Data Science: la disciplina que transforma y crea nuevos negocios en el mercado

Data

Optimización de recursos, mayor probidad en trámites, mantenimiento de equipos y mapas de actividad delictual, son sólo algunas de las aplicaciones que surgen de esta disciplina, aún muy incipiente a nivel nacional.

Con una creciente disponibilidad de datos, gracias a la proliferación de nuevas tecnologías que facilitan su registro, el análisis de datos continúa consolidándose como una de las áreas con mayor capacidad transformadora para la economía. Cifras de la Corporación Internacional de Datos pronostican un crecimiento sostenido de este sector superior a 11% al año, con su valor ascendiendo a US$ 203 mil millones en 2020. Elemento principal detrás de este crecimiento es la aplicabilidad transversal de esta tecnología a prácticamente todo negocio, ya que hoy toda actividad tiene el potencial de generar datos cuantificables para una organización. Hoy las empresas pueden diseñar soluciones a sus problemas mediante el modelamiento de algoritmos contribuir a la toma de decisiones informadas. La única interrogante, coinciden expertos, es determinar cuál es la información que sirve para ello.

“Los datos están en todos lados y mientras antes el problema era la falta de datos, con la tecnología disponible hoy el problema es el exceso”, explicó Alexis Alvear, Subdirector de DATA UC,  unidad de servicios de asesoría de la Facultad de Matemáticas UC. “Internet ha transformado cómo obtenemos información de nuestros clientes y, si no aprendemos a utilizarla para ofrecer mejores servicios a ellos, nos quedaremos afuera no sólo en nuestros mercados locales, sino que también de todo el mundo”.

35932249473_01a602dc39_k

Expertos en Data Science presentaron “el poder de los datos” en el Centro de Innovación UC.

Aplicaciones del ánálisis de datos para la captura de clientes

Según Patricio Cofre, CEO de Metric Arts, empresa especializada en servicios de analytics y machine learning, la aplicación más simple del análisis de datos puede resumirse en 3 macromodelos dependiendo del ciclo de vida de un cliente: propensión, incremental y retención. Al inicio del ciclo de vida de un cliente, para llegar a un cliente nuevo, una empresa puede tener nociones de sus preferencias, pero sin un mecanismo de encuesta no podrá capitalizar con certeza en ello. Según Cofre, utilizar el análisis de datos para saber con qué oferta atacar al cliente en el momento indicado es cada vez más importante para ahorrar recursos y no saturar clientes. “Hoy el consumidor te castiga fácilmente con un dislike o un desuscribir, por lo que hay una presión inmensa de ser relevante”, argumentó.

Ante clientes ya capturados, el análisis de datos permite generar relevancia al generar modelos de “próxima mejor oferta”. Amazon, opinó Cofre, basa una parte sustancial de su éxito en sus algoritmos de recomendación para generar ventas incrementales, generando perfiles de clientes y calculando las probabilidades de que a éstos les guste un libro particular. Netflix, que utiliza un modelo similar, registró un ahorro superior a mil millones de dólares por la eficiencia de su sistema de recomendación asistido por inteligencia artificial, permitiéndole a la empresa enfocarse en contenido nuevo.

El tercer macromodelo responde al final del ciclo de vida del cliente, cuando éste cierra la cuenta del banco o baja su seguro. El análisis de datos le permite a empresas enterarse anticipadamente del descontento de sus clientes para realizar acciones de retención, mejorando la experiencia sustancialmente con pequeños cambios a la medida.

Nuevos usos en Data Science – Casos de éxito

A pesar del estado incipiente del análisis de datos en Chile, esta disciplina ya está generando mayor impacto en la región más allá del negocio de empresas. Cofre, quien presentó en el Centro de Innovación UC algunos proyectos ejecutados por Metric Arts junto a distintas organizaciones en Latinoamérica. Uno de estos casos fue corealizado con investigadores de la Universidad de Berkeley, para predecir de manera dinámica el movimiento de los carteles narcotraficantes de México.

Captura de pantalla 2017-10-10 a las 12.54.28 p.m.

El sistema predictivo del movimiento de Carteles narcotraficantes en México se construyó con datos de noticias web. Gráfica cortesía de MetricArts

El método tradicional de encuestas no era óptimo, al presentar respuestas incompletas y hasta deshonestas. En respuesta a ello, la empresa utilizó información que ya se encontraba disponible en la red, al crear un sistema que recopila la información publicada por portales de medios de comunicación. Con esta información, se generó un mapa de actividad delictual en México, que era alimentado por los datos de un buscador público como Google News. Con métodos tradicionales, el equipo podía tardar un año en capturar la información, procesarla y tabularla, para luego analizarla. “Y a esas alturas, el cártel ya podría estar en cualquier parte. Análisis de datos permite crear alertas dinámicas mediante un sistema predictivo, sabiendo qué está ocurriendo cada mes”, agregó Cofre.

En Chile, la empresa también trabajó con el Observatorio ChileCompra y con centros médicos de la Región del Maule. El Observatorio, perteneciente al Ministerio de Hacienda, se encarga de alertar de posibles irregularidades en los procesos de compra de más de 850 organismos del Estado. Para este caso, la empresa optimizó la selección diaria de casos a monitorear por analistas del Observatorio, al analizar el tipo de contrato, participantes y fecha del trámite para priorizar los casos en función de la probabilidad de presentar anomalías. El resultado fue un sistema de clasificación de riesgo que, utilizando las variables de cada documento, los ordena de acuerdo a los montos involucrados y el grado estratégico del rubro.

Similarmente, la proliferación de sensores más económicos le permitió a MetricArts crear alertas dinámicas en caso de elevada presencia del nocivo material particulado MP2.5 y MP10 en aire y agua de la Región del Maule. Altos índices de material particulado tiene una alta incidencia con casos de bronconeumonía, por lo que este algoritmo predictivo que cuantifica la calidad del aire de manera dinámica le agrega valor a consultorios y hospitales, permitiéndoles planificar insumos como camas y medicamentos para cada etapa.

Captura de pantalla 2017-10-11 a las 11.25.06 a.m.

Visualización de ciclos ineficiente en la minería. Cortesía de MetricArts

Para la minería, Metric Arts utilizó sensores instalados en vehículos y maquinaria para optimizar los ciclos de operación. Los datos registrados por estos equipos permitieron analizar las toneladas transportadas en relación a los ciclos de trabajo, permitiéndole a una minera desglosar cuándo los equipos trabajaron sobre o por debajo de su capacidad. Este modelo predictivo de análisis de datos resultó en una disminución de 80% de abusos de operación para los equipos, una detección de prácticas a corregir 10 veces más rápida y un aumento de 10% de ciclos productivos.

Las compañías recién se están dando cuenta de que en los datos hay tanto valor como en su negocio principal. Amazon es una empresa de retail, quizás el negocio más sencillo del mundo de comprar barato y vender caro. Y ellos logran agregan valor no a través del producto, sino que en el buscarte el producto correcto en el momento correcto. Esto es un trabajo intelectual de conocer comportamientos y segmentos. En eso está la magia de los datos”, concluyó Patricio Cofre.