Durante los últimos años, su oferta en servicios dentro de su ecosistema de datos ha crecido dramáticamente, cubriendo desde tecnologías de almacenamiento de datos como Redshift, líder en despliegue de Data Warehouses cloud, diversos frameworks de procesamiento de datos Big Data, como Spark, servicios de integración y preparación de datos, motores de procesamiento de eventos, la lista es larga y no deja de crecer.
Sin embargo, Amazon, hasta el lanzamiento de QuickSight en noviembre de 2016, carecía de una solución propia esencial en cualquier ecosistema de datos, el de la visualización de datos y Business Intelligence. Al fin y al cabo, y a pesar del crecimiento exponencial de la analítica avanzada, una de las principales áreas de explotación de datos sigue siendo la analítica descriptiva propia del BI tradicional.
Es el último eslabón en la cadena de valor del dato, el escaparate para su consumo (al menos para un consumo humano), y una de las formas principales de que el dato sea realmente un activo para la toma de decisión, en ese santo grial de la democratización del dato, parte fundamental de una cultura data-driven.
La ausencia de una solución como QuickSight obligaba a menudo a complementar una solución de datos en AWS con herramientas de terceros, a veces de los propios competidores directos de AWS en el espacio de soluciones cloud. Incluso en alguno de los casos, para sacar el máximo provecho a estas soluciones competidoras, es necesario pasar por complejos escenarios de interoperabilidad multi-cloud, con el impacto en aspectos de seguridad, rendimiento, y costes que esto puede conllevar.
Desde su irrupción en el mercado, QuickSight se ha posicionado como una herramienta sólida de creación de dashboards empresariales en AWS, destacando por sus capacidades de integración con las distintas piezas del ecosistema de datos de Amazon (como S3, RDS, Redshift), por disponer desde sus inicios de un entorno web de diseño y consumo de cuadros de mando, con capacidades colaborativas que son clave en un contexto corporativo de difusión de una cultura del dato, así como por su política de pago por uso, diferenciando entre perfiles de usuario diseñadores y solo lectores, lo que lo ha convertido en una solución muy atractiva, desde el punto de vista de costes.
No obstante, ha sido la fuerte inversión de Amazon en QuickSight la que, poco a poco, la está convirtiendo en una herramienta capaz de competir mano a mano con las grandes del mercado.
Capacidades como el motor de analítica en memoria de alto rendimiento, SPICE, que permite actuar como caché en memoria, aportan un incremento del rendimiento, escalabilidad y reducción de costes de uso de infraestructura muy significativo en entornos empresariales con un volumen elevado de usuarios de visualización. QuickSight no solo permite combinar el uso de SPICE con consultas directas a los distintos datastores soportados, cuando necesitemos un dato vivo, sino que está progresivamente evolucionando esta tecnología para permitir un refresco parcial de los modelos en memoria que permita utilizar esta caché de datos en escenarios donde la baja latencia de los datos sea crítica.
Estas capacidades, unidas al refresco visual automático de elementos gráficos, buscan llevar el dato a su consumidor con la mínima latencia, acercándonos cada vez más a soportar el tipo de visualización en tiempo real requerida por cierto tipo de cuadros de mando operacionales.
Y hablando de llevar al dato allí donde sea necesario, otra área de mejora sustancial es la capacidad de incrustar el contenido de QuickSight en otras soluciones, lo que extiende su potencial de uso para ser incorporado a soluciones de backoffice, CRM, Call Center, o allí donde el dato pueda servir de apoyo a la toma de decisión por parte del decisor final, y casi en tiempo real. El reciente soporte de incrustar contenido de forma pública, sin requerir de autenticación, lo hace muy interesante de cara a ser utilizado en portales web de consumo público.
Aunque uno de los puntos débiles de QuickSight en su lanzamiento era la escasez de elementos de visualización frente a otras soluciones, QuickSight ha ido incorporando widgets más avanzados, como mapas geográficos, y mejorando las capacidades de interacción con éstos, así como las de navegación, tanto entre dashboards internos, como a elementos de sistemas de información externos, de forma que sea más fácil navegar entre el ecosistema de soluciones corporativas.
Otra de las áreas de evolución es la integración de la analítica avanzada, desde dos perspectivas. Por un lado, la cada vez mayor integración con el servicio de aprendizaje automático SageMaker permite, sin desarrollo, utilizar los insights calculados con modelos de analítica avanzada como elementos de visualización. Por otro lado, ML Insights utiliza el músculo de aprendizaje automático de AWS para deducir hechos significativos a partir de los conjuntos de datos y mostrarlos al usuario (por ejemplo, una relación causa-efecto en una desviación de un KPI), y aplicar técnicas de forecasting.
Y más allá de ML Insights, Amazon sigue apostando, como varios de sus competidores, por la Analítica Aumentada, paradigma de utilización del aprendizaje automático, del procesamiento y de la generación de lenguaje natural para automatizar el descubrimiento de insights y de generación de una narrativa y conversación bidireccional con el consumidor de datos. En este particular, Amazon ha anunciado en su reciente re:Invent QuickSight Q, que permite a los usuarios realizar preguntas utilizando lenguaje natural.
¿Y dónde más está mejorando QuickSight? En muchos frentes, más de los que podríamos comentar en este medio de forma ordenada, desde la integración de cada más fuentes de datos, tanto internas como de ecosistemas de terceros, hasta las características menos fun, pero siempre útiles en grandes organizaciones, como el clásico enterprise reportingque permiten la creación y distribución masiva de informes, pasando por su alto grado de automatización vía API que hace muy fácil gestionar el ciclo de vida de los dashboards, datasets, permisos, etc. de QuickSight vía prácticas de DataOps.
.Como última mención nos gustaría destacar el progreso de AWS hacia el soporte de paradigmas como el de Data Lakehouse, o Arquitectura de Datos Integrada, con capacidades cada vez mayores de gestión, gobierno y seguridad de datos, y donde QuickSight de nuevo es una pieza fundamental, integrándose de forma eficiente con tecnologías clave como el nuevo Lake Formation y soportando requisitos de seguridad a nivel de fila o de campo de forma integrada con el resto del ecosistema de datos de AWS. La reciente incorporación de características de Data Modeling, o capa semántica, como las descripciones de campos o jerarquías personalizadas son también un paso en la dirección correcta para convertir a QuickSight en una solución de BI corporativo.
Volviendo a la pregunta que da nombre a este artículo, ¿quiere Amazon reinar en el mundo de los dashboards empresariales? Desde Paradigma, siempre hemos apostado como early adopters por las soluciones de AWS, y nos gusta pensar que sí que quiere, al menos dentro del ámbito de AWS, ya que QuickSight es una solución de valor añadido y una apuesta importante por parte de Amazon. Esperamos con gran expectación la evolución de su roadmap, en particular en áreas como la analítica móvil desconectada, la analítica aumentada, la personalización del UX para aquellos productos de datos donde la imagen corporativa es clave, mejoras colaborativas y de reutilización de componentes, y mejoras en esa capa semántica que permita el uso de QuickSight para un autoservicio extensivo de datos, tanto de áreas de datos gobernadas e integradas con nuevas capacidades de glosarios de términos, catalogación de datos y data marketplaces, buscando ese entendimiento y visión único del dato, como de navaja suiza para la exploración de cualquier tipo de datos en el rico ecosistema de AWS, o fuera de él.
Ahora bien, es justo decir que no se lo están poniendo fácil, ya que en poco más de un año estamos viendo movimientos muy interesantes en el mercado, como la consolidación de soluciones de BI tras la adquisición de Tableau por parte de Salesforce y de Looker por parte de Google, ampliando la oferta de valor de ambos proveedores de servicios cloud, no sin crear cierta incertidumbre sobre su hoja de ruta y, en particular, sobre el soporte a futuro de estos productos en ecosistemas cloud de competidores.
Fue Jassy quien convenció a Bezos de que debía invertir en infraestructura para reducir su dependencia de terceros
Por otra parte, Microsoft tampoco se está durmiendo en los laureles. Su ritmo de evolución continua de Power BI, sus Datasets Hub como una mejora del autoservicio hacia un Data Marketplace, el soporte de un modelo híbrido nativo de procesamiento analítico y transaccional de Synapse Link, el lanzamiento del servicio de gobierno de datos Azure Purview y su reciente adquisición de ADRM, proveedor de modelos de datos verticales, son pasos en la dirección correcta hacia un end-to-end de solución de datos paquetizada y gobernada.
En cualquier caso, tras el anuncio del próximo paso a un lado de Jeff Bezos, no es casualidad que Andy Jassy, actual CEO de AWS, haya sido el elegido como su sucesor, después de haber liderado AWS desde sus inicios hasta su actual posición privilegiada en el mercado. Como CEO de Amazon, ¿impulsará más aún Jassy la lucha actual por el trono de los servicios de datos en la nube, y por esa joya de la corona que puede ser QuickSight? Teniendo en cuenta que fue Jassy quien convenció a Bezos de que debía invertir en infraestructura para reducir su dependencia de terceros, es de esperar que siga llevando QuickSight más allá, si no hasta conseguir convertirlo en un best of breedde los dashboards empresariales, sí al menos para mantener una posición que impida que haya brechas en su oferta en el cada vez más valioso mundo de los datos.
