¿En qué consiste el Machine Learning?

El Machine Learning, o analítica avanzada, comprende una serie de técnicas y metodologías matemáticas que permiten la creación de algoritmos para la modelización de los datos disponibles. Gracias a estos modelos, se puede predecir la evolución de las variables a analizar, así como aumentar el conocimiento sobre las razones que provocan dicha evolución.

El Machine Learning es, por tanto, una metodología, una herramienta o un medio para lograr un objetivo concreto, por lo que no tiene un objetivo establecido, más allá de la modelización. Los objetivos los deben de fijar las propias empresas basándose en sus necesidades y tras hacer un correcto análisis de su estado, de su cadena de creación de valor y de sus puntos críticos.

Para implementar un proceso de esta índole las empresas deben de seguir las fases recogidas en la metodología CRISP-DM.

En primer lugar, deben analizar la propia empresa y las oportunidades de negocio existentes para determinar en qué áreas se debe implantar. Es importante marcarse objetivos realizables y hacerlo de forma escalonada, logrando así ver beneficios sin entrar en un gran proyecto cuyo retorno se dilate excesivamente en el tiempo.

Tras ello, es necesario analizar los datos, prepararlos y modelarlos para obtener los resultados esperados.

Antes de la última fase, se deben evaluar los resultados generados por el modelo, es decir, ver si lo que determina el modelo se corresponde con la realidad. Por último se realiza la fase de implementación. Es en esta última fase donde se genera valor para la compañía, en caso de no llegar a este punto el proyecto se ve reducido a un estudio teórico que no se traslada a la empresa y que por lo tanto no genera valor.

Por lo general un proyecto de Machine Learning es un proceso que debe involucrar a todos los estamentos de una compañía, ya que requiere un esfuerzo económico además de una modificación en la forma de proceder. Por ello, es necesario que el proyecto esté gestionado por personas con responsabilidad en la compañía o en el departamento en el que se vaya a desarrollar, además de contar con el apoyo y la complicidad del resto de las personas involucradas en el proceso, ya que sin esto es prácticamente imposible lograr una correcta implementación.

Adicionalmente, en la mayoría de los casos es adecuado contar con personal externo y experto en la materia que pueda asesorar en la definición del proyecto, evaluación e implantación, así como, en la realización de las tareas de preparación y modelización de los datos. Hay que tener en cuenta estos procesos son revolución en la forma de gestionar las organizaciones y que existe una importante falta de personal cualificado en estos campos, por lo que es importante contar con expertos en la materia.

El beneficio que deben de buscar todas las empresas es un beneficio económico, ya que es un proceso de innovación que requiere de una inversión y como tal debe de generar una rentabilidad y tener unos objetivos y unas métricas claras, medibles y definidos. Los beneficios pueden venir de muchos campos dependiendo del caso de uso, pero principalmente vienen de una reducción de los costes o de un incremento de las ventas lo que tiene un impacto directo en la cuenta de resultados.

 Las empresas que explotan los datos de una manera más intensiva son, en promedio, un 5% más productivas y un 6% más rentables que aquellas que no lo hacen. Además de ello, las empresas que utilizan el dato en su proceso de toma de decisiones están gestionadas de una forma más eficiente. En el fondo, estamos ante una nueva revolución industrial, la industria 4.0, y aquellas empresas que no se adapten a los nuevos tiempos dejaran de ser competitivas en el mercado. Por ello, podemos afirmar que es necesario implementarlo en todas las empresas, respetando sus características propias.

 La analítica avanzada, y la no tan avanzada, es algo transversal que se puede dar en todas las compañías y en la mayoría de sus áreas o departamentos. El análisis de datos está relacionado con una modernización y una optimización de los distintos procesos de la empresa por lo que se puede aplicar a todos los sectores. A su vez, hay que tener en cuenta que cada empresa es diferente y tiene unas circunstancias y unas características (tamaño, nivel de desarrollo beneficios potenciales, competencia, mercado…) que obligan a adaptar y personalizar su implementación.

 No obstante, por lo general, existe una gran falta de conocimiento en la importancia y los beneficios potenciales de implementar una estrategia de analítica de datos dentro de la empresa. Pese a que en los últimos dos años está aumentando la curiosidad sobre este campo, en la actualidad, la mayoría de las empresas pequeñas y medianas lo ven como algo reservado para las grandes empresas y no como algo que pueden aplicar en sus empresas, lo que, a mi modo de ver, es un error.

Nota: entrevista del autor del post en Navarra Capital bajo el título "El "Machine Learning" aumenta un 6% la rentabilidad"

Comentarios

Deja un comentario

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

No hay comentarios

    X