Llegamos a ustedes gracias a:



Reportajes y análisis

SAS: La analítica en la transformación digital

[11/06/2018] Recientemente se realizó en Lima el evento "Analytics: Protagonista en la transformación digital, en el cual la firma SAS mostró su punto de vista en torno al uso de la analítica en el nuevo entorno de negocios que tienen que enfrentar las empresas, un entorno cuyo punto de interés principal es la transformación digital de las empresas.

En la reunión, pudimos observar algunas presentaciones, como las dedicadas a las nuevas tecnologías y la de gestión de riesgos, pero también pudimos conversar sobre el tema centro del evento con el propio Marcelo Sukni, country manager de SAS en el Perú.

Andrés Villa, especialista de big data y analítica de SAS.
Las nuevas tecnologías

Existen una diversidad de tecnologías dedicadas al análisis de la información, y de ellas, Andrés Villa, especialista de big data y analítica de SAS, dedicó su presentación a la Inteligencia Artificial (IA).

Villa sostuvo que básicamente la transformación digital es un proceso de cambio de lo "analógico a lo "digital que trae enormes oportunidades para innovar en el modelo de negocio y disrumpir en el mercado. Y esto se debe a que la transformación empodera al usuario, mejora o extiende el negocio, genera una cultura de cambio, conecta el mundo físico con el digital, genera una sola marca para la empresa (la continuidad de la marca en el ámbito físico y el digital) y le permite tomar riesgos controlados.

Y, sin duda, la característica principal de las firmas que desean realizar una adecuada transformación es que debe guiarse por los datos (data driven). "Los datos deberían estar en la toma de decisiones estratégicas en cualquier empresa que desee mantenerse competitiva, indicó el ejecutivo.

Pero hay muchas tecnologías para trabajar los datos y la que ha resonado con fuerza últimamente es la Inteligencia Artificial (IA), que Villa explicó como la ciencia de entrenar un sistema para emular tareas humanas a través del aprendizaje y la automatización. Eso significa que puede entender el contexto, aprender patrones y reconocer objetos.

La inteligencia artificial ha ido evolucionando hasta su estado actual, que el ejecutivo definió como el de las "interacciones cognitivas, pero antes tuvo que pasar por el Aprendizaje Automático y el Aprendizaje Profundo. En el primer caso se pueden identificar cuatro formas: El Aprendizaje Supervisado, el Aprendizaje No Supervisado, el Aprendizaje Semisupervisado y el Aprendizaje de Reforzamiento. ¿En qué se puede usar el Aprendizaje Automático? SAS lo utiliza, por ejemplo, dentro del despliegue de aplicaciones en tiempo real.

En el caso del Aprendizaje Profundo -que se considera una rama del Aprendizaje Automático- se han desarrollado las conocidas redes neuronales que son extremadamente precisas si se entrenan correctamente, de acuerdo a Villa. El Aprendizaje Profundo se puede usar para clasificación, predicción, identificación de patrones, y específicamente en datos no estructurados.

En general, estas tecnologías de IA ya tienen usos prácticos. Por ejemplo, SAS lo usa en la optimización de reclamos en caso de accidentes automovilísticos. Mediante fotos la IA identifica la magnitud del daño al automóvil mediante el reconocimiento de patrones. También se las utiliza en un sistema denominado "Sonríe y paga, que se usa para pagar sin tarjeta o efectivo en base al reconocimiento facial. E igualmente se usa la combinación de Análisis de Imágenes, Aprendizaje Profundo y dispositivos IoT para conformar una aplicación para retail que sirve a las personas a modo de consejero de moda (fashion advisor).

¿Dónde más se puede aplicar? En fraude y seguridad, inteligencia de clientes, mantenimiento de activos, logística y cadena de suministros, y operaciones de sucursales.

Renato Fiorini, gerente de soluciones de riesgo de SAS para América Latina.
Renato Fiorini,  SAS para América Latina.
La gestión de los riesgos

Otra de las sesiones fue la dedicada a la gestión del riesgo crediticio desde la perspectiva de la transformación digital. El ponente fue Renato Fiorini, gerente de soluciones de riesgo de SAS para América Latina. Fiorini basó su exposición en casos de uso de las aplicaciones de IA en el riesgo crediticio.

Uno de esos casos fue el de ZestFinance. Esta empresa analizó el comportamiento de las personas y lo cruzó con otras muchas variables que difícilmente podrían ser examinadas si no se contara con soluciones automatizadas de IA.

De esta manera se descubrió, por ejemplo, que las personas que dedican más tiempo a leer sus contratos de préstamo, tienen una tasa de incumplimiento del mismo más baja. También se descubrió que las personas que son más cuidadosas con el tipo y monto del préstamo que solicitan -algo que se puede ver con las visitas que hace al sitio de la institución financiera- tienen igualmente una tasa de incumplimiento más baja. Incluso se descubrió que las personas que llenan los formularios con letras mayúsculas y llenan más campos tienen también una probabilidad de incumplimiento menor.

"Todo esto es indicador de que hay todo un nuevo mundo de variables para analizar los préstamos, sostuvo el ejecutivo.

Otro caso de uso de la IA es el de Kabbage, una firma que se dirige al segmento de empresas pequeñas. Esta firma utiliza las soluciones para monitorear redes sociales como Facebook y Yelp, aunque también utiliza datos de PayPal, Amazon, eBay y sitios similares para evaluar a las firmas que solicitan crédito. Es también un caso de uso de nuevas variables para la determinación del riesgo crediticio y que son posibles gracias al uso de la IA.

Otro de los casos fue el del banco brasileño Itaú. Esta institución financiera implementó una plataforma de modelos en base al uso de robots para crear 80 mil variables de negocio. Luego, mediante el uso del aprendizaje automático se crea un primer modelo que es evaluado, se retiran las variables malas y se colocan otras nuevas, y se repite el proceso hasta mejorar el modelo.

El resultado es que se crea una fábrica de modelos que reemplaza al antiguo ciclo analítico que tomaba entre 9 a 18 meses para desarrollar un nuevo modelo por otro que solo toma tres meses o menos. De hecho, en el Perú ya hay dos bancos que están realizando el mismo tipo de procedimiento, de acuerdo al expositor.

¿Cuál es la ventaja? "No es que se creen modelos mejores que los anteriores, pero sí ingresan a producción más rápido, indicó. Esto es muy conveniente si se toma en cuenta que un modelo que ha requerido 18 meses de creación puede llegar un poco obsoleto a producción luego de un año y medio.

Marcelo Sukni, country manager de SAS en el Perú.
Marcelo Sukni, SAS
El evento en sí

Por supuesto, todo evento tiene un propósito y por ello conversamos con el que tiene en panorama general de la actividad: Marcelo Sukni.

"El objetivo de este seminario que se hizo principalmente para explicar a nuestros clientes y potenciales nuevos clientes cómo la analítica se enmarca dentro del concepto de transformación digital y, por tanto, cómo cada uno de los proyectos que los clientes quieren desarrollar deben utilizar los datos y la analítica para empujar la iniciativa de transformación digital, sostuvo Sukni.

El ejecutivo señaló que la reunión también sirvió para profundizar en los temas de customer experience, fraude y riesgos; y que las tecnologías a las que se han hecho mención son métodos para procesar información y hacer cálculos que existen hace muchos años. "De hecho, SAS hace 30 años que hace temas de machine learning y deep learning, pero ahora están de moda porque la tecnología ha permitido recolectar mayor cantidad de datos, almacenar mucha más información y, por tanto, procesar información con la velocidad y calidad que antes no se podía alcanzar.

Finalmente, dijo, todo tiene un denominador común, que son los datos. Entonces, la finalidad última es de negocio, es decir, cómo mejorar la relación con el cliente, cómo vender más y reducir costos, o como optimizar ciertos procesos. Esa es la finalidad, detrás de eso se pueden utilizar distintas técnicas que van a facilitar el cumplimiento de estas metas.