Los negocios de Ferrovial y todos nosotros nos encontramos en un mundo cada vez más conectado que genera grandes volúmenes de datos, a una velocidad mayor y con una variedad de orígenes y tipos. Poder tratar, mezclar, visualizar y entender los patrones y relaciones ocultas en los datos nos dará ventajas competitivas desde dos puntos de vista: el de la eficiencia operativa y el de la creación de nuevos servicios.
¿Cómo empezar a explicarlo todo en este momento de ebullición sobre los datos en el que estamos?
Empecemos con un ejemplo, Car2Go ha llegado a Madrid hace unas semanas… no sé si ya habéis visto alguno de sus 350 coches Smart rotulados en blanco y azul por las calles… es un ejemplo de disrupción e innovador de un modelo tradicional, el de alquiler de vehículos que todos conocemos convirtiéndolo gracias al uso de los datos en un modelo distinto. Es un servicio de alquiler de coches por minutos donde localizas el vehículo a través de un app en un móvil, lo abres con el móvil, te subes y conduces. El parking en zona verde o azul en Madrid está incluido, así que te ahorras sacar el ticket. Tener coche en Madrid es más fácil que nunca, ya no tiene que ser tuyo, se comparte.
¿Cómo se usan los datos en este ejemplo? De muchas formas, el negocio está basado en datos:
El coche tiene un montón de sensores del propio vehículo (cosa que les ayuda a mantener y conocer el estado de la flota) pero también recopilan información de cómo conduces, si eres eficiente te bonifican y de cara a sus aseguradoras tienen muy claro el rating por conductor. Tienen información de la movilidad de los ciudadanos, patrones de uso, incidencias en la ciudad, tráfico… y si le damos una pensada más, Car2Go pertenece al holding de empresa de Mercedes, que son los fabricantes de la flota, así que de cara a nuevos modelos o mejoras en sus coches, tienen un montón de datos que poder usar en la fabricación. Ciclo completo gracias a los datos y nuevo enfoque de un negocio tradicional.
Es increíble la cantidad de datos que dejamos de nosotros y de nuestros comportamientos… pero esto de la huella digital que inconscientemente dejamos es un tema para otro día…
Volviendo al tema de hoy, paremos un momento a entender 3 conceptos: big data, IoT e Inteligencia Artificial.
- Big Data: seguramente es un término conocido y escuchado ya por todos. Un analista de Gartner lo definió en 2001 como la tecnología capaz de procesar a gran velocidad grandes volúmenes de datos, de diversos formatos: texto, vídeo, audio, imágenes.. proveniente de diversas fuentes.
- IoT – Internet de las cosas: Hoy en día tenemos un montón de dispositivos, desde el móvil a un coche, a una farola, a un cubo de basura, con sensores interconectados entre ellos y conectados a Internet que generan una gran cantidad de datos que actualmente pueden ser procesado por las tecnologías Big Data. IoT no es un concepto nuevo, pero justo ahora, por el momento en el que estamos está empezando a despegar.
- Pero todo esto sin inteligencia… sabe a poco. La Inteligencia Artificial (IA), así, en breve, se puede definir como la rama de la informática encargada de la creación de sistemas capaces de resolver problemas como lo haría una persona. Una de las cosas que hacen las personas cuando resolvemos problemas es aprender y cuando una máquina utiliza el aprendizaje en su proceso de resolución de problemas, entonces hablamos de Machine Learning (ML). Todo esto tampoco es nuevo, es un concepto creado en 1959 por Arthur Samuel – trabajador de IBM. Arthur quería crear un sistema para jugar a las damas contra él, al principio lo diseño escribiendo instrucción por instrucción lo que él pensó que la máquina tenía que hacer, y cuando jugaba contra el ordenador, Arthur siempre ganaba… decidió entonces plantearlo de otra forma, enseñar estrategia al ordenador, dejarlo jugar solo contra sí mismo, y cuando Arthur volvió a jugar nuevamente contra él, el ordenador ganó, siendo siempre así, no pudo volver a ganarle. Creó el primer sistema capaz de aprender en vez de ser simplemente un ejecutor de instrucciones programadas (Machine Learning).
Un paso más allá del Machine Learning es el Deep Learning… una secuenciación de modelos y algoritmos puestos en capas donde la salida de uno es la entrada del siguiente… pero esto es demasiado complejo y «friki» para un post de introducción al uso de datos… quedémonos con que la Inteligencia Artificial está cada día más presente en muchas de las cosas con las que interactuamos, desde cuándo buscamos algo en Google y cometemos un error al escribirlo y aun así Google encuentra lo que queremos buscar, hasta cuando Facebook nos sugiere que etiquetemos a un amigo al haberlo reconocido en una de nuestras fotos… o todos aquellos que hablan con su móvil ( Siri o asistentes similares) donde se utilizan algoritmos de reconocimiento de voz… o en los pequeños electrodomésticos que cada día son más inteligentes y pueden tomar algunas decisiones de forma autónoma.
Estos tres conceptos están juntos en un momento perfecto para su desarrollo. Venimos de otras etapas que han servido de base y ahora, con las redes sociales totalmente extendidas, el cloud, sensores más asequibles y por todas partes, las tecnologías innovadoras y las empresas buscando todos los canales posibles para relacionarse con los clientes y conseguir más datos esto no hará más que evolucionar y revolucionar la forma en la que interactuamos entre nosotros y con el mundo.
Hoy tenemos muchos más datos y capacidad para entender el mundo, sin embargo.. solo la parte técnica no es suficiente, los datos por sí solos no significan nada, es necesario entender el contexto.
Todos sabemos lo que supone usar datos/frases fuera de contexto… no valen para nada. Para entender el contexto se necesitan personas, expertas en el tema que se está analizando, pero también personas con otros puntos de vista que puedan aportar otra visión complementaria. El análisis de datos no es solo un tema de IT, de hecho solo con la tecnología no podría entenderse este contexto que es una parte fundamental para generar valor, hacen falta equipos multidisciplinares que trabajen juntos que se hagan preguntas y que pongan a su servicio los avances tecnológicos como una ayuda a la búsqueda de respuestas.
Más datos, ya no solo es más, más datos es distinto, más datos nos da nuevos enfoques y por eso están apareciendo nuevas disciplinas para entender el mundo que sin duda revolucionarán nuestras vidas y la forma en la que nos relacionamos.
Utilizando las nuevas tecnologías, los datos que hoy tenemos, entendiendo el contexto y poniendo a la Inteligencia – la nuestra y la artificial – a trabajar aparecen cosas como la visión artificial que junto con el Deep Learning están siendo, por ejemplo, capaces de reconocer los patrones de las células cancerígenas fundamental para la investigación del cáncer, o los nuevos transportes donde los vehículos autónomos son ya una realidad, o el marketing que ve en la neurociencia una línea que le abrirá nuevas oportunidades de potenciar compras a través de entender los estímulos que nos llegan o ejemplos de tantas y tantas nuevas empresas y empresas tradicionales que están dando nuevos enfoques a través del uso de los datos, tantos casos que hacen de datos cotidianos algo extraordinario, tantas cosas que están llegando, que me quedo sin palabras para incluirlo todo en este post.
Estamos en un momento de ebullición, donde el desarrollo de capacidades analíticas avanzadas como la capacidad de predecir qué pasará puede ayudar a las personas y a los negocios a organizarse adelantándose a los acontecimientos, a tomar decisiones basadas en datos, en definitiva a ser más eficientes. Y como ocurría en ejemplos de negocios tradicionales, un buen uso de los datos, el trabajo en equipo y los adelantos técnicos pueden llevarnos a nuevos enfoques.
Un momento apasionante con mil retos que abordar, ¿verdad? Es una época curiosa en la que trabajar juntos.
Todavía no hay comentarios