Ana Jiménez: "Hay que crear nuevos métodos en analítica de datos"
24 de Junio de 2019
24 de Junio de 2019
Ana Jiménez Castellano, Directora del Minor Big Data & Analytics y docente en Machine Learning del Máster en Business Intelligence e Innovación Tecnológica en EAE, ha protagonizado el Programa Enfocado de Alumni titulado "Big data: datos y oportunidad de negocio".
La experta en Inteligencia Artificial y Data Science comienza la clase celebrada en el salón de actos de EAE invitando a los asistentes a reflexionar sobre unas imágenes que ponen en cuestión uno de los problemas de la predicción de datos "cómo lo llevas a la acción cuando transformas el dato en algo útil, la Inteligencia Artificial sólo representa patrones" detalla Ana.
En los últimos 50 años la tecnología ha avanzado muy rápidamente. De hecho, uno de los principales objetivos de las empresas tecnológicas es estar al día y eso resulta muy complicado. Cuatro son las revoluciones industriales, la de las máquinas, la de la electricidad, la de la computadora y, la cuarta, la de la inteligencia artificial. "Es un cambio no sólo en las tecnologías sino en la sociedad; la forma de trabajar ha cambiado, evoluciona la mentalidad y surgen nuevas herramientas" explica Ana. Las máquinas son cada vez más rápidas y la web está cambiando muchísimo: ha pasado de la 1.0 estática a las conexiones de la 2.0 y de ahí a la red semántica de la 3.0; "en pocos años llegaremos a las redes ubicuas de la 4.0 que son el futuro porque conectan la inteligencia" explica la experta en Big Data.
En la actualidad se genera una gran cantidad de datos y el mundo físico no puede soportar tanta información. Con todo ello, la Data Scientist explica que la revolución tecnológica pone en el centro de la ecuación al ser humano y se están sentando las bases para convivir con las máquinas. Además, diferencia entre datos, información y conocimiento porque "necesitamos pasar los datos a información y de ahí al conocimiento" explica Ana Jiménez.
Para Ana el dato es la mínima unidad semántica mínima. Aunque las tecnologías de la información han aportado mucho en su recopilación, los datos desestructurados deben convertirse en categóricos o numéricos para que el algoritmo de Inteligencia Artificial sea capaz de hacer predicciones. "Este problema está sin resolver", aclara la experta en IA mientras incide en la importancia que tiene calidad del dato. Los datos han de ser de calidad, deben ser completos, creíbles, precisos, consistentes e interpretables: "hay mucho ruido en los datos y ese es uno de los problemas en el tratamiento de la información".
"El ciclo Datos-Información-Conocimiento-Acción-Resultado-Valor debe quedar cerrado para que las empresas puedan pasar a la acción y no se queden en el dashboard" explica la directora del Minor en EAE. Para ello, hay que optimizar procesos como la captura, el almacenamiento y la semántica de los datos porque "cuantos más datos tenemos más difícil es encontrar el patrón". Hace falta establecer nuevos métodos, crear una cultura basada en los datos y que estos se utilicen como una herramienta más para seguir avanzando.
A continuación, la docente explica las diferencias entre Business Inteligence y Big Data. La primera enfocada en estrategias, herramientas, administración y creación de conocimiento mediante el análisis de los datos existentes en una organización "datos estructurados con problemas para trabajar en tiempo real". La segunda, el Big Data, "se ha convertido en un término de moda relacionado con la innovación en las empresas". Aunque no existen proveedores de Big Data en la actualidad se puede diferenciar entre fuentes de datos, herramientas para orquestar la información, elementos de insights o análisis y, la última, centrada en la toma de decisiones y acciones. Para la socia en EY "hay que cambiar la tecnología, los procesos, la cultura y las personas para que el resultado sea bueno".
La tecnología plantea retos aún sin solucionar como que cada organización tiene un problema específico y las herramientas sólo son capaces de resolver problemas genéricos; el 52% de las empresas presentan un gap tecnológico; el 33% de ellas no tienen los perfiles adecuados y el 19% no saben cómo integrar el Big Data. En esta fase de transformación es necesario hablar de calidad, análisis y modelización de los datos. Aquí trabaja el Data Science para aplicar la inteligencia en la analítica de datos "todavía queda mucho por avanzar para conseguir acometer con éxito la representación de la información" aclara Ana. En definitiva, el camino pasa por conseguir transformar el mundo real con datos aplicando el conocimiento humano para conseguirlo.