Noticias

Predicciones de FICO: aprendizaje automatizado y eficiencia de datos

De acuerdo con un comunicado, expertos de la firma pronosticaron para este 2019 que el aprendizaje automatizado no solo será crítico para mejorar la precisión de los modelos de datos, sino también para mejorar la eficiencia de los datos.

Asimismo se menciona que a medida que los datos -tanto tradicionales como nuevos- comienzan a apilarse, muchas empresas tienen dificultad para iniciar los proyectos, en un escenario donde la generación rápida de valor es un criterio importante para mantenerse competitivo. El problema, advirtieron los especialistas, es que las metas de eficiencia y las métricas de productividad no son los objetivos más motivantes para los equipos analíticos.

Trabajar en problemas empresariales interesantes y desafiantes y continuar desarrollando las habilidades técnicas propias, por ejemplo, en aprendizaje automatizado, son aspectos motivantes para un equipo de trabajo. Los ejecutivos actualmente exigen que sus equipos comiencen a desarrollar modelos de aprendizaje automatizado.

En opinión de los expertos de FICO el aprendizaje automatizado es crítico para resolver el problema práctico que enfrentan las empresas al preparar los datos para la creación de modelos. De hecho, el aprendizaje automatizado es relevante desde la transformación de los datos sin procesar hasta la validación de los modelos.

El aprendizaje automatizado ayuda a convertir los datos sin procesar en datos organizados, resumidos y enriquecidos, listos para utilizarse en una variedad de tareas analíticas, incluyendo el desarrollo de modelos. Al comparar millones y millones de piezas de historial transaccional, de manera automatizada al generar miles de características y luego hacer emerger sólo las 200 características más importantes para que un analista las observe con más detalle, ahorra semanas o meses de tiempo, aseguró FICO.

Otros tipos de herramientas de “machine learning” hacen lo que no pueden hacer los humanos. Esto incluye encontrar interacciones complejas entre diferentes variedades de datos. Un ejemplo es una herramienta de análisis de redes, que detecta las relaciones entre entidades con características comunes (tales como misma dirección, conocidos mutuos o transacciones de comercio electrónico). Pero las interacciones son difíciles de entender, por lo que las herramientas de visualización son importantes para presentar estas interrelaciones a los analistas/expertos humanos. Estas técnicas de aprendizaje automátizado se aplican para mecanizar y descubrir lo que está oculto en los datos.

Trabajar con los volúmenes y variedades de big data toma mucho tiempo a los analistas. Adoptar el Machine Learning para mejorar no sólo la precisión de los modelos sino también aumentar la eficiencia, es crítico para amplificar al equipo analítico y mantenerse competitivo, concluyó FICO.

[email protected]

También te puede interesar:

Compañías mexicanas confían demasiado en su protección contra ataques cibernéticos e infracciones de datos: FICO
SAS certifica científicos de datos en nuestro país
Analítica avanzada e IA hacen más rentable el comercio minorista
Traza la tecnología el camino hacia las carreras del futuro
 

Publicaciones relacionadas

Mira también
Cerrar
Botón volver arriba
Share via
Copy link
Powered by Social Snap