A medida que las organizaciones se están dando cuenta de las grandes oportunidades que entrega la inteligencia artificial (IA), crece la importancia de incluir profesionales de la ciencia de datos que se han capaces de desarrollar soluciones prácticas para otorgar eficiencia, productividad y seguridad en los procesos.

Lo anterior es cada vez más importante: tareas como la preparación de datos y de ingeniería representan más del 80% del tiempo que se consume en la mayoría de proyectos de IA y aprendizaje automático.

Por lo mismo, saber cómo extraer información útil de un mar de datos y cómo traducir las necesidades de información empresarial y científica al lenguaje de la información y las matemáticas, es crucial para miles de empresas que quieren posicionarse y mantenerse en el mercado.

A continuación, algunos casos de éxito en donde el aprendizaje automático y ciencia de datos son dos conceptos protagonistas:

4 casos exitosos de big data

La gestión de datos y el desarrollo de infraestructuras útiles para su procesamiento son condiciones elementales para que un programa sea exitoso.

El trabajo requiere de la integración de estrategias para la captura de datos, su almacenamiento e instrumentos para su recuperación, siempre considerando que los datos de la ciencia son activos valiosos.

¿Quiénes han salido triunfantes en esta tarea?

1. Uber: transformar la experiencia de los usuarios
En menos de una década, Uber ha transformado el concepto de movilidad para miles de pasajeros. La razón de su impacto (positivo) es, entre otras cosas, la habilidad que ha demostrado en el uso del big data, para ofrecer una experiencia y un despliegue operativo de su flota satisfactoria para sus usuarios.

Las decisiones de la organización están basadas en los datos en diferentes niveles: desde la predicción de la demanda de pasajeros en instancias de alto tráfico, hasta la solución de problemas que afectan el registro de nuevos socios conductores.

Producto de una cantidad enorme de información, la compañía creó tres categorizaciones para los usuarios de datos:

• Equipos de operaciones de la ciudad: administran la red de transporte de Uber en cada nicho de mercado. Tienen acceso a datos de manera frecuente para resolver problemas de conductores y pasajeros.
• Científicos y analistas de datos: profesionales reunidos en grupos que usan los datos para entregar mejores experiencias de transporte, gracias a, por ejemplo, determinar la demanda de los pasajeros.
• Equipos de ingeniería: se enfocan en la creación de aplicaciones de aprendizaje automático y ciencia de datos, como, por ejemplo, plataformas de detección de fraudes.

¿El resultado? Una compañía que se ha caracterizado por simplificar los viajes a millones de usuarios (para 2018 contaba con 91 millones de consumidores activos y 10 mil millones de recorridos en el mundo) y que sigue innovando en nuevas soluciones.

2. Netflix: el mejor contenido de acuerdo con tus preferencias
Atrás quedó la empresa que arrendaba DVD por correo. Ahora, Netflix es una multinacional líder en la industria del entretenimiento. ¿Cuál fue la clave? Sin duda, el uso de datos de la ciencia para identificar nuevas oportunidades de negocio.

Dentro de las posibilidades que le ha entregado el big data se encuentran la segmentación de los usuarios, la recomendación individualizada de contenidos a los usuarios (según sus preferencias), implementar una plataforma de fácil navegación y personalizable, además de predecir comportamientos en sus espectadores y tendencias, lo que ha llevado a la compañía a desarrollar contenidos propios de excelente calidad.

Gracias a los excelentes resultados, la empresa planea invertir en 2020 17,300 millones de dólares, monto que representa el PIB de algunos países como Corea del Norte, Botswana y Mali.

3. Cornershop: la entrega a domicilio potenciada con aprendizaje automático

Cornershop es una empresa chilena con un modelo de negocios que irrumpió en el mercado fuertemente: una prestación on-demand de despacho de alimentos al hogar.

Tiene como objetivo entregar la mercadería a sus usuarios en 90 minutos, para así aumentar el tiempo libre que tienen las personas, con el incremento de la calidad de vida que esto conlleva.

Para lograrlo, integraron dentro de sus procesos herramientas avanzadas de machine learning, para mejorar la precisión de las operaciones: predecir cuánto tiempo le tomará cumplir con un pedido, reconocer cuándo se debe trabajar en una orden determinada, y pronosticar el grado de ocupación que tendrán sus colaboradores en el futuro.

En la actualidad, la compañía vive un proceso de expansión -Canadá, Perú, Colombia- y grandes organizaciones se han interesado por comprar su negocio en cuantiosas cifras de valorización.

4. Linguamatics: investigación y solución para la salud de la población

Es fundamental que los servicios sanitarios cuenten con recursos que faciliten la gestión de la salud de la población. En ese sentido, Linguamatics se encarga de recopilar datos no estructurados y sin explotar pertenecientes a los registros de salud electrónicos.

¿Cuál es el objetivo? Identificar factores de estilo de vida, desarrollar modelos predictivos y determinar cuáles son los pacientes de alto riesgo.

Ahora bien, en tiempos del COVID-19, la tecnología de Linguamatics -generación de información rápida, sistemática y completa a partir de texto no estructurado- permite responder a muchas preguntas acerca del nuevo coronavirus, como:

• ¿Quiénes tienen mayor riesgo de desarrollar la enfermedad con gravedad?
• ¿Qué se sabe sobre el COVID-19 para permitir el desarrollo de vacunas?
• ¿Cómo responderán los pacientes a los medicamentos después de la infección por COVID-19?

Los anteriores casos exitosos de big data no lo serían sin el trabajo de expertos en esta materia, como los formados en Ingeniería en Ciencia de Datos que entrega a sus profesionales las habilidades necesarias para manipular grandes conjuntos de datos, analizar y programar aplicaciones que solucionen y entreguen fluidez a los procesos de una organización.