Por: Andrés Felipe Martínez González

Controlar el tráfico de una ciudad, detectar una enfermedad a partir de una imagen diagnóstica o advertir una acción sospechosa en una cuenta bancaria, son cosas que hoy puede hacer un computador en cuestión de segundos.

Y esto es gracias a sistemas que hemos creado los seres humanos aplicando conocimientos tan antiguos como la estadística y tan recientes como la informática, para desarrollar un campo de investigación que hoy llamamos ‘ciencias de datos’.

De este mundo hacen parte términos que seguramente hemos escuchado, como ‘machine learning’, ‘inteligencia artificial’ y ‘Big Data’.

Algunas áreas de estudio que involucran estas nuevas ciencias son el reconocimiento de patrones en imágenes y audios, la creación de modelos predictivos, el análisis del comportamiento de consumo de las personas o la programación de poderosos asistentes inteligentes.

También, analizar grandes cantidades de datos es útil para la creación de políticas públicas o estrategias sociales.

Por esa amplia gama de posibilidades es que las ciencias de datos reclaman profesionales de distintos campos del conocimiento, con habilidades cada vez más demandadas en el mercado laboral.

Conscientes de ello, en la UAO, un grupo de docentes ha creado una estrategia de formación abierta a toda la comunidad, en el marco de la cual han desarrollado más de cinco talleres prácticos en lo que va del 2021.

Los talleristas que han participado de esta misión mencionan algunas de las aplicaciones contemporáneas de las ciencias de datos:

Módulos:

‘Big Data’ y las decisiones empresariales

El ‘Big Data’ es una rama de la inteligencia artificial y es un concepto que aplica para todos esos volúmenes de información que no pueden ser procesados o analizados con las herramientas tradicionales que conocíamos. 

Cada vez las organizaciones recogen más cantidad de datos aprovechando los cambios de la era digital. Cada segundo estamos generando datos en interacciones de redes sociales, transacciones bancarias, uso de internet, ‘cookies’ y aplicaciones móviles, y todo se está almacenando para ser estudiado.

Toda esta información permite a las empresas e incluso entidades del Estado tomar decisiones y acciones de negocio a partir de la analítica. Por eso se dice que hoy uno de los activos más importantes y valiosos para las organizaciones son los datos.

Las metodologías de analítica permiten entender las tendencias que guardan los datos y generar acciones de negocio, permitiendo solucionar problemas de predicción, clasificación y segmentación para tomar decisiones de manera más asertiva y oportuna.  

[ver más+]

Diagnóstico médico 

En el área de la salud han surgido en los últimos años diversas aplicaciones del ‘machine learning’ y las ciencias de datos, bien sea para procesos de diagnóstico, pronóstico o evaluaciones de tratamientos. Particularmente, uniendo las posibilidades del análisis de datos con otras áreas de inteligencia artificial como el reconocimiento de imágenes o el internet de las cosas.

Una aplicación cada vez más común es el diagnóstico en la oncología. Por ejemplo, se han diseñado algoritmos para procesar imágenes de mamografías y compararlas con millones de casos almacenados, logrando que el computador diferencie con alta fidelidad los tumores benignos de los malignos. A esto le llamamos ‘machine learning’ con técnicas de clasificación o ‘clustering’.

Existen bombas de insulina capaces de monitorear datos vitales de pacientes diabéticos y, a partir de un algoritmo de inteligencia artificial, tomar decisiones sobre el suministro.

Estrategias similares se han aplicado durante la pandemia para diseñar algoritmos capaces de diagnosticar una neumonía por Covid-19, a partir de radiografías de los pulmones de un paciente.

Otros ejemplos están relacionados con el procesamiento de textos en historias clínicas, desarrollo de modelos predictivos de enfermedades o incluso la creación de vacunas. Como se ve, las ciencias de datos son fundamentales para identificar riesgos y tomar decisiones en el campo de la medicina. 

[ver más+]

El sector financiero

El análisis de datos es un aliado de las entidades financieras para identificar perfiles de sus clientes o potenciales clientes, sus comportamientos de pago y eventuales riesgos de incumplimiento. 

Las entidades bancarias pueden saber en cuestión de segundos cuál es tu perfil como sujeto de crédito, tomando información almacenada sobre tu comportamiento financiero

Esto, a partir de sofisticados modelos analíticos de riesgo que toman las entidades para definir la capacidad de pago del cliente y la pérdida esperada durante la vida remanente del crédito. 

Dichos modelos deben estar en la capacidad de discriminar clientes con buen hábito de pago o un mal comportamiento. Bajo el supuesto de que el modelo tenga una buena capacidad de discriminación, los intermediarios deberán generar una menor provisión o pérdida esperada, que conlleva a un crecimiento de la economía. 

[ver más+]

Usos en educación 

La amplia disponibilidad de datos educativos de entidades como el Icfes, ha llevado a un interés en analizar el conocimiento útil para ayudar en las políticas y las prácticas a nivel de educación media y superior. 

La aplicación de las ciencias de datos se está volviendo aún más importante en el contexto educativo, especialmente en el área relacionada con la medición y predicción de resultados, siendo de suma importancia integrar en las instituciones de educación un marco de pensamiento analítico de datos apropiado para alcanzar tales objetivos. 

Un modelo bien definido de analítica de datos en el sector educativo puede ayudar a garantizar la calidad de los resultados, contribuir a una mejor comprensión de las técnicas detrás del modelo y conducir a un descubrimiento de conocimiento más rápido, por ejemplo, de factores asociados a la deserción estudiantil y bajo rendimiento, de tal manera que se pueda mejorar la toma de decisiones.

[ver más+]