Cerrar panel

Cerrar panel

Cerrar panel

Cerrar panel

Data> Big Data 22 ene 2018

La ‘calidad del dato’ en el punto de mira de las empresas

Cuando se trata de ciencia de datos, cantidad no es sinónimo de calidad. Expertos de distintos sectores se reunieron la semana pasada en el evento celebrado en Open Space Madrid de BBVA, ‘El valor de los datos’, para contar sus esfuerzos a la hora de dar sentido al aluvión de información que hoy atrae la atención de empresas grandes y pequeñas.

analisis-dato-big-data-bbva
Teresa Alameda (BBVA Creative)

En los últimos 10 años se ha generado más del 90% de toda la información de la historia documentada de la humanidad. Este brutal incremento exponencial en la acumulación de datos puede ser un arma de doble filo para las organizaciones. “Es un reto y a la vez una oportunidad”, afirmó Alejandro Campoy, director de Desarrollo en Mercados Internacionales de Microsoft Cortana, durante el evento celebrado en Open Space de BBVA y organizado por Rooter.

La buena noticia es que hoy se cuenta con la inteligencia artificial como herramienta para tratar de rentabilizar tales cantidades de información y “extraer su valor real”, explicó el experto de Microsoft. La IA no sólo se manifestará mediante la voz a través de asistentes como Cortana o Siri, según Campoy, sino que esta tecnología está ya hoy presente en aplicaciones (como el correo electrónico), en servicios (como mapas) y en infraestructuras.

“Lo más interesante de esto último es que no solo servirán para almacenar la información, sino para procesarla y ponerla a trabajar mientras tanto”, añadió. El uso de sistemas como el de Microsoft Azure de “inteligencia artificial en la nube” es cada vez más habitual para ayudar a organizaciones que no pueden permitirse su propia inteligencia artificial y explotar el valor de los datos en su negocio.

Sin embargo, el gran reto para todos es separar el grano de la paja y lograr que la calidad supere a la cantidad de datos. “De ese 90% de la información generada en los últimos 10 años, hay una gran parte de datos desechables”, apuntó Juan Murillo, responsable de divulgación analítica y datos por el bien común en BBVA Data & Analytics. El responsable de BBVA hizo así una separación entre los grandes conjuntos de información y “los datos accionables” para señalar la relevancia actual de perseguir “la calidad del dato”. Además, recalcó que no es lo mismo “recomendar una película que un producto financiero”, lo que hace aún más importante pelear por la “calidad” en determinados sectores.

juan-murillo-evento-bbva

Juan Murillo, responsable de divulgación analítica y datos por el bien común en BBVA Data & Analytics, durante su intervención en el evento.

La versatilidad del dato

Una vez que se logra dar con los datos accionables, las posibilidades de generar eficiencias internas y nuevas vías de ingreso son inmensas: “el portafolio de opciones que ofrece un conjunto de datos va desde comparar, relacionar o clasificar información, hasta optimizar procesos, predecir comportamientos y hacer recomendaciones”. Ejemplos de estos son BBVA Valora, una herramienta de BBVA que compara y coteja información inmobiliaria para ayudar a los usuarios a determinar el precio de una vivienda; o Commerce360, que emplea datos agregados y anonimizados de transacciones de tarjeta para ofrecer inteligencia de negocio a pequeños comercios. Estos últimos, en parte por elevado coste de la inversión tecnológica necesaria y en parte por la escasez de talento cualificado en esta disciplina, son los que más complicado lo tienen para sacar beneficio de los datos.

“Probablemente, lo que más daño ha hecho del término ‘big data’ es, precisamente, el ‘big’”, afirmó Alejandro Llorente, cofundador de PiperLab, una empresa que ayuda a organizaciones a explotar la ciencia de datos en su negocio. El emprendedor explicó cómo uno de los grandes retos de las empresas que quieren lanzarse al ‘data science’ es la dificultad que tienen para definir qué pretenden resolver con los datos. “A menudo se preguntan primero qué datos quieren utilizar en lugar de qué problemas de negocio quieren resolver”, apunta.

Más valor, más confianza

No es el caso de Rastreator.com, una compañía nacida en internet y cuyo trabajo en ‘data science’ representa un caso de éxito de cómo hacer crecer un modelo de negocio gracias a los datos. “Cuando empezábamos teníamos nuestros datos en excel y ahora ya utilizamos herramientas de ‘machine learning’”, cuenta Óscar López, responsable de Data en Rastreator.com y de un área que ha logrado monetizar la apuesta por los datos de forma efectiva. “Gracias a los datos obtenidos de la interacción y navegación de los clientes hemos logrado crear un ‘buying score’, un indicador que nos dice cómo de propenso es un cliente a realizar una compra”, explica. Esta información les permite ofrecer productos solo y exclusivamente cuando el cliente los necesita, lo que aumenta la eficiencia de las campañas comerciales.

Esto es para Murillo un claro ejemplo de cómo pasar de la “publicidad intrusiva” a ofrecer un servicio que realmente aporta valor al usuario. “En nuestro caso, con la herramienta Bconomy utilizamos los datos para crear un diagnóstico de la salud financiera de los usuarios y ofrecerle consejos y medidas ajustadas a su caso particular, lo cual les genera un beneficio”, añade el responsable de BBVA. Esta apuesta por “aportar valor real” contribuye positivamente a alimentar el “círculo virtuoso” con los usuarios: cuanto mejor es el beneficio que se les aporta, más confianza depositan en la organización y a su vez más dispuestos estarán a contribuir en la generación de mejores productos basados en datos.

En esta transición hacia empresas ‘data-driven’, Murillo también destacó la responsabilidad de las organizaciones a la hora de establecer criterios éticos sólidos. “Hoy es más importante que nunca luchar contra la discriminación que se puede generar con los algoritmos”, apuntó el experto, quien defiende la necesidad de realizar “auditorías algorítmicas” que garanticen que las decisiones que las máquinas toman no reflejan en ningún caso posibles sesgos discriminatorios. A pesar de los avances en la IA, “sigue siendo nuestra responsabilidad vigilar a las máquinas”, concluyó.