Categorías
Infonews

Machine Learning y Big Data: presente y futuro del influencer marketing

  • Las marcas pueden iniciar campañas de influencer marketing acertando en casi todos los aspectos, con proyecciones de efectividad cercanas al 95%.
  • No usar la data recolectada y analizada sobre los influencers y sus audiencias es un desperdicio, sobre todo en una época en que las compañías están buscando potenciar sus estrategias digitales con contenidos comprobados.

Santiago, Chile. 28 mayo, 2020. El Machine Learning y el Big Data transformó casi todas las industrias a nivel mundial, sin embargo, pocos hablan de cómo las nuevas tecnologías están cambiando el influencer marketing con una premisa sencilla: predecir los resultados de las campañas, antes de iniciarlas. Saber que resultados voy a lograr con cada influencer y en cada red social antes de lanzar mi campaña, es una ventaja que FLUVIP ofrece a sus clientes.

Para Sebastián Jasminoy, CEO de Fluvip, utilizar los datos que proporcionan los influencers resulta de gran importancia para aprovechar los contenidos y los canales idóneos para cada marca, además, que con esta herramienta se puede determinar el éxito o el fracaso de una campaña, algo que para las empresas puede significar la máxima optimización de su presupuesto. Un tema no menor en una época donde las estrategias comerciales y de mercadeo se restringen al plano digital. “En Fluvip tomamos la información preexistente y la potenciamos gracias al uso de Machine Learning, así logramos predecir el éxito que tendrá una campaña antes de que sea lanzada al mercado, obteniendo una efectividad entre el 90 y el 100%”.

Hoy, no se puede identificar al influencer adecuado sin tecnología, entre más información se tenga, más acertada será la predicción final para establecer el contenido, la demografía y el alcance real. “Nos preocupamos por conocer los niveles de engagement y la verdadera repercusión de cada influencer, para así determinar el costo por engagement o fidelidad de sus seguidores y esto solo se puede hacer con inteligencia predictiva. No basamos nuestra data en los seguidores, nos interesan las acciones y resultados concretos para nuestros clientes en las diferentes redes sociales”, dijo el CEO de Fluvip.

Al final del proceso, la estrategia consiste en aprovechar los datos. De acuerdo con la información publicada por Statista, portal de estadísticas en línea, la gran cantidad de dispositivos que se utilizan en el mundo ha incrementado desmesuradamente su flujo. La previsión de la facturación para el sector Big Data para 2022 es de US$ 70.000 millones, y la misma consultora asegura que la palabra gigabyte ha pasado a ser un concepto casi irrisorio, mientras los petabytes suenan con mayor fuerza en los despachos de IT de todo el mundo.

Procesar la data para desarrollar Inteligencia Predictiva es la mejor forma de llegar a los usuarios que están esperando contenidos de valor, cercanos, entretenidos y desarrollados con la experticia que tiene cada marca.“No podemos aprovechar las redes sociales un 100% sin un respaldo tecnológico que realmente genere los resultados esperados, nos parece lógico que, así como otros sectores han adoptado nuevas tecnologías, el marketing de influencers se beneficie de las increíbles capacidades de analítica que éstas ofrecen.”, concluyó Jasminoy.

Acerca de FLUVIP

FLUVIP es una compañía tecnológica que ha desarrollado la plataforma líder de Influencer Marketing en América Latina y el mercado hispano de los Estados Unidos. Fue fundada en Colombia hace 6 años y gracias a su tecnología ha crecido de forma exponencial en toda la región. Hoy cuenta con oficinas propias en New York, Miami, Chicago, Ciudad de México, Bogotá, Lima, Caracas, Sao Paulo y Buenos Aires.

Categorías
Destacados Infonews

La Inteligencia Artificial y sus aplicaciones para las empresas (…y personas)

Fuente: ST Computación.

  • Ante su inmensa capacidad innovadora, la Inteligencia Artificial está siendo un motor fundamental para la ciencia, la tecnología y los negocios.

Santiago, Chile. 19 agosto, 2019. En la actualidad las expectativas de la industria son altas ya que las empresas están palpando los beneficios que este sistema entrega para hacer negocios y al mismo tiempo no se quieren quedar atrás. Por otra parte el mundo está observando detenidamente cómo experiencias que antes eran impensadas en el diario vivir de las personas avanzan a un ritmo frenético. Aquí va un esbozo en donde se muestra por qué las grandes compañías del mundo están invirtiendo recursos en esto y por qué es la tecnología que marcará el punto de inflexión al igual como lo hizo la Revolución Industrial hace más de dos siglos atrás.

La Inteligencia Artificial ha comenzado a dar muestras concretas de por qué es el ingrediente preciso para mejorar y crear nuevas recetas que se posicionen en el menú de los CEOs. Tareas que antes tomaban meses ahora se realizan en horas, ese aburridor tiempo perdido por decisiones intrascendentes ya es cosa del pasado y al mismo tiempo se abre una lista de beneficios estratégicos, como por ejemplo, hacer cruce de datos que nos entregan información crítica para nuestras campañas de marketing. Bajo ese contexto, se ha configurado un escenario que abre oportunidades para crear negocios y hacer crecer los ya existentes. No es casualidad que las compañías más grandes del mundo como Amazon, Microsoft, Apple y Google vean la Inteligencia Artificial como un terreno fértil para estar produciendo nuevas ideas que capten la mirada del mundo y de la innovación.

La Inteligencia Artificial consiste en sistemas de software que pueden tomar decisiones y resolver determinados tipos de problemas por sí solos. El objetivo principal es que las empresas puedan hacer cosas con mayor rapidez y eficiencia versus tener que hacerlo manualmente y perder tiempo y además minimizar errores en los resultados. Esto obliga a las empresas a tener la solución adecuada (por ejemplo, Machine Learning) para transitar tranquilamente a la ruta digital y poder así enfrentar una competencia más intensa y agresiva. En esa línea la Inteligencia Artificial es una excelente herramienta para facilitar los esfuerzos de la Transformación Digital. Existe una gran variedad de soluciones al interior de esta tendencia disruptiva. Las más interesantes en la actualidad son: Reconocimiento Facial y Procesamiento de Imágenes, Procesamiento de Lenguaje Natural, Reconocimiento de voz, Agentes de mesa de ayuda virtuales, Manejo de decisiones en tiempo real, Aprendizaje Profundo, y automóviles autónomos, entre otros.

EL PODER DE MACHINE LEARNING Y DEEP LEARNING

La tecnología de Machine Learning es un método de análisis de datos que automatiza la construcción de modelos analíticos. Es una rama de la inteligencia artificial basada en la idea de que los sistemas pueden aprender de datos, identificar patrones y tomar decisiones con mínima intervención humana. En ese sentido esta tecnología lo que hace es un proceso donde la “máquina” (software) aprende a reconocer lo que ve. Esto hace que los sistemas puedan iniciar acciones que solucionen tareas específicas. Para ilustrar esto mejor se puede aplicar, por ejemplo, una tarea que Machine Learning puede hacer por sí solo. En el caso que un colegio quiera tener mayor información sobre las mochilas que entran al establecimiento, el sistema de Machine Learning puede contar la cantidad de mochilas que entran al colegio con sólo ver la imagen de una mochila y luego ir reconociendo el número de mochilas a través de una imagen. Entre las principales ventajas que este software proporciona está que el sistema de Machine Learning no necesita descansar, ya que como es un programa puede trabajar 24 horas al día con el mismo nivel de rendimiento. Por otro lado, Machine Learning comete menos errores que los seres humanos para tareas que han sido entrenados y permiten hacer predicciones y sacar “insights” en base a los datos acumulados en las empresas. Machine Learning es además un excelente ejecutor de tareas determinadas como mesas de ayuda y equipos de seguridad. La tecnología de Deep Learning está hermanado con Machine Learning y comparte el mismo núcleo. Esta solución está más avanzada ya que tiene el componente que puede tener injerencia en la toma de decisiones y hacer predicciones. El Deep Learning lo que hace es configurar parámetros básicos acerca de los datos y entrena al sistema para que aprenda por cuenta propia reconociendo patrones mediante el uso de muchas capas de procesamiento. Gracias a Deep Learning se puede obtener información más específica ya que pasa por distintos Machine Learning’s que van en cascada para llegar a un resultado final. Usando el mismo ejemplo del colegio, con Deep Learning el sistema ahora puede registrar cuántas mochilas rojas hay en la imagen.

MUESTRAS CONCRETAS DE IA Y SU REPERCUSIÓN EN EL NEGOCIO

Un área donde la Inteligencia Artificial es un factor de eficiencia muy relevante es en la Satisfacción del Cliente en un Call Center. Con esta tecnología se puede clasificar un cliente que llama a un Call Center bajo cierto perfil, en base a los indicios de las primeras frases, tono de voz y así derivarlos a algún ejecutivo que calce con dicho perfil. Debido al trato perfilado, la experiencia de esos clientes es mucho más satisfactoria que si fuesen atendidos por un ejecutivo al azar.

Otro escenario es el Análisis Complejo y Experto en áreas de humanidades. Son múltiples los casos, pero para ilustrar esto mejor tomaremos como ejemplo un estudio de abogados: Un sistema de Inteligencia Artificial puede ayudar a un estudio de abogados a ser mucho más efectivo y ágil en sus análisis jurídicos para los distintos casos, teniendo un sistema de Inteligencia Artificial que “conozca” todas las leyes, causas, criterios, jurisprudencia, como si fuera un abogado más del equipo.

En conclusión, la Inteligencia Artificial es una tendencia que concentra una cantidad inmensa de virtudes y oportunidades de crear nuevos negocios, mejorar la eficiencia de los procesos y el ahorro de costos, entre otros. La sólida matriz sostenida por el concepto de IA hace que sea el mejor sinónimo de vanguardia y la eje que creará los espacios donde la tecnología irá cambiando el modo de vida de las personas y por consiguiente la diversificación de servicios en los diferentes mercados.

NUESTRA PROPUESTA EN INTELIGENCIA ARTIFICIAL

En ST Computación el principal objetivo de nuestra propuesta en Inteligencia Artificial es aumentar a través del uso de esta tecnología la calidad de los servicios y los negocios de nuestros clientes. En la actualidad estamos ofreciendo en el campo de Inteligencia Artificial los siguientes servicios:

Reconocimiento Facial y de objetos

El objetivo es incorporar el análisis de imágenes y videos necesitándose sólo suministrar una imagen o video y el servicio identificará los objetos, personas, textos, etc.

Procesamiento del lenguaje natural

El objetivo de este servicio es hacer posible la comprensión y el procesamiento de información expresada en lenguaje humano para determinadas tareas, como por ejemplo los sistemas de diálogo interactivo.

Operaciones TI

El objetivo aquí es poseer plataformas de tecnología de múltiples capas que automatizan y mejoran las operaciones al usar analíticas y aprendizaje automático para analizar grandes datos recopilados, y reaccionar automáticamente a los problemas en tiempo real.

Seguridad

Aquí el objetivo se centra en poder encontrar vulnerabilidades y corregirlas de una manera más eficiente y rápida versus el tiempo que le tomaría hacerlo a una persona manualmente.

infrografia - ST - Inteligencia Artificial

Categorías
Infonews

GestranBank: SaaS On Premise, On Cloud (multi nube) y también en infraestructura híbrida

Santiago, Chile. 16 abril, 2019. Debido al desarrollo tecnológico, el mercado global ha debido adaptarse a la evolución de los consumidores, y ningún área puede marginarse de ello. En ese sentido, la banca tradicional ha visto en el entorno digital la capacidad para reinventarse y ponerse a la altura de las necesidades actuales de sus clientes, algo en lo que empresas como Gestran S.A. son determinantes.

GestranBank - SaaS On Premise

 

¿Qué es Gestran? Tal como se lee en su sitio Web, “es una empresa chilena con 15 años de experiencia creando y prestando servicios de inteligencia transaccional para la industria financiera latinoamericana; integran nuestra empresa profesionales de vasta experiencia en bancos, servicios financieros y servicios tecnológicos”. En otras palabras, es una compañía que crea soluciones digitales para facilitar los procesos financieros.

Gracias a GestranBank, las instituciones financieras pueden acceder a todos los beneficios de la inteligencia transaccional en modalidad SaaS (Software as a Service), sin necesidad de incurrir en las fuertes inversiones que implica el desarrollo de una solución como esta. De esta forma, las organizaciones pueden tomar ventaja en lo que adata análisis respecta, agilizando procesos y optimizando los flujos de trabajo.

Hablamos de una solución de alcance y profundidad incomparables, gracias a la cual los bancos pueden procesar toda la información que -por falta de herramientas- antes no podían procesar para mejorar sus productos y servicios. Además, es auto escalable y responsivo (Android), y cuenta con capacidad Big Data, Machine Learning y otros componentes de última generación.

Los servicios de inteligencia transaccional de GestranBank incluyen:

  • Big Datamart de Transacciones, administrado y multicanal con capacidad de almacenamiento ilimitada.
  • Análisis Transaccional Multicanal, contemplando distribución, volumetría, composición, migrabilidad de canales y evolución, entre otros.
  • Eficiencia y productividad gracias a la generación de análisis de comportamiento, rankings, uso de capacidad y métricas, entre otros.
  • Comportamiento de clientes, pudiendo obtener analíticas por segmento, canal, producto y ejecutivo, por nombrar algunas de las posibilidades.
  • Análisis Forense, para obtener evidencia en casos de fraude y otras situaciones de carácter ilícito.
  • Proyección Transaccional, lo que permite realizar proyecciones en torno al volumen de transacciones por canal, día y más.

A las 3 semanas ya es posible visualizar resultados, y su implementación total tarda alrededor de 3 meses. Sin duda, la herramienta ideal para que los bancos puedan contar con información confiable de forma oportuna. Además, ofrece:

  • Acceso desde cualquier lugar.
  • Generación de datos continua.
  • Capacidad ilimitada de usuario, tanto remotos como concurrentes.
  • Integrabilidad con aplicativos de determinado banco, BI y soluciones Big Data.
  • Funcionalidades en constante crecimiento.
  • Soporte y capacitación permanente.

GestranBank pone a disposición de las organizaciones un know how probado en bancos, listo para utilizarse en diversas infraestructuras, ya sea On premise, On Cloud (multi nube) o bajo un modelo de infraestructura híbrida, una de las tendencias más exitosas en lo que a entornos informáticos se refiere.

Nube híbrida: el ambiente ideal para negocios escalables

Según la encuesta Harvey Nash / KPMG CIO 2018, 52% de los líderes digitales afirma que las empresas para las que trabajan han realizado inversiones en la nube pública. Además, para este año se espera que 69% de las organizaciones utilice ambientes multi nube.

La nube híbrida -es decir, la unión de servicios cloud públicos y privados- permite a empresas de cualquier tamaño innovar y escalar de forma sostenida y eficaz, optimizando sus recursos y minimizando el impacto en inversión. GestranBank -como solución escalable- puede operar en una nube híbrida, garantizando accesibilidad, seguridad de la información y facilitando la implementación.

Es tal el impacto de la nube híbrida en el entorno empresarial actual, que más del 70% de las empresas norteamericanas la han adoptado para innovar tanto en sus procesos internos como externos, mejorando la experiencia de sus clientes que, a la larga, es lo principal.

Por eso, soluciones como GestranBank son ampliamente aceptadas: al poder implementarse en una nube híbrida, las empresas no necesitan realizar mayores inversiones en infraestructura, pudiendo enfocarse en sus líneas productivas mientras la herramienta genera y analiza información de valor para la toma de decisiones estratégicas. Así, es posible mejorar la experiencia de usuario al mejorar los productos y servicios que la banca dispone para sus clientes.

GestranBank - SaaS On Premise

 

Para finalizar, vale la pena acotar que el objetivo de Gestran S.A. es aportar una solución eficaz a los bancos para que puedan generar economía y ahorro, introduciendo innovación en la cadena de valor y aprovechando al máximo las soluciones disponibles en la actualidad. Todo esto se traduce en mejoras en los indicadores de costos y de rentabilidad facilitando la gestión del negocio financiero.

Categorías
Infonews

Transformación digital: cómo fidelizar clientes de manera autónoma

Dcanje fidelizacion de clientes
Santiago, Chile. 11 enero, 2019. Dcanje.com es una startup chilena que impulsa la transformación digital de la industria nacional y comienza a abrirse al resto de la región. Lo hace a través de un software que automatiza los procesos de fidelización tanto de clientes como de sus colaboradores.

“Nos definimos como un ecosistema de acceso gratuito para empresas y personas, que permite premiar por compras u otras acciones a través de un sistema seguro de puntos multimarca que incorpora bigdata y machine learning para fidelizar y rentabilizar la relación con clientes, empleados y colaboradores” indica Sebastián Rojas, gerente comercial de Dcanje.

La plataforma funciona en base a puntos que se pueden abonar a la cantidad de usuarios que se requieran simultáneamente. “Las personas reciben puntos por cumplir metas de ventas, responder encuestas, o visitar un sitio web, por ejemplo y puede disponer de ellos inmediatamente, canjeando desde su celular o cualquier dispositivo, en nuestro catálogo en línea, por miles de productos, cientos de gift cards o viajes a todo el mundo”, explica Rojas.

También esta plataforma está al servicio del comercio virtual, pues es una herramienta para fidelizar a sus clientes y premiarlos. “Está la opción de darles puntos por compras, invitar a referidos, recomendar productos y muchas otras acciones”, indica Rojas.

Las empresas generan a diario altas cantidades de datos que necesitan interconectar y procesar para agilizar su gestión en todas las áreas que les sea posible, es por esto que una de las ventajas de Dcanje.com es que es una plataforma altamente flexible, segura y se puede conectar vía API a cualquier plataforma CRM, ERP o similar para extraer data e implementar distintas campañas y KPIs que se necesiten medir y premiar.

Dimensiones que abordamos con Dcanje.com

Actualmente con las herramientas tecnológicas que posee logra impactar en los negocios de sus clientes en tres dimensiones:

Dimensión del colaborador: La transformación digital empuja a las empresas a cambiar procedimientos internos de funcionamiento y a los colaboradores a tomar nuevas tareas y desafíos, pues es un factor crítico mantener motivados a los equipos. “En Dcanje hemos desarrollado módulos muy simples de implementar que permiten incentivar y premiar nuevos comportamientos, establecer metas y desafíos, cuantificables y medibles, todo a través de un HUB de soluciones conectadas con los datos de nuestros clientes a través de APIs de integración”.

Dimensión del cliente: Nuevos productos, servicios y sorprender a los clientes, en las distintas industrias, es cada vez más difícil, por lo que la innovación se convierte en un foco estratégico para cada empresa. En Dcanje.com contamos con la más completa solución de premios y reconocimientos para sorprender e impactar de forma masiva y selectiva a distintos segmentos de clientes en sus Smartphones con campañas de Puntos, Gift Cards digitales, cupones o promociones, todos con trazabilidad absoluta, altas tasas de conversión y efectividad.

En los rubros automotriz, retail y de seguros actualmente poseemos una gran cantidad de campañas activas de premios a clientes con nuestras soluciones. Todos los resultados de estas campañas son procesados por los departamentos de BI para rentabilizar y desarrollar nuevas acciones de marketing que permitan impactar el viaje del cliente.

Dimensión de la administración de la empresa: Apoyamos a las direcciones y gerencia de BI, comerciales marketing y de personas, en una primera etapa para facilitar la transparencia de los procesos de premios e incentivos, y a obtener información que antes no poseían. Además les proporcionamos información valiosa para la correcta toma de decisiones y hacer eficientes las campañas y acciones de retención de talento. Un segundo atributo más importante que el anterior, son los costos de implementar políticas de incentivos y fidelización con tecnología digital como la nuestra, dado que la base de nuestras herramientas no posee costos de desarrollo ni integración. Nuestro enfoque está en que la inversión vaya directo al “músculo” que es el premio percibido por el cliente o el colaborador.

Un factor clave:

Incorporación de Machine Learning, es la herramienta de la transformación digital por excelencia. Pues permitirá hace perfecta la toma de decisiones cotidianas. Las empresas que se adelanten en la adopción de esta tecnología podrán entregar una mejor oferta a sus clientes.

Para entregar la oferta adecuada, en el momento ideal, al cliente preciso, en Dcanje.com hemos desarrollado Dcanje Analytics, una plataforma de análisis de datos de alto estándar que permite a las empresas acceder a tecnología de fidelización que por sí solas no podrían desarrollar. Dcanje Analytics procesa patrones de consumo y comportamiento los que cruza con el ciclo de vida del cliente. Para eso cuenta con módulos especializados que tienen una batería de herramientas de engagement, lo que genera una oferta personalizada para cada tipo de cliente o colaborador.

DCanje se regionaliza

A fines de 2018 inició sus operaciones en Perú y para este año está planficado abrir oficina en Colombia y México. Los mismos clientes chilenos les han solicitado que operen en países donde también están ellos, para iniciar de la mano la transformación digital en esos mercados.

Categorías
Infonews

InterSystems IRIS for Health, la solución que busca entregar una mejor atención al paciente

InterSystems IRIS for Health
Santiago, Chile. 10 enero, 2019. Hoy día, la salud es uno de los sectores que más ha avanzado incorporando Transformación Digital. Tecnologías como el Big Data garantizan la eficiencia y seguridad de los datos que se generarán a nivel administrativo y de pacientes. Sin embargo, también es importante que las organizaciones apuesten por incorporar herramientas tecnológicas modernas, las cuales facilitan los procesos de gestión hospitalaria y mejoran la atención que recibe el paciente.

Frente a esto, nace InterSystems IRIS for Health, la primera y única plataforma de datos en el mundo específicamente diseñada para extraer valor de los datos de salud, necesarios para construir las soluciones de atención conectadas en tiempo real que se requieren hoy. Su núcleo está conformado por una base de datos, su habilidad interoperable y su capacidad de análisis, lo que construye un camino más rápido hacia el valor para las soluciones de datos de salud.

InterSystems IRIS for Health se caracteriza por actuar rápidamente en aplicaciones que hacen un uso intensivo de datos, ya que está construida para actuar con grandes cantidades de información y manejar de forma eficiente la alta carga de trabajo sin que ello signifique un gran gasto.

Su carácter interoperable significa que es compatible con los principales estándares de salud. Las aplicaciones pueden rápidamente ingresar, normalizar y compartir información, lo que permite un flujo de información intercambiable entre las diferentes entidades.

Además, posee funcionalidades avanzadas en preparación de datos para desarrollar modelos de salud transformadores y optimizar la efectividad de las soluciones basadas en machine learning. Sobresale en el procesamiento híbrido transaccional/analítico (HTAP, por sus siglas en inglés), impulsando soluciones que responden ante estas demandas cada vez más rápidas.

Con la correcta plataforma, se podrá transformar la gran cantidad de datos que existen, en información útil para ser más eficientes y entregar un mejor servicio a los pacientes. Y eso es lo que hace InterSystems, incorpora las nuevas tecnologías para conectar comunidades de manera fácil y rápida. Estás aplicaciones marcarán el próximo hito de la industria, ya que los datos se encuentran en el núcleo de la transformación digital de la atención médica.

Para conocer más de InterSystems IRIS for Health, visite aquí.

Categorías
Columnas

Principales tendencias de aprendizaje automático: el camino hacia la materialización

Western Digital - Linda Zhou
Por Linda Zhou (*), Responsable de desarrollo de mercado de ciencias de la vida y computación de alto rendimiento de Western Digital.

EE.UU. 29 diciembre, 2018. El aprendizaje automático (Machine Learning) fue un concepto que existió durante décadas. Sin embargo, solo los avances recientes en software, procesamiento y conjuntos de datos ricos y masivos lo han hecho realidad. Ya no es solo un experimento académico, sino una tecnología con un aumento meteórico que todas las industrias y empresas buscan aprovechar. Entonces, ¿cuan lejos estamos en el camino de la materialización? Aquí hay un vistazo a siete tendencias principales respecto al aprendizaje automático:

1. El aprendizaje automático se dirige a la producción

Quizás la tendencia más significativa del aprendizaje automático fue el hecho de que éste pasó de los modelos de capacitación a su aplicación en la realidad, utilizando conjuntos de datos actuales, accediendo a datos históricos e incluso enriqueciendose con conjuntos de datos externos. El aprendizaje automático ha madurado y los casos de uso de producción son muy reales.

2. La gestión de datos sigue siendo el mayor desafío

Todos están ansiosos por iniciar sus modelos de entrenamiento, pero muchos están descubriendo semanas, o incluso meses más tarde, que los datos no válidos pueden propagar problemas en todo el sistema. Ya sea que se trate de interrupciones o, en última instancia, de malos modelos, para hacer que el aprendizaje automático funcione bien es necesario realizar una gran cantidad de trabajo con la preparación inicial de los datos.

Descubrir dónde se encuentran estos (probablemente en múltiples sistemas de almacenamiento, en diversas ubicaciones con diferentes características), estandarizar el acceso, normalizar los metadatos, identificar dependencias, usar técnicas de validación de datos y aprender cómo tratar los errores es la clave para que el aprendizaje automático sea exitoso.

3. Desafíos diferentes para cada geografía

Si nos fijamos en la imagen global, vemos diferentes países en diferentes lugares en su viaje de adopción hacia el aprendizaje automático, enfrentando desafíos muy disímiles. Europa comenzó temprano y ha ido más allá de las pruebas para predecir casos de uso en el mundo real. Sin embargo, las leyes de privacidad de datos requieren mucha más gobernanza y procesos para limpiar los datos. En los EE.UU., las empresas privadas están a la vanguardia de la innovación.

Vemos empresas comerciales que recopilan datos centrados en áreas e industrias con fines de lucro. Más allá está China, cuyo gobierno creó el objetivo de convertirse en “el principal centro de innovación de inteligencia artificial (IA) del mundo“. Si bien comenzaron su viaje de aprendizaje automático e IA mucho más tarde, el beneficio de llegar tarde al juego es que su infraestructura es nueva, está bien financiada y consolida los datos desde el principio. También es un país lleno de datos y comercio móvil.

4. La computación y la memoria escalarán aún más

El surgimiento del Machine Learning se produjo al superar las limitaciones de hardware antiguo. Esta tendencia continuará en nuevas áreas. Ya sea que se trate de GPU de subprocesos múltiples, computación de código abierto basada en RISC-V ISA3 o nuevas soluciones que amplíen el espacio de la memoria, veremos nuevas formas de usar los datos más rápido.

5. El linaje de datos cumple con el control de versiones

En Machine Learning cada paso es iterativo. Los científicos de datos pasan mucho tiempo ajustando su algoritmo; es crítico poder repetir el mejor resultado. El problema es que es muy fácil volver atrás y ver el código fuente con los sistemas de control de versiones del código fuente, o incluso compartirlo entre diferentes miembros del equipo. Sin embargo, el conjunto de datos de prueba que se utilizó a veces es muy difícil de replicar. Los conjuntos de datos pueden crecer o cambiar rápidamente. Es posible que a lo que acceda hoy no sea lo mismo con lo que trabajó su colega ayer. Entonces, ¿cómo creamos el linaje? El almacenamiento de objetos, ya sea en las instalaciones o en la nube, generalmente tiene una función llamada control de versiones. El control de versiones permite crear una versión archivada de objetos con una marca de tiempo, que se puede restaurar en cualquier momento. Desde el escalado hasta los metadatos y las versiones, el almacenamiento de objetos ofrece una solución más completa para la mayor parte de los datos.

6. Bienvenido al Data Hub

Tenemos que aceptar el hecho de que la consolidación total de datos no funcionará. Los datos simplemente se han vuelto demasiado grandes y dispersos para moverse. En su lugar, las organizaciones tienen datos en varias ubicaciones geográficas, tanto locales como en la nube, en diferentes sistemas y dispositivos. En lugar de intentar consolidarlos en un solo lugar, algunas organizaciones están creando un hub desde fuentes remotas. Como tal, el software que permita el gobierno, los servicios de autenticación y el acceso unificado a los datos es clave para estos avances.

7. De los servicios de datos a un mercado de datos

El valor de los datos está creciendo. Esto no es solo una tendencia en aprendizaje automático. Todo el mundo está buscando encontrar formas de monetizar los datos. Según las proyecciones iniciales, para 2030, los ingresos de los mercados de datos de IoT habilitados por blockchain podrían alcanzar los US$ 4.400 millones. El valor de mercado de los datos que se están tramitando a través de estos intercambios podría aumentar a US$ 3,6 billones para 2030, momento en el cual, más de 1 millón de organizaciones monetizarían sus activos de datos de IoT.


Linda Zhou
Responsable de desarrollo de mercado de ciencias de la vida y computación de alto rendimiento de Western Digital.

Tiene una amplia experiencia en la industria informática, que incluye roles en marketing, gestión de productos e ingeniería. Trabajó para compañías como BMC, EMC, HP y SGI. En Western Digital, Linda es responsable del desarrollo del mercado de ciencias de la vida y computación de alto rendimiento. en Ciencias de la Computación de la Universidad de Jinan, China y su MBA en la Universidad Carnegie Mellon. Comenzó su carrera como desarrolladora de videojuegos.

Categorías
Infonews

Mejorar la experiencia del cliente con el uso de tecnología

Santiago, Chile. 23 octubre, 2018. Según la Cámara Nacional de Comercio, las ventas en línea registraron un alza real de 31,7 % en 2017, lo que demuestra que la experiencia de compra online es una atractiva forma de adquisición de productos.

Sin embargo, en su mayoría, los servicios al cliente presentan dificultades debido a la burocratización de sus procesos internos que provocan insatisfacción en los usuarios.

Automatización e IA para mejorar el flujo de información

Una de las soluciones es aumentar el uso de tecnología con el fin de mejorar y agilizar los procedimientos de atención durante y después de la compra.

La automatización es un sistema donde se confieren tareas de producción a un conjunto de elementos tecnológicos, desarrollándolas de manera programada y controlada. En simples palabras, es un “piloto automático” que permite que los empleados ocupen tiempo en otras tareas productivas de la empresa.

Por otro lado, la IA (Inteligencia Artificial) es un conjunto de algoritmos materializados en programas informáticos que persiguen imitar el cerebro humano.

Una de las disciplinas de la inteligencia artificial es el machine learning, el cual crea sistemas para “aprender” automáticamente y de forma autónoma -es decir- identifica patrones en una gran cantidad de datos para pronosticar comportamientos futuros corrigiéndose de forma independiente.

Para llevar a ejecución todas estas soluciones existen tecnologías más específicas como los bots y el CRM.

¿Qué son los bots?

Los bots son una herramienta informática que busca comunicarse con el usuario imitando la conducta humana. Cumplen varias funciones como editar textos, responder preguntas, enviar correos y moderar conversaciones.

Actualmente realizan tareas en plataformas como YouTube, Twitter, Facebook o Instagram a través de distintos bots. Su uso en áreas como el servicio al cliente permite mejorar la entrega de información y ayuda al usuario.

Los chatbots, por ejemplo, son programas que simulan tener conversaciones con personas al entregarles respuestas automáticas a solicitudes realizadas por el consumidor.

Incorporar el uso de esta aplicación permite a una empresa entregar una ayuda personalizada, mantener cercanía con el usuario y resolver sus dudas de forma ágil, entre otros beneficios.

¿Qué es el CRM?

El CRM es un programa que permite gestionar de manera efectiva y personalizada el servicio al cliente en función de sus necesidades. Uno de los CRM más utilizados es Microsoft Dynamics CRM, el cual tiene funciones diferenciadoras como la interacción con los clientes a través de distintas plataformas, ya sea una página web o redes sociales. Al tener información capturada por Dynamics, el ejecutivo tendrá los datos que el usuario requiera.

Otra de las características principales es la capacidad de aprender del comportamiento de los usuarios, conocer su satisfacción y analizar las principales tendencias en redes sociales.

Microsoft Dynamics nos permitirá integrar constantemente nuevas funciones y distintas plataformas, lo que significa innovación continua en una pronta respuesta.

Beneficios de la aplicación de la tecnología

1. Recopilación de información

La aplicación de machine learning en sistemas de inteligencia artificial permite ofrecer servicios a los usuarios de forma segmentada identificando sus gustos, áreas de interés y problemáticas en el proceso de venta.

Es así como las empresas pasarán de ser reactivas a proactivas, ya que con la información agrupada en bloques se puede crear una base de datos que permita predecir comportamientos.

Al otorgarle variables a los algoritmos, estos analizarán la información de la big data y predicen lo que requiere el comprador, por ejemplo, en una llamada al servicio de call center.

2. Mejor interacción

El tener una base de datos centralizada con toda la información de cada uno de los clientes, le permitirán al trabajador o al sistema tener una comunicación fluida y personalizada. Lo anterior, se logra utilizando un CRM ya que agrupa los datos entregados en las múltiples plataformas mostrándolos en tiempo real y desde cualquier dispositivo.

Además, la tecnología CRM permite a los empleados administrar y resolver problemas rápidamente ya que dichos sistemas favorecen la comunicación entre distintos departamentos.

3. Menos tiempo, mejor experiencia

Teniendo en cuenta lo anterior, el cliente verá reducido considerablemente los tiempos de espera cuando requiera atención. Utilizar sistemas de inteligencia artificial integrando machine learning, permitirá a través de algoritmos estudiar los comportamientos, predecir y entregar información. Incluso, la utilización y gestión de una base de datos permite tener al alcance la información y posibles procedimientos en tiempo real.

Las tecnologías vistas permiten sintetizar procesos, mejorar tiempos de respuesta y por ende la satisfacción del cliente. Integrar herramientas como los bots o CRM ayudarán a agrupar la información, captar de manera más rápida lo que se requiere y entregar soluciones correctas. Con la información provista por la tecnología se pueden prever soluciones, y mejorar los errores en la ayuda al cliente.

Categorías
Infonews InfoWeek TV Titulares

La Inteligencia Artificial en el core business de su empresa

Santiago, Chile. 23 octubre, 2018. ¿Cómo se enfrenta una de las Big Four a dialogar con la IA (Inteligencia Artificial), Machine Learning y Data Center? Muy claro tiene este panorama Federico Morello, Socio Líder de Consultoría y Asesoría Empresarial de PwC Chile, quien ha buscado una proyección ambiciosa y vertiginosa para entrar a esta nueva era de la Revolución Industrial 4.0 que irrumpe rápidamente.

Recientemente, a principios de septiembre 2018, se lanzó el primer Centro de Inteligencia Artificial y Analítica Aplicada de PwC en Latinoamérica, y sus oficinas se encuentran en Chile. El líder de este centro, Federico Morello, comenta que es primordial que todas las industrias y rubros se concienticen y se internalicen con estas nuevas tecnologías, porque claramente ya está generando un cambio de paradigma en el mundo, tanto en la forma de cómo trabajamos como la forma en la que nos relacionamos.

¿Por qué PwC Chile quiso ser pionero, en la región, y dar este paso tan importante como involucrar la IA en distintas industrias?

R: La Inteligencia Artificial entendemos que es una de las principales, sino es la principal, tecnología que modificará fuertemente el mundo en el futuro. Muchas veces no percibimos que en la actualidad ya nos encontramos interactuando con IA, este es un camino que estamos recorriendo hace poco tiempo, lo cual nos hace pensar en la dimensión que puede tener esto cuando tome impulso. Desde Chile, entendimos que la mejor manera de generar la capacidad y concentrar esfuerzos fue a través de la creación del Centro.

¿Cómo logran cubrir todas las expectativas de un cliente? ¿Tienen alianzas, trabajan en conjunto con empresas de TI, externalizan funciones?

R: Claramente el ámbito de acción es muy extenso y nos resulta complejo abarcarlo completamente. Es por esto, que contamos con alianzas en diferentes dimensiones, desde la infraestructura tecnológica, las herramientas y software hasta el desarrollo de modelos matemáticos.

Hay muchas opiniones que afirman que la Inteligencia Artificial va eliminar en un gran porcentaje el trabajo que hoy hace una persona natural ¿Qué piensas sobre eso? ¿Mito o realidad?

R: Es una realidad que eso sucederá, como ha sucedido en la historia de la humanidad, lo que ocurre en esta oportunidad y allí está el desafío, es la capacidad de crear nuevos empleos y de absorberlos. Hay muchos referentes que ponderan fuertemente los riesgos. Nosotros, sin embargo, somos optimistas y creemos que el impacto será positivo y permitirá enfocar a las personas en actividades de mayor valor.

¿Cuáles serán las principales industrias que comenzarán a trabajar con el Centro de IA que lanzaron?

R: Desde hace algún tiempo, estamos trabajando fuerte con Educación. Sin embargo, también trabajamos con iniciativas puntuales como diversas industrias, desde Servicios Financieros, Retail hasta Minería.

 

¿Chile está preparado para trabajar con estos tipos de tecnología o bien estamos caminando sobre la marcha?

R: Es complejo responder categóricamente, aquí depende mucho de quien estemos hablando, existen compañías con mucho avance en la materia y otros que se encuentran en una etapa de entender la tecnología y sus impactos.

En el retail, ¿qué tan importante es la IA?

R: Es importante como en muchas otras industrias, del 1 al 5, diría 5. La inteligencia artificial aplicada al retail tiene múltiples efectos, desde atención al público por medio de chatbots, hasta monitoreo de tiendas, utilizando reconocimiento de imágenes. Hoy existen robots con funciones muy particulares como recorrer pasillos y góndolas revisando mercaderías y observando potenciales quiebres de stock, precios mal colocados, etc.

¿Cómo ves el sector público y Gobierno en la usabilidad de estas nuevas tecnologías?

R: Hemos tenido conversaciones con algunos estamentos del Gobierno y vemos que se encuentran impulsando fuertemente la evolución y digitalización de diversos procesos. Creo que esto generará muchos beneficios para la población en general.

¿Qué gana una empresa y qué pierde al utilizar IA, Blockchain, Machine Learning y Data Center?

R: Es clave la pregunta, nosotros entendemos que antes de lanzarse de lleno a aplicar estas tecnologías, se debe evaluar bien la necesidad y las implicancias. Muchas veces uno se ve tentado a comenzar, pero no siempre es factible ni aconsejable. Por ejemplo, si defino que quiero trabajar con ML, mínimamente necesito buena calidad y cantidad de datos que permitan alimentar los modelos. Con lo cual, sin contar con esa base, poco será lo que se puede hacer.

Volviendo a la pregunta, qué gana una empresa implementando este tipo de soluciones: reducción de costos, time to market, calidad de información para la toma de decisiones, mejora en ingresos. Si comentamos respecto a lo que pierde, es complejo evaluarlo, las inversiones requeridas son cada vez menores y generalmente se procura implementar de manera que sea escalable, iniciando con pruebas pequeñas y en caso de validarse las hipótesis de negocio se las impulsa a crecer.

¿Qué consejo podrías dar al que teme de esta rápida irrupción tecnológica?

R: Primero, no hay que temer. Hay que pensar que las oportunidades son mayores a las que existieron en otras épocas. Sin embargo, es clave investigar y mantenerse actualizado respecto a todas las innovaciones que están sucediendo en estos temas.