Experiencia con datos reales

Ya tienes todo lo necesario para ponerte manos a la obra y empezar a trabajar con los datos de la empresa. Tras sortear los primeros obstáculos de manejar datos reales te dispones a aplicar un algoritmo de inteligencia artificial con el lenguaje de programación y las librerías más modernas, y tras varias horas esperando el resultado te das cuenta de que te encuentras lejos de la solución esperada y no sabes cómo mejorarla. 

No olvides que solucionar problemas reales de la industria requiere mucho más esfuerzo y experiencia. En este artículo podrás encontrar las principales dificultades de trabajar con datos reales y los puntos clave que se necesitan para sacar el mejor provecho de ellos, desde su llegada hasta su salida.

Experiencia con datos reales

RECEPCIÓN DE LOS DATOS

El campo de la investigación está constantemente desarrollando nuevos métodos para manejar datos y extraer su información. Durante la etapa de formación en las universidades se enseñan algoritmos y se ponen a prueba con conjuntos de datos sencillos obteniéndose aparentemente muy buenos resultados. 

Solo es necesario tratar con problemas reales de la industria para darse cuenta de que no basta con ejecutar un algoritmo y de que aparecen una serie de dificultades adicionales donde la experiencia juega un papel fundamental para llegar a buenas soluciones. 

Las primeras dificultades empiezan con la llegada de los datos. Inicialmente los conjuntos disponibles pueden no ser los ideales debido, entre otras muchas cosas, al formato en los que se disponen o porque estén incompletos, sean incoherentes, contengan pocos registros o pocas variables, o por el contrario haya que lidiar con enormes cantidades de datos. 

Es importante tener la capacidad de recibir datos de distintas fuentes y procesarlos para que su formato sea óptimo para los algoritmos de inteligencia artificial. GAMCO tiene una gran experiencia al trabajar con toda clase de datos que disponen las empresas, desde hojas excel hasta bases de datos con estructuras más sofisticadas con pocos registros o con centenares de millones de ellos. 

No se debe olvidar que en los problemas reales, los proveedores disponen de interlocutores de la empresa cliente con el que se mantiene comunicación durante todo el proceso, inicialmente para establecer las fuentes de datos y llevar a cabo su automatización. 

La experiencia con empresas de distintos sectores ha permitido a GAMCO conocer y trabajar con muchos tipos de problemas reales que distan de los encontrados en la etapa de enseñanza, no sólo en cuanto a objetivos y a datos disponibles, sino también en cuanto a la complejidad de los diferentes sectores y negocios. El esfuerzo por entender esta complejidad es crucial para aportar nuevos enfoques e ideas, siendo capaces de enriquecer el conocimiento a través de la búsqueda externa de información o la petición de nuevos datos al cliente. 

Además, el conocimiento del ámbito ayuda a exprimir los datos y proporcionar una mejora contínua de las soluciones basadas en Inteligencia Artificial.

MANEJO DE LOS DATOS  

Lo más habitual es que la llegada de información sea recurrente y a través de distintos ficheros, por ello la organización de los datos y sus tratamientos es fundamental para seguir la trazabilidad. Esto permite tener mayor control del proceso y conocer en todo momento el camino seguido.

Este manejo de la información normalmente causa temor a las empresas por compartir información confidencial. Así pues, se debe trabajar de manera transparente y segura, aportando una encriptación de los datos que permita usar los algoritmos de Inteligencia Artificial viendo únicamente datos codificados. Muchas son las empresas que confían en GAMCO, destacando su confidencialidad trabajando con datos del Ministerio de Interior, entidades bancarias (Bankia, Santander, ...) y multinacionales.

No solo se debe conseguir la seguridad, sino también la calidad y la rapidez en el despliegue de la solución, siendo necesario un proceso establecido y validado como el que ha establecido GAMCO en la gran empresa, y ahora pone a disposición de las PYMES. En este camino se hace uso de métodos eficientes que se revisan, se investigan y se actualizan con el tiempo. 

Una característica fundamental de estos métodos es su robustez, que permite la reproducción de los mismos resultados durante todo el desarrollo y despliegue de la solución basada en la inteligencia artificial. Esto junto a la trazabilidad permite tener un control total del proceso.

PREDICCIÓN, ACCIÓN Y RETORNO  

El objetivo de los problemas no debe ser pedir datos para sacar únicamente un valor de predicción, sino ser capaces de aportar una solución real que se mejora con el tiempo y que el cliente pueda entender y acceder a ella de forma fácil y segura. 

Esta solución debe ser sencilla al usuario final, permitiendo una comprensión de la información sin necesidad de que el cliente posea conocimientos estadísticos o avanzados sobre la materia. Esta predicción es la que el cliente usará para tomar acciones. 

La frase de Lord Kevin: <<Lo que no se define no se puede medir. Lo que no se mide, no se puede mejorar. Lo que no se mejora, se degrada siempre>> expresa con total claridad la importancia de medir para mejorar. Es fundamental proporcionar una visualización de los rendimientos obtenidos y del impacto de la solución. 

Finalmente, con las herramientas desplegadas y automatizadas solo queda beneficiarse de las ganancias que se obtienen de explotar los datos de la empresa, y seguir la comunicación con el cliente en busca de la mejora continua.