En la era de constante desarrollo en la que vivimos, conceptos como Inteligencia Artificial y Análises de Datos están cada vez más presentes.
Sin embargo, no son recientes: nacieron con el que se considera el pionero de la informática, ALAN TURING, muy importante en la creación de la base de la computadora moderna y responsable de decodificar los mensajes de la flota naval alemana en los días de la Segunda Guerra Mundial.
Uno de sus objetivos era probar la capacidad de una máquina para asumir un comportamiento cercano al de los humanos. Luego, a partir de ahí, se comenzaron a buscar patrones en los datos, que se repiten, para decidir cuál es la siguiente mejor opción.
Esta es, en general, una de las premisas de la Inteligencia Artificial:
La forma en que logramos imitar cuál es nuestro patrón de pensamiento asociativo, permitiéndonos identificar piezas faltantes y complementarias por comparación con los distintos patrones, el camino a seguir, en un proceso llamado algoritmo de entrenamiento.
Por tanto, en base a lo que se conoce, es posible determinar con un grado creciente de certeza lo que sigue.
Pongamos un ejemplo: al dibujar en el aire, un semicírculo mediante gestos, nuestro pensamiento nos lleva a darnos cuenta de que lo que falta es el resto de la circunferencia.
Diseñando esta lógica en informática, con Inteligencia Artificial, se entrenan redes neuronales (que simulan el comportamiento asociativo del cerebro) para determinar cuál es el resto del patrón. Es importante darse cuenta de que la precisión es mayor cuanto mayor es la información que ya tienen.
Veremos el papel que puede jugar esta capacidad en el análisis de datos.
¿Qué puede hacer la inteligencia artificial por los datos?
Con la capacidad computacional en alza y la posibilidad de hacer entrenamientos en red para determinar qué está sucediendo cada vez más rápido, ya estamos en una fase en la que la Inteligencia Artificial está presente en las tareas diarias, de manera transparente.
De hecho, es incluso sorprendente cómo las máquinas pueden «pensar en el futuro» y ayudar a aumentar la productividad.
Veamos un caso de estudio: cuando escribimos un correo electrónico, se sugirió la siguiente palabra. Hoy la sugerencia es para una frase / expresión completa, comenzando con solo una o dos palabras. Esto sucede en base a las frases normalmente compuestas.
Ejemplo de Google Smart Compose con palabras sugeridas por el contexto de la oración.
Además, nos ofrece la oportunidad de reducir errores, es decir, de no cometer el error cometido hoy mañana. ¿Como?
A través de un texto publicado, por ejemplo, la Inteligencia Artificial ya permite, mediante análisis gramatical, identificar el sentimiento / sensación que se está transmitiendo, analizando las interacciones de respuesta.
Assim, existe la oportunidad de cambiar o actualizar estrategias y métodos.
Más atención: es necesario transmitir retroalimentación a la máquina, o lo que es bueno o malo, para que tu capacidad de estandarización se vea melhorada.
En la práctica, caminamos con fuerza en un momento en el que la Inteligencia Artificial ha sido designada como una mercancía: varios sectores de actividad y, presumiblemente, las soluciones de análisis de datos tienen componentes de Inteligencia Artificial, no modus operandi.
Diferienciación de enfoques para el uso de la inteligencia artificial
El proceso se consolidó en el pasado para dar buscar instrucciones en la máquina, asumir el uso de un lenguaje especializado para explorar las bases de datos.
Hoy en día, existe una forma de hacer una pregunta en particular exactamente como la buscamos en Google y comprender la respuesta. Este fenómeno se denomina Procesamiento del Lenguaje Natural, en inglés Procesamiento del Lenguaje Natural (NLP), que transforma información de un formato más técnico en un lenguaje comprensible para los seres humanos.
Imagínese el siguiente escenario: en una empresa de telecomunicaciones, tratamos de averiguar cuántas llamadas se produjeron en el último mes entre Lisboa y Madrid. En el pasado, esperar una respuesta de alguien que tenía habilidades específicas en el modelo de datos podía hacer que la información dejara de ser tan relevante o necesaria cuando estuviera disponible.
Hoy en día, es posible utilizar sistemas que busquen rápidamente en las bases de datos y respondan a la pregunta formulada en lenguaje natural: “Llamadas con origen en Lisboa y destino en Madrid el mes pasado”. La misma pregunta formulada en un lenguaje de base de datos, implicaría un conocimiento del léxico solo habitual para los usuarios técnicos:
Ejemplo de búsqueda en una base de datos SQL – Lenguaje de consulta estructurado.
La Inteligencia Artificial junto con la PNL ya ofrecen al usuario la posibilidad de poder acceder en segundos a una respuesta gráfica a lo que busca, e incluso acotar la búsqueda filtrando por otros temas
¿Porque? El motor de Inteligencia Artificial ya ha “aprendido” que los usuarios que hacen ese tipo de preguntas generalmente prefieren la información presentada en esa forma específica.
Además, estas soluciones permiten a los analistas poder explicar con mayor facilidad posibles variaciones de datos, descubriendo y uniendo los factores que las originaron.
Básicamente, las soluciones de explotación analítica de hoy permiten que las personas sean cada vez más autónomas en la exploración de datos, manteniendo el nivel de autorización para el acceso a los datos definido por las políticas de seguridad de las organizaciones.
Gestión de datos en el futuro
Además de la importancia y preocupación por asegurar que exista autorización para acceder a los datos, tendemos cada vez más hacia una sociedad en la que tienen que presentar tres características fundamentales:
Sea veraz y digno de confianza, para que la decisión se tome sin lugar a dudas;
Estar disponible para consumir – para cada usuario de acuerdo con las políticas de seguridad;
Esté actualizado y “fresco”, para que pueda decidir sobre la evidencia reciente sin el riesgo de estar incompleto.
- Sea veraz y digno de confianza, para que la decisión se tome sin lugar a dudas;
- Estar disponible para consumir – para cada usuario de acuerdo con las políticas de seguridad;
- Esté actualizado y “fresco”, para que pueda decidir sobre la evidencia reciente sin el riesgo de estar incompleto.
Características fundamentales de la información para la exploración analítica
Pero hay más: aliado a estas características, los consumidores esperan que se facilite el ANÁLISIS DE DATOS, através de soluciones más intuitivas y sencillas de explorar, con más inteligencia y capacidad de generar insights que propongan investigaciones futuras y también más rápido, para que la información justifique la toma de decisiones. objetivamente.
SABER MÁS ACERCA DE ADVANCED ANALYTICS
