As hacen las empresas argentinas para adivinar el futuro

As hacen las empresas argentinas para adivinar el futuro

As hacen las empresas argentinas para adivinar el futuro

 El mayor acceso a grandes volmenes de datos y el incremento de la capacidad de cmputo han extendido el uso de modelos predictivos para distintas aplicaciones, desde las ms clsicas, como el anlisis de riesgo financiero, hasta el diseo de contenidos de lectura especficos para cada consumidor o, inclusive, el desarrollo personalizado de tratamientos mdicos.

A la par de ofrecer mltiples oportunidades, su utilizacin presenta a la par desafos, como la comprensin de la dimensin tica de la gestin de informacin. 

Tambin es amplia la expectativa sobre las posibilidades que ofrecer a futuro, al igual que los temores sobre los efectos de posibles abusos. 

“La enorme cantidad de datos que generamos y el incremento en el poder de cmputo dieron como resultado el incremento de investigaciones sobre nuevos algoritmos, capaces de resolver problemticas ms complejas, que hace algunos aos nos hubiesen parecido impensadas”, explica Alejandro Taboada, profesor de Data Science de la Universidad de Palermo (UP). 

Taboada da ejemplos de cmo estos procesos se han incorporado a la vida cotidiana: “Actualmente, vivimos y convivimos rodeados de modelos predictivos, ya sea el autocompletado de texto en los mails de Gmail, la recomendacin de videos de YouTube o el ordenamiento de imgenes en carpetas de Google Photos”. 

Javier Garca Fronti, subdirector de la Maestra y Especializacin en Gestin y Anlisis de Datos de la Escuela de Negocios y Administracin Pblica de Econmicas en la Universidad de Buenos Aires (UBA), considera que la novedad no est en el uso de los modelos, sino en quines han comenzado a usarlo.

Siempre hubo tecnologas de avanzada en las multinacionales, en las grandes empresas; pero actualmente lo que se ve es que cada vez ms empresas medianas y pequeas empiezan a incorporar tecnologas predictivas y tambin las usan reas que antes no lo hacan, como Marketing o Recursos Humanos”, afirma. 

A los fines de su procesamiento, los datos pueden dividirse en “estructurados” (organizados en general en bases de celdas y columnas) y “no estructurados” (no tienen un ordenamiento o formato predefinido, por ejemplo, las imgenes). 

Taboada seala que, segn esta clasificacin, son tambin diferentes las tcnicas predictivas a utilizar. “En la actualidad, se encuentran separadas en modelos shallow’ (poco profundos) y modelos deep’ (profundos)”, resume. 

“Si bien conceptualmente podramos usar ambos para cualquier tipo de solucin, en la industria los modelos de tipo shallow‘ (como las regresiones, los rboles de decisin, las mquinas de vector soporte) estn ms relacionados con la bsqueda de patrones en datos estructurados, como los productos que un usuario utiliz, la ltima fecha de logueo, la antigedad de la cuenta, etctera”, aade. 

Read:  “Me dan asco los negacionistas”

Y completa: “Por otro lado, los modelos deep‘ o de aprendizaje profundo’ (deep learning’) son utilizados para detectar patrones en datos no estructurados, como por ejemplo una imagen, un video, un audio o un texto“. 

Las tcnicas predictivas pueden contribuir al diseo de polticas pblicas.

As sucedi, por caso, durante la pandemia cuando un equipo de la Universidad Nacional de San Martn (Unsam) realiz un estudio sobre movilidad de la poblacin con base en el uso de telfonos mviles. 

Era una manera de estimar cmo se estaban cumpliendo las medidas de restriccin. Si se saba de qu lugar a qu lugar se mova la gente, se podra predecir hacia dnde iba el virus y poner barreras sanitarias para impedir ese movimiento”, describe Daniel de Florian, director del Centro Internacional de Estudios Avanzados de la Escuela de Ciencia y Tecnologa de la Unsam. 

De Florian destaca que un aspecto fundamental del proceso fue la proteccin de los datos personales. 

“Nos aliamos rpidamente con Movistar y procuramos cumplir con dos premisas: la de la informacin y la de la privacidad. Muchas veces las tecnologas modernas nos aportan mltiples soluciones en trminos de seguridad, de salud o de lo que fuera, pero se inmiscuyen tambin con la privacidad”, enfatiza.

Lo que hicieron para conocer el movimiento de la poblacin fue basarse en la conexin de los celulares a las antenas, lo cual garantiz que no se identificara a los usuarios. 

“As no se puede determinar en forma precisa la ubicacin de una persona, porque las antenas estn muy separadas entre s, pero al ser millones de celulares, estadsticamente se resolvan muchos problemas y se poda contar con una medida muy slida sobre la movilidad del conjunto de la poblacin”, apunta el fsico. 

Los datos aportados por las antenas de celulares luego se procesaban y, gracias tecnologa de inteligencia artificial, se predeca el movimiento vehicular de los das posteriores. 

“Una variacin muy grande respecto de la prediccin generaba una alarma y se determinaba si tena que ver con un relajamiento de las condiciones de restriccin o con algn evento en particular”, seala De Florian, quien destaca la validez del sistema para otros usos en el futuro. 

Diego Branca, director de IT de Roche, indica que una de las aplicaciones de los modelos predictivos en la industria farmacutica es la medicina personalizada, la cual, aclara “no es hacer un tratamiento para una persona, sino para un grupo de individuos que se parecen”. 

Read:  Renta inesperada: Argentina es uno de los 10 pases que ms impuestos le cobra a las empresas

Es por ello que, a partir de datos, se hace un perfil genmico de un grupo de individuos y se lo incorpora a la investigacin y desarrollo de nuevos frmacos”. 

El especialista no est participando en esos trabajos, pero s est utilizando modelos predictivos para, por caso, definir la oferta de contenidos educativos para profesionales de la salud.

“Hoy los mdicos tienen demasiada informacin. Comenzamos a analizar su comportamiento en un portal educativo que lanzamos en 2020, llamado Dilogo Roche’, para poder determinar lo que realmente les interesaba”, precisa.

Y aclara: “La idea es que el mdico no tenga que cargar datos, sino solo interactuar. Nosotros proporcionamos el contenido y analizamos el comportamiento. El clic ya es una accin”. 

Los negocios tambin han tomado en cuenta la creciente importancia de estos modelos y buscan usarlo cada vez ms. 

Segn un informe del MHI y Deloitte, el 31 por ciento de los profesionales de la cadena de abastecimiento ya utiliza el anlisis predictivo en sus operaciones, mientras que el 48 por ciento tiene previsto adoptar esta tecnologa en los prximos cinco aos.

Convergencia profesional

 Los profesionales que hacen anlisis de datos pueden provenir de distintas reas de conocimiento. Branca enfatiza que el equipo que conduce refleja esa diversidad. 

El 31 por ciento de los profesionales de la cadena de abastecimiento ya utiliza el anlisis predictivo en sus operaciones.

“Hay profesionales de diseo, de comunicacin, de marketing, de informtica, de ciencia de datos y una filsofa, cuyo aporte es clave, porque hasta nos cambia la forma de preguntar”, revela. 

“Por supuesto, siempre necesitaremos de la confluencia de expertos en sistemas para armar la infraestructura, profesionales de las estadsticas para trabajar mejor los datos, y muchas veces tambin de programadores especiales para manipularlos o desarrollar simulaciones”, recalca, por su parte, Hernn Etiennot, profesor del rea Acadmica de Sistemas de Direccin y Control del IAE, la escuela de negocios de la Universidad Austral. 

Pero aclara: “Dependiendo de dnde se aplique, intervendrn entrenadores para equipos deportivos, bilogos para temticas de medioambiente o salud, profesionales de marketing para vender los productos, entre otros”. 

 “Necesitamos de expertos en sistemas, profesionales de las estadsticas, y muchas veces tambin de programadores”, Hernn Etiennot, profesor del rea Acadmica de Sistemas de Direccin y Control del IAE.

Y concluye: “Ellos son quienes aportan la visin del negocio o actividad donde se aplicarn los datos, quienes traen las preguntas y le dan sentido a la interpretacin de los nmeros en la actividad”.  

Read:  Era CEO de la multi duea de Plusbelle y ahora es su dueo: qu planes tiene para crecer en el segmento de precios bajos

 En los mbitos corporativos y gubernamentales, el potencial es enorme. 

“La aplicacin hoy es vasta, ha tomado espacio en los mercados con robots que compran y venden acciones basados en estas predicciones, desarrollan el marketing de las empresas, el diseo de los productos, hacen predicciones de mantenimiento y hasta se usan para la contratacin de personal“, cuenta Etiennot. 

Tambin impactan en la economa, con proyectos de datos abiertos por ciudades para que la gente pueda desarrollar proyectos de mejora de consumo o detectar cmo asignar determinados recursos a poblaciones carenciadas”, aade.  

 Desafos

El uso de tcnicas de anlisis de datos y predictores tiene una enorme proyeccin, pero tambin grandes desafos. Algunos de ellos tienen que ver con limitaciones

“Hay dos aspectos fundamentales a destacar. El primero es que siempre la prediccin se basa en datos pasados. Esto implica, por ejemplo, que si los datos son muy viejos, quizs no podamos predecir correctamente hasta no tener una cantidad de datos nuevos relevante y significativa. Otra implicancia es que, si los datos pasados se basan en sesgos personales o culturales, la prediccin mantendr estos sesgos, salvo que se los corrija especficamente”, dice Etiennot. 

 “(Hoy) se puede hacer un anlisis muy fuerte, con pocas lneas de cdigo y utilizando una gran cantidad de libreras pblicas”, Daniel de Florian, director del Centro Internacional de Estudios Avanzados de la Escuela de Ciencia y Tecnologa de la Unsam.

“El segundo punto a tener en cuenta es la responsabilidad en el uso de esta prediccin social”, agrega. Este aspecto tambin es destacado por Garca Fronti: “No se puede hablar de estos temas sin abordar lo que algunos autores llaman poltica de datos'”. 

 US$ 35,45 mil millones es el valor que se espera que alcance el mercado global de anlisis predictivo para 2027, segn Allied Market Research. 

“Hay ms datos, hay mayor capacidad de clculo y, a partir de eso, se pueden hallar nuevos patrones de comportamiento de esos datos. El tema es cmo utilizar esos patrones de comportamiento y cmo, al encontrarlos, se respeta la privacidad de quienes brindan los datos“, reflexiona.

La accesibilidad de las tecnologas tambin puede generar desigualdades, pero en ese punto, De Florian es optimista. 

“Una de las grandes revoluciones de la ciencia de datos hoy es que se puede hacer un anlisis muy sustantivo, muy fuerte, muy slido, con unas pocas lneas de cdigo y utilizando una gran cantidad de libreras pblicas. Eso ha impulsado la posibilidad de que mucha gente sin conocimiento muy preciso pueda hacer ese trabajo“, desarrolla el especialista como cierre.