Negocios

El científico para "leer" y extraer información de big data gana terreno en retail y banca

Especialistas con conocimientos en estadísticas, matemáticas y algoritmos computacionales, identifican desde riesgos de fuga de clientes o alertas virales.

Especialista. Decide cómo combinar datos para obtener información relevante. (Foto: Shutterstock)
Especialista. Decide cómo combinar datos para obtener información relevante. (Foto: Shutterstock)

Analítica, machine learning, big data. De por sí las herramientas que permiten analizar o procesar un gran volumen de datos no son útiles en sí mismas. Pero combinadas pueden ser clave para retener clientes, mejorar el control de stock, conocer el riesgo crediticio de un cliente o alertar ante un problema de imagen de marca antes de que se torne viral.

Acá es donde entran en juego los data scientists o científicos de datos, responsables de moldear y hacer «los cortes» puntuales en ese océano de datos, precisó Bruno González, líder de ingeniería de datos de la empresa uruguaya Idatha.

Según González, el perfil aún no caló hondo en Uruguay y recién comienza a verse en retail, banca, servicios o gobierno. «Son empresas con muchos datos. Ahí el científico, que conoce de estadísticas, matemáticas y algoritmos computacionales, se dedica al modelado, a descubrir información que antes no se conocía, realizar cortes y construir modelos; por ejemplo, un perfil de compra de un cliente o cómo se comporta una marca en redes sociales», explicó.

El experto se presentó en el IBM Code Day Montevideo donde habló sobre las herramientas tecnológicas y los alcances para analizar y generar modelos relevantes para las empresas.

En entrevista con El Empresario, González explicó que si bien existe software avanzado que permite captar y segmentar los datos, el análisis y entender cuáles son las variables que interactúan para determinar un comportamiento, aún es una tarea para los humanos.

«En la banca (sirve) para los clásicos modelos de riesgo de los clientes a la hora de obtener un crédito o en retail y empresas de telecomunicaciones, la probabilidad de fuga de un cliente según su comportamiento y su contexto», ejemplificó.

Para el modelado y análisis de cada tema, la empresa se apoya tanto en datos abiertos de redes sociales como datos de las propias compañías. Por ejemplo, en una empresa industrial aplicaron un cruce de tecnología de reconocimiento de imágenes e inteligencia artificial, combinada con información que poseía la compañía. Así, en base a imágenes de una cámara, pudieron saber qué cantidad de insumos tienen. «Creamos una herramienta de control, que compara el volumen de lo que entra con lo que declara el transportista», dijo.

Saber decodificar y entender qué datos son relevantes también es útil a la hora de prevenir problemas. «Con Walmart de Chile trabajamos para entender la reputación de la marca y la calidad del servicio. Por ejemplo, alguien compró un kilo de arroz y encontró un gusano adentro. Nosotros, cruzando la información correcta, alertamos a la empresa para que ataque el problema antes de que se detone y se viralice (en redes)», dijo González.

La empresa también trabaja a nivel estatal, estudiando tendencias sociales en áreas como transporte o energía.

Reportar error
Enviado
Error
Reportar error
Temas relacionados
Te recomendamos
Max caracteres: 600 (pendientes: 600)

º