Machine Learning es una disciplina científica del ámbito de la Inteligencia Artificial 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. Veamos cómo funciona.
Big Data y Machine Learning aplicado a la empresa
Una empresa de telefonía quiere saber qué clientes están en “peligro” de darse de baja de sus servicios para hacer acciones comerciales que eviten que se vayan a la competencia. ¿Cómo puede hacerlo? La empresa tiene muchos datos de los clientes, muchísimos: antigüedad, planes contratados, consumo diario, llamadas mensuales al servicio de atención al cliente, últimos cambios de planes contratados… pero seguramente los usa solo para facturar y para hacer estadísticas. ¿Qué más puede hacer con esos datos? Se pueden usar para predecir cuándo un cliente se va a dar de baja y gestionar la mejor acción que lo evite. En pocas palabras, con Machine Learning se puede pasar de ser reactivos a ser proactivos. Los datos históricos del conjunto de los clientes, debidamente organizados y tratados en bloque, generan una base de datos que se puede explotar para predecir futuros comportamientos, favorecer aquellos que mejoran los objetivos de negocio y evitar aquellos que son perjudiciales.
Esa cantidad ingente de datos son imposibles de analizar por una persona para sacar conclusiones y menos todavía para hacer predicciones. Los algoritmos en cambio sí pueden detectar patrones de comportamiento contando con las variables que le proporcionamos y descubrir cuáles son las que han llevado, en este caso, a darse de baja como cliente. La siguiente imagen es un ejemplo de una predicción simplificada basada en datos de una compañía de telefonía ficticia, pero usando una herramienta de Machine Learning real:
La visualización en árbol (en esta imagen está simplificado, la predicción real tiene muchos más nodos) permite ver los patrones que han seguido ciertos clientes que se han dado de baja. En este caso está resaltada una de las ramas centrales, que indican un patrón en el que el cliente:
- Tiene más de 3 llamadas al servicio de atención al cliente.
- Llama menos de 171,95 minutos al día.
- Las llamadas en horario nocturno son inferiores a 189,02 minutos.
Este es un análisis de los datos históricos, pero… ¿dónde está la predicción? Vamos a ello: si los clientes que tienen estas características ya se han dado de baja de la compañía, es previsible que los que todavía son clientes y tienen este mismo comportamiento estén en riesgo de irse. Según este modelo predictivo, es bastante probable que esto suceda (se dice que la predicción tiene una confianza, en este caso, de 91,97%). Si el departamento de marketing tuviera esta información, podría proponerles proactivamente un cambio de plan de tarificación o podría revisar por qué han llamado al servicio de atención al cliente para intentar mantenerlos.
El árbol de predicción completo sería el siguiente. En este caso hemos resaltado una predicción falsa (es decir, no se daría de baja) con una confianza del 90,59%. A la derecha de la imagen se puede ver el patrón de comportamiento de este grupo de clientes:
¿Por qué es importante?
La cantidad de datos que se generan actualmente en las empresas se está incrementado de forma exponencial. Extraer información valiosa de ellos supone una ventaja competitiva que no se puede menospreciar. En CleverData pensamos que es una oportunidad a la que se le debe prestar especial atención. La gran ventaja es que actualmente no hace falta ser un gurú de los datos para poder aprovechar este tipo de tecnologías. Existen en el mercado herramientas de uso muy sencillo (incluso para profanos en análisis de datos) y asequibles económicamente para cualquier tamaño de empresa que permiten hacer predicciones como las descritas en el apartado anterior. Si quieres ver cómo se genera un modelo como el anterior, revisa este artículo en el que describimos el proceso paso a paso.
El reto de sacar partido de los datos se ha simplificado enormemente. El Machine Learning de hoy no es como antes. Esto quiere decir que con datos de calidad, tecnologías adecuadas y análisis propicios es posible actualmente crear modelos de comportamiento para analizar datos de gran volumen y complejidad. Además, los sistemas proporcionan resultados rápidos y precisos sin intervención humana, incluso a gran escala. El resultado: predicciones de alto valor para tomar mejores decisiones y desarrollar mejores acciones de negocio.
Sin embargo, no debe distraer nuestra atención el volumen de datos. No es necesario tener tantos datos como Facebook o como un gran banco para hacer modelos que ayuden al negocio. Es mejor tener datos de calidad (fiables y útiles) que tener miles de millones de datos de los que no se puede extraer valor. Para avanzar en este tema, puedes revisar nuestros 5 consejos para empezar con Machine Learning: empieza por algo sencillo, utiliza Machine Learning supervisado, no te empeñes en usar Big Data, utiliza Machine Learning en la nube y sobre todo, empieza ya. Si quieres, con nosotros.
Ámbitos de aplicación del Machine Learning
Muchas actividades actualmente ya se están aprovechando del Machine Learning. Sectores como el de las compras online – ¿no te has preguntado alguna vez cómo se decide instantáneamente los productos recomendados para cada cliente al final de un proceso de compra? –, el online advertising – dónde poner un anuncio para que tenga más visibilidad en función del usuario que visita la web – o los filtros anti-spam llevan tiempo sacando partido a estas tecnologías.
El campo de aplicación práctica depende de la imaginación y de los datos que estén disponibles en la empresa. Estos son algunos ejemplos más:
- Detectar fraude en transacciones.
- Predecir de fallos en equipos tecnológicos.
- Prever qué empleados serán más rentables el año que viene (el sector de los Recursos Humanos está apostando seriamente por el Machine Learning).
- Seleccionar clientes potenciales basándose en comportamientos en las redes sociales, interacciones en la web…
- Predecir el tráfico urbano.
- Saber cuál es el mejor momento para publicar tuits, actualizaciones de Facebook o enviar las newsletter.
- Hacer prediagnósticos médicos basados en síntomas del paciente.
- Cambiar el comportamiento de una app móvil para adaptarse a las costumbres y necesidades de cada usuario.
- Detectar intrusiones en una red de comunicaciones de datos.
- Decidir cuál es la mejor hora para llamar a un cliente.
La tecnología está ahí. Los datos también. ¿Por qué esperar a probar algo que puede suponer una puerta abierta a nuevas formas de tomar decisiones basadas en datos? Seguro que has oído que los datos son el petróleo del futuro. Ahora ya puedes empezar a bombearlo.
Otros artículos que te pueden interesar:
- The New York Times is looking to machine learning to help it understand reader behavior. via Gigaom.com
- Machine Learning is Fun! via medium.com
- Predicting CTR with Online Machine Learning. via mlwave.com
Show me this article in English.
Juan Barajas Hernandez
escrito en 26 junio 2015 -Interesante artículo, no cabe duda que las herramientas están teniendo un desarrollo impresionante, ahora solo falta preparase y tener la voluntad para utilizarlas
Tendencias de marketing online en 2016 - CONCEPTO 05
escrito en 19 enero 2016 -[…] de grandes datos agregados. La democratización de la tecnología y el aprendizaje automático (machine learning) liderarán la transformación de tratamiento de datos en industrias como la sanitaria o […]
Sé más eficaz en tu empresa con Machine Learning | Blog Conento
escrito en 9 junio 2016 -[…] Cleverdata.io […]
La inteligencia artificial está estudiando ‘la ESO’ | wellcommunity
escrito en 29 junio 2016 -[…] las recomendaciones de vídeos de Youtube; las búsquedas por voz ‘Cloud Speech’ de Google; la tecnología Learning Machine aplicada también por Google; la Amazon Machine Learning o el asistente personal en el que ahora […]
Conceptos básicos de Machine Learning – CleverData.io
escrito en 5 octubre 2016 -[…] Machine Learning se divide en dos áreas principales: aprendizaje supervisado y aprendizaje no supervisado. Aunque […]
Haz que los datos cuenten, predice el futuro con el Machine Learning - geographica
escrito en 24 noviembre 2016 -[…] moda parte de la inteligencia artificial dedicada al aprendizaje por parte de las máquinas, el machine learning trata de que los sistemas aprendan […]
Innedu
escrito en 25 enero 2017 -[…] (PLE), contenidos adaptativos, implementación de sistemas que aprenden automáticamente (machine learning), introducción del análisis de datos para el aprendizaje (learning analytics) y en general todo […]
La app de Netflix no gastará casi nada de tu plan de datos ni la memoria de tu teléfono celular – BloGaston
escrito en 2 marzo 2017 -[…] tenían la suficiente cantidad de información almacenada, llegó el momento de aplicar el “Machine learning“ o para que entiendan “Las máquinas que aprenden“. Los datos recopilados en la […]
¿Qué es Machine Learning? – El Unicornio
escrito en 3 marzo 2017 -[…] Tomado de CleaverData […]
Machine Learning: ¿Por qué nos apasiona? | Cualit
escrito en 5 mayo 2017 -[…] https://cleverdata.io/que-es-machine-learning-big-data/ […]
Las ventajas del Lead Scoring basado en Machine Learning -
escrito en 25 agosto 2017 -[…] Machine Learning funciona, y no es magia señores, es […]
Machine Learning es Inteligencia Artificial.
escrito en 10 octubre 2017 -[…] Fuente: cleverdata.io […]
Machine Learning - Plataforma de Aprendizaje Automático
escrito en 15 enero 2018 -[…] Fuente: https://www.cleverdata.io […]
Principales novedades para hoteleros presentadas en Fitur 2018
escrito en 29 enero 2018 -[…] una estrategia que permita vender más y mejor. El gran volumen de datos procesados gracias al maching learning convierte en realidad potenciar los canales de distribución, aumentar la fidelización y mejorar […]
La inteligencia artificial está estudiando ‘la ESO’
escrito en 15 febrero 2018 -[…] las recomendaciones de vídeos de Youtube; las búsquedas por voz ‘Cloud Speech’ de Google; la tecnología Learning Machine aplicada también por Google; la Amazon Machine Learning o el asistente personal en el que ahora […]
SEO: Aprovechando las búsquedas relacionadas bajo cada resultado de Google... o no - RitaDoit | Consultor SEO freelance
escrito en 19 febrero 2018 -[…] Machine Learning es una disciplina científica del ámbito de la Inteligencia Artificial 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. CleverData […]
Jose Maria
escrito en 26 marzo 2018 -No veo que este ejemplo dónde aprende la máquina ni dónde mejora la máquina su entendimiento de nada o aplica inteligencia artificial. El ejemplo me parece un mero análisis de estadística descriptiva de los clientes que se dan de baja.
Andrés González
escrito en 29 marzo 2018 -Hola José María. Lo que planteas es un tema muy interesante y de bastante calado, porque va al fondo de qué es la inteligencia artificial.
Tienes razón cuando dices que lo que hay es estadística. No hay otra cosa detrás de este “sabor” de inteligencia artificial llamado machine learning. Lo que realmente hace esta técnica es una clasificación de instancias basada en los patrones que encuentra. Posteriormente, cuando llega una instancia nueva, la compara con las instancias de las que ha “aprendido” y selecciona aquel patrón al que más se parece.
Al fin y al cabo, la forma más sencilla de ver un árbol de decisiones como el del artículo es como si fuera (que lo es) un conjunto de reglas “if-then”. El matiz importante es que el código generado no lo programa un humano, sino un ordenador. Además, el código “if-then” no es fijo ni está predeterminado, sino que evoluciona a medida que se alimenta al sistema con datos más actualizados. En cierta forma podríamos decir que un ordenador genera código automáticamente a medida que se le proporcionan datos en los que encontrar patrones.
¿Es eso “inteligencia”? No lo sé. Yo creo que primero deberíamos ponernos de acuerdo en lo que es la inteligencia humana (¿es la analítica… la lingüística… la visual… la musical… la verbal… todas juntas?) la para saber cómo definir la artificial.
Gonzalo Cela
escrito en 30 marzo 2018 -Andres! felicitaciones por este articulo machin learning es tendenciahoy en día.
schumager
escrito en 7 abril 2018 -siempre busque hacer pronósticos de precios . utilice las técnicas matemáticas y estadísticas acompañadas por el soporte teórico, todas parten de echos históricos y sobre esa base quieren hacer predicciones..nunca se acierta aun en las economías dizque primer mundistas…el día que puedan predecir un acontecimiento económico financiero mundial , ese día sera revolucionario y no tendría razón de hacer economía,
El Mundo de la Inteligencia Artificial | Un lugar en la blogósfera
escrito en 7 abril 2018 -[…] la Universidad de Oxford del que participaron 26 expertos en materia de Inteligencia artificial y Machine Learning que es el término anglosajón referido a la disciplina de la inteligencia artificial que […]
Blockshipping: la revolución del transporte marítimo global - Cryptodiario
escrito en 15 mayo 2018 -[…] digitales distintos tipos de data, tales como: Aprendizaje Automático o Aprendizaje de Máquinas (Machine Learning), Internet de las Cosas (IoT), datos y estadísticas de inteligencia Artificial (AI) y todo lo […]
Machine Learning – Pepper Company
escrito en 27 mayo 2018 -[…] Fuente: https://www.cleverdata.io […]
Robots NAO will help the therapies of children with autism - Coolest Hacks
escrito en 6 julio 2018 -[…] algorithm that is handled for the invention to work, is that of Machine Learning, which means that in each session that the child attends, the robot learns to recognize its […]
Facebook presentó a Rosetta, la IA que dirá si tus memes son ofensivos
escrito en 12 septiembre 2018 -[…] machine learning, también le sirve a la Inteligencia Artificial para que entienda cualquier tipo de idioma, porque […]
EVENTO DO FUTURO: MACHINE LEARNING – ARPANET 2.0
escrito en 2 octubre 2018 -[…] Artículo sobre o aprendizaxe automático, Wikipedia 6) Utilidades do aprendizaxe automático, […]