Los megadatos y su poder transformador

Existen cinco ventajas al utilizar los megadatos en las empresas para mejorar su competitividad:

1ero. Las empresas pueden identificar en base al análisis de los perfiles de sus clientes cual es el precio más alto que estos están dispuestos a pagar por un producto dado.

2do. Las ventajas de los objetivos de precios permiten que las empresas ofrezcan descuentos a los consumidores que de otro modo no podrían costear el precio de equilibrio y así aumentar sus ingresos.

3ero. La categorización del consumidor utilizando megadatos es una razón de vital importancia para la valoración de las empresas.

4to. Las firmas están utilizando los datos generados por la interacción de la gente con las redes sociales para entender mejor su comportamiento y preferencias.

5to. Vinculan el historial crediticio de la gente con su presencia permitiendo mejorar los sistemas de calificación crediticia y conceder facilidades a personas evitando su rechazo.

No cabe duda de que el poder informático impulsa y transforma los negocios y las finanzas: Hoy día, las poderosas bases de datos acumulan gran cantidad de información, para la toma de decisiones. La ciencia de los datos, aporta las herramientas del aprendizaje automático, un tipo de inteligencia artificial que permite el autoaprendizaje de programación y gestión empresarial basado en los perfiles de los consumidores.

Los pronósticos económicos se han modificado sustancialmente con los métodos de la ciencia de datos. Dentro de estos las tradicionales estadísticas claves sobre la economía como los informes trimestrales del PIB que se publican a veces con retrasos, la utilización de base de datos permite que variables como el desempleo, el índice mensual de actividad económica (IMAE) se puedan predecir con bastante exactitud.

El conjunto de técnicas aplicadas en esta actividad se denomina nowcasting o "predicción del presente" mejor conocido como pronóstico en tiempo real. La ciencia de los datos está avanzando de forma acelerada en lo que se refiere al análisis de riesgo financiero sistémico.  En un mundo que está más interconectado que nunca, el poder medir los vínculos sistémicos dan origen a nuevas informaciones que ayudan a la toma de decisiones.

A través de las redes podemos darles seguimiento a los abundantes datos del mercado financiero y sus panoramas predictivos entre las bolsas, bancos, empresas de seguros etc.

El poder comparar tasas de mercado entre bancos es de gran utilidad basado en valores publicados en diferentes tiempos. Una vez armados los expertos en datos pueden medir el grado de riesgo de un sistema financiero, así como la proporción de cada institución financiera en el riesgo total, lo cual brinda a los reguladores nuevas formas de analizar y gestionar el riesgo sistémico.

Otro aspecto relevante para los megadatos es lo que respecta al análisis de texto. Es un campo de la ciencia de datos que crece rápido y es un complemento de los datos cuantitativos en el área financiera. Los megadatos eliminan los prejuicios que surgen cuando la gente toma decisiones en base a una información limitada.

En la actualidad podemos clasificar a las empresas por sus ventas y utilidades declaradas ante la DGII, también ver su desempeño financiero. Los informes que se recibe son útiles para construir un sistema de clasificación exacto para pronosticar utilidades.

Desde hace tiempo se aplica en Estados Unidos el índice Gunning Fog, una herramienta que mide la legibilidad de los informes financieros y en este aspecto las entidades reguladoras como la Oficina para la Protección Financiera del Consumidor (Superintendencia de Bancos, aquí) protege las normas.

El poder computacional de la actualidad y su capacidad para procesar grandes cantidades de datos estimuló la inteligencia artificial. Compuesta por algoritmos determinados denominados "redes de aprendizaje profundo" algo así como las neuronas biológicas, han demostrado su gran poder para imitar el funcionamiento del cerebro.

El aprendizaje profundo (I.A.) es una metodología que utiliza redes neuronales artificiales basada en estadística que mapean un gran numero de variables de entrada, las procesas entregan variables de salida. En otras palabras, identifican patrones. La información se analiza a través de redes neurotransmisoras basadas en silicio y software. Estos datos son utilizados para reforzar estas neuronas del mismo modo en que los humanos aprenden de la experiencia con el paso de los años.

Este aprendizaje profundo obedece a dos razones esenciales: la disponibilidad de grandes cantidades de datos de los cuales las máquinas aprenden y el crecimiento exponencial del poder de cálculo gracias al desarrollo de chips computacionales especiales para las aplicaciones de aprendizaje profundo.

En palabras del escritor de ciencia ficción William Gibson "El futuro ya está aquí, solo que no está distribuido en forma equitativa".

Tomás D. Guzmán Hernández