Tribuna GRD: Data Analytics
Últimamente se habla mucho de la nueva Industria 4.0. En foros y encuentros empresariales, las TIC están tomando una relevancia digna de estudio y se están posicionando como una herramienta clave en la modernización de todo tipo de sectores. Sin embargo, a día de hoy, todavía son muchos los que desconocen, no solo en qué consisten algunas tecnologías como el Data Analytics o la Inteligencia Artificial, sino también la gran cantidad de posibilidades que abren a todo tipo de empresas, desde multinacionales a Pymes.
Marta Sestelo, responsable técnico de Data Analytics & AI (MS); Bruno Fernández, responsable técnico de Machine Learning & Optimización (BF) y Rafael Martínez, responsable técnico de Big Data Analytics (RM), responden a algunas preguntas para acercar estas técnicas y su uso en los negocios.
Se oye hablar mucho de Big Data, Data Analytics, Inteligencia Artificial pero… ¿es realmente posible que una pyme incorpore una estrategia con alguna de estas tecnologías?
RM: Este año en concreto, nos conviene entrar en una fase de una mayor digitalización de todas las empresas. Para poder seguir siendo competitivas, necesitan modernizarse y abrazar la digitalización de la que se viene hablando desde hace bastante tiempo. Desde ese punto de partida, las tecnologías de Data Analytics, Big Data e Inteligencia Artificial (IA) son las que están detrás de todos estos procesos de digitalización. Evidentemente, cada sector es un mundo, y es necesario ver las opciones y posibilidades de llevar a cabo estos procesos en cada uno de ellos.
BF: Es importante también saber diferenciar entre Big Data y Data Analytics. El Big Data lleva asociado el análisis de una cantidad muy elevada de datos heterogéneos, y el Data Analytics no necesariamente. Y esto tiene mucho que ver con las pymes, ya que es posible que estas no tengan un enorme volumen de datos, y como no conocen la diferencia entre ambas tecnologías pueden pensar que no podrían aplicarse a su negocio, cuando realmente no es así. Una pyme puede tener pocos datos, pero estos pueden analizarse y explotarse para extraer de ellos múltiples beneficios.
MS: Así es. Uno de los principales beneficios suele ser la reducción de costes. Por ejemplo, en el sector acuícola, sería mejorar su producción de pescado; y eso se consigue aplicando Data Analytics y acortando tiempos, o estimando mejor la cantidad de alimento que necesitan darle. El sector de las comunicaciones móviles, por otra parte, puede beneficiarse de algoritmos que recomienden terminales más proclives a convertirse en nuevos clientes de la compañía, aumentando su cartera de clientes y la satisfacción de los mismos.
Muchas veces las pymes se encuentran con el problema del elevado coste que supone incorporar en sus negocios las herramientas tecnológicas ya disponibles en el mercado. En ese sentido, desde Gradiant apoyamos la innovación ajustando nuestras soluciones a cada empresa y producto en particular facilitando la reducción de los costes de las herramientas ya disponibles.
¿Para qué sirve el Data Analytics?
RM: Podemos decir que el beneficio general y transversal a cualquier sector es el de facilitar la toma de decisiones. Al basar las decisiones de la empresa en los datos, garantizamos una mayor posibilidad de acierto y que como consecuencia, aumenten los beneficios y disminuyan los problemas asociados a anomalías o incidencias.
¿Puede verse amenazada la seguridad de la información de una empresa al incorporar Big Data, Data Analytics o IA?
MS: Existen mecanismos para evitar el riesgo de identificación de personas, en el caso de trabajar con datos sanitarios o de conocer las cuentas de una empresa, por ejemplo. De hecho, en Gradiant hemos desarrollado una herramienta de anonimización y seguimos investigando en estos temas. Además, de forma general, existen técnicas como Federated Learning, que permiten realizar estimaciones sin llegar a compartir nunca los datos iniciales de la empresa. Gracias a estas tecnologías, cualquier empresa puede sentir la confianza de incorporar Big Data, Data Analytics o IA sin correr ningún riesgo.
RM: Y complementando lo que dice Marta, se dan casos en los que las propias empresas solicitan disponer de un cloud privado, de manera que los datos nunca salgan de su custodia.
¿Cuál es la situación del Data Analytics en Galicia? ¿Y en España?
BF: Desde el punto de vista de la industria, podemos decir que la gran mayoría de las empresas en Galicia están en la primera fase de la Industria 4.0, en la captura de datos. Una vez que esta información esté disponible, será mucho más fácil el poder explotarla. De todas formas, aunque con muestras de datos muy pequeñas por el momento, es posible comenzar a mejorar muchos procesos a través de su análisis. Ejemplo de ello es nuestra participación en el proyecto de fábrica inteligente junto a la empresa Congalsa.
RM: En cuanto a España, el nivel es muy similar. En nuestro país nos encontramos con dos perfiles de empresas: las que buscan asesoramiento en cuanto a las técnicas analíticas disponibles; y las que tienen un poco más claro qué es lo que quieren hacer con los datos y acuden a nosotros con escenarios más avanzados. En definitiva, las empresas comienzan a ser muy conscientes de que estas tecnologías son necesarias para continuar siendo competitivas.
MS: Además, cada vez avanzamos más rápido. De hecho existen empresas que ya disponen de un departamento propio de Data Analytics para realizar por su cuenta estos procesos.
¿A qué retos nos vamos a enfrentar en los próximos años en Galicia, qué nos podéis contar del famoso ‘humanismo tecnológico’?
RM: Se trata de poner a las personas y no a los algoritmos en el centro de las soluciones. En los próximos años vamos a continuar en una senda de digitalización masiva, donde, a nivel internacional, EEUU y China seguirán teniendo un peso dominante. Habrá que ver qué papel estratégico juega Europa y cómo nos vamos a posicionar en el tablero mundial. Parece que nuestro factor diferencial va a estar en la Inteligencia Artificial confiable (trustworthy AI), que es algo que la Comisión Europea lleva ya un tiempo impulsando. En cualquier caso, Gradiant va a estar ahí, trabajando para acompañar a las empresas que necesiten nuestra ayuda.
MS: Creo que uno de los grandes retos será la privacidad y cómo tratar los datos de forma segura. Ahora mismo tenemos técnicas, pero todavía están empezando a aplicarse. Otro reto es lo que se conoce como Explainable AI, conseguir explicar o interpretar las soluciones de un algoritmo, entender el por qué un algoritmo da un resultado concreto. Que la gente entienda el funcionamiento de un algoritmo es imprescindible para que se crea lo que dice.
BF: En este sentido, hay varios sectores en los que es imprescindible que los modelos sean explicables, me refiero por ejemplo a la medicina, o a temas que tengan que ver con el sistema judicial, banca etc. Si vas a utilizar un algoritmo, vas a tener que saber justificar desde un punto de vista legal, o ético en el caso de un médico, por qué has tomado una determinada decisión y esa justificación no puede recaer solamente en “porque me lo ha dicho el algoritmo”, tienes que conocer los motivos por los que te da un determinado resultado. Creo que habrá que hablar también de la gestión de los datos. Ahora quizás no haya muchos, pero en unos años la cantidad de datos que manejemos va a ser brutal y será necesario gestionarlos y organizarlos de forma efectiva. Será un gran reto sin duda.
¿Es realmente confiable la información que nos da un sistema de inteligencia artificial o de técnicas de Data Analytics para la toma de decisiones en sectores sensibles como el bancario?
RM: El tema de la fiabilidad de los datos es clave. Creo que todos estamos de acuerdo en las grandes capacidades de la Inteligencia Artificial, aunque hay que tener en cuenta que la calidad y cantidad de los datos es muy importante. Por muy bueno que sea tu sistema, si los datos que tienes no dan más de sí, no vas a poder sacar información de valor. ¿Te puedes fiar de los resultados de un algoritmo? Pues depende del algoritmo que uses, pero también de los datos que utilice ese algoritmo.
MS: Yo añadiría que también es imprescindible el factor humano. La persona que utiliza el sistema tiene que tener un conocimiento del tema que le permita distinguir entre un resultado correcto y uno que no lo sea. El factor humano seguirá siendo lo más importante.
¿Cómo podemos ayudar desde Gradiant para que una empresa incorpore estas tecnologías a su negocio?
RM: Pues, por poner un ejemplo, estamos colaborando con una empresa que está desarrollando una solución de procesado de datos en el sector financiero y nos han pedido ayuda para validar que la calidad de los datos es la adecuada. Me parece que es un punto de partida muy interesante y en el que nosotros podemos hacer un buen trabajo.
BF: También hemos prestado un servicio basado en un algoritmo para optimizar las órdenes de una producción. La empresa había intentado resolver el problema que tenía en dos ocasiones, primero por su cuenta y después con la ayuda de otra entidad especializada y lo cierto es que finalmente fuimos nosotros quienes conseguimos hacer que todo volviese a funcionar de forma óptima. Esto nos ha permitido seguir trabajando con esta empresa. Es algo de lo que nos sentimos orgullosos.
MS: Hay otra empresa que, pese a tener un departamento de datos, se puso en contacto con nosotros para optimizar sus campañas de marketing. Su objetivo era orientar de forma más personal sus campañas y recomendar los productos adecuados a cada cliente, dependiendo de su perfil. Nosotros desarrollamos una serie de algoritmos que nos permiten decidir de toda su cartera de clientes a cuales tiene que dirigir su promoción o publicidad.
