by _comunica2punto0

#marketing De la Inteligencia Artificial al Machine Learning

In Marketing on 11 junio, 2017 at 10:28

Por paradójico que parezca, se puede enseñar a aprender a una máquina. Hasta hace relativamente poco, éstas se limitaban a realizar las tareas para las que los humanos las programaban. Ahora, sin embargo, las máquinas son capaces de aprender automáticamente gracias a una disciplina científica del ámbito de la Inteligencia Artificial que se ha bautizado como ‘Machine Learning’.

En este contexto, el término aprender no se limita al hecho de adquirir un conocimiento por medio del estudio o de la experiencia, sino que se amplía al análisis de patrones estadísticos y algoritmos. Así, las máquinas son capaces de identificar modelos entre complejos sistemas de datos, extraer de ellos conclusiones y predecir comportamientos futuros. Y hacerlo, además, de forma autónoma, sin intervención humana.

Avances como los vehículos que funcionan sin conductor, los programas de reconocimiento de imagen y voz o los buscadores web que mejoran los resultados y las sugerencias de todo lo que queremos encontrar en Internet han nacido, sin ir más lejos, de este aprendizaje automático de las máquinas. Pero los hemos asumido con tanta naturalidad que pocas veces nos paramos a pensar cómo hemos llegado hasta aquí.

De la intuición a la predicción

Gracias al ‘Machine Learning’ y, concretamente, al aprendizaje no supervisado, las máquinas son capaces de reconocer patrones y hacer predicciones de futuro. Pero no parten de cero: la intuición humana en este sentido es insustituible y no puede ser reemplazada en su totalidad, ya que el diseñador del sistema ha de especificar la forma de representación de los datos y los métodos de manipulación y caracterización de los mismos.

Así pues, nos encontramos con que algunos sistemas de aprendizaje automático intentan eliminar toda necesidad de intuición o conocimiento de los procesos de análisis de datos por parte del ser humano (aunque no sea del todo posible), mientras otros tratan de establecer un marco de colaboración entre el experto y la máquina.

Sea como fuere, lo cierto es que en todos estos procesos se siguen pasos previos antes de entrar de lleno en el de ‘Machine Learning’. En primer lugar, hay que delimitar el objeto de estudio y clasificar los datos disponibles. En base a este proceso de categorización, se pueden ir añadiendo matices y analizar distintas dimensiones del mismo proceso mediante el cruce de datos. Por ejemplo, no es lo mismo analizar sólo cuántas viviendas y de qué tipo hay en Madrid que introducir coordenadas como los metros cuadrados de las mismas y el precio catastral de cada una de ellas. Los resultados que se puedan extraer serán distintos según los matices que se vayan añadiendo y las predicciones de futuro, también.

Es por esto por lo que es importante establecer límites. Pensar no sólo qué queremos analizar y cómo sino, fundamentalmente, por qué. Hacernos esta pregunta nos ayudará a centrar las variables a estudiar. Hecho este trabajo previo, es cuando entra en juego el ‘Machine Learning’ en sí mismo, utilizando el aprendizaje estadístico para observar el comportamiento de las variables a la vez.

Árboles de decisiones

Uno de los enfoques más comunes para sacar de aquí modelos predictivos son los árboles de decisiones, basados en el mapeo de observaciones sobre un objeto con conclusiones para hallar el valor final de dicho objeto. Estos árboles son estructuras básicas en la informática y la base de las decisiones finales.

Imaginemos que una empresa de seguros de coches quiere saber qué clientes están pensando darse de baja de sus servicios para hacer acciones comerciales proactivas que eviten que se vayan a la competencia. ¿Cómo puede hacerlo? Seguramente, esta compañía tiene muchos datos de sus clientes (antigüedad y puntos del carné de conducir, tipo de seguro, edad, dirección, últimos servicios requeridos, etc.), pero lo más probable es que sólo los use para facturar y, en el mejor de los casos, hacer alguna estadística.

Sin embargo, tiene en sus manos todo un mundo de posibilidades para pasar de ser reactivo a proactivo. No sólo puede predecir cuándo un cliente se va a dar de baja del seguro y poner en marcha acciones que lo impidan sino que, además – y esto es lo más importante-, tiene en su poder un histórico de datos de sus clientes que, debidamente organizados y tratados en bloque, le servirá para generar una base de datos que se puede explotar para predecir futuros comportamientos, favorecer aquellos que mejoran los objetivos de negocio y evitar aquellos que son perjudiciales.

Otros usos del Machine Learning

Para esto sirve el ‘Machine Learning’, para poner a nuestro servicio sus algoritmos y detectar patrones de comportamiento. De hecho, estos son algunos de los usos actuales que se están haciendo de las máquinas que aprenden automáticamente:

-Prevención y detección de fraude en transacciones

-Previsión de demanda en tiendas físicas o predicción de clics en ecommerces

-Detección de correos spam y virus

-Recomendación de compras o música que escuchar

-Predicción y pronóstico del clima

-Predicción de fallos en equipos tecnológicos

-Previsión de los empleados más rentables

-Selección de clientes potenciales basándose en comportamientos en las redes sociales, interacciones en webs, emails…

-Predicción del tráfico urbano

-Realización de prediagnósticos médicos basados en síntomas del paciente

-Realización de cambios en el comportamiento de una app móvil para adaptarse a las costumbres y necesidades de cada usuario

-Detección de intrusiones en una red de comunicaciones de datos.

Y si la tecnología está ahí y los datos también, ¿por qué no usarlos en nuestro favor? Puede que el futuro de su negocio dependa de ello.

via Marketing Directo http://ift.tt/2t8SPZf

Anuncios

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s

A %d blogueros les gusta esto: