Agustín Madariaga, experto en big data: “El cambio no es cuantitativo, es cualitativo”

Me he propuesto incluir en mi blog algunas entrevistas de profesionales que llevan tiempo en el sector tecnológico y, más concretamente, en el análisis de los datos (big data) para la mejora de los resultados de las empresas. La primera de estas entrevistas es con Agustín Madariaga, que es periodista desde hace más de treinta años pero que decidió dar un cambio en su vida. Para eso estudió Psicología Social e Investigación de Mercados. Ahí descubrió la minería de datos, en la que se ha especializado. Es lo que se llama insighter: búsqueda de las motivaciones de los consumidores en los datos . Como analista ayuda a las empresas a localizar patrones en sus datos que les sirvan para tomar decisiones de gestión o de marketing. Tras estudiar un postgrado en Inteligencia de Negocio y Big Data busca el siguiente paso; es el process mining, estudiar los datos de los procesos empresariales.

  • ¿Qué ha supuesto la aparición del big data?

El cambio no es cuantitativo, es cualitativo. Es decir, no supone únicamente poder analizar un volumen de datos mucho mayor sino poder hacer muchas más cosas, análisis que antes eran imposibles porque el tiempo y el dinero que se debían poner encima de la mesa no compensaban la información. Ahora se pueden tomar decisiones en tiempo real basadas en datos. Por ejemplo, se puede fijar el precio de manera personalizada y dinámica en tiempo real en un portal de comercio electrónico con un coste relativamente bajo.

  • ¿Podrías decir, a día de hoy, las virtudes y las limitaciones de los algoritmos a la hora de analizar una situación determinada?

La gran limitación está siempre en la calidad de los datos. Muchas empresas oyen hablar del Big Data y quieren probar. Pero sus datos son de baja calidad, contienen errores. De ahí, es imposible sacar conclusiones fiables. Si los datos son correctos, el siguiente elemento es tener muy claro qué objetivos empresariales buscamos. Otro problema que surge es almacenar todos los datos y analizarlo todo. Muchos de esos datos y análisis no son útiles. El gran problema de esta marea de datos que supone la economía digital es el ruido. Datos que no sirven al objetivo y dan información tóxica.

  • ¿Qué nivel de uso tiene en tu opinión el big data, machine learning, minería de datos… en la empresa española?

Muy bajo en relación con los países desarrollados. La minería de datos tiene décadas de existencia. Wall Mart lo usa hace mucho por ejemplo. Salvo la gran empresa, en España se usa muy poco, cuando su rentabilidad es clara. Por ejemplo usar minería de datos para segmentar los envíos promocionales por correo electrónico permitió a una gran distribuidora norteamericana ahorrar medio millón de dólares al año. Pero en España se confunde gasto e inversión y se decide en función del precio y no del retorno de la inversión.

  • ¿En qué medida cambiar la empresa de tener a no tener este tipo de inteligencia?

La inteligencia de negocio permite tomar decisiones basadas en datos. Atrás queda la intuición y las opiniones personales. Los seres humanos tenemos sesgos, prejuicios. Un cliente no es cercano por la razón que sea y dedicamos más tiempo del debido a él. Y puede no ser rentable. La empresa que utiliza los datos para tomar decisiones los une a sus objetivos de negocio y por tanto rentabiliza esfuerzos, puede predecir cambios de escenario y prepararse con tiempo para ellos e incluso puede realizar aprovisionamiento ajustado a la demanda futura, que se puede predecir. También puede saber si los consumidores compran un producto en base al precio o no y ajustarlo y por supuesto puede ajustar dinámicamente el precio en función de la demanda. Los hoteles por ejemplo, y ahí sí que España es puntera, tiene sistemas de revenue Management, que ajusta el precio de las habitaciones de manera automática en función de la demanda y la ocupación y otra serie de factores para conseguir los máximos ingresos posibles.

  • ¿Crees que sería demasiado arriesgado depositar todas las decisiones en las máquinas?

Hay ejemplos de los riesgos. Hay también aspectos que no son analizables. Pongo un ejemplo. Uber utiliza un sistema de aprendizaje automático para fijar el precio de sus viajes. Si la demanda se mantiene sube el precio hasta que baja. En los atentados de Londres, no se tuvo en cuenta ese aspecto. El algoritmo evidentemente no lo tenía presente. Dobló los precios y sufrió una crisis de reputación muy grave en redes sociales. Mientras tanto, los taxistas de Londres transportaban gratis a los que querían dejar el lugar del atentado. Tuvo que intervenir un ser humano para que los viajes fueran gratuitos también. Las decisiones siempre son en último término humanas, para seres humanos. Luego hay aspectos que se escapan a los algoritmos.

  • ¿Qué papel cumple el binomio persona-máquina desde el punto de vista de la gestión?

Hay dos caras de la moneda. El aprendizaje profundo y la inteligencia artificial van a hacerse cargo de numerosas decisiones y trabajos rutinarios y van a destruir puestos de trabajo. En la otra cara, el trabajo de gestión y la toma de decisiones va a tener una ayuda evidente con el conocimiento ofrecido por el análisis de datos. Los cuadros de mando ofrecen toda la información relevante a la persona que toma decisiones en tiempo real y en una pantalla. Y añade la creación de escenarios, de proyecciones muy fiables.

  • ¿Hay que temer en alguna medida la pérdida de algún tipo de perfil profesional por el uso de esta tecnología?

Sin duda. La inteligencia artificial, sobre todo el desarrollo de la comprensión del lenguaje natural y que los datos aprendan de los datos dejará buena parte del trabajo de muchas profesiones en manos de las máquinas. Ya hoy hay chats bots y preguntas más frecuentes basadas en el análisis de consultas. Todos los trabajos relacionados con los costes de no calidad (ayuda, dudas, atención al cliente) están en peligro. Pero esto va a una velocidad que el listado de profesiones y perfiles en peligro aumenta cada día,

  • ¿Cuáles son en tu opinión los mejores productos de análisis de big data en la actualidad?

No existe el mejor producto Existe el producto adecuado a cada necesidad. Hay soluciones de muchos tipos, en la nube o no. Depende del volumen de información, de la necesidad de tomar decisiones en tiempo real, del tipo de datos…

  • ¿Te atreverías a hacer una proyección a 10 años vista de la evolución de estas herramientas?

No sería capaz. Pero está claro que todo avanza por el camino del Deep Learning. La inteligencia artificial. El análisis de datos ofrece conclusiones que alimentan la decisión, que a su vez ofrece datos para corregir. Todo automatizado. No me atrevo a señalar el límite pero esta revolución va a ser infinitamente más disruptiva que cualquiera que hayamos conocido. Inimaginable para muchos de nosotros.

Sin comentarios todavía.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *


A %d blogueros les gusta esto: