Por Ana Cristina Camacho, estrategiaynegocios.net

Con frecuencia, la labor de generar datos útiles para el negocio, consume el 80% del tiempo, disminuyendo los espacios para la producción y la puesta en marcha de acciones derivadas de la inteligencia humana.

Matthieu Garnier, vicepresidente internacional de Data y Analíticos de la compañía global de big data Equifax, no duda en decir que la información es el petróleo del Siglo XXI y el análisis de datos, el motor de la combustión. Garnier hizo referencia a la fuerza de la data, la analítica y de la tecnología, en el marco del Congreso Spark 2019, en Costa Rica.
En analítica, por ejemplo, se pasó de 1.0 a 2.0 en 10 años. Primero, con procesos propios de la década del 90 tipo business intelligence (1.0). Esta contaba con muchas fuentes y bases de datos apoyadas por estructuras datawarehouse, donde se montaban herramientas de visualización de business intelligence, que permitían sacar reportes para hacer análisis de datos.

A partir de los 2000 (2.0), la Big Data ayudó a explotar datos no estructurados y con ello, las empresas lo hacen directamente sin necesidad de apoyo técnico. La llegada de analítica 2.0 trajo consigo modelos predictivos, de comportamiento y business intelligence "pero con explotación, capacidades, modelos y predicciones mucho más evolucionadas", acotó César Calomino, gerente general de Equifax para Centroamérica y México.

Si bien estas plataformas aportan los algoritmos, se requiere de la inteligencia humana para tomar las decisiones. Por tal razón, Garnier prefiere hablar de inteligencia aumentada o predicción aumentada antes de inteligencia artificial, pues todavía no llega a pensar por sí sola, lo que hace es, explicar nuevos algoritmos -por ejemplo, machine learning- sin sustituir a la inteligencia humana. Aún no llega a reemplazarla, falta mucho para eso, afirmó Garnier.
"Los nuevos algoritmos como Machine Learning, Deep Learnig o Explainable AI, son técnicas nuevas que permiten tener una predicción aumentada, esto marca la diferencia", subrayó. Tanto Calomino como Garnier coinciden en que la combinación de inteligencia humana con inteligencia aumentada debe ir de la mano en una empresa. Las plataformas analíticas conllevan conocimientos matemáticos, tecnológicos y conocimiento del negocio.

La toma de decisiones en el área financiera requiere necesariamente de la inversión en tres componentes: información relevante, en velocidad de procesamiento y acceso a información y; en plataformas de predicción aumentada.

Datos correctos, explicaciones a mano

Con el propósito de acercar todos esos algoritmos propios de la Inteligencia Artificial (AI) al ser humano, el mercado ha creado plataformas para hacerlos más comprensibles y alcanzables, tal es el caso de Explainable AI, de Equifax. Se trata de transformar los
granos de café en un producto de café, como bien lo explica Sergio Miller, director de Studio B de Equifax Latinoamérica, un centro de excelencia analítica, con sede en Buenos Aires, donde laboran más de 60 personas para brindar servicios al resto del mundo.
"Explainable AI básicamente son algoritmos de machine learning e inteligencia artificial que tienen como característica, que pueden ser explicados, es por esto que Explainable AI es algo mucho más potente e interesante, y en lo personal creo que es la evolución del concepto de AI", acotó.
Finalmente es posible entender cómo todos esos algoritmos y metodologías de AI presentes en plataformas como Deep Learning o Machine Learning, trabajan y generan resultados.
Desde la perspectiva de Equifax, Explainable AI favorece poner de vuelta el foco a las preguntas importantes como: ¿Por qué necesita una empresa eso?, ¿cómo lo requiere para su negocio?, explica el porqué está pasando determinada situación por la vía del análisis de la información y con base en ello, la empresa toma decisiones.

Facilita la generación de insights, es decir, análisis de información con suficiente valor o relevancia, también llamados insights accionables, positivos y funcionales para el negocio. Miller describe que el uso de estos recursos tecnológicos debe lograr insights transparentes y explicables para que ayuden a incentivar conductas de los consumidores, así como acciones en las empresas; pueden también activar soluciones para clientes con problemas técnicos o con atrasos en los pagos.

Aplicar Datos a estrategias comerciales

La audacia de una buena estrategia comercial no radica tanto en cuántos datos logra obtener y procesar, sino en cómo los utiliza y los transforma en beneficio de los clientes, consumidores y del negocio.
La información obtenida a partir de plataformas inteligentes, como el Equifax Ignite, debe ser funcional, los datos pierden fuerza sin una estrategia sólida que los respalde. Esteban Zamora y Cristian Sulzer, director de Data y Analíticos de Equifax para Centroamérica y México y gerente general de Equifax México, respectivamente, afirman que el adecuado uso de análisis de datos posibilita una efectividad del 99% en una estrategia comercial.
Ignite ofrece alta capacidad de procesamiento y herramientas para usar en todo tipo de datos, por ejemplo, datos únicos generados para el negocio específico, combinados con datos externos del mercado, ello faculta identificar aquellos insights relevantes para el problema que la empresa busca resolver; además de ser una tecnología altamente configurable lo cual facilita respuestas rápidas y eficaces según necesidades específicas, a la medida. Además, ofrece otras herramientas tanto para integrar al personal interno como para generar modelos de riesgos o capturar información del mercado e integrarla con la información de la empresa.

En Honduras, El Salvador y Costa Rica, Equifax desarrolló el Ignite Portafolio Insights para un cliente del sector bancario interesado en hacer crecer su portafolio de tarjetas de crédito, para lo cual requería saber quiénes eran los clientes con los que debían trabajar.
El portafolio, según indicaron los expertos, es un análisis listo para consumir sin tener que hacerlo paso a paso a lo interno, incurriendo en altos costos de tiempo, recursos y personal.

Tres mitos en la digitalización de las empresas

Mito 1: La transformación digital aún no llega a nuestros países. Ya está acá.
Mito 2: Favorece sectores de punta y destruye tradicionales. Verdad. Uber es un buen ejemplo. Hace 10 años Nokia era el líder, pero cayó en picada. Correos de Costa Rica, empresa pública tica batalló en una industria condenada a desaparecer, pero supo aprovechar la transformación digital y volver a ser eficiente.
Mito 3: Consiste en saber usar las tecnologías digitales. El primer enemigo es su nombre, se piensa que solo la gente de tecnología puede entenderla y usarla. No es así. Amazon es fácilmente la empresa emblemática en esta revolución. Sin embargo, su dueño dice que algún día será victima de la disrupción.