Skip to main content
ico

Analítica cognitiva

/Bancolombia/Categoria Capital Inteligente/Tendencias31-05-2016

Por Katherine Alejandra Blandón López
Analista de Investigación y Desarrollo Logístico / Renting Colombia

Analítica cognitiva

En nuestra primera entrega sobre este tema, hablamos del análisis de datos y su importancia para las organizaciones, ya que ayuda a identificar nuevas oportunidades de negocio, transformando el modo en el que piensan, se comportan y funcionan los sistemas.

La evolución de la tecnología no se detiene, desde el año 1956, John McCarthy acuñó la expresión «inteligencia artificial» y la definió como «la ciencia e ingenio de hacer máquinas inteligentes, especialmente programas de cómputo inteligentes».

Casi 60 años después, en 2011, IBM presentó Watson, una tecnología pionera capaz de interactuar de manera similar a como lo hacen las personas: lee, aprende y entiende el lenguaje de los seres humanos; responde a preguntas difíciles en solo segundos y a partir de la capacidad de analizar datos complejos, y toma decisiones de acuerdo con el entendimiento de grandes volúmenes de información expresados en datos estructurados y no estructurados.

Esta nueva tecnología recibe el nombre de computación o analítica cognitiva y fortalece la alianza entre la máquina y el ser humano, creando sinergias que aumentan la capacidad de razonamiento y la velocidad de respuesta. (Corporación Colombia Digital, 2015).

Analítica cognitiva

Así pues, se refuerza la gestión de los negocios, generando una nueva forma de pensar para aprovechar las oportunidades y obtener mejores resultados. El impacto de la computación cognitiva se hace evidente en:

  • Toma de decisiones: esta tecnología se nutre de la información que producen las personas al interactuar en los medios digitales para identificar patrones y generar interrelaciones, agilizando la toma de decisiones, reduciendo costos y optimizando los resultados humanos.
  • Análisis social: identifica y se alimenta de las publicaciones, videos, imágenes y comentarios, que se divulgan en cada una de las redes sociales.
  • Combinación e integración de datos: permite extraer resultados relacionados con los clientes. Un ejemplo lo podemos encontrar en el ámbito de la salud, donde el sistema analizó una base de datos con diferentes historias clínicas para aprender los patrones patológicos, ayudándole a entregar un diagnóstico y tratamiento para un paciente especifico. En paralelo, se realizó el mismo estudio con un médico especializado, el cual arrojó resultados similares pero en un tiempo mayor.
  • Asesoría personalizada 24 horas: dada la capacidad del sistema para clasificar los clientes de acuerdo a patrones de comportamiento, optimiza el tiempo de repuesta y el nivel de servicio en los call center, ya que descubre oportunidades que los humanos no pueden captar.
  • Transversalidad:esta nueva tecnología posibilita las interacciones entre las personas y los negocios, ya que permite utilizar la información de manera inteligente, pertinente y rápida.

La era cognitiva no solo ayuda a una mejor relación entre hombre y máquina para dar mejores respuestas y en un tiempo más corto, sino que también es un gran apoyo en las organizaciones para prevenir amenazas y fraude. Esto se hace posible combinando la inteligencia del negocio, la minería de datos, el análisis de información y las tecnologías existentes, con el fin de identificar patrones inusuales en los datos y tomar acciones preventivas. La metodología utilizada consta de cuatro escenarios dentro de un modelo cíclico de constante evaluación y retroalimentación:

  1. Definir: estas herramientas se encargarán de evaluar el riesgo que tiene la compañía de exposición al fraude (tanto interno como externo), para definir los patrones de peligro. Se construye el "historial de usuario" mediante grupos primarios para determinar qué decisiones y acciones se tomarán y con qué datos se cuenta para apoyar esas actividades.
  2. Integrar: luego de identificar el tipo de información que se está buscando y dónde se tiene (actualmente las compañías recogen gran cantidad de datos, incluyendo los que tienen indicios de irregularidades), se integrarán los datos con las herramientas y profesionales existentes en la organización para limpiarlos y estructurarlos en pro del análisis posterior.
  3. Analizar: una forma de detectar amenazas internas en una organización es mediante un análisis de datos que radica en tomar como base, comportamientos ilícitos del pasado e identificar patrones diferentes de los casos “normales”. Para los riesgos externos, se debe tener un objetivo específico que pueda, al menos, mejorarse mediante el uso de análisis de datos. Un estudio de amenazas externas puede tener más datos disponibles que los que se pueden analizar eficazmente. Una vez definidos los riesgos y los indicadores, se automatizará el proceso ejecutándolo de forma periódica.
  4. Visualizar: la presentación de estos se hará gráficamente y permitirá visualizar los resultados de forma clara, sencilla y eficaz, para que cualquier usuario del proceso pueda entender y tomar decisiones sobre los resultados sin necesidad del conocimiento que poseen los científicos de datos, sino desde su área de experticia.

Analítica cognitiva

Iniciativas y aplicaciones nacionales e internacionales desde analytics y computación cognitiva

Nacionales 

A partir del compromiso entre el sector privado, el Estado y varias universidades del país, nace en marzo de 2016 el Centro de Excelencia y Apropiación en Big Data y Data Analytics -Alianza CAOBA-, con el propósito de fortalecer los análisis de datos para obtener soluciones a problemáticas de interés público y privado.

CAOBA operará bajo la ejecución de la Pontificia Universidad Javeriana y contará con la participación de Grupo Nutresa, Bancolombia y el Departamento Nacional de Planeación, Universidad ICESI, Universidad EAFIT, Universidad de Los Andes, IBM, EMC, SAS y Cluster Creatic.

Su objetivo es desarrollar un ecosistema de capacidades analíticas en el país para contribuir a la competitividad y al posicionamiento de una cultura de innovación e investigación aplicada, y a la creación de una política de Big Data y Data Analytics, la cual será liderada por el Departamento Nacional de Planeación (DNP). (MinTIC, 2016).

Una de las problemáticas importantes que se plantea resolver es la existencia de barreras que impiden la rápida apropiación y uso de las tecnologías necesarias para hacer uso masivo y efectivo de diversas herramientas de Big Data & Data Analytics, para ello la Alianza CAOBA propone tres frentes de acción principales (CAOBA, 2016):

  • Transferencia de conocimiento especializado a la industria nacional, así como la formación de excelencia en recurso humano que integre rápidamente la industria nacional o conforme nuevas empresas de emprendimiento tecnológico especializado en el tema de Big Data & Data Analytics.
  • Construcción de una plataforma que facilite la rápida apropiación y acceso a tecnologías de Big Data & Data Analytics a la mayor cantidad de empresas nacionales. Esta plataforma ofrecerá servicios de Big Data & Data Analytics siguiendo un esquema de software como servicio (Big Data and Data Analytics as a Service) e incluirá mecanismos de análisis de información estructurada y no estructurada.
  • Definición de metodologías, lineamientos y estrategias para la adopción de tecnologías en Big Data & Data Analytics que puedan ser implementadas en diferentes organizaciones del país.

Internacionales 

Antes de ver las futuras aplicaciones de la computación cognitiva, es preciso conocer cuáles son sus características principales. (Gartner, Inc., 2014).

  1. Gestión de la complejidad: la capacidad de análisis de estos sistemas supera a niveles inimaginables el potencial humano. La información ingresada puede ser procesada en lenguaje natural, y no necesita estar normalizada ni ser completamente consistente, además producirá interesantes inferencias, que surgen del análisis de numerosos eventos ocurridos en largos periodos de tiempo.
  2. Predicciones basadas en probabilidades: la gestión de la incertidumbre en la operación es una tarea de todos los días, se estimarán las probabilidades de que ciertos escenarios futuros efectivamente ocurran.
  3. Aprendizaje activo:una vez que el sistema tenga toda la información necesaria para sus análisis, puede enfrentarse al problema y tomar una decisión que garantice una solución adecuada y que sea susceptible de mejora.
  4. Aprendizaje pasivo: dada su capacidad de obtener y analizar información no estructurada, esta tecnología está habilitada para aprender mediante la observación del entorno con un mínimo de intervención humana.
  5. Capacidad para actuar con autonomía: una máquina es considerada inteligente en la medida en que puede actuar de manera autónoma, estas tecnologías están diseñadas para discernir, decidir y actuar de acuerdo a experiencias aprendidas en el análisis de datos y la interacción con las personas.
  6. Habilidad para comprender: además de la autonomía, una característica muy relevante es poder brindar a las personas deducciones complejas a partir del conjunto de datos y que no serán fáciles de descubrir o descifrar por un ser humano.
  7. Operan de acuerdo a un propósito bien definido: es claro que cada situación es diferente y para resolver determinado problema, debe brindarse al sistema la información requerida, debidamente verificada por las personas a cargo del proceso

Las principales aplicaciones se están dando en el sector de la salud, ayudando a generar diagnósticos y tratamientos más rápidos y precisos, y en las entidades financieras analizando diferente información para prevenir el fraude.

Según Gartner Inc., en su estudio “Digital Business Innovation With Smart Machines”, publicado en agosto de 2014, además de estos avances, se predice que para el año 2030 los vehículos autónomos (conducción sin necesidad de intervención humana), ocuparán el 25% de la flota de pasajeros en mercados maduros.

Sin embargo, la operación de este tipo de vehículos ya es una realidad. Rio Tinto, una compañía minera del oeste de Australia, puso en operación en el año 2008 “La mina del futuro”, un complejo industrial donde casi todo es manejado y monitoreado de manera remota, cambiando radicalmente la operación del negocio y brindando las mejores condiciones de seguridad a sus empleados.

Rio Tinto es el mayor propietario y operador de transporte autónomo del mundo. La compañía posee 69 camiones que no necesitan de un conductor para su funcionamiento en la mina. Al respecto, argumentan que la implementación de transporte autónomo se traduce en una mayor cantidad de material transportado de manera eficiente y segura, creando un aumento directo en la productividad. (Rio Tinto, 2016).

Por otro lado, en Europa ya se realizaron pruebas en carreteras abiertas con camiones autónomos. Compañías como Volvo, Mercedes, Scania, MAN, Iveco y DAF probaron el comportamiento de sus vehículos en circulación. El objetivo fue determinar las medidas necesarias para que exista una interacción entre vehículos particulares y camiones autónomos, evitando así los accidentes viales.

Esta fue la primera prueba del "European Truck Platooning Challenge", una iniciativa organizada por la Unión Europea para presentar las ventajas que tiene el sistema de caravanas de vehículos autónomos para reducir el gasto de combustible y el riesgo de seguridad, tanto para los camiones como para los vehículos que circulan junto a ellos en las carreteras. El viaje comenzó el 29 de marzo, cuando las primeras caravanas partieron desde ciudades europeas en Suecia, Alemania y Bélgica, y superó los 2 mil kilómetros. Los camiones operan conectados vía WiFi.

Un conductor humano controla el primer camión, estableciendo la velocidad de desplazamiento para el resto del "pelotón". Cuando él frena, todos frenan. El control de la velocidad permite disminuir la distancia que separa a un camión de otro, reduciendo también el consumo de combustible en un 10%. En la prueba todos los camiones tenían a un conductor a bordo, listo para tomar control del vehículo en caso de un problema. (Emol, 2016).

En Estados Unidos, el Freightliner Inspiration Truck ya cuenta con una licencia para circular libremente por las carreteras de Nevada, sin embargo, este es un vehículo autónomo de nivel 3, es decir, el camión puede conducirse por sí mismo en ciertas ocasiones, pero se requiere de una persona que tome los mandos en circunstancias complejas. El propio sistema reconoce sus límites y le avisa al conductor cuándo necesita que tome el volante.

La oportunidad para América Latina es importantísima, estamos ad-portas de una revolución sin igual en la industria, y como Renting Colombia, una compañía de servicio de arrendamiento de vehículos (renting), nuestro llamado es estar a la vanguardia de las innovaciones tecnológicas de cara a la seguridad vial y la satisfacción de nuestros clientes.

¿Te pareció útil este contenido?

Suscríbase a nuestro boletín
Capital Inteligente

  • Para conocer
    el acontecer económico.
  • Para tomar mejores
    decisiones de inversión.
  • Para compartir
    información de valor.

Lo más reciente

Compartir

Enlace para Facebook
Enlace para Linkedin

¿No es lo que buscaba? Conozca otros artículos de interés.