Yellowfin lanza el primer módulo de preparación de datos integrado y virtualizado del sector de los
Yellowfin, una empresa proveedora global de software para inteligencia de negocios (BI, por sus siglas en inglés) y análisis ha lanzado el primer módulo de preparación de datos integrado y visualizado para análisis. La preparación de datos describe el proceso de transformación de datos a formatos consistentes que sean adecuados para exploración, análisis y creación de informes. El nuevo módulo de preparación de datos de Yellowfin fue presentado junto con la versión más reciente de su plataforma para inteligencia de negocios, Yellowfin 7.3.
Totalmente integrado en la capa de metadatos de la plataforma de inteligencia de negocios de Yellowfin, el nuevo módulo de preparación de datos ofrece a los clientes un método único de integración, gestión y toma de decisiones basándose en más datos en menos tiempo.
El módulo de preparación de datos de Yellowfin permitirá a las organizaciones modelar, perfilar, limpiar, moldear, enriquecer, proteger y publicar fácilmente todos los datos deseados para informes y análisis en un entorno único de inteligencia de negocios. El módulo de preparación de datos se incluirá como parte de una licencia de Yellowfin estándar sin costo adicional alguno.
"Con este lanzamiento, Yellowfin ha entregado otra novedad para el sector del software para inteligencia de negocios y análisis", señaló Glen Rabie, cofundador y CEO de Yellowfin. "El módulo de preparación de datos virtualizado de Yellowfin aborda en una forma única los problemas de costos, complejidad, seguridad e ineficiencia que por lo general presentan los acercamientos típicos a la preparación de datos. Ningún otro proveedor en el mercado está solucionando los desafíos que presenta la preparación de datos en la forma en que lo hace Yellowfin".
"El módulo de preparación de datos de Yellowfin verdaderamente apoya las necesidades de los analistas de datos, de los equipos de tecnología de la información de las empresas y de los usuarios empresariales. Los analistas de datos pueden preparar independientemente los datos para análisis en menor tiempo, el personal de tecnología de la información puede gobernar fácilmente esos datos y los usuarios empresariales tienen acceso más rápido a datos en los cuales pueden confiar para tomar decisiones esenciales para sus negocios".
El módulo de preparación de datos de Yellowfin ha sido diseñado para superar los desafíos que por lo general se encuentran al preparar datos para análisis en tres formas, al brindar:
Integración de los procesos de preparación de datos directamente en un entorno de análisis único
Oferta de capacidades integrales de perfilado de datos
Funcionalidad automatizada de modelación de metadatos según las mejores prácticas
Según un analista independiente del sector, el Dr. Kevin McIsaac, CEO y fundador del Data Science Institute, el módulo de preparación de datos de Yellowfin es un avance considerable en el acercamiento a análisis avanzados para cualquier empresa.
"El 80 por ciento del tiempo de los científicos de datos se emplea en la preparación de los datos y por esa razón el nuevo módulo de Yellowfin es una adición valiosa que los profesionales de los datos deben investigar", señaló McIsaac. "Esto trae como beneficio que sus científicos de datos puedan dedicar menos tiempo a la preparación de los datos, o puedan delegar esta tarea a un analista de datos menos especializado o a un usuario empresarial. En cualquiera de estas formas esto constituye un gran paso adelante en cuanto a metodología para análisis avanzados".
Un acercamiento virtualizado: gobierno de todo el contenido de datos y análisis en un entorno único
Rabie señaló que el problema con la preparación tradicional de datos era que obligaba a las organizaciones a llevar a cabo procesos de migración de datos, lo cual pone en riesgo la gobernanza y seguridad de los datos.
"El movimiento de datos de un entorno a otro aumenta el riesgo de acceso no autorizado a los datos", dijo Rabie. "Un abordaje virtualizado significa que los analistas de datos pueden conectarse directamente con, preparar y analizar las fuentes de datos en un solo lugar.
"Con la entrega de una preparación de datos virtualizada se empoderará a los clientes de Yellowfin para mantener gobernanza, consistencia y seguridad sin paralelos en todo el contenido de datos y análisis. Todas las acciones para preparación de datos que se ejecuten se reflejarán uniformemente en todo el contenido, desde reportes y gráficas, hasta paneles y guiones gráficos".
Ivan Seow, gerente de Marketing de Producto de Yellowfin, señaló que mediante la realización de la preparación y el análisis de los datos en una sola aplicación, Yellowfin también estaba permitiendo a las organizaciones evitar el costo y la complejidad de un acercamiento mediante múltiples herramientas.
"Las prácticas típicas de preparación y análisis de datos, llevadas a cabo en aplicaciones separadas de software, introducen cuellos de botella innecesarios en el aprovisionamiento de los datos", dijo Seow. "Sumado a esto, está el gasto de aprendizaje y mantenimiento de dos productos, sin siquiera mencionar la propensión de las herramientas autónomas para preparación de datos tipo ‘autoservicio‘ a crear islas no fiables y poco seguras de datos disímiles.
"Yellowfin evita el caos que trae consigo la preparación tradicional de datos mediante la entrega de una fuente única fiable para todos los datos empresariales. Es posible pasar de la fuente de datos al panel en una plataforma de análisis y un entorno".
Lanzamiento de Yellowfin 7.3
Ahora está disponible la versión más reciente de Yellowfin 7.3, la plataforma de inteligencia de negocios de Yellowfin.
Yellowfin 7.3 contiene mejoras considerables a las capacidades de visualización avanzada de datos de Yellowfin, entre las que se incluyen la introducción de análisis de conjuntos (Set Analysis), y un nuevo lienzo para creación de contenido (Content Creation Canvas). Yellowfin 7.3 también incluye una nueva gama de conectores API con paneles preintegrados para aplicaciones web de terceros.
Comunicados / Redacción
