Analítica de datos en tiempo real

Cada minuto 4,5 millones de videos de Youtube son vistos, 511.200 usuarios publican tweets, 5.140 fotos son publicadas en Instagram. Así es la realidad que nos rodea últimamente.

Los datos son una valiosísima herramienta en estos tiempos de disrupción tecnológica, cada día la cantidad de datos generados son cada vez más grandes y frecuentes, lo que implica tener la necesidad de gestionarlos y analizarlos de forma eficiente mediante la implementación de otras tecnologías como la Inteligencia Artificial.

La analítica de datos en tiempo real es una necesidad cada vez más evidente que necesita de una tecnología lo suficientemente eficiente para soportar la cantidad de datos que se mueven diariamente, por lo que la Inteligencia Artificial tradicional no es suficiente para lo que se viene construyendo día a día.

Es un asunto de inmediatez y espacio

La Inteligencia Artificial tradicional tiene un modo particular de proceder. La manera como realiza el procesamiento de datos se basa en el volumen y el tiempo necesario para entrenarse y aprender, da por sentado que la información está disponible y accesible en todo momento. Lo que no es predecible en este tipo de escenarios y complica el procesamiento de los datos son los costes de almacenaje de la información, el tiempo y coste de procesamiento no puede exceder los valores permitidos en un escenario de aplicación concreto.

Vivimos en una era en la que la mayoría de los procesos y aplicaciones se nutren de una cantidad inimaginable de información en tiempo real, que debe ser analizada y arrojar respuestas inmediatas, tarea para que cual la IA tradicional no es suficiente.

En este tipo de escenarios es cuando vemos que el desarrollo de algoritmos y arquitecturas permiten la analítica de datos en tiempo real; de esta manera la IA aprende de forma incremental y sin necesidad de almacenarla para consultarla en el futuro. Estos algoritmos permiten analizar y dar respuesta de forma inmediata.

Los datos cambian constantemente y sin previo aviso

Uno de los desafíos que se presenta en la analítica de datos está relacionado con el cambio de los datos de forma repentina e inesperada, de manera que los datos recopilados anteriormente se vuelven obsoletos y es necesario cambiar todo el modelo de aprendizaje y aplicación. Este tipo de efecto se denomina concept drift.

No tenerlo en cuenta dentro de los procesos de recolección y análisis de datos no es una opción, las empresas deberían aplicar este tipo de modelos para evitar que vean mermadas sus capacidades analíticas en tiempo real.

Otros escenarios de uso

En muchas ocasiones se piensa que la implementación de la analítica de datos requiere de una arquitectura costosa y complicada. La realidad no podría distar más de este supuesto, ya que la solución que mejor se adapta no necesita una arquitectura tan pesada e incluye tratamiento de datos en tiempo real.

La analítica de datos no es y no debería ser una realidad para las grandes empresas como Twitter, Skype, Instagram o Youtube. Es una necesidad más cercana de lo que se cree y que muchas otras empresas deberían aplicar.

Varios escenarios necesitan de la analítica de datos tales como

• La predicción de la demanda de bienes de consumos tales como la electricidad, la alimentación, etc.
• Social media, uno de los mayores productores de datos en tiempo real y que por ende necesita de soluciones como concept drift de forma más evidente.

• Gemelo digital, el cual está adquiriendo mucha relevancia por las ventajas que ofrece en la simulación de procesos, capacitar personal, realizar testeos y conocer en tiempo real el funcionamiento del sistema simulado.

• Marketing y comercio digital, uno de los sectores que está ganando mucho terreno últimamente y que necesita de datos como gustos, preferencias, necesidades, para desarrollar estrategias de marketing de forma más efectiva;

• Ciberseguridad: La detección de amenazas, robos o suplantaciones en el escenario tecnológico es una necesidad cada vez más evidente que necesita de la analítica de datos en tiempo real para lograr detectar anomalías y lanzar una solución de forma más rápida y efectiva.

• Epidemias y desastres: La analítica de datos ofrece una ventaja el cuanto a la prevención en estos escenarios.

• Salud: El análisis de los datos permite conocer las historias clínicas de cada paciente e implementar tratamientos adecuados a quienes los necesiten.

Otros escenarios en los que la analítica de datos es de gran relevancia son, la predicción del tráfico, optimización de procesos, IoT, la educación, la banca, las redes móviles, entre otros.

En Tecnalia trabajamos día a día para perfeccionar este tipo de tecnologías que lo que buscan es cada día facilitar la forma en que vivimos y la forma en que trabajamos diariamente. Necesitamos de una tipo de tecnología capaz de recopilar y analizar la inmensa cantidad de datos que van surgiendo diariamente, y más importante, una tecnología que nos arroje soluciones inmediatas y eficientes.