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.

Power BI v. marzo 2019: descargar ya!

CapturaUna vez más Microsoft nos regala versión con novedades útiles para PowerBI.

Pero si te daba pereza actualizar, este mes es imprescindible. Las novedades son mucha (ver lista completa más abajo), pero destacamos:

  • Varias mejoras en visualizadores de selectores que facilitan el uso
  • Formatos por defecto para los Tooltips
  • Ajuste de tamaño de burbujas en mapas y nuevos mapas de calor

Y la más importante es el nuevo entorno de Modelización de datos, que permite:

  • editar atributos de uno o varios campos a la vez desde modelización,
  • disponer de varios diagramas para separar y clarificar las relaciones entre tablas
  • y la mejor de todas, agrupar campos en folders, para mantenerlos ocultos o abrir sólo la temática que nos interesa y ya no tener aquellas listas interminables de campos. El vídeo nos ayuda a comprender su utilidad.

La lista completa de novedades:

Analytics

Modelling

Custom visuals

Data connectivity

For a summary of the major updates, you can watch the following video

De nuevo hemos de felicitar a Microsoft por su servicio, y no extrañar que cada vez sea más líder en BI.

 

Machine Learning relaciona a los carteristas y éxito en la ubicación de tiendas

carteristas

Otro nuevo titular impactante sobre Machine Learning y la aplicación de algoritmos matemáticos en las decisiones de negocio.

Un interesante artículo sobre una aplicación de Big Data por KPMG en la elección de la mejor loccalización de un negocio, nos puede hacer creer que los algoritmos son el nuevo Grial en marketing.

https://retina.elpais.com/retina/2019/03/07/innovacion/1551979314_748419.html

Para profanos las conclusiones del artículo, pueden ser otras.

La estrategia de machine learning es meter muchos, muchos. muchos datos, y encontrar las variables que pueden ayudar a explicar cosas, sean las que sean.

El artículo habla en concreto que para tiendas de retail, la anchura de las calles, o la afluencia de personas medidos con una variable correlacionada como son los carteristas, son importantes.

Esto confirma que la mayoría de las veces, las matemáticas aplicadas no encuentran cosas sorprendentes que el sentido común no hubiera visto antes. Otro tema es que cuando no tenemos la inversión para que sobre el campo alguien que cuente afluencias, otras variables disponibles en el Big Data pueden darte valores indirectos, como es el caso de los carteristas (además de dar un titular muy potente).

Pero el artículo, no menciona claramente que cada tipo de negocio responde a variables diferentes. Una gasolinera, un banco o una tienda de moda, tienen públicos distintos, momentos de compra diferentes y necesidades a cubrir dispares. Para cada tipo de negocio, necesitas un modelo de predicción propio.

La conclusión a extraer, es que el machine learning viene a confirmar que empresas de localización de tiendas como Shophunter llevan años realizando inventarios a pie de calle para valorar esas variables que han demostrado ser claves al pronosticar el éxito de una tienda.

Pero también para identificar nuevas variables, o alternativas de información más ecionómicas, que sean importantes para nuestro negocio.

El Machine Learning y la Inteligencia Artificial, sirven para muchas cosas, pero sirven para lo que sirven y eso hay que explicarlo.