Análisis Predictivo y Machine Learning

Machine Learning es anunciado como el siguiente gran paso en el análisis de Big Data y Business Intelligence (BI). La mayoría de las empresas reconocen que los datos generados a partir de sus transacciones, son activos de vital importancia dentro de la organización. Machine learning se aprovecha de estos datos para ir más allá del entendimiento que puede aportar el BI tradicional, al proporcionar predicciones exactas de operaciones del negocio, como las ventas, los posibles fallos en maquinarias, etc.

Cuando hablamos de “Big Data”, inconscientemente suponemos que una mayor cantidad de datos es mejor. Si bien a menudo es cierto, la necesidad de grandes volúmenes de datos varía dependiendo del uso que se busque, como también varía de una muestra a otra. Una muestra representativa puede llegar a estar compuesta de, tan solo, miles de registros, lo que hace que la muestra de datos sea representativa no es el volumen sino la variedad de los mismos. La información histórica es un punto importante, ya que debemos contar la cantidad suficiente de periodos de tiempos históricos como para abarcar todos los eventos cíclicos que pudieran ocurrir con una cierta periodicidad.

Históricamente, los algoritmos de predicción eran bastante rígidos y si una empresa quisiera un análisis diferente, necesitaba cambiar el algoritmo. Hoy en día, los algoritmos pueden ir mutando en función de los datos que recibe.
Por ejemplo en Facebook, los algoritmos utilizados para etiquetar personas automáticamente, a menudo que corre el tiempo, van teniendo una mayor tasa de éxito, esto es posible ya que “aprende” de las interacciones de sus usuarios. Cada vez que esta función es utilizada, el algoritmo aprende y evoluciona.

Microsoft cuenta con Machine Learning en su plataforma Azure. La plataforma permite a los usuarios desarrollar modelos predictivos haciendo drag and drop en una interfaz gráfica, sin la necesidad de escribir ningún código.

Cada vez es más fácil aplicar esta tecnología. Las empresas pueden identificar a sus clientes más influyentes, garantizar que el inventario este en el lugar indicado en el momento correcto y predecir los resultados,y por lo tanto predecir cuál será la mejor acción a tomar en cada uno de esos casos.

Fuente: Marcelo Costa

machinelearning

Newsletter

Aplican “Machine Learning” en la búsqueda de medicamentos para el cáncer

El “Machine Learning” está revolucionando el descubrimiento de fármacos contra el cáncer. El ...

Qué necesitan saber las empresas sobre los sistemas de cómputo cognitivo

Si bien las herramientas de computación cognitiva han llegado lejos en utilidad, todavía tienen al...

Retos que enfrentan Self Services BI y Analytics

Las herramientas de BI de autoservicio se han convertido en el estándar para el software de intelig...

Intelligent Video: la clave para analizar grandes datos de vídeo

La tecnología de videovigilancia ha dado un salto cuántico en la última década. Ahora tenemos un...