En los últimos meses estamos hablando mucho sobre Big Data pero, ¿qué relación tiene la minería de datos con el Big Data? Son dos términos que están muy relacionados entre sí, pero que no son exactamente iguales. Existen muchas definiciones de minería de datos pero, ¿sabemos para qué la necesitamos?

El concepto de minería de datos se refiere al proceso de extraer información, buscar patrones al conjunto de datos, normalmente muy grandes y heterogéneos. Se denomina así por analogía con el proceso de extracción de algo valioso, como diamantes de lo más profundo de una mina abierta bajo una enorme montaña.

Se trata de un concepto bastante amplio, ya que este proceso está relacionado con diversas tecnologías como la estadística, el aprendizaje automático, bases de datos, optimización, etc… Hoy en día el concepto minería de datos se utiliza menos, y preferimos ser más específicos a la hora de definir cómo extraemos esa información, por ejemplo, búsqueda de patrones mediante aprendizaje automático. Lo que hacemos es buscar qué muestran esos datos y qué patrón oculto existe para que las empresas puedan tomar decisiones.

En el Máster de Analítica para Grandes Volúmenes de Datos: Big Data de la Escuela de Negocios de la UEMC intentamos dar una visión muy práctica y muy técnica, es decir, hablamos de algoritmos y de aplicaciones y menos de negocio, “no porque no sea importante, sino porque nuestro máster está más enfocado a la analítica”, matiza Ignacio Gómez, docente del Máster de UEMC Business School.

Te puede interesar: Data Scientist: La profesión del futuro

Por lo tanto, este máster está enfocado a técnicas de aprendizaje automático (Machine Learning) que se basan en las matemáticas, la estadística y el mundo de la programación de las que intentamos extraer información de grandes volúmenes de datos.

Este volumen de datos es tan grande que una persona directamente no podría o le costaría mucho extraer esa información. Sin embargo, gracias a unas técnicas muy potentes que se han desarrollado en los últimos años somos capaces de extraer información interesante de datos heterogéneos.

Por ejemplo, podemos sacar información de vídeo, podemos contar personas que pasan por delante de una cámara o determinar si una foto contiene un coche o no, o incluso leer una matrícula de una foto. También podemos extraer información de texto escrito, por ejemplo podemos determinar si alguien que está escribiendo está enfadado o de buen humor. Todo esto son ejemplo de cómo con estas técnicas podemos extraer mucha información de datos que aparentemente son complejos y heterogéneos.

Relación entre Minería de Datos y Big Data

El Big Data se centra en analizar los grandes volúmenes de datos que superan la capacidad de los procesamientos informáticos habituales. Su objetivo es el de analizar en el menor tiempo posible y de forma eficaz toda la información.

En cambio, la minería de datos analiza los grandes volúmenes de datos. Sintetiza, identifica y agrupa patrones de comportamiento entre los datos. Generalmente los datos que analiza pertenecen a clientes y consumidores. Gracias a la minería de datos, podemos conocer patrones de conducta de clientes, periodos de contratación de un servicio determinado o periodos de compra, fuga a otras compañías, o incluso riesgos de estafas a partir de patrones sospechosos o inusuales.

En estos momentos, científicos de datos y expertos en Big Data en el mundo hacen falta medio millón y, según el científico de datos, Agustín Madariaga, “no los hay”. El proceso de formación es complejo, requiere de mucho ensayo-error y de un amplio conocimiento para identificar muchas cosas. Por este motivo, el experto afirma que, durante bastante tiempo, “se va a producir un déficit de profesionales”, igual que ocurrirá con la Inteligencia Artificial o en todo tipo de aprendizaje supervisado.

Pero, ¿por qué es tan complicado especializarse en la ciencia de los datos? Según este experto, “hay como una barrera mental, es decir, llegar a entenderlo requiere trabajar duro y mucho tiempo y es una sensación un poco dura de aguantar”. De hecho, afirma que casi todos los que han estudiado esto, han tenido la tentación de no continuar. “Pero hay un momento en el que te das cuenta de todo lo que puede aportar el mundo del Big Data y las enormes posibilidades que tiene”, explica Madariaga.

Por lo tanto, la minería de datos requiere formación, porque es necesario saber de estadística, de programación, de negocios y de comportamiento del consumidor, ya que también es necesario tener conocimientos de investigación de mercado o de psicología.

La aparición del Big Data ha supuesto un cambio cualitativo y no cuantitativo. Big Data no permite hacer cosas con más datos, sino que lo que permite es “hacer cosas que antes no se podían hacer”, que es algo completamente distinto. Antes no se podían utilizar fuentes diversas de datos. “Hace 20 años un dato era lo que figuraba en una hoja de excel y ahora un dato es cualquier cosa que esté en formato digital: un texto, una fotografía, un vídeo, cualquier cosa que esté en formato digital es un dato analizable”, explica Madariaga.

Cierto es que el aprendizaje automático y la inteligencia artificial están más metidos en nuestra vida diaria de lo que nos damos cuenta. No es algo que vaya a cambiar nuestra vida de la noche a la mañana, si no que se ha ido metiendo en ciertas cosas de nuestra vida cotidiana.

“Nos parece trivial porque nos hemos acostumbrado a escribir dos palabras en una cajita en Google y que nos localice en décimas de segundo todas las páginas del mundo que las mencionan, entre billones de páginas web disponibles, pero hay mucha inteligencia detrás de esos algoritmos”, afirma Ignacio Gómez. Pero las posibilidades son muy grandes y casi todo está por hacer, “así que veremos cosas muy interesantes en los próximos años”.

¿Cuándo y quién debe usar Big Data?

Casi cualquier empresa u organismo. En el momento que tenemos datos almacenados sobre nuestra actividad, nuestros clientes o nuestros proveedores,  muy probablemente podremos extraer información útil analizando esos datos.

En particular, si almacenamos datos sobre nuestros clientes, podremos determinar cómo servirles mejor, cómo tenerlos más satisfechos, conseguir más negocio o aumentar su fidelidad hacia nuestra marca. Simplemente entendiendo qué quieren, qué cosas les resultan importantes y cuáles no, qué les gusta y qué les irrita en su relación con nuestra empresa. Y esto es solo un ejemplo.

Te puede interesar: BusinessInFact becará a alumnos con el objetivo de apoyar proyectos emprendedores de éxito

Este conocimiento de los clientes gracias a la minería de datos también beneficia a las empresas pequeñas, ya que “al conocer mejor a sus clientes, al mercado o a cualquier otro elemento que influya en su negocio, puede ser la clave para sobrevivir a largo plazo”, destaca Ignacio Gómez.

Pero muchas pequeñas empresas se preguntan, ¿el Big Data es caro? Según Madariaga “una empresa no tiene cosas caras y baratas, tiene retorno de la inversión positivo o negativo. Por lo tanto, si tiene un retorno de la inversión positivo, te interesa”. El Big Data optimiza tu inventario, optimiza los turnos de trabajo, la distribución, la fuerza de ventas… es decir, “hay un rendimiento que hace que lo que te has gastado en eso, no solo regrese, sino que además ganes dinero”.

Cambios a largo plazo

Las empresas, a largo plazo, cambiarán por completo, pero cambiarán todavía más con la Inteligencia Artificial porque “hay un montón de cosas que se van a automatizar y hay un montón de decisiones, incluso decisiones operativas, que se van a poder tomar casi automáticamente”, explica Agustín Madariaga.

Por su parte, Ignacio Gómez afirma que casi todo está por hacer, ya que “la mayoría de los avances en Inteligencia Artificial que leemos en la prensa son experimentos de laboratorio que aún no han llegado a transformarse en productos o en servicios que directamente nos afecten”.

“Por eso es tan apasionante este mundo, porque casi todo está todavía por hacer”.

Pero, en términos generales, la Inteligencia Artificial permitirá a los trabajadores concentrarse en tareas de mayor valor, dejando a las máquinas las más pesadas o sencillas. Esto implicará trabajos más creativos y de mayor nivel que los actuales.

No obstante, esto también implica una necesidad de reciclarse, algunos trabajos desaparecerán, y “si no estamos hábiles para adaptarnos a este cambio podemos quedarnos fuera de juego”.

Pero, ¿es arriesgado depender tanto de máquinas? Agustín Madariaga afirma que, según IBM y Microsoft, dos de las grandes empresas que se están metiendo en Inteligencia Artificial, dicen que esto es Inteligencia Ampliada, que no va a ser la que sustituya al humano, sino la que ayude al humano a tomar mejores decisiones.

Ante este concepto, Ignacio Gómez, cree que es un concepto de marketing elaborado para intentar evitar el posible miedo de la gente a las máquinas inteligentes. Por eso cree que es mejor razonar de otra manera:

“Como es más sencillo fijarnos en el pasado que intentar adivinar el futuro, es fácil darnos cuenta de que la humanidad ha pasado ya por varias revoluciones tecnológicas que según algunos iban a volvernos esclavos de la máquinas, pero hoy en día a nadie se le ocurriría eliminar todos los tractores y volver a arar los campos con bueyes, ni eliminaría las máquinas de tejer para volver a las ruecas y los telares manuales. Los avances tecnológicos no están exentos de riesgos, pero al final, los que realmente merecen la pena, nos ayudan a conseguir mejores condiciones de vida”.

En definitiva, el panorama que nos espera dentro de 10 años, si queremos sobrevivir en el mercado laboral es “aprender algo nuevo permanentemente”, porque probablemente en 10 años ya ni siquiera estaremos hablando de esto y estaremos hablando de una cosa totalmente distinta en la que también habrá déficit de profesionales. El objetivo es ir avanzando hacia donde vayan las tendencias y esto requiere curiosidad y esfuerzo y es aquí donde la formación continua es parte fundamental.