Acerca de Ignacio Cabrero

Apasionado por el momento que nos toca vivir, soy consultor en esta revolución tecnológica: descubrir en los datos la información como ventaja estratégica, y el uso práctico del machine learning en e-commerce para optimizar campañas y audiencias.

2020 Explosión de AI en empresas

pixabay.com

Recién ha aparecido el informe AI Adoption in the Enterprise 2020 de Roger Magoulas & Steve Swoyer, descargable por gentileza de O’Reilly Radar. 14 páginas, serias y muy interesantes.

Mis titulares tras la lectura:

De las empresas consultadas, ¡el 85% ya están incorporando AI en sus procesos ! (frente al 54% del año anterior).

El 50% ya está “madurando” procesos que adoptan AI (el doble que el año anterior).

Las principales dificultades, son:

  • encontrar profesionales preparados (se mantiene igual que el año anterior)
  • encontrar recursos para la inversión necesaria,
  • luchar con el freno interno de que “eso” de la IA, no ven “como puede aplicarse en nuestra empresa”.

Necesitas ya! políticas de Data Gobernance

El Machine Learning Supervisado se mantiene como principal técnica, pero el deep learning sube con mucho empuje, siendo la herramienta más empleada TensorFlow, seguida del paquete Scikit.

La reflexión posterior, aparte de si los que han contestado son una muestra representativa, da motivos para reflexionar en:

  • Todos quieren incluir AI en sus procesos. Todos están haciendo, probando o mirando, y si todavía no tienes un plan de AI para tu empresa, te van a atropellar.
  • No saben muy bien cómo monetizar ese conocimiento que el AI puede extraer de los datos. Se necesitan urgentemente Data Scientist de aplicación práctiva en Procesos de Negocio. No sé que nuevo titulo en inglés se inventarán para eso.
  • El volumen de datos ya no es problema. Nadie habla de eso. Ya hay tecnicas maduras para el tratamiento y guarda de Big Data
  • Las Redes Neuronales lo “petan” (TensorFlow+Keras para imágenes, RNN para textos y pronósticos, CNN para reconocimiento). Y más que se van a emplear. Sin embargo Python + Scikit + PyTorch … indican que el futuro es Python, aunque no sea tan bueno (de momento) para algunas cosas como R.
  • Entre muy interesantes gráficas, algo clásicas, destaco la de riesgos de los modelos creados con AI. Es la primera vez que veo esta serie de riesgos que con la metodología en la mano debes controlar, evaluados realmente en la práctica:
©Roger Magoulas and Steve Swoyer, O’REILLY Radar
Asusta la mala gestión de expectativas y la obtención de resultados esperados

En sus conclusiones, informa que la AI está madurando rápido, que cada vez hay más usuarios y aplicaciones en las organizaciones de AI, a lo que añado que todavía tienen que explotar el uso de Redes Neuronales preentrenadas, ni el uso de chat-bots, de lo que no habla.
Y la recomendación de establecer Gobernanza de Datos, a lo que sugiero la casi obligación de adoptar ISOS 27001 y la 29100 como guías y reglas de buenas prácticas que pueden prevenir muchos problemas, sobre todo cuando somos tan novatos en este campo.

Otro día hablaré de como la Inteligencia Real es saber aplicar algoritmos (inteligentes, o tontos) en los Procesos de Negocio.

¿Qué algoritmo debo usar?


undefined pixabay.com

El tratamiento de datos con Inteligencia Artificial, nos permite obtener resultados muy útiles, y sabrosos si aplicamos el proceso adecuado.

Que me perdonen los puristas por la redacción, pero prefiero dar un mensaje sencillo, fácil de comprender por cualquier persona. Los algoritmos son un procedimiento de trabajo, como una receta de cocina, que indica la preparación de datos, el tipo de cocción, que algoritmo aplicar, y la interpretación de resultados, que es el emplatado.

Estos algoritmos se llaman de Inteligencia Artificial porque encuentran soluciones, acercándose poco a poco, ellos solos, hasta un nivel de resultados que previamente hemos fijado como objetivo. Los algoritmos más usuales se dividen en Machine Learning, que podemos clarificar como los que se calculan mediante operaciones matemáticas, y los Deep Learning que emplean Redes Neuronales.

Cada problema tiene una receta más adecuada:

  1. Predecir basándose en datos pasados:mantenimiento predictivo, sistemas de recomendación, pronósticos de venta … Los algoritmos más empleados son los de Machine Learning: Regresión Lineal, Arboles de decisión, Support Vector Machine (SVM), y reglas de Asociación.
  2. Descubrir tendencias, patrones: reconocimiento de lenguaje natural, análisis de sentimiento, identificar documentos, ciberseguridad, detección de fraude … Los algoritmos más empleados son de Machine Learning como Regresión Lineal, SVM, naïve Bayes, y para análisis de texto los RNN (Recurent Neural Network) de Deep Learning.
  3. Identificar objetos en imágenes vídeo o tiempo real. Aplicado en visión robótica, detección de cámaras de seguridad, reconocimiento por voz … Algoritmos más usuales son de Deep Learning con Redes Neuronales Convolucionales CNN, y Clusterings.
  4. Desplazamiento de un objeto físico o simulación: conducción autónoma, drones, vídeo juegos … Los algoritmos más usuales son de Deep Learning ANN, RNN y CNN (Artificial, Recurrent y Convolutional Neural Networks) y Aprendizaje de Refuerzo
  5. Mejora de imágenes o eliminación de ruidos en audio, reconocimiento de órdenes por voz. Se emplean Deep Learning de redes neuronales LSTM, CNN y VDSR.

Desarrollar proyectos AI no sirve de nada si no se aplican. La inteligencia práctica es saber incluir el uso de estos algoritmos en los Procesos de Negocio. Pero de esto hablaremos otro día, si ustedes quieren.

Evolucionar o repetir la historia

abandoned_attack_building_crisis_decay_demolished_demolition_high_rise-1124109

https://pxhere.com/es/photo/1124109

Llego el momento de plantearnos si queremos la autodestrucción del planeta, si esta economía es sostenible, si queremos vivir como hasta ahora. O cambiar algunas cosas realmente importantes.

  • Teletrabajo productivo, no presencial, si a los resultados. Más tiempo personal. Evitar la despoblación rural con servicios, comunicaciones y teletrabajo. El trabajo no debe ser un castigo, a ninguna edad.
  • Energías renovables incluso generadores domésticos. Adios a la contaminación! Conservar las ciudades limpias.
  • Transporte público gratuito, de calidad y eléctrico. Transporte privado, sí, tributando o simplemente aplicando el coste real del petroleo.
  • Políticas de desarrollo europeas sin plazos electorales.
  • Menos costes de políticos. Actividad parlamentaria 12 meses al año. Fijar objetivos.
  • Mejor justicia, más ágil y 12 meses hábiles.
  • Aprendizaje continuo en la escuela/universidad 12 meses. Teleformación y temarios con salidas profesionales.
  • Mejorar la sanidad. Prevenir la próxima ola (que vendrá seguro). Telemedicina y prevención.
  • El Estado debe integrarse con el Sector Social que lleva siglos cubriendo sus deficiencias en protección Social. Nacionalizar ONGs y Renta universal ?
  • Racionalizar el consumo. Comercializar dispositivos que puedan arreglarse.

Hasta aquí mis 10 ideas a vuelapluma, sin ningún orden o prioridad.

Agradecer a todos los que sean sacrificado por nosotros, y pensar en el futuro.
Seguro que se os ocurren muchas más y, o,  matizar estas. Bienvenidas sean.

Sólo que coincidamos en una cuantas ya tendremos un objetivo para iniciar el camino. ¿Dónde queremos ir?

Informe uso de Cloud por Denovo

cloud proveedores

Gran informe de Denodo sobre el uso de Cloud por las empresas. Muy bueno por la amplitud de temas revisados y la sencillez de su presentación.

Aquí va MI resumen:

  • Sube el interés de las empresas, pero no se lanzan.
  • Uso principal para Data Analytics y BI reporting, no para sus procesos.
  • En Cloud híbridas 42%
  • Con datos estructurados. El DataLake de todo junto queda lejos, porque la accesibilidad y la seguridad priman
  • Azure (+) y AWS (-) se llevan el grueso del mercado
  • La migración lleva implicita refactoring 35%, rehosting 21%, … trabajos importantes
  • Y un gran miedo a los costes ocultos del licenciamiento
  • Eso también explica el limitado uso de los Markets Places

Seguro que tu tendrán conclusiones más adecuadas a tus necesidades. Lo dicho, gran informe.

DenodoCloud

El misterio del Si bemol 3 en Mozart

Mozart sib3

¿Por qué no hay Si bemol 3 en la obra de Mozart?

Cómo una gráfica de frecuencia de las notas empleadas por Mozart, nos lleva a descubrir conspiraciones masónicas anti absolutistas, sonidos que mejoran la inteligencia, o tendencias actuales de la música del efecto Baus.
Imprescindible ver el video de Jaime Altozano. Nos enseña cómo un storytelling condiciona la comprensión de unos datos, su interpretación  y la construcción mental de sus consecuencias.

Una vez visto, entenderéis porqué es tan diferente a una gráfica de frecuencias normales esperadas, y de cómo debemos hacer caso a nuestra intuición estadística para descubrir patrones ocultos.

Deseo que disfrutéis tanto como yo he disfrutado.

 

La IA cambia cómo tomar decisiones de Negocio

BI-timeline

Con este post continúo la línea de cómo la IA nos afecta directamente la Gestión de las organizaciones.

Este post refleja cómo están evolucionando los BI, Business Intelligence, o sistemas de información para la toma de decisiones de Negocio gracias a la incorporación de Inteligencia Artificial en el tratamiento de datos.

No creo poder mejorar el artículo de Mona Patel de birst, por lo que recomiendo su lectura. Aquí un pequeño resumen.

A los problemas clásicos que los Business Intelligence, BI, tienen en las organizaciones:

  • Sólo acceden el 20%
  • No responden todas las preguntas, creando frustración
  • No suele ser escalable

La AI puede ofrecer hasta un 10% de ingresos (Mc Kinsey) al permitir:

  • El usuario pasa del atasco de pedir informes directamente al Análisis
  • Descubriendo datos ocultos y prediciendo para ser proactivos

El uso de información en la actualidad aún tiene problemas:

  • El analista debe conocer el negocio para identificar la información de valor
  • Seguimos sin suministrar toda la información que requiere el tomador de decisiones
  • El cual, pierde mucho tiempo en analizar e interpretar

La disrupción de IA en BI aparece cuando hacemos los análisis y datos, más utilizables, oportunos y valiosos.

Poco a poco vamos automatizando esa obtención de valor en los BI, pero en estas primeras etapas, aún se requiere de tiempo para analizar, y los humanos sentimos la necesidad de preguntar el “por qué” de una predicción de AI, que no siempre puede proporcionar.

Sin embargo, la AI tampoco puede reemplazar todos los casos de uso y debe mantener a los humanos informados debido a posibles errores de la máquina.

La IA permite nuevo nivel de análisis, mejor, más práctico y más inteligente.

En próximos post hablaremos de casos prácticos. Hagan sus peticiones.

 

2020 año nuevo, nuevas competencias

ML IBM

Nunca ha sido tan fácil crecer profesionalmente. A los buenos cursos de edX, Coursera, o el MIT, se le ha unido COGNITIVECLASS.AI de IBM.
Cursos de contenido actual, con prácticas en su entorno LAB dentro de la plataforma Cloud de IBM.
A recomendar totalmente, por experiencia propia, este curso de Machine Learning con Python y el de Datascience. Un  temario completo, buenos vídeos, prácticas de buen nivel, con aplicabilidad inmediata, en Python con hands-on en Jupiter dentro de IBM, conm la posibilidad de servicios gratuitos en Watson.

Un gran abanico de competencias profesionales ordenadas por carreras profesionales: DataScience con R y Python, BigData con Hadoop, Spark,  ScaLa, Sistemas con Containers, microservices, Kubernetes, e Istio en Cloud , etc.

Alguno de ellos ha sido traducido al castellano y se eofrece en edX.

Desde un nivel sin experiencia, puedes llegar donde quieras, ya no hay excusas, el nivel de inglés es muy básico. Eso sí, requiere un poco de disciplina y esfuerzo.

¿Hasta donde eres capaz de llegar?

 

Alucinad con Microsoft: Charticulator

Charticulator1

Sólo una idea fresca, impactante, sólida y con mucho potencial como Charticulator, me han dado ganas de volver a escribir un post.

Charticulator, menudo nombre, es un creador de gráficas de alto nivel ideal para infografías, que permite hacer verdaderas virguerías. Ver la galería y lo que por Internet. Gran detalle recrear el gráfico de Florence Nightingale, a quien tanto debemos.

Aunque existe desde 2017, recién lo he descubierto, pero lo que más me ha alucinado, es que puedes crear tu propio gráfico, e INCLUIRLO DENTRO DE PROWER BI como un elemento gráfico del Market, reutilizable en cuantas plantillas quieras. GENIAL !

Felicitar a Microsoft por todos estas mejoras que nos ofrece continuamente, como incluir en Power BI todas la capacidad de Charticulator, que se une a otras ventajas recientes como incluir visualizaciones y scripts de Python, que se suman a los anteriores de R, que se pueden integrar Power BI dentro de formularios de PowerApps, y viceversa, incluir formularios para introducción de datos de PowerApps dentro de Power BI, pero eso a lo mejor requiere otra entrada.

Felicitar a Microsoft por toda esta inventiva y nuevas capacidades puestas en nuestras manos, pero también quejarse de lo difícil que es seguirles, y lo poco estructurada de sus comunicaciones, que nos hace ir de cabeza a quienes nos gusta estar al tanto de las novedades.

Pero gracias Microsoft. Nunca ha sido tan fácil incluir nuevos tipos de gráfico en nuestro dashboards para hacerlos únicos y más útiles. Quién sabe si veremos el próximo premio information is beautiful con una gráfico de Charticulator, menudo nombrecito.

Augmented Analytics

Structure_Exhibit_processSource

El próximo septiembre iniciaremos nuestro curso de Augmented Analytics con Nuclio.

Analítica Avanzada porque emplea recursos de Machine Learning en Business Analytics para Smart y Big Data. 20 prácticas de aplicaciones distintas de ML+ desarrollo de un proyecto propio. Con uso de los Softwares más avanzados y plataformas Cloud, como BigML,  Knime, Power BI, Azure Cognitive Services, MAtLab, …

Pensado para profesionales en activo que quieran extraer valor de los datos que manejan, recorreremos las principales herramientas de IA con casos prácticos, de forma fácil y accesible para todos los niveles.
Y también para CEOs, que les permita evaluar los beneficios que estas tecnologías aportarían en sus procesos de Negocio, y cómo implantarlas.

Descubrir patrones, relaciones, asociaciones … permiten obtener ventajas competitivas para las organizaciones. Clustering para conocer a nuestros clientes permiten campañas más personalizadas de mayor éxito. Predicción de sucesos permite ahorrar costes de mantenimiento. Pronosticar la probabilidad de compra de un visitante en tiempo real. Adecuar la web o sus contenidos a cada visitante, mejorando el ratio de conversión. Recomendación de productos por sus intereses …
Estamos tratando continuamente con algoritmos que condicionan nuestro entorno.

El futuro no es de los algoritmos.
El futuro es de las personas que entiendan de algoritmos, lo que pueden hacer y cómo emplearlos.

Os invito a ver el video

Un Saludo

Ignacio Cabrero

Novedades Power BI abril 2019

040219_0131_April2019Po17

Microsoft sigue imparable ofreciendo novedades del mes en Power BI. Alguna muy buenas y otras … Pero será el usuario quien decidirá si le son útiles o no. Este mes destacaré mejoras interesantes, y más abajo las más útiles de Analítica:

  • Nuevo panel de Filtros. Han segregado los filtros del panel Visualización y los han puesto en un panel propio, e incluso con posibilidad de nombrarlos. Esto nos cambiará un poco la forma de trabajar con Power BI, si empleamos filtros para visualizaciones o páginas. Una buena mejora que da potencial, aunque nos haga más difícil el diseño.
  • La posibilidad que indicaron meses atrás de hacer links a URL de forma dinámica, mediante una variable y el formato condicional (esas manera extrañas de hacer las cosas de Microsoft y que no se entiende hasta el ver el vídeo), ahora lo podemos aplicar a títulos dinámicos de gráficas, lo que es muy útil.
  • La posibilidad de navegar entre informes diferentes directamente, sin pasar por paneles con el Drillthrough across reports
  • Conexión a ficheros PDF mejorada
  • Un nuevo Gauge, que parece más sencillo de configurar y más visual. A este respecto no olvidéis consultar la Quick measures gallery in the Community y ver opciones de visualización que ni sabemos que existen como Sparklines Line similares a minigráficos de Excel
  • Power BI Report Builder, permite Paginated Reports. Es una aplicación gratuita que se instala en el Power BI site. Es un punto de partida que en los próximos meses la extenderán con funcionalidad completa.

Y lo más útil, borrando fronteras entre BI y Business Analytics, tres grandes mejoras:

  • Key influencers visualization incorpora la opción de variables cuantitativas además de las categóricas (imagen inicial del artículo). La analítica nunca ha sido tan fácil.
  • Ya teníamos R, y ahora PYTHON, visualiza cualquier objeto y script de análisis matemático con estos dos idiomas
  • En Power Query, gran novedad. Disponemos de Column Profiles pane, la visualización de la estadística y distribución de campos de datos, tan necesaria para valorar rápidamente la calidad de los datos importados.

040219_0131_April2019Po25

Poco a poco veremos como Power BI irá incluyendo nuevas opciones de Analítica, incluidos los recursos de Machine Learning, que unido a su conectividad a los datos (ya tiene Spark) será la herramienta más completa en BI y BA.