Los matemáticos están de moda, tanto es así que muchas empresas están demandando sus servicios sin que haya una oferta de profesionales suficiente como para cubrir sus necesidades mientras comparten el honor con el grado de Física en exigir la nota de corte más alta en España. Así lo demuestra, por ejemplo, el informe sobre el ‘Impacto socioeconómico de la investigación y la tecnología matemáticas en España’. No en vano, sus cálculos están detrás de tecnologías que están impactando en el mundo de los negocios como el Blockchain, el Data Mining, la Robótica, el Big Data o la Inteligencia Artificial. Pero sus utilidades van incluso más allá.
Como aseguran desde el Congreso Internacional de Matemática Industrial y Aplicada (ICIAM), las matemáticas están detrás de muchas de las grandes innovaciones del mañana en campos como el transporte inteligente, la eficiencia energética o nuevos principios activos de medicamentos, o, desde un punto de vista más social, descubriendo el modo de frenar el avance de las enfermedades neurodegenerativas o la aparición de una nueva catástrofe natural, como, por ejemplo, un terremoto. Incluso entidades como Inverence pronosticaron “con varias semanas de adelanto mediante un modelo matemático que la cifra de fallecidos oficiales por coronavirus en España rondaría los 22.000 a finales de abril”, cifra que no se aleja de las 24.543 defunciones que cerraron finalmente el mes.
Sin embargo, tal y como señala María Jesús Esteban, presidenta de este Congreso, el problema es que todavía muchas empresas y sectores en España, principalmente industriales, no terminan de apostar por este tipo de profesionales todo lo que deberían, lo que provoca la temida fuga de talentos hacia otros países donde se les valora más. Algo en lo que están trabajando entidades como ESGI (European Study Group with Industry), surgida en la Universidad de Oxford (Reino Unido) para establecer relaciones de trabajo entre matemáticos y empresas, y dar a conocer la importancia de esta disciplina a la industria.
La utilidad del Data Mining
La eclosión de Internet a nivel global como herramienta de comunicación y de interacción a comienzos del siglo XXI generó un gran problema: el volumen de datos comenzó a ser tan abismal que era imprescindible encontrar un modo de analizar a gran escala toda esa información e intentar transformarla en conocimiento útil en la toma de decisiones. En un mundo donde el cambio continuo es necesario para que cualquier empresa se adapte y esté en mejores condiciones de sobrevivir, la aparición del experto en Data Mining (o, como se conoce de manera más mundana, minero de datos) supuso la respuesta a las necesidades de muchas organizaciones.
Este profesional es capaz de extraer la información de valor real para una entidad entre todo el volumen de datos que genera (o a los que tiene alcance), de modo que le sirva para detectar nuevas oportunidades de negocio y conocer mejor a sus clientes para ofrecerles un mejor servicio. Para lograrlo, utiliza distintos productos de software y tecnología, junto a grandes bases de datos para encontrar patrones repetitivos mediante logaritmos o estadísticas.
Puede interesarte: Del Big Data al Smart Data, ¿qué necesita realmente mi empresa?
Aunque sea frecuente el equívoco, conviene señalar que no es lo mismo el Data Mining que el Big Data, ya que mientras el primero identifica patrones o tendencias dentro de un volumen muy grande de datos, el segundo lo que trata es de localizar una información concreta y activa que esté disponible para toda la organización. Es decir, que en realidad para extraer valor del Big Data se necesita el Data Mining, dado que este último termina de ‘exprimir’ la utilidad que esconden los ingentes volúmenes de datos.
El Data Mining aplicado a la empresa
Es bastante común que cada área de una empresa cuente con al menos un software que gestione toda la información que se genere y que sirva para ordenar los procesos administrativos, como el ERP (Enterprise Resource Planning, o Sistema de Planificación de Recursos Empresariales), el CRM (Customer Relationship Management, o Gestión de las relaciones con clientes) o el SGA (Sistema de Gestión de Almacén).
Estos datos, que hace solo unos años se desechaban porque no tenían mayor aplicación práctica, hoy suponen un maná para los ‘mineros’ ya que, apoyados en herramientas externas como bases de datos, crean modelos de Data Mining que tienen muchas y muy diversas utilidades si se sabe qué hacer con ellos:
- Pensando en los Recursos Humanos, el Data Mining puede ayudar a entender mejor a nuestros empleados, y, con ello, poder realizar sobre ellos una gestión más eficiente, obteniendo información de relevancia sobre puestos de trabajo, eficiencia de tareas o niveles de identificación con la marca y de felicidad en el entorno laboral.
- En fabricación, contribuye a optimizar los procesos productivos y logísticos, identificando qué posibles eslabones en la cadena están cayendo en productividad o se están quedando obsoletos. Incluso, mediante la lectura de los datos que generan las máquinas se puede predecir cuándo se estropearán, facilitando la planificación.
El auge de la matemática predictiva
Conocer cuándo será la próxima crisis, en qué momento habrá un cambio en las preferencias de los consumidores o cuál de las startups que están surgiendo en nuestro sector se convertirá en un gran competidor en el futuro. De todo ello y más se ocupan las matemáticas a través de los modelos predictivos, que, como asegura un informe de MicroStrategy, son en esencia un tipo de análisis que agrupa distintas técnicas estadísticas de modelización, aprendizaje automático y minería de datos para evaluar la información actual e histórica y realizar estimaciones futuras sobre acontecimiento aún no conocidos.
Una tarea nada sencilla dado el elevado número de variables externas que impactan sobre cualquier segmento de actividad y que no es posible anticipar ni controlar. Por ello, el elemento clave, de acuerdo a este análisis de CIO, para que la matemática predictiva tenga éxito es acotar lo máximo que se quiere medir, por qué y con qué finalidad. Y, para lograrlo, resulta fundamental no solo trabajar con la información más ajustada y precisa posible sino conocer bien la fuente y los entornos en los que se mueve.
Es decir, que la matemática predictiva puede resultar sumamente eficaz para identificar tendencias y pronosticar eventos, siempre que se hayan incluido parámetros previos suficientes, pero, también, puede ser muy útil para detectar anomalías, o, lo que es lo mismo, encontrar una singularidad a lo largo de una medición de datos que, para una empresa, en el caso de conocerla con antelación, puede aportar una importante ventaja competitiva muy destacable en un entorno cada vez con mayor incertidumbre y volátil.
