Los medios se hacen eco de la nueva realidad ‘datatech’

La transformación digital está extendiéndose a todos los sectores y a la sociedad misma. Empieza a ser habitual que los medios generalistas publiquen noticias sobre los macrodatos. También por qué no, medios especializados en las más diversas áreas como mujer, tecnología o deportes se van haciendo eco del fenómeno big data y sobre todo de sus derivadas: aplicaciones, formación necesaria para manejar macrodatos y nuevos trabajos, las consecuencias (y potenciales riesgos) de la inteligencia artificial, cambios en la privacidad de los individuos, entre otros. Desde luego las organizaciones empiezan a saber de nosotros algo más que un nombre y apellidos.

En esta entrada os voy a poner los textos íntegros que envié para los últimos dos reportajes en los que me pidieron colaborar. En ellos se habla respectivamente de: el big data en la moda, o cómo se manejan los datos detrás de las grandes plataformas ecommerce del retail, y en segundo lugar sobre los nuevos trabajos que están surgiendo a consecuencia de la nueva realidad datatech en combinación con la transformación digital. Son medios tan diferentes como Marie Claire y Nobbot (el portal sobre tecnología de Orange España). Creo que esto es un buen indicador del interés general que suscita ahora más que nunca la revolución del data – centrismo.

nobbot

imagen: nobbot.com

Los reportajes originales los podéis leer aquí en los siguientes enlaces:

+Marie Claire, La magia tras el clic (número de abril’17)

+Nobbot, Esto es lo que necesitan y a esto se pueden dedicar los profesionales del Big Data (publicación online)

Es habitual que cuando te solicitan colaborar se acabe haciendo en la entrada definitiva un filtrado en mayor o menor medida de aquello que en principio te preguntan y explicabas. Por esta razón, creo que puede ser interesante si echáis una ojeada a las dos ‘minientrevistas’. Aquí os dejo los dos textos completos juntos.

-Preguntas realizadas por Violeta Valdés para Marie Claire:

(P)Imagino que las firmas y tiendas multimarca extraen muchísima información sobre nosotros según nuestras adquisiciones y hábitos de compra. ¿A qué fines es aplicable toda esa información?

(R)Aunque podríamos hablar de muchas aplicaciones diferentes, las principales y que más suelen valorar las empresas es: mejora de producto, experiencia de usuario y segmentación del cliente. En una realidad como la actual en la que los clientes tienen una fuerte presencia digital no sólo en las tiendas online sino también en redes sociales, hay océanos de datos que éstos van generando y de los así llamados ‘data lakes’ las organizaciones pueden sacar grandes cantidades de información con un alto valor para su negocio. Esto permite que los diseños de producto estén cada vez más cerca de lo que se lleva a pie de calle, a través de las tendencias que quedan reflejadas en redes sociales como Instagram o Facebook. También hay un poderoso feedback a la hora de configurar una tienda online en la manera que proporcione una mejor experiencia de uso al cliente (son muy comunes técnicas como el A/B testing o el rastreo de visitantes con mapas de calor para poder ver en qué zonas de la página están más cómodos). En tercer lugar, hablamos de segmentación del cliente cuando una empresa posee información suficiente para dividir a sus usuarios en grupos homogéneos con un comportamiento y características similares (edad, sexo, procedencia, nivel económico, etc.); de esta manera se pueden realizar mejores ofertas, o recomendaciones más en línea con las necesidades y preferencias de cada grupo. Para todo esto, el big data la materia prima por excelencia y los algoritmos matemáticos junto con el software adecuado son la herramienta que permite la transformación de datos brutos en información de valor.

Los datos en sí mismos hoy en día son un valor y como tal pueden llegar a ser comercializados o bien suponer un incremento de la valoración económica de una empresa. Una de las ideas fuerza que se plantean en el escenario ‘data-céntrico’ hacia el que avanzamos es precisamente la reutilización de los datos. Si bien es bueno recordar que todo uso de nuestros datos que se haga fuera de la empresa o que se aleje de la actividad habitual de ésta, requiere una autorización expresa por parte del cliente (esos ‘Acepto las Condiciones’ que no leemos casi nunca).

Cuando se efectúan transacciones online, ¿quién sale ganando, las empresas o los consumidores?

La verdad es que ambos tienen mucho que ganar, no sólo desde el punto de vista de la ciencia de datos sino a nivel práctico, operativamente. Por una lado el ecommerce ha supuesto acortar las cadenas de distribución y de valor en las empresas, simplificando así los procesos y produciendo mejoras en costes. Por otra parte, el cliente tiene la posibilidad de ver y comprar desde su casa con unas condiciones más favorables dada la reducción de costes y la comodidad que conlleva una tienda online diseñada con la UX (user experience) como prioridad nº 1. A todo esto hay que añadir la inteligencia de negocio (o la información relevante, dicho de otro modo) que se va generando en torno a la actividad que los usuarios realizan en la web y queda registrada: preferencias y comportamiento del usuario, navegación por el site, rapidez en la conversión (compras), ‘carrito de compra abandonado’, entre otros. Todo ello es susceptible de ser analizado y utilizado para hacer mejoras, como las de las aplicaciones que explicábamos en el punto anterior.

Te hablé del caso de Ivyrevel, cuyos diseños son definidos por un algoritmo que analiza y predice las preferencias de los consumidores. ¿Cómo crees que evolucionará este modelo?  ¿Crees que se popularizará? ¿Acaso lo están haciendo ya más firmas sin nuestro conocimiento?

Es un modelo muy interesante y en el cual Google está colaborando con Ivyrevel como partner tecnológico. En mi opinión, sin duda vamos a ir viendo más y más casos de aplicación de la inteligencia artificial y big data en el diseño y la moda. Algunas barreras o dificultades que se presentan actualmente son: por un lado, que la analítica de datos ha venido siendo una actividad muy centrada en números y texto (por ejemplo datos biométricos de la población o contar palabras en un conjunto de textos). Algunas realidades, como es el caso de la moda son muy visuales. El análisis y reconocimiento de patrones visuales a partir de imagen o vídeo es algo que actualmente se está desarrollando tecnológicamente. De manera resumida, el contenido de una imagen se puede transformar en números y ecuaciones que pueden ser procesados por un algoritmo de manera automática. Google no hace mucho, ha dejado ‘pintar’ libremente a una inteligencia artificial en un experimento y el resultado nos resulta realmente extraño a las personas (link)

Por otra parte, hay que aclarar que la ‘inteligencia’ de los ordenadores es extremadamente potente y nos da mil vueltas a los humanos en áreas como el cálculo numérico o la correlación de variables, además de tener una objetividad a prueba de bombas. Pero no las tienen todas consigo: si nos movemos en campos como la ironía, el lenguaje de doble sentido, la sensibilidad artística y la contextualización, la mayoría de sistemas automáticos aún tienen mucho que aprender de nosotros.

Es por esto que se suele plantear un trabajo conjunto entre la inteligencia humana y la de las máquinas. Aunque los avances de estas últimas están siendo sencillamente espectaculares.

Respecto a la última pregunta, estos casos de aplicación tecnológica para diseñar o mejorar un producto son actualmente el buque insignia de muchas empresas. Es algo que da una imagen de sofisticación y de alto nivel tecnológico per se, como sucede con Netflix por citar un ejemplo. No creo que estén haciéndolo ‘en secreto’ muchas otras firmas, más allá de experiencias piloto, fuera de entornos reales de producción en contacto con el consumidor. En este sentido, hay una fuerte tendencia a la desconfianza por parte de muchos consumidores, reflejo del miedo a perder la privacidad, y en algunos casos justificada por escándalos de espionaje masivo que hemos visto en estos años. No obstante, conviene aclarar que lo que interesa a una organización no suele o no debería ser tu nombre y apellidos u otra información realmente personal, sino patrones de comportamiento que pueden servir para establecer predicciones y preferencias de clientes con un perfil similar al tuyo.

En términos generales y más allá de Ivyrevel, ¿qué impacto tiene en la moda el big data?

Personalmente, veo una auténtica revolución en el hecho de que un mundo lleno de información visual, con Instagram, Snapchat y otros a la cabeza, se pueda empezar a aprovechar para mejorar el diseño y la moda. No lo veo tanto como una suplantación del talento y la dimensión humana de los diseñadores, sino como una complementación, un nuevo aporte. En ningún momento de la historia hemos tenido almacenada tal cantidad de datos, además ahora somos más capaces de procesarla y extraer información de valor de esos océanos de datos que cada día crecen más. En este sentido es un momento muy interesante, no sólo en la moda sino a nivel global porque hay una verdadera transformación de la sociedad por medio de la tecnología. Nos hemos convertido en una Sociedad Red, y esto va a influir en el sector de la moda, desde la fase de diseño y creación hasta la venta, pasando por la difusión y publicidad.

En los primeros años de Inditex había personas que trabajaban como ‘ojeadores’ buscando tendencias a pie de calle, en campus universitarios y cafeterías para ver cómo era la moda real, lo que se llevaba. Hoy en día los ‘nuevos ojeadores’ pueden y deben ser algoritmos, sistemas que recogen información de las redes sociales e internet, cribando y extrayendo toda suerte de tendencias para poder estar más cerca del cliente y ser más competitivos. De hecho, la empresa de Amancio Ortega fue de las primeras en aplicar el cálculo numérico y la informática para mejorar procesos internos de producción; hoy en día cuentan con un departamento muy potente en Data Science y Business Intelligence. No son los únicos.

Otro aspecto que me gustaría destacar es, que la tecnología ha pasado a convertirse en una tendencia en sí misma y por tanto, también se puede entender como parte de la moda. No en vano, al hilo de lo ya comentado con Ivyrevel, términos como ‘code’, ‘geek’ o el mismo ‘data’ (así como no sólo los términos, sino las realidades y maneras de ver el mundo que tienen detrás) son utilizados por las empresas como una manera de atraer a los consumidores, de mostrarse de un modo sofisticado y más competitivos. En resumen, el big data vende, yo diría que está de moda y desde luego está ayudando al sector de la moda

kddfashion

imagen: KDD2016 Workshop. KDDnuggets

*en este workshop de KDDnuggets titulado ‘Machine Learning Meets Fashion’ aparece información más a fondo sobre aplicación de tecnologías AI en el mundo de la moda https://kddfashion2016.mybluemix.net/

-Preguntas realizadas por Juan Fernández para Nobbot:

(P) ¿Qué tipo de formación/es permite en la actualidad acceder al mercado laboral en big data?

(R) Conviene no menospreciar la base tecnológica, así como la estadística-matemática de los macrodatos. En este sentido, la formación en torno al big data (incluso si está destinada a negocio) deberá contar con un contenido suficiente de capacitación en herramientas tecnológicas específicas – aquí estaríamos hablando de frameworks como el famoso Hadoop, sistemas NoSQL y otros componentes que hacen que un sistema big data funcione desde el punto de vista de la tecnología -. Asímismo, una vez que tenemos los grandes datos y tenemos las herramientas para manejarlos, tenemos que saber cómo analizarlos con el rigor suficiente mediante modelos matemáticos. Aquí entra desde la estadística descriptiva básica hasta las redes neuronales convolutivas y el deep learning, pasando por la inferencia estadística y los modelos bayesianos. Es imprescindible saber matemáticas si pretendemos trabajar áreas como el aprendizaje automático o machine learning con los datos.
Han surgido varias opciones en cuanto a formación big data en unos pocos años. En la plataforma SoyData apostamos por la formación online, flexible, en español e impartida por expertos de la industria.

-¿Cómo evolucionará en el corto y medio plazo?

Cada vez se habla más de machine learning, deep learning, inteligencia artificial, internet de las cosas y de lo cognitivo. Según indican los estudios, el big data ya está entre nosotros y para poder sacar todo su potencial debemos tratar de aplicar análisis predictivos complejos y desarrollar sistemas en los que las máquinas tomen sus propias decisiones. Parece que todo lo relativo a inteligencia artificial y machine learning es un fenómeno que va a ser duradero e intersectorial.

– ¿Cuáles serán los perfiles de profesional de big data más demandados en el futuro?

No hay un único perfil, si bien todos deberían contar con estas componentes que hemos mencionado antes en mayor o menor medida. Tenemos un perfil más ingenieril o desarrollador de aplicaciones capaces de soportar grandes datos, y por otro lado un perfil necesario que está cobrando mucha importancia es el analista, capaz de crear modelos y sistemas de toma de decisión automáticos. Una tercera pata de conocimiento que es fundamental es el negocio. Lo que hacemos con los datos lo tenemos que aplicar al negocio en que estamos trabajando para que sea de algún valor. En este sentido, el perfil de ‘Business Translator’ como lo llaman en un reciente informe de McKinsey Global Institute es un perfil que, según este mismo informe, va a tener gran importancia en las organizaciones. Son profesionales con base técnica/tecnológica pero con la capacidad de conectar con los objetivos y necesidades estratégicas de la empresa.

-¿Cuáles son los desafíos futuros del sector?

Para mí el principal desafío es conseguir aprovechar todo el potencial que el big data puede ofrecernos, para lo cual sigue habiendo una brecha muy importante de capacitación en la sociedad. No hay suficientes personas formadas con las habilidades necesarias y las previsiones indican que este déficit va a aumentar. Por otro lado algunas buenas prácticas necesarias para la consecución del big data no se están realizando, aunque todo el mundo habla de ellas. Un ejemplo sería compartir los datos, incluso dentro de una organización. Siguen existiendo silos en cuanto a que los datos están compartimentados.
Hay también un desafío desde un punto de vista moral, conseguir que la gente no desconfíe acerca de cómo las organizaciones van a tratar sus datos. Es increíble cómo hace años aparecía nuestro nombre y número en la guía telefónica y ahora, a pesar de toda la legislación en torno a la privacidad, cada vez nos sentimos más vulnerables.

-¿Representa la inteligencia artificial una amenaza?

¡Es una buena pregunta! La automatización puede llegar a hacer que muchos trabajos desaparezcan o se vean muy reducidos. En este sentido puede que la transformación digital requiera al final una revisión de cómo funciona el mundo más a fondo de lo que ahora parece que estamos dispuestos a hacer.

En un horizonte más amplio, tenemos la famosa singularidad, esto es, cuando las máquinas superen a las personas en inteligencia. Eso, según algunos autores es literalmente el apocalipsis y para otros incluso ha llegado ya. La realidad es que, si bien en algunos aspectos de la inteligencia, como el cálculo o el almacenamiento, las máquinas nos han superado ya hace años, hay una inteligencia humana que a los sistemas artificiales les cuesta mucho siquiera acercarse a nuestros niveles. La capacidad de entender un chiste o el doble sentido en una frase, por ejemplo. Si poner en contexto una frase es un reto para los sistemas de inteligencia artificial hoy en día, no creo que nos debamos preocupar de ellos como amenaza, en el sentido que retrata la ciencia ficción.

El big data en los medios

imagen: nobbot.com