de detecci\u00f3n de fraudes, recaud\u00f3 una ronda de $ 200 millones con una valoraci\u00f3n de m\u00e1s de $ 1 mil millones;\u00a0Cockroach Labs *, un proveedor de bases de datos SQL nativo de la nube, recaud\u00f3 $ 160 millones con una valoraci\u00f3n de $ 2 mil millones;\u00a0Starburst Data, un motor de consulta de datos basado en SQL, recaud\u00f3 una ronda de $ 100 millones con una valoraci\u00f3n de $ 1.2 mil millones;\u00a0K Health, un proveedor de atenci\u00f3n m\u00e9dica virtual m\u00f3vil primero en inteligencia artificial, recaud\u00f3 $ 132 millones con una valoraci\u00f3n de $ 1.5 mil millones;\u00a0Graphcore,\u00a0un fabricante de chips de IA, recaud\u00f3 222 millones de d\u00f3lares;\u00a0y Forter, una empresa de software de detecci\u00f3n de fraudes, recaud\u00f3 una ronda de 125 millones de d\u00f3lares con una valoraci\u00f3n de 1.300 millones de d\u00f3lares.<\/span><\/p>\n<h3 style=\"text-align: justify;\"><span style=\"color: #000000;\">Adquisiciones<\/span><\/h3>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Como se mencion\u00f3 anteriormente, las adquisiciones en el espacio MAD han sido s\u00f3lidas, pero no se han disparado tanto como uno habr\u00eda adivinado, dado el mercado caliente.\u00a0La cantidad sin precedentes de efectivo que flota en el ecosistema recorta en ambos sentidos: m\u00e1s empresas tienen balances s\u00f3lidos para adquirir potencialmente otras, pero muchos objetivos potenciales tambi\u00e9n tienen acceso a efectivo, ya sea en mercados privados \/ VC o en mercados p\u00fablicos, y es menos probable que lo hagan. quiere ser adquirido.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Por supuesto, ha habido varias adquisiciones muy importantes: Nuance, una empresa p\u00fablica de reconocimiento de voz y texto (con un enfoque particular en la atenci\u00f3n m\u00e9dica), est\u00e1 en proceso de\u00a0<a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2021\/04\/12\/microsoft-shopping-for-speech-tech-talks-to-buy-nuance-for-16b\/\">ser adquirida por Microsoft<\/a>\u00a0por casi $ 20 mil millones (lo que la convierte en la segunda adquisici\u00f3n m\u00e1s grande de Microsoft). siempre,\u00a0<a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2016\/12\/08\/done-deal-microsoft-completes-26-2-billion-linkedin-acquistion\/\">despu\u00e9s de LinkedIn<\/a>);\u00a0Blue Yonder, una empresa de software de cadena de suministro pionera en inteligencia artificial para clientes minoristas, de fabricaci\u00f3n y de log\u00edstica, fue adquirida por Panasonic por hasta 8.500 millones de d\u00f3lares;\u00a0Twilio adquiri\u00f3 Segment, una plataforma de datos de clientes, por 3.200 millones de d\u00f3lares;\u00a0Kustomer, un CRM que permite a las empresas gestionar de forma eficaz todas las interacciones con los clientes en todos los canales, fue adquirido por Facebook por mil millones de d\u00f3lares;\u00a0y Turbonomic, una empresa de \u201cGesti\u00f3n de recursos de aplicaciones impulsada por IA\u201d, fue adquirida por IBM por entre $ 1,5 mil millones y $ 2 mil millones.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Tambi\u00e9n hubo un par de adquisiciones privadas de empresas p\u00fablicas por parte de firmas de capital privado: Cloudera, una plataforma de datos anteriormente de alto vuelo, fue adquirida por Clayton Dubilier &amp; Rice y KKR, quiz\u00e1s el final oficial de la era Hadoop;\u00a0y Thoma Bravo hizo privado a Talend, un proveedor de integraci\u00f3n de datos.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Algunas otras adquisiciones notables de empresas que aparecieron en versiones anteriores de este panorama MAD: ZoomInfo adquiri\u00f3 Chorus.ai y Everstring;\u00a0DataRobot adquiri\u00f3 Algoritmia;\u00a0Cloudera adquiri\u00f3 Cazena;\u00a0Relatividad adquirida Text IQ *;\u00a0Datadog adquiri\u00f3 Sqreen y Timber *;\u00a0SmartEye adquiri\u00f3 Affectiva;\u00a0Facebook adquiri\u00f3 Kustomer;\u00a0ServiceNow adquiri\u00f3 Element AI;\u00a0Vista Equity Partners adquiri\u00f3 Gainsight;\u00a0AVEVA adquiri\u00f3 OSIsoft;\u00a0y American Express adquiri\u00f3 Kabbage.<\/span><\/p>\n<h2 style=\"text-align: justify;\"><span style=\"color: #000000;\">Novedades para el panorama MAD 2021<\/span><\/h2>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Dado el ritmo explosivo de innovaci\u00f3n, creaci\u00f3n de empresas y financiaci\u00f3n en 2020-21, especialmente en infraestructura de datos y MLOps, hemos tenido que cambiar bastante las cosas en el panorama de este a\u00f1o.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Un cambio estructural significativo: como ya no pod\u00edamos encajarlo todo en una categor\u00eda, dividimos &#8220;An\u00e1lisis e inteligencia artificial&#8221; en dos categor\u00edas separadas, &#8220;An\u00e1lisis&#8221; y &#8220;Aprendizaje autom\u00e1tico e inteligencia artificial&#8221;.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Agregamos varias categor\u00edas nuevas:<\/span><\/p>\n<ul style=\"text-align: justify;\">\n<li><span style=\"color: #000000;\">En &#8220;Infraestructura&#8221;, agregamos:<\/span>\n<ul>\n<li><span style=\"color: #000000;\">&#8221;\u00a0<strong>ETL inverso<\/strong>\u00a0&#8220;: productos que canalizan los datos desde el almac\u00e9n de datos a las aplicaciones SaaS<\/span><\/li>\n<li><span style=\"color: #000000;\">&#8221;\u00a0<strong>Observabilidad de datos<\/strong>\u00a0&#8220;: un componente emergente de DataOps que se centra en comprender y solucionar la ra\u00edz de los problemas de calidad de los datos, con el linaje de los datos como base fundamental.<\/span><\/li>\n<li><span style=\"color: #000000;\">&#8221;\u00a0<strong>Privacidad y seguridad<\/strong>\u00a0&#8220;: la privacidad de los datos es cada vez m\u00e1s una prioridad y han surgido varias empresas emergentes en la categor\u00eda<\/span><\/li>\n<\/ul>\n<\/li>\n<li><span style=\"color: #000000;\">En &#8220;Analytics&#8221;, agregamos:<\/span>\n<ul>\n<li><span style=\"color: #000000;\">\u201c\u00a0<strong>Data Catalogs &amp; Discovery<\/strong>\u00a0\u201d: una de las categor\u00edas m\u00e1s ocupadas de los \u00faltimos 12 meses;\u00a0Son productos que permiten a los usuarios (tanto t\u00e9cnicos como no t\u00e9cnicos) encontrar y gestionar los conjuntos de datos que necesitan.<\/span><\/li>\n<li><span style=\"color: #000000;\">&#8221;\u00a0<strong>An\u00e1lisis aumentado<\/strong>\u00a0&#8220;: las herramientas de BI aprovechan los avances de NLG \/ NLP para generar conocimientos de forma autom\u00e1tica, en particular, democratizar los datos para audiencias menos t\u00e9cnicas.<\/span><\/li>\n<li><span style=\"color: #000000;\">&#8221;\u00a0<strong>Metrics Stores<\/strong>\u00a0&#8220;: un nuevo participante en la pila de datos que proporciona un lugar centralizado y estandarizado para ofrecer m\u00e9tricas comerciales clave.<\/span><\/li>\n<li><span style=\"color: #000000;\">&#8221;\u00a0<strong>Motores de consulta<\/strong>\u00a0&#8220;<\/span><\/li>\n<\/ul>\n<\/li>\n<li><span style=\"color: #000000;\">En &#8220;Machine Learning and AI&#8221;, dividimos varias categor\u00edas de MLOps en subcategor\u00edas m\u00e1s granulares:<\/span>\n<ul>\n<li><span style=\"color: #000000;\">&#8221;\u00a0<strong>Construcci\u00f3n de modelos<\/strong>\u00a0&#8220;<\/span><\/li>\n<li><span style=\"color: #000000;\">&#8221;\u00a0<strong>Tiendas de caracter\u00edsticas<\/strong>\u00a0&#8220;<\/span><\/li>\n<li><span style=\"color: #000000;\">&#8221;\u00a0<strong>Implementaci\u00f3n y producci\u00f3n<\/strong>\u00a0&#8220;<\/span><\/li>\n<\/ul>\n<\/li>\n<li><span style=\"color: #000000;\">En &#8220;C\u00f3digo abierto&#8221;, agregamos:<\/span>\n<ul>\n<li><span style=\"color: #000000;\">&#8221;\u00a0<strong>Formato<\/strong>\u00a0&#8220;<\/span><\/li>\n<li><span style=\"color: #000000;\">&#8221;\u00a0<strong>Orquestaci\u00f3n<\/strong>\u00a0&#8220;<\/span><\/li>\n<li><span style=\"color: #000000;\">&#8221;\u00a0<strong>Observabilidad y calidad de los datos<\/strong>\u00a0&#8220;<\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Otra evoluci\u00f3n significativa: en el pasado, tend\u00edamos a presentar abrumadoramente en el panorama a las empresas m\u00e1s establecidas: empresas emergentes en etapa de crecimiento (Serie C o posterior), as\u00ed como empresas p\u00fablicas.\u00a0Sin embargo, dado el surgimiento de la nueva generaci\u00f3n de empresas de datos \/ IA mencionada anteriormente, este a\u00f1o hemos presentado muchas m\u00e1s startups tempranas (serie A, a veces semilla) que nunca.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Sin m\u00e1s pre\u00e1mbulos, aqu\u00ed est\u00e1 el panorama:<\/span><\/p>\n<figure class=\"wp-block-image size-large\" style=\"text-align: justify;\"><\/figure>\n<div style=\"text-align: justify;\">\n<div id=\"attachment_2729751\" class=\"wp-caption aligncenter\">\n<p><span style=\"color: #000000;\"><a style=\"color: #000000;\" href=\"http:\/\/46eybw2v1nh52oe80d3bi91u-wpengine.netdna-ssl.com\/wp-content\/uploads\/2021\/10\/2021-ML-AI-Data-Landscape-V2.pdf\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-2729751 size-full jetpack-lazy-image jetpack-lazy-image--handled\" src=\"https:\/\/venturebeat.com\/wp-content\/uploads\/2021\/10\/2021-ML-AI-Data-Landscape-V2-1.png?resize=8056%2C4167&amp;strip=all\" sizes=\"auto, (max-width: 1000px) 100vw, 1000px\" srcset=\"https:\/\/venturebeat.com\/wp-content\/uploads\/2021\/10\/2021-ML-AI-Data-Landscape-V2-1.png?resize=8056%2C4167&amp;strip=all?w=8056&amp;strip=all 8056w, https:\/\/venturebeat.com\/wp-content\/uploads\/2021\/10\/2021-ML-AI-Data-Landscape-V2-1.png?resize=8056%2C4167&amp;strip=all?w=300&amp;strip=all 300w, https:\/\/venturebeat.com\/wp-content\/uploads\/2021\/10\/2021-ML-AI-Data-Landscape-V2-1.png?resize=8056%2C4167&amp;strip=all?w=768&amp;strip=all 768w, https:\/\/venturebeat.com\/wp-content\/uploads\/2021\/10\/2021-ML-AI-Data-Landscape-V2-1.png?resize=8056%2C4167&amp;strip=all?w=800&amp;strip=all 800w, https:\/\/venturebeat.com\/wp-content\/uploads\/2021\/10\/2021-ML-AI-Data-Landscape-V2-1.png?resize=8056%2C4167&amp;strip=all?w=1536&amp;strip=all 1536w, https:\/\/venturebeat.com\/wp-content\/uploads\/2021\/10\/2021-ML-AI-Data-Landscape-V2-1.png?resize=8056%2C4167&amp;strip=all?w=2048&amp;strip=all 2048w, https:\/\/venturebeat.com\/wp-content\/uploads\/2021\/10\/2021-ML-AI-Data-Landscape-V2-1.png?resize=8056%2C4167&amp;strip=all?w=400&amp;strip=all 400w, https:\/\/venturebeat.com\/wp-content\/uploads\/2021\/10\/2021-ML-AI-Data-Landscape-V2-1.png?resize=8056%2C4167&amp;strip=all?w=750&amp;strip=all 750w, https:\/\/venturebeat.com\/wp-content\/uploads\/2021\/10\/2021-ML-AI-Data-Landscape-V2-1.png?resize=8056%2C4167&amp;strip=all?w=578&amp;strip=all 578w, https:\/\/venturebeat.com\/wp-content\/uploads\/2021\/10\/2021-ML-AI-Data-Landscape-V2-1.png?resize=8056%2C4167&amp;strip=all?w=930&amp;strip=all 930w, https:\/\/venturebeat.com\/wp-content\/uploads\/2021\/10\/2021-ML-AI-Data-Landscape-V2-1.png?resize=8056%2C4167&amp;strip=all?w=3000&amp;strip=all 3000w\" alt=\"Gr\u00e1fico de Tendencias clave en la infraestructura de datos 2021 que muestra las empresas clave y las tendencias en el espacio de la infraestructura de datos;  la informaci\u00f3n completa est\u00e1 disponible en mattturk.com\" width=\"8056\" height=\"4167\" data-recalc-dims=\"1\" data-lazy-loaded=\"1\" \/><\/a><\/span><\/p>\n<p class=\"wp-caption-text\"><span style=\"color: #000000;\">Arriba: Gr\u00e1fico de mattturck.com que muestra las tendencias clave de 2021 en infraestructura de datos.<\/span><\/p>\n<div class=\"vb_image_source\"><span style=\"color: #000000;\"><em>Cr\u00e9dito de la imagen:\u00a0<a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2021\/10\/16\/the-2021-machine-learning-ai-and-data-landscape\/\" target=\"_blank\" rel=\"noopener noreferrer\">Matt Turk<\/a><\/em><\/span><\/div>\n<\/div>\n<\/div>\n<ul style=\"text-align: justify;\">\n<li><span style=\"color: #000000;\">VER LA TABLA EN TAMA\u00d1O COMPLETO y ALTA RESOLUCI\u00d3N:\u00a0<a style=\"color: #000000;\" href=\"http:\/\/46eybw2v1nh52oe80d3bi91u-wpengine.netdna-ssl.com\/wp-content\/uploads\/2021\/10\/2021-ML-AI-Data-Landscape-V2.pdf\">HAGA CLIC AQU\u00cd<\/a><\/span><\/li>\n<li><span style=\"color: #000000;\">LISTA COMPLETA EN FORMATO DE HOJA DE C\u00c1LCULO: A pesar de lo ajetreado que est\u00e1 el panorama, no podemos encajar en todas las empresas interesantes del gr\u00e1fico en s\u00ed.\u00a0Como resultado, tenemos una hoja de c\u00e1lculo completa que no solo enumera todas las empresas en el panorama, sino tambi\u00e9n cientos m\u00e1s &#8211;\u00a0<a style=\"color: #000000;\" href=\"https:\/\/airtable.com\/shrXVKG1JI9EHyoFE\/tbl8oBlGhRFr9iBBY\">HAGA CLIC AQU\u00cd<\/a><\/span><\/li>\n<\/ul>\n<h2 style=\"text-align: justify;\"><span style=\"color: #000000;\">Tendencias clave en la infraestructura de datos<\/span><\/h2>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">En\u00a0<a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/data2020\/\" target=\"_blank\" rel=\"noreferrer noopener\">el panorama del a\u00f1o pasado<\/a>\u00a0, identificamos algunas de las tendencias clave de la infraestructura de datos de 2020:<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Como recordatorio, estas son algunas de las tendencias que escribimos sobre el \u00daLTIMO A\u00d1O (2020):<\/span><\/p>\n<ul style=\"text-align: justify;\">\n<li><span style=\"color: #000000;\">La pila de datos moderna se generaliza<\/span><\/li>\n<li><span style=\"color: #000000;\">ETL frente a ELT<\/span><\/li>\n<li><span style=\"color: #000000;\">\u00bfAutomatizaci\u00f3n de la ingenier\u00eda de datos?<\/span><\/li>\n<li><span style=\"color: #000000;\">Ascenso del analista de datos<\/span><\/li>\n<li><span style=\"color: #000000;\">\u00bfLagos de datos y los almacenes de datos se fusionan?<\/span><\/li>\n<li><span style=\"color: #000000;\">La complejidad permanece<\/span><\/li>\n<\/ul>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Por supuesto, el informe de 2020 tiene menos de un a\u00f1o, y esas son tendencias de varios a\u00f1os que a\u00fan se est\u00e1n desarrollando y continuar\u00e1n haci\u00e9ndolo.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Ahora, aqu\u00ed est\u00e1 nuestro resumen de algunas tendencias clave para ESTE A\u00d1O (2021):<\/span><\/p>\n<ul style=\"text-align: justify;\">\n<li><span style=\"color: #000000;\">La malla de datos<\/span><\/li>\n<li><span style=\"color: #000000;\">Un a\u00f1o ajetreado para DataOps<\/span><\/li>\n<li><span style=\"color: #000000;\">Es hora de tiempo real<\/span><\/li>\n<li><span style=\"color: #000000;\">Tiendas de m\u00e9tricas<\/span><\/li>\n<li><span style=\"color: #000000;\">ETL inverso<\/span><\/li>\n<li><span style=\"color: #000000;\">Compartir datos<\/span><\/li>\n<\/ul>\n<h3 style=\"text-align: justify;\"><span style=\"color: #000000;\">La malla de datos<\/span><\/h3>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">El nuevo tema favorito de todos de 2021 es la &#8220;malla de datos&#8221;, y ha sido divertido verlo debatido en Twitter entre el grupo (ciertamente bastante peque\u00f1o) de personas que se obsesionan con esos temas.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">El concepto fue presentado por primera vez por\u00a0<a style=\"color: #000000;\" href=\"https:\/\/twitter.com\/zhamakd\" target=\"_blank\" rel=\"noreferrer noopener\">Zhamak Dehghani<\/a>\u00a0en 2019 (consulte su art\u00edculo original, &#8221;\u00a0<a style=\"color: #000000;\" href=\"https:\/\/martinfowler.com\/articles\/data-monolith-to-mesh.html\" target=\"_blank\" rel=\"noreferrer noopener\">C\u00f3mo<\/a>\u00a0pasar de un\u00a0<a style=\"color: #000000;\" href=\"https:\/\/martinfowler.com\/articles\/data-monolith-to-mesh.html\" target=\"_blank\" rel=\"noreferrer noopener\">lago de datos monol\u00edtico a una malla de datos distribuidos<\/a>\u00a0&#8220;), y ha cobrado mucho impulso a lo largo de 2020 y 2021.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">El concepto de malla de datos es en gran parte una idea organizativa.\u00a0Un enfoque est\u00e1ndar para construir equipos e infraestructura de datos hasta ahora ha sido la centralizaci\u00f3n: una gran plataforma, administrada por un equipo de datos, que atiende las necesidades de los usuarios comerciales.\u00a0Esto tiene ventajas, pero tambi\u00e9n puede crear una serie de problemas (cuellos de botella, etc.).\u00a0El concepto general de la malla de datos es la descentralizaci\u00f3n: crear equipos de datos independientes que sean responsables de su propio dominio y proporcionen datos \u201ccomo un producto\u201d a otros dentro de la organizaci\u00f3n.\u00a0Conceptualmente, esto no es completamente diferente del concepto de microservicios que se ha vuelto familiar en la ingenier\u00eda de software, pero que se aplica al dominio de los datos.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">La malla de datos tiene una serie de importantes implicaciones pr\u00e1cticas que se est\u00e1n debatiendo activamente en los c\u00edrculos de datos.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Si se afianzara, ser\u00eda un gran viento de cola para las nuevas empresas que brindan el tipo de herramientas que son cr\u00edticas para la misi\u00f3n en una pila de datos descentralizada.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Starburst, un motor de consultas SQL para acceder y analizar datos a trav\u00e9s de repositorios, se ha rebautizado a s\u00ed mismo como &#8220;el motor de an\u00e1lisis para la malla de datos&#8221;.\u00a0Incluso\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.prnewswire.com\/news-releases\/starburst-sponsors-groundbreaking-new-oreilly-book-by-zhamak-dehghani-data-mesh-delivering-data-driven-value-at-scale-301318092.html\" target=\"_blank\" rel=\"noreferrer noopener\">patrocina<\/a>\u00a0el nuevo libro de Dehghani sobre el tema.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Las tecnolog\u00edas como los motores de orquestaci\u00f3n (Airflow, Prefect, Dagster) que ayudan a administrar tuber\u00edas complejas se volver\u00edan a\u00fan m\u00e1s cr\u00edticas para la misi\u00f3n.\u00a0Vea mi\u00a0<a style=\"color: #000000;\" href=\"https:\/\/youtu.be\/gS3Syom0RHk\" target=\"_blank\" rel=\"noreferrer noopener\">charla de Fireside con Nick Schrock (Fundador y CEO, Elementl)<\/a>\u00a0, la compa\u00f1\u00eda detr\u00e1s del motor de orquestaci\u00f3n Dagster.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">El seguimiento de datos a trav\u00e9s de repositorios y canalizaciones se volver\u00eda a\u00fan m\u00e1s esencial para fines de resoluci\u00f3n de problemas, as\u00ed como para el cumplimiento y la gobernanza, lo que refuerza la necesidad de un linaje de datos.\u00a0La industria se est\u00e1 preparando para este mundo, por ejemplo, con\u00a0<a style=\"color: #000000;\" href=\"https:\/\/openlineage.io\/\" target=\"_blank\" rel=\"noreferrer noopener\">OpenLineage<\/a>\u00a0, una nueva iniciativa entre industrias para la recopilaci\u00f3n est\u00e1ndar de linajes de datos.\u00a0Vea mi charla junto a la chimenea con\u00a0<a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/datakin\/\" target=\"_blank\" rel=\"noreferrer noopener\">Julien Le Dem, director de tecnolog\u00eda de Datakin<\/a>\u00a0*, la empresa que ayud\u00f3 a iniciar la iniciativa OpenLineage.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">*** Para cualquier persona interesada, presentaremos a Zhamak Dehghani en Data Driven NYC el 14 de octubre de 2021. \u00a1Ser\u00e1 una sesi\u00f3n de Zoom, abierta a todos!\u00a0Ingrese\u00a0<a style=\"color: #000000;\" href=\"https:\/\/firstmarkcap.com\/events\/data-driven\/\">su direcci\u00f3n de correo electr\u00f3nico aqu\u00ed<\/a>\u00a0para recibir una notificaci\u00f3n sobre el evento.\u00a0***<\/span><\/p>\n<h3 style=\"text-align: justify;\"><span style=\"color: #000000;\">Un a\u00f1o ajetreado para DataOps<\/span><\/h3>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Si bien el concepto de DataOps ha estado flotando durante a\u00f1os (y lo mencionamos en versiones anteriores de este panorama), la actividad realmente se ha recuperado recientemente.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Como suele ser el caso de las categor\u00edas m\u00e1s nuevas, la definici\u00f3n de DataOps es algo confusa.\u00a0Algunos lo ven como la aplicaci\u00f3n de DevOps (del software mundial de ingenier\u00eda) al mundo de los datos;\u00a0otros lo ven de manera m\u00e1s amplia como cualquier cosa que implique la creaci\u00f3n y mantenimiento de canalizaciones de datos y la garant\u00eda de que todos los productores y consumidores de datos puedan hacer lo que necesitan hacer, ya sea encontrar el conjunto de datos correcto (a trav\u00e9s de un cat\u00e1logo de datos) o implementar un modelo en producci\u00f3n.\u00a0Independientemente, al igual que DevOps, es una combinaci\u00f3n de metodolog\u00eda, procesos, personas, plataformas y herramientas.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">El contexto general es que las herramientas y pr\u00e1cticas de ingenier\u00eda de datos todav\u00eda est\u00e1n muy por detr\u00e1s del nivel de sofisticaci\u00f3n y automatizaci\u00f3n de sus primos de ingenier\u00eda de software.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">El surgimiento de DataOps es uno de los ejemplos de lo que mencionamos anteriormente en la publicaci\u00f3n: dado que las necesidades b\u00e1sicas en torno al almacenamiento y procesamiento de datos ahora se abordan adecuadamente, y los datos \/ IA se est\u00e1n volviendo cada vez m\u00e1s cr\u00edticos para la misi\u00f3n en la empresa, la industria lo es naturalmente evolucionando hacia los siguientes niveles de la jerarqu\u00eda de necesidades de datos y creando mejores herramientas y pr\u00e1cticas para garantizar que la infraestructura de datos pueda funcionar y mantenerse de manera confiable y a escala.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Todo un ecosistema de startups de DataOps en etapa inicial que surgieron recientemente, cubriendo diferentes partes de la categor\u00eda, pero con m\u00e1s o menos la misma ambici\u00f3n de convertirse en el &#8220;Datadog del mundo de los datos&#8221; (mientras que Datadog a veces se usa para fines de DataOps y puede entrar en el espacio en un momento u otro, hist\u00f3ricamente se ha centrado en la ingenier\u00eda y las operaciones de software).<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Las empresas emergentes est\u00e1n compitiendo para definir su subcategor\u00eda, por lo que hay muchos t\u00e9rminos flotando, pero estos son algunos de los conceptos clave.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">La observabilidad de datos es el concepto general de usar monitoreo, alertas y clasificaci\u00f3n automatizados para eliminar el &#8220;tiempo de inactividad de los datos&#8221;, un t\u00e9rmino acu\u00f1ado por Monte Carlo Data, un proveedor en el espacio (junto con otros como BigEye y Databand).<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">La observabilidad tiene dos pilares b\u00e1sicos.\u00a0Uno es el linaje de datos, que es la capacidad de seguir el camino de los datos a trav\u00e9s de canalizaciones y comprender d\u00f3nde surgen los problemas y de d\u00f3nde provienen los datos (para fines de cumplimiento).\u00a0El linaje de datos tiene su propio conjunto de nuevas empresas especializadas como Datakin * y Manta.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">El otro pilar es la calidad de los datos, que ha visto una avalancha de nuevos participantes.\u00a0Detectar problemas de calidad en los datos es esencial y mucho m\u00e1s complicado que en el mundo de la ingenier\u00eda de software, ya que cada conjunto de datos es un poco diferente.\u00a0Diferentes startups tienen diferentes enfoques.\u00a0Uno es declarativo, lo que significa que las personas pueden establecer reglas expl\u00edcitamente sobre qu\u00e9 es un conjunto de datos de calidad y qu\u00e9 no lo es.\u00a0Este es el enfoque de Superconductive, la compa\u00f1\u00eda detr\u00e1s del popular proyecto de c\u00f3digo abierto Great Expectations (consulte nuestro\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.youtube.com\/watch?v=oxN9-G4ltgk\" target=\"_blank\" rel=\"noreferrer noopener\">Fireside Chat con Abe Gong, CEO de Superconductive<\/a>\u00a0).\u00a0Otro enfoque se basa m\u00e1s en el aprendizaje autom\u00e1tico para automatizar la detecci\u00f3n de problemas de calidad (sin dejar de usar algunas reglas): Anomalo es una startup con este enfoque.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Un concepto emergente relacionado es la ingenier\u00eda de confiabilidad de datos (DRE), que se hace eco de la disciplina hermana de la ingenier\u00eda de confiabilidad de sitios (SRE) en el mundo de la infraestructura de software.\u00a0Los DRE son ingenieros que resuelven problemas operativos \/ de escala \/ confiabilidad para la infraestructura de datos.\u00a0Espere que aparezcan m\u00e1s herramientas (alertas, comunicaci\u00f3n, intercambio de conocimientos, etc.) en el mercado para satisfacer sus necesidades.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Por \u00faltimo, el acceso y la gobernanza de los datos es otra parte de DataOps (definida en t\u00e9rminos generales) que ha experimentado una explosi\u00f3n de actividad.\u00a0Las empresas emergentes en etapa de crecimiento como Collibra y Alation han estado proporcionando capacidades de cat\u00e1logo durante algunos a\u00f1os, b\u00e1sicamente un inventario de datos disponibles que ayuda a los analistas de datos a encontrar los datos que necesitan.\u00a0Sin embargo, varios nuevos participantes se han unido al mercado m\u00e1s recientemente, incluidos Atlan y Stemma, la empresa comercial detr\u00e1s del cat\u00e1logo de datos de c\u00f3digo abierto Amundsen (que comenz\u00f3 en Lyft).<\/span><\/p>\n<h3 style=\"text-align: justify;\"><span style=\"color: #000000;\">Es hora de tiempo real<\/span><\/h3>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Los datos en &#8220;tiempo real&#8221; o &#8220;en tiempo real&#8221; son datos que se procesan y consumen inmediatamente despu\u00e9s de su generaci\u00f3n.\u00a0Esto se opone al &#8220;lote&#8221;, que ha sido el paradigma dominante en la infraestructura de datos hasta la fecha.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Se nos ocurri\u00f3 una analog\u00eda para explicar la diferencia: Batch es como bloquear una hora para revisar su bandeja de entrada y responder a su correo electr\u00f3nico;\u00a0La transmisi\u00f3n es como enviar mensajes de texto con alguien.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">El procesamiento de datos en tiempo real ha sido un tema candente desde los primeros d\u00edas de la era de Big Data, hace 10-15 a\u00f1os; en particular, la velocidad de procesamiento fue una ventaja clave que precipit\u00f3 el \u00e9xito de Spark (un marco de micro lotes) sobre Hadoop MapReduce. .<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Sin embargo, durante a\u00f1os, la transmisi\u00f3n de datos en tiempo real fue siempre el segmento de mercado que estaba &#8220;a punto de explotar&#8221; de una manera muy importante, pero nunca lo hizo del todo.\u00a0Algunos observadores de la industria argumentaron que la cantidad de aplicaciones para datos en tiempo real es, quiz\u00e1s de manera contraintuitiva, bastante limitada, y gira en torno a un n\u00famero finito de casos de uso como detecci\u00f3n de fraude en l\u00ednea, publicidad en l\u00ednea, recomendaciones de contenido al estilo de Netflix o ciberseguridad.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">El rotundo \u00e9xito de la OPI de Confluent ha demostrado que los detractores estaban equivocados.\u00a0Confluent es ahora una compa\u00f1\u00eda de capitalizaci\u00f3n de mercado de $ 17 mil millones al momento de escribir este art\u00edculo, habi\u00e9ndose casi duplicado desde su OPI del 24 de junio de 2021.\u00a0Confluent es la compa\u00f1\u00eda detr\u00e1s de Kafka, un proyecto de transmisi\u00f3n de datos de c\u00f3digo abierto desarrollado originalmente en LinkedIn.\u00a0A lo largo de los a\u00f1os, la compa\u00f1\u00eda evolucion\u00f3 hasta convertirse en una plataforma de transmisi\u00f3n de datos a gran escala que permite a los clientes acceder y administrar datos como transmisiones continuas en tiempo real (nuevamente, nuestro desmontaje S-1 est\u00e1\u00a0<a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/confluent\/\" target=\"_blank\" rel=\"noreferrer noopener\">aqu\u00ed<\/a>\u00a0).<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">M\u00e1s all\u00e1 de Confluent, todo el ecosistema de datos en tiempo real se ha acelerado.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">El an\u00e1lisis de datos en tiempo real, en particular, ha experimentado mucha actividad.\u00a0Hace solo unos d\u00edas, ClickHouse, una base de datos de an\u00e1lisis en tiempo real que originalmente era un proyecto de c\u00f3digo abierto lanzado por el motor de b\u00fasqueda ruso Yandex, anunci\u00f3 que se ha convertido en una empresa comercial con sede en EE. UU. Financiada con 50 millones de d\u00f3lares en capital de riesgo.\u00a0A principios de este a\u00f1o, Imply, otra plataforma de an\u00e1lisis en tiempo real basada en el proyecto de base de datos de c\u00f3digo abierto Druid, anunci\u00f3 una ronda de financiaci\u00f3n de 70 millones de d\u00f3lares.\u00a0Materialise es otra empresa muy interesante en el espacio; vea nuestro\u00a0<a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/materialize\/\" target=\"_blank\" rel=\"noreferrer noopener\">Fireside Chat con Arjun Narayan, CEO de Materialise<\/a>\u00a0.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Antes del an\u00e1lisis de datos, los actores emergentes ayudan a simplificar las canalizaciones de datos en tiempo real.\u00a0Meroxa se enfoca en conectar bases de datos relacionales a almacenes de datos en tiempo real; vea nuestro\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.youtube.com\/watch?v=4wJ6woDzNag\" target=\"_blank\" rel=\"noreferrer noopener\">Fireside Chat con DeVaris Brown, CEO de Meroxa<\/a>\u00a0.\u00a0Estuary * se centra en unificar los paradigmas en tiempo real y por lotes en un esfuerzo por abstraer la complejidad.<\/span><\/p>\n<h3 style=\"text-align: justify;\"><span style=\"color: #000000;\">Tiendas de m\u00e9tricas<\/span><\/h3>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">El uso de datos y datos aument\u00f3 tanto en frecuencia como en complejidad en las empresas durante los \u00faltimos a\u00f1os.\u00a0Con ese aumento en la complejidad viene un aumento acompa\u00f1ado de dolores de cabeza causados \u200b\u200bpor inconsistencias en los datos.\u00a0Para cualquier m\u00e9trica espec\u00edfica, cualquier peque\u00f1a derivaci\u00f3n en la m\u00e9trica, ya sea causada por dimensi\u00f3n, definici\u00f3n u otra cosa, puede causar resultados desalineados.\u00a0Los equipos que se percibe que est\u00e1n trabajando en base a las mismas m\u00e9tricas podr\u00edan estar trabajando con diferentes cortes de datos por completo o las definiciones de m\u00e9tricas pueden cambiar ligeramente entre los momentos en que se realiza el an\u00e1lisis y llevar a resultados diferentes, sembrando desconfianza cuando surgen inconsistencias.\u00a0Los datos solo son \u00fatiles si los equipos pueden confiar en que los datos son precisos cada vez que los utilizan.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Esto ha llevado al surgimiento de la tienda de m\u00e9tricas que Benn Stancil, el director de an\u00e1lisis de Mode, denomin\u00f3 la\u00a0<a style=\"color: #000000;\" href=\"https:\/\/benn.substack.com\/p\/metrics-layer\" target=\"_blank\" rel=\"noreferrer noopener\">pieza que faltaba en la pila de datos moderna<\/a>\u00a0.\u00a0Las soluciones locales que buscan centralizar el lugar donde se definen las m\u00e9tricas se anunciaron en empresas de tecnolog\u00eda como AirBnB, donde\u00a0<a style=\"color: #000000;\" href=\"https:\/\/medium.com\/airbnb-engineering\/how-airbnb-achieved-metric-consistency-at-scale-f23cc53dea70\" target=\"_blank\" rel=\"noreferrer noopener\">Minerva<\/a>\u00a0tiene la visi\u00f3n de &#8220;definir una vez, usar en cualquier lugar&#8221; y en\u00a0<a style=\"color: #000000;\" href=\"https:\/\/medium.com\/pinterest-engineering\/trusting-metrics-at-pinterest-ed76307e10a0\" target=\"_blank\" rel=\"noreferrer noopener\">Pinterest.<\/a>.\u00a0Estos almacenes de m\u00e9tricas internas sirven para estandarizar las definiciones de m\u00e9tricas comerciales clave y todas sus dimensiones, y proporcionan a las partes interesadas conjuntos de datos precisos y listos para el an\u00e1lisis basados \u200b\u200ben esas definiciones.\u00a0Al centralizar la definici\u00f3n de m\u00e9tricas, estas tiendas ayudan a los equipos a generar confianza en los datos que est\u00e1n utilizando y democratizar el acceso multifuncional a las m\u00e9tricas, impulsando la alineaci\u00f3n de datos en toda la empresa.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">El almac\u00e9n de m\u00e9tricas se encuentra en la parte superior del almac\u00e9n de datos e informa los datos enviados a todas las aplicaciones posteriores donde se consumen los datos, incluidas las plataformas de inteligencia empresarial, las herramientas de an\u00e1lisis y ciencia de datos y las aplicaciones operativas.\u00a0Los equipos definen m\u00e9tricas comerciales clave en el almac\u00e9n de m\u00e9tricas, lo que garantiza que cualquiera que utilice una m\u00e9trica espec\u00edfica la obtendr\u00e1 utilizando definiciones coherentes.\u00a0Las tiendas de m\u00e9tricas como Minerva tambi\u00e9n aseguran que los datos sean consistentes hist\u00f3ricamente, llen\u00e1ndose autom\u00e1ticamente si se cambia la l\u00f3gica empresarial.\u00a0Finalmente, el almac\u00e9n de m\u00e9tricas entrega las m\u00e9tricas al consumidor de datos en formatos estandarizados y validados.\u00a0El almac\u00e9n de m\u00e9tricas permite que los consumidores de datos de diferentes equipos ya no tengan que crear y mantener sus propias versiones de la misma m\u00e9trica y puedan confiar en una \u00fanica fuente de verdad centralizada.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Algunas startups interesantes que crean tiendas de m\u00e9tricas incluyen\u00a0<a style=\"color: #000000;\" href=\"https:\/\/transform.co\/\" target=\"_blank\" rel=\"noreferrer noopener\">Transform<\/a>\u00a0,\u00a0<a style=\"color: #000000;\" href=\"https:\/\/hellotrace.io\/\" target=\"_blank\" rel=\"noreferrer noopener\">Trace<\/a>\u00a0* y\u00a0<a style=\"color: #000000;\" href=\"https:\/\/supergrain.com\/\" target=\"_blank\" rel=\"noreferrer noopener\">Supergrain<\/a>\u00a0.<\/span><\/p>\n<h3 style=\"text-align: justify;\"><span style=\"color: #000000;\">ETL inverso<\/span><\/h3>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Sin duda, ha sido un a\u00f1o ajetreado en el mundo de ETL \/ ELT, los productos que tienen como objetivo extraer datos de una variedad de fuentes (ya sean bases de datos o productos SaaS) y cargarlos en almacenes de datos en la nube.\u00a0Como se mencion\u00f3, Fivetran se convirti\u00f3 en una empresa de $ 5.6 mil millones;\u00a0Mientras tanto, los nuevos participantes Airbyte (una versi\u00f3n de c\u00f3digo abierto) recaudaron una serie A de $ 26 millones y Meltano se separ\u00f3 de GitLab.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Sin embargo, un desarrollo clave en la pila de datos moderna durante el \u00faltimo a\u00f1o ha sido la aparici\u00f3n de\u00a0<a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2021\/06\/25\/how-reverse-etl-can-lighten-your-data-load\/\">ETL inverso<\/a>como categor\u00eda.\u00a0Con la pila de datos moderna, los almacenes de datos se han convertido en la \u00fanica fuente de verdad para todos los datos comerciales que hist\u00f3ricamente se han distribuido en varios sistemas comerciales de la capa de aplicaci\u00f3n.\u00a0Las herramientas ETL inversas se encuentran en el lado opuesto del almac\u00e9n de las herramientas ETL \/ ELT t\u00edpicas y permiten a los equipos mover datos desde su almac\u00e9n de datos a aplicaciones comerciales como CRM, sistemas de automatizaci\u00f3n de marketing o plataformas de soporte al cliente para hacer uso de los datos consolidados y derivados. datos en sus procesos de negocio funcionales.\u00a0Los ETL inversos se han convertido en una parte integral para cerrar el ciclo en la pila de datos moderna para traer datos unificados, pero vienen con desaf\u00edos debido a que los datos se devuelven a los sistemas en vivo.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Con los ETL inversos, los equipos funcionales como el de ventas pueden aprovechar los datos actualizados enriquecidos de otras aplicaciones comerciales, como el compromiso con el producto, de herramientas como Pendo * para comprender c\u00f3mo un cliente potencial ya est\u00e1 participando o de la programaci\u00f3n de marketing de Marketo para tejer una estrategia m\u00e1s coherente. narrativa de ventas.\u00a0Los ETL inversos ayudan a romper los silos de datos y a impulsar la alineaci\u00f3n entre las funciones al llevar datos centralizados desde el almac\u00e9n de datos a los sistemas en los que estos equipos funcionales ya viven en el d\u00eda a d\u00eda.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Varias empresas en el espacio ETL inverso han recibido financiaci\u00f3n el a\u00f1o pasado, incluidas Census, Rudderstack, Grouparoo, Hightouch, Headsup y Polytomic.<\/span><\/p>\n<h3 style=\"text-align: justify;\"><span style=\"color: #000000;\">Compartir datos<\/span><\/h3>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Otro tema que se ha acelerado este a\u00f1o ha sido el aumento del intercambio de datos y la colaboraci\u00f3n de datos no solo dentro de las empresas, sino tambi\u00e9n entre las organizaciones.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Las empresas pueden querer compartir datos con su ecosistema de proveedores, socios y clientes por una amplia gama de razones, incluida la visibilidad de la cadena de suministro, la capacitaci\u00f3n de modelos de aprendizaje autom\u00e1tico o iniciativas compartidas de comercializaci\u00f3n.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">El intercambio de datos entre organizaciones ha sido un tema clave para los proveedores de &#8220;nube de datos&#8221; en particular:<\/span><\/p>\n<ul style=\"text-align: justify;\">\n<li><span style=\"color: #000000;\">En mayo de 2021,\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.zdnet.com\/article\/a-closer-look-at-googles-spring-data-and-analytics-rollouts\/\" target=\"_blank\" rel=\"noreferrer noopener\">Google lanz\u00f3 Analytics Hub<\/a>\u00a0, una plataforma para combinar conjuntos de datos y compartir datos e informaci\u00f3n, incluidos paneles y modelos de aprendizaje autom\u00e1tico, tanto dentro como fuera de una organizaci\u00f3n.\u00a0Tambi\u00e9n\u00a0<a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2021\/05\/27\/google-launches-datashare-to-help-manage-financial-services-data\/\" target=\"_blank\" rel=\"noreferrer noopener\">lanz\u00f3 Datashare<\/a>\u00a0, un producto dirigido m\u00e1s espec\u00edficamente a servicios financieros y basado en Analytics Hub.<\/span><\/li>\n<li><span style=\"color: #000000;\">El mismo d\u00eda (!) De mayo de 2021,\u00a0<a style=\"color: #000000;\" href=\"https:\/\/databricks.com\/blog\/2021\/05\/26\/introducing-delta-sharing-an-open-protocol-for-secure-data-sharing.html\" target=\"_blank\" rel=\"noreferrer noopener\">Databricks anunci\u00f3 Delta Sharing<\/a>\u00a0, un protocolo de c\u00f3digo abierto para el intercambio seguro de datos entre organizaciones.<\/span><\/li>\n<li><span style=\"color: #000000;\">En junio de 2021,\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.snowflake.com\/news\/snowflake-accelerates-data-collaboration-with-more-than-500-listings-in-snowflake-data-marketplace-and-announces-monetization-in-the-data-cloud\/\" target=\"_blank\" rel=\"noreferrer noopener\">Snowflake anunci\u00f3<\/a>\u00a0la disponibilidad general de su mercado de datos, as\u00ed como capacidades adicionales para el intercambio seguro de datos.<\/span><\/li>\n<\/ul>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Tambi\u00e9n hay una serie de nuevas empresas interesantes en el espacio:<\/span><\/p>\n<ul style=\"text-align: justify;\">\n<li><span style=\"color: #000000;\">Habr, un proveedor de intercambios de datos empresariales<\/span><\/li>\n<li><span style=\"color: #000000;\">Crossbeam *, una plataforma de ecosistema de socios<\/span><\/li>\n<\/ul>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Permitir la colaboraci\u00f3n entre organizaciones es particularmente estrat\u00e9gico para los proveedores de nube de datos porque ofrece la posibilidad de construir un foso adicional para sus negocios.\u00a0A medida que la competencia se intensifica y los proveedores intentan superarse entre s\u00ed en caracter\u00edsticas y capacidades, una plataforma de intercambio de datos podr\u00eda ayudar a crear un efecto de red.\u00a0Cuantas m\u00e1s empresas se unan, digamos, a Snowflake Data Cloud y compartan sus datos con otros, m\u00e1s valioso ser\u00e1 para cada nueva empresa que se una a la red (y m\u00e1s dif\u00edcil ser\u00e1 salir de la red).<\/span><\/p>\n<h2 style=\"text-align: justify;\"><span style=\"color: #000000;\">Tendencias clave en ML \/ AI<\/span><\/h2>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">En\u00a0<a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/data2020\/\" target=\"_blank\" rel=\"noreferrer noopener\">el panorama del a\u00f1o pasado<\/a>\u00a0, identificamos algunas de las tendencias clave de la infraestructura de datos de 2020.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Como recordatorio, estas son algunas de las tendencias que escribimos sobre el \u00daLTIMO A\u00d1O (2020)<\/span><\/p>\n<ul style=\"text-align: justify;\">\n<li><span style=\"color: #000000;\">Tiempo de auge para las plataformas de ciencia de datos y aprendizaje autom\u00e1tico (DSML)<\/span><\/li>\n<li><span style=\"color: #000000;\">El aprendizaje autom\u00e1tico se implementa e integra<\/span><\/li>\n<li><span style=\"color: #000000;\">El a\u00f1o de la PNL<\/span><\/li>\n<\/ul>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Ahora, aqu\u00ed est\u00e1 nuestro resumen de algunas tendencias clave para ESTE A\u00d1O (2021):<\/span><\/p>\n<ul style=\"text-align: justify;\">\n<li><span style=\"color: #000000;\">Tiendas de caracter\u00edsticas<\/span><\/li>\n<li><span style=\"color: #000000;\">El auge de ModelOps<\/span><\/li>\n<li><span style=\"color: #000000;\">Generaci\u00f3n de contenido de IA<\/span><\/li>\n<li><span style=\"color: #000000;\">La aparici\u00f3n continua de una pila de inteligencia artificial china separada<\/span><\/li>\n<\/ul>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">La investigaci\u00f3n en inteligencia artificial sigue mejorando a un ritmo r\u00e1pido.\u00a0Algunos proyectos notables lanzados o publicados en el \u00faltimo a\u00f1o incluyen Alphafold de DeepMind, que predice en qu\u00e9 formas se pliegan las prote\u00ednas, junto con m\u00faltiples avances de OpenAI, incluidos GPT-3, DALL-E y CLIP.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Adem\u00e1s, la financiaci\u00f3n inicial se ha acelerado dr\u00e1sticamente en toda la pila de aprendizaje autom\u00e1tico, dando lugar a una gran cantidad de soluciones puntuales.\u00a0Con el panorama en crecimiento, es probable que surjan problemas de compatibilidad entre las soluciones a medida que las pilas de aprendizaje autom\u00e1tico se vuelven cada vez m\u00e1s complicadas.\u00a0Las empresas deber\u00e1n tomar una decisi\u00f3n entre comprar una soluci\u00f3n integral completa como DataRobot o Dataiku * o intentar encadenar las mejores soluciones puntuales de su clase.\u00a0La consolidaci\u00f3n a trav\u00e9s de soluciones de puntos adyacentes tambi\u00e9n es inevitable a medida que el mercado madura y las empresas de crecimiento m\u00e1s r\u00e1pido alcanzan una escala significativa.<\/span><\/p>\n<h3 style=\"text-align: justify;\"><span style=\"color: #000000;\">Tiendas de caracter\u00edsticas<\/span><\/h3>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Las tiendas de caracter\u00edsticas se han vuelto cada vez m\u00e1s comunes en la pila operativa de aprendizaje autom\u00e1tico desde que\u00a0<a style=\"color: #000000;\" href=\"https:\/\/eng.uber.com\/michelangelo-machine-learning-platform\/\" target=\"_blank\" rel=\"noreferrer noopener\">Uber introdujo<\/a>\u00a0la idea por primera\u00a0<a style=\"color: #000000;\" href=\"https:\/\/eng.uber.com\/michelangelo-machine-learning-platform\/\" target=\"_blank\" rel=\"noreferrer noopener\">vez en 2017<\/a>\u00a0, y varias empresas realizaron rondas el a\u00f1o pasado para crear tiendas de caracter\u00edsticas administradas, incluidas\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.tecton.ai\/\" target=\"_blank\" rel=\"noreferrer noopener\">Tecton<\/a>\u00a0,\u00a0<a style=\"color: #000000;\" href=\"http:\/\/rasgoml.com\/\" target=\"_blank\" rel=\"noreferrer noopener\">Rasgo<\/a>\u00a0,\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.logicalclocks.com\/\" target=\"_blank\" rel=\"noreferrer noopener\">Logical Clocks<\/a>\u00a0y\u00a0<a style=\"color: #000000;\" href=\"https:\/\/kaskada.com\/\" target=\"_blank\" rel=\"noreferrer noopener\">Kaskada<\/a>\u00a0.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Una caracter\u00edstica (a veces denominada variable o atributo) en el aprendizaje autom\u00e1tico es una propiedad o caracter\u00edstica de entrada individual medible, que podr\u00eda representarse como una columna en un fragmento de datos.\u00a0Los modelos de aprendizaje autom\u00e1tico pueden usarse desde una sola funci\u00f3n hasta m\u00e1s de millones.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Hist\u00f3ricamente, la ingenier\u00eda de caracter\u00edsticas se hab\u00eda realizado de una manera m\u00e1s ad-hoc, con modelos y tuber\u00edas cada vez m\u00e1s complicados a lo largo del tiempo.\u00a0Los ingenieros y cient\u00edficos de datos a menudo dedicaban mucho tiempo a volver a extraer caracter\u00edsticas de los datos sin procesar.\u00a0Las brechas entre los entornos de producci\u00f3n y experimentaci\u00f3n tambi\u00e9n podr\u00edan causar inconsistencias inesperadas en el rendimiento y el comportamiento del modelo.\u00a0Las organizaciones tambi\u00e9n est\u00e1n m\u00e1s preocupadas por la gobernanza, la reproducibilidad y la explicabilidad de sus modelos de aprendizaje autom\u00e1tico, y las caracter\u00edsticas en silos lo dificultan en la pr\u00e1ctica.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Las tiendas de caracter\u00edsticas promueven la colaboraci\u00f3n y ayudan a romper los silos.\u00a0Reducen la complejidad de los gastos generales y estandarizan y reutilizan las funciones al proporcionar una \u00fanica fuente de informaci\u00f3n tanto en la capacitaci\u00f3n (fuera de l\u00ednea) como en la producci\u00f3n (en l\u00ednea).\u00a0Act\u00faa como un lugar centralizado para almacenar grandes vol\u00famenes de caracter\u00edsticas seleccionadas dentro de una organizaci\u00f3n, ejecuta las canalizaciones de datos que transforman los datos sin procesar en valores de caracter\u00edsticas y proporciona acceso de lectura de baja latencia directamente a trav\u00e9s de API.\u00a0Esto permite un desarrollo m\u00e1s r\u00e1pido y ayuda a los equipos a evitar la duplicaci\u00f3n de trabajo y a mantener conjuntos de funciones consistentes entre los ingenieros y entre los modelos de capacitaci\u00f3n y servicio.\u00a0Los almacenes de caracter\u00edsticas tambi\u00e9n producen y muestran metadatos como el linaje de datos para caracter\u00edsticas, monitoreo de estado, deriva tanto para caracter\u00edsticas como para datos en l\u00ednea, y m\u00e1s.<\/span><\/p>\n<h3 style=\"text-align: justify;\"><span style=\"color: #000000;\">El auge de ModelOps<\/span><\/h3>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">En este punto, la mayor\u00eda de las empresas reconocen que llevar los modelos de la experimentaci\u00f3n a la producci\u00f3n es un desaf\u00edo, y los modelos en uso requieren un monitoreo constante y una nueva capacitaci\u00f3n a medida que los datos cambian.\u00a0Seg\u00fan IDC, el\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.idc.com\/getdoc.jsp?containerId=prUS46534820\" target=\"_blank\" rel=\"noreferrer noopener\">28% de todos los proyectos de ML \/ AI han fallado<\/a>\u00a0, y Gartner se\u00f1ala que el\u00a0<a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2019\/07\/19\/why-do-87-of-data-science-projects-never-make-it-into-production\/\" target=\"_blank\" rel=\"noreferrer noopener\">87% de los proyectos de ciencia de datos<\/a>\u00a0nunca llegan a la producci\u00f3n.\u00a0Las operaciones de aprendizaje autom\u00e1tico (MLOps), sobre las que escribimos en\u00a0<a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/2019trends\/\" target=\"_blank\" rel=\"noreferrer noopener\">2019<\/a>\u00a0, surgieron en los pr\u00f3ximos a\u00f1os cuando las empresas buscaron cerrar esas brechas aplicando las mejores pr\u00e1cticas de DevOps.\u00a0MLOps busca agilizar el r\u00e1pido desarrollo continuo y la implementaci\u00f3n de modelos a escala y, seg\u00fan\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.gartner.com\/doc\/reprints?id=1-2757YXTD&amp;ct=210811&amp;st=sb__;!!May37g!d97pJKlW9GVAOuzbTibpUxBhaj2sS5J8H94oZAzu6Jp33eNtJotvNebrGwVqnXtlpbw%24\" target=\"_blank\" rel=\"noreferrer noopener\">Gartner<\/a>\u00a0, ha alcanzado un pico en el ciclo de la publicidad.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">El nuevo concepto de moda en las operaciones de IA est\u00e1 en ModelOps, un superconjunto de MLOps que tiene como objetivo poner en funcionamiento todos los modelos de IA, incluido ML, a un ritmo m\u00e1s r\u00e1pido en todas las fases del ciclo de vida, desde el entrenamiento hasta la producci\u00f3n.\u00a0ModelOps cubre tanto herramientas como procesos, lo que requiere un compromiso cultural interdisciplinario uniendo procesos, estandarizando la orquestaci\u00f3n de modelos de un extremo a otro, creando un repositorio centralizado para todos los modelos junto con capacidades de gobernanza integrales (abordar el linaje, monitoreo, etc.) e implementar mejor gobernanza, seguimiento y pistas de auditor\u00eda para todos los modelos en uso.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">En la pr\u00e1ctica, ModelOps bien implementado ayuda a aumentar la explicabilidad y el cumplimiento al tiempo que reduce el riesgo para todos los modelos al proporcionar un sistema unificado para implementar, monitorear y gobernar todos los modelos.\u00a0Los equipos pueden hacer mejores comparaciones entre modelos con procesos estandarizados durante el entrenamiento y la implementaci\u00f3n, lanzar modelos con ciclos m\u00e1s r\u00e1pidos, recibir alertas autom\u00e1ticamente cuando los puntos de referencia de rendimiento del modelo caen por debajo de los umbrales aceptables y comprender el historial y el linaje de los modelos en uso en todo el mundo. organizaci\u00f3n.<\/span><\/p>\n<h3 style=\"text-align: justify;\"><span style=\"color: #000000;\">Generaci\u00f3n de contenido de IA<\/span><\/h3>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">La IA ha madurado mucho en los \u00faltimos a\u00f1os y ahora se est\u00e1 aprovechando para crear contenido en todo tipo de medios, incluidos texto, im\u00e1genes, c\u00f3digo y videos.\u00a0En junio pasado, OpenAI lanz\u00f3 su primer producto beta comercial: una API centrada en el desarrollador que conten\u00eda GPT-3, un poderoso modelo de lenguaje de uso general con 175 mil millones de par\u00e1metros.\u00a0A principios de este a\u00f1o, decenas de miles de desarrolladores hab\u00edan creado m\u00e1s de 300 aplicaciones en la plataforma, generando un promedio de 4.500 millones de palabras al d\u00eda.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">OpenAI ya firm\u00f3 varios acuerdos comerciales tempranos, sobre todo con Microsoft, que ha aprovechado GPT-3 dentro de Power Apps para devolver f\u00f3rmulas basadas en b\u00fasquedas sem\u00e1nticas, lo que permite a los &#8220;desarrolladores ciudadanos&#8221; generar c\u00f3digo con capacidad de codificaci\u00f3n limitada.\u00a0Adem\u00e1s, GitHub aprovech\u00f3 OpenAI Codex, un descendiente de GPT-3 que contiene lenguaje natural y miles de millones de l\u00edneas de c\u00f3digo fuente de repositorios de c\u00f3digo p\u00fablico, para lanzar el controvertido\u00a0<a style=\"color: #000000;\" href=\"https:\/\/venturebeat.com\/2021\/09\/24\/ai-weekly-researchers-attempt-an-open-source-alternative-to-githubs-copilot\/\">Copiloto de GitHub<\/a>\u00a0, que tiene como objetivo acelerar la codificaci\u00f3n al sugerir funciones completas para autocompletar el c\u00f3digo dentro de el editor de c\u00f3digo.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Dado que OpenAI se centra principalmente en modelos centrados en el ingl\u00e9s, un n\u00famero creciente de empresas est\u00e1 trabajando en modelos que no est\u00e1n en ingl\u00e9s.\u00a0En Europa, la startup alemana Aleph Alpha\u00a0<a style=\"color: #000000;\" href=\"https:\/\/techcrunch.com\/2021\/07\/27\/german-startup-aleph-alpha-raises-27m-series-a-round-to-build-europes-openai\/\" target=\"_blank\" rel=\"noreferrer noopener\">recaud\u00f3 $ 27 millones a<\/a>\u00a0principios de este a\u00f1o para construir una &#8220;infraestructura inform\u00e1tica soberana basada en la UE&#8221; y ha creado un modelo de lenguaje multiling\u00fce que puede devolver resultados de texto coherentes en alem\u00e1n, franc\u00e9s, espa\u00f1ol e italiano, adem\u00e1s. a Ingles.\u00a0Otras empresas que trabajan en modelos espec\u00edficos de idiomas incluyen AI21 Labs que construye Jurassic-1 en ingl\u00e9s y hebreo, PanGu-\u03b1 de Huawei y Wudao de la Academia de Inteligencia Artificial de Beijing en chino, e HyperCLOVA de Naver en coreano.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Por el lado de la imagen, OpenAI present\u00f3 su modelo de 12 mil millones de par\u00e1metros llamado\u00a0<a style=\"color: #000000;\" href=\"https:\/\/openai.com\/blog\/dall-e\/\" target=\"_blank\" rel=\"noreferrer noopener\">DALL-E en<\/a>\u00a0enero pasado, que fue entrenado para crear im\u00e1genes plausibles a partir de descripciones de texto.\u00a0DALL-E ofrece cierto nivel de control sobre m\u00faltiples objetos, sus atributos, sus relaciones espaciales e incluso la perspectiva y el contexto.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Adem\u00e1s, los medios sint\u00e9ticos han madurado significativamente desde el ir\u00f3nico\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.youtube.com\/watch?v=cQ54GDm1eL0\" target=\"_blank\" rel=\"noreferrer noopener\">Buzzfeed 2018 y Jordan Peele deepfake Obama<\/a>\u00a0.\u00a0Las empresas de consumo han comenzado a aprovechar los medios generados sint\u00e9ticamente para todo, desde campa\u00f1as de marketing hasta entretenimiento.\u00a0A principios de este a\u00f1o, Synthesia * se asoci\u00f3 con Lay y Lionel Messi para crear Messi Messages, una plataforma que permit\u00eda a los usuarios generar videoclips de Messi personalizados con los nombres de sus amigos.\u00a0Algunos otros ejemplos notables en el \u00faltimo a\u00f1o incluyen el uso de inteligencia artificial para reducir\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.cnn.com\/2021\/08\/25\/entertainment\/mandalorian-luke-skywalker-episode\/index.html\" target=\"_blank\" rel=\"noreferrer noopener\">la edad de Mark Hamill<\/a>\u00a0tanto en apariencia como en voz en The Mandalorian, hacer que Anthony Bourdain narre un di\u00e1logo que nunca dijo en\u00a0<em>Roadrunner<\/em>\u00a0, crear un comercial de State Farm que promocione\u00a0<em>The Last Dance,<\/em>y crear una voz sint\u00e9tica para Val Kilmer, quien perdi\u00f3 la voz durante el tratamiento para el c\u00e1ncer de garganta.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Con este avance tecnol\u00f3gico viene un dilema \u00e9tico y moral.\u00a0Los medios sint\u00e9ticos potencialmente representan un riesgo para la sociedad, incluso mediante la creaci\u00f3n de contenido con malas intenciones, como el uso de discursos de odio u otro lenguaje que da\u00f1e la imagen, los estados que crean narrativas falsas con actores sint\u00e9ticos o la pornograf\u00eda deepfake de celebridades y venganza.\u00a0Algunas empresas han tomado medidas para limitar el acceso a su tecnolog\u00eda con c\u00f3digos de \u00e9tica como Synthesia * y Sonantic.\u00a0El debate sobre las medidas de seguridad, como etiquetar el contenido como sint\u00e9tico e identificar a su creador y propietario, apenas est\u00e1 comenzando y probablemente seguir\u00e1 sin resolverse en el futuro.<\/span><\/p>\n<h3 style=\"text-align: justify;\"><span style=\"color: #000000;\">La aparici\u00f3n continua de una pila de inteligencia artificial china separada<\/span><\/h3>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">China ha seguido desarroll\u00e1ndose como una potencia mundial de inteligencia artificial, con un enorme mercado que es el mayor productor de datos del mundo.\u00a0El a\u00f1o pasado vio la primera proliferaci\u00f3n real de la tecnolog\u00eda de consumo de inteligencia artificial china con el \u00e9xito transfronterizo occidental de TikTok, basado en uno de los mejores algoritmos de recomendaci\u00f3n de inteligencia artificial jam\u00e1s creados.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Con el mandato del gobierno chino en 2017 para la supremac\u00eda de la IA para 2030 y con el apoyo financiero en forma de\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.reuters.com\/article\/us-china-ai-tianjin\/chinas-city-of-tianjin-to-set-up-16-billion-artificial-intelligence-fund-idUSKCN1II0DD\" target=\"_blank\" rel=\"noreferrer noopener\">miles<\/a>\u00a0de\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.reuters.com\/article\/us-china-ai-tianjin\/chinas-city-of-tianjin-to-set-up-16-billion-artificial-intelligence-fund-idUSKCN1II0DD\" target=\"_blank\" rel=\"noreferrer noopener\">millones<\/a>\u00a0de d\u00f3lares en\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.reuters.com\/article\/us-china-artificial-intelligence\/beijing-to-build-2-billion-ai-research-park-xinhua-idUSKBN1ES0B8\">fondos para<\/a>\u00a0apoyar la investigaci\u00f3n de IA junto con el establecimiento de 50 nuevas instituciones de IA en 2020, el ritmo del progreso ha sido r\u00e1pido.\u00a0Curiosamente, aunque gran parte de la infraestructura tecnol\u00f3gica de China todav\u00eda se basa en herramientas creadas por occidente (por ejemplo, Oracle para ERP, Salesforce para CRM), ha comenzado a surgir una pila de producci\u00f3n propia separada.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Los ingenieros chinos que utilizan la infraestructura occidental se enfrentan a barreras culturales y ling\u00fc\u00edsticas que dificultan la contribuci\u00f3n a los proyectos occidentales de c\u00f3digo abierto.\u00a0Adem\u00e1s, en el aspecto financiero, seg\u00fan\u00a0<a style=\"color: #000000;\" href=\"https:\/\/www.bloomberg.com\/opinion\/articles\/2021-04-19\/a-china-u-s-fight-for-ai-supremacy-is-so-20th-century\" target=\"_blank\" rel=\"noreferrer noopener\">Bloomberg<\/a>\u00a0, los inversores con sede en China en empresas de IA de EE. UU. De 2000 a 2020 representan solo el 2,4% de la inversi\u00f3n total en IA en EE. UU. La disputa de Huawei y ZTE con el gobierno de EE. UU. Aceler\u00f3 la separaci\u00f3n de las dos pilas de infraestructura. , que ya enfrent\u00f3 vientos en contra de la unificaci\u00f3n.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">Con el sentimiento nacionalista en un nivel alto, la localizaci\u00f3n (\u56fd\u4ea7 \u5316 \u66ff\u4ee3) para reemplazar la tecnolog\u00eda occidental con infraestructura de cosecha propia ha cobrado impulso.\u00a0La industria de Xinchuang (\u4fe1 \u521b) est\u00e1 encabezada por una ola de empresas que buscan construir infraestructura localizada, desde el nivel de chip hasta la capa de aplicaci\u00f3n.\u00a0Si bien Xinchuang se ha asociado con tecnolog\u00eda de menor calidad y funcionalidad, en el \u00faltimo a\u00f1o, se logr\u00f3 un progreso claro dentro de la nube de Xinchuang (\u4fe1 \u521b \u4e91), con lanzamientos notables que incluyen Huayun (\u534e\u4e91), CECstack de China Electronics Cloud y Easystack (\u6613 \u6377\u884c \u4e91).<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">En la capa de infraestructura, los actores de infraestructura chinos locales est\u00e1n comenzando a avanzar hacia las principales empresas y organizaciones administradas por el gobierno.\u00a0ByteDance lanz\u00f3 Volcano Engine dirigido a terceros en China, basado en la infraestructura desarrollada para sus productos de consumo que ofrecen capacidades que incluyen recomendaci\u00f3n y personalizaci\u00f3n de contenido, herramientas enfocadas en el crecimiento como pruebas A \/ B y monitoreo de desempe\u00f1o, traducci\u00f3n y seguridad, adem\u00e1s de la nube tradicional. soluciones de hospedaje.\u00a0Inspur Group presta servicios al 56% de las empresas estatales nacionales y al 31% de las 500 principales empresas de China, mientras que Wuhan Dameng se utiliza ampliamente en m\u00faltiples sectores.\u00a0Otros ejemplos de infraestructura propia incluyen PolarDB de Alibaba, GaussDB de Huawei, TBase de Tencent, TiDB de PingCAP, Boray Data y TDengine de Taos Data.<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\">En cuanto a la investigaci\u00f3n, en abril, Huawei present\u00f3 el PanGu-\u03b1 mencionado anteriormente, un modelo de lenguaje preentrenado de 200 mil millones de par\u00e1metros entrenado en 1,1 TB de un texto chino de una variedad de dominios.\u00a0Esto se eclips\u00f3 r\u00e1pidamente cuando la Academia de Inteligencia Artificial de Beijing (BAAI) anunci\u00f3 el lanzamiento de Wu Dao 2.0 en junio.\u00a0Wu Dao 2.0 es una IA multimodal que tiene 1,75 billones de par\u00e1metros, 10 veces m\u00e1s que GPT-3, lo que lo convierte en el sistema de lenguaje de IA m\u00e1s grande hasta la fecha.\u00a0Sus capacidades incluyen el manejo de NLP y el reconocimiento de im\u00e1genes, adem\u00e1s de generar medios escritos en chino tradicional, predecir estructuras 3D de prote\u00ednas como AlphaFold y m\u00e1s.\u00a0El entrenamiento de modelos tambi\u00e9n se manej\u00f3 a trav\u00e9s de la infraestructura desarrollada en China: para entrenar a Wu Dao r\u00e1pidamente (la versi\u00f3n 1.0 solo se lanz\u00f3 en marzo), los investigadores de BAAI construyeron FastMoE,<\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Vea nuestra\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/chiphuyen\/\" target=\"_blank\" rel=\"noreferrer noopener\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">charla junto a la chimenea con Chip Huyen<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0para obtener m\u00e1s informaci\u00f3n sobre el estado de la inteligencia artificial y la infraestructura de China.<\/span><\/span><\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">[Nota: una versi\u00f3n de esta historia\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/data2021\/\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">se public\u00f3 originalmente<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0en el sitio web del autor].<\/span><\/span><\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><em><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Matt Turck es un VC en FirstMark, donde se enfoca en SaaS, nube, datos, ML \/ AI e inversiones en infraestructura. <\/span><span style=\"vertical-align: inherit;\">Matt tambi\u00e9n organiza Data Driven NYC, la comunidad de datos m\u00e1s grande de EE. <\/span><span style=\"vertical-align: inherit;\">UU.<\/span><\/span><\/em><\/span><\/p>\n<p style=\"text-align: justify;\"><span style=\"color: #000000;\"><i><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Esta historia apareci\u00f3 originalmente en\u00a0 <\/span><\/span><a style=\"color: #000000;\" href=\"https:\/\/mattturck.com\/data2021\/\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Mattturck.com<\/span><\/span><\/a><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\"> \u00a0. <\/span><span style=\"vertical-align: inherit;\">Copyright 2021<\/span><\/span><\/i><\/span><\/p>\n<div id=\"boilerplate_2660155\" class=\"post-boilerplate boilerplate-after\" style=\"text-align: justify;\"><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Fuente:<\/span><\/span><\/div>\n<div>\n<p><span style=\"vertical-align: inherit;\"><span style=\"vertical-align: inherit;\">Turck, M. (15 de octubre de 2021). <\/span><span style=\"vertical-align: inherit;\">El aprendizaje autom\u00e1tico, la inteligencia artificial y el panorama de datos de 2021. <\/span><span style=\"vertical-align: inherit;\">Recuperado 18 de octubre de 2021, de https:\/\/venturebeat.com\/2021\/10\/16\/the-2021-machine-learning-ai-and-data-landscape\/<\/span><\/span><\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"<p>Ha sido un a\u00f1o caluroso\u00a0 en el mundo de los datos, el aprendizaje autom\u00e1tico y la inteligencia artificial. Justo cuando pensaba que no pod\u00eda crecer de manera m\u00e1s explosiva, el panorama de datos \/ IA simplemente lo hizo: el r\u00e1pido ritmo de creaci\u00f3n de la empresa, el lanzamiento de nuevos productos y proyectos emocionantes, una [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":24995,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[361],"tags":[],"class_list":["post-24993","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ia"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v26.7 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>El aprendizaje autom\u00e1tico, la inteligencia artificial y el panorama de datos de 2021 - Observatorio Tecnol\u00f3gico de Hidalgo<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/\" \/>\n<meta property=\"og:locale\" content=\"en_US\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"El aprendizaje autom\u00e1tico, la inteligencia artificial y el panorama de datos de 2021 - Observatorio Tecnol\u00f3gico de Hidalgo\" \/>\n<meta property=\"og:description\" content=\"Ha sido un a\u00f1o caluroso\u00a0 en el mundo de los datos, el aprendizaje autom\u00e1tico y la inteligencia artificial. Justo cuando pensaba que no pod\u00eda crecer de manera m\u00e1s explosiva, el panorama de datos \/ IA simplemente lo hizo: el r\u00e1pido ritmo de creaci\u00f3n de la empresa, el lanzamiento de nuevos productos y proyectos emocionantes, una [&hellip;]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/\" \/>\n<meta property=\"og:site_name\" content=\"Observatorio Tecnol\u00f3gico de Hidalgo\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/observatoriouaeh\" \/>\n<meta property=\"article:published_time\" content=\"2021-10-18T20:08:32+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2021-10-18T20:09:48+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2021\/10\/Captura-de-pantalla-2021-10-18-a-las-3.12.08-p.m..png\" \/>\n\t<meta property=\"og:image:width\" content=\"748\" \/>\n\t<meta property=\"og:image:height\" content=\"369\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"admin\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@OBSERVATORIOEH\" \/>\n<meta name=\"twitter:site\" content=\"@OBSERVATORIOEH\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"admin\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"65 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/\"},\"author\":{\"name\":\"admin\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/person\/95263d004158ffabcd98137e1d0abc1c\"},\"headline\":\"El aprendizaje autom\u00e1tico, la inteligencia artificial y el panorama de datos de 2021\",\"datePublished\":\"2021-10-18T20:08:32+00:00\",\"dateModified\":\"2021-10-18T20:09:48+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/\"},\"wordCount\":12981,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#organization\"},\"image\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2021\/10\/Captura-de-pantalla-2021-10-18-a-las-3.12.08-p.m..png\",\"articleSection\":[\"Inteligencia Artificial\"],\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/\",\"url\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/\",\"name\":\"El aprendizaje autom\u00e1tico, la inteligencia artificial y el panorama de datos de 2021 - Observatorio Tecnol\u00f3gico de Hidalgo\",\"isPartOf\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2021\/10\/Captura-de-pantalla-2021-10-18-a-las-3.12.08-p.m..png\",\"datePublished\":\"2021-10-18T20:08:32+00:00\",\"dateModified\":\"2021-10-18T20:09:48+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/#breadcrumb\"},\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/#primaryimage\",\"url\":\"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2021\/10\/Captura-de-pantalla-2021-10-18-a-las-3.12.08-p.m..png\",\"contentUrl\":\"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2021\/10\/Captura-de-pantalla-2021-10-18-a-las-3.12.08-p.m..png\",\"width\":748,\"height\":369},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Inicio\",\"item\":\"https:\/\/otech.uaeh.edu.mx\/noti\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"El aprendizaje autom\u00e1tico, la inteligencia artificial y el panorama de datos de 2021\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#website\",\"url\":\"https:\/\/otech.uaeh.edu.mx\/noti\/\",\"name\":\"Observatorio Tecnol\u00f3gico de Hidalgo\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/otech.uaeh.edu.mx\/noti\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"en-US\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#organization\",\"name\":\"Observatorio Tecnol\u00f3gico de Hidalgo\",\"url\":\"https:\/\/otech.uaeh.edu.mx\/noti\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2025\/11\/Logo-circulo.png\",\"contentUrl\":\"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2025\/11\/Logo-circulo.png\",\"width\":250,\"height\":250,\"caption\":\"Observatorio Tecnol\u00f3gico de Hidalgo\"},\"image\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/observatoriouaeh\",\"https:\/\/x.com\/OBSERVATORIOEH\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/person\/95263d004158ffabcd98137e1d0abc1c\",\"name\":\"admin\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/08dd17208ee6a9e87c5a01c0a5f4c96c8ed24bf05e625630929b5b6a7c1ffa5f?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/08dd17208ee6a9e87c5a01c0a5f4c96c8ed24bf05e625630929b5b6a7c1ffa5f?s=96&d=mm&r=g\",\"caption\":\"admin\"},\"url\":\"https:\/\/otech.uaeh.edu.mx\/noti\/author\/admin\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"El aprendizaje autom\u00e1tico, la inteligencia artificial y el panorama de datos de 2021 - Observatorio Tecnol\u00f3gico de Hidalgo","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/","og_locale":"en_US","og_type":"article","og_title":"El aprendizaje autom\u00e1tico, la inteligencia artificial y el panorama de datos de 2021 - Observatorio Tecnol\u00f3gico de Hidalgo","og_description":"Ha sido un a\u00f1o caluroso\u00a0 en el mundo de los datos, el aprendizaje autom\u00e1tico y la inteligencia artificial. Justo cuando pensaba que no pod\u00eda crecer de manera m\u00e1s explosiva, el panorama de datos \/ IA simplemente lo hizo: el r\u00e1pido ritmo de creaci\u00f3n de la empresa, el lanzamiento de nuevos productos y proyectos emocionantes, una [&hellip;]","og_url":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/","og_site_name":"Observatorio Tecnol\u00f3gico de Hidalgo","article_publisher":"https:\/\/www.facebook.com\/observatoriouaeh","article_published_time":"2021-10-18T20:08:32+00:00","article_modified_time":"2021-10-18T20:09:48+00:00","og_image":[{"width":748,"height":369,"url":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2021\/10\/Captura-de-pantalla-2021-10-18-a-las-3.12.08-p.m..png","type":"image\/png"}],"author":"admin","twitter_card":"summary_large_image","twitter_creator":"@OBSERVATORIOEH","twitter_site":"@OBSERVATORIOEH","twitter_misc":{"Written by":"admin","Est. reading time":"65 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/#article","isPartOf":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/"},"author":{"name":"admin","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/person\/95263d004158ffabcd98137e1d0abc1c"},"headline":"El aprendizaje autom\u00e1tico, la inteligencia artificial y el panorama de datos de 2021","datePublished":"2021-10-18T20:08:32+00:00","dateModified":"2021-10-18T20:09:48+00:00","mainEntityOfPage":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/"},"wordCount":12981,"commentCount":0,"publisher":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#organization"},"image":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/#primaryimage"},"thumbnailUrl":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2021\/10\/Captura-de-pantalla-2021-10-18-a-las-3.12.08-p.m..png","articleSection":["Inteligencia Artificial"],"inLanguage":"en-US","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/","url":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/","name":"El aprendizaje autom\u00e1tico, la inteligencia artificial y el panorama de datos de 2021 - Observatorio Tecnol\u00f3gico de Hidalgo","isPartOf":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#website"},"primaryImageOfPage":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/#primaryimage"},"image":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/#primaryimage"},"thumbnailUrl":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2021\/10\/Captura-de-pantalla-2021-10-18-a-las-3.12.08-p.m..png","datePublished":"2021-10-18T20:08:32+00:00","dateModified":"2021-10-18T20:09:48+00:00","breadcrumb":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/#breadcrumb"},"inLanguage":"en-US","potentialAction":[{"@type":"ReadAction","target":["https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/"]}]},{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/#primaryimage","url":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2021\/10\/Captura-de-pantalla-2021-10-18-a-las-3.12.08-p.m..png","contentUrl":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2021\/10\/Captura-de-pantalla-2021-10-18-a-las-3.12.08-p.m..png","width":748,"height":369},{"@type":"BreadcrumbList","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/el-aprendizaje-automatico-la-inteligencia-artificial-y-el-panorama-de-datos-de-2021\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Inicio","item":"https:\/\/otech.uaeh.edu.mx\/noti\/"},{"@type":"ListItem","position":2,"name":"El aprendizaje autom\u00e1tico, la inteligencia artificial y el panorama de datos de 2021"}]},{"@type":"WebSite","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#website","url":"https:\/\/otech.uaeh.edu.mx\/noti\/","name":"Observatorio Tecnol\u00f3gico de Hidalgo","description":"","publisher":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/otech.uaeh.edu.mx\/noti\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"en-US"},{"@type":"Organization","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#organization","name":"Observatorio Tecnol\u00f3gico de Hidalgo","url":"https:\/\/otech.uaeh.edu.mx\/noti\/","logo":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/logo\/image\/","url":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2025\/11\/Logo-circulo.png","contentUrl":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2025\/11\/Logo-circulo.png","width":250,"height":250,"caption":"Observatorio Tecnol\u00f3gico de Hidalgo"},"image":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/observatoriouaeh","https:\/\/x.com\/OBSERVATORIOEH"]},{"@type":"Person","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/person\/95263d004158ffabcd98137e1d0abc1c","name":"admin","image":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/08dd17208ee6a9e87c5a01c0a5f4c96c8ed24bf05e625630929b5b6a7c1ffa5f?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/08dd17208ee6a9e87c5a01c0a5f4c96c8ed24bf05e625630929b5b6a7c1ffa5f?s=96&d=mm&r=g","caption":"admin"},"url":"https:\/\/otech.uaeh.edu.mx\/noti\/author\/admin\/"}]}},"_links":{"self":[{"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/posts\/24993","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/comments?post=24993"}],"version-history":[{"count":2,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/posts\/24993\/revisions"}],"predecessor-version":[{"id":24996,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/posts\/24993\/revisions\/24996"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/media\/24995"}],"wp:attachment":[{"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/media?parent=24993"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/categories?post=24993"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/tags?post=24993"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}