Razones de peso para usar Data Analytics en el sector del Agua
25 julio, 2018
Donde aplicar con éxito el Data Analytics al Agua: Ciclo Urbano
14 agosto, 2018
Llegar a ser una compañía orientada al dato para sacarle su máximo partido, no es tarea fácil sino se traza una estrategia consistente. A continuación, muestro una pequeña hoja de ruta que ayuda a definir el camino que debe recorrer una compañía que opere en el sector del Agua para sacarle jugo a sus datos.
La primera parada que encontramos en este camino es la que conforman los PORTALES DE INFORMACIÓN de nuestras compañías.
Aquí tenemos a nuestra disposición las tradicionales herramientas de Reporting que se han preocupado siempre de que la información precocinada llegue a los sitios necesarios dentro de mi organización de manera controlada. Éstas se encuentran largamente implantadas en nuestras compañías, desde el más sencillo Excel de Microsoft, pasando por las diferentes alternativas Open Source y llegando hasta las más integradas y complejas cómo Microstrategy, COGNOS o SAS.
A través de estos portales accedemos también a nuestros cuadros de mando fruto de la implantación de alguna de las herramientas de Business Intelligence existentes en el mercado. La información allí está más elaborada y preparada, mucho más orientada a las necesidades del negocio. Éste es el espacio natural de la gran mayoría de personas de nuestra compañía. Es el lugar donde ocasionalmente acudirán para consultar este u otro informe en el que confiarán ciegamente. Hasta hace poco parecía que era la única alternativa para analizar nuestros datos que una compañía de Agua podía usar.
Siguiendo el camino y compartiendo una frontera difusa con los portales nos encontramos con el TALLER DE DATOS o TALLER ANALÍTICO.
Éste, reconozcámoslo, ya es más difícil de encontrar en nuestra industria. Las herramientas aquí buscan el descubrimiento, la interactividad, el poder contar una historia a través de los datos y responder a la analítica básica, la que se preocupa principalmente de describir (¿Que ha pasado?) y de diagnosticar (¿Por qué ha pasado?). Es el espacio donde proveedores como Power BI de Microsoft, Qlik o Tableau se encuentran sumamente cómodos. Éstas requieren de un mayor control y destreza sobre cómo trabajar con los datos para conseguir dirigirlos en la dirección de negocio adecuada.
Además, mientras los portales se han asentado siempre sobre información empresarial bien estructurada, estas herramientas buscan la integración de múltiples fuentes de datos, ya sean internas o externas a la organización como redes sociales u Open Data. Solo unos pocos elegidos, analistas de negocio o de datos se encuentran cómodos buceando en este ecosistema de análisis avanzado orientado al puro diagnóstico.
Y finalmente llegamos al Santo Grial del Data Analytics actual para las organizaciones, al lugar donde todos quieren llegar. Nos referimos al LABORATORIO DE DATOS o donde la ciencia de los datos ocurre.
Aquí es donde retorcemos los datos para obtener simulaciones, optimizaciones, predicciones y todo lo demás con herramientas estadísticas cada vez más potentes. Este es el espacio también donde los verdaderos Data Sciencist hacen analítica basada en el contexto, la que se preocupa principalmente del aspecto cognitivo y el aprendizaje a partir de los datos. Aquí podemos hablar tranquilamente de datos no estructurados de todo tipo, de audio, video, imágenes o texto y de grandes volúmenes de datos capturados con nuestra estrategia IoT.
Llegar al último estadio supone un esfuerzo brutal como organización. Y no me refiero en el ámbito económico sino a la propia cultura. Llegar a ser una organización orientada a los datos (Data Driven organization) supone un cambio profundo en personas, procesos y herramientas. Esto, por su profundo calado y complejidad, me lo reservo para otra entrada en el Blog donde pueda plantearos mi visión sobre quién debe hacer qué con qué cosa para generar conocimiento a partir de sus datos sin morir en el intento.
Llegados a este punto parece que llegar al final del camino sea tarea imposible, lo que puede hacer desistir a más de uno para conformarse con lo bueno conocido. Es quizás momento de vislumbrar la posible recompensa para ponderar si merece la pena tan titánico esfuerzo. Y aquí es donde nos debemos preguntar:
¿Qué puedo conseguir si llegamos hasta el final y cuál es su valor para la industria del Agua?
La respuesta a esta pregunta debemos buscarla en uno de los vocablos más de moda últimamente, la Inteligencia Artificial. La gran mayoría piensa que no es más que la inteligencia de las máquinas. Algún sesudo y brillante estudioso de la materia como Nils J. Nilsson la define como “La actividad dedicada a hacer las máquinas inteligentes, y la inteligencia es esa calidad que permite a una entidad funcionar apropiadamente y con previsión respecto a su entorno”.
Otros más prácticos como los autores del informe AI100 (100 años de estudio de la Inteligencia Artificial) liderado por la Universidad californiana de Standford, creen que es la rama de la ciencia informática que estudia las propiedades de la inteligencia mediante la síntesis de la inteligencia. En este estudio se afirma que la inteligencia reside en un espectro multidimensional. De esta manera, la diferencia entre una calculadora aritmética y un cerebro humano no es de tipología, sino de escala, velocidad, grado de autonomía y generalidad. Y eso es muy cierto.
Los campos de investigación actuales de la Inteligencia Artificial cubren los aspectos más avanzados del Data Analytics. Es allí donde se están tratando los aspectos más innovadores y experimentales que en poco tiempo irán conformando una oferta tecnológica madura que podrá llegar a todas las industrias, no tan solo las más avanzadas.
Estamos hablando aquí de disciplinas como el MACHINE LEARNING a gran escala que trata el diseño de algoritmos de aprendizaje, el DEEP LEARNING que mediante tecnologías como las redes neuronales convucionales está revolucionando la visión por ordenador o el REINFORCEMENT LEARNING que trata el aprendizaje por refuerzo para el proceso secuencial de toma de decisiones basado en la experiencia a partir del reconocimiento de patrones.
Por otro lado también tenemos disciplinas como la ROBÓTICA que está mejorando espectacularmente la interacción del robot con el entorno y con el humano, la VISIÓN COMPUTERIZADA que está llegando al subtitulado automática de imagen y video o el PROCESAMIENTO DEL LENGUAJE NATURAL que trata de reconocer automáticamente el habla para conseguir realizar diálogos y traducciones automáticos. Aquí debemos tener en cuenta la tendencia creciente de uso de voz en el móvil (Google dice que actualmente el 20% de las consultas a móviles se hacen ya por voz).
La IA trabaja también en SISTEMAS COLABORATIVOS que persigue el desarrollo de sistemas autónomos que puedan trabajar colaborativamente o en la COLABORACIÓN ABIERTA DISTRIBUIDA Y COMPUTACIÓN HUMANA basada en métodos de aprendizaje de sistemas basados en llamadas automáticas dirigidas al expertise humano para solventar problemas que las máquinas no pueden resolver. Por último encontramos otras ramas enfrascadas en la TEORÍA DE JUEGOS Y ELECCIÓN SOCIAL COMPUTERIZADA o la aplicación de como la AI puede ayudar a alinear incentivos para las personas, a entender sus intereses para llegar a representarles, en la COMPUTACIÓN NEUROMÓRFICA que no es más que un intento de mimetizar las estructuras biológicas para mejorar el hardware el INTERNET DE LAS COSAS que ya nos sabemos todos ¿no?
A partir de lo listado anteriormente, se me ocurren mil cosas ahora mismo que podemos aplicar a nuestra Industria: usar drones para vigilancia activa de instalaciones remotas, reconocer automáticamente el entorno en tareas de mantenimiento para evitar riesgos, capturar automática información en campo por cambios en el ambiente, usar asistentes virtuales para atender mejor al cliente, mejorar la interoperabilidad de nuestros sistemas mediante sistemas colaborativos, realizar asignaciones a tareas mediante asistentes comandados por voz… ¿Quieren más? La lista es interminable. La imaginación es el límite.
Evidentemente la aplicación sola de la Inteligencia Artificial no puede alcanzar este descomunal reto. A la industria del Agua, como a muchas otras, les debe ayudar otro tipo de revoluciones sin las que no podríamos conseguir nuestro sueño: acceso a conocimiento a partir de grandes volúmenes de datos, tratados rapidísimamente, de una gran variedad, accesibles en cualquier lugar, procesables en todas partes entre un conjunto de dispositivos y sistemas hiperconectados. Me estoy refiriendo al resto de piezas del puzzle del Data Science que se muestran conectadas a continuación y que se explican perfectamente en éste buen artículo
¿Qué debemos tener en cuenta en la Industria del Agua sobre estas piezas?
