El salto a la Analítica Aumentada

Por Juan Antonio Molina, Presales Consultant Southern Region de Information Builders.

Publicado el 21 Ene 2020

Los datos nos inundan, los hay que han perecido ahogados por ellos. Pero, siguiendo con el símil, son tan imprescindibles como el agua. ¿Qué hacemos los humanos frente al océano? Al principio simplemente lo admirábamos, luego fuimos descubriendo vida en su interior, aprendimos a navegarlo, a bucearlo y a extraer provecho. Hoy podemos decir que incluso nos atrevemos a ‘domarlo’ para sacar energía, productos desconocidos, ¡o diversión! Digamos que con los datos estamos en una fase intermedia. Sabemos que están ahí, podemos recogerlos y utilizarlos (en buena parte), pero no llegamos a dominarlos del todo. Hay que ser pescador, marinero o biólogo marino para interactuar con él. Hay que ser ingeniero, científico de datos o visionario, para sacarles el máximo beneficio.

Es cierto que en el mundo empresarial el business intelligence, el machine learning y la inteligencia artificial son de uso habitual. Lo es también que las analíticas son ya imprescindibles para extraer todo el conocimiento a esos datos y poder apoyarnos en ellos para crecer. Sin embargo, aún se puede ir más allá. Hablamos de la Analítica Aumentada o, como la definía Gartner hace ya algunos años, “elparadigma que incluye consultas de lenguaje natural y narrativo, preparación aumentada de datos, análisis avanzado automatizado y capacidades de descubrimiento de datos visuales”. Un poco lo mismo y un mucho distinto y mejor.

Básicamente se trata de un enfoque que nos permite interpretar todo el conocimiento que nos aportan los cientos de miles de inputs de datos que nos llegan como un torrente. Pero vayamos poco a poco para explicar cómo lo logra. La Analítica Aumentada se basa en tres pilares fundamentales: la Inteligencia Artificial, el Machine Learning y el NLP.

Básicamente se trata de un enfoque que nos permite interpretar todo el conocimiento que nos aportan los cientos de miles de inputs de datos que nos llegan como un torrente

Para empezar, la Inteligencia Artificial debe ser personalizada (adaptada a cada consumidor en cada momento), y debe ser avanzada. Una IA sencilla, o ‘débil’, es cualquier asistente de voz, que responde a órdenes y tareas específicas. Una inteligencia artificial ‘fuerte’, por contra, sería aquella que dispone de habilidades cognitivas. Es decir, que cuando se le presenta una tarea desconocida y compleja aprende el modo de solucionarla y lo realiza bien. Así, esta última ayudaría a mejorar la productividad del usuario mediante propuestas de contenidos de interés, búsquedas inteligentes, herramientas organizadas por menús orientados a tareas…

Dentro de esa Inteligencia Artificial ‘más inteligente’, el Machine Learning debe ayudar a automatizar la construcción de los modelos analíticos. La propia definición del ML consiste en que los sistemas pueden aprender de datos, identificar patrones y tomar decisiones con mínima intervención humana, por lo que en este caso, mediante la ciencia de datos, permite el desarrollo de aplicaciones analíticas avanzadas. Y mediante el data mining, a su vez, ayuda al usuario a explorar esos datos de forma inteligente, eficiente, ¡y en tiempo real! Integrado dentro de un sistema de analítica avanzada, este aprendizaje de las máquinas puede incluso generar analíticas de forma automática, según históricos y detección de necesidades del usuario.

Por último, el Procesamiento del Lenguaje Natural o NLP, por sus siglas en inglés: poder comunicarse con las máquinas utilizando lenguaje natural. También dentro del espectro de la inteligencia artificial, el NLP se encarga de investigar la manera de comunicarse con las máquinas a partir de lenguas naturales y cotidianas. Esta función resulta muy útil para aumentar las tasas de adopción de los usuarios ya que, por ejemplo, es capaz de guiarles en la creación de contenido mediante escritura o entrada de voz directa (sin necesidad de traducir a SQL, reservado solo para los iniciados), adaptando así la configuración a medida y de manera sencilla.

Con todo ello, además de las consabidas ventajas en ahorros de tiempo y dinero, las empresas se aseguran de que cualquier previsión basada en datos es aún más precisa y, sobre todo, imparcial, ya que carece de intervención humana. Y sobre todo, al ser mucho más rápido, la toma de decisiones es, no solo más ‘informada’, sino también mucho más barata.

En fin, como su nombre indica, la Analítica Aumentada no es ‘nueva’, pero sí ‘mejor’ (o aumentada). Y sin duda supone un gran avance sobre todo para los perfiles ‘no tan técnicos’, ya que les permitirá obtener información relevante y accionable de los datos, de forma automatizada y segura, sin tener que depender de un gran equipo humano de profesionales del dato (científicos de datos, analistas, ingenieros informáticos), o precisamente liberando a estos perfiles especializados para utilizar su tiempo en temas más estratégicos y de innovación.

¿Qué te ha parecido este artículo?

La tua opinione è importante per noi!

C
Redacción Computing

Artículos relacionados

Artículo 1 de 5