Con la transformación digital y la democratización de las nuevas tecnologías el volumen de datos que genera y gestiona la empresa, a través de todos sus canales, se ha multiplicado hasta alcanzar cantidades nunca imaginables hace muy poco tiempo.
Intuitivamente, aquellos que dirigen las organizaciones, son conscientes de las ventajas que el Big Data, la inteligencia de datos e incluso la Inteligencia Artificial significan para la empresa en términos de productividad, eficiencia, oportunidades de crecimiento con menor coste, mayor productividad y mejora cualitativa en la toma de decisiones.
Y todo esto tiene un nuevo significado en el actual panorama competitivo multicanal definido por una completa revisión y reestructuración de procesos y operaciones fruto del obligado “test de estrés” COVID 19.
Saber, por ejemplo, cuáles son las preferencias o poder predecir el comportamiento de compra de nuestros potenciales o actuales clientes en nuestra web es vital.
Las tecnologías asociadas al procesamiento Big Data, con técnicas de ciencia de datos que hacen posible tanto la exploración inteligente de la información como la obtención de todo su valor nos permite saberlo, con un conocimiento más consistente, y actuar ofreciéndole productos o servicios a medida de sus gustos y necesidades, es decir, un mejor servicio a nuestro cliente.
Por tanto, es cada vez más necesario incorporar a la empresa herramientas de procesamiento de datos e implementar una adecuada “estrategia de análisis y de predicción” que hagan posible la toma de decisiones en aspectos clave.
¿Cuál es el proceso de trabajo?
Siempre el primer paso, en Business Intelligence, es recoger los datos en bruto (Raw Data) para después, una vez almacenados, podamos usar las herramientas de ETL (Extraer, Transformar y Cargar) que nos permitan manipular, transformar y clasificar los datos en una base de datos estructurada, habitualmente llamada, Data Warehouse.
En este punto intervienen “los analistas de negocio” que, incorporando distintas técnicas de visualización de datos, exploran la información almacenada en las bases de datos estructuradas generando así paneles visuales (Dashboards). El objetivo es hacer esa información “más digerible”, más accesible y entendible para poder analizar y entender los resultados obtenidos en el pasado de la compañía pero que servirán para definir la estrategia futura que mejore aquellos indicadores que hemos definido como indicadores clave de nuestro negocio (KPI).
Con el Machine Learning, además, se detectan “patrones” en millones de datos, una importante característica respecto al BI tradicional, que nos brinda la potencia del análisis predictivo. En otras palabras, no solo tenemos la valoración de lo ya acontecido sino que podemos hacer predicciones individualizadas de comportamientos futuros.
Uno de los mayores potenciales del Machine Learning es que los Dashboards son sustituidos por aplicaciones predictivas y modelos que, alimentados por algoritmos que aprenden automáticamente de los datos, se pueden “reentrenar”, periódicamente, para que continúen aprendiendo de nuevos datos (aprendizaje continuo).
Sólo por poner un ejemplo real quisiera compartir una experiencia de investigación, con financiación europea y de tres años de duración, en el ámbito de la sanidad.
Se trata del desarrollo de una aplicación (App) para el seguimiento de pacientes oncológicos en tratamiento, con herramientas de Big Data e Inteligencia Artificial, en el que participa el servicio de oncología del Hospital Gregorio Marañón con el fin de “mejorar la calidad de vida y la atención a estos pacientes durante su enfermedad" detectando, precozmente, alteraciones de salud como la depresión.
Entre los diferentes datos y parámetros que se analizan se encuentran la calidad del sueño, la nutrición, el apetito, el estado anímico del paciente o la evolución en el ejercicio físico.
El coordinador del proyecto es WATERFORD INSTITUTE OF TECHNOLOGY, en Irlanda, y los datos se almacenarán en los dispositivos portátiles que lleven los pacientes en cada uno de sus hospitales de referencia y en todos los países participantes de estudio: España, Italia, Irlanda, Portugal, Grecia y Chipre.
El concepto del proyecto se basa en el aprendizaje automático. Los dispositivos de cada paciente individual ejecutarán sus modelos de IA personalizados que, más tarde, se agregarán a un modelo de IA global. El modelo de IA analizará los marcadores de depresión que predicen tendencias negativas y que permitirán la intervención oportuna del equipo médico. (Proyecto FAITH, Federated Artificial Intelligence Solution for Monitoring Mental Health Status after Cancer Treatment, https://cordis.europa.eu/project/id/875358/es).