El pasado 15 de mayo en el Hotel Plaza El Bosque Nueva Las Condes se llev\u00f3 a cabo el tercer desayuno del Club CIO de este 2019. Jaime Caiceo, profesor de la Universidad Cat\u00f3lica y director ejecutivo de Metric Arts, realiz\u00f3 la presentaci\u00f3n \u201cBig data analytics y su impacto en la transformaci\u00f3n digital\u201d.Jaime Caiceo comenz\u00f3 su presentaci\u00f3n realizando una encuesta a los asistentes a trav\u00e9s de sus smartphones, constatando en tiempo real la relaci\u00f3n de los presentes con el Big Data y su uso dentro de las empresas. Para luego explicar el contexto en el que vivimos hoy: la cuarta revoluci\u00f3n industrial. Si bien es un concepto reciente, es bastante visible, la industria 4.0 est\u00e1 vinculada a tendencias de automatizaci\u00f3n e intercambio de datos. En nuestra vida cotidiana se presenta como la idea normalizada de \u201cla nube\u201d, el internet de las cosas y la llegada de la casa Smart.<\/p>\n
El mundo est\u00e1 conectado, y en gran parte, es debido a los datos. De ah\u00ed que el concepto de Big Data se haya popularizado en los \u00faltimos a\u00f1os. Caiceo se\u00f1ala como definici\u00f3n de Big Data: \u201ces el alto volumen, la alta velocidad de componentes de datos que demandan herramientas de procesamientos de informaci\u00f3n costo\/efectivas, que habiliten mayor inteligencia, toma de decisiones y automatizaci\u00f3n de procesos\u201d (Gartner, 2016).<\/p>\n
Caiceo indica que el Big Data ha tomado gran fuerza en los \u00faltimos a\u00f1os y que las distintas organizaciones buscan ser parte de este fen\u00f3meno global. Sin embargo, es vital entender que \u201cla revoluci\u00f3n no es sobre los datos, sino sobre el progreso de las estad\u00edsticas y otros m\u00e9todos para extraer ideas (insight) de los datos\u201d. Expertos como Gary King se\u00f1alan \u201cBig data is not about the data\u201d. As\u00ed, aparece un concepto m\u00e1s importante en esta ecuaci\u00f3n, nuestro intelligent core: el conjunto de equipos y tecnolog\u00eda que realizan una intervenci\u00f3n interna y externa para analizar la informaci\u00f3n.<\/p>\n
La presentaci\u00f3n continu\u00f3 con una l\u00ednea de tiempo de los distintos avances de la inteligencia artificial, propiciada por el procesamiento de Big Data. En 2016 y 2017 el software AlphaGo (desarrollado por Google Deepminds) gan\u00f3 a distintos campeones del juego Go, uno de los m\u00e1s complejos del mundo. Las jugadas desarrolladas por el software abri\u00f3 la puerta a las inteligencias artificiales creativas y con autoaprendizaje. <\/p>\n
En los \u00faltimos a\u00f1os se han logrado grandes avances en el desarrollo de Human Parity (Paridad Humana) en las Inteligencias Artificiales. Desde el reconocimiento de objetos en una imagen (2016) y el reconocimiento de voz (2017). El a\u00f1o pasado las IA lograron desarrollar la compresi\u00f3n lectora y la capacidad de traducci\u00f3n de idiomas (espec\u00edficamente desde el chino mandar\u00edn al ingl\u00e9s). Se estima que para el 2045 se logre la Gran Singularidad, el desarrollo de una inteligencia artificial general que sea capaz de adaptarse a distintos escenarios. Caiceo se\u00f1ala que es claro que la IA depara desaf\u00edos a niveles pol\u00edticos, culturales y sociales. <\/p>\n
\u00bfQu\u00e9 est\u00e1 pasando en Chile? Actualmente hay inter\u00e9s y uso de la Anal\u00edtica predictiva, el Big Data y el Internet de las cosas. Caiceo ense\u00f1\u00f3 tres ejemplos de uso de estas t\u00e9cnicas para beneficiar a las organizaciones. El primero corresponde al c\u00e1lculo del IPC, donde es posible realizar \u00edndices a trav\u00e9s de las ponderaciones de series de precios hist\u00f3ricas que se encuentran en el e-commerce. Sin embargo aqu\u00ed se enfrenta el desaf\u00edo de los precios diferenciados seg\u00fan el consumidor, por ejemplo los conocidos vuelos \u201clow cost\u201d.<\/p>\n
El segundo ejemplo corresponde a la industria de la miner\u00eda. A trav\u00e9s de datos de telemetr\u00eda se pudieron detectar malas pr\u00e1cticas en el uso de maquinaria por parte de los operadores. El desaf\u00edo en este caso consisti\u00f3 en crear capacitaciones espec\u00edficas para cada operador de acuerdo a los datos registrados. Estas capacitaciones logrearon detectar 10 veces m\u00e1s r\u00e1pido los problemas y disminuir en un 80% las malas pr\u00e1cticas.<\/p>\n
El tercer ejemplo corresponde a video analytics en distintos espacios. Para un centro comercial, la instalaci\u00f3n de c\u00e1maras permite reconocer diversas caracter\u00edsticas y comportamientos en los clientes (como su g\u00e9nero, grupo etario, entrada y salida, flujo). Sin embargo, cuando se trata del espacio p\u00fablico como las calles, se enfrentan dificultades como la calidad de la c\u00e1mara (que no permitir\u00eda un reconocimiento facial \u00f3ptimo) o la inmensa cantidad de personas en la calle que requerir\u00edan una alta capacidad de procesamiento. <\/p>\n
Caiceo cerr\u00f3 su charla invitando a cuestionarnos nuestro uso del Big Data, donde no busquemos los datos por s\u00ed mismos, sino para que puedan solucionar problemas de nuestro entorno.<\/p>\n
Puede revisar las fotograf\u00edas del evento y la presentaci\u00f3n en los siguientes enlaces:<\/p>\n