“Existe una enorme brecha entre el mundo técnico y el de los negocios”, dijo el Ing. Agustín Tricánico, MBA, durante la conferencia “Analítica de datos aplicada a negocios: ¿Es para mí? ¿Es ahora?”. La exposición, que formó parte del Ciclo de Charlas de Management y Negocios de la Escuela de Postgrados de la Facultad de Administración y Ciencias Sociales, tuvo lugar el jueves 7 de junio de 2018 en el Campus Pocitos.
Agustín Tricánico es Ingeniero en Telecomunicaciones, MBA por la Robert H. Smith School of Business, University of Maryland. Gerente general de Neocort y consultor independiente, se desempeña además como catedrático de Administración de la Facultad de Ingeniería y como tutor de proyectos de la Facultad de Administración y Ciencias Sociales de la Universidad ORT Uruguay.
Datos, opiniones y música
“Sin datos sos solo una persona con una opinión”. La cita del estadístico estadounidense W. Edwards Deming estaba en la pantalla del Hemiciclo mientras una pieza de música clásica amenizaba los minutos previos a la charla.
Al comenzar la conferencia, Tricánico sorprendió a los asistentes al informarles que la pieza, con reminiscencias de Bach, era una composición de AIVA (Artificial Intelligence Virtual Artist), un algoritmo de inteligencia artificial capaz de componer música original.
“Existe una enorme brecha entre el mundo técnico y el de los negocios”, dijo antes de brindar algunos datos que sirvieron para contextualizar la disertación. En 2005, el universo digital estaba compuesto por 130 exabytes; solo en 2015 la Humanidad creó más de 7.000 exabytes y los expertos estiman que para 2020 la cifra superará los 40.000 exabytes. Un exabyte equivale a un billón de gigabytes.
Tricánico trazó entonces una evolución de las unidades de almacenamiento desde el primer disco duro creado por IBM a las alternativas del futuro. “Hoy se habla de almacenar información en ADN bacterial como la próxima frontera”, afirmó. “El precio de almacenar no es un problema”, dijo y agregó que el reto es analizar tanta información.
Big Data, Business Analytics y los proyectos que se abandonan
¿Qué es Big Data? Según Tricánico, esta pregunta puede responderse a través de lo que no es Big Data: no es una tecnología en sí misma, ni disponer de gran cantidad de información, tampoco es Business Intelligence, ni una solución mágica.
De acuerdo al experto, en Uruguay solamente hay un puñado de empresas que manejan un volumen de información que no puede ser procesada con tecnología tradicional. El 98 % de las empresas uruguayas puede englobarse en lo que es analítica descriptiva, el primer escalón de Business Analytics. La analítica predictiva, la analítica prescriptiva y la analítica autónoma (que incluye machine learning y modificación de algoritmos) son los escalones siguientes.
Tricánico reveló que tanto el data mining como Business Analytics se originan en técnicas creadas en las décadas del 60 y el 70. Luego contó que, a grandes rasgos, hay dos acciones a desarrollar con la analítica avanzada: clasificación (reconocimiento de patrones y grupos) y predicción (responder numéricamente a algo).
A su juicio, un aspecto negativo de los proyectos de analítica avanzada es que nunca se terminan: o bien son abandonados o alcanzan un punto en el que se los considera lo suficientemente buenos a pesar de que podrían continuar perfeccionándolos.
Tricánico también abordó los roles que tradicionalmente se suelen hallar en las empresas y los clasificó en tres grupos: expertos en tecnologías de la información (IT), analistas de negocios y usuarios de negocios. El surgimiento de nuevas necesidades han llevado a la incorporación de profesionales en Business Intelligence, data scientists y traductores de negocio
Cómo definir un buen modelo analítico
“Sin preguntas claramente definidas no hay respuestas suficientemente buenas”, dijo en un pasaje de la conferencia, para luego introducir algunas de las características que debe cumplir un buen modelo analítico:
- Debe poder generalizar
- Se ajusta específicamente a la situación
- Debe responder preguntas de negocio
- Debe tener lógica
“Los modelos deben tener lógica de negocios”, indicó luego, reforzando la idea de que los modelos deben responder a una pregunta puntual.
Posteriormente, desmitificó la imagen popular respecto al análisis de datos y contó que no todo el trabajo vinculado a Big Data es interesante. “Toda la parte cool es realmente marginal”, en términos de tiempo; según explicó, la limpieza de datos es la labor principal.
Una de las preguntas más complejas de responder a la hora de planear un proyecto de analítica es su costo. Si bien es posible estudiar casos de diferentes organizaciones, cada realidad tiene condiciones particulares que la hacen irrepetible.
“Es difícil concretar un ROI (retorno de inversión) de antemano”, aclaró. Esto se debe a la imprevisibilidad de cada proyecto, ya que cada situación es única y es imposible trasladar la realidad de una organización a otra. “Los algoritmos no son extrapolables”, explicó.
Por eso es importante determinar cuándo la respuesta es lo suficientemente buena, ya que muchas veces el esfuerzo no compensa la inversión realizada.
Ante este panorama, Tricánico entiende importante plantear un concepto distinto para evaluar el éxito del proyecto, este se daría si pasa alguna o varias de las siguientes situaciones:
- Surja un nuevo conocimiento
- Se puedan tomar decisiones o desarrollar políticas basadas en los resultados
- Se creen reportes, presentaciones o aplicaciones en función de los resultados
- Se aprenda que con los datos disponibles no es posible responder a la pregunta que originó el proyecto
La duda por sobre la respuesta
“Sin pregunta válida no hay experimento”, dijo Tricánico en otro pasaje de la conferencia. Así, entiende que la pregunta, la duda que origina la investigación, es más importante que la respuesta en sí misma. Por estos motivos, el experto no ve viable que las máquinas reemplacen a los humanos en el corto o mediano plazo.
Tricánico se refirió a la democratización que conlleva la reducción de costos de las tecnologías necesarias para desarrollar proyectos de Big Data. “Un proyecto que antes salía un millón y medio de dólares hoy sale cuarenta mil”, ejemplificó.
Por último dijo que, aunque existen tecnologías que facilitan los proyectos, continúa existiendo una gran carga de trabajo humano.
Conferencia completa:
Galería de imágenes:
