14 de julio de 2018
Con el fin de aproximarse a lo que está ocurriendo a nivel nacional, consultamos a dos de nuestras empresas socias sobre las medidas que han tomado en cuanto a Big Data & Internet of Things. Marco Aurélio Peres, Head of Machine Intelligence del Grupo Stefanini, y Tristán Riquelme, gerente del Departamento de Analytics y Proyectos Especiales de Entel, respondieron preguntas clave sobre la aplicación de estas tecnologías en las compañías.
¿Cuáles son las industrias que más verán afectado su negocio por la entrada paulatina de Big Data & IoT?
Stefanini: En general, todos los segmentos de negocio pueden beneficiarse con Big Data, ya que las empresas pasan todo el día tomando decisiones, de las más simples a las más complejas. Y son decisiones acertadas que hacen que las empresas progresen. Sin embargo, es válido mencionar que estos segmentos ya se están beneficiando: Finanzas, Seguros, Salud, Publicidad.
En cuanto a la IoT, que en general está muy asociado a la Big Data para aprovechar los datos generados por la malla de sensores, es importante mencionar: Agricultura, Industria y Healthcare.
Entel: Comúnmente se tiende a pensar que son las industrias que generan más datos o que están profundamente relacionadas con tecnología y data como los grandes candidatos a aprovechar esta tendencia. Si bien estas industrias han sido la punta de lanza dada su naturaleza y su cercanía a la tecnología, estos conceptos afectan a todas las industrias en general. Todas las áreas son terreno fértil para comenzar a desarrollar la manera de pensar basada en la evidencia ( y en los datos).
Si vamos al lado meramente tecnológico, el potencial incremental de estas nuevas tecnologías va a afectar positivamente la eficiencia de procesos. Esto es, desde el punto de vista de gestión de la información, recolección, almacenamiento y análisis: “hacer lo mismo”, pero a un costo menor.
Lo interesante viene cuando nos ponemos a pensar en la manera que la tecnología habilita nuevos modelos de negocio y comienza a afectar la primera línea. Niveles distintos en las capacidades de anticipar demanda, descubrir necesidades, anticipar problemas o resolverlos en tiempos cada vez más cortos. Desde una empresa productiva que comienza a medir y almacenar todos los registros de su cadena productiva, hasta una empresa de gestión y selección de personas, donde se maneja mucha información no estructurada y se puede almacenar eficientemente, existe un primer paso que implica mejorar en el margen la toma de decisiones, y pasos posteriores que toman este enfoque como punto de partida, y lo ponen al servicio de nuevos modelos de negocio con el potencial de hacer disrupción en las industrias establecidas.
¿Qué beneficios en rentabilidad puede significar para una empresa introducir tecnología Big Data & IoT?
Stefanini: Una empresa que adopta las tecnologías de Big Data & IoT de manera correcta observará múltiples tipos de beneficios. En Stefanini ayudamos a un fabricante de juegos a reducir la cantidad de stock de productos acabados en un 12%, liberando ese valor a otros tipos de inversión. También hicimos un proyecto para una operadora de planes de salud para identificar qué clientes son propensos a dejar de ser cliente. En una distribuidora de energía eléctrica conseguimos identificar aquellos clientes que se convertirán en unidades irregulares, disminuyendo el costo de fiscalización reducido porque el equipo está más enfocado. Otro caso interesante fue hecho para un banco donde con algoritmos de machine learning pudimos indicar qué servicios deben ser ofrecidos para qué clientes.
En el campo de IoT, las empresas obtienen beneficios a partir del momento en que poseen equipos conectados para enviar conversar entre sí, proveer y recibir datos durante todo el tiempo en que operan, desde los equipos de un hospital, una línea de montaje de coches, equipos de plantación y cosecha y muchos otros. Una vez que estos dispositivos están conectados, las decisiones de la empresa pasará a ser más acertadas, con informaciones del área de producción disponibles y en tiempo casi real. De igual modo, la producción o ejecución de una tarea será más integrada, ya que el equipo de un área hará una tarea de acuerdo y sincronizada con el trabajo de las otras. Son las máquinas conversando entre sí y adaptándose.
Por hablar de máquinas, otros tipos de beneficios son la producción continua, la menor necesidad de supervisión y la reducción de costo de las personas. Para aquellos trabajos con mayor riesgo de accidente de trabajo, algunos de ellos pueden pasar a ser realizados por máquinas, con menor impacto en caso de que ocurra algún accidente. Esas tecnologías son tan disruptivas que hablar de un aumento del 10%, 20% o 30% de aumento en rentabilidad es hasta una visión bastante simplista, pues en realidad ellas permiten es la creación de nuevos modelos de negocio totalmente basados en datos. Las startups de éxito están ahí para comprobar y cada vez más las empresas tradicionales entran en esa ola.
Entel: A mi juicio la clave no es hablar de tecnología, que por sí misma tiene un impacto limitado. Mucho mejor es que pensemos en aplicar analítica o ciencia de datos, que van más allá de la tecnología pura y dura. Estos enfoques toman la tecnología como base habilitadora y la combinan con maneras de procesar e interpretar que antes era muy caro o costoso.
Lo fundamental es que esta disciplina – que tiene ciencia como parte de su nombre – intenta usar la información disponible para resolver de manera analítica problemas a los que nos vemos tradicionalmente enfrentados. ¿A quién contratar? ¿Cuánto y a qué precio producir? ¿A qué segmentos enfocarme y cómo responderá la competencia si lo hago? ¿Qué combinación de parámetros de las máquinas de mi línea productiva me genera el mayor retorno con la mínima variación? La clave es el enfoque científico para resolver estos problemas y eso ha sido la gran revolución.
De nuevo, no es la tecnología, sino la capacidad que la tecnología- con generación de datos (sensores), almacenamiento y procesamiento barato ( el cloud) y los nuevos algoritmos, los que junto a esta manera de tomar decisiones basada en la evidencia, y la evidencia puesta al descubierto gracias a la potencia de estos factores combinados, la que serán un game changer para los que sepan subirse a esta ola.
En Chile aún estamos en etapas tempranas en lo que se refiere a Big Data & IoT ¿Cómo puede una empresa comenzar a dirigir sus procesos productivos hacia uno centrado en o receptivo a esta tecnología?
Stefanini: Fomentar una cultura de decisiones siempre basada en datos. Esta nueva cultura generará la necesidad del establecimiento de una gobernanza de datos así como nuevas habilidades para el análisis de datos. Estas habilidades se entregan con nuevos perfiles en el mercado como científicos de datos, ingeniero de datos, asesores de Big Data ingenieros de máquina de aprendizaje, etc.
Por último, la experimentación y apertura a la innovación son esenciales para que las empresas más tradicionales vean en la práctica los beneficios.
Entel: Mi sugerencia sería identificar áreas en que se combinen estos ingredientes: a) hay datos o es factible conseguirlos eficientemente, b) tenemos algún grado de incertidumbre en alguna decisión y c) equivocarse en esta decisión tiene un impacto relevante en el negocio (ingresos, costos, experiencia de clientes, etc.) En las áreas donde identifiquemos la presencia de estos elementos, hay potencial para explorar cómo enfoques analíticos pueden ayudar a reducir esta incertidumbre y hacer más certeros los diagnósticos y la toma de decisiones. Dentro de estas áreas se debe bajar un nivel más en profundidad para así identificar casos de uso específicos (que involucren una decisión o KPI a impactar) y priorizarlos de acuerdo a su impacto y costos de implementación estimados. Esto constituirá el inventario o roadmap de desarrollo de casos de uso a explorar.
En general, hemos visto que estos procesos de transformación y maduración de los datos pueden partir de dos maneras. Algunas empresas, con una visión fuerte de sus directivos sumado al expertisede un championinterno, que conoce bien el funcionamiento de la empresa, comienzan empoderando a un grupo central que comienza a almacenar y organizar los datos, muchas veces empujando la conversación de cómo gobernarlos y en paralelo desarrollar casos de uso internos para generar tracción. En otros lados, el potencial lo ha revelado algún proveedor o la transferencia de mejores prácticas desde empresas más avanzadas y comienzan a desarrollar analítica empaquetada, resolviendo problemas específicos con alto impacto, pero que tiende a limitar el desarrollo transversal de estas capacidades al interior de las organizaciones. Independientemente de cómo se comience el camino, creemos que la identificación de talento y el empoderamiento de un núcleo central de Big Data / Analytics es la manera de ir levantando oportunidades, descubriendo y priorizando las iniciativas de valor y últimamente habilitando un cambio cultural en torno al aprovechamiento de los datos.
¿Qué proyectos o líneas de servicios realiza la empresa en esta área?
Stefanini: Construimos servicios de Big Data Analytics, IA & IoT para diversos momentos de madurez de nuestros clientes. Los servicios que llevan contenido a empresas que todavía no están utilizando estas tecnologías, ayudamos a levantar y organizar un roadmap de retos de negocio que se beneficiarán más, los hackatons, la construcción de plataforma de datos, consultoría y proyectos y muchos otros.
En general, Big Data Analytics, IA e IoT son competencias estratégicas para Stefanini y podemos decir que atendemos de punta a punta, ya sea con servicios propios o con la utilización de nuestro ecosistema de innovación.
Entel: En Entel, desde hace mucho tiempo venimos trabajando con altos volúmenes de información por lo que nuestra transición hacia plataformas tecnológicas tipo Big Data fue natural e incremental. Por otro lado, la manera en que explotamos estos y otros datos sí es nueva. Implementamos estructuras organizacionales especializadas que atienden necesidades analíticas internas y externas. Estas estructuras están dotadas de data scientists, que en conjunto con áreas clientes (internas o externas) desarrollan e implementan casos de uso que aprovechan y disponibilizan información para la toma de decisiones.
Algunos de los proyectos que hemos desarrollado son: modelamiento de fuga de clientes (predicción y optimización), Diseño de campañas de marketing relacional (microsegmentación y optimización), detección temprana de fallas en infraestructura (detección de anomalías y predicción). Todo este expertiseque hemos desarrollado, sumado a los datos propietarios de una telco – la movilidad de nuestros clientes, navegación de sitios, qué comunidades existen a través de llamados – sumados a una capa tecnológica robusta, segura y anonimizada, permiten que Entel hoy a ponga esto al servicio de sus grandes clientes. Esto lo estamos haciendo a través de nuestra nueva propuesta de valor – Entel Ocean – recientemente lanzada.