Openness

Analítica aumentada: ¿revolución o una simple mejora?

Llevamos tiempo escuchando el término analítica aumentada en el mundo del BI y análisis de datos, pero ha ido sonando con más fuerza en los últimos meses. Por ello me pregunto: ¿qué significa este concepto?, ¿realmente es algo tan novedoso y revolucionario?

Pues ni sí, ni no, ni todo lo contrario. Para muchos la analítica aumentada es un nuevo enfoque sobre herramientas que ya usábamos de manera independiente para explotar datos. Principalmente, la analítica aumentada se basa en tres tecnologías:

– Inteligencia artificial (IA)
– Machine Learning
– Procesamiento del lenguaje natural (NLP)

Dentro del maremágnum de datos que disponemos actualmente gracias al Big Data y al abaratamiento de los sistemas de almacenamiento en la nube, el objetivo principal de esta tecnología es simplificar y automatizar el análisis de datos con el fin de generar información útil.

Como parte destacable de este tridente tecnológico destaca NLP, que nos permite interactuar con los datos usando lenguaje natural. Como mencionábamos, esto no es nuevo, ya que lo usamos diariamente con dispositivos de voz como Alexa, Siri, Cortana, Google Assistant… Sin embargo, en combinación con tecnologías de búsquedas inteligentes como Amazon Kendra o Azure Cognitive Search, nos abrirán un abanico de posibilidades sin precedentes.

Este cambio de paradigma permitirá agilizar la toma de decisiones y análisis. Además, esta tecnología estará al alcance de todos ya que no todas las empresas se pueden permitir un equipo dedicado al análisis y explotación de datos.

Aterricemos estos conceptos con un caso práctico, imaginemos que un cliente le pregunta a un gestor de banca lo siguiente:

“¿Por qué la valoración de mi cartera ha bajado un 5% en la última semana?”

Un escenario posible sería el siguiente:

1.- El gestor solicita al equipo de reporting información histórica sobre la cartera.
2.- El equipo de reporting consulta esta información en la base de datos y crea un informe para el gestor con los datos de cartera y valoraciones de la última semana.
3.- Tras analizar los datos, el gestor solicita información adicional (histórico de precios de activos USD), ya que sospecha que el 5% se debe a una devaluación de la divisa en la que cotizan algunos activos de la cartera del cliente.
4.- El equipo de reporting genera el nuevo informe.
5.- El gestor analiza de nuevo la información, la verifica y comunica los resultados al cliente.

Aplicando conceptualmente la analítica aumentada a este supuesto, los pasos serían los siguientes:

1.- El gestor mediante NLP lanza una pregunta.
2.- Las tecnologías de Machine Learning e Inteligencia artificial arrojan un informe de resultados.

Demasiado sencillo, ¿verdad? De eso se trata. 

NLP analiza la frase detectando palabras clave y, mediante un árbol de decisiones (similar al usado en un ChatBot), generamos una sentencia SQL que atacará a las tablas y columnas correspondientes en nuestra base de datos.

 

La IA y Machine Learning buscarán y detectarán un patrón identificando que, además de la variación natural de los activos, existe una variación próxima al 5% en todas las posiciones cuya divisa es USD. Esta información se mostrará al gestor mediante herramientas BI, ya sea en un cuadro de mando o en un informe con los resultados del análisis. El gestor verificará los datos e informará al cliente indicando que la bajada se corresponde con una devaluación de la moneda y que afecta a activos que componen su cartera.

Como hemos visto,  la analítica aumentada no viene a sustituir a los científicos de datos ni a los equipos de reporting y BI, sino a cambiar y facilitar su trabajo, ya que estos mismos tendrán que mantener y optimizar estos nuevos sistemas. Esta tecnología también permite al usuario final ser mucho más autónomo y convertirse en Citizen Data Scientist pero esa será otra historia.