Bancolombia
La dark data, o datos oscuros, es la información que las empresas no recopilan en su día a día o que recogen, pero no analizan. La inteligencia artificial y la nube resultan claves para convertir esta información en un insumo vital.
Las empresas suelen medir su desempeño al analizar datos que capturan durante su actividad diaria. Así pueden saber qué tan altas fueron las ventas durante cierto periodo o si una campaña de marketing digital cumplió con las expectativas. Sin embargo, existen unos datos que las compañías no capturan o que no tienen en cuenta, lo que hace que no se almacenen ni se usen para mejorar su operación. Esta información se conoce como “dark data” o datos oscuros y está tomando más relevancia a raíz de la actual revolución tecnológica y de la inteligencia artificial (IA). Quest Software es una firma que ha estudiado este fenómeno y, tras realizar un estudio sobre el tema, llegó a una alarmante conclusión. Cerca del 42 % de los empresarios considera que la mitad de los datos que genera su organización son datos oscuros. Es decir que las empresas ni los usan ni saben cómo manejarlos. Pero lo peor es que, en muchos de los casos, ni siquiera saben dónde los tienen almacenados.
Si una empresa no analiza y procesa sus datos oscuros, corre el riesgo de que sus competidores sí lo hagan y de perder oportunidades de mercado porque, cuando los datos no se valoran, se dejan de crear ventajas competitivas relacionadas con mejoras de productos o servicios, captura de más clientes, entre otros
Te recomendamos leer: Beneficios de la inteligencia artificial para las empresas
Pero ¿cómo identificar esa “dark data” o datos oscuros? El experto da una pista: es necesario revisar si la empresa solo cuenta con datos desagregados o con información, es decir, si existen datos recopilados y procesados que permitan extraer conclusiones sobre la forma como se está llevando a cabo un proceso para, en esa medida, establecer correctivos que estén en línea con los objetivos del negocio. En ese sentido, se habla de dark data o datos oscuros cuando, por ejemplo:
Tras brindar un servicio o vender un producto a un cliente se desatienden sus comentarios u opiniones y no se usan para potenciar el relacionamiento con él.
Se reciben comentarios a través de redes sociales que no se analizan para detectar cuál es la percepción de los usuarios sobre una marca.
Se realizan o reciben llamadas de los clientes, pero no se condensa en un solo repositorio cuáles son sus comentarios, quejas, peticiones o preguntas más frecuentes.
Se monitorean en video las actividades comerciales de la compañía, pero no se sacan conclusiones sobre si se está excediendo el tiempo de atención a los clientes.
Se hace seguimiento de las actividades productivas del negocio, pero esto no se usa para determinar si se están cumpliendo las condiciones de seguridad por parte de los trabajadores.
Afortunadamente para las empresas hoy existen metodologías y herramientas que facilitan la recopilación y procesamiento de los datos oscuros para poder extraer de ellos un valor. Para empezar, el experto de Nubiral, compañía que asesora a los negocios en la adopción de soluciones en la nube como las de Microsoft (Azure) y Amazon (AWS), hace una recomendación: “Aconsejamos no partir de la tecnología que se tiene a disposición ni de los datos en sí mismos, sino de la pregunta o dolor que se quiere resolver. Una vez se plantea el problema desde la necesidad del negocio, se puede revisar hacia atrás con qué fuentes de datos se cuenta para luego decidir cómo se procesará la información, con el fin de obtener alguna conclusión de ella”, afirma.
Te recomendamos leer: ¿Qué es un QR interoperable y cómo funciona?
Para lograr ese propósito, las empresas hoy cuentan con, por lo menos, dos tipos de tecnologías claves:
Chat GPT, que Microsoft integró a su plataforma de computación en la nube Azure; Bedrock de Amazon, y PaLM 2 de Google. Todos son modelos de lenguaje e inteligencia artificial regenerativa que dan respuestas a partir de la base de conocimiento que tienen y de la instrucción que se les da. En ese sentido, pueden tomar largos textos que el equipo comercial tal vez no llegue a leer en su totalidad por su extensión y arrojar una respuesta acorde con el tono o las preguntas de los clientes. Esta solución es escalable además de no ser costosa.
Visión por computadora: es un área de la inteligencia artificial que captura imágenes tanto estáticas como móviles, las interpreta y las expone en un tablero. Así, ya sea en el espacio de atención al cliente, la línea de producción o la bodega, es posible detectar si se demora más de lo usual el proceso de venta, si hay un obstáculo que pueda resultar peligroso para los operarios o si una persona no autorizada intenta ingresar a espacios restringidos. Este modelo también es factible, escalable y se puede montar en la nube.
La tecnología, paralelamente, facilita el acceso a estas herramientas porque, mientras que por unas se debe pagar una licencia anual, otras se pueden adquirir bajo el modelo de “servicio” (Software as a Service) y pagar una mensualidad solo por el tipo de uso que se haga de la herramienta o las horas de procesamiento en que se emplee. No existe una regla con respecto a la periodicidad con la que debe analizarse la dark data o datos oscuros. Esto depende de cada empresa y su objetivo. En ocasiones, es conveniente realizarlo en tiempo real porque ayuda a evitar circunstancias negativas como un accidente. En otras, como en el área comercial, es viable hacerlo periódicamente. Lo importante, independientemente de la estrategia que cada negocio despliegue, es que los datos oscuros se capturen, procesen y analicen para optimizar la operación. Se debe considerar también el derecho que tienen las personas que son monitoreadas o grabadas tanto a su privacidad como a la seguridad de la información que sobre ellas se comparte. Finalmente, Javier Minhondo aconseja:
Establecer primero la necesidad del negocio porque “cuando uno habla de datos oscuros se enfrenta a un elefante que no es posible comerse de un solo bocado”.
Plantear hipótesis y construir soluciones que ayuden a validar la tesis, descartarla o tomar la decisión de iterar.
Apalancarse en herramientas tecnológicas existentes y en la nube para reducir el costo de la experimentación y avanzar hacia el objetivo planteado sin que los “experimentos” salgan muy costosos.
Desde la Web 1.0 hasta la actual Web 3.0 se ha presenciado una transformación radical en la forma en que interactuamos en línea. Descubre cómo la evolución de estas tecnologías están definiendo el futuro de la web y nuestras experiencias en línea.
Únete a la conversación, te invitamos a compartir este artículo.
Muy importante. Estos contenidos son para todos. No cobramos a quienes nombramos. Las fuentes de terceros no comprometen el pensamiento de nuestro grupo. Es responsabilidad del lector el cumplimiento de las normas y fechas que le apliquen.
