BigData Magazine Nº5 (Diciembre 2021)

BigDatamagazine Revista especializada en Big Data & IA. Ejemplar gratuito.

I Mapa de empresas que utilizan IA en España

Nº5 Diciembre 2021

3

Editorial

N

Un mapa para encontrarlos a todos

o es un anillo como en la afamada historia de Tolkien, pero este mapa pretende atraerlas a todas. Hablamos de las empresas que en nuestro país se dedican a proveer servicios de Inteligencia Artificial. La intención del I Mapa de empresas que utilizan Inteligencia Artificial en España es poner negro sobre blanco la realidad del sector en nuestro país.

Un total de 161 empresas toman parte en esta iniciativa.

Es probable que no estén todas las que son. Pero es seguro, que son todas las que están. Hoy suena moderno decir que trabajas la Inteligencia Artificial. Sin embargo una cosa es decirlo y otra muy diferente hacerlo. También hemos incluido en el mapa a 48 instituciones académicas de nuestro país que ofrecen conocimiento reglado sobre el asunto en cuestión.

El objetivo está claro, identificar el tejido empresarial y educativo que está impulsando la necesaria digitalización BIG DATA MAGAZINE Edita: Digital Tech Communications Group S.L. C/ Núñez Morgado, 5 (local) 28036 MADRID CIF: B87917563 Depósito legal: M-15395-2021 www.bigdatamagazine.es info@bigdatamagazine.es

de la economía y la sociedad española. Sin dejar de lado proporcionar un marco de referencia para conocer qué capacidades relacionadas con la Inteligencia Artificial han desarrollado en cada empresa. Y por último, ayudar a promover este ecosistema, como motor de innovación y crecimiento económico del país.

La puesta de largo de esta primera edición tiene un marco inmejorable. El AI Business Congress que celebramos este mes de diciembre en Madrid. Una edición que recupera el formato presencial y que pretende acercar la Inteligencia Artificial al negocio de las empresas finales de nuestro país.

Nos acercamos a los dos años de convivencia con la pandemia. Las empresas que han sobrevivido mejor son aquellas que más aprehendido a su ADN tenían la digitalización. Inteligencia Artificial, datos y el camino común que ofrecen, son la salida mejor para una crisis que debe hacernos evolucionar en la cultura digital empresarial.

.

Socios directores: Pedro Pablo Merino y Samuel Rodríguez.

Redactor Jefe: José Luis Arcángel.

Redactores: Rocío González y Mari Gómez.

Relaciones Públicas: Angie Parra.

Director Comercial: Luis Rincón.

Maquetación: Pedro Santos Publicidad: info@bigdatamagazine.es

BigDatamagazine | Diciembre 2021

4

Sumario 6. Podcast Territorio Big Data 8. Especial Mapa de empresas que utilizan IA en España 24. Keepler Data Tech Sergio Gordillo 26. Deloitte Carlos Real

8

28. Snowflake José María Alonso 30. PiperLab Alejandro Llorente 32. Decide Eugenio Martín 34. El dato y la IA en el sector infrestructuras

28

26

24 30

32 34 BigDatamagazine | Diciembre 2021

36. Sacyr Óscar Cuevas 38. Adif Plataforma Da Vinci 40. Big Data y los volcanes 42. South Summit

40

44. La IA se humaniza 46. Web Summit 48. Idoven Manuel Marina 50. Green Data

44

36 38

46 50

48

6 Podcast / Territorio Big Data

Territorio Big Data DAVID GONZÁLEZ GROUP HEAD OF BIG DATA ANALYTICS & AI (CDO) FOR VODAFONE BUSINE

NURIA CANAL CHIEF DATA OFFICER DE UNIR

ISRAEL SERRANO REGIONAL MANAGER DE SCALITY PARA EL SUR DE EUROPA

ALEJO BUXERES HEAD OF DATA & ANALYTICS EN WALLBOX

Siguenos en:

BigDatamagazine | Diciembre 2021

7

ACTIVA TUS DATOS con

DESARROLLADO POR

El software definitivo de Big Data, Machine Learning e Inteligencia Artificial

Facilita el trabajo y la gestión de proyectos.

Reduce tiempo y costes, reutiliza código y procesos y aumenta la colaboración entre equipos.

Transforma el conocimiento de los datos en un apoyo gracias a la estandarización.

�.datenea.es

BigDatamagazine | Diciembre 2021 �.piperlab.es

8

Especial BD e IA en el sector de las telecomunicaciones

BigDatamagazine | Diciembre 2021

9

I Mapa de empresas que utilizan Inteligencia Artificial en España

I Mapa de empresas que utilizan Inteligencia Artificial en España El Mapa de empresas de Inteligencia Artificial (IA) en España ha sido elaborado por Iberinform en colaboración con AI-Network y la revista Big Data Magazine con el objetivo de identificar el tejido empresarial y educativo que está impulsando la necesaria digitalización de la economía y la sociedad española; así como, proporcionar un marco de referencia para conocer qué capacidades relacionadas con la Inteligencia Artificial han desarrollado y ayudar a promover este ecosistema como motor de innovación y crecimiento económico del país.

E

Firma: Redacción

l impacto de la ola de transformación tecnológica al que nos vamos a enfrentar en los próximos años será probablemente mayor que el que provocó la primera revolución industrial; por ello, es importante que los líderes empresariales sean conscientes de que aquellas empresas que no sean capaces de adaptarse a este nuevo contexto no sobrevivirán.

Es importante gestionar este contexto como una oportunidad, porque las nuevas tecnologías han alcanzado un grado de madurez que las hace accesibles también a las empresas de menor tamaño y proporcionan una enorme oportunidad para acelerar esa transformación empresarial que necesita la economía española.

No obstante, la escasez de especialistas en tecnologías de la información, la insuficiente formación en

competencias digitales básicas entre la población en general y el retraso de las pymes españolas en la digitalización son factores que lastran el despegue digital de España, según la edición de 2021 del Índice de la Economía y la Sociedad Digitales (DESI) publicado por la Comisión Europea. Por ese motivo, hemos incluido también en este mapa las instituciones educativas que ofrecen formación en IA para mejorar las capacidades de los profesionales que demandan las empresas.

Durante cerca de dos años, las empresas se han centrado en sobrevivir y gestionar su cambiante y desafiante día a día, y esta experiencia ha demostrado que aquellas con mayores capacidades tecnológicas han sido las que mejor han sorteado la situación. Ahora toca enfrentamos al reto de identificar cómo dotar a las empresas españolas de una mayor resiliencia, agilidad y capacidad de crecer.

El plan de recuperación español destinará a proyectos de digitalización el 28,2% de los fondos Next Generation (19.600 millones de euros) a impulsar esta transformación, lo que requiere un ecosistema empresarial que tenga la capacidad de transformar esos recursos en proyectos que tengan un impacto significativo en la sociedad y, por tanto, en la economía.

En este contexto, es importante conocer el tejido empresarial y educativo en el que debemos apoyarnos y cuáles son las capacidades que tienen para dar soporte a las iniciativas de tecnológicas que puedan dar un impulso a ese proceso. ¿Cómo se ha confeccionado?

Dado que no existe aún una definición formal y universalmente aceptada de Inteligencia Artificial (IA), nos basamos en la que utiliza la Comisión Europea, que define la IA1 como “sistemas de BigDatamagazine | Diciembre 2021

10 I Mapa de empresas que utilizan Inteligencia Artificial en España software (y posiblemente también de hardware) diseñados por humanos que, ante un objetivo complejo, actúan en la dimensión física o digital: percibiendo su entorno, a través de la adquisición e interpretación de datos estructurados o no estructurados, razonando sobre el conocimiento, procesando la información derivada de estos datos y decidiendo las mejores acciones para lograr el objetivo dado. Los sistemas de IA pueden usar reglas simbólicas o aprender un modelo numérico, y también pueden adaptar su comportamiento al analizar cómo el medio ambiente se ve afectado por sus acciones previas”.

Un equipo de expertos del sector, con el apoyo de Iberinform, Bigdata Magazine y IA-Network, hizo una selección previa de las empresas e instituciones academicas más punteras del mercado y, durante el mes de octubre y noviembre de 2021, Bigdata Magazine ha creado un formulario invitando a todas estas empresas a que pudieran acreditar que cumplían los criterios para incorporarse también al mapa.

Durante este proceso se han identificado empresas que hacen un uso intensivo de la Inteligencia Artificial para impulsar desarrollos disrup-

BigDatamagazine | Diciembre 2021

tivos de alto valor añadido en otras empresas en este ámbito y qué instituciones académicas están formando a profesionales en esta materia, para elaborar el primer mapa que recoge este ecosistema clave para impulsar la necesaria transformación tecnológica.

La lista inicial se ha definido tras un proceso previo de identificación y localización en el que han participado expertos del sector de IA-Network, Bigdata Magazine e Iberinform, descartando aquellas que, o bien se haya entendido que no participan en proyectos de IA, o bien que no tienen una empresa registrada legalmente en España. Como resultado de este trabajo se han identificado un total de 209 actores clave en este ecosistema, con 161 empresas y 48 instituciones académicas que dan formación sobre temas relacionados con la IA. La identificación de las distintas áreas de IA que desarrolla cada empresa se ha basado en los criterios aportados por AI-Network y se ha completado mediante entrevistas con las propias empresas para identificar las principales capacidades que han desarrollado. Los datos del I Mapa de Empresas de IA de España se han confeccionado en base a los datos públicos del Registro

Mercantil, a través del contacto directo con las firmas y en base a la información que proporciona Insight View, la herramienta de analítica avanzada de datos de Iberinform. Los analistas de Iberinform han consolidado las principales magnitudes empresariales (facturación, resultados y número de empleados) y solicitado en algunos casos información directamente a aquellas empresas de las que no había información en el Registro. Se ha contrastado también telefónicamente la información disponible, confirmado que siguen activos, las marcas comerciales que utilizan, dirección, teléfono, web y que actividades relacionadas con la IA que realizan. La participación en la encuesta ha sido voluntaria por parte de las empresas y el grado de colaboración ha sido muy alto; el 80% de las empresas contactadas han aportado gran parte de la información solicitada.

Una vez identificada la lista de empresas e instituciones educativas, se ha utilizado la herramienta analítica empresarial, Insight View, para realizar los análisis y generar los mapas del Estudio. Asimismo, se elaboraron las curvas de evolución de ventas, resultados y ratios, utilizando como base del análisis los datos de aquellas

ON DEMAND Snowflake continues its rapid pace of innovation across the Data Cloud. The keynote and deep-dive sessions are now available on demand, so you can rewatch the presentations and demos at your leisure.

12 I Mapa de empresas que utilizan Inteligencia Artificial en España empresas con datos de 2020 disponibles en el Registro, un total de 97.

Este trabajo ha permitido crear el Mapa más completo de las empresas registradas en España que utilizan la amplia lista de tecnologías que hacen que las máquinas puedan percibir, comprender, actuar y aprender para ampliar las capacidades humanas y, así reforzar las capacidades de los productos y servicios que comercializan otras empresas; así como el de las instituciones académicas que están formando a las profesiones que demanda este ecosistema. Esperamos que con la difusión de este primer estudio podamos identificar si nos hemos dejado algún actor relevante y ampliar su alcance en futuras ediciones para contribuir así a su mejor conocimiento y aprovechamiento.

.

GLOSARIO DE TÉRMINOS SaaS: acrónimo de Software as a Service. Servicio que ofrece la posibilidad de conectarse a aplicaciones alojadas en la nube a través de internet, pudiendo incluso operar con ellas sin la necesidad del apoyo de sistemas cliente.

IA: Acrónimo de Inteligencia Artificial: reproducción en los sistemas tecnológicos de las capacidades de pensamiento humanas (aprendizaje, creatividad etc) Stuart Russell y Peter Norvig diferenciaron cuatro tipos, en 2009: sistemas que piensan como humanos, como por ejemplo las redes neuronales artificiales. Sistemas que actúan como humanos, como los robots. Sistemas que usan la lógica racional, como los sistemas expertos, y sistemas que actúan racionalmente, como los agentes inteligentes.

Machine learning: es una parte de la IA que crea sistemas que aprenden automáticamente. Aprender en este contexto quiere decir identificar patrones complejos en millones de datos. La máquina que realmente aprende es un algoritmo que revisa los datos y es capaz de predecir comportamientos futuros. Automáticamente, también en este contexto, implica que estos sistemas se mejoran de forma autónoma con el tiempo, sin intervención humana.

Visión artificial: parte de la IA que se centra en el desarrollo y el perfeccionamiento de técnicas que permiten a las máquinas ver, identificar y procesar imágenes de la misma manera que lo hace la visión humana.

Lenguaje natural: campo de la IA que se ocupa de la investigar la manera de comunicarse máquinas con personas mediante el uso de lenguas naturales, como el español, el inglés o el chino.

Asistentes virtuales/Bots: software o programa informático que se sirve de la inteligencia artificial (IA) para realizar tareas automatizadas a través de internet como si se tratase de un ser humano.

RPAs (Robotic Process Automation): automatización robótica de procesos. Se refiere a software que replica la acción humana sobre un interfaz de usuario de aplicaciones informáticas, automatizando sobre todo tareas rutinarias.

Investigación operativa (IO): conjunto de métodos analíticos avanzados y herramientas de IA que sirven para optimizar las decisiones en las organizaciones.

Sistemas expertos: son sistemas basados en computadoras, interactivos y confiables, que pueden tomar decisiones y resolver problemas complejos.

Redes neuronales: sistema artificial que funciona mediante la creación de conexiones entre muchos elementos de procesamiento diferentes, cada uno similar a una sola neurona en un cerebro biológico.

BigDatamagazine | Diciembre 2021

13

DESCUBRE

La plataforma de toma de decisiones inteligentes en tiempo real Mayor agilidad y flexibilidad Aumenta la agilidad y flexibilidad del proceso de toma de decisiones para adaptarte más rápido a los cambios.

Enfocada a usuarios de negocio Realiza cambios sin depender de TI y controla en todo momento la trazabilidad de las decisiones.

Reducción de riesgos y costes operativos Centraliza la gestión de reglas de negocio y evita incoherencias e incumplimientos.

Aumento de eficiencia y rentabilidad de los procesos Responde de manera rápida a los clientes y aumenta su satisfacción.

Una herramienta clave para adaptarse a un entorno cambiante

Descarga el Brochure

#decide4AI

decidesoluciones.es BigDatamagazine | Diciembre 2021

14 I Mapa de empresas que utilizan Inteligencia Artificial en España

BigDatamagazine | Diciembre 2021

15

I Mapa de empresas que utilizan Inteligencia Artificial en España

BigDatamagazine | Diciembre 2021

16 I Mapa de empresas que utilizan Inteligencia Artificial en España

BigDatamagazine | Diciembre 2021

17

I Mapa de empresas que utilizan Inteligencia Artificial en España

BigDatamagazine | Diciembre 2021

18 I Mapa de empresas que utilizan Inteligencia Artificial en España

BigDatamagazine | Diciembre 2021

19

I Mapa de empresas que utilizan Inteligencia Artificial en España

Empresas participantes en el Mapa NIF

Nombre

Provincia

Ventas 2020

Nº Empleados

B79217790

ACCENTURE S.L.

Madrid

935.243.996 €

3.496

B97423990

AGENSYS TECHNOLOGY S.L.

Alicante

ND

79

A58417759

AIS APLICACIONES DE INTELIGENCIA ARTIFICIAL S.A.

Barcelona

4.813.132 €

81

B01658178

AITENEA BIOTECH S.L.

Madrid

ND

ND

B84430420

AKKA TECHNOLOGIES SPAIN S.L.

Madrid

35.051.231 €

513

B86112281

ALTAIR SOFTWARE AND SERVICES S.L.

Madrid

ND

16

B86339595

AMAZON DATA SERVICES SPAIN S.L.

Madrid

6.736.000 €

9

B88463450

ANJANA DATA S.L.

Madrid

26.265 €

12

B71412696

APLICACIONES HUMANAS CON INTELIGENCIA ARTIFICIAL S.L.

B42873562

AQTIVA DATA TECHNOLOGIES S.L.

A14113500 B87612321

Navarra

ND

ND

Barcelona

ND

ND

ARROW ENTERPRISE COMPUTING SOLUTIONS S.A.

Madrid

421.475.626 €

263

ARTIFICIAL INTELLIGENCE FOR MARKETING S.L.

Madrid

684.826 €

14

B81278756

ARTYCO COMUNICACION Y SERVICIOS S.L.

Madrid

2.590.669 €

61

W4003314D

ASG TECHNOLOGIES INC

Madrid

6.724.995 €

71

A28240752

ATOS SPAIN S.A.

Madrid

240.222.000 €

1.919

B85602043

AUREN DIGITAL MAD S.L.

Madrid

1.257.201 €

28

B06689780

AZULAE S.L.

Badajoz

370.957 €

11

B83603191

BABEL SISTEMAS DE INFORMACION S.L.

Madrid

38.794.171 €

717

B86226255

BAOBAB SOLUCIONES S.L.

Madrid

566.237 €

15

B86931649

BBVA AI FACTORY S.L.

B64894066

BEABLOO S.L.

B52572187 B95969887 B87246153

BI GEEK SOFTWARE S.L.

A98747942

BIGML LABS S.A.

B19639384

BIOMAXIMA INFORMACION Y EXPERIMENTACION CIENTIFICA S.L.

B98461577

BIONLINE S.L.

B65127409

BISMART BUSINESS INTELLIGENCE SPECIALIST SERVICES S.L.

B99129306

BIT4 COMPONENTES INFORMATICOS S.L.L

B30921084

BIYECTIVA S.L.

B87249900 B87843207

Madrid

5.657.000 €

50

Barcelona

ND

47

BEDROCK INTELLIGENCE S.L.

Asturias

107.073 €

3

BERBA TRANSLATIONS S.L.

Vizcaya

225.341 €

7

Madrid

ND

25

Valencia

1.085.513 €

16

Granada

ND

ND

Valencia

387.969 €

13

Barcelona

ND

43

Zaragoza

ND

ND

Murcia

76.165 €

6

BLUETAB SOLUTIONS GROUP S.L.

Madrid

1.091.382 €

8

BOTS FACTORY S.L.

Madrid

368.669 €

4

B86679420

BRAVENT 13 S.L.

Madrid

ND

51

B67406967

BRIDGE EDUCATION S.L.

Madrid

811.190 €

25

B42874172

CAJA BLANCA DATOS S.L.

Madrid

ND

ND

B05527734

CIBERSEGURIDAD E INTELIGENCIA ARTIFICIAL S.L.

Murcia

165.891 €

7

B81254336

CISCO SYSTEMS SPAIN S.L.

Madrid

81.321.179 €

408

B87752093

CLARITY AI EUROPE S.L.

B66443540

CLOUDERA SPAIN S.L.

B80440795 B83174003

Madrid

600.618 €

80

Barcelona

2.170.001 €

11

COGNICASE MANAGEMENT CONSULTING S.L.

Madrid

40.186.785 €

608

COGNODATA CONSULTING S.L.

Madrid

8.984.573 €

115

B87135968

CRAYON SOFTWARE EXPERTS SPAIN S.L.

Madrid

ND

16

B87747093

DATA JUICERS S.L.

Madrid

104.331 €

ND

A80845050

DATACENTRIC SOLUTIONS S.A.

Madrid

6.290.289 €

45

B88611561

DATAROBOT SPAIN S.L.

Madrid

ND

ND

B95864039

DECIDATA S.L.

Vizcaya

198.967 €

2

B85391233

DECIDE SOLUCIONES S.L.

Madrid

3.965.444 €

49

BigDatamagazine | Diciembre 2021

20 I Mapa de empresas que utilizan Inteligencia Artificial en España

A80022734

DELL COMPUTER S.A.

Madrid

306.600.954 €

271

B81690471

DELOITTE CONSULTING S.L.

Madrid

259.444.000 €

1.545

B70414354

DENODO S.L.

A Coruña

16.380.261 €

145

W4008477D

DEVO INC

Madrid

ND

67

B86662608

DUNNHUMBY SPAIN S.L.

Madrid

1.574.714 €

15

A08147811

EKON CLOUD COMPUTING SOLUTIONS S.A.

B64755424

ENZYME ADVISING GROUP S.L.

A28858603 B78970506

Madrid

18.443.679 €

190

Barcelona

ND

46

ERICSSON ESPAÑA S.A.

Madrid

496.319.000 €

2.241

ERNST & YOUNG S.L.

Madrid

175.594.551 €

1.208

B86900057

ESRI ESPAÑA SOLUCIONES GEOESPACIALES S.L.

Madrid

19.949.370 €

121

A80448194

EVOLUTIO CLOUD ENABLER S.A.

Madrid

254.468.000 €

915

B95017844

EXPERIAN ESPAÑA S.L.

Madrid

12.036.317 €

82

B82062266

EXPERIS MANPOWERGROUP S.L.

Madrid

ND

1.942

B66425513

EXPERT SYSTEM IBERIA S.L.

Barcelona

1.676.258 €

ND

B83184010

EXPRIVIA S.L.

Madrid

1.469.527 €

40

B85042737

FUTURA VIVE TECHNOLOGIES S.L.

Madrid

145.791 €

5

B87761664

GANTABI S.L.

Madrid

96.764 €

7

B88459011

GEN DEL TALENTO DIGITAL S.L.

Madrid

ND

ND

A64017445

GLOBANT ESPAÑA S.A.

Madrid

35.776.509 €

ND

B83509307

GMS MANAGEMENT SOLUTIONS S.L.

Madrid

147.302.000 €

1.034

A83057034

GMV SOLUCIONES GLOBALES INTERNET S.A.

Madrid

47.600.819 €

494

B01917038

GOOGLE CLOUD SPAIN S.L.

Madrid

6.867 €

ND

B08914830

GRANT THORNTON S.L.P

Barcelona

36.526.000 €

434

B66576083

GRAPH EVERYWHERE S.L.

Barcelona

ND

3

B81739781

HABBER TEC S.L.

B65189557

HERTA SECURITY S.L.

B82146507

Madrid

3.173.174 €

37

Barcelona

ND

23

HEWLETT PACKARD HOLDING IBERIA S.L.

Madrid

ND

ND

N0073518C

HORTONWORKS INTERNATIONAL LIMITED

Barcelona

ND

ND

B84136464

HUAWEI TECHNOLOGIES ESPAÑA S.L.

Madrid

976.435.022 €

939

A28392769

IBM INTERNATIONAL SERVICES CENTER S.A.

Madrid

20.086.000 €

423

A61397311

IDEMIA TECHNOLOGIES IBERICA S.A.

Madrid

ND

80

W4008344F

INBENTA HOLDINGS, INC.

Barcelona

ND

ND

B83018176

INDIZEN TECHNOLOGIES S.L.

Madrid

15.817.037 €

215

A28599033

INDRA SISTEMAS S.A.

Madrid

929.833.000 €

6.528

B62198247

INFORMATICA DATA INTEGRATION IBERICA S.L.

Madrid

ND

32

A78679040

INFORMATION BUILDERS IBERICA S.A.

Madrid

ND

78

B84006246

INNOVACION TECNOLOGICA Y SOLUCIONES DE NEGOCIO S.L.

Madrid

14.353.300 €

235

A28819381

INTEL CORPORATION IBERIA S.A.

Madrid

14.910.756 €

38

B85286755

INTERSYSTEMS IBERIA S.L.

Madrid

7.608.286 €

27

B82649047

KABEL SISTEMAS DE INFORMACION S.L.

Madrid

11.358.299 €

178

B88017785

KEEPLER DATA TECH S.L.

Madrid

6.217.064 €

82

B98982622

KENMEI TECHNOLOGIES S.L.

Valencia

3.126.318 €

36

B82129800

KEYRUS SPAIN S.L.

Madrid

ND

111

A78446333

KPMG S.A.

Madrid

ND

1.189

B84377795

LEXSOFT SYSTEMS S.L.

Madrid

2.815.491 €

13

B67177261

MATICA PARTNERS S.L.

Barcelona

ND

ND

B28447431

MCKINSEY & COMPANY S.L.

Madrid

ND

413

B66397175

MERCURIO PLATFORM S.L.

Barcelona

750.073 €

11

B88267174

METAVENTURE AI BUILDER S.L.

Madrid

ND

ND

B82936329

MICRO FOCUS S.L.

Madrid

13.137.557 €

20

B78603495

MICROSOFT IBERICA S.L.

Madrid

529.107.727 €

767

B86740743

MIND ANALYTICS S.L.

Barcelona

ND

15

BigDatamagazine | Diciembre 2021

21

I Mapa de empresas que utilizan Inteligencia Artificial en España

B88403894

MINSAIT PAYMENT SYSTEMS S.L.

Madrid

52.736.000 €

779

B87663233

MONOM SOLUTIONS S.L.

Madrid

99.105 €

21

A28016921

NOKIA SPAIN S.A.

Madrid

446.416.000 €

906

B50835669

NTT DATA SPAIN SOLUCIONES TECNOLOGICAS S.L.

Zaragoza

21.858.097 €

331

A83059535

NUANCE COMMUNICATIONS IBERICA S.A.

Madrid

2.009.115 €

16

B87748828

NUÑEZ-MILARA S.L.

Madrid

4.504 €

ND

B67422287

OMNIOS COGNITIVE SOLUTIONS S.L.

Barcelona

ND

ND

B91864165

OPEN XIMDEX EVOLUTION S.L.

B97017461

PANGEANIC B I EUROPA S.L.

B85638708

PEGASYSTEMS SPAIN S.L.

B86338316

PERVASIVE TECHNOLOGIES S.L.

B87197174

PIPERLAB S.L.

B24532178

PLAIN CONCEPTS S.L.

B64822679

POWERDATA SOLUTIONS S.L.

Barcelona

ND

45

B48980007

PRICEWATERHOUSECOOPERS S.L.

Vizcaya

107.860.758 €

248

A48941488

PRODWARE SPAIN S.A.

Madrid

33.050.820 €

254

B64590037

QLIK TECH IBERICA S.L.

Madrid

27.921.045 €

123

B84184266

QUINT IBERIA S.L.

Madrid

6.086.932 €

52

B92439181

RAVENPACK INTERNATIONAL S.L.

Málaga

12.130.489 €

92

B82657941

RED HAT S.L.

Madrid

46.522.158 €

293

B65179996

SAIMA SOLUTIONS S.L.

B84495449 A58379629 A79089983

SALESFORCE SYSTEMS SPAIN S.L. SAP ESPAÑA SISTEMAS APLICACIONES Y PRODUCTOS EN LA INFORMATICA S.A. SAS INSTITUTE S.A.

A61790085

SDG CONSULTING ESPAÑA S.A.

A08854929

SEIDOR S.A.

A08006199

Sevilla

139.995 €

5

Valencia

4.909.161 €

33

Madrid

ND

39

Barcelona

518.875 €

8

Madrid

ND

24

León

23.592.758 €

314

Barcelona

1.170.504 €

16

Madrid

56.632.783 €

314

Madrid

508.119.497 €

761

Madrid

33.335.860 €

146

Madrid

ND

420

Barcelona

94.811.119 €

35

SGS ESPAÑOLA DE CONTROL S.A.

Madrid

65.523.000 €

665

B95673406

SHERPA EUROPE S.L.

Vizcaya

30.000 €

24

A86978988

SINGULAR PEOPLE S.A.

Madrid

26.242.803 €

463

B93495471

SISTEMAS DE INTELIGENCIA DE NEGOCIO S.L.

Málaga

ND

11

B93020808

SISTEMAS VIRTUALES DE APRENDIZAJE S.L.

Málaga

10.037.928 €

60

B90307075

SMART IOT LABS S.L.

Sevilla

ND

ND

B72269129

SMART PROTECTION S.L.

Madrid

ND

74

B83529032

SNOWFLAKE ESPAÑA S.L.

Madrid

293.832 €

ND

B86107000

SOFTWAREONE SPAIN S.L.

Madrid

28.628.062 €

23

B98871080

SOLVER MACHINE LEARNING S.L.

Valencia

404.815 €

13

N0040542C

SPLUNK SERVICES GERMANY GMBH S.E.E.

Madrid

ND

ND

B81866014

STRATESYS TECHNOLOGY SOLUTIONS S.L.

Madrid

53.404.062 €

719

W4007784D

STRATIO BIG DATA INC

Madrid

ND

257

B01808161

SYCAI TECHNOLOGIES S.L.

Barcelona

ND

ND

A81608077

T SYSTEMS ITC IBERIA S.A.

Barcelona

ND

2.377

B40235483

TAIGER SPAIN S.L.

Madrid

2.920.320 €

51

A78967577

TELEFONICA IOT & BIG DATA TECH S.A.

Madrid

41.737.000 €

433

B85131449

TERADATA IBERIA S.L.

Madrid

20.857.244 €

66

A78989670

THALES ALENIA SPACE ESPAÑA S.A.

Madrid

75.591.000 €

292

B78487824

THE BOSTON CONSULTING GROUP S.L.

Madrid

133.209.960 €

566

B66039488

THE SOCIAL COIN S.L.

Barcelona

ND

11

B82535352

TIBCO SOFTWARE S.L.

Madrid

ND

33

B86359791

TINAMICA S.L.

Madrid

3.389.163 €

51

B71280689

TRACASA INSTRUMENTAL S.L.

Navarra

21.225.614 €

398

B98628282

TYRIS TECH S.L.

Valencia

ND

10

B82422015

VASS CONSULTORIA DE SISTEMAS S.L.

Madrid

83.257.883 €

819

BigDatamagazine | Diciembre 2021

22 I Mapa de empresas que utilizan Inteligencia Artificial en España

B83209015

VECTOR SOFTWARE FACTORY S.L.

B61993135

VERBIO TECHNOLOGIES S.L.

B54949508

Madrid

ND

1.076

Barcelona

2.743.602 €

47

VERNE TECHNOLOGY GROUP S.L.

Alicante

ND

4

A81604043

VOICEWARE NUBEUM S.A.

Madrid

423.912 €

3

B85144350

WALMERIC SOLUCIONES S.L.

Madrid

ND

32

B24458002

XERIDIA S.L.

León

ND

61

B83168120

XEROX BUSINESS SOLUTIONS (SPAIN) S.L.

Madrid

2.784 €

4

N2763130H

ZEOTAP GMBH

Madrid

ND

ND

Datos de ventas obtenidos por Iberinform de las cuentas oficiales del ejercicio contable 2020 depositadas en el Registro Mercantil

Instituciones educativas participantes en el Mapa AFI ESCUELA DE FINANZAS

MADRID

COLEGIO UNIVERSITARIO DE ESTUDIOS FINANCIEROS SL

MADRID

DIGITAL SCHOOL SL

MADRID

ENYD BUSINESS SCHOOL SL

MADRID

ESCUELA DE ESTUDIOS SUPERIORES ESIC SACERDOTES DEL SAGRADO CORAZÓN DE JESÚS - PADRES REPARADORES

MADRID

FORMATEL 2000 SL

ZARAGOZA

FUNDACIÓN ESADE

BARCELONA

FUNDACION ESCUELA DE ORGANIZACION INDUSTRIAL FUNDACIÓN

MADRID

FUNDACION UNIVERSITARIA SAN PABLO CEU

MADRID

GLOBAL INSTITUTE OF TALENT AND TECNOLOGY, SL

MADRID

IMF INTERNATIONAL BUSINESS SCHOOL

MADRID

INSTITUTO DE EMPRESA SL

MADRID

INSTITUTO UNIVERSITARIO DE INVESTIGACIÓN “CENTRO DE INVESTIGACIÓN OPERATIVA”

MADRID

INTERNETSIA

MADRID

MADRID SCHOOL OF MARKETING SL

MADRID

MBIT SCHOOL SL MONDRAGON UNIBERTSITATEA

MADRID GIPUZKOA

NEXT INTERNATIONAL BUSINESS SCHOOL SA

MADRID

THE VALLUE DTS SL

MADRID

UNIVERSIDAD AUTÓNOMA DE MADRID

MADRID

UNIVERSIDAD DE ALICANTE UNIVERSIDAD DE CASTILLA-LA MANCHA

ALICANTE CIUDAD REAL

UNIVERSIDAD DE CÓRDOBA

CORDOBA

UNIVERSIDAD DE GRANADA

GRANADA

UNIVERSIDAD DE LA IGLESIA DE DEUSTO CIR

BIZKAIA

UNIVERSIDAD DE NAVARRA

NAVARRA

UNIVERSIDAD DE SALAMANCA UNIVERSIDAD DE VALENCIA

SALAMANCA VALENCIA

UNIVERSIDAD EUROPEA DE MADRID

MADRID

UNIVERSIDAD INTERNACIONAL DE LA RIOJA

LA RIOJA

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA

MADRID

UNIVERSIDAD PABLO OLAVIDE

SEVILLA

BigDatamagazine | Diciembre 2021

23

I Mapa de empresas que utilizan Inteligencia Artificial en España

UNIVERSIDAD POLITÉCNICA DE CATALUNYA UNIVERSIDAD POLITÉCNICA DE MADRID UNIVERSIDAD POLITÉCNICA DE VALENCIA UNIVERSIDAD PONTIFICIA COMILLAS UNIVERSIDAD PONTIFICIA DE SALMANCA

BARCELONA MADRID VALENCIA MADRID SALAMANCA

UNIVERSIDAD PRIVADA DE MADRID S.A

MADRID

UNIVERSITAS NEBRISSENSIS SA

MADRID

UNIVERSITAT AUTÓNOMA DE BARCELONA

BARCELONA

UNIVERSITAT DE BARCELONA

BARCELONA

UNIVERSITAT DE LES ILLES BALEARS UNIVERSITAT INTERNACIONAL VALENCIANA-VALENCIAN INTERNATIONAL UNIVERSITY SL

ILLES BALEARS VALENCIA

UNIVERSITAT JAUME I DE CASTELLÓN

CASTELLON

UNIVERSITAT OBERTA DE CATALUNYA

BARCELONA

UNIVERSITAT POMPEU FABRA

BARCELONA

UNVERSIDAD DE SEVILLA

SEVILLA

U-TAD CENTRO DIGITAL SL

MADRID

BigDatamagazine | Diciembre 2021

24 Keepler Data Tech

Gestión eficaz del dato Según datos publicados por IDC, solo en 2020 se crearon 64,2 Zetabytes de datos, cifra muy cercana a la capacidad de almacenamiento total instalada que alcanza los 6,8 Zetabytes. La explosión de generación de datos tiene mucho que ver con el impulso de la Covid-19, que disparó el consumo por la implantacion del trabajo y educación remotas, el aumento del ocio digital y del consumo de redes sociales.

S

Firma: Sergio

Gordillo

in embargo, de todo este volumen de datos en constante crecimiento, hasta 2021 solo se han guardado y almacenado el 2%, la gran mayoría restante o bien se pierde, o bien forman parte de lo que se conoce como “datos efímeros” es decir, aquellos únicamente asociados al momento del consumo, que requieren almacenamiento solo temporal, o que son actualizados o sobrescritos con datos nuevos.

En este contexto, lo que está claro es que las compañías deberían preparar BigDatamagazine | Diciembre 2021

sus sistemas para capturar más información. Los datos son y serán un valor de negocio clave para las organizaciones, permitiéndoles entrar en lo que se conoce como el círculo virtuoso de los datos: la captura de datos permite generar información de valor, que analizada y explotada, genera insights de negocio para mejorar la toma de decisiones y generar más ventas, las cuales volverán a entregar más datos que generarán nuevos insights.

Más datos, nuevos retos Con tal volumen de información,

muchas organizaciones se enfrentan a retos relacionados con la gestión, organización y consumo ordenado del dato, más si cabe en entornos de tecnología cloud e híbridos.

A medida que la organización escala, aparecen nuevas necesidades e iniciativas que, en muchos casos, implican la construcción de repositorios de datos dispersos en distintas áreas, con distintas tecnologías y con distinto modo de consumo.

En muchas ocasiones, esta situación presenta problemas derivados del mantenimiento de estos repositorios

25

Sergio Gordillo, Business Development Manager de Keepler Data Tech de información que pasan a ser silos aislados. La generación de silos en la organización trae derivados problemas como el desconocimiento o inaccesibilidad de la información por parte de las distintas unidades de negocio, que trabajan sin visibilidad de lo que hacen otras áreas y sin aprovechar el valor que estas generan; la replicación del trabajo en distintas áreas y departamentos, repitiendo tareas una y otra vez cuando se podrían generar sinergias más eficientes; la incapacidad de poner en marcha iniciativas de casos de uso que consuman datos, ante la falta de conocimiento de la existencia de los mismos; la falta de confianza y fiabilidad en los datos existentes, causada por la propia gestión aislada y sin criterios comunes y compartidos, lo que lleva a su no uso o a dedicar excesivo tiempo a validarlos; y, por último, y quizás más clave, la inexistencia de una figura que represente y vele por la calidad y consistencia de los datos en el conjunto de la organización.

Pero, en un escenario así, no está todo perdido. Existen mecanismos que ayudan a enfrentar estos retos y que pasan por realizar un trabajo de descubrimiento del dato y de definición de palancas del cambio dentro de la organización.

La colaboración es indispensable, a través de trabajar estrechamente con y entre los representantes de negocio de cada área generadora de iniciativas y de datos dentro de la organización; la clasificación de dominios de datos de la

organización, complementándolo con la definición de subdominios y datasets que pertenezcan a cada uno de ellos; el identificar el dominio técnico de cada uno de esos datasets; la definición de un framework de trabajo en cuanto a clasificación, catalogación y control de calidad del dato; y, todo ello, apoyado en una herramienta de gobierno del dato que ayude con la puesta en marcha del modelo de gestión y de gobierno.

La puesta en marcha de este tipo de mecanismos no es directa ni inmediata, implica una gestión del cambio dentro de los equipos de negocio e IT que requieren capacitación y tiempo. Una vez definido el marco de trabajo, hay ciertas labores que se pueden realizar de una manera distribuida en los distintos departamentos y equipos de trabajo y que ayudan enormemente a que la gestión del dato sea exitosa.

• Distribuir la tarea de descubrimiento del dato inicial entre los equipos generadores de datos.

• Establecer un modelo de gestión del dato (Data Owner, Data Steward) donde cada área se responsabiliza de sus dominios de datos.

• Repartir las tareas de catalogación del dato técnico y de negocio.

• Definir claramente los mecanismos de acceso al dato y los responsables de los mismos.

Para la gestión y supervisión de estas tareas distribuidas, son necesarias herramientas y soluciones tecnológicas. Por ejemplo, algunas organiza-

ciones tienden a apoyar su gestión y gobierno del dato en suites completas, listas para usar y licenciadas tipo Collibra o Informatica. También existen soluciones propias de los proveedores cloud y versiones open source que permiten una customización de los procesos y funcionalidades a las necesidades concretas de cada organización, como son Apache Atlas o Datahub.

Este tipo de plataformas o herramientas ofrecen una serie de funcionalidades comunes: catálogo y organización de los datos y dominios de los datos, definición de roles y administradores del dato en sus distintos sabores, implementación de glosarios de términos de negocio, linaje del dato e información de consumo, funcionalidades de explotación del dato, reporting de uso y consumo…

En definitiva, la gestión eficaz y eficiente del dato requiere dar varios pasos indispensables: una fase de descubrimiento del dato de la organización, una fase de definición y consolidación de un marco de trabajo en cuanto a calidad, ownership y organización del dato y una etapa de aterrizaje e implantación tecnológica que nos ayudará en la puesta en marcha y en la implementación de ese marco de trabajo.

Las organizaciones que sean capaces de acometer esta transición a una gestión del dato más distribuida, accesible y eficaz, conseguirán implementar, más fácilmente y de forma exitosa, una cultura del dato dentro de la organización.

.

BigDatamagazine | Diciembre 2021

26 Business Case del Grupo Alshaya /H&M desarrollado por Deloitte

La combinación del Marketing Mix Modeling y el Conversion Lift Experiment Alshaya, es una compañía dedicada a la explotación de franquicias de diversos sectores de consumo, que incluyen moda, salud y belleza, hostelería y ocio. Su cartera de clientes se extiende por Oriente Medio, Norte de África, Rusia, Turquía y Europa. Entre las franquicias que gestiona se encuentran marcas como Starbucks, Mothercare o H&M.

A

Firma: Carlos

Real

lshaya gestiona 30 tiendas y el e-commerce de H&M en Emiratos Árabes Unidos (EAU) encargándose también de su estrategia de marketing. En particular, Alshaya encargó a Deloitte un estudio cuyo objetivo consistía en medir la eficacia de su actividad publicitaria en medios online (Paid Search, Facebook, Instagram, GDN, Snapchat, Criteo, Afiliados y YouTube) y en medios offline (Revistas, Exterior, Radio y SMS) para la marca H&M en los Emiratos Árabes Unidos.

Para lograr este objetivo, Deloitte empleó una metodología holística como es el Marketing Mix Modeling (MMM), que consiste en la construcción de modelos de aprendizaje automático que analizan las series temporales de uno o varios KPIs de interés.

BigDatamagazine | Diciembre 2021

Además, esta metodología permite una segunda etapa de análisis, la optimización del mix de medios, con la que garantizar la mejor asignación posible de recursos a partir de un presupuesto dado.

En este estudio, también se analizó el resultado procedente de un enfoque de medición alternativo, el Conversion Lift Experiment (CLE) de Facebook que es un servicio que permite a cualquier anunciante hacer seguimiento de las conversiones conseguidas y facilita la medición del negocio incremental verdadero generado por la publicidad utilizada.

Y, por último, se compararon los resultados de ambas metodologías, MMM y CLE, para contar con una visión unificada que se aproximara lo máximo a la realidad, proponiendo además un método cuantitativo que permita la calibración de MMM a

partir de CLE en los casos en los que se observen grandes diferencias entre dichos métodos.

MMM y CLE, metodologías complementarias

¿Qué es MMM y qué es CLE? ¿Cuáles son las diferencias y cómo pueden combinarse? Ambas metodologías comparten el mismo objetivo, medir el retorno de la inversión en medios (ROAS: Return On Advertising Spending), pero utilizando enfoques diferentes.

Por un lado, MMM utiliza datos históricos de series temporales para modelar los resultados de las ventas (u otros KPIs), en función de variables de marketing y de control como el clima, la estacionalidad, los competidores, etc. A partir de estas variables se obtienen métricas como el retorno de la inversión publicitaria (ROAS) y la

27

Carlos Real, Senior Manager de Deloitte optimización de las inversiones. En resumen, el MMM sirve para responder a preguntas estratégicas.

Por otro lado, el CLE se alimenta de datos más granulares, pone a prueba una hipótesis específica y garantiza mediciones muy precisas. Es el enfoque indicado para medir el incremento causal de conversiones debido a la publicidad, pero trabaja en un perímetro muy específico y delimitado (la exposición a Facebook en nuestro caso), sin visibilidad sobre el resto de los drivers que mueven el negocio.

En resumen, la industria publicitaria se encuentra ante el gran reto de encontrar una convergencia entre las dos metodologías, MMM y CLE que permita combinar lo mejor de ambas y lograr una nueva visión unificada de la medición.

Resultados del Business Case Los resultados proporcionados por el estudio ofrecieron a Alshaya y H&M una visibilidad completa sobre una serie de cuestiones que le resultaban difíciles de evaluar anteriormente, debido a la complejidad del entorno y a la presencia simultánea de variables que interactúan entre sí.

El baseline y el precio desempeñan un papel importante en el canal offline Tras aplicar algoritmos avanzados de medición (Prophet, Modelos Bayesianos, etc.), se obtuvieron los siguientes aprendizajes sobre H&M en EAU: - El baseline y el precio desempeñan un papel importante, especialmente en el canal offline.

- Factores como la publicidad, las promociones y los lanzamientos especiales tienen mayor impacto en el canal online.

- La publicidad online tiene una contribución significativa en las ventas offline además del efecto directo sobre el canal online.

- Retornos positivos para todas las inversiones en publicidad, siendo Facebook el medio que ha generado más ventas.

- Al comparar tanto 2018 como 2019, observamos como el ROAS de Facebook ha aumentado más del 20% en 2019 debido a la mejora de estrategia llevada a cabo por la compañía.

Los resultados procedentes de ambas mediciones, MMM y CLE, estaban alineados, por lo que no fue necesario aplicar ningún método de calibración.

En definitiva, Deloitte recomienda trabajar con MMM y CLE, integrando y calibrando ambas metodologías cuando sea necesario. Estas mediciones son realmente útiles para que los equipos de marketing puedan decidir cómo invertir el presupuesto empleando datos en lugar de intuición.

Además, la combinación de enfoques es clave para generar más confianza en los resultados de medición y evitar posibles sesgos de medición.

Un entorno publicitario tan fragmentado (oferta de medios, dispositivos, plataformas, formatos, audiencias, etc.) hace aún más desafiante el desarrollo de modelos robustos de medición. La fusión de diferentes metodologías, integrando la visión estratégica con la táctica, parece ser el único camino para seguir asegurando los mejores resultados.

.

Gartner reconoce a Deloitte como #1 en servicios de Data & Analytics

G

artner, empresa líder mundial en tecnología de la información y asesoramiento, nombró a Deloitte como líder por séptima vez consecutiva en su informe de febrero de 2021, titulado Magic Quadrant for Data and Analytics Service Providers. Deloitte ha logrado este reconocimiento por su completa visión y capacidad de ejecución.

Actualmente estamos viviendo una sinergia entre humanos y máquinas que está transformando los modelos de negocio, impulsando el crecimiento y reestructurando las industrias.

En Deloitte, ayudamos a los clientes a aprovechar este potencial con un enfoque centrado en el ser humano a través de la Inteligencia Artificial (IA).

Gartner evaluó a 19 proveedores de servicios de Data & Analytics (D&A) e indicaba que el Cuadrante Mágico establece las capacidades de gestión de decisiones, capacidades analíticas y capacidades de gestión de la información dentro de las expectativas que ofrece un proveedor

de servicios completos. Dichas ofertas incluyen: consultoría de estrategia -una mezcla de proceso, industria, aplicación y tecnología-; capacidades de gestión de programas y proyectos; y gestión del cambio organizativo.

La empresa líder mundial en tecnología define a los líderes como aquellos que proporcionan ofertas que satisfacen la demanda de servicios de D&A y demuestran una visión necesaria a medida que evolucionan los requisitos de consultoría y servicios basados en activos en el mercado.

Los líderes innovan en productos, servicios y precios, se arriesgan y suelen responder a una amplia audiencia del mercado apoyando las necesidades en un intento de ayudar a darle forma. Esto incluye la entrega de soluciones de D&A centradas en los resultados del negocio en todas las capacidades principales. Sin embargo, los líderes pueden no satisfacer las necesidades específicas de segmentos más especializados (por ejemplo, tecnológicos, de aplicaciones, geográficos y de procesos).

BigDatamagazine | Diciembre 2021

28 Snowflake

Seis consejos para mejorar la ciencia de datos en la nube La nube ha transformado las posibilidades de la ciencia de datos. Los equipos de datos tienen ahora acceso a un vasto conjunto de potencia informática elástica, numerosas fuentes de datos internas y externas, y servicios gestionados en la nube que reducen la complejidad de la creación, la formación y la implementación de modelos de aprendizaje automático y aprendizaje profundo a escala.

L

Firma: José

María Alonso

a nube ha transformado las posibilidades de la ciencia de datos. Los equipos de datos tienen ahora acceso a un vasto conjunto de potencia informática elástica, numerosas fuentes de datos internas y externas, y servicios gestionados en la nube que reducen la complejidad de la creación, la formación y la implementación de modelos de aprendizaje automático y aprendizaje profundo a escala.

Pero eso no significa que no haya desafíos cuando los equipos se adaptan de una infraestructura local a un modelo basado en la nube. Los científicos de datos, los ingenieros de datos y los desarrolladores tienen que aprender y adaptarse a un nuevo entorno, y hay un ecosistema de herramientas y marcos en constante expansión y rápida evolución entre los que elegir. Muchos están BigDatamagazine | Diciembre 2021

aprendiendo sobre la marcha, averiguándolo sobre la marcha.

Las mismas capacidades que hacen que la nube sea tan emocionante también crean posibles escollos con los que hay que tener cuidado. La facilidad con la que se copian los datos en diversos sistemas puede crear problemas de gobernanza si no se maneja adecuadamente. La velocidad del cambio significa que los equipos de datos pueden apostar por la herramienta o el marco de trabajo equivocados y quedarse varados en ellos. Los hábitos y prejuicios del mundo de la infraestructura local pueden limitar la comprensión de lo que es posible en la nube.

Después de crear tecnología de gestión de datos durante muchos años, y de hablar con frecuencia con organizaciones de todos los tamaños y de todos los sectores, he visto algunas trampas y malentendidos comunes que pueden impedir que los equipos de datos

hagan un gran trabajo. La nube abre una frontera apasionante para entender mejor a los clientes, monetizar los datos de nuevas maneras y hacer predicciones sobre el futuro. Así que espero que los siguientes consejos permitan a los equipos de datos aprovechar esas ventajas, al tiempo que trabajan de forma segura, eficiente y eficaz.

Hacer de la gobernanza la principal prioridad

Es fundamental permitir la iteración y la investigación sin comprometer la gobernanza y la seguridad. Por ejemplo, muchos científicos de datos quieren intuitivamente copiar un conjunto de datos antes de empezar a trabajar en él.

Pero es demasiado fácil hacer copias, seguir adelante y olvidarse de que existen, creando una pesadilla en términos de cumplimiento, seguridad y privacidad.

Una plataforma de datos moderna debería permitirle trabajar con instantáneas, o

29

José Maria Alonso Elizo, Director Regional Sur de Europa de Snowflake copias virtuales, sin necesidad de duplicar conjuntos de datos enteros, al tiempo que mantiene controles estrictos para garantizar que sólo los usuarios y las aplicaciones adecuadas tengan acceso a ellos.

Cree procesos que reduzcan al mínimo las copias y limpien todo lo que se copie; no seas la persona que haga que su empresa aparezca en los titulares de las noticias por razones equivocadas.

Dejar las ideas preconcebidas en la puerta

Si vienes de un mundo de infraestructura local, a menudo traerás percepciones y prejuicios sobre la infraestructura que ya no se aplican a las plataformas modernas en la nube.

A menudo he escuchado a científicos de datos decir: “Me encantaría volver a entrenar mi modelo varias veces al día, pero es demasiado lento y retrasará otros procesos”. Pero eso no es un problema en un mundo de infraestructura elástica. Aborda la nube desde los primeros principios. Empieza por lo que quieres conseguir, no por lo que crees que es posible, y avanza a partir de ahí.

Esa es la única manera de superar los límites y aprovechar al máximo este nuevo entorno.

Evitar crear silos de datos 2.0 El concepto de silos está estrechamente ligado a la gestión de datos. En la nube, es importante no reproducir la fragmentación que es común en el mundo local.

La proliferación de herramientas, plataformas y proveedores es excelente para la innovación, pero también puede dar lugar a datos redundantes e incoherentes almacenados en múltiples ubicaciones.

Otra causa de fragmentación se produce cuando los datos estructurados se almacenan en un entorno, como un almacén de datos, mientras que los datos semiestructurados acaban en un lago de datos.

Además de comprometer la gobernanza y la seguridad, esta fragmentación puede obstaculizar la consecución de mejores predicciones o clasificaciones.

Trabaje con una plataforma de datos en la nube que ofrezca una visión global y consolidada de sus datos. Eso significa una plataforma que pueda acomodar datos estructurados, semiestructurados y no estructurados uno al lado del otro y que proporcione una única instancia a través de múltiples proveedores y herramientas en la nube, no seis versiones de sus datos replicados en diferentes plataformas y entornos.

Mantener tus opciones abiertas Una de las cosas más emocionantes de este sector es que los marcos y las herramientas están evolucionando a un ritmo increíble, pero es fundamental no encerrarse en un enfoque que limite sus opciones cuando las tecnologías entren y salgan del mercado. Por poner un ejemplo: Spark ML solía ser la respuesta a la mayoría de los problemas de capacitación a gran escala, pero ahora TensorFlow y PyTorch están captando la mayor atención. Nunca se sabe qué pasará el año que viene, o la semana que viene. Elije una plataforma de datos que no te ate a un marco o a una forma de hacer las cosas, con una arquitectura extensible que pueda acomodar nuevas herramientas y tecnologías a medida que vayan apareciendo.

Incorporar fuentes de datos de terceros

La nube facilita enormemente la incorporación de datos externos de socios y proveedores de servicios de datos a tus modelos. Esto fue especialmente importante durante el año pasado, ya que las empresas trataron de entender cómo el impacto de la COVID-19, las fluctuaciones de la economía y los consiguientes cambios en el comportamiento de los consumidores, afectarían a sus negocios. Por ejemplo, las organizaciones utilizaron datos sobre las tasas de infección locales, el tráfico de personas en las tiendas y posts en los medios sociales para predecir los patrones de compra y prever las necesi-

dades de inventario. Hay que explorar las numerosas fuentes de datos disponibles y determinar cuáles pueden ayudar a abordar con precisión las preguntas que tu empresa necesita responder.

Minimizar la complejidad A menudo se dice que cuando se tiene un martillo, todo parece un clavo, y esto se aplica a las tecnologías de IA como el aprendizaje automático y el aprendizaje profundo. Son inmensamente potentes y tienen un papel fundamental para ciertas necesidades empresariales, pero no son la panacea para todos los problemas.

Comienza siempre con la opción más sencilla y aumenta la complejidad según sea necesario. Prueba con una simple regresión lineal, o mira los promedios y las medias. ¿Cuál es la precisión de las predicciones? ¿El retorno de la inversión al aumentar la precisión justifica un enfoque más complejo? A veces sí, pero no se lanza a esa opción como primer instinto.

Hacer análisis de datos avanzados nunca ha sido más accesible. Los científicos de datos, los ingenieros de datos y los desarrolladores se encuentran ahora entre los miembros más importantes de cualquier organización. La nube es un lugar más sencillo, potente y dinámico para realizar análisis de datos, y los retos que presenta no son difíciles de abordar cuando se es consciente de ellos y se toman las decisiones correctas sobre la tecnología y las herramientas.

Pero hay que ser deliberado y pensar antes de lanzarse.

.

BigDatamagazine | Diciembre 2021

30 PiperLab

Retos a la hora de abordar un proyecto de data science y big data En PiperLab, empresa de Big Data y Data Science, llevamos desde hace 7 años desarrollando soluciones basadas en datos, análisis, estadística y algoritmos que permiten dar respuesta a retos complejos de negocio.

E

Firma: Alejandro

Llorente

n todo este tiempo, nos hemos encontrado con proyectos que nos han permitido dar rienda suelta a nuestra capacidad de entender la información, de ser creativos y profundos a la hora de analizarla o para aplicar toda la batería de algoritmos de Machine Learning para modelizar distintos fenómenos y obtener la mejor solución posible.

Abordamos más de 40 proyectos al año, en mas de 25 clientes, gestionamos un equipo con 30 perfiles técnicos…. En ocasiones, son proyectos completamente nuevos pero, en otras, tienen similitudes con otros ya realizados; a veces son proyectos con poca complejidad de datos y en otras ocasiones con una variedad de información tremenda; en otros, la infraestructura es muy estándar mientras que en otros es necesario manejar tal volumen de información que necesita de una componente de arquitectura muy fuerte.

En definitiva, el reto a día de hoy es, por un lado, manejar la complejidad que supone un equipo grande de científicos BigDatamagazine | Diciembre 2021

de datos e ingenieros de datos, un gran número de clientes y proyectos, y la gestión del conocimiento que se genera en los proyectos, y por otro lado, la implementación y la aplicación de buenas prácticas que generen un retorno y una nueva forma de abordar los nuevos retos de una manera más efectiva y productiva.

Si nos centramos en el primer objetivo sobre manejar la complejidad de los equipos y del conocimiento, somos muy conscientes de que esto no es algo que sucede en PiperLab exclusivamente.

Sabemos que es algo que sucede a otras empresas del sector, en equipos de data scientist de nuestros clientes e, incluso, empresas de desarrollo software o consultoría tecnológica más tradicional.

De todos ellos hemos oído frases del tipo: “Queremos hacer un proyecto de segmentación de clientes. Sí, sabemos que ya se han hecho en otros departamentos de la compañía, pero no sabemos los detalles y tenemos que hacer uno nuevo”.

“Tenemos un problema porque la persona que estaba haciendo un proyecto de Machine Learning se ha

ido de la compañía y nadie del equipo quiere responsabilizarse para darle continuidad, por desconocimiento de lo generado y por no tener tracking de las decisiones que se han ido tomando”.

“En nuestros procesos de desarrollo de proyectos con datos, no es sencillo validar o reproducir los resultados intermedios. En muchas ocasiones, parece que el software generado funciona y que los datos son razonables, pero es un proceso muy poco transparente”.

“Es complicado gestionar la autonomía que requieren los data scientists con la estandarización del proceso de desarrollo de los proyectos de Machine Learning”.

Hasta ahora, estos riesgos, tanto de proyectos con clientes como internos, se mitigan con metodología: tener una documentación adecuada en cada una de las fases del proyecto, una cierta estandarización de entornos y formas de despliegue de proyectos según la tipología, abstracción de ciertos componentes software reutilizables, etc. Pero desde hace algún tiempo nos preguntamos: ¿puede la tecnología ayudarnos

31

Alejandro Llorente, co-fundador y data scientist en PiperLab. a resolver estos problemas? ¿existen herramientas en el mercado que aborden toda esta problemática de una forma integral?

En PiperLab nos hemos dado cuenta de que esto es un gap muy grande y que es hora de llevar el desarrollo de proyectos con datos a otro nivel y para ello hemos creado Datenea. Este software, un framework de colaboración y desarrollo para proyectos de data science, nace con la vocación de incrementar la productividad y efectividad de los proyectos de datos en las empresas, pero también con la intención de que las empresas reconozcan en estos proyectos activos digitales que tienen un gran valor. Para ello, nos hemos enfocado en resolver retos que, en nuestra experiencia, si se mantienen en el tiempo, pueden llevar a frustraciones, desmotivaciones y descrédito de los proyectos con datos en las compañías.

Gobierna el proceso de desarrollo Cuando queremos iniciar un proyecto y en el propio desarrollo del mismo podemos establecer una serie de guías y prácticas que será la base sobre la que se hagan todos los proyectos. Esto no es algo estático, está vivo a lo largo del tiempo, pero nos ayudará desde el primer día. Tendemos a pensar que, en los proyectos con datos, la mayor parte del tiempo es el análisis y la modelización, pero no es así. Siempre buscamos convertir nuestros análisis en software y, con ello, estamos generando un activo que debe ser gobernado.

Aísla los entornos Solo escribiendo estas líneas, me vienen sudores fríos. ¿A quién no le ha pasado alguna vez que una actualización de un paquete o el kernel de algún lenguaje de programación ha hecho que aquello que funcionaba como la seda comience a emitir errorres casi indescifrables? Aislar los entornos tiene muchas cosas buenas y una de ellas es evitar errores en el futuro como el que acabo de describir; otra, es la facilidad de poder gestionar un entorno de desarrollo lo más similar posible al entorno productivo. Potencialmente, esto puede llevar también a crear entornos de ejecución de procesos complejos fuera de nuestros entornos locales de una manera remota y distribuida. Implantar la tecnología necesaria para poder congelar las versiones de las que dependan tus procesos de

análisis y tu software, de una forma automática y sencilla, acelerará la puesta en producción y facilitará el mantenimiento futuro.

Fomenta la colaboración A menudo, sobre todo cuando una compañía empieza a desarrollar sus primeros proyectos de Data Science y Machine Learning, los equipos son unipersonales y, en ocasiones, se espera que funcionen casi como una caja negra: les damos los resultados y el problema y esperamos que en cierto tiempo den las respuestas. En un proyecto con datos no es solamente importante que lo que se desarrolle funcione, también tiene que tener sentido. En mi opinión, esto se consigue de dos formas: Construyendo equipos completos para el desarrollo del proyecto: es muy fácil hacerse trampas al solitario con los datos, convencerse de que lo que obtenemos está bien. Si conseguimos que se involucren los departamentos de negocio en el proyecto desde el principio tendremos una mayor visión sobre el reto y una opinión crítica que busca optimizar el resultado al máximo.

Si se puede, contando con más de un data scientist en el proyecto: a menudo, es mejor tener a dos personas en dos proyectos distintos que a dos personas haciendo cosas completamente independientes. Muchas veces, por facilitar la gestión, tendemos hacia el segundo escenario, pero, en la medida de lo posible, puede que con distintas implicaciones y dedicaciones en cada uno, puede ser conveniente.

Reutiliza desde el primer día Es esencial no reinventar ni repensar cada cosa que queremos solucionar.

Existen bibliotecas y frameworks que facilitan múltiples tareas en los proyectos de Machine Learning. Por ejemplo, en nuestros desarrollos en Python usamos pycaret, Pandas Profiling, scikit-learn… en definitiva, buena parte de los paquetes típicos que están en cualquier toolbox de Data Science y nos ayudan en todas las fases del proceso, desde la descripción de los datos hasta la modelización o puesta en producción.

Sin embargo, hay otro nivel de reutilización que tiene que ver con el conocimiento interno que se genera en los proyectos de datos. Gestionar este conocimiento es esencial para no repetir errores, para reaprovechar lo que ya se ha pensado y diseñado, para mejorar a partir de un punto y no dar pasos hacia atrás. Esto se consigue con una buena documentación de proyecto, con una buena biblioteca interna de recursos, con organización en la formación, incluidos los procesos internos, y con la visibilización de los componentes y proyectos que la compañía realice.

Ninguna de estos puntos por sí solos garantizan el éxito en el aumento de la productividad de los proyectos con datos pero si, desde el principio, desde las primeras iniciativas, intentamos ser organizados en hacer las cosas de una determinada manera, implantamos una cultura de desarrollo con datos y nos creemos que es una buena manera, se notarán a medio plazo los resultados.

Y tú, ¿eres un #CreyenteDelDato?

.

BigDatamagazine | Diciembre 2021

32 decide4AI

Digital Decisioning Platforms: agilidad y adaptabilidad a los cambios en el sector asegurador Hablemos de una tecnología no tan ‘cool’ que todo el mundo pasa por alto, pero aporta un gran valor a las entidades aseguradoras

D

Firma: Eugenio

Martín

e nuevo la Toma de Decisiones Inteligente es una de las tendencias tecnológicas clave para el año que viene según Gartner.

Aun así, tras mis más de 15 años de experiencia trabajando con compañías del sector asegurador, me doy cuenta de que aún son muchas las entidades aseguradoras que no se han planteado lo necesarias que son las Plataformas de Toma de Decisiones Digitales o Digital Decisioning Platforms (Sistemas BigDatamagazine | Diciembre 2021

de toma de decisiones BRMS + Inteligencia Artificial), y lo que pueden llegar a agilizar los procesos en seguros.

Os preguntaréis, ¿por qué grandes compañías del sector asegurador no se han planteado la necesidad de utilizar este tipo de sistemas? Pues creo que la razón es que cuando apareció la tecnología de gestión por procesos (BPMS), estos productos incorporaban motores de reglas, pero orientados a la “lógica del proceso” en vez de a resolver la “lógica del negocio”. Creo que esto hizo que se entendiera erróneamente que los

motores que incorporaban los procesos podían asumir las lógicas (orientadas a resolver un problema concreto de negocio y no de proceso) de una Aplicación Web, de un proceso batch o de cualquier otro sistema corporativo.

Además, si tenemos en cuenta el contexto tecnológico de estos años con el ‘boom’ de la Inteligencia Artificial, está claro que los prepuestos y la inversión de IT se ha orientado a otro tipo de tecnologías que parecen más modernas como el Machine Learning, perdiéndose el foco de otro tipo de tecnologías que

33

Eugenio Martín Quetglas, Founder & Head of Digital Decisioning at decide4AI aportan mucho valor al negocio, pero no suenan tan ‘cool’.

Normalmente en las entidades aseguradoras las reglas de negocio están embebidas en diferentes aplicaciones en código de programación, en procesos, documentos o incluso en la cabeza de algún miembro de la organización. Eso significa que, si se quiere cambar alguna variable o parámetro en una toma de decisión dentro de las diferentes aplicaciones, se debe acudir a cada una de ellas para crear, modificar o desplegar las reglas y parámetros de negocio.

Este hecho hace que transcurra demasiado tiempo desde que se detecta una necesidad de cambio hasta que se implantaba, perdiendo valor de negocio.

De hecho, los mayores retos que en mi opinión tienen las herramientas tecnológicas en el sector seguros son la parametrización, la flexibilidad y la velocidad de aplicación de cambios.

Plataformas de decisión como pieza estratégica

Como comentaba más arriba, muchas de las aplicaciones aseguradoras tradicionales carecen de la necesaria flexibilidad que exigen los nuevos modelos de negocio y productos aseguradores, de la posibilidad de personalización por segmentos de clientes o canales, o de agilidad a la hora de implementar cambios.

Las herramientas de gestión de decisiones basadas en reglas de negocio (como IBM Operational Decision Manager) cubren estas carencias, ya que centralizan las reglas

de negocio en una sola plataforma ofreciendo una elevada flexibilidad para gestionar decisiones operativas de forma muy parametrizable, y una gran agilidad a la hora de realizar cambios.

Con esta tecnología se puede reducir el tiempo de puesta en producción de los cambios de las reglas de meses a días, e incluso horas. Además, estas herramientas están diseñadas para los usuarios de negocio o analistas de la organización, siendo intuitivas y fáciles de usar, con reglas y lógicas expresadas en lenguaje natural. De esta manera negocio no necesita depender del departamento de IT para realizar cambios, logrando tener un mayor control y transparencia sobre las lógicas operativas, y minimizando los costes de mantenimiento de las reglas hasta un 90% (gracias a la reducción del tiempo necesario para su desarrollo y del personal técnico implicado). En el caso de seguir dependiendo de IT, los cambios siempre serán menos costosos en tiempo de desarrollo y despliegue que si se realiza del modo tradicional, por lo que el coste del cambio siempre es menor para la compañía.

Por ejemplo, cuando las entidades regulatorias aplican una nueva normativa, los usuarios de negocio o analistas solo tienen que acudir a este sistema (BRMS) para crear, gestionar y desplegar las reglas de negocio y los servicios de decisión, en vez de tener que ir a cada una de las aplicaciones para realizar los cambios. Las aplicaciones llamarán de manera automática al sistema

BRMS en caso de necesitar utilizar las reglas o los servicios de decisión.

En un mercado tan regulado y cambiante como es el asegurador, la manera que tienen las entidades de adaptarse a los nuevos modelos de negocio, cambios regulatorios y productos aseguradores de manera ágil y rápida es: - Adoptando el enfoque disruptivo de gestión de reglas.

- Que una plataforma de decisiones (BRMS) sea una pieza clave de la arquitectura IT corporativa.

Las plataformas de Digital Decisioning pueden utilizarse para tomar decisiones inteligentes en áreas tan críticas como la tarificación en los distintos tipos de ramo, la asignación de expedientes a centros de peritación o las personalizaciones de comunicación y contacto a clientes.

En conclusión Rodearte de soluciones tecnológicas no es sinónimo de éxito. Son muchas las compañías desencantadas con la Transformación Digital debido a que no han obtenido el ROI esperado de sus inversiones tecnológicas pasadas.

Quizá la solución está en apostar por tecnologías más robustas y confiables con un largo recorrido de éxito y ROI demostrado en vez de tecnologías que aún están en “pañales”. Al final, no todo consiste en ir a la última, sino en ir vestido.

Si tienes alguna duda sobre cómo podrías mejorar tus decisiones operativas gracias a este tipo de herramientas, no dudes en contactar con nosotros.

.

BigDatamagazine | Diciembre 2021

34 Especial Big Data en el sector de las infraestructuras

Los datos mejoran la seguridad viaria La perspectiva de utilizar Big Data en el sector de las infraestructuras de carretera ofrece ventajas antes inimaginables en comparación con las fuentes de datos tradicionales.

V

Firma: Rocío

González

olumen, velocidad, variedad, variabilidad, veracidad. Estas palabras solo pueden describir una cosa: las dimensiones del Big Data.

La perspectiva de utilizar Big Data es intrigante e innovadora, ya que ofrece ventajas antes inimaginables en comparación con las fuentes de datos tradicionales. Al igual que Internet, el Big Data es otro cambio de juego que revolucionará el funcionamiento de las empresas y la sociedad. Los continuos avances en la arquitectura y la tecnología de Big Data han incrementado el potencial de las empresas y los gobiernos para analizar sus datos y utilizar la información procesable para tomar decisiones informadas.

Los organismos públicos y las consultoras están utilizando los Big Data para responder a numerosas cuestiones relacionadas con las infraestructuras y el transporte. Además de estimar el estado de la carretera, los orígenes, los destinos y los patrones de ruta, como el lugar donde los vehículos entran y salen de las carreteras, el alto grado de precisión espacial y temporal de algunas fuentes de datos permite determinar con precisión la ubicación de los vehículos.

De este modo, los datos en tiempo real pueden utilizarse para la detección de incidentes, la supervisión de colas, las alertas de congestión, el trazado de rutas y la planificación y medición del rendimiento.

BigDatamagazine | Diciembre 2021

Los productos disponibles y personalizados para Big Data ofrecen excelentes herramientas para comparar los patrones y las condiciones del tráfico en carreteras o zonas geográficas para la planificación de carreteras y el análisis de planes de mejora. También se pueden combinar diferentes fuentes de datos, lo que proporciona una información muy valiosa para los planificadores del transporte, por ejemplo, la capacidad de evaluar el nivel de riesgo que supone la incursión de los vehículos pesados en las rutas ciclistas.

Planificación de la red viaria Por muy bueno que parezca, ¿podrá el Big Data sustituir por completo a los métodos tradicionales en la planificación y explotación del transporte?

Nuestro reto actual es integrar el análisis de Big Data en los sistemas tradicionales en tiempo real, por ejemplo para establecer y ajustar los umbrales y las tolerancias para reflejar el comportamiento.

En el futuro tenemos que ver cómo podemos utilizar mejor los Big Data de forma rentable para cebar y supervisar los sistemas operativos con una importante capacidad de aprendizaje para operar y gestionar nuestras redes de transporte. Esto ayudará a que los sistemas sean mucho más ágiles y respondan a las condiciones cambiantes y sean mucho mejores en la optimización de los resultados.

Todavía queda mucho por hacer para

aprovechar el potencial de los macrodatos; no hay un enfoque único para su aplicación y uso. Hay que estudiar detenidamente qué conjuntos de datos pueden utilizarse y cómo obtener la información que se busca. ¿Por qué necesitamos la analítica de datos para la movilidad urbana? Los ingenieros llevan décadas desarrollando infraestructuras sin disponer de datos y análisis digitales. Entonces, ¿por qué los ingenieros hacen hincapié ahora en el uso de big data?

Licitación pública El avance de la digitalización en todos los aspectos de la sociedad es imparable (big data, telefonía 5G, internet de las cosas, tecnologías blockchain…). El Ministerio de Transportes, Movilidad y Agenda Urbana (MITMA) afronta este reto en su Estrategia de Transportes, movilidad, y agenda urbana, así como desde la Presidencia de la Comisión Interministerial para la incorporación de la metodología BIM (Building information modelling) en la licitación pública.

La Dirección General de Carreteras del MITMA (DGC) trabaja asimismo en esta transformación digital para incorporar la metodología BIM. La incorporación de la metodología BIM depende en un 80% de las personas y los procesos y un 20% de la tecnología.

Sin embargo, los desafíos que se presentan para gobiernos como el español son enormes. Por un lado, por la gran extensión de la red en servicio:

35

El uso de los datos en las carreteras La Dirección General de Carreteras gestiona a día de hoy más de 26.000 km de tronco principal de carreteras, autovías y autopistas, a los que hay que sumar el resto de viales que conforman la red (vías de servicio, ramales de enlace, glorietas, etc).

Todo ello sin olvidar el tipo de gestión de las vías para las que se está utilizando el IoT y el Big Data. Primeramente, hay una red no concesionada, dividida en 150 sectores. Cada sector incluye tramos de autovías, de carreteras convencionales, etc.

Gestión de la movilidad urbana El Big Data es una innovación relativamente nueva. La recopilación de datos, la potencia de procesamiento y la analítica de datos no estaban presentes en los primeros tiempos. Además, la aplicación de datos e información digital es innovadora.

Los datos de movilidad y el análisis de datos ayudan a los ingenieros a construir infraestructuras que complementan las carreteras y las ciudades ya existentes. Además de permitir que las personas se desplacen con seguridad a su destino, con el Big Data los científicos pueden evaluar el impacto medioambiental. En definitiva, la analítica de datos arroja luz sobre todo el ecosistema de la movilidad.

En muchas ciudades del mundo, casi todo el mundo tiene su propio coche.

Por otro lado, hay ciudades en las que la gente depende en gran medida del transporte público. Corea del Sur, sede

Los datos ayudan a realizar una planificación eficaz de la red viaria. de Hyundai y LG Electronics, tiene un sistema de trenes rápido y asequible que proporciona viajes a más de 2.600 millones de pasajeros al año. También está Japón, país que cuenta con un sistema ferroviario público que se extiende a lo largo de 193 millas.

Ladillo: Mejora del tráfico El tráfico de la ciudad puede causar una serie de problemas a los viajeros; de hecho, se estima que los estadounidenses pierden 160.000 millones de dólares en productividad cada año, simplemente por estar sentados en el tráfico.

Sin embargo, ya hay una empresa que pretende cambiar las cosas al haber construido una impresionante plataforma de datos que trabaja para recoger así como analizar puntos de datos en tiempo real de toda la flota de tránsito de una ciudad. Esto permite rastrear y conocer los problemas de tráfico más comunes, como los atascos, lo que puede ayudar a que el transporte público sea más fiable.

Esta tecnología no sólo contribuye a mejorar la experiencia de los usuarios, sino que tiene el potencial de revolucionar el transporte en las grandes ciudades haciendo que las cosas funcionen de forma más fiable.

Cuando se trata de mejorar la seguridad en nuestras carreteras, la popularidad de los grandes datos a través del uso de las funciones de los coches autónomos va en aumento. Funciones como el asistente de mantenimiento de carril, el autoaparcamiento e incluso el piloto automático pueden verse en algunos de los coches más nuevos hoy en día, y su demanda está aumentando.

Por ejemplo, las funciones de asistencia de mantenimiento de carril suelen funcionar recopilando datos de las cámaras y utilizándolos para detectar anomalías en el patrón de conducción, lo que permite al vehículo corregirse y mantenerse entre las líneas del carril.

Esto puede resultar muy útil en caso de que un conductor se distraiga momentáneamente o se fatigue al volante.

Aunque se calcula que aún faltan años para que los coches se autoconducen por completo, la idea está siendo cada vez más aceptada en todo el mundo. De hecho, Alemania planea ser la primera del mundo en permitir la circulación de coches sin conductor en todo el país para el año 2022.

En definitiva el uso de los datos no solo sirve para mejorar las infraestructuras, sino para impulsar una movilidad más sostenible y segura para la ciudadanía.

.

BigDatamagazine | Diciembre 2021

36 Especial infraestructuras / Sacyr

“Estamos consiguiendo carreteras más eficientes y sostenibles por el uso de modelos predictivos” El Chief Data Officer de Sacyr, Óscar Cuevas, nos permite conocer mejor cómo la empresa está utilizando tecnologías como el IoT, el Big Data o la inteligencia artificial para controlar los proyectos relacionados con las infraestructuras.

P

Firma: Rocío

González

ese a que solo lleva 6 meses como Chief Data Officer de Sacyr, Óscar Cuevas, se muestra feliz de poder conjugar transformación digital, innovación y talento de personas en su actual puesto de trabajo. “Siempre me he dedicado a este mundo”, asegura. Y es que tras estudiar la carrera de Ingeniería Informática, decidió especializarse en bases de datos hasta ahora.

Big Data Magazine (BDM): ¿Como responsable de Datos en Sacyr, ¿cómo de importante crees que es el empleo del data en el sector de las infraestructuras y de la construcción? Óscar Cuevas (OC): Si miramos atrás

es muy posible que hace una década, la construcción estuviera en los últimos puestos de la lista de industrias que habían adoptado la tecnología de manera significativa. Ha habido un gran cambio en la industria a medida que las empresas de construcción se dieron cuenta de que la tecnología debe ser una parte fundamental de su negocio. La construcción no se trata solo de mano de obra y equipo en el lugar de trabajo; la tecnología es una herramienta BigDatamagazine | Diciembre 2021

valiosa en la caja de herramientas de una empresa. Esa es la mentalidad que genera trabajos, impulsa la productividad y entrega mejores proyectos.

Siempre hemos tenido datos, pero eran invisibles antes de la adopción de las tecnologías de comunicación modernas.

A medida que más dispositivos y sistemas de edificios están equipados con conectividad a Internet, los datos se pueden recopilar de forma continua.

En lugar de manejar bases de datos complejas, o incluso archivos físicos en el caso de proyectos más antiguos, la tecnología nos ha permitido recuperar datos clave en segundos y tomar decisiones con ellos.

BDM: ¿Qué aporta el Big Data a vuestro sector de actividad?

O.C: Debido a que la industria de la

construcción está evolucionando y creciendo directamente con el crecimiento de la población, para satisfacer sus necesidades estamos obligados a adoptar nuevas tácticas, técnicas y tecnologías que nos permitan mejorar la eficiencia y combatir los desafíos y preocupaciones prevalecientes del negocio de la construcción.

En la fase de construcción, es donde entran en juego los sensores. Un ejemplo son los datos de sensores de

maquinaria. La entrada del sensor puede mostrar los tiempos inactivos y activos que pueden ser procesados para ​​ sacar conclusiones sobre la mejor combinación de compra y arrendamiento de los equipo o sensores de ubicación geográfica que pueden ayudar a mejorar la logística y seguridad.

Por último, usaremos los datos para comprobar la calidad del trabajo realizado y predecir las futuras necesidades de reparación. Sensores colocados en edificios, puentes y calles pueden chequear el correcto funcionamiento de las infraestructuras.

A parte de estos casos en Sacyr el uso masivo de datos lo aplicamos en otras unidades como por ejemplo concesiones y servicios, donde nos está permitiendo mejorar la precisión en el cálculo de los costes, optimizar la ejecución de los planes de mantenimiento y aumentar la disponibilidad y seguridad de las infraestructuras, impactando de forma positiva en nuestros empleados, en el medioambiente y en la sociedad en general.

BDM: ¿Qué es Sacyr Tracking y cómo ha cambiado a la empresa el uso de esta tecnología?

O.C: Sacyr ha comenzado diferentes

proyectos en el mundo del Big Data,

37

Óscar Cuevas, CDO en Sacyr pero podríamos destacar el que conocemos por Sacyr Tracking. Sacyr Tracking es una herramienta impulsada por IoT para gestionar y monitorizar, en tiempo real, la información sobre la situación y el estado de la maquinaria desplegada en grandes proyectos de construcción y en el área de servicios medioambientales.

Esta herramienta busca explotar los millones de datos que ya se están generando en los activos en sitio para mejorar la ejecución de las obras.

Actualmente estamos desarrollando este proyecto con el objetivo de gestionar información sobre la situación y estado de los activos en tiempo real aportando inteligencia al proceso de ejecución del trabajo en el terreno. Todo ello, basado en la geolocalización de las máquinas en tiempo real, así como de los activos, en un mapa y capa cartográfica, además de la conexión a Apis y sensores de las máquinas, a través de los cuales se consigue la información que permite analizar y gestionar en tiempo real.

BDM: A nivel de infraestructuras estáis utilizando modelos predictivos de deterioro del asfalto en las carreteras, ¿cómo os está ayudando esta tecnología a conocer el estado del asfalto?

O.C: Esta tecnología nos ayuda a

predecir la vida útil y futuros mantenimientos que requerirán los pavimentos.

Es una innovadora herramienta donde utilizamos machine learning y big data para predecir con gran precisión el deterioro a largo plazo del pavimento en carreteras. Tiene la capacidad de ejecutar decenas de cálculos simultáneamente, emitiendo predicciones muy precisas del comportamiento a largo plazo de los firmes y su posible deterioro, en base a datos de uso de la propia carretera, de su construcción, y de condiciones de entorno como la meteorología.

Todo ello, se traduce en carreteras más eficientes, más sostenibles y, por supuesto, más seguras, generando valor para clientes y usuarios en el corto y en el largo plazo.

BDM: Hay sectores de actividad en los que se teme que la inteligencia artificial llegue a sustituir a los profesionales en sus tareas diarias, ¿consideras que esto podría llegar a pasar en el sector de las infraestructuras?

O.C: Como en otros sectores se espera que

el uso de IA provoque la modificación

“El Big Data va a ser clave en todas las fases de la construcción y en el mantenimiento de cualquier proyecto” de algunos puestos de trabajo. Cuesta no imaginar que las tareas peligrosas, difíciles y aburridas puedan ser manejadas por robots altamente inteligentes.

Además, la automatización puede ser también una buena solución a otros problemas. Ahora es muy difícil que la gente joven quiera dedicarse a la construcción, no lo encuentran interesante.

Los robots pueden ocupar esos lugares a la par que la parte digital suele ser más atractiva para los jóvenes.

Quizás el futuro más fácil de ver es uno en el que los robots y los humanos trabajen juntos, o en el que los humanos simplemente trabajen con mejores máquinas y herramientas.

BDM: Una de las infraestructuras más importantes que hay en la sociedad tiene que ver con el transporte del agua, ¿de qué manera la IA puede cambiarle la vida a estas infraestructuras?

O.C: Desde nuestra unidad de Agua,

al igual que expertos y administraciones públicas, somos conscientes del inmenso potencial que presenta la transformación digital, y en especial la Inteligencia Artificial (IA), para ayudar a desbloquear el desarrollo de soluciones que permitan afrontar uno de los desafíos ambientales más urgentes, como es la seguridad del agua.

En este contexto, hemos implantado modelos de IA que nos ayudan en el control, la gestión de las infraestructuras y los servicios del agua con el objetivo de optimizar el suministro, mitigar las pérdidas innecesarias de agua e impulsar la gestión avanzada de activos para reducir costes de mantenimiento, es decir, lograr una gestión del agua más inteligente y sostenible.

BDM: ¿Hay espacio para seguir innovando en el sector de las infraestructuras? ¿Qué papel podrían desarrollar los dispositivos IoT en ese ámbito?

O.C: El desarrollo acelerado de nuevas

tecnologías que incluyen 5G, IA, cloud y Edge computing está ayudando a impulsar la evolución de las infraestructuras. Nos encontramos en las primeras etapas de una revolución de la

informática y es fundamental respaldar el aumento exponencial del número de dispositivos conectados y el gran crecimiento de los datos recopilados.

Se espera que IoT se utilice en muchas áreas de construcción y bienes en el futuro, incluidas instalaciones, infraestructura, hogares y negocios.

La industria de la construcción ha sido lenta para adoptar nuevas tecnologías como IoT y el sector está sub-digitalizado, con empresas que no logran captar el potencial de AI, IoT y otras herramientas digitales.

De todas formas, se está produciendo un cambio y cada vez más, las empresas constructoras son muy conscientes de la necesidad y las posibilidades de la tecnología digital.

La construcción está preparada para el cambio digital y las empresas que no respondan rápidamente corren el riesgo de quedarse atrás.

BDM: ¿Nos podría ayudar el Big Data a tener mejores infraestructuras en un futuro? ¿Por qué?

O.C: Sin duda. Como he comentado

previamente el big data va a ser clave en todas las fases de la construcción, antes, durante y en el mantenimiento de cualquier proyecto.

Los edificios e infraestructuras tienen muchos “signos vitales” que se pueden monitorear y registrar, y que pueden usarse para tomar mejores decisiones.

Se pueden indicar anomalías cuando los problemas de rendimiento aún son pequeños y fáciles de solucionar. El mantenimiento proactivo es mucho más efectivo que el mantenimiento correctivo, ya que genera menos interrupciones y gastos.

Los edificios generan cada vez más datos heterogéneos y sin procesar de varias fuentes. El uso apropiado de los datos conducirá a un uso más eficiente de los activos del edificio en términos de eficiencia energética, comodidad de los ocupantes y un mejor diseño del edificio. Los datos también pueden respaldar eficazmente las decisiones de modernización de edificios, así como el diseño y la evaluación de políticas energéticas.

.

BigDatamagazine | Diciembre 2021

38 Especial infraestructuras / Adif

“Las estaciones deben estar concebidas como un “smart place” dentro de las ciudades” La entidad pública que gestiona la explotación y construcción de las líneas de ferrocarril, Adif, concede unos minutos a Big Data Magazine para hablar de hacia dónde se dirige y de cómo la Inteligencia Artificial y el IoT están ayudando a la organización a optimizar los procesos de negocio y mejorar la toma de decisiones.

Firma: Mari

C

Gómez Becerra

on un presupuesto de licitación de más de 4 millones de euros, Adif celebra el año europeo del ferrocarril con el desarrollo de una herramienta que permite optimizar el mantenimiento de infraestructuras, con proyectos piloto que tienen como objetivo el ahorro de energía y con la sostenibilidad como elemento clave de su Plan Estratégico 2030.

Big Data Magazine (BDM): ¿Cómo habéis vivido desde Adif la crisis sanitaria y qué medidas habéis adoptado para hacer frente a la situación?

Adif: Ha supuesto un auténtico reto para

Adif y Adif Alta Velocidad. Durante todo este período, mantuvimos operativas las líneas ferroviarias que gestionamos, aunque fuese para un número menor muy reducido de trenes.

Esta continuidad fue posible gracias al esfuerzo de los trabajadores que siguieron acudiendo a su puesto de trabajo en circunstancias tan difíciles. Gracias a las medidas físicas y organizativas que, en el marco del plan de contingencia, se articularon para proteger la salud de los trabajadores y a la tecnología de la que BigDatamagazine | Diciembre 2021

disponemos para la gestión del tráfico. En este sentido, las distintas herramientas de control de tráfico que manejan los profesionales de los Centros de Regulación de Circulación (CRC) están integradas mediante la plataforma multitecnológica Da Vinci, propiedad industrial e intelectual de Adif, y que se ha convertido en la plataforma de referencia mundial para la gestión de tráfico ferroviario de alta velocidad y de otras redes.

objetivos de sostenibilidad y eficiencia energética de la organización. El uso de sensorización y monitorización, sumado a técnicas de Inteligencia Artificial, permiten alcanzar niveles considerables de ahorro en el consumo eléctrico.

Además, estas soluciones son extrapolables a otras instalaciones de Adif donde los consumos eléctricos son altos, debido, principalmente, a los sistemas de climatización.

llado en un Centro de Proceso de Datos de Adif, que se ha sensorizado y monitorizado para proponer soluciones que permitan alcanzar un ahorro considerable de consumo eléctrico y un control más detallado de las condiciones de la instalación.

Esta iniciativa para la mejora de la eficiencia energética en Centros de Procesos de Datos está alineada con los

hace unos meses, pendiente de adjudicación. El objetivo es disponer de una solución abierta de analítica avanzada que, partiendo de los datos disponibles y mediante el uso de Inteligencia Artificial, (algoritmos de optimización y modelos predictivos de aprendizaje de máquina) permita optimizar económicamente el mantenimiento de infraestructura, vía, instalaciones de señalización,

BDM: Recientemente habéis puesto en marcha un proyecto piloto para la aplicación de sensorización y técnicas de Inteligencia Artificial con el propósito de ahorrar energía y optimizar al máximo el mantenimiento de vuestras instalaciones, ¿Podríais explicarnos en qué consiste exactamente?

Adif: Esta prueba piloto se ha desarro-

BDM: En el marco de la transformación digital, Adif está inmerso en un proyecto transversal que tiene como objetivo incorporar una plataforma de datos y analítica flexible y escalable que optimice los procesos de negocio y las tomas decisiones ¿En qué consiste exactamente?

Adif: Se trata de un contrato licitado

La plataforma multitecnológica Da Vinci energía, instalaciones de protección y seguridad y telecomunicaciones. Esto será posible porque la solución que está previsto implantar ayudará a la toma de decisiones, tanto en las instalaciones de la red convencional, como en la red de alta velocidad.

BDM: En este sentido, ¿Crees que el uso de esta tecnología puede ayudaros a reducir vuestro consumo eléctrico? ¿De qué manera?

Adif: Ya hemos puesto en marcha un

proyecto piloto de un sistema de gestión de energía eléctrica eficiente e inteligente, que busca optimizar el funcionamiento de la red de tracción ferroviaria y la facturación de energía eléctrica, así como controlar los flujos de potencia en tiempo real. Se trata del desarrollo e implementación de una red inteligente de energía, denominada ‘Railway Smart Grid’ y su implantación en la línea de Alta Velocidad Madrid-Levante. El contrato para desarrollar este piloto, que se adjudicará próximamente, permitirá dotar a la LAV de una Smart Grid que abarque toda la infraestructura tecnológica necesaria (automatización y control y aplicación de la Inteligencia Artificial) para convertir la red de infraestructura eléctrica en una red inteligente y de este modo conseguir un suministro eléctrico más fiable.

Además del diseño y proyecto de la arquitectura de la red a nivel de los activos del sistema eléctrico ferroviario, están previstos el suministro e instalación de una plataforma de gestión inteligente IoT, que permitirá agrupar toda la información generada por los sistemas y aplicaciones que forman parte de la infraestructura ferroviaria y la implantación de una aplicación de servicios verticales en el ámbito de la energía.

BDM: ¿Cuáles son las medidas que estáis llevando a cabo o que tenéis previstas en la organización para conseguir ser más sostenibles?

Adif:A nivel de sostenibilidad

ambiental, destaca nuestra contribución a la lucha contra el Cambio Climático a través del Plan de Lucha contra el Cambio Climático 2018-2030 (conjunto para Adif y Adif Alta Velocidad), aprobado en marzo de 2019, que tiene objetivos la reducción de emisiones de gases de efecto invernadero y la mejora de la resiliencia de las infraestructuras ferroviarias. Para conseguirlos, el Plan establece actuaciones en los próximos años dentro de líneas de mejora de la

gestión de la energía y de la eficiencia energética, fomento de la transferencia modal al ferrocarril, e impulso de la descarbonización y del uso de las energías renovables, entre otras. Un claro ejemplo de las medidas aplicadas dentro de este Plan sería la compra de energía eléctrica ‘verde’ o con certificados de garantía de origen, de manera que la totalidad de la energía eléctrica utilizada en el sistema ferroviario proceda de fuentes renovables.

BDM: ¿Cómo está siendo la transformación digital en Adif? ¿Cuáles son los cambios más significativos que habéis realizado?

Adif: La transformación digital es

una de las palancas que contribuirán a conseguir los objetivos del nuevo Plan Estratégico 2030, junto a la innovación y la comunicación. Ese proceso implica, no solo la digitalización como la aplicación de tecnología en el entorno empresarial con el objetivo de generar cambios en los modelos de negocio, sino que además provee una visión que implica cambios profundos en las organizaciones, en sus hábitos de trabajo y en cómo las personas abordan los procesos de forma más eficiente.

En cualquier caso, Adif ya lleva años abordando los retos de la transformación digital mediante la realización de algunas iniciativas de impacto, que tienen el objetivo de aportar valor a la organización para garantizar su crecimiento mediante la aplicación de soluciones digitales. Entre estas iniciativas se encuentran la implantación del puesto de trabajo digital y la implantación de una estrategia cloud first. En este último ámbito, necesitamos disponer de computación y almacenamiento tanto en cloud privada como en cloud pública.

Por su parte, las estaciones de viajeros están inmersas desde el año 2018 en su propio plan de transformación digital, con el fin de gestionarlas de forma más eficaz y eficiente, ofrecer servicios de valor añadido a los ciudadanos y grupos de interés e integrar la estación como ‘smart place’ en las ciudades.

Otra iniciativa relevante es la implantación de la nueva plataforma de regulación de tráfico SITRA+, que evolucionará y sustituirá en toda la red de Adif al sistema anterior, denominado SITRA, mejorándolo, adaptándolo a las necesidades y requisitos actuales y dotándolo de mayores funcionalidades; lo que repercutirá positivamente en la calidad del servicio prestado.

39 El mantenimiento de la infraestructura es una de las funciones principales encomendadas a Adif como gestor de la red ferroviaria. En este campo, está en marcha el Plan de Transformación Digital de Mantenimiento, que busca identificar, promover y consolidar el cambio a lo digital de las distintas acciones vinculadas al mantenimiento, impulsando la innovación y la eficiencia operativa y de costes. Asimismo, no podemos olvidar el Plan de Implantación de la metodología BIM en Adif y Adif AV, que implicará un cambio importante en la forma de afrontar la redacción, construcción, explotación y mantenimiento de los activos ferroviarios. El hecho de disponer de mucha más información redundará en ahorros, reducción de tiempos, mejora del servicio, incremento de la flexibilidad y previsible aumento de la satisfacción del usuario con una mayor personalización.

BDM: ¿Qué objetivos tenéis de cara a los próximos cinco años?

Adif: Como hemos comentado anterior-

mente, la transformación digital es una de las palancas del Plan Estratégico 2030, de modo que todas estas iniciativas van a seguir avanzando en los próximos años, siempre apoyándose en pilares como la respuesta al cambio, la toma de decisiones estratégicas basadas en análisis de datos, la conexión con el cliente y la automatización de procesos.

.

BigDatamagazine | Diciembre 2021

40 Big Data y volcanes

¿Puede la IA predecir una erupción volcánica?

Los expertos utilizan técnicas avanzadas para monitorizar la actividad de los volcanes, como es el aprendizaje automático, los drones o la inteligencia artificial.

L

Firma: Rocío

González

a erupción del volcán de La Palma se esperaba desde hacía un tiempo. La tecnología ya advirtió a los expertos sobre la posibilidad de que este volcán entrara en erupción. Probablemente, sin técnicas de inteligencia artificial o de machine learning, los expertos hubiesen tardado más tiempo en alertar a las autoridades sobre la catástrofe natural que se avecinaba.

La tecnología se ha convertido en toda una aliada para medir la actividad volcánica y predecir una erupción.

Existen numerosas técnicas que posibilitan estudiar y controlar el estado en que se encuentra un volcán como el de La Palma.

Las predicciones del Big Data Desarrollar una serie de predicciones puede ser un proceso lento. Sin embargo, el Big Data facilita mucho la tarea, ya que evita que una serie de expertos con distintas opiniones tengan que llegar a un acuerdo.

De hecho, ya se está explorando el aprendizaje automático para desarrollar formas alternativas de pronosticar BigDatamagazine | Diciembre 2021

erupciones. Un sistema automatizado podría analizar constantemente los datos entrantes, acelerando el proceso.

Y aunque los expertos suelen buscar signos particulares de una erupción en función de la experiencia previa, el aprendizaje automático podría descubrir nuevos indicadores.

Las señales que se captan desde el aprendizaje automático suelen ser bastante convincentes. Los expertos suelen buscar signos particulares de una erupción en función de su experiencia previa. No obstante, desde el punto de vista estadístico, ocurren con más frecuencia antes de las erupciones que durante los períodos no eruptivos.

Acceso a datos Tradicionalmente, los expertos han utilizado instrumentos que les permiten medir in situ la actividad. No obstante, con el avance de la tecnología se tiene una mayor facilidad de acceso a datos, por lo que se han ido relegando las herramientas más analógicas por otras más innovadoras para controlar la situación.

En el caso del volcán de La Palma, la actividad eruptiva se llevaba monitorizando desde hacía meses. Los

investigadores habían recolectado una gran cantidad de datos y de información mucho antes de la erupción. Detrás de una ingente cantidad de datos científicos que se recogieron durante las 24 horas del día se encontraba el equipo del Instituto Vulcanológico de Canarias (INVOLCAN) que, desde la isla de Tenerife, estudia la actividad de las propias islas y de una cantidad considerable de volcanes de todo el mundo. Sus métodos con los que trabajan hoy en día nada tienen que ver con las expediciones a pie de campo que se requerían antaño y que, en ocasiones, ponían en peligro a los geólogos.

El avance tecnológico permite crear algunas alternativas que permiten descargar de trabajo a los humanos. Se están creando, además, proyectos de machine learning, con el objetivo de que un servidor o un ordenador aprenda a interpretar las señales sísmicas.

Mejora en las predicciones Un estudio del grupo del Jet Propulsion Laboratory (JPL) de la NASA indica que se han advertido la mejora en las predicciones al hacer con estas técnicas una medición de todo el calor que sale de un volcán, ya que la mayor parte de

41

La erupción de La Palma la energía volcánica se libera en forma de calor, a través de satélites.

El equipo del JPL propone para lograr esa tarea utilizar los datos de radiación térmica de los satélites Terra y Aqua de la NASA, los cuales de forma combinada hacen dos coberturas globales de la Tierra haciendo mediciones de un píxel de 1 kilómetro por 1 kilómetro.

Sistema de alertas en tiempo real ¿Se puede hacer algo para evitar desastres naturales como el ocurrido en La Palma con la erupción del volcán?

Esa es la pregunta que se hacen miles de personas tras comprobar cómo un pueblo entero tuvo que desalojarse y miles de personas perdieron sus viviendas y sustento.

Lo cierto es que el Big Data, la Inteligencia Artificial y el Machine Learning sí pueden ayudar a prevenir este tipo de desastres naturales. Ya hay equipos de investigación que han desarrollado un sistema de alerta en tiempo real que utiliza el aprendizaje automático con este fin.

La idea no es nueva, pues ya se puso en marcha tras la erupción volcánica

Los expertos ponen en marcha sistemas que emplean el machine learning para alertar de erupciones volcánicas. de la Isla Blanca en Nueva Zelanda en 2019 que mató a 22 personas. Se trata de un sistema basado en humanos que se utiliza actualmente para esa área proporciona un nivel de alerta, que varía de 0 a 5 según el grado de malestar, que se actualiza cada pocas semanas o meses.

Antes de la erupción de 2019, el nivel de alerta indicaba que el volcán estaba en su estado más peligroso, pero muchos operadores turísticos aún se arriesgaron y llevaron turistas al sitio.

Dempsey cree que un sistema automatizado podría ayudar a respaldar los métodos existentes. Esta herramienta lo que hace es proporcionar comentarios en tiempo real de lo que está sucediendo en el volcán, si esto es similar o no a erupciones anteriores, y debería estar preocupado por eso, algo que también

se puede extrapolar a la situación de La Palma.

En ese caso, el modelo se entrenó con datos relacionados con cuatro erupciones y luego se probó en la quinta; fue capaz de predecir cuatro de las cinco erupciones, que eran de naturaleza similar, al reconocer un estallido de energía sísmica de cuatro horas de duración que se producía días u horas antes de cada erupción. Cuando el modelo hace una predicción, también proporciona un grado de sospecha que va de 0 a 100, dependiendo de qué tan seguro esté de que habrá una erupción.

Sin duda, el empleo de la tecnología en estos ámbitos se ha convertido en un elemento esencial para prevenir terremotos y erupciones y llevar a cabo un plan de acción que evite lamentar grandes catástrofes.

.

BigDatamagazine | Diciembre 2021

42 Eventos / South Summit

Inteligencia Artificial y sostenibilidad muy presentes en el South Summit La 8ª edición del South Summit cerró con la entrega de premios de la Startups Competition 2021. La Inteligencia Artificial, la sostenibilidad y la analítica de datos, muy presentes en el encuentro que se celebró en La Nave, en el distrito de Villaverde.

Firma: Mari

T

Gómez Becerra

res jornadas muy intensas en las que más de 22.000 asistentes, virtual y físicamente, acudieron, según datos de María Benjumea, fundadora y presidenta del South Summit. “Ecosistema, sois la bomba.

Gracias a los `startaperos´ porque os coméis el mundo; a los patrocinadores, por vuestro apoyo y esfuerzo; y a los inversores porque os sentimos como nuestros aliados. Sois la gasolina que pone a funcionar un negocio”. Con estas palabras quiso agradecer a todos los que hacen posible esta iniciativa, a las más de 8.000 startups y cerca de 1.800 inversores que han participado en esta edición.

Shape the future, el lema del South Summit 2021 La sostenibilidad ha estado muy presente durante todo el evento en el que un total de 6.680 speakers han intervenido. De hecho, las empresas ganadoras de la Startups Competition 2021 destacan, principalmente, por contribuir con sus servicios a BigDatamagazine | Diciembre 2021

alcanzar un mundo más sostenible y responsable. Alerion, la startup vasca galardonada en la categoría de “Más sostenible”, está especializada en crear duplicados digitales de alta precisión, mediante drones autónomos y análisis de evaluación de daños automatizados, centrados en la inspección de turbinas eólicas, inspecciones solares y de refinerías.

Sobre su opinión respecto a iniciativas como la que María Benjumea puso en marcha en 2012, se ha mostrado muy tajante. “Encuentros como el South Summit son fundamentales porque es la única manera de tener visibilidad.

Las startups necesitamos clientes que compren nuestros productos e inversores que nos den financiación, y eso solo se puede hacer en eventos de este tipo, donde te conocen cara a cara y se ganan tu confianza”, comentó Oier Peñagaricano, fundador y CEO de Alerion.

Wheel the World, se ha hecho con el galardón “Mejor Equipo”. Procedente de Estados Unidos, la app funciona como una plataforma multioferta hotelera para personas con discapa-

cidad y traza un sistema de mapas de accesibilidad a través de Inteligencia Artificial. Idoven ha sido la premiada en la categoría de “Más innovadora” por hacer uso también de la IA a la hora de prevenir enfermedades del corazón; y, Weecover, se ha alzado con el premio a la “Más escalable” por su nuevo concepto para la integración de soluciones aseguradoras en B2B2C, 100% digital.

España se consolida como ecosistema emprendedor con iniciativas

South Summit Por su parte, Symba, la californiana fundada exclusivamente por mujeres ha recibido del máximo galardón de la mano del alcalde de Madrid, José Luis Martínez-Almeida. Se trata de un proyecto especializado en ayudar a implantar programas de talento y formación. “Quiero ratificar el compromiso del Ayuntamiento de Madrid con el South Summit. Desde las administraciones públicas, tenemos que devolveros el favor por el compromiso que habéis adquirido con nosotros porque los “startaperos” sois nuestra inspiración, como el

43

8.000 startups, 1.800 inversores y 22.000 asistentes además de ser una fuente de empleo”, aseguró Almeida.

El presidente del Gobierno, Pedro Sánchez no quiso faltar a la cita. Se dirigió a los asistentes, haciendo un breve repaso de la situación de España.

“Hace tres años me comprometí a que nuestra nación fuera más emprendedora, a potenciar la conectividad y la vocación de las carreras STEM entre las mujeres. Hoy, tres años más tarde, se han destinado más de 20.000 millones de euros a las startups y podemos decir que tenemos un ecosistema emprendedor mucho más consolidado”.

Lectura e Inteligencia Artificial El hacker de Telefónica, Chema Alonso, también quiso estar presente en el encuentro para hablar sobre las características artísticas de la IA. Alonso, empezó su charla hablando de sus hijas.

“My hacker” y “My survivor”, así las llama, para contar la importancia de utilizar la IA en el desarrollo y diseño de historias más atractivas, especialmente, para los más pequeños. Una actividad que practica desde hace un tiempo con ellas ya sea a través de la pintura, los cómics que dibuja u otros juegos que se inventa.

“La Inteligencia Artificial permitirá crear grandes historias y ofrecerá a los niños la capacidad de interactuar con los cuentos, aunque incluso no sepan leer o ni siquiera conozcan los botones que deben presionar”, comentaba el máximo responsable de la Unidad Global de Consumo Digital (CDCO) de Telefónica. “Antes utilizábamos pictogramas para enseñarles a leer, ahora, gracias a la IA, podemos hacer que esa experiencia sea mucho más interactiva”, añadió. De hecho, compartió con los asistentes una demo que ha desarrollado, utilizando Eye Gaying.

El hacker y experto en ciberseguridad explicó que el equipo de Ideas Locas “está dispuesto a explorar absolutamente de todo”, entre otras cosas, utiliza Inteligencia Artificial para hacer cuentos más inmersivos y automatizados con herramientas como Proyecto Maquet, una IA que ha desarrollado y que pretende imitar a los mejores novelistas, entre ellos, reconocer la escritura de Arturo Pérez-Reverte y su Capitán Alatriste.

Aunque no sustituya al autor, lo que está claro es que esta idea perfeccionada tendrá un posible papel en otros ámbitos, por ejemplo, la educación. En

“Los ´startaperos´ sois nuestra inspiración, además de una fuente de empleo” este sentido, Chema Alonso comentó que “desde el punto de vista lúdico, es perfecta para enseñar. Dentro de cinco años, quién sabe, puede haber libros completos escritos por Inteligencia Artificial”.

El presidente de la compañía líder en telecomunicaciones, José María Álvarez Pallete, también estuvo en esta edición del South Summit, en la primera jornada del encuentro, para explicar a los oyentes cómo innovan desde Tele-

fónica, cuáles son los retos a los que se enfrentan con la nueva normalidad y qué oportunidades ven para la red en España.

Valencia será la siguiente en acoger la próxima edición antes de la celebración del South Summit 2022 que tendrá lugar en Porto Alegre do Brasil, considerado el estado más innovador de América Latina. La ciudad de Madrid volverá a convertirse en embajadora el próximo mes de junio.

BigDatamagazine | Diciembre 2021

44 Robots y humanos

Los robos, a un paso de pensar como humanos Investigadores de la Universidad de Tokio desarrollan un sistema que enseña a los robots a resolver problemas.

¿I

Firma: Rocío

González

maginas que Alexa pudiera pensar como tú? ¿Que pudiera tener capacidad de iniciativa? ¿Que pudiera pensar como un humano?

Tal vez faltará mucho tiempo para que Alexa pueda pensar como un humano, pero hay otros robots que ya tienen esa tarea más avanzada. Todo ello se debe a una investigación llevada a cabo en Tokio mediante la cual se están empleando neuronas humanas en robots.

Investigadores de la Universidad de Tokio están desarrollando un sistema que enseña a los robots a que puedan realizar tareas concretas y resolver problemas, al igual que lo haría un humano.

Para hacerlo posible, los investigadores han pensado en utilizar neuronas humanas. Lo que han hecho ha sido cultivar neuronas que se hayan producido a través de células vivas. Una vez las tienen, las integran en un ordenador para que éste genere señales mediante BigDatamagazine | Diciembre 2021

estímulos eléctricos. De esa manera se entrenaría al robot para que pudiera aprender a reconocer el entorno y consiga resolver problemas sencillos.

Sistema nervioso humano El concepto que se está desarrollando se basa en la llamada computación neuromórfica. En ella se busca que los ordenadores y los robots puedan imitar la lógica del pensamiento humano, que ha demostrado gran eficacia en la resolución de múltiples problemas. De hecho, sus impulsores trabajan desde la década de 1960 en crear algoritmos y circuitos integrados con la misma estructura e idéntico comportamiento que el sistema nervioso humano.

Pese a los avances realizados por los investigadores, aún no se cuenta con un sistema nervioso artificial similar al del cerebro humano. Hasta la fecha se ha conseguido una comunicación eficaz entre las neuronas mediante el proceso de sinapsis.

Lo que sí se ha conseguido han sido grandes avances a la hora de integrar

conocimientos de áreas como la informática, la biología, la física o la microelectrónica en los robots.

Actualmente, el robot puede moverse libremente a través del laberinto. Además, recibe en forma permanente dos tipos de señales: algunas de ellas le indicaban que su comportamiento se encontraba dentro de los límites previstos y la orientación buscada, en tanto que otras servían para mostrarle que había tomado un sendero incorrecto y erróneo.

Imaginarse a sí mismo Un robot no piensa, sólo ejecuta los algoritmos preprogramados para conseguir la solución deseada con los pasos más oportunos. Incluso cuando hablamos de Inteligencia Artificial, o de “aprendizaje automático”, no podemos decir que estos sistemas sean independientes; sus resultados siguen dependiendo de lo que sus creadores humanos hayan decidido. Sin embargo, ya se han realizado varios experimentos para que los robots sean capaces de, por ejemplo, imaginarse a sí mismos.

45

La IA se ‘humaniza’ Investigadores de la Universidad de Columbia afirman haber dado un gran paso en la creación de robots con conciencia propia. Los ingenieros se han centrado en crear un robot capaz de imaginarse a sí mismo desde cero.

Es decir, que el robot, sin que nadie se lo diga, es capaz de analizar el entorno, analizarse a sí mismo, y llegar a la conclusión de que es un robot. Este es un método, afirman, similar al que usan los propios seres humanos y los animales cuando se crean su propia “imagen interior”; la imagen que todos tenemos en nuestra mente de nosotros mismos.

En concreto, este robot tiene la forma de un brazo mecánico y no tiene conocimientos previos de física o geometría. No sabe qué es lo que es, qué forma tiene, ni de qué es capaz; así que, en este estado, es poco menos que un pisapapeles. Pero poco a poco, y a base de probar cosas, el robot es capaz de descubrirse a sí mismo.

En la simulación que se ha realizado el robot es capaz de “pensar” y llegar a conclusiones sobre lo que es capaz de hacer y lo que no. Puede usar esta información para, por ejemplo, enfrentarse a nuevas tareas sin que haya sido enseñado a completarlas; usando la simulación interna, puede adaptarse a diferentes situaciones. Al saber cómo es, el robot hasta es capaz

Investigadores de distintos ámbitos prueban a atribuirle cualidades humanas a los robots para ver si su comportamiento se puede asemejar al de los humanos. de saber si tiene alguna pieza rota, y de repararla si es necesario.

La gran diferencia respecto a un robot normal es que este no sigue ningún modelo explícito implementado por sus creadores. Eso le da mucha más flexibilidad a la hora de tomar decisiones.

En las pruebas, inicialmente el modelo creado interiormente era muy impreciso.

Cada vez más iguales Todo apunta a que cada vez más los robots se asemejarán a nosotros.

Quienes estudian la consciencia de las máquinas están tratando de desarrollar sistemas autoorganizados que inicien acciones y aprendan de lo que los rodea.

La esperanza es que si logramos crear o reproducir la consciencia en una máquina, podremos aprender qué es lo que hace posible que exista.

Los investigadores están lejos de hacer de ese sueño realidad y un gran obstáculo se levanta en su camino... necesitan una respuesta a la siguiente

pregunta: ¿podrá una máquina basada en silicio alguna vez producir consciencia, o son sólo las criaturas hechas de carbón con nuestra configuración material las que puede producir los resplandecientes momentos tecnicolor de la experiencia consciente?

La pregunta es si la consciencia es más cuestión de lo que hacemos o de lo que estamos hechos. La consciencia posiblemente sea el último misterio que le quedará a la ciencia, pero hasta cierto punto ha sido destronada del rol central que antes ocupaba en el estudio de lo mental.

Gracias a la neurociencia y la neurobiología, cada vez entendemos mejor que mucho de lo que hacemos es el resultado de procesos y mecanismos inconscientes.

Y eso le añade un giro a la historia: si lográramos producir un robot que se comporte como uno de nosotros en todos los aspectos, eso podría llevar a comprobar no tanto que el robot tiene conciencia sino cuánto podemos hacer sin tenerla.

.

BigDatamagazine | Diciembre 2021

46 Eventos / Web Summit

Web Summit 2021: Escasez de productos, sostenibilidad y empoderamiento del consumidor Lisboa acogió el encuentro europeo más importante en emprendimiento tecnológico.

El Altice Arena volvió a abrir sus puertas - desde la edición de 2019 - para recibir a speakers, medios de comunicación, startups y compañías de 28 países diferentes.

Firma: Mari

W

Gómez Becerra

eb Summit dio el pistoletazo de salida con la Open Night, y lo hizo por todo lo alto. Paddy Cosgrove, fundador de la “World´s largest tech conference”, tal y como la califica el Financial Times, abrió el encuentro hablando del vicepresidente de la República irlandesa, Leo Varadkar e invitó a los editores de la revista Village, quienes ayudaron a destapar la historia de corrupción del líder irlandés en 2020, a subir al escenario, justo antes de presentar a la gran ponente de la noche: la denunciante de Facebook, Frances Haugen.

“Hay un patrón de comportamientos que afecta a nuestra seguridad”, señaló durante su intervención. “En lugar de invertir en hacer la plataforma más segura, Facebook invierte en contratar ingenieros de videojuegos”, fueron sus palabras en alusión a la plataforma (ahora Metaverso) que ha lanzado Mark Zuckerberg.

BigDatamagazine | Diciembre 2021

Welcome to Web Summit La tecnología es la gran protagonista de esta feria y Dima Shvets, CEO y Cofundador de Reface, aprovechó el encuentro para hablar de cómo la Inteligencia Artificial afectará a la industria de la moda, el entretenimiento, la música, el cine y deporte. “La personalización del contenido es el futuro”, comentó.

Y, hablando de futuro, para Iker Casillas no sería posible pensar en él si no fuera gracias a la tecnología. El exfutbolista quiso compartir con los asistentes lo que significó la parada cardíaca que sufrió hace apenas dos años. “Me quedé a cuadros. Todo pasó tan rápido que cuando supe lo que me había sucedido no me lo creía”. El cardiólogo Manuel Marina Breysse, CEO y Cofundador de Idoven, la compañía que ayuda a prevenir o diagnosticar cualquier enfermedad cardíaca gracias al uso de la Inteligencia Artificial, y una de las finalistas del South Summit, le acompañó en el escenario.

“Tecnología como la IA es indispensable para desarrollar nuevas herramientas de medida. En ciencia, cuando empiezas a medir cosas que nunca antes se han medido, es cuando llega la innovación”. Y la Inteligencia Artificial permite mirar los latidos del corazón de una persona tan al detalle, que ningún médico puede hacerlo. Es la manera de prevenir un problema grave que sucede todos los días cada dos segundos”, afirmó el doctor Marina Breysse.

Marcas y consumidor: en busca de la sostenibilidad

Cuatro grandes pabellones albergaron diferentes escenarios donde speakers, startups, inversores y otros asistentes hablaron de tecnología, Inteligencia Artificial, cómo mejorar la experiencia de compra de los consumidores y sostenibilidad, muy presente en este Web Summit 2021. De hecho, fue el tema que inauguró la tercera jornada del evento de emprendimiento tecnológico

47

42.751 asistentes se dan cita en el encuentro tecnológico anual más importante de Europa más importante de Europa en el PandaConf, uno de los escenarios del pabellón 4. Sebastian Kopp, fundador de Veja, la firma francesa de zapatillas elaboradas con materias primas procedentes de la agricultura ecológica, respondió a las preguntas que los asistentes podían hacer a través de la app y habló del papel de las marcas en el cuidado y respeto al medio ambiente. “La mayoría de los gobiernos se desentienden de esta responsabilidad. Es el momento de que las marcas hagamos algo e intervengamos”.

En este sentido Kopp se mostró muy tajante “nosotros no gastamos en influencers ni anuncios de publicidad, lo que hacemos es invertir ese dinero en buscar nuevos materiales y en mejorar nuestros procesos de producción”, aseguró. Transparencia, comercio justo y responsabilidad social son las bases de la firma que Kopp fundó junto a Ghislain Morillion en 2015.

La sostenibilidad es la clave también de Alohas. Su fundador, Alejandro Porras, nos concedió unos minutos para hablar más en profundidad de su modelo de venta, el gran factor diferenciador.

“Un modelo de negocio que combate la sobreproducción”, afirmó, mientras nos comentaba que, a veces, es un concepto difícil de explicar. “Cada dos semanas realizamos nuevos lanzamientos que el consumidor recibe entre 30 y 50 días después. Es el tiempo que necesitamos para calcular cuántas unidades de cada nueva colección deben producirse, qué modelos hay que descartar y cuáles no…

De esta manera, producimos a demanda, y, por lo tanto, estamos fomentando una compra más sostenible”, añadió.

Necesidades y preferencias están cambiando y cada vez son más las marcas que se suman al concepto ecofriendly porque los clientes de hoy realizan sus compras de manera mucho más consciente. Según el estudio “Radiografía del consumidor responsable 2021”, la sostenibilidad influye en el 60% en la decisión de compra de los españoles y, sin duda alguna, estuvo muy presente en Web Summit.

“Tu fecha de nacimiento nunca va a cambiar, entonces ¿por qué tienes que ingresarla cada vez que realizas una compra?” que no pueden realizar muchas de sus compras. Los chips están presentes en prácticamente todo lo que podamos imaginar, coches, teléfonos móviles, relojes, sistemas de aire acondicionado… Nunca ha habido una discrepancia tan grande entre oferta y demanda como la que existe ahora”, comentó el CEO británico.

El fundador de Gener8, Sam Jones, acompañado del rapero Tinie Tempah -ahora inversor en la startup- también estuvo presente para hablar de la importancia de empoderar al consumidor, haciendo que tenga todo el control sobre sus datos. El navegador gratuito permite a los usuarios elegir mantener la privacidad de sus datos o ganar dinero con ellos mientras navegan por una web o realizan una compra. Si seleccionan “modo privacidad” los internautas pueden evitar que las empresas los rastreen; si, por el contrario, eligen “modo recompensas”, los usuarios podrán compartir sus datos con Gener8 y monetizarlos. La idea de Sam Jones apareció en el programa de la BBC Dragons´s Den donde varios emprendedores disponen de apenas tres minutos para vender su idea y que alguno de los cinco multimillonarios allí presentes

se la compre. Gener8 destacó entre los inversores como uno de los proyectos más prometedores.

Hablando de datos, otra de las ponencias destacadas en el evento fue la de Domm Holland, CEO de Fast, la plataforma de pago online más rápida del mundo, que aprovechó Web Summit para presentar su lanzamiento en Reino Unido. “Tu fecha de nacimiento nunca va a cambiar, entonces ¿por qué tienes que ingresarla cada vez que realizas una compra?”, preguntó dirigiéndose a los asistentes. El incremento de las transacciones online, especialmente en el último año, ha provocado el desarrollo de nuevas formas de pago que facilitan la compra al consumidor.

Web Summit cierra esta edición con más de 1.000 speakers, 2.000 startups y 42.751 asistentes, “por primera vez en la historia del WS, el número de mujeres supera al de hombres, concretamente, un 50,5%”, comentó el fundador del evento, Paddy Cosgrove.. También se mostró muy claro cuando le preguntaron por la posibilidad de celebrar el evento en España. “Nos planteamos Madrid, Bilbao o Valencia, pero de momento las próximas ediciones del Web Summit seguirán siendo en Lisboa”.

.

Escasez de productos, control de datos y pagos sin fricciones

Otro de los temas destacados del evento fue la escasez de chips. Simon Segars, CEO de Arms, una de las empresas de desarrollo de chips más influyentes del mundo, advirtió de que, apenas a unos días de Navidad, “algunos consumidores quedarán decepcionados al ver BigDatamagazine | Diciembre 2021

48 Entrevista / Idoven

“La clave es trabajar en la prevención” En honor al que fue el inventor del electrocardiograma, el médico holandés Willem Einthoven, nace Idoven. La startup, a la que se ha sumado como inversor Iker Casillas, tiene como objetivo detectar de forma temprana las patologías cardíacas gracias al uso de la Inteligencia Artificial, un problema que sucede todos los días cada dos segundos.

Firma: Mari

A

Gómez Becerra

caba de recibir el premio a la startup más disruptiva (entre más de 3.800) y ha sido la ganadora del South Summit en el sector healthcare. ¿Por qué? Porque Idoven ayuda a prevenir una enfermedad que causa la muerte de 17,7 millones de personas al año y cuesta a la sanidad 800 mil millones de euros. “Con la automatización, el coste y el tiempo de diagnosticar a un paciente más, tiende casi a cero”.

Big Data Magazine (BDM): ¿Cómo surge Idoven?

Manuel Marina Breysse (MMB): Fue

en 2018. Yo estaba trabajando como cardiólogo del Consejo Superior de Deportes (CSD) con los deportistas de élite españoles y como investigador del Centro Nacional de Investigaciones Cardiovasculares (CNIC). Allí conocí a José María Lillo Castellano, ingeniero de Telecomunicaciones (cofundador y CTO de Idoven), donde precisamente entró para realizar su tesis doctoral en machine learning aplicado a la cardiología. Allí pasábamos horas aprendiendo el uno del otro y así fue como nació Idoven: aplicar la inteligencia artificial al electrocardiograma o holter de cualquier duración y de cualquier hardware. Después de cientos de horas de estudio conseguimos automatizar parcialmente el diagnóstico de 5 arritmias y en colaboración con 53 hospitales bajo la supervisión de David BigDatamagazine | Diciembre 2021

Filgueiras fuimos en 2019 el primer equipo del mundo que demostró poder predecir a 6 meses la evolución de la Fibrilación Auricular (una arritmia que afecta al 4% de la población mundial mayor de 40 años). Hoy Willem -así es como llamamos a nuestra IA- es capaz de detectar 84 arritmias cardiacas que afectan a millones de personas. Gracias a Íñigo Juantegui (emprendedor en serie con larga experiencia en la creación de startups, como La Nevera Roja u Ontruck, (tercer cofundador de Idoven) pudimos desarrollar el producto y llevarlo al mercado.

BDM: Cardiólogos, enfermeros, médicos, ingenieros… Un equipo multidisciplinar que en 2018 abandona su trabajo y decide emprender ¿Qué tal está siendo la aventura? Y ¿Por qué consideras importante que en una startup digital existan perfiles de todo tipo?

MMB: Buscamos nuevas formas de

entender la medicina, tratamos de redefinir el diagnóstico de los distintos eventos cardíacos con un objetivo fundamental: la prevención. Creo que para que la innovación ocurra -al menos en ciencia- tenemos que crear nuevas tecnologías que nos permitan medir cosas que nunca antes se han medido.

Actualmente, Idoven está formado por 18 profesionales, somos un equipo de personas con inquietudes y formación específica en cardiología, ingeniería, enfermería, Inteligencia Artificial, data

scientist, arquitectos cloud, ventas, operaciones, regulación e innovación digital.

Nuestra misión es unir el mejor I+D en cardiología con la IA para mejorar las capacidades de diagnóstico médico y, de este modo, los resultados de los pacientes.

Consideramos que es fundamental la existencia de distintos perfiles profesionales, que seleccionamos de manera cuidadosa, para desarrollarnos como empresa y poder crecer. Es importante en las startups, tener cuidado con crear tecnología buenísima que no resuelve ningún problema real. En el equipo contamos con cardiólogos especialistas en arritmias y electrofisiología, cardiología deportiva y cardiopatías congénitas, ingenieros de telecomunicaciones, ingenieros biomédicos, ingenieros industriales especializados en data science y cloud, ventas, finanzas, legal, operaciones y emprendimiento con grandes capacidades de innovación y de trabajo en equipo que nos permiten ir creciendo cada día. El futbolista Iker Casillas, se unió al equipo tras sufrir un infarto que le obligó a dejar el fútbol profesional hace 2 años. Desde que nos conocimos, lo que Iker quiso fue ayudar.

BDM: Me sorprendieron los datos que diste en Web Summit, de que una parada cardíaca sucede todos los días, cada dos segundos y, no necesariamente, a personas con una alta actividad deportiva. En tu opinión, ¿Qué medidas crees que deberían tomarse para que la sociedad esté más concienciada de esta problemática?

49

Manuel Marina Breysse, CEO de Idoven MMB: Efectivamente, se estima que

cada 20 segundos en España se produce una parada cardiaca (los datos a nivel mundial son difíciles de calcular, pero la estimación es una parada cardiaca cada 2 segundos en el mundo). Los casos de eventos cardíacos como las arritmias o la muerte súbita son especialmente llamativos en el mundo del deporte, porque afectan a personas que se consideran sanas, jóvenes y atléticas, pero pueden ocurrir también en personas no deportistas. La enfermedad cardiovascular es la principal causa de muerte del mundo. Mata a 17,7 millones de personas al año y nos cuesta unos 800 mil millones de euros anuales.

Con la automatización, el coste y el tiempo de diagnosticar a un paciente más, tiende casi a cero. Por ello, para nosotros la clave es trabajar en la prevención. Gracias a nuestros algoritmos basados en Inteligencia Artificial, “Willem” (como hemos llamado a nuestro software basado en IA en honor a Willem Einthoven - premio nobel en medicina y Fisiología por ser el padre del electrocardiograma) podemos detectar actualmente 84 patrones cardíacos distintos. De cada 1.000 personas que analizamos, 15 tienen un problema grave cardíaco que ignoraban tener (esto se conoce en ciencia como enfermedad en estadios subclínicos, que significa antes de tener síntomas). Estas 15 personas ya no fallecerán por una enfermedad cardíaca desconocida y el sistema actual tiene muchas alternativas de tratamiento.

BDM: “La Inteligencia Artificial permite analizar los latidos del corazón tan al detalle, que ningún doctor puede hacerlo”, recuerdo que dijiste en Lisboa. Explícame cómo funciona exactamente la tecnología que utilizáis en Idoven, de qué manera puede ayudar a prevenir patologías cardíacas y en qué se diferencia de otros sistemas de monitorización ya existentes en el mercado.

MMB: Willem aprende cardiología de

forma muy similar a la que utilizan los maestros con sus alumnos. Actualmente, todos los miembros del equipo médico y de ingeniería entrenamos la plataforma de Inteligencia Artificial con lo que se conoce como “aprendizaje supervisado”. Lo que hacemos es mostrar a Willem millones de electrocardiogramas, indicando donde se encuentran los diferentes patrones de

las distintas ondas del electrocardiograma de las personas sanas, deportistas y pacientes con problemas cardíacos que están donando sus latidos para que esta Inteligencia Artificial pueda ayudar a solucionar los problemas de cada vez más personas en el futuro.

Las principales diferencias con otros sistemas de monitorización es que se trata de registros electrocardiográficos reales interpretados por expertos en cardiología y por Inteligencia Artificial. Este proceso de analizar electrocardiogramas en Europa supone aproximadamente 1 millón de horas al día de médicos y personal sanitario haciendo una tarea repetitiva en la que aportamos escaso valor y que una IA puede llegar a hacer mejor que nosotros.

El pasado 9 de junio batimos el récord: Willem utilizó 1.600 gigas de memoria RAM para analizar a un solo paciente, usando la supercomputación en la nube de Google. Fuimos capaces de analizar el electrocardiograma de 50.000 latidos en menos de un minuto. Una cifra imposible de conseguir sin la ayuda de la tecnología.

Son cifras que tal vez no todo el mundo comprenda, pero para que te hagas una idea, un ordenador normal tiene entre 2 y 8 gigas de memoria RAM. Es un orden de una magnitud increíble. Nuestra plataforma de Inteligencia Artificial permite que los médicos tengamos más tiempo para las tareas complejas en las que aportamos mayor valor.

BDM: El pasado mes de octubre, recibiste uno de los premios en South Summit ¿Qué significa para vuestro equipo y qué crees que aportan iniciativas como la que María Benjumea ha puesto en marcha o encuentros como el WS? MMB: Sin duda, ser la startup ganadora

del South Summit en el sector salud y el premio a la Startup más disruptiva (entre más de 3800 startups presentadas de todo el mundo), nos da energía para seguir trabajando y acercar esta nueva cardiología digital a todos los pacientes, médicos, hospitales y clientes que lo necesiten. Estos encuentros suponen también una manera de aprendizaje para nosotros, ya que tomamos ejemplos de cómo desarrollan sus tareas otras pequeñas y grandes empresas, muchas de ellas alineadas con nuestra forma de entender la vida y la medicina. Las empresas con impacto social tenemos mucha suerte, y es que muchas personas e instituciones quieren ayudarte a que lo consigas. Un proyecto como este es imposible hacerlo solos y nos sentimos muy afortunados de ver a todas las personas, entidades públicas

y privadas que se acercan a nosotros cada día o nos escriben un mail con ganas de ayudar.

BDM: El Ramón y Cajal, el 12 de Octubre, el Hospital San Carlos…. ¿Tenéis previsto ampliar vuestros servicios en otros centros sanitarios?

MMB: Tenemos más de 10 proyectos en marcha con distintos hospitales, empresas y entidades. Nuestro objetivo es poder ayudar a alcanzar uno de los 17 Objetivos de Desarrollo Sostenible (ODS): “reducir en un tercio la mortalidad prematura por enfermedades no transmisibles (ENT) mediante la prevención y el tratamiento y promover la salud mental y el bienestar” y para ello es fundamental poder estar presentes en lugares donde hay más prevalencia de enfermedad, como son los hospitales.

Somos socios Consorcio MAESTRIA (Machine Learning e Inteligencia Artificial para la detección precoz del ictus y la fibrilación auricular). Es un proyecto de colaboración de los centros más potentes de Europa en investigación en Fibrilación Auricular financiado por la Comisión con 14 millones de euros.

Esta plataforma digital que estamos diseñando brindará soporte a los médicos y sus pacientes para alcanzar una mayor precisión diagnóstica que aumente la efectividad y eficiencia de los tratamientos, así como la prevención de las complicaciones de la miocardiopatía auricular, como la fibrilación auricular, los trombos, el accidente cerebrovascular o el ictus.

BDM: ¿Cuáles son los objetivos de Idoven de cara a los próximos cinco años?

MMB: Nuestros objetivos como empresa

son seguir ayudando a las personas a tener vidas más sanas, gracias a nuestra Inteligencia Artificial, seguir ayudando a los médicos de los hospitales automatizando el análisis de estos electrocardiogramas dándoles tiempo para realizar tareas en las que realmente aportan valor -en lugar de hacer tareas repetitivas y que una máquina hace mejor-, y seguir ayudando a los hospitales, fabricantes de dispositivos hardware de monitorización cardíaca, empresas farmacéuticas y los sistemas de salud a reducir sus costes y sus listas de espera.

Queremos construir sobre los pilares de los científicos que nos han precedido y honrarlos tomando el relevo a sus hallazgos científicos y buscando lo que ellos buscaron. Ahora, somos nosotros los que queremos hacer que todo el mundo pueda tener un cardiólogo digital en la nube con la misma calidad para cualquier persona y en cualquier lugar.

.

BigDatamagazine | Diciembre 2021

50 Green Data / IA y medio ambiente

Es hora de la Green Artificial Intelligence Ahora se puede aprovechar el poder de la predicción de la IA para determinar el bienestar de los ecosistemas.

L

Firma: Rocío

González

a rápida evolución de la IA ha provocado avances digitales en casi todos los sectores. La tecnología es capaz de interpretar los datos contextualmente para proporcionar la información solicitada, suministrar análisis e impulsar eventos basados en los resultados. Al mismo tiempo, las empresas tienen que cumplir con los requisitos sociales, de los inversores y de la normativa en cuanto al uso de tecnologías avanzadas como la IA. Asimismo, es crucial que las organizaciones se comprometan a utilizar la tecnología con un propósito, que conduzca al camino del desarrollo sostenible.

En su reciente estudio, el Instituto Allen para la IA defiende la priorización de los esfuerzos en lo que se conoce como la ‘IA verde’ y que se centran en la eficiencia energética de los sistemas de inteligencia artificial. El estudio se basa en muchos avances de alto perfil en la IA que han hecho tambalear las huellas de carbono. Según una entrada del blog de OpenAI, la cantidad de computación necesaria para las mayores ejecuciones de entrenamiento de IA se ha multiplicado exponencialmente por 300.000 desde 2012. Este aumento de los requisitos computacionales conduce a los impactos ambientales pesimistas de la inteligencia artificial.

Los expertos en inteligencia artificial coinciden en que los problemas medioambientales suelen implicar procesos complejos que los científicos aún no comprenden del todo y para los que los recursos disponibles son limitados. Con los avances en el aprendizaje automático y el aprendizaje profundo, ahora se puede aprovechar el poder de predicción de la IA para hacer mejores modelos basados en datos de los procesos ambientales para mejorar la capacidad de estudiar las tendencias actuales y futuras, incluida la disponibilidad de agua, el bienestar de los ecosistemas y la contaminación.

La IA también puede desempeñar un BigDatamagazine | Diciembre 2021

papel clave en la mejora de las decisiones medioambientales y la labor de elaboración de políticas, al aportar un enfoque algorítmico a esa labor. ¿Qué es la IA verde?

La IA ecológica o verde forma parte de un interés más amplio y antiguo por la investigación científica respetuosa con el medio ambiente. La investigación en IA puede ser costosa desde el punto de vista computacional de muchas maneras; sin embargo, cada una de ellas ofrece oportunidades de mejoras eficientes. Por ejemplo, se podría exigir a los trabajos de investigación que grafiquen la precisión en función del coste computacional y el tamaño del conjunto de entrenamiento, lo que daría una base para una investigación más eficiente en cuanto a datos en el futuro. Informar sobre el precio computacional de la búsqueda, el entrenamiento y la ejecución de los modelos es una práctica clave de la IA verde.

Resolver los retos de la sostenibilidad con la IA La IA tiene el potencial de resolver varios problemas medioambientales. Google, por ejemplo, utiliza su propia experiencia en IA para mejorar su eficiencia energética, aprovechando las capacidades de aprendizaje automático de DeepMind que han reducido la cantidad de energía necesaria para refrigerar sus centros de datos en un 40%.

Como señala Deloitte en un informe, conseguir el bienestar de la sociedad y

del medio ambiente a través de la inteligencia artificial son consideraciones estratégicas clave de la Comisión Europea, que reconoce que “los sistemas de IA prometen ayudar a abordar las preocupaciones más acuciantes, como el cambio climático y la degradación del medio ambiente”. En este contexto, el Gobierno del Reino Unido ha observado que la IA puede ayudar a abordar los Grandes Retos del país, que son cuatro tendencias globales transformadoras establecidas en la Estrategia Industrial del Reino Unido, que incluyen cuestiones relacionadas con el cambio climático, algo que podría ser emulable por el resto de países. ¿Qué se puede hacer?

La IA verde se refiere a la investigación en IA que produce resultados novedosos sin aumentar el coste computacional, e idealmente reduciéndolo, mientras que la IA roja ha dado lugar a un rápido aumento de los costes computacionales y, por tanto, de las emisiones de carbono.

En este sentido, destacan acciones como obligar a las empresas a proporcionar una total transparencia energética y de carbono; contabilizar la cadena de suministro completa, incluyendo todos los pasos desde la extracción de minerales para los chips hasta los residuos producidos por los aparatos de consumo y comprender los efectos de rebote, y garantizar que no aumente el consumo de combustibles fósiles, algo en lo que la Inteligencia Artificial verde va a ser determinante.

.

51

Organiza:

Junio 2022

| Diciembre 2021 ¿Quieres patrocinarlo?BigDatamagazine info@bigdatamagazine.es

Analytics & Cognitive

El mejor camino para generar valor de tus datos En Deloitte Analytics & Cognitive abordamos las principales dimensiones de analítica avanzada, tanto a nivel estratégico como de optimización de servicios, adaptando la algoritmia a cada una de ellas.

STRATEGY ANALYTICS

AUTOMATION ANALYTICS