¿Qué es Data driven? El significado de los datos para las empresas
¿Qué es Data driven? El significado de los datos para las empresas
Hemos escuchado hablar de Data Driven, pero no siempre queda claro qué es, su significado, cómo se relaciona con el big data, o si son lo mismo. En este artículo te contamos el concepto central y su importancia para las empresas.
Data driven, para empezar, significa “Impulsado por datos”. ¿Te imaginas por dónde viene la mano? Esto quiere decir que la empresa “se maneja” con los datos como su guía, es decir, la toma de decisiones estratégicas son basadas en recopilación, análisis de datos y su interpretación.
Para trabajar de esta forma, los negocios deben examinar y organizar sus datos con el fin de atender mejor a sus clientes y consumidores, aunque también sirve para muchas cosas más.
Pero, ¿de dónde provienen esos datos? Los datos son recopilados de diferentes fuentes, tanto internas como externas: por ejemplo como el feedback de nuestras redes sociales, de nuestra base de datos y envíos de campañas de mails, nuestro e-commerce, etc. Externos, por ejemplo, de análisis de cantidad de menciones a nuestra marca en redes sociales, base de datos públicas del gobierno, análisis big data de internet, etc.
Además, toda esta información se cruza para ofrecer un panorama más claro del mercado (clientes, productos y/o servicios, competidores, proveedores, leads, etc) y de la propia organización para que los tomadores de decisiones puedan, precisamente, decidir.
¿Cómo convertir nuestra empresa en data driven?
Por empezar, tenemos que tener en claro el valor de que nuestra marca esté digitalizada y utilice los datos para mejorar funcionamiento. Es central comprender la importancia de los datos e información como motor de desarrollo, entendiendo que nos ayudará a aumentar la competitividad y optimizar el proceso de toma de decisiones. Los datos deben ser el eje de nuestros procesos, y la información el principal elemento de valor.
Luego, debemos usar herramientas para ello. El Big Data es nuestro principal aliado, dado que allí se apoyan las empresas para el correcto funcionamiento. Sin esta tecnología y capacidad de extracción, almacenamiento y gestión, es imposible el trabajo data driven de las empresas.
El big data no es lo mismo que data driven. El primero es la herramienta del segundo, es lo que permite el manejo de esa información: y recalcamos esto porque el volumen de datos es tal, que no puede ser gestionado con las herramientas y personas en forma tradicional. Se necesita de tecnología especializada (inteligencia artificial, machine learning) y personal capacitado para ello (data analyst, ingenieros de datos, desarrolladores de software, etc).
¿Quiénes ya implementan el concepto data driven?
Actualmente las empresas que más rápido han adoptado esta metodología son las del sector TIC (tecnologías de la información y la comunicación) y las de business intelligence (inteligencia de negocios).
Según Mckinsey Global Institute, las empresas basadas en datos tienen 23 veces más chances de adquirir clientes, 6 veces más probabilidades de retención y 19 veces más probabilidades de ser rentables y competitivas.
Ya no hablamos de decidir en base a una corazonada o a la experiencia personal de quien decide. Tener la posibilidad de gestionar datos, analizarlos y sacar de ellos información y conclusiones de valor, que permitan tomar la siguiente decisión empresarial, es de un valor enorme.
Estamos hablando de los cimientos para un desarrollo positivo, y las claves para un futuro ecosistema empresarial en conjunto.
Esperamos te haya resultado útil la información. ¡Nos vemos en el siguiente artículo!
Macron y Le Pen: el ballotage que viene en Francia
Elecciones en Francia: segunda vuelta y ballotaje entre Macron y Le Pen
El pasado Domingo 10 de Abril Francia fue a las urnas en una nueva jornada democrática que contó con un alto porcentaje de abstención. De los 48,7 millones de personas habilitadas para votar, un 26,31% no asistió, el porcentaje más alto desde el año 2002. Aquí medimos la conversación dada en una de las redes sociales más actuales y politizadas: Twitter. Te invitamos a ver los resultados digitales a la espera del ballotage.
El monitoreo se llevó a cabo en la semana anterior al domingo de votación, a partir del viernes 8 de Abril y hasta el Viernes 1 de Abril.
¿Cuáles fueron los resultados?
Por empezar vamos a mencionar que el total de datos analizados fue de 1.360.096 menciones en el período analizado. ¿Qué medimos? Tomamos los nombres de los candidatos como keywords, es decir como palabras clave:Emmanuel Macron, Marine Le Pen, Jean-Luc Mélenchon, Valérie Pécresse, Éric Zemmour, Yannick Jadot, Jean Lassalle, Fabien Roussel, Anne Hidalgo, Nicolas Dupont-Aignan, Philippe Poutou, Nathalie Arthaud. Además, el monitoreo incluyó las cuentas oficiales de cada uno:@EmmanuelMacron, @MLP_officiel, @JLMelenchon, @vpecresse, @ZemmourEric, @yjadot, @jeanlassalle, @Fabien_Roussel, @Anne_Hidalgo, @dupontaignan, @PhilippePoutou, @n_arthaud.
Esta búsqueda nos mostró que el total de la conversación en torno a estas palabras clave y cuentas específicas fue de 104.782 personas únicas interactuando. Además, toda la conversación llegó a casi dos mil millones de personas. Para ser exactos, 1.944 millones de personas fueron alcanzadas por estas publicaciones en las que aparecen las palabras clave o los usuarios analizados. Es decir, todas esas personas vieron algún tweet.
¿Cómo le fue a los candidatos?
Al igual que en los resultados de las elecciones, Emmanuel Macron resultó primero con más de 461 mil menciones de su nombre o cuenta de Twitter. Además, tuvo un pico que fue el 2 de Abril con 24.4K menciones. Aquí debajo podemos ver en la imagen cómo se portó la evolución de la conversación en torno a él.
Marine Le Pen, del 1 al 8 de Abril, logró más de 292 mil menciones de su nombre o su cuenta de Twitter oficial, y también tuvo picos de menciones en varias oportunidades. El pico más alto fue el 8 de Abril con 14.1K menciones, y siguiente en importancia se dio el 7 de Abril con 13.8K menciones.
¿Cómo le fue al resto de candidatos?
En primer lugar aparece Éric Zemmour con 395.7 K menciones, algo que más bien vendría a ser como un tercer lugar en nuestro ranking. Le sigue Jean-Luc Mélenchon con 185.6 K menciones, Valérie Pécresse con 60.3 K menciones, Philippe Poutou 28.1 K, Nicolas Dupont-Aignan 4.9 K menciones, Yannick Jadot 4.9 K, Anne Hidalgo 4 K menciones, Jean Lassalle 2 K menciones, Fabien Roussel 1.5 K menciones y hacia el final de la lista Nathalie Arthaud con sólo 500 menciones.
A continuación, una nube de palabras nos muestra qué términos fueron los más usados y qué peso han tenido en la conversación digital en twitter. Sobresalen Emmanuel Macron (también el hashtag #Macron) y Marine Le Pen, pero luego encontramos a Éric Zemmour con menciones a esta palabra clave, como también al usuario @ZemmourEric y @zemmourtv, o el hashtag #JeVoteZemmourLe10Avril. En menor magnitud, pero no menos importante, figura Jean-Luc Mélenchon. Otra de las cuentas que figura aunque con menor peso es @BFMTV.
Para poder tener una idea de los resultados oficiales de la elección y hacer una comparativa rápida, aquí te compartimos los resultados de Primera ronda · Resultados preliminares, de ministère de l’Intérieur a través de dpa-infocom.
Con pequeñas diferencias, los resultados y tendencias se mantienen. Por ejemplo, luego de Macron y Le Pen, le siguen en nuestro ranking Zemmour, Mélenchon y Pécresse; mientras que en resultados oficiales de los comicios con 100% del escrutinio finalizado, aparecen Mélenchon, Zemmour y Pécresse.
Entonces, ¿podremos sumar el social listening a las ya tradicionales encuestas, y obtener previsiones más contundentes, con datos más sólidos que los respalden?
Entérate de todas las novedades y análisis que realizamos con datos propios. ¡Síguenos en Twitter y no te pierdas más información como esta! Clic aquí
Esperamos que te haya resultado interesante nuestro análisis express y compartas el contenido. Te esperamos a la vuelta, o quizás, en la segunda vuelta ?
Argentina presente en el Mobile World Congress Barcelona
15 empresas argentinas representaron al país en el Mobile World Congress de Barcelona
Fue de la mano del Ministerio de Relaciones Exteriores, Comercio Internacional y Culto de la República Argentina como empresas del sector tecnológico se hicieron presentes en el Mobile World Congress, llevado a cabo entre el 28 de Febrero y el 3 de Marzo de 2022 en Barcelona. Allí, la delegación argentina acompañó a sus proveedores a presentar sus últimos avances.
El objetivo para estas 15 principales startup del país fue presentarse ante una mesa de inversores en busca de apoyo a empresas emergentes, intercambios y nuevas oportunidades de negocios.
¿Cuáles fueron las empresas que dijeron presente?
La empresas argentinas que participaron del MWC fueron Aconcagua, Agrotoken, AWG, Chat-Tonic, CF; Condor Technologies; Flixxo; Magnético; Grupo Prominente; Quadion Technologies; Reputación Digital; Sondeos; Trategics, Unitech y UVAH. Allí tuvieron un espacio cedido por el ministerio, y este fue el Hall 6 – Stand 610A. De esta forma, el sector tecnológico de nuestro país mostró todo su talento en un mercado objetivo para el desarrollo de exportaciones.
Qué se podía ver allí, nuestros ojos en el evento
Nuestro propio informe en un análisis Big Data de la repercusión del evento en redes
Hemos trabajado en un monitoreo del evento, por medio de traking de big data procesada con inteligencia artificial.
Aquí te compartimos nuestro informe Big Data sobre el Mobile World Congress 2022 & #4YFN22 del cual fuimos parte. Encuentra el análisis de la conversación, temas destacados, percepciones y emociones, y más.
[maxbutton id=”1″ url=”https://cdn2.hubspot.net/hubfs/20677181/MWC%20-%204YFN%20Reporte%20Big%20Data%20(Espa%C3%B1ol).pdf” text=”Versión ESPAÑOL” ]
[maxbutton id=”1″ url=”https://cdn2.hubspot.net/hubfs/20677181/English%20-%20Four%20Years%20From%20Now%20-%20Mobile%20World%20Congress%202022%20Big%20Data%20Report.pdf” text=”Versión en INGLÉS” ]
Esperamos que te haya resultado interesante la información sobre este evento. Te invitamos a seguirnos en nuestras redes sociales y a prestar atención porque estaremos compartiendo más información como esta. ¡No te pierdas de nada!
Nos vemos en el siguiente artículo ?
Social Listening: escuchar para conectar
Escucha con Social Listening para conectar con tus clientes
Los hábitos y actitudes de los consumidores se han modificado desde el año 2020 hasta la actualidad, y lo siguen haciendo. La pandemia aceleró la digitalización de la vida, desde los negocios, los procesos de compra y venta y hasta los trámites gubernamentales se han visto afectados. Hoy el Social Listening cobra relevancia frente al volumen de información y la diversificación de fuentes de donde ésta proviene.
Hoy las marcas son desafiadas a cumplir con un reto, y es su comunicación. Ahora es tiempo de trabajar con el análisis de emociones, algo de vital importancia para este 2022 y los años que vienen. De ello depende ahora el diseño de productos que conecten con los usuarios y consumidores, en lo que respecta a la afinidad con sus emociones y lo que están sintiendo. Cuando vemos que cada vez más frecuentemente se consulta las opiniones que dejaron otros usuarios sobre un producto o servicio, cuando se “stalkea” una marca para conocer qué dicen los consumidores de ella, es cuando nos damos cuenta de la importancia de escucharlos. De eso se trata el Social Listening, y trae más beneficios.
Las redes sociales se han puesto en el centro de la escena, recibiendo y recabando gran información sobre los clientes. Son muy emotivas, y se convierten en fuente de ideas, quejas, comportamiento de compra y tendencias macro y micro, permitiendo identificar patrones de consumo, indicadores a corto plazo y oportunidades procesables con anticipación. También permite conocer las tendencias, las oportunidades, localizar a los usuarios más influyentes y activos, así como también disponer de información para diseñar productos, servicios y campañas.
El objetivo que se pretende obtener con el Social Listening (es decir con la escucha activa), explica Susana Pérez Soler, profesora de Gestión de Contenidos Digitales de la Facultad de Comunicación y Relaciones Internacionales Blanquerna, perteneciente a la Universitat Ramon Llull (URL), es “conocer la percepción que los usuarios tienen de las empresas, a través de los mensajes en los que las mencionan, ya sean sus clientes o no”.
Para trabajar con toda esta información proveniente de redes sociales principalmente, el Big Data, es necesario de herramientas y personal capacitado para ello. Inteligencia artificial, machine learning, data analysts… cuanto más grande es el volumen de datos, más se necesita de este soporte para procesarlo. Entonces este análisis de datos se engloba en lo que se denomina social intelligence, “la técnica de investigación que permite tomar decisiones de negocio a partir de la agregación de datos de diferentes fuentes y de su explotación inteligente” afirma Enrique Hidalgo, especialista en estrategia y marketing digital en la consultora Roca Salvatella (El País).
Lo importante a destacar es que este análisis supone que, además de recolectar los datos y transformarla en información, es necesario interpretarla y ponerla en contexto para usarla en provecho de la empresa. En Reputación Digital contamos con un equipo multidisciplinario de profesionales que van desde programadores, psicólogos, comunicadores hasta analistas de datos para esta tarea.
¿Cómo se hace?
Primero se recolecta la información de diferentes fuentes, principalmente redes sociales. Estos datos se almacenan en servidores, y se gestionan con programas informáticos (no se puede procesar con procedimientos tradicionales tal volumen de información) que se sirven de la inteligencia artificial (IA) y del análisis masivo de datos (big data) para encontrar insights, es decir, información relevante y de valor entre las menciones a la marca.
Hidalgo recomienda a las empresas pequeñas que comiencen a indagar en los datos de manera progresiva, paso a paso. “Que comiencen por la escucha de su marca y de sus productos y, cuando tengan consolidado el método, amplíen a otros ámbitos de estudio”.
Es importante por ejemplo en casos de crisis de reputación de marca, y la escucha activa incluso puede ayudar a prevenir estas situaciones. A través de ella, sostiene Daniel Devai ( Managing Director – Epsilon Technologies) también es posible “anticipar si el volumen de críticas es creciente, si los detractores son recurrentes o averiguar si realmente las personas más beligerantes son amenazas reales de consumidores, es decir, si son espontáneas o están pagadas”. Allí entran en escena los bots y los trolls por ejemplo.
Conoce más sobre trolls en este artículo: https://reputacion.digital/como-identificar-un-troll/
¿Te interesa ver resultados del Social Listening? Accede a cualquiera de nuestros descargables y conoce qué datos pueden obtenerse de la escucha social. Los descargas desde este link: Contenido Reputación Digital
Esperamos que te haya gustado este artículo. ¡Nos vemos en el siguiente! ?
Ley de Datos europea: el fin de la exclusividad de la información
Ley de Datos europea: el fin de la exclusividad de la información
¿El fin de la exclusividad de la información? Al menos es lo que se pretende con esta nueva ley propuesta, la cual aborda problemas jurídicos, económicos y técnicos devenidos de su baja utilización, y propone poner a disposición mayor cantidad de datos para ser reutilizados.
Fue la Comisión Europea la que presentó una propuesta que establece normas sobre quién puede acceder y utilizar nuestros datos, y con qué finalidad. Se trata de un avance respecto a la Ley de Gobernanza de Datos del año 2020, aunque para su implementación pueden faltar un par de años, dado que tiene que ser aprobada por el Consejo y el Parlamento Europeo.
Lo interesante es que no se trata sólo de empresas tecnológicas, sino que se extiende a cualquiera que utilice datos. Y tiene implicancias económicas que se tienen bien en claro, dado que se prevé que los datos generen 270.000 millones de euros de PIB adicionales con miras a 2028.
La propuesta se enmarca en una estrategia de datos de la Comisión que desempeñará un papel clave en la transformación digital, de cara a los objetivos digitales para 2030. Según explicó la Comisión, el análisis de datos permite un ahorro de hasta 20% en sectores como el transporte, la construcción y la industria. Se busca reforzar el uso de la nube europea al introducir obligaciones para evitar que se envíen nuestros datos a servidores de países fuera de la UE de manera ilegal.
¿Quieres saber qué se puede hacer con grandes volúmenes de datos? Revisa este artículo sobre Beneficios de contratar servicios de Big Data para tu marca
Una de las medidas se trata de obligar a las empresas a compartir sus datos con terceros
Respecto de estas medidas, también se pretende evitar el abuso de “desequilibrios contractuales en los contratos de intercambio de datos”, para lo cual se pretende que las cláusulas abusivas e injustas no sean vinculantes. Tampoco se permitirá, por medio de garantías, que los datos se empleen de manera tal que termine perjudicando negativamente al fabricante (quien recolecta los datos). Por ejemplo cuando los datos se emplean para beneficiar a un competidor.
Esta ley también establece que las empresas faciliten el traslado de los datos de un sitio a otro, como por ejemplo de Google Fotos a Amazon, aunque no se trate sólo de imágenes sino cualquier dato.
Para las personas, el beneficio radica en que los usuarios podrán descargar sus datos (transferencia de información que generen productos como electrodomésticos inteligentes) y éstos deberán ser compartidos con terceros para proporcionar servicios basados precisamente en esos datos. Es decir, a modo de ejemplo, el dueño de un automóvil inteligente podrá solicitar los datos de rendimiento para que sean enviados a un taller que el propio usuario elija, significando un beneficio económico al poder optar por servicios más baratos.
En el caso de la administración pública, en casos de emergencia como un incendio o una inundación, podrán acceder a datos de empresas bajo ciertos lineamientos, aunque esto puede ser origen de futuros conflictos o abusos.
Quizás te interese nuestro artículo sobre Inteligencia de datos y políticas públicas
Luego de la Ley de Gobernanza de Datos, esta es la segunda gran iniciativa a nivel legislativo cuyo objetivo es poner a la Unión Europea en la vanguardia de nuestra sociedad basada en la información.
Esperamos te haya resultado interesante esta información.
¿Crees que el mundo seguirá los pasos de la Unión Europea en el tratamiento de los datos? Déjanos un comentario en redes sociales, y ¡comparte el contenido! ?
Inteligencia Artificial: el bot que detecta Covid en audios de WhatsApp
Inteligencia Artificial: el bot que detecta Covid en audios de WhatsApp
Estamos asistiendo a una irrupción de las nuevas tecnologías como el uso del Big Data por los gobiernos inteligentes, o la Inteligencia artificial, a cada espacio de nuestra vida. En este punto, se empieza a naturalizar, y cada vez nos sorprende menos. Pues bien, te traemos un nuevo caso: Boti, la IA para la detección del COVID19.
Si bien “detección” suena determinante, no lo es con tal nivel de precisión, pero se le acerca bastante. Recientemente nos enteramos que la Ciudad de Buenos Aires (Argentina) ha presentado con bombos y platillos una nueva función para Boti, el chat para consultas del Gobierno. Boti está disponible en WhatsApp, y permite realizar trámites y servicios de manera virtual (podas de árboles, barridos, reparación de veredas y luminarias, y dar aviso por criaderos de mosquitos). Lo curioso es que ahora incorpora un sistema de inteligencia artificial (IATos) con un 86% de eficacia en la detección de casos sospechosos de Covid19.
¿Cómo funciona?
Mediante audios en los que la persona tose, la IA determina en función de su aprendizaje si es conveniente que se realice un test para conocer si es positivo o negativo para Covid.
“Es un paso adelante en el desarrollo de inteligencia artificial, se trata de una herramienta para clasificar sonidos de voz, de respiración y de la tos. A partir de esta incorporación en Boti, vamos a ofrecer a los ciudadanos la posibilidad de saber si es conveniente que se hagan”, explicó Felipe Miguel, Jefe de Gabinete de la Ciudad de Buenos Aires.
Para usarlo, la persona debe acudir a Whatsapp (11-5050-0147) y seleccionar la opción “tengo síntomas de COVID-19″, luego deberá grabar un audio con su tos y enviarlo.
Una vez recibido el audio, el sistema de inteligencia artificial IATos analizará el sonido: si coincide con los patrones de casos positivos le recomendará a la persona hacerse el test de COVID-19.
¿Cómo diferencia entre uno y otro audio?
Con machine learning. Es decir, con una base de datos y un aprendizaje previamente programado durante el lapso de un año. Para ello se “cargaron” 140.000 muestras diferentes de tos, de personas que habían dado positivo en sus tests. Según detalló el subsecretario de Planificación Sanitaria, Daniel Ferrante, “La tos genera una resonancia diferente” en quienes cursan la infección por COVID-19. Se trata del patrón sonoro, y con ello trabaja la IA.
Para recabar estas muestras, Boti le consultó a quienes se habían testeado en la Ciudad y debían recibir el resultado del PCR por esta vía, si querían participar enviando un audio grabado con su tos. Con ese material se armó la base de datos que luego nutriría al sistema IATos.
Para dimensionar de qué forma funciona, en una prueba preliminar se evaluó 2.687 audios y sobre este grupo IATos recomendó realizarse el testeo a 554 personas. De esas 554 personas, 436 resultaron positivas y 118 fueron negativas en su hisopado.
Datos públicos
La base de datos de toses positivas y negativas recolectada es de dominio abierto por disposición del gobierno de la ciudad, y es accesible para su consulta desde este enlace: https://data.buenosaires.gob.ar/dataset/tos-covid-19
Los datos recolectados corresponden a 2821 personas que fueron hisopadas en la Ciudad de Buenos Aires, entre el 11 de agosto y el 2 de diciembre de 2020, de las cuales el 52,6% de los individuos eran mujeres y el 47,4% eran hombres. Además, de este grupo se constató que 1409 dieron positivo a COVID-19 y 1412 dieron negativo.
Si te interesa profundizar más como experto, en el GitHub de la Ciudad de Buenos Aires, está publicado el backend de IATos: la red neuronal, el código que funciona detrás de Boti, etcétera: https://github.com/gcba/IATos
La controversia
El anuncio no pasó desapercibido entre investigadores especializados en aprendizaje automático aplicado a la salud, quienes consideraron que no cumple con los requisitos del método científico. Los expertos objetaron falencias metodológicas, información incompleta o inconsistencias. Además, reclaman que no se adapta a reglas básicas de la ciencia, y es que los trabajos experimentales deben poder ser evaluados por pares y reproducidos por equipos independientes.
Sin ir más lejos, Diego Fernández Slezak, multipremiado investigador del Conicet en el Laboratorio de Inteligencia Artificial Aplicada de la Facultad de Ciencias Exactas de la UBA, especializado en procesamiento del lenguaje natural, afirmó que un grupo de investigadores descargaron los datos e intentaron hacer una réplica siguiendo la descripción del informe técnico y no obtuvieron los mismos resultados.
Lo que sí sabemos es que en ninguna instancia se afirma que el resultado es definitivo, sino más bien es una guía, una forma de orientación que sugiere a la persona ir a hacerse el test correspondiente a los fines de detectar casos positivos que de otra manera no hubieran ido a testearse. Por este mismo motivo, la tecnología tampoco se sometió a la auditoría de la Anmat (Administración Nacional de Medicamentos, Alimentos y Tecnología Médica), la organización encargada de llevar adelante todos los procesos de autorización, registro, normatización, vigilancia y fiscalización a nivel nacional en temas de salud.
¿Conocías sobre este tipo de aplicaciones de la Inteligencia artificial? Descubre más en este artículo (clic en el enlace) y comparte este contenido si te ha gustado.
¡Nos vemos en un próximo artículo!
¿Qué es un Data Lake?
Data Lake, qué son, cómo se relacionan con el Big Data y para qué sirven.
La generación de datos constante por nuestra parte ha ido generando nuevos desafíos. Uno de ellos es dónde y cómo se almacenan esos datos. Quédate con nosotros en esta nota para comprender mejor qué es un lago de datos.
Sabemos que cada persona produce (en promedio) 1.7 Mb de información por segundo, y que además ésta es heterogénea: texto, imágenes, Gif’s, posiciones GPS, mensajes de texto (sms), videos, tweets, audio, etc.
Para enfrentar este problema, los Científicos de Datos acuñaron el los “Data Lakes”. Pero ¿qué son?
La definición más simple nos dice que se trata de un repositorio que posibilita almacenar grandes volúmenes de datos brutos en el formato nativo en forma indefinida. Es decir, datos en su formato original, en forma permanente. Pero esto también tiene consecuencias: algunos han empezado a plantear la situación en la que a estos lagos los llaman Data Swamps o pantanos de datos, puesto que al almacenarse los datos en su formato original, muchos de ellos son irrelevantes.
Aparecen en los años 2000 como una forma más rentable para el almacenamiento de datos no estructurados, y por consiguiente, más flexibles.
Lo que sí tenemos claro es que los Data Lakes permiten que los datos sean almacenados de forma tal que facilite su explotación. Están diseñados para retener todos los atributos, especialmente cuando aún se desconoce el ámbito de los datos o su uso.
En un ‘data lake’ a cada dato se le asigna un identificador único, junto con un conjunto de etiquetas de metadatos extendidos. Esto se hace para que, cuando se plantea una pregunta comercial, se pueden rescatar los datos relevantes del Data Lake para poder analizarlos y aportar respuestas a la pregunta.
Como ya hemos mencionado en artículos anteriores, ocurre lo mismo que sucede siempre con el Big Data: el volumen y características de los datos ya no pueden ser procesados con los métodos tradicionales. Se necesita de tecnologías y profesionales para ello. Con los lagos de datos, las empresas necesitan científicos de datos capaces de extraer conclusiones a partir del análisis de los datos en bruto. Se los requiere para detectar correlaciones entre datos y extraer conclusiones a medida que profundizan en ellos.
Esperamos te haya resultado interesante este artículo, y que puedas reflexionar sobre los datos, su almacenamiento y su posterior utilización. ¡Te esperamos en la próxima nota!
¿Es el Big data la cuarta revolución industrial?
El Big Data considerado la cuarta revolución industrial
En el futuro habrá autos voladores, los teléfonos no tendrán cable y las personas podrán verse y conversar estando a grandes distancias. Pues bien, estamos en el futuro y casi que no nos dimos cuenta en qué momento pasó. Ahora tenemos mucho por conocer y entender, y una de esas cosas es la Cuarta Revolución Industrial y el papel del Big Data en ella.
Por empezar, una revolución industrial significa que estamos hablando de un proceso de transformación económica, social y tecnológica. La primera significó un cambio hacia una economía de carácter urbano, industrializada y mecanizada; la segunda estuvo asociada a la producción en masa, línea de montaje y electricidad, mientras que la tercera (también llamada científico-tecnológica) estuvo ligada a una mayor utilización de las energías renovables y tecnologías de almacenamiento de energía, red de distribución de energía eléctrica “inteligente” y cambios en la logística y transporte.
Ahora bien, la cuarta revolución o Industria 4.0 se abre camino de la mano de la inteligencia artificial como protagonista; la generación, acumulación y procesamiento de grandes cantidades de datos (Big Data) que son procesados por algoritmos, y la interconexión masiva de sistemas y dispositivos digitales.
En esta instancia, lo que observamos es una completa digitalización, integrada en todos los procesos de la producción. Desde la obtención de la materia prima, pasando por los procesos de producción y distribución, hasta la logística que se encargue de llevar el producto a las manos del cliente, e incluso posterior a ello (seguimiento, retención, posventa, etc.) en forma individualizada. Entonces, de lo que se trata es de una organización de los procesos y medios de producción, algo que ya empezó a hablarse por el año 2011, donde el elemento clave de esta revolución lo marcaron las fábricas inteligentes, enfocadas en las necesidades de producción y en la eficiencia de los recursos.
Producción, almacenamiento y procesamiento de datos
El Big Data es clave en esta revolución, dado que se trata de inconmensurables cantidades de datos que ya no pueden ser gestionados de la misma manera que se venía haciendo, es decir, con los métodos tradicionales. Se necesita ahora no solo de la tecnología adecuada, sino también de los recursos humanos capacitados para su manejo y análisis. Con el registro o huella digital de cada accion que realizamos, desde la película/serie que elegimos, los pagos que hacemos con nuestras tarjetas, las búsquedas que hacemos en internet o lo que hacemos en redes sociales… todo es un dato que será susceptible de ser procesado a los fines de predecir comportamientos de consumo, o incluso intenciones de voto.
Es por ello que decimos que el dato es un activo estratégico, cada vez más importante para las empresas puesto que les permitirán dar un salto cualitativo.
La transformación digital está encima nuestro, es una realidad y la postura de las empresas y negocios frente a ella definirá su futuro. Implementar esta digitalización, sumado a la recolección de datos y su tratamiento, representa una ventaja competitiva que marcará una diferencia en todos los niveles de la cadena productiva. Si quieres saber más sobre los beneficios del Big Data para los negocios, te recomendamos este artículo sobre los Beneficios de contratar servicios de Big Data para tu marca.
Esperamos que te haya resultado interesante el artículo. Recuerda compartirlo si es así, y seguirnos en redes sociales para más novedades e investigaciones propias con Big Data.
Hasta la próxima ?
Inteligencia Artificial y Machine Learning, ¿Son lo mismo?
Inteligencia Artificial y Machine Learning, conoce las diferencias
Términos que se suelen confundir, porque sí, están relacionados, la Inteligencia Artificial y Machine Learning, ¿Son lo mismo? Descubre en esta nota las características de cada concepto y obtén la respuesta.
La inteligencia artificial (IA) trata de poder conseguir lo que logramos con la inteligencia humana, pero a través de métodos artificiales. Nos referimos al reconocimiento de patrones para alcanzar objetivos o resolver problemas.
Ya en los años `50 y `60 encontramos las primeras formas de esta tecnología, que lograban conseguir jugar a las damas, hablar inglés o resolver problemas de álgebra y lógicos. Hoy los usos van desde bots conversacionales que responden en consultas de atención al cliente, aceleración de servicios financieros, innumerables aplicaciones en ciencia y salud, simulaciones para anticipar comportamiento climático, o la forma en que minoristas y restaurantes resuelven problemas de escasez de mano de obra, limitaciones en cadena de suministro y mejoras en la experiencia de usuario.
Si queremos un dato bien actual, la supercomputadora de IA que está empleando Meta, brindará a los investigadores 5 exaflops de rendimiento de IA.
Quizás te interese nuestro descargable sobre el lanzamiento de Meta, la nueva marca de Facebook.
Meta tiene como objetivo usarlo para entrenar modelos de IA con más de un billón de parámetros: “Esperamos que RSC nos ayude a construir sistemas de IA completamente nuevos que puedan, por ejemplo, impulsar traducciones de voz en tiempo real para grandes grupos de personas, cada una hablando un idioma diferente, para que puedan colaborar sin problemas en un proyecto de investigación o jugar un juego AR juntos”, dijo la compañía en un blog.
Aquí es donde encontramos un nexo con Machine Learning. Cuando Meta dice que pretende “entrenar modelos de IA con más de un billón de parámetros” nos acercamos a la idea de Aprendizaje Automático.
¿De qué se trata un modelo de Machine Learning?
Impulsados por datos, los modelos de Machine Learning son los motores matemáticos de la IA, expresiones de algoritmos que encuentran patrones y hacen predicciones más rápido que un ser humano. Es decir, es una forma de expresión de un algoritmo que encuentra patrones en grandes cantidades de datos, e incluso puede hacer predicciones.
Si la Inteligencia Artificial fuera un automóvil, el machine learning sería su motor, y los datos el combustible.
El ML es una representación de objetos y sus relaciones entre sí, donde esos objetos pueden ser desde un like en una red social, hasta moléculas en un experimento.
Ahora bien, no todo es tan sencillo como suena. De hecho, se necesita un enorme conjunto de datos, mucha experiencia en inteligencia artificial y una gran capacidad informática para entrenar un modelo. Los compradores inteligentes compran modelos preentrenados para ahorrar tiempo y dinero. Pero ¿cómo saber si estoy adquiriendo el modelo preentrenado que necesito?
Bueno, cada uno viene con un catálogo o descripción que detalla el dominio para el que se entrenó el modelo, con qué conjuntos de datos se lo entrenó y cúal es su expectativa de funcionamiento. Esto nos acerca al modelo correcto para el uso que pretendamos darle.
Entonces, en resumen, mientras que la inteligencia artificial son sistemas o máquinas que imitan la inteligencia humana para realizar tareas como el análisis de datos, con el objetivo de mejorar las capacidades y contribuciones humanas; el machine learning o aprendizaje automático es una parte de la Inteligencia Artificial que posibilita que las máquinas aprendan por sí solas, sin necesidad de una programación para ello. Esto lo que permite es contar con sistemas capaces de detectar patrones entre los datos para hacer predicciones. Y ya vimos el ejemplo de Meta como un caso reciente de su uso, entre tantos otros.
Esperamos te haya resultado interesante entender estas diferencias.
¿Te gustó el artículo? ¡Compártelo!
Beneficios de contratar servicios de Big Data para tu marca
¿Por qué deberías contratar servicios de Big Data?
Las marcas y las empresas cada vez más se están familiarizando y acercándose a la idea de contratar los servicios de big data para sus negocios, a los fines de optimizar tiempos y recursos, aumentar ganancias y expandir su campo de acción. Quédate en este artículo para conocer cómo podemos ayudarte.
No se trata sólo de traer datos porque sí. Se trata de buscar insights que nos den pautas para seguir nuestro trabajo, tomar decisiones estratégicas basadas en algo más firma que meras suposiciones. Uno de ellos son las emociones de los usuarios.
El auge de los medios digitales y las redes sociales han impulsado el interés en el análisis de los sentimientos. Con la proliferación de las revisiones, valoraciones, recomendaciones y otras formas de expresión digital, la opinión on-line se ha convertido en una especie de moneda virtual para empresas que buscan comercializar sus productos, identificar nuevas oportunidades y gestionar su reputación; o partidos políticos que buscan generar una recordación de ideas o propuestas políticas con la gente.
Reputación Digital cuenta con el equipamiento tecnológico necesario para la captura y seguimiento de contenidos que generan los usuarios en redes sociales y en internet en general, los cuales permiten dar feedback mediante sistemas inteligentes de extracción de información que reside de manera implícita en los datos. Esto se logra mediante Redes Neuronales Artificiales (ANN). Tal como funciona un cerebro, se trata de un tipo de machine learning en el cual se le programa inputs (por ejemplo, se cargan una serie de imágenes de perros para que la máquina aprenda a reconocerlos) que permiten generar redes neuronales con otros inputs, formando una red de aprendizaje. Pero lo más sorprendente es que algunas crean sus propias “neuronas” sin necesidad del input. Hablamos de aprendizaje automático.
Big Data, pero…
Cuando hablamos de Big Data siempre decimos que son grandes volúmenes de datos. Si, estamos de acuerdo, pero … ¿qué tienen esos datos? ¿Datos de qué? ¿Qué sería en específico? Pues bien, ahora te contamos los detalles.
Algunos de estos datos que mencionamos podrán incluir, siempre según la necesidad de la marca, por ejemplo mapas semánticos sobre la percepción general que las comunidades digitales tienen del mundo online respecto de las marcas, como así también sobre nombres o conceptos específicos. Supongamos que queremos saber sobre el actor Leonardo Di Caprio, un político como Manuel López Obrador, el concepto de “Inteligencia Artificial” o sobre la marca Amazon. Los mapas semánticos son prácticos instrumentos de representación, que permiten transmitir con claridad y sencillez mensajes conceptuales complejos.
Además de los mapas semánticos, podemos por ejemplo visualizar los mapas tópicos, los que serán más útiles para su estrategia de comunicación según cada caso. Otra opción bien podría ser una interfaz que permite encontrar puntos positivos y negativos de la marca, representados en cuadros gráficos de áreas de oportunidad, mejora, amenazas y fortalezas. Interesante, ¿no?
Este tipo de datos se presentan normalmente en informes mensuales (o según el período especificado por los equipos de análisis de las empresas) que se apoyan en herramientas tecnológicas de recopilación (extracción), almacenamiento (servidores) y análisis de registros extraídos en Internet, mediante el proceso de datos masivos (Big Data). Los conceptos presentados en el informe engloban las percepciones y deseos de los usuarios en internet, los cuales se estructuran por pesos cualitativos.
Mediante sistemas de procesamiento semántico y sistemas inteligentes de captación de datos de medios on-line, se localizan las menciones y luego se transforman en registros, que serán posteriormente procesados y analizados.
¿Qué permite esto? Entender y graficar las opiniones de los internautas diaria, semanal, mensual o incluso anualmente. Este universo de opiniones es infinito y estas se extraen de todos los medios online de cualquier parte del mundo, con especial énfasis en opiniones de las redes sociales Facebook, Instagram y Twitter.
Ya vimos entonces que algunos de estos datos del Big Data son las percepciones de usuarios en Internet, y su análisis. Pero cuando hablamos de datos, también nos referimos a gráficos de conceptos asociados relevantes, cantidad de menciones en Internet, alcance (reach) y viralización de usuarios y publicaciones, pico de menciones/conversaciones, resumen de redes y medios digitales utilizados, análisis de sentimientos (sentiment analysis), listado de usuarios más influyentes, de usuarios más activos, de los post con más alcance, de relaciones de los usuarios más activos, de relaciones de los usuarios más activos por sentimientos, de los tópicos generales de discusión generales, de los tópicos generales de discusión por sentimientos, un panorama de la imagen general de marca y su reputación online, pesos de argumentos, tópicos positivos y tópicos negativos, mapas perceptuales de imagen de marca, georeferenciación de reclamos o menciones especiales (por ejemplo, reclamos en torno a una tienda que no posee en stock cierto producto), etc.
Servicios que podría contratar para mi marca
Si no sabes por dónde empezar, pregúntate qué te gustaría saber sobre tu marca, sobre el mercado o industria o sobre tu competencia. También podrás hacer una mirada introspectiva y buscar comprender cuál es tu producto/servicio estrella, o en dónde conviene poner el dinero para una eficiente pauta publicitaria. Lo importante es preguntarle a los datos.
Reputación Digital puede monitorear y analizar los datos públicos, incluyendo todos los medios de comunicación digital, permitiendo sacar a la superficie las intenciones de consumo o voto, preferencias y consideraciones de los usuarios digitales en internet. Nuestros servicios de Big Data incluyen consultoría en Medios Digitales, informes sobre redes sociales, tendencias de comportamiento y consumo, informes sectoriales sobre Internet y Redes Sociales, medición de la reputación de marcas, análisis de tendencias de comportamiento a nivel político, entre otros.
¿Te interesa conocer más? Mejor conversar ?
Escríbenos a info@reputaciondigital.info o mandanos un mensaje por Whatsapp al +54 9 11 6883-0003 y hablemos sobre las necesidades de tu marca o marca personal.
