Pues sí, hoy en día ya existen tecnologías que nos permiten aplicar inteligencia a los datos para predecir el futuro. Se vienen oyendo palabras “raras” como machine learning, deep learning, redes neuronales o similares. Seguro que nos ha picado la curiosidad en algún momento, hemos ido a buscar a internet y nos hemos encontrado con muchas referencias técnicas al tema pero… ¿Esto es para mí? ¿Qué tiene que ver con mi negocio? Lo que es mejor, descubrimos que ya estaba todo inventado desde hace tiempo. ¿Cómo puede ser que algo que parece tan moderno ya existiera de hace tiempo?
Hay dos hitos importantes:
En primer lugar, es que hoy en día disponemos de una gran cantidad de información. Con el paso del tiempo, las empresas se han ido “digitalizando” y han acumulado mucha información. Eso les ha permitido generar una “base documental histórica” que por fin pueden empezar a explotar.
En segundo lugar, podemos decir que ya disponemos de la tecnología necesaria para exponer esa gran cantidad de información a cálculos complejos. Si echamos la vista atrás en el tiempo, conseguir una gran capacidad de proceso para trabajar sobre muchos datos sólo se podía hacer a base de muchos euros. Eran necesarias grandes inversiones en infraestructura con un coste muy complicado de justificar, sobre todo cuando la finalidad es realizar tareas de I+D sin saber a ciencia cierta el resultado.
Por suerte, este problema de computación se ha solucionado gracias a la infraestructura bajo demanda que nos proporcionan servicios como Google, AWS, Alibaba, Cloudera, etc. Nos ofrecen recursos de computación a un coste razonable, por el que únicamente pagaremos lo que se ha consumido, permitiendo posteriormente descartarlos sin coste ni necesidad de amortizarlos.
El Machine Learning
Tenemos tecnología y tenemos datos, por tanto es el momento de cruzar ambos para aplicar inteligencia y resolver problemas. En esto consiste precisamente el Machine Learning (ML), la tecnología de la inteligencia artificial que nos permite resolver problemas basados en los datos.
ML nos ayudará a resolver tres tipos de problemas:
Recomendación o Filtros colaborativos (Collaborative Filtering)
El objetivo de esta técnica es hacer recomendaciones. Basándose en un conjunto de datos previos cruzarlos con otros similares. Con esto se consigue un modelo predictivo al que le podemos pasar datos nuevos y podría predecir un resultado. Por ejemplo, en una aplicación de internet que vende películas, se podría recomendar películas a un usuario basándonos en los gustos de otros usuarios con características similares.
Clasificación (Classification)
Estos algoritmos se utilizan para hacer predicciones. A partir de un conjunto de datos del que conocemos la respuesta, generan un modelo que intenta predecir esas respuestas ante nuevos valores. Las respuestas son del tipo Verdadero/Falso, pertenece al grupo A/B/C, etc. Por ejemplo, puede utilizarse para saber la presencia de una enfermedad, si un correo es SPAM, detectar fraudes, detectar si una operación es de riesgo, etc.
Agrupación (Clustering)
Son algoritmos no supervisados, quiere decir que no requieren de entrenamiento con datos previos como los anteriores. Estos algoritmos reciben un conjunto de datos del que “no se conoce nada” a priori y son capaces de agrupar aquéllos que cumplen ciertas características comunes (modelo). Posteriormente, al aplicar este modelo a nuevos datos de entrada, los clasificará en el grupo determinado. Estos algoritmos se pueden aplicar cuando necesitemos dividir grandes grupos de datos en pequeños grupos. Por ejemplo, se podría utilizar un modelo para segmentar a nuestros clientes.
¿Machine learning se puede aplicar en todos los negocios?
Recientemente, leí un artículo que citaba un ejemplo de ML muy cercano: los robot-aspirador. La idea de que, dejar un aparato en un lugar y, sin conocer los planos del lugar, sea capaz de dar unas vueltas de reconocimiento y aprender el entorno para ser más eficiente en las siguientes pasadas.
El aspirador hace como las personas, aprende de las experiencias de su vida y las utiliza para predecir si determinadas acciones serán acertadas o no. Machine learning no va a reemplazar al razonamiento humano, mucho más complejo. Pero sí nos va a permitir implantar muchos de estos razonamientos “mentales” en máquinas, dándonos una precisión constante y en tiempo real. ML se está convirtiendo en la tecnología que nos va empujando a recopilar datos de calidad, con el fin de sacarles rendimiento y resolver cuestiones como:
– Conocer mejor a nuestros clientes (previsión de morosidad, fraude, etc).
– Predecir el comportamiento de nuestros clientes.
– Anticiparnos a la acogida de los clientes frente a cambios en los productos o servicios.
– En el ámbito de la salud, predecir enfermedades, riesgos de salud en nuestros trabajadores mucho antes que se produzcan, etc.
– Recomendar a nuestros clientes lo que pueden necesitar en el momento adecuado, basándonos en el comportamiento de otros clientes similares.
– Y todo lo que podamos imaginar …
La información es poder. Si tenemos esa información… ¿Por qué no la empezamos a explotar?
La entrada Machine Learning: la predicción del comportamiento se publicó primero en Digital Dive.