Blog

Congreso Big Data y Su Impacto en las Organizaciones

16 Noviembre, 2018

El primer congreso sobre el tema “Big Data y su impacto en las organizaciones” de Lead University contó con la contribución de 12 panelistas, incluyendo la charla inaugural del Dr. Vasant Dahr, profesor de la Stern School of Business de New York University y la participación de más de 200 personas. Reunió a estudiantes, profesores, empresarios y funcionarios públicos que asistieron a 2 charlas magistrales, un conversatorio y 5 talleres simultáneos en temas asociados al big data: servicios financieros, sector retail, mercadeo digital, ciberseguridad y ciudades inteligentes. 

 

Relevancia del big data. Las cinco empresas más valiosas del mundo que trabajan con datos masivos acumularon en el primer trimestre del año 2017 US$25 billones en ganancias (The Economist, mayo 2017). No es casualidad, entonces, que este tipo de datos sean considerados “el petróleo de la era digital” (The Economist, mayo 2017). Más que simple información, el Big Data se posiciona como uno de los activos más valiosos que las empresas pueden tener para crecer y expandir sus operaciones. Gracias fundamentalmente al desarrollo de la tecnología digital, los datos de millones de personas son procesados, transmitidos y almacenados en tiempo real. Muchas de nuestras actividades cotidianas, desde ver la televisión hasta conducir el automóvil, pueden ser monitoreadas, almacenadas y analizadas. Se trata, entonces, de un activo sumamente valioso y en crecimiento. Se estima que entre el 2014 y el 2024 se habrá generado en el mundo entre 3.9 y 4.4 de millones puestos de trabajo relacionados con la computación en la nube y datos masivos (Gartner, octubre 2017). Al mismo tiempo, existe el temor de que la automatización asociada con datos masivos, el aprendizaje de las máquinas y la inteligencia artificial reduzcan el número de puestos de trabajo actualmente ocupados por humanos.

 

¿Cuándo, entonces, confiar en las máquinas? En su charla inaugural Dr. Dhar exploró el reto de la inteligencia artificial: ¿cuándo confiar en las máquinas y cuándo no, si estas no pueden explicar sus errores a diferencia de las personas? Compartió una herramienta para generar respuestas a esta pregunta que, por una parte, estima el grado de predictibilidad de una actividad y, por otra, el costo del error. La conclusión del Dr. Dhar fue que no podemos confiar en las máquinas para actividades que tienen un bajo grado de predictibilidad (por ejemplo, realizar inversiones) y al mismo tiempo un costo alto en el caso de un error. Los límites de la automatización dependen de nuestros comportamientos y nuestras culturas, pero también del tipo de regulación de cada país. Finalmente, las actividades que estamos dispuestos a automatizar también dependen de la calidad de los datos recolectamos y los algoritmos cada vez más sofisticados que generamos.

Imagen tomada de: Dhar, V. (15 de noviembre, 2018). When should we trust machines? [Presentación]. Costa Rica: Lead University.

 

El big data y su impacto en las organizaciones. El conversatorio sobre big data y su impacto en las organizaciones estuvo moderado por el profesor de Lead University, Dr. Carlos González, y participaron como panelistas Gabriela González, Country B2B Leader Costa Rica de Telefónica; Tatiana Peralta, asesora de movilidad urbana en el Despacho de la Primera Dama de la República; y Pablo Paniagua, Marketing Operations & Analytics Manager de Uber. Los panelistas del conversatorio coincidieron en que gracias a desarrollos tecnológicos que han permitido el almacenamiento, procesamiento y traducción de datos, ha surgido una manera de dirigir las empresas y de administrar los comercios centrada en la predicción del comportamiento de los consumidores mediante la obtención datos. Para Gabriela González cuatro principales industrias están generando datos en estos momentos: la industria de retail, la industria de comunicaciones, el gobierno y la banca. Solo en el país alrededor de 2,3 millones de clientes de Movistar en Costa Rica hablan y navegan en internet todos los días - en el mundo hay más de 5 mil millones de usuarios con smartphones. Por su parte, Pablo Paniagua contó que, si bien la idea inicial de UBER no fue resolver problemas en la movilidad de los países, sino simplemente que los usuarios pudiera pedir un automóvil con un Smartphone conectado al internet, hoy la compañía posee UBER Movement, un servicio para acceder a datos creados por más de 100 mil usuarios alrededor del mundo. Si bien a la empresa le tomó 2 años alcanzar el primer millón de viajes en Estados Unidos, para el 2018 ya se habían realizando 10 mil millones de viajes. Después de analizar estos viajes en más de 600 ciudades UBER pudo identificar el estado deficiente de la movilidad de muchos países.  En el área del transporte público, Tatiana Peralta expuso el caso del uso de datos en Haití, donde el transporte público es débil y no ofrece la información necesaria a sus usuarios. Para mejorar este servicio, el gobierno, en alianza con la compañía telefónica Digicel y la ONG Flowminder, que recaba datos de teléfonos celulares para proyectos de política pública, localizaron los puntos más importantes de la ciudad (escuelas, centros comerciales y  principales rutas utilizadas) para construir una aplicación con la que los usuarios y el gobierno pudieran acceder a la información necesaria para reducir costos en sus viajes, acortar grandes distancias y hacer más eficiente el uso del transporte público. 

 

Big data y servicios financieros. El objetivo principal del taller fue discutir las últimas tendencias sobre aplicaciones en préstamos, inversiones y automatización de procesos, y analizar sus implicaciones para las empresas que prestan servicios financieros. La tecnología financiera (o FinTech) permite una innovación disruptiva en la forma en que se prestan los servicios financieros a través de plataformas que implementan la automatización y toman en cuenta las necesidades y preferencias de los consumidores (Forbes 2018). En comparación con las empresas de servicios financieros tradicionales, las nuevas empresas de FinTech no se ven obstaculizadas por sistemas o procesos heredados. Como resultado, las empresas de FinTech a menudo reaccionan más rápido y desarrollan soluciones que compiten directamente con los métodos tradicionales de prestación de servicios financieros. La audiencia del taller preguntó ¿cuándo se debería de empezar a considerar el machine learning? La respuesta es que nunca es demasiado pronto para comenzar a analizar los datos, pero es necesario tener un plan de “ruta” para evitar riesgos. Entre las principales conclusiones del taller están:

  • Todavía hay una serie de desafíos que se deben ir solucionando: datos históricos, ruidosos e incompletos.
  • Hay aún problemas en los límites de las pre-pruebas, en nombrar desajustes y hay errores en la traducción de registros físicos a electrónicos. 
  • Burlando el sistema: si la gente revierte el sistema, el riesgo crediticio prevalece.
  • Sesgo/equidad: un gran peligro es perpetuar el sesgo y pasar por alto las oportunidades porque no están "reflejadas en los datos".

 

Big data y ciudades inteligentes. El taller estuvo a cargo de Tatiana Peralta, asesora del gobierno en materia de transporte público. De acuerdo con la instructora, las tecnologías digitales están creciendo en los países en vías de desarrollo: el 80% de las personas posee un teléfono móvil promedio, y se prevé que ese porcentaje crezca sostenidamente. Esto ha permitido obtener más información para la toma de decisiones, pero además de la cantidad de información, también ha cambiado la manera en que se recolecta esa información. Nos recordó que por décadas estuvimos acostumbrados a usar datos de tipo “top down”, producidos por el Estado, como por ejemplo los censos. Ahora los datos son de tipo “bottom up”, producidos por los usuarios. Ahora bien, independientemente del tipo de datos, los mejores datos son los que se puedan utilizar, es decir, aquellos recolectados siguiendo ciertos procesos, con el uso de ciertas tecnologías y según ciertos estándares, como por ejemplo General Transit Feed Specification (GTFS), un formato común utilizado para horarios de transporte público y asociado a información geográfica. Si el 80% de todos los datos tiene un elemento espacial ¿cómo utilizar ese elemento para planificar los beneficios del transporte? Con un modelo que reduzca el tiempo de viaje y brinde accesibilidad a la población. Entre las principales conclusiones del taller sobre ciudades inteligentes destacaron:

  • El uso del suelo es el eje fundamental para la eficiencia de las ciudades.
  • La infraestructura, por sí misma, no arregla las ciudades.
  • Es necesario pensar en la asequibilidad del sistema del usuario.
  • La accesibilidad es la clave para generar ciudades competitivas.

 

Big data y mercadeo digital. Los representantes de Google Paolo Pérez y Yeiko Plaza lideraron el taller sobre mercadeo digital. Los instructores brindaron datos relevantes, como el hecho de que un 89% de usuarios siempre o casi siempre buscan información en internet antes de comprar un producto o servicio. Para los instructores “no nos conectamos a internet, sino que vivimos en un mundo conectado”. Las recomendaciones para encontrar clientes en la actualidad, especialmente para las compañías primerizas (“startups”), incluyeron crear una página web y crear una etiqueta que ayude a rastrear el comportamiento de la página web. En el mercadeo digital hay que distinguir entre la audiencia que le gusta algo online de la audiencia con la intención real de comprar. Una vez identificado, la asistencia efectiva al usuario es el nuevo campo de batalla para el crecimiento de las compañías. Los expertos de Google dividieron los nuevos usuarios en tres categorías:

  • Curiosos: desean estar más informados del producto para identificar cuál es el “mejor” o el “peor”. 
  • Demandantes: quieren las cosas a su manera.
  • Impacientes: quieren envíos para el mismo día y tiendas que se mantengan abiertas.

De acuerdo con los instructores del taller, si bien los datos masivos ayudan en muchas estrategias para la toma de decisiones, la calidad de las decisiones depende de: la limpieza de los datos, el tablero y todos sus procesos para que funcione. Si bien con el crecimiento de las plataformas electrónicas se ha generado una mayor competencia por dominar el mercado, por ahora Google y Facebook han dominado internacionalmente y continúan creciendo sin verse afectadas por este aumento en la competencia. 

 

Reacciones. Para una participante profesional en el área de mercadeo digital, el congreso le interesó por el tratamiento de temas en su área de especialización, pero también por la exploración de otros temas que “a todas las personas deberían interesarnos por los cambios tecnológicos y la innovación… hay que actualizarnos y debemos preocuparnos para llevar nuestras empresas y trabajos de la mano de la tecnología”. Para un emprendedor que asistió al congreso, el evento fue valioso porque su “empresa está muy orientada a los cambios en el mercado, entonces hay que estar atento a todo lo que está pasando, hay que informarse y  saber hacia dónde se está orientando el mercado, refrescar conocimientos y ver las expectativas que tienen otras personas con más tiempo en el mercado”.

Síganos en
las redes

Suscríbase a
nuestro boletín

Suscríbase al boletín para estar
al tanto de novedades académicas

Cerrar

Idiomas

Custom Search 1

Noticias y Eventos

Semana Vocacional 2019


16 Noviembre 2019
Compartir