El 2023 puede marcar el comienzo de un cambio de enfoque en el análisis de datos.
El reto es que el análisis de Big Data llegue al sector público, bastante reticente a incorporar soluciones tan innovadoras.
Es crítico combinar tecnología e inteligencia humana.
La pandemia impactó negativamente la sociedad, pero también ha tenido efectos altamente positivos como el impulso en la digitalización de servicios. Es cierto que, en algunos sectores, como la banca, el canal digital ya existía, pero en la mayoría de los casos se han tenido que acometer inversiones millonarias para poder ofrecer los servicios a los clientes a través de herramientas digitales, además de adaptar procesos y formar a los empleados en esta nueva filosofía de trabajo.
Así se desprende una de las principales conclusiones del informe “Big Data en la era pospandemia” elaborado por Óscar Quero, profesor de OBS Business School, institución perteneciente a Planeta Formación y Universidades, red internacional de educación superior del Grupo Planeta.
Uno de los efectos que ha tenido este cambio de paradigma es el incremento en la generación de datos, principalmente “nuevos datos” que permiten a las compañías entender mejor a sus clientes. El profesor Quero afirma: “Hoy por hoy, no ser “Data-Driven” es una condena a muerte”. Y es que no solo las posibilidades de desarrollo del Big Data se podrían considerar infinitas, sino que, además, ya contamos con capital humano capaz de llevar a cabo nuevos proyectos. “El 2023 puede marcar el comienzo de un cambio de enfoque en el análisis de datos”, opina Óscar Quero.
La digitalización de servicios ha potenciado en los últimos años la expansión y el uso de la telemedicina, implantada desde hace muchos años en Estados Unidos, pero con poca introducción en otros mercados. Este tipo de servicios, donde el paciente está en el centro, genera un volumen importante de datos que abre muchas posibilidades tanto a nivel analítico como médico. Un claro ejemplo es el servicio “Watson for Oncology”, una herramienta de IBM que permite ofrecer respuestas a los sanitarios sobre las patologías de sus pacientes y recomendar los mejores tratamientos.
Pero la implementación de soluciones de Big Data es crítica porque, al manejo de los miles de historias clínicas, se añade que los datos provienen de diferentes fuentes con diferentes ritmos y procesos. La implementación de estas soluciones permitiría el mejor seguimiento de los pacientes, un mayor control de la presión asistencial en los centros de salud y el análisis de pruebas diagnósticas de imagen con Inteligencia Artificial, lo que redundaría en una mejora de la calidad de la atención y también en la reducción de los tiempos de espera. Lo cierto es que la pandemia ha incentivado la inversión en esta área, pero el informe de OBS admite que queda mucho camino por recorrer. “El reto es que todo esto impregne también al sector público, que es un poco más reticente a incorporar soluciones tan innovadoras”, indica Óscar Quero.
El sector asegurador es otro de los que ya se está beneficiando del análisis de Big Data, con herramientas que permiten predecir el riesgo de accidente de cada uno de los clientes y así poder optimizar precios. Un ejemplo de éxito es la compañía AXA que, basándose en datos, ha identificado entre un 7% y un 10% de clientes que provocan accidentes (el 1% genera un gran menoscabo a las arcas de la compañía). Pero el Big Data también ayuda a las compañías del sector a detectar fraudes. De hecho, la “Coalición contra el fraude de seguros” de EEUU ha podido identificar el pago de hasta 80 millones de dólares anuales por reclamaciones fraudulentas. Y es que los métodos utilizados hasta ahora tenían unas limitaciones que los hacían incapaces de identificar de forma clara y fiable casos complejos y elaborados, como los accidentes simulados o los incendios provocados. Con el uso del Big Data y la Inteligencia Artificial, las compañías han pasado de modelos reactivos basados en el análisis de datos históricos a modelos proactivos de detección de fraudes en tiempo real.
La aparición de los “vehículos conectados” y los “vehículos de conducción autónoma” ha supuesto nuevas fuentes de datos que están constantemente suministrando información. Sin embargo, la velocidad de las redes actuales (4G, 3G) no permite un modelo de comunicación en tiempo real, lo que impide que la gestión de datos y la toma de decisiones posterior sea rápida y eficiente. Expertos como el Dr.-Ing. Thorsten Marten, de la Cátedra de Diseño Ligero en Automoción (LiA) de la Universidad de Paderborn, defienden la necesidad de disponer de redes ultrarrápidas 5G para poder conseguir comunicaciones en tiempo real entre los dispositivos. Sin embargo, ello implicaría ciertos riesgos de seguridad, dado que para conseguir que todos los participantes se comuniquen entre sí, sería necesario disponer de redes, interfaces de trabajo y protocolos abiertos.
Otra área donde también tendrá mucha influencia el Big Data en los próximos años, con el apoyo de la Inteligencia Artificial, es la Ciberseguridad, principalmente por el gran valor que tienen los datos para los ciberdelincuentes. Estas soluciones crean modelos predictivos para ayudar a generar alertas de posibles amenazas antes de que realmente se produzcan.
Lo cierto es que el Big Data ya no es una tendencia, sino una realidad que nos ayuda en todos los campos, aunque siempre teniendo en cuenta que, por muy avanzados que sean los algoritmos, nada podrá sustituir por completo la inteligencia humana. “Si se quiere que una iniciativa empresarial de este tipo sea un éxito, es crítico combinar tecnología e inteligencia humana; por ello las compañías deben tener profesionales preparados que se encarguen de optimizar los modelos y saber cuáles son las preguntas adecuadas a realizar al sistema”, concluye Óscar Quero.