En absoluto. Pero, como todos saben, los datos no aportan información por sí mismos, sino que es a través del análisis lo que aporta valor. De ahí que el término Big Data empezara a caer en desuso y a ser sustituido por Smart Data o, simplemente, Data Analytics (D&A).
Se está transitando una nueva fase y habrá que incorporar otros adjetivos. La irrupción de las tecnologías cognitivas o, para entender mejor, la Inteligencia Artificial (IA), y su confluencia con la analítica de datos abre en este sentido un abanico enorme de posibilidades.
De esta manera, la Inteligencia Artificial es un complemento perfecto a la analítica de datos tradicional que, además, permite abarcar nuevos usos en el negocio hasta ahora impensables. Vale recordar la “historia de altibajos” de la IA antes de llegar a su auge actual, alentado por la ‘popularización’ de las técnicas matemáticas que permiten a las máquinas realizar las diferentes versiones de IA como el reconocimiento de voz, imágenes, caracteres, y lenguaje natural, por citar algunos ejemplos. Entre estas técnicas se destacan las que permiten el entrenamiento eficaz de redes neuronales, de forma similar a como funciona el cerebro y que conocemos como Deep Learning.
Combinar Big Data y D&A
¿Por qué esa confluencia? En el fondo resuelven el mismo problema que es la clasificación de objetos y predicción de propiedades. Un ejemplo sencillo es cuando se segmentan clientes, lo que se está haciendo es clasificándolos. De la misma forma cuando un sistema reconoce caracteres está clasificando imágenes y asociándolas a una etiqueta.
La cuestión es que mucho de lo que se percibe como inteligencia humana es en realidad sentido común o información de contexto que procede de la experiencia. Y la combinación de Big Data con D&A y técnicas de reconocimiento permite proporcionar ese sentido común o contexto a la Inteligencia Artificial para que pueda trabajar.
Una práctica de la vida cotidiana simplifica esta descripción: en términos culinarios los datos son los ingredientes; la receta los algoritmos y el maître es esa figura compleja que tiene que conocer el negocio (saber qué quieren los clientes y entenderlos, además de elegir buena materia prima) y saber desenvolverse en la cocina. “No es fácil encontrar buenos maîtres porque escasean y porque el talento no pregunta por los sueldos sino qué datos tienes y qué me vas a dejar hacer con ellos”, explica Juan Jiménez Zaballos, director de GCB Innovation de Banco Santander. “Nosotros tenemos las tecnologías, la cocina y el cocinero, lo que vemos que falta es la cultura de la gente”, sintetiza Miguel Iza, Head of Data & Analytics de Hotelbeds, quien desveló que su grupo utiliza técnicas de Machine Learning para las recomendaciones de clientes (el algoritmo aprende de lo que se busca; y compra y le recomienda solamente aquello que sabe que le interesa) y en la atención al cliente. ¿Su sueño? “La automatización al máximo de las interacciones”.
El conocimiento del cliente también es una de las claves del uso de técnicas analíticas en Autopistas (Grupo Abertis), según la opinión de Anna Bonnet. Todos coinciden en ese enfoque cliente, algo más fácil de llevar a cabo con la confluencia de tecnologías. “La Inteligencia Artificial permite recoger la diversidad y modular la relación con clientes”, entiende David López Pachón, Director Comercial y Marketing Ilunion Hotels. “Todos sabemos que los datos son importantes y que ya estamos en la siguiente fase, la del aprendizaje cognitivo, en el que las máquinas aprenden y nos ayudan a resolver todos los problemas que necesitamos para tomar decisiones”, resumió Antonio Pita, director de Coordinación de la Transformación Digital de Liberbank.
Desde luego, la cuestión de fondo es que el futuro pasa por conocer muy bien al cliente y saber que quiere antes de que lo diga, y ofrecerle la mejor de las experiencias y soluciones. Y para eso, como en cocina, es clave contar con un buen maître.
