El webinar “Sobrecarga de información en las empresas”: desafíos para el uso estratégico de los datos, organizado por la UTP, permitió conocer los desafíos que enfrentan las organizaciones ante la cantidad de datos que procesan.
Enrique Dans, profesor de innovación de la IE Business School, explica el uso estratégico de los datos por parte de las empresas y cómo deben afrontar esto hoy en día.
El especialista pone el ejemplo de Amazon y cómo la empresa es capaz de extraer los datos para poder crear Amazon Go, una tienda en donde uno toma lo que quiere y solo se va de ahí. Toda la infraestructura es parte de un sistema en donde se capturan los datos: quién entró, qué tomó y cuántas unidades, y cuándo el comprador sale de la tienda puede ver cuanto le costó todo.
Entonces, se está empezando a ver el machine learning y la inteligencia artificial como algo que se convierte en una parte fundamental de las compañías, una creación de valor muy importante.
“En la práctica los datos en magnitudes industriales se utilizan generalmente para extraer conocimiento, es decir, del dato se pasa a extraer los que representan conocimiento significativo”, menciona Enrique Dans.
Además, agrega que el machine learning es algo que todos deberían saber, ya que hoy en día hace una diferencia si te pagan más o te pagan menos en un trabajo, aporta mucho en la hoja de vida laboral.
No obstante, sostiene que hay muchos mitos respecto al machine learning, en el que personas creen que para saber sobre esto hay que tener conocimientos muy avanzados sobre estadística, programación, matemáticas y en general, ser un genio de las computadoras. Aunque, en la realidad no es así.
“En la mayor parte de las empresas cuando hacemos machine learning, lo que hacemos es poner nuestros datos en un sitio o un repositorio y empezar a removerlos hasta que lo que salga por el otro lado sea una respuesta que tenga sentido, sino tiene sentido ¿qué hacemos? Seguimos removiendo, es decir, probamos otro algoritmo”, señala.
Entonces, ¿por qué fallan tantas empresas cuando intentan aplicar el machine learning? La respuesta es que se complican demasiado.
Lo que ocurre, es que esto empezó como una herramienta que tenía que fabricarse, pero hoy en día ya existe y lo que hay que hacer es utilizarla.
Los datos se generan todos los días en las compañías, lo que hay que hacer es hacerlos comestibles por un algoritmo, es decir, tomar la base de datos, aislar cada tabla de datos para convertirlas en tablas en los cuales los datos están aislados por variables de manera que no están vinculados entre si.
Luego se pasa a reforzar esta base de datos con data externa, desde el tiempo que hizo hasta opiniones en redes sociales.
“La realidad es que el 80% del tiempo las personas que se encargan de esto se la pasan aburridos, recolectando datos, transformándolos para que sean utilizables por el algoritmo y definir las prestaciones que se van a querer”, dice Dans.
EXPERIENCIAS SOBRE LA MESA
Adrián Quilis, Sr. Director of Business Intelligence de Mercado Libre Argentina, señala que la tecnología es la parte mas fácil del desarrollo de una estrategia de data y analitycs .
“Hoy por hoy, generar los datos y procesarlos y saber almacenarlos es fácil. Para las empresas la capacidad de analítica está al alcance de todos. Ya hay distintas alternativas para pasar los datos y aprovechar la capacidad que tienen diversas empresas”, agrega.
El desafío está en poder identificar esas iniciativas donde a partir de los datos y la aplicación de machine learning se pueda obtener una ventaja competitiva.
Andrés Bucchi, VP de data y analitycs de Sodimac Chile, dice que el primer punto que una empresa debe poner sobre la mesa es el cambio cultural, porque hoy en día las decisiones se toman en las empresas con o sin data.
Entonces, introducir esta cultura de uso de data en la compañía tiene un impacto inmediato y es mucho más económico que integrar el sistema de precios con algoritmos avanzados que ocupan una masa de datos que antes era casi imposible procesar.
Mariana Leguizamón, CDO y Gerente Central de segmentos y Marketing Analítico, destaca mucho la importancia de aprender sobre estrategias para el manejo de data.
“No se debe esperar que la data esté lo mejor posible, sino empezar a explorarla, porque la verdad que hoy hay un mar de data, pero lo importante es cómo obtenemos información a raíz de esa data”, señala Leguizamón.