Big Data o cómo analizar lo que la mente humana no puede

Intregrar el ‘big data’ en las empresas es clave. Formar a la plantilla ayuda a que todos los departamentos se involucren con los datos.

¿Es tu empresa un lugar excelente para trabajar?

El big data está de moda. Arrasa en el mundo de los negocios y ninguna empresa quiere quedarse fuera. El término no se refiere únicamente a una herramienta informática capaz de procesar ingentes cantidades de datos para sacar ventaja a compañías de la competencia. La salvación de los neófitos digitales no es contratar a un ingeniero que ponga a funcionar un programa que analice lo que la mente humana no puede hacer. El proceso es más complejo y requiere la transformación de la empresa en su conjunto. Sigue leyendo

Cómo analizar a nuestros clientes

Una de las acciones más importantes y rentables para una compañía es analizar los datos de sus clientes estudiando los distintos perfiles. Pero no se trata de una acción única, sino de algo continuado en el tiempo, lo que nos permitirá ver la evolución de la cartera de clientes y las variaciones en las tendencias de consumo.

Para llevar esto a cabo, la opción más lógica es crear y mantener actualizado un registro informatizado de los datos de clientes, en el que se almacenarán sus datos personales, aficiones, gustos, productos que compran, fechas de compra, formas de pago, importes de las compras,….y todos los datos que puedan aportarnos un mayor conocimiento. Sigue leyendo

“ Big Data “o cómo reinventar un modelo de negocio

El análisis de grandes cantidades de información plantea oportunidades aún inimaginables para las empresas. El futuro ya está aquí.

Big Data. Es el concepto tecnológico del momento. Un término inmaduro, para el que aún no hay una traducción clara (¿grandes datos?, ¿datos masivos?) y que no siempre se emplea de forma correcta. ¿Qué es verdaderamente el big data? “ Se trata de hacer cosas a partir del análisis de inmensas cantidades de información, que simplemente no son posibles con volúmenes más pequeños”, resume Kenneth Cukier, data editor de The Economist y autor de Big Data la Revolución de los datos Masivos.

Pongamos un ejemplo. Farecast es una empresa estadounidense fundada en 2003 que, a partir de miles de millones de registros, era capaz de calcular la probabilidad de que un billete de avión subiera o bajara de precio, y estimara el mejor momento para comprar. En 2009 Microsoft pagó más de 100 millones de dólares por esta compañía. “La tecnología de predicción de precios es aplicable no sólo a los billetes de avión, también a las habitaciones del hotel y a muchos otros productos y servicios. Sólo evaluando esa cantidad tan enorme de datos es posible estimar probabilidades de acierto”, recordó Cukier el pasado jueves, conferenciante estrella de IX jornada anual de antiguos alumnos de Madrid.

El caso de Farecast marcó un precedente. “Nunca antes la información publicada por las aerolíneas se había vuelto en contra de su modelo de negocio” apuntó este experto.

Hoy, un paradigma empresarial puede desaparecer casi de la noche a la mañana.

Y, sin embargo, el big data plantea más oportunidades que riesgos. La oportunidad, por ejemplo, de que un hospital ahorre tiempo y dinero estimando la probabilidad de que un paciente empeore. De que una compañía petrolífera encuentre nuevos pozos e incremente su producción. De que una organización detecte si un empleado con gran potencial cambiará de empresa en los próximos dos años. O de que una app muy popular pueda comercializar con información agregada de los hábitos de consumo de sus usuarios.

Cruce de datos

En ocasiones, la correlación de datos permite descubrir patrones de comportamiento. El gigante estadounidense Walmart estableció, cruzando su base de datos de ventas con información meteorológica, que sus cereales Kellogg´s Pop Tarts se vendían más los días de tormenta, y decidió colocarlos en la última estantería de las tiendas e instar así a los clientes a recorrer todo el establecimiento.

Las oportunidades de negocio, además se hacen más atractivas a medida que la inversión necesaria para hacer big data se reduce. Iberdrola es un caso en España de cómo la reducción del coste de las nuevas tecnologías está haciendo posible el análisis de patrones de consumo de sus clientes y el lanzamiento de tarifas segmentadas. A más largo plazo la eléctrica se dirige hacia un servicio cada vez más personalizado.

“En poco más de un año, el coste de las tecnologías de almacenamiento cloud se ha reducido en un 85%” recalca José Luis Sancho, director de Accenture Gigital. “Los beneficios son tan grandes que muy pronto no habrá dispositivos sin sensores para la monitorización en tiempo real “, vaticina Daniel Carreño, presidente de General Electric España y Portugal.

Aquí entran en juego otros conceptos, como el Internet de las Cosas, la Industria 4.0 y las ciudades inteligentes o Smart cities, basadas en la incorporación de sensores en semáforos, transporte público o farolas. Siemens por ejemplo, ha puesto en marcha un proyecto piloto en Berlín para registrar las plazas de aparcamiento disponibles y contribuir así a reducir la contaminación de la ciudad.

Inteligencia Artificial

Otro concepto en auge es el de machine learning, que forma parte dela inteligencia artificial. Los aspiradores inteligentes de Roomba, por ejemplo, memorizan la distribución de una habitación aprenden por sí solos cualquier posible cambio. El buscador de Google es capaz de anticipar una búsqueda con solo incorporar las primeras letras. Y Telefónica se ha asociado con BigML para desarrollar un algoritmo capaz de predecir en qué start up merece la pena invertir.

Por supuesto, la máquina no siempre acierta. Es aquí donde entra el raciocinio humano y el sentido común. En cualquier caso, con el paso del tiempo, a medida que la muestra para analizar aumenta , los algoritmos se vuelven más exactos.
El big data plantea asimismo importantes retos en cuanto a la privacidad de las personas. “Se puede saber mucho del estado económico o de salud de alguien cruzando simplemente sus búsquedas en Google”. Comentan fuentes de una compañía de publicidad programática.

En esta información no nos extenderemos exponiendo algunas de las previsiones de crecimiento del big data que estiman las grandes firmas de análisis. En primer lugar, porque las cifras son tan grandes, que resulta difícil hacerse una idea de la magnitud real de la cuestión. Pero, sobre todo, porque la rapidez con la que evoluciona el mundo hace muy probable que esas estimaciones se queden cortas. Baste subrayar que “el cambio está ya aquí, y no hay vuelta atrás” concluye Cukier.

Fuente: Expansión_Economía Digital 27/10/2015

De la nube al Big Data

Sin una inversión en tecnología, las empresas no pueden completar este camino con éxito. Por ejemplo sin el cloud computing, que permite alquilar capacidad informática en un modelo de pago por uso evitando así cuantiosos desembolsos en infraestructura, no habríamos asistido a la explosión de start up con revolucionarios modelos de negocio.

En la agenda tecnológica destaca el Big Data, que permite conocer más y mejor a los clientes a través del análisis de su relación con la empresa y el cruce de estos datos con información pública de los usuarios. Además de permitir abrir nuevas vías de negocio, con el Big Data se persigue poder personalizar cada vez más la oferta.

La banca española se está poniendo las pilas en la adopción del Big Data, aunque aún queda mucho camino por recorrer. BBVA cuenta con una filial independiente para dar servicio al banco y explotar comercialmente este negocio. Por su parte la Caixa está desarrollando cerca de 50 proyectos en este terreno, ámbito en el que también trabajan entidades como Santander. “La cuenta 123 nos proporciona información para dar mejores servicios”, ejemplifican en la entidad a la hora de hablar de su estrategia en el ámbito del Big Data.

Otras firmas como Repsol, han encontrado en el análisis avanzado de datos una herramienta idónea para la predicción y la optimización de activos dentro de la compañía.

Fuente: Expansión 6/10/2015

Datos masivos impulsando al seguro

Ernst & Young, FrontQuery y Teradata presentan un análisis conjunto.

Los datos masivos, conocidos como ‘Big Data’, y su análisis han llegado para quedarse en la gestión empresarial. Alrededor del 30% de las empresas del sector financiero –banca y seguros– en España aprovecha ya, en mayor o menor medida, las oportunidades que ofrecen estas soluciones para impulsar el crecimiento y la innovación, así como para gestionar el nuevo y exigente entorno regulatorio y mejorar la eficiencia y la productividad.
En resumen, la combinación de una ingente explosión de datos y el rápido desarrollo tecnológico para almacenar y procesar la información que proporcionan está provocando una auténtica transformación en la gestión de los negocios. Un nuevo enfoque que aún tiene ante sí el reto de cuantificar el valor que es capaz de aportar realmente.

Estas son algunas de las conclusiones del primer informe, y su comparativa 2014-15, ‘Big Data en el sector financiero español’, de Ernst&Young (EY), FrontQuery y Teradata.

En lo referido a las utilidades percibidas por ambos sectores en este campo, un 33,3% de las entidades consultadas resaltó las generadas en la segmentación y el ciclo de vida de sus clientes, así como en el ‘targeting’ –o clasificación– avanzado, traducidas en mayor rendimiento y eficiencia de las acciones comerciales. Además, en 2015 aparecen con fuerza la estratificación del riesgo y la valoración de carteras. Un 15,4% resalta la posibilidad de fidelizar clientes a través de análisis predictivos avanzados, lo que señalan en especial las entidades aseguradoras. Y a un 10,3% le resulta crucial la gestión de la llamada multicanalidad, en un entorno donde las tecnologías multiplican los canales de comunicación y elevan la capacidad de transacción y la información a compartir.

La combinación de los datos masivos y su análisis permite a bancos y aseguradoras aprovechar las nuevas y variadas fuentes de información y convertirse en entidades más inteligentes, logrando una mayor diferenciación en un mercado competitivo tan cambiante.

Así, entre las oportunidades que proporciona, el 28,8% de los encuestados destaca la ayuda que presta en los procesos complejos de toma de decisiones. Una ventaja que repercute positivamente en los resultados de negocio. No obstante, el 40,6% de las aseguradoras resaltan la oportunidad de extraer inteligencia de la combinación de fuentes estructuradas y no estructuradas de información.

Por lo que se refiere a las áreas más beneficiadas, los directivos del sector asegurador destacan: los seguros de Autos (32,5%), los planes de pensiones y otros instrumentos de previsión social (30%) y los seguros de salud (25%).

Sin embargo, aún se perciben algunas barreras: de tipo tecnológico (un obstáculo para el 40,6%), presupuestario (11,8%), de falta de conocimiento especializado (47,1%) y de criterio dentro de las entidades, que actualmente preocupa al 23,5%.

Fuente: Ausbanc Revista

Técnicas de minería de datos aplicadas al diagnóstico de entidades clínicas

La Universidad de las Ciencias Informáticas (UCI), posee varios centros de desarrollo de software. El Centro de Informática Médica (CESIM) es uno de ellos, encargado del desarrollo de aplicaciones para el sector de la salud; entre estas se encuentra el Sistema Integral para la Atención Primaria de la Salud (alas SIAPS), el cual posee un componente de tipo Sistema Clínico de Soporte para la Toma de Decisiones (CDSS), para que facilite el procesamiento analítico en línea y la minería de datos y que servirá además al resto de los ambientes bajo un escenario tecnológicamente sólido. Actualmente en el Centro de Toma de Decisiones se está manejando la información con técnicas estadísticas; sin embargo, con estas técnicas no se está aprovechando al máximo la información almacenada.

Las Historias Clínicas Electrónicas (HCE) pertenecientes al alas SIAPS, se encuentran almacenadas en un gran repositorio y su información se envía periódicamente a un Datamart. Dado el gran volumen de datos acumulado en él, y la incapacidad de los especialistas de identificar patrones de comportamiento y extraer conocimiento oculto en los datos almacenados para apoyar sus decisiones, surge la necesidad de aplicar la minería de datos.

En la actualidad, la Hipertensión Arterial se ha convertido en una de las primeras causas de muertes en el mundo. Según el reporte de la Organización Mundial de la Salud (OMS) del 2012 1 de cada 3 personas en el mundo padece de Hipertensión Arterial; además agrega que 1 de cada 10 personas es diabética. Algunos autores como Cumbá, coinciden que anualmente existen 7.2 millones de muertes por enfermedades del corazón. La hipertensión arterial es la segunda causa de muerte a nivel mundial, se reconoce internacionalmente como “muerte silenciosa” pues en la mayoría de los casos los pacientes tienden a ser asintomáticos.

Debido al gran volumen de datos existentes en el datamart, se dificulta la toma de decisiones de los especialistas para realizar un análisis rápido y efectivo y de esta manera encontrar información útil y valiosa oculta en ellos; por otra parte, la no predicción del comportamiento futuro de algunos problemas de salud presentes en las HCE con un alto porcentaje de certeza, basado en el entendimiento del pasado.

La minería de datos es un área de la inteligencia artificial que permite darle solución al problema descrito, la misma se basa en varias disciplinas, algunas de ellas más tradicionales, se distingue de ellas en la orientación más hacia el fin que hacia el medio. Y el fin lo merece: ser capaces de extraer patrones, de describir tendencias y regularidades, de predecir comportamientos y, en general, de sacar partido a la información computarizada que nos rodea hoy en día y que permite a los individuos y a las organizaciones comprender y modelar de una manera más eficiente y precisa el contexto en el que deben actuar y tomar decisiones.

En este artículo se propone exponer, mediante la combinación de dos modelos matemáticos, cómo se puede contribuir al diagnóstico de enfermedades, usando técnicas de minería de datos. Sigue leyendo

La Mina de Oro escondido por los Datos Durmientes

Después de los estragos de proyecto CRM de principios del siglo, una segunda ola irrigó la informática de empresa, a base de cloud, sencillez y de informática analítica. Un fenómeno que revuelve el papel y las atribuciones del DSI. Flashback y prospectiva.

Al principio de los años 2000, la informática decisoria estalló, permitiéndoles a los responsables explotar el yacimiento de datos que “dormían” sobre sus servidores: análisis de los historiales clientes, detección de los productos más apreciados, análisis de márgenes, los resultados por zona comercial… La informática se convertía en una ayuda a la decisión. Sigue leyendo

La Era de la Capacidad Predictiva en el Sector Sanidad

A lo largo y ancho del mundo, la industria de la Sanidad está viviendo una transformación trascendental. Se está pasando de una era caracterizada por la recopilación de información y la generación de informes a un tiempo en el que priman el análisis de datos y la capacidad predictiva.

Los gigantescos desafíos que enfrenta la Salud hoy son más que suficientes para forzar un mejor uso de la analítica de datos. Se requiere que los gerentes estén mejor informados para tomar decisiones más inteligentes. Hace falta entablar una batalla campal a la ineficiencia arraigada en el sector, donde, históricamente, se produce un altísimo porcentaje de errores prevenibles. Algunos de los cuales, cuestan vidas. En España, por ejemplo, 8 de cada 10.000 personas mueren prematuramente en condiciones que podrían evitarse con atención médica oportuna y eficaz (OCDE, 2011). Probablemente, casi todas esas muertes prematuras pueden atribuirse al ineficiente manejo de la información médica.

Sigue leyendo

Minería de datos optimizaría indicadores de procesos

La minería de datos se convierte en factor de competitividad

Con base en un sistema de números inteligentes, capaces de hacer mediciones constantes en bases de datos y en lugares que almacenen información, las empresas tendrán todo el material necesario para evaluar rendimientos y procesos.

Así lo explica el estudiante Juan Camilo Giraldo, del doctorado en Sistemas de la Universidad Nacional de Colombia en Medellín, quien resalta que el término minería de datos se refiere a la analogía que se hace con los mineros cuando ingresan a lo más profundo de la mina para extraer el material, de la misma manera que lo hace su programa.

La minería de datos se convierte en factor de competitividad

De esta forma, el software es capaz de evidenciar falencias e inconsistencias en los procesos, para posteriormente hacer la corrección de los mismos.

Las variaciones identificadas son almacenadas en una base de datos como KPI (en inglés Key Performance Indicators, o Indicadores Clave de Desempeño) que miden el nivel del desempeño de un proceso, con el fin de retroalimentar, ajustar procesos o recursos, y que sirvan como variables de punto de comparación en el momento de ejecutar otros frente a objetivos similares.

Inicialmente se ingresan los procesos articulados a unos objetivos trazados, para realizar operaciones transaccionales típicas, y se consolidan posteriormente en una bodega de datos, lo que permite concretar unos hechos del negocio.

Por medio de explotación de información se extraen entonces causas que presenten los históricos y se analizan en términos de indicadores.

Dicho análisis involucra medidas cualitativas y cuantitativas, y está sujeto a una técnica de minería de datos que apoye la interpretación de los KPI obtenidos, que después se almacenarán y servirán como punto de referencia para próximas ejecuciones.

10 maneras de mejorar nuestra calidad de vida usando ‘big data’

La importancia de los datos para poder alcanzar los Objetivos del Milenio es grande. Algunos ejemplos que ilustran cómo podemos beneficiarnos de ellos

El Panel de las Naciones Unidas sobre la Agenda Post-2015 concluyó que para poder alcanzar los Objetivos del Milenio necesitamos una “revolución de datos”. La importancia de los datos en la nube –o big data como lo llaman en inglés– abre numerosas oportunidades para el desarrollo y debemos aprovecharlas. Aquí van algunos ejemplos que ilustran cómo podemos beneficiarnos de esta “revolución de datos”.
1. Entender procesos demográficos y migratorios
El rastreo de actividad de teléfonos celulares vía GPS puede ayudarnos a comprender patrones de migración y de formación de grupos sociales en ciudades. Gracias a la llamada “minería de datos” , el instituto SAS pudo identificar tendencias de desempleo en Estados Unidos e Irlanda tres meses antes que los informes oficiales, y se dieron cuenta de que las conversaciones en medios sociales sobre la pérdida de propiedad privada tuvieron lugar dos meses antes que las de desempleo.
2. Identificar hábitos y problemas sociales
Algunas investigaciones demuestran que compartimos en Twitter y Facebook enfermedades que a veces no compartimos con los doctores. El análisis de información en los medios sociales puede ayudarnos a descubrir posibles enfermedades endémicas, así como comprender nuestros hábitos de salud como la práctica de ejercicio, o el consumo de droga o alcohol.
3. Mejorar los sistemas de alerta de desastres
El Servicio Geológico de Estados Unidos busca en Twitter los incrementos en el volumen de mensajes sobre terremotos y ha sido capaz de localizar terremotos con un 90% de exactitud. En otros casos, gracias al uso de sistemas de sensor robótico, la Iniciativa de Observatorios Oceanográficos monitorea la actividad oceánica y ofrece análisis en tiempo real para anticipar el riesgo de tsunamis.

4. Comprender tendencias económicas
Los investigadores del MIT desarrollaron un sistema que recoge datos diarios sobre precios de bienes vendidos o promocionados en la web y lo utiliza para estimar la inflación con alta precisión. Gracias a esto, se pueden identificar picos de inflación mucho más rápido que con métodos tradicionales.

5. Detectar riesgo de pandemia en tiempo real
Google Flu Trends y Google Dengue Trends permiten monitorear las búsquedas en internet sobre síntomas típicos de la gripe y la malaria realizadas en lugares determinados. Gracias a ello, se puede detectar la posibilidad de brotes epidémicos en cualquier momento.

6. Descubrir cambios topográficos, patrones de tráfico y emisiones
Soluciones como “Ciudad Creativa Digital” serán la base de las llamadas “ciudades inteligentes”. Este proyecto instalará sensores electrónicos y digitales capaces de transferir datos en tiempo real sobre la actividad de cualquier ciudad permitiendo, por ejemplo, cambiar el tiempo de duración de las luces en los semáforos conforme la densidad del tráfico.

7. Entender el cambio climático
La organización “Life Under Your Feet” creó una herramienta para visualizar datos de satélites y sensores electrónicos sobre variaciones en los niveles de humedad, temperatura y presión del suelo, que pueden ser útiles para tomar decisiones en proyectos de agricultura e infraestructura.

8. Mejorar los servicios públicos
Ubidots es una plataforma Colombiana de “internet-de-las-cosas” que monitorea las condiciones de higiene de 25 hospitales en América Latina. Captura datos con sensores sobre actividades de los equipos y la tasa de ocupación en los hospitales que sirve para entender la situación a tiempo real de los hospitales.

9. Organizar la ayuda humanitaria en tiempos de desastre
La Red Internacional de Mapeo de Crisis usa tecnologías geoespaciales, comunicadores portátiles y otras plataformas para mejorar la distribución de ayuda humanitaria y coordinar la respuesta ante catástrofes. La plataforma Ushahidi se utilizó durante el terremoto de Haiti para informar sobre la existencia de gente atrapada en edificios o en urgente necesidad de ayuda.

10. Mejorar la calidad de vida y fortalecer lazos comunitarios
CoCoRaHS es una red de voluntarios que miden y papean precipitaciones pluviales. Con la información recogida las comunidades locales pueden controlar las epidemias de mosquito, mejorar la planificación urbana, ajustar pólizas de seguro, e incluso la planificación de actividades recreativas al aire libre y educativas.

Esos son sólo algunos ejemplos. ¿Cómo piensas que el uso de big data podría ayudar a mejorar la calidad de vida