Tag: Inteligencia Artificial

El terreno de las tecnologías de información está a la orden del día y son muchas las empresas que vuelcan gran parte de sus gastos en invertir en ellas. Los pilares sobre los que se sustentan las TIC´s son la Transformación Digital, el Big Data y la Industria 4.0. Siendo la Transformación Digital el principal proceso que escogen las empresas para consolidarse en la era más tecnológica conocida hasta la fecha.

Existen multitud de tendencias que vienen de la mano de estas tecnologías de la información, pero en este post sólo os hablaremos de aquellas que consideramos más importantes durante este 2018.

Inteligencia Artificial

Su despegue definitivo tuvo a lo largo del pasado año, constituyéndose a día de hoy como la tecnología más importante y con mayor progresión. Las principales tecnologías de inteligencia artificial que marcarán los años venideros son:

  • Del procesamiento conjunto de la ciencia computacional y la lingüística aplicada, nace el Procesamiento de Lenguaje Natural (PLN o NLP en inglés), cuyo objetivo no es otro que el de hacer posible la compresión y procesamiento asistidos por ordenador de información expresada en lenguaje humano, o lo que es lo mismo, hacer posible la comunicación entre personas y máquinas.
  • Machine Learning o aprendizaje automático, es una Inteligencia Artificial que crea sistemas que aprenden de forma automática. Actualmente, se utilizan en gran variedad de aplicaciones empresariales, principalmente para realizar predicciones, sistemas de recomendación o clasificaciones. El objetivo es crear algoritmos inteligentes para detectar patrones exitosos y aprender de estas tendencias para poder repetirlas.
  • Deep Learning o Aprendizaje profundo. Es una técnica dentro del machine learning basado en arquitecturas de redes neuronales artificiales. Está relacionado con algoritmos inspirados en la estructura y función del cerebro. Estas redes neuronales artificiales se construyen como el cerebro humano, con nodos de neuronas conectados como una red. Un modelo basado en deep learning puede aprender a realizar tareas de clasificación directamente a partir de imágenes, texto o sonido, etc. sin necesidad de intervención humana para la selección de características.

Internet de las cosas (IoT)

Con el Internet de las Cosas (en inglés, Internet of Things, IoT), hacemos referencia a la conexión de las personas con los objetos. El IoT se trata de la digitalización del mundo físico. Pongamos un ejemplo: IoT puede ser que un frigorífico pueda realizar una compra online de un producto que haya caducado.

Otro ejemplo podemos observarlo en las zapatillas deportivas en las que, mediante un chip en las botas, podemos tener datos reales sobre el esfuerzo físico realizado.

Quizás, aún tenemos un largo recorrido para que todos tengamos en nuestros hogares frigoríficos inteligentes, pero está a un paso de ser realidad gracias al sistema de identificación por radiofrecuencia, bastará con integrar un chip de pocos milímetros en cualquier objeto del hogar, del trabajo o de la ciudad para poder procesar y transmitir información a partir de él constantemente. El objetivo de todo esto es proporcionar a los consumidores una serie de servicios y aplicaciones inteligentes sin precedentes.

Edge Computing

A medida que los drones inteligentes, los vehículos autónomos y otros dispositivos inteligentes alimentados con inteligencia artificial se conectan y se comunican de manera instantánea a través del IoT, la cuestión del envío de sus datos a la nube es muy poco práctico. Muchos de estos dispositivos necesitan respuesta y procesamiento en tiempo real, lo que convierte al edge computing en la única opción viable.

Como podéis observar, este término está muy ligado al anterior, ya que su principal objetivo es hacer útil aquellos datos recolectados por los sensores y dispositivos loT. Antes, estos datos se enviaban a la nube (Cloud Computing) como almacenamiento y solo servía para obtener cierta información. Actualmente, estos datos procedentes del IoT y de sensores se procesan a través del Edge Computing (análisis en local en lugar de en la nube) y aporta una mayor autonomía a éstos para que sean más “inteligentes”, no sólo para recolectar la información sino también para analizarla.

El edge computing conlleva muchas ventajas: análisis de los datos en tiempo real ya que son analizados a nivel local y abaratamiento de costes operativos ya que no se requieren centros de datos. Sin embargo, aunque el Edge continúe siendo la opción preferida para procesar datos en tiempo real, es probable que los datos más importantes y relevantes sigan dirigiéndose a la nube.

Big Data Analytics: análisis de grandes volúmenes de datos.

Es un concepto que agrupa esas tecnologías y modelos matemáticos que se dedican a almacenar, analizar y cruzar toda grandes volúmenes de datos para intentar encontrar patrones de comportamiento o información útil para hacer de esta información una ventaja competitiva de inteligencia empresarial. Las plataformas de analítica Big Data serán una herramienta indispensable para la toma de decisiones.

Industria 4.0 

Esta industria 4.0, también denominada Industria Inteligente, se trata de una nueva revolución industrial de base tecnológica que constituye una nueva forma de organización y gestión de la cadena de valor de la industria. Esta cuarta revolución industrial viene determinada por la introducción de la tecnología digital en fábricas inteligentes capaces de adaptarse a las necesidades y procesos de producción. Este cambio tecnológico, permite vincular el mundo físico al virtual para hacer de la industria una industria inteligente. Aunque las oportunidades que ofrece esta industria 4.0 son múltiples, la que más nos llama  la atención es que en los próximos años surgirán nuevos modelos de negocio que enriquecerán la cadena de valor de la industria y estarán basados en la creación de nuevas propuestas para los clientes tanto externos como internos. Sin embargo, la integración total de los sistemas de información se enfrentarán a un desafío importante: la recolección de una inmensidad de datos procedentes de una gran variedad de fuentes diversas y heterogéneas, donde entrarán en juego las tecnologías anteriormente citadas: big data, inteligencia artificial, IoT, edge computing…

Blockchain

El blockchain, o cadena de bloques en español, se trata de una base de datos diseñada para almacenar de forma creciente (por bloques) datos ordenados en el tiempo (en cadena) y que no puedan ser modificados una vez publicados (mantiene los datos seguros y privados).

La primera aplicación práctica de la cadena de bloques pudimos verla con la aparición de las criptomonedas o el bitcoin en 2008. También, puede utilizarse para registrar datos de transacciones -se puede aplicar a todo tipo de transacciones que no tienen por qué ser necesariamente económica-, acuerdos, contratos, etc., es decir, todo aquello que se tenga la necesidad de registrar de forma independiente y verificada.

Además, este registro de datos es universal, es decir, no se distribuye en un único sitio sino a través de muchas computadoras y toda persona puede acceder a esta base de datos con la versión actualizada. Esto supone que todo el control del proceso está en manos de los propios usuarios.

El futuro de esta tecnología vendrá de la manos de aquellas empresas que desarrollen sus propios servicios de blockchain o cadena de bloques, sobre todo en el sector bancario, tanto para ofrecer servicio al público en general como para grupos reducidos, un servicio personalizado para clientes específicos.

Realidad aumentada

La realidad aumentada consiste en combinar el mundo real con el virtual mediante un proceso informático, enriqueciendo la experiencia visual y mejorando la calidad de comunicación. No debemos confundir este término con el de realidad virtual, en el post anterior hacemos referencia a ambos términos así como las principales diferencias entre los mismos.

Gracias a esta tecnología se puede añadir información visual a la realidad, y crear todo tipo de experiencias interactivas: catálogos de productos en 3D, probadores de ropa virtual, video juegos y mucho más. Aunque existen tiendas online en las que esta realidad aumentada está implementada, aun queda mucho por recorrer. Cabe esperar que se consolide esta tendencia para que deje de serlo y se instaure como un recurso imprescindible.

En ITELLIGGENT nos hemos especializado en el desarrollo de tecnologías encaminadas a la estructuración de grandes volúmenes de datos (procedentes de Internet y de los sistemas propietarios) y el desarrollo de soluciones que permitan a las organizaciones obtener una ventaja competitiva gracias a la “inteligencia” que el análisis de estos grandes volúmenes de datos (Big Data) les aporta.

Es por ello que en este post, queremos exponer qué tipo de ventajas ofrece el uso del Big Data y la Inteligencia Artificial a través de herramientas diseñadas para ello. Es decir, mostrar cómo la estructuración de grandes volúmenes de datos junto a técnicas de inteligencia artificial pueden ofrecer información útil para cualquier tipo de negocio.

photo-15

Big Data y pricing. Monitorización de precios, modelización y gestión.

Una de las principales razones por las cuales los consumidores suelen hacer sus compras en el mundo online es la de beneficiarse de precios más ajustados que en los establecimientos físicos. Este hecho nos hace platearnos que, disponer de una herramienta de gestión y control de precios en Internet sea una tarea esencial para poder tomar decisiones en las estrategias de fijación de precios online.

Un ejemplo de plataforma big data enfocada al pricing es NetPrice de ITELLIGENT. Con esta herramienta se puede reducir la incertidumbre en la toma de decisiones en torno a una estrategia de precios. La herramienta recolecta una gran cantidad de precios e información sobre productos y servicios, tanto internos como de la competencia, para un posterior análisis de sus fluctuaciones. Esto facilita que se entienda mejor el mercado y permita anticiparnos a la demanda.

MONITORIZACIÓN MASIVA DE PRECIOS Y DETECCIÓN DE OPORTUNIDADES Y AMENAZAS

¿Por qué extraer precios? La extracciones masivas de precios (en algunos casos más de 150 millones de precios al mes) y su modelado para detectar aquellas amenazas y/o oportunidades,  debe requerir la atención de cualquier empresa. Esta monitorización de precios permite centrar el esfuerzo solo en aquellos precios (propios y de la competencia) que realmente puedan tener un impacto en la cuenta de resultados de la empresa.

BUSCADORES DE PRECIOS

En aquellos sectores con fuerte dependencia de buscadores de precios (ej. seguros), la monitorización masiva de precios, propios y de la competencia en estos buscadores, mediante la creación de modelos matemáticos descriptivos y predictivos, permiten que una empresa pueda adelantarse a la competencia obteniendo una ventaja diferencial gracias al conocimiento que esta modelización les aporta.

Una herramienta como Netprice facilita al departamento comercial establecer políticas de precios en base a técnicas de Revenue o Yield Management, o lo que es lo mismo, optimizar su gestión de precios en función de la demanda y la disponibilidad de artículos. Es fundamental la optimización del precio del producto/servicio para lograr maximizar los ingresos. Tener a disposición una plataforma con estas características se ha convertido en un elemento necesario e indispensable para la obtención de un control total de la gestión de grandes volúmenes de precios en Internet.

GEOMARKETING: localizaciones óptimas y segmentación inteligente de consumidores.

Una de las ventajas del análisis conjunto de los datos demográficos, económicos y geográficos es la posibilidad de realizar estudios de mercado para rentabilizar las estrategias de marketing llevadas a cabo por las empresas.

El análisis de este tipo de datos se puede llevar a cabo a través del Geomarketing. Tal como su propio nombre indica, Geomarketing es una confluencia entre geografía y marketing. Se trata de un sistema integrado de información –grandes datos de diversa índole-, métodos estadísticos y representaciones gráficas orientados a dar respuestas a cuestiones de marketing de forma rápida y sencilla.

photo-1476973422084-e0fa66ff9456

¿Cómo se puede aprovechar estos datos?

MODELOS DE VENTA

Un ejemplo pueden ser proyectos de distintos sectores cuyo objetivo sea crear modelos geoespaciales avanzados que permitan predecir cómo influyen determinados elementos (competencia, polos de atracción, demografía, horarios…) en la facturación de los comercios con vistas a detectar potenciales áreas de mejora.

El resultado de estos modelos se puede visualizar sobre un sistema de información geográfica, como como ser netgeomarketing de ITELLIGENT, de forma que permita a la empresa poder iterar con el modelo y ver los resultados de una forma muy visual.

FRANQUICIAS

Otro ejemplo podemos verlo en aquellos proyectos en los que el objetivo es la detección de ubicaciones óptimas para el establecimiento de una franquicia. En ITELLIGENT se ha desarrollado una metodología propia y algunas herramientas de soporte a la decisión sobre sistemas de información geográfica que permite a las empresas tomar decisiones informadas sobre la ubicación óptima de sus franquicias

¿Para qué sirve una plataforma de geomarketing?

  • Tomar decisiones de negocio en función de la localización de su mercado en un área geográfica
  • Planificar la estrategia de expansión, optimizar una red comercial, de punto de venta o red de distribución.
  • Determinar zonas de influencia y cobertura geográfica.
  • Evaluar perfiles de población (targets o clientes)
  • Descubrir dónde y cómo llegar a tus clientes para llevar a cabo acciones de marketing.
  • Averiguar puntos calientes de ventas (hot ubiety)
  • Detectar y evaluar dónde se encuentra la competencia así como calcular su cobertura y área de influencia.

La transformación digital está comenzando a ser un factor competitivo para marcar la diferencia dentro del sector inmobiliario. Las nuevas tecnologías IT suponen una revolución dentro del sector ya que permiten simplificar procesos, mejorar la economía del tiempo y reducir costes. Estas tecnologías digitales evolucionan a un ritmo imparable y las empresas del sector deben adaptarse a esta situación de constante cambio para no quedarse atrás en el mercado. Es por ello que, con en este caso de práctico, queremos  mostrar cómo la tecnología IT ofrece soluciones optimas para el desarrollo de actividades profesionales dentro del sector inmobiliario.

Pero antes, debemos plantearnos varias cuestiones: ¿qué es la transformación digital?¿en qué consiste? ¿por qué hace falta?

La transformación digital es la reinvención de una organización a través de la utilización de la tecnología digital.

Existen una serie de amenazas que hacen que la transformación digital suponga una cuestión de supervivencia empresarial para cualquier sector. Estas amenazas son:

  • Uberización. El surgimiento de empresas como Uber, Bla Bla Car, Airbnb, … suponen una amenaza que tambalean empresas con una visión muy tradicional en un sector determinado.
  • Gigantes digitales. Las capacidades de grandes empresas como Google, Amazon, Microsoft, … es muy difícil competir con ellas, incluso poseen capacidades de absorción.
  • Puede que una empresa tipo Uber y un gigante digital como Google, puedan parecer unas amenazas remota pero… ¿qué está haciendo tu competencia? ¿se está reinventando con el uso de tecnología digital?

Algunas claves para afrontar la transformación digital (en qué consiste):

  • Cualquier empresa debe convertirse en una empresa tecnológica: uso de robotica, IoT, Procesamiento del Lenguaje Natural, Aprendizaje Automático, etc.
  • Aventurarse sin miedo a imaginar cómo la tecnología podrá cubrir las necesidades futuras de nuestros clientes.
  • Las fronteras entre sectores desaparecen: las capacidades tecnológicas permiten a una empresa entrar en cualquier sector.
  • Es fundamental abrir nuestros sistemas a terceros. Ninguna empresa es lo suficientemente grande o inteligente para no mejorar sus productos gracias a la colaboración de otras personas, empresa, etc. Este concepto es habitual verlo en los smartphones con sus apps de terceros.

APARTAMENTOS

CASO DE USO: Transformación Digital en el mercado inmobiliario

Nuestro cliente, una empresa inmobiliaria tradicional cuyo negocio ha consistido en la intermediación de la compra-venta y alquiler de inmuebles, ve una oportunidad de negocio  en la inversión inmobiliaria para su posterior alquiler, mediante crowdfounding soportada en una plataforma digital.

  • Necesidad del cliente

El cliente disponía de un equipo de análisis de oportunidades que debía analizar las distintas viviendas en ventas en aquellos municipios de interés para determinar cuáles deberían ser objeto de un estudio detallado, es decir, estos analistas debían generar una “lista corta” de oportunidades para que el equipo de desarrollo de  negocio hiciese una evaluación detallada de  las mismas.

En España se producen muchos nuevos inmuebles en venta al mes, una cifra alta para que el equipo de analistas pudiese realizar el análisis manualmente de cada una de ellas. Además el análisis realizado por este mismo equipo se basa en la obtención manual de viviendas más o menos similares en la zona y la extrapolación de los datos de estas viviendas al inmueble en estudio. Lo que, además de ser una tarea ardua, no se aprovecha en su totalidad los datos ni se modeliza de una forma científica.

Transformacion-Digital_Inmobiliario_necesidadesPara solucionar estas necesidades, los objetivos a cumplir en este proyecto fueron:

  • Reducir el tiempo de análisis de las oportunidades para poder analizar todas las ofertas de inmuebles.
  • Basar el análisis de las oportunidades en métodos científicos que aprovechen el gran volumen de datos disponibles (Big Data) en lugar de basarlo en intuiciones.

SOLUCIÓN ITELLIGENT

Diariamente se producen en España oferta de ventas de inmuebles y de alquiler de imuebles.

  1. El primer paso fue modelizar los precios de la oferta de alquiler para poder predecir por cuanto se podría alquilar una vivienda que esté en venta. Además, estos modelos permiten entender los factores que han influido en la predicción.
  2. Una vez que se disponía de una predicción del precio de alquiler de una vivienda que está en venta, se corrigen dichos precios para tener en cuenta a capacidad de negociación tanto en la compra del inmueble como en el alquiler del mismo.
  3. Tras haber corregido los precios, se añade una estimación de los costes de la compra (hipoteca..) así como una estimación de los costes de reforma.
  4. Con los datos anteriores, se realiza un análisis de la inversión con un plazo temporal que fija el cliente, obteniéndose para cada vivienda un retorno de la inversión (ROI) para cada inmueble en venta.

Transformacion-Digital_Inmobiliario_solucion-ITELLIGENT

RESULTADO 

Gracias a esta solución, el equipo de analistas puede realizar su trabajo de forma que:

  • Ahora el equipo de analista es capaz de analizar todas las oprtunidades que se presentan en el mercado  sin que se le quede ninguna oportunidad importante fuera por falta de tiempo.
  • Al utilizar modelos sofisticado de Data Science y Big Data, los resultados son más más exactos y fácil de justificar.

En este caso de uso se describe cómo el Data Science y Big Data ayudan a la transformación digital del sector inmobiliario.

Transformacion-Digital_Inmobiliario_resultados

CONCLUSIÓN

En este caso de uso se cumplen alguna de las claves que hemos comentado al inicio de este post:

  • Una empresa dedicada a la mediación de la compra-venta de viviendas se introduce en un sector diferente al suyo (inversiones). La frontera entre ambos sectores se hace difusa.
  • Se cubre una necesidad mediante el uso de la tecnología. La empresa ha comenzado su viaje de pasar a una empresa meramente administrativa a una empresa con importante componentes tecnológicos.
  • En el futuro, es posible que la empresa abra su sistemas a otros actores. Por ejemplo, empresas de mantenimientos, de seguros, administradores de fincas, etc que puedan dar otros servicios.

Inteligencia Artificial como parte del PLN

Desde los inicios de la humanidad hasta la actualidad, ha tenido lugar incremento del conocimiento tal como lo conocemos hoy día. Como resultado de siglos de investigación, con frecuencia sobre los temas aparentemente no relacionados, tenemos el conocimiento científico, el recurso más importante del que dispone la raza humana. Del procesamiento conjunto de la ciencia computacional y la lingüística aplicada, nace el Procesamiento de Lenguaje Natural (PLN o NLP en inglés), cuyo objetivo no es otro que el de hacer posible la compresión y procesamiento asistidos por ordenador de información expresada en lenguaje humano, o lo que es lo mismo, hacer posible la comunicación entre personas y máquinas.

Existen distintos programas que exhiben diferente grado del procesamiento inteligente del lenguaje. Por ejemplo, un buscador de documentos puede buscar simplemente los documentos que contienen la cadena de caracteres especificada por el usuario, sin importar que dicha cadena tenga o no un significado en un lenguaje o idioma. En este caso no sería una aplicación del PLN. Sin embargo, el mismo buscador podría buscar los documentos que comuniquen la idea especificada por el usuario, sin importar las letras que la comunican, y en este caso, sin duda, sería una excelente aplicación de PLN, ya que entendería la idea comunicada en la petición del usuario, la idea comunicada en cada uno de los documentos, y sería capaz de compararlas.

Arquitectura de un sistema de PNL

La arquitectura de un sistema de PLN se basa en una definición de Lenguaje Natural por niveles, los cuales son:

  1. Nivel fonológico: trata de cómo las palabras se relacionan con los sonidos que representan
  2. Nivel morfológico: trata de cómo las palabras se construyen a partir de unas unidades de significado más pequeñas llamadas morfemas
  3. Nivel sintáctico: trata de cómo las palabras pueden unirse para formar oraciones, fijando el papel estructural que cada palabra juega en la oración y qué sintagmas son parte de otros sintagmas
  4. Nivel semántico: trata del significado de las palabras, y de cómo los significados se unen para dar significado a una oración, también se refiere al significado independiente del contexto, es decir, de la oración aislada.
  5. Nivel pragmático: trata de cómo las oraciones se usan en distintas situaciones y de cómo el uso afecta al significado de las oraciones.

Esta arquitectura muestra cómo la computadora interpreta y analiza las oraciones que le sean proporcionadas:

  1. El usuario le expresa a la computadora qué es lo que desea hacer.
  2. La computadora analiza las oraciones proporcionadas, en el sentido morfológico y sintáctico, es decir, si las frases contienen palabras compuestas por morfemas y si la estructura de las oraciones es correcta.
  3. El siguiente paso es analizar las oraciones semánticamente, es decir, saber cuál es el significado de cada oración, y asignar el significado de éstas a expresiones lógicas (cierto o falso).
  4. Una vez realizado el paso anterior, ahora podemos hacer el análisis pragmático de la instrucción, es decir, una vez analizadas las oraciones, ahora se analizan todas juntas, tomando en cuenta la situación de cada oración. Una vez realizado este paso, la computadora ya sabe qué es lo que va a hacer, es decir, ya tiene la expresión final.
  5. Una vez obtenida la expresión final, el siguiente paso es la ejecución de ésta, para obtener así el resultado y poder proporcionárselo al usuario.

Aplicaciones

Habiendo visto cómo se desarrolla el procesamiento de lenguaje natural, podemos deducir, por tanto, algunas de sus múltiples aplicaciones, entre las cuales se encuentran las siguientes:

Personal-Profesional
  • Gestión del tiempo
  • Control de estrés
  • Toma de decisiones
  • Etc.
Salud
  • Estrés
  • Adicciones
  • Miedos y traumas
  • Etc.
Educación
  • Resolver situaciones difíciles
  • Estrategias eficaces para el aprendizaje
  • Enseñar con éxito
  • Etc.

Algunas aplicaciones más concretas del PLN son: análisis y síntesis de voz, traducción automática, revisión lingüística, recuperación de la información, respuesta a preguntas, extracción de la información, reconocimiento del habla, entre otras.

Como se ve, el PLN está presente en nuestra vida diaria mucho más de lo que nos creemos, es por ello que desde hace pocos años se haya vuelto tan crucial para distintos ámbitos en los que nos movemos, haciéndolo herramienta indispensable para las empresas a la hora de obtener información y utilizándola a su favor.