DataLab

Por Alfonso Zamora Saiz, co-fundador de DataLab Soluciones Matemáticas.
Las facilidades de crédito para el ciudadano hace tiempo que no son las que eran. Obtener financiación para una hipoteca, para iniciar un negocio, es más difícil, porque la fluidez del dinero ha disminuido y la morosidad ha aumentado. Cualquier estudio sobre impagos de crédito indica que la franja de edad donde se mueva el cliente es un factor fundamental, por ejemplo si el cliente es estudiante su riesgo de impago será mayor. Pero ocurre que, si conocemos la situación bancaria de una persona, sus cuentas actuales, sus créditos concedidos, el ser estudiante se convierte en un factor positivo a la hora de conceder un crédito: los estudios dejan de ser un sinónimo de juventud e inexperiencia para convertirse en un indicador de conocimiento y responsabilidad.
Este ejemplo, que puede parecer simple y tonto, está en el germen de lo que se conoce como aprendizaje estadístico (o statistical learning). Consiste en tomar una base de datos y conseguir aprender todo lo posible sobre las variables que la integran. No siempre estas relaciones son triviales de ver, a veces dependen de forma compleja como en el ejemplo anterior: el hecho de ser estudiante o no, por sí mismo afecta de forma negativa a la concesión de crédito pero en presencia de otras variables como pueda ser la situación financiera acaba siendo un factor positivo. El cómo unas variables condicionan otras, lo que sabemos a priori sobre una variable y lo que conseguimos aprender a posteriori una vez conocemos más información es parte fundamental de este aprendizaje estadístico y viene de muy atrás, desde la inferencia Bayesiana de Thomas Bayes en el siglo XVIII. Si somos capaces de realizar estos análisis de forma correcta y profunda, podremos predecir el comportamiento de clientes, valores y sociedades, lo que puede conllevar una mejora sustancial en las posibilidades de negocio y desarrollo social.
Un paso más allá es lograr sistemas autónomos que sean capaces de hacer esta tarea por sí mismos. La llegada de nuevos datos puede proporcionar diferentes paradigmas, como un cambio en la estructura universitaria o una rebaja en la edad de emancipación de los jóvenes en nuestro ejemplo. Con ello nos adentramos en el mundo del machine learning, donde la programación de la máquina le diga cómo tiene que interpretar la llegada de nueva información para que sea capaz de procesarla, entenderla y modificar sus modelos en base a ese aprendizaje, de forma análoga a como lo haría el ser humano. Porque el paso final, en cuya frontera casi nos encontramos, es la inteligencia artificial: máquinas y dispositivos que sean capaces de pensar y razonar como lo hacemos nosotros.
Análisis de tendencias en los egresados universitarios indican que en unos 10 años, casi un quinto de nuestros chicos y chicas trabajarán en profesiones relacionadas con el análisis de datos, el Big Data. Los llamados data scientists, serán los encargados de realizar estas tareas, extraer el máximo partido a los datos con los que cuentan las empresas y los organismos. Los viejos análisis descriptivos del último cuarto de siglo XX ya no son tan fiables, ya no aportan nada al nuevo mundo. El futuro pasa por equipos formados por matemáticos, estadísticos, ingenieros y programadores que sean capaces de pensar para ofrecer soluciones integradas, que puedan mirar de tú a tú a las bases de datos y a los que los árboles no impidan ver el bosque. El futuro pasa por lenguajes de programación como R o Python que sustituyan por completo a los que quedarán obsoletos.
Las empresas españolas necesitan redefinirse, necesitan este salto de calidad. En otros entornos, como Estados Unidos, estos conceptos ya forman parte de la cultura tanto de la pequeña como de la gran empresa. Los grandes capitales privados entienden que sólo con un salto tecnológico en el campo del Big Data se pueden afrontar los retos del futuro, se puede competir en el mercado del siglo XXI. En nuestro país seguimos anclados en el milenio anterior, anquilosados en las técnicas que nos han puesto al nivel de otras potencias. El problema es que cuando hemos llegado a alcanzar ese nivel, otros ya habían vuelto a despegar. Algunos sectores como la gran banca, han empezado a poner remedio, instalando unidades y departamentos entre sus filas, en la encrucijada de renovarse o morir en un sector muy cuestionado últimamente. Las energéticas serán las siguientes en hacerlo porque no tendrán más remedio, acuciadas por las energías renovables y el abandono del petróleo. Otros sectores como la construcción, textil o alimentación se verán obligados. Al final sólo las nuevas pequeñas empresas tecnológicas, las start up, han interiorizado el concepto, mientas que el gran empresariado aspira a seguir viviendo de las rentas.
En este nuevo universo queremos poner nuestro granito de arena, ofreciendo soluciones simples a problemas complejos. Aportando conocimiento y proporcionando herramientas para afrontar los nuevos retos. DataLab Soluciones Matemáticas sólo intenta ser una gota en el océano de ideas de una nueva generación que está llamada a liderar la transformación de nuestra sociedad. Porque lo importante no es lo que sabemos, sino lo que somos capaces de aprender.