• Author / Uploaded
• carlos diaz huiza

Citation preview

8/10/2018

Machine Learning Trabajo de Investigación

UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS - UPC

Introducción...............................................................................................................................3 YBeneficios.................................................................................................................................3 YPropuesta de Aplicación Real..............................................................................................4 YInformación Importante.........................................................................................................6 YReferencias bibliograficas....................................................................................................6

Introducción

Machine Learning es una disciplina científica del ámbito de la Inteligencia Artificial que crea sistemas que aprenden automáticamente. Aprender en este contexto quiere decir identificar patrones complejos en millones de datos. La máquina que realmente aprende es un algoritmo que revisa los datos y es capaz de predecir comportamientos futuros. Automáticamente, también en este contexto, implica que estos sistemas se mejoran de forma autónoma con el tiempo, sin intervención humana. Veamos cómo funciona

Beneficios La aplicación de los sistemas de aprendizaje automático son uno de los grandes pilares y retos del futuro más inmediato. Ya existen aplicaciones y procesos que se están aplicando y desarrollando y uno de los puntos de interés está centrado en el mundo empresarial ¿Cuáles son las ventajas del Machine Learning para las empresas? Toma nota:

1. Mayor conocimiento de las necesidades, gustos y hábitos de compra de los clientes. El Machine Learning ya es indispensable para dar un paso más allá en la mejora de la experiencia del cliente (Customer experience) y en la fidelización del consumidor digital. 2. Mejora de la relación y de la comunicación con el cliente. Los sistemas de Inteligencia Artificial como los chatbots promueven una atención 24 horas los siete días de la semana. Los datos que obtienen son indispensables para la mejora del servicio de atención, así como para conocer mejor al cliente. 3. Predicción de tendencias y necesidades a partir de la interpretación de millones de datos. Ya son muchas las empresas que optimizan sus ciclos de producción a partir de la información que es analizada e interpretada a través de los sistemas de Machine Learning. 4. Impulso y desarrollo de nuevos productos y servicios en función de todos estos datos. El Machine Learning favorece la innovación y la búsqueda de nuevas soluciones que, en la mayoría de los casos, se apoyan en la interpretación correcta de los datos que se reciben. 5. Desarrollo del ecommerce gracias al análisis del comportamiento de los clientes. Automatización y desarrollo de servicios o productos sugeridos en función de los datos interpretados que llevan a una experiencia mucho más personalizada. 6. La capacidad de predicción de los sistemas de Machine Learning será indispensable para la ciberseguridad de las empresas, así como de las amenazas informáticas que ya emplean la Inteligencia Artificial para los ciberataques ¿Quieres conocer más? Pincha este enlace. 7. Desde el punto de vista del funcionamiento interno, las ventajas del Machine Learning para la empresa supone contar con los datos adecuados para una mejor toma de decisiones, así como para la automatización de los procesos en los que hasta ahora se empleaban recursos humanos y materiales. 8. Mejora y optimización de los procesos de selección. Ya son muchas las empresas que están apostando por sistemas de Inteligencia Artificial y de Machine Learning en sus departamentos de recursos humanos ¿Quieres ampliar información? Mira este enlace. 9. Una ventaja competitiva con respecto a la competencia y a sus productos. Los datos que aporta el Machine Learning tienen en cuenta el valor de contar con la información y los usos por parte de la competencia. La obtención de datos no solo es útil desde el punto de vista del cliente, sino en el terreno de obtener un análisis más preciso y certero de los mercados. 10. Optimización de los sistemas y procesos logísticos de la empresa que, de la misma manera, afectan a la experiencia con el cliente y favorecen una mejora en la organización de los procesos productivos que, gracias al Machine Learning, cuentan con una base sólida de datos con la que justificar la toma de decisiones.

Propuesta de aplicación Real

Big Data y Machine Learning aplicado a la empresa Una empresa de telefonía quiere saber qué clientes están en “peligro” de darse de baja de sus servicios para hacer acciones comerciales que eviten que se vayan a la competencia. ¿Cómo puede hacerlo? La empresa tiene muchos datos de los clientes, muchísimos: antigüedad, planes contratados, consumo diario, llamadas mensuales al servicio de atención al cliente, últimos cambios de planes contratados… pero seguramente los usa solo para facturar y para hacer estadísticas. ¿Qué más puede hacer con esos datos? Se pueden usar para predecir cuándo un cliente se va a dar de baja y gestionar la mejor acción que lo evite. En pocas palabras, con Machine Learning se puede pasar de ser reactivos a ser proactivos. Los datos históricos del conjunto de los clientes, debidamente organizados y tratados en bloque, generan una base de datos que se puede explotar para predecir futuros comportamientos, favorecer aquellos que mejoran los objetivos de negocio y evitar aquellos que son perjudiciales. Esa cantidad ingente de datos son imposibles de analizar por una persona para sacar conclusiones y menos todavía para hacer predicciones. Los algoritmos en cambio sí pueden detectar patrones de comportamiento contando con las variables que le proporcionamos y descubrir cuáles son las que han llevado, en este caso, a darse de baja como cliente. La siguiente imagen es un ejemplo de una predicción simplificada basada en datos de una compañía de telefonía ficticia, pero usando una herramienta de Machine Learning real:

La visualización en árbol (en esta imagen está simplificado, la predicción real tiene muchos más nodos) permite ver los patrones que han seguido ciertos clientes que se han dado de baja. En este caso está resaltada una de las ramas centrales, que indican un patrón en el que el cliente: 

Tiene más de 3 llamadas al servicio de atención al cliente.



Llama menos de 171,95 minutos al día.



Las llamadas en horario nocturno son inferiores a 189,02 minutos.

Este es un análisis de los datos históricos, pero… ¿dónde está la predicción? Vamos a ello: si los clientes que tienen estas características ya se han dado de baja de la compañía, es previsible que los que todavía son clientes y tienen este mismo comportamiento estén en riesgo de irse. Según este modelo predictivo, es bastante probable que esto suceda (se dice que la predicción tiene una confianza, en este caso, de 91,97%). Si el departamento de marketing tuviera esta información, podría proponerles proactivamente un cambio de plan de tarificación o podría revisar por qué han llamado al servicio de atención al cliente para intentar mantenerlos. El árbol de predicción completo sería el siguiente. En este caso hemos resaltado una predicción falsa (es decir, no se daría de baja) con una confianza del 90,59%. A la derecha de la imagen se puede ver el patrón de comportamiento de este grupo de clientes:

Información Importante Muchas actividades actualmente ya se están aprovechando del Machine Learning. Sectores como el de las compras online – ¿no te has preguntado alguna vez cómo se decide instantáneamente los productos recomendados para cada cliente al final de un proceso de compra? –, el online advertising – dónde poner un anuncio para que tenga más visibilidad en función del usuario que visita la web – o los filtros anti-spam llevan tiempo sacando partido a estas tecnologías. El campo de aplicación práctica depende de la imaginación y de los datos que estén disponibles en la empresa. Estos son algunos ejemplos más: 

Detectar fraude en transacciones.



Predecir de fallos en equipos tecnológicos.



Prever qué empleados serán más rentables el año que viene (el sector de los Recursos Humanos está apostando seriamente por el Machine Learning).



Seleccionar clientes potenciales basándose en comportamientos en las redes sociales, interacciones en la web…

 

 

Predecir el tráfico urbano. Saber cuál es el mejor momento para publicar tuits, actualizaciones de Facebook o enviar las newsletter. Hacer prediagnósticos médicos basados en síntomas del paciente. Cambiar el comportamiento de una app móvil para adaptarse a las costumbres y necesidades de cada usuario.



Detectar intrusiones en una red de comunicaciones de datos.



Decidir cuál es la mejor hora para llamar a un cliente .

Referencias bibliográficas https://www.blog.andaluciaesdigital.es/machine-learning-empresas/#top https://cleverdata.io/que-es-machine-learning-big-data/ https://es.coursera.org/learn/machine-learning http://www.uchile.cl/noticias/143410/big-data-e-inteligencia-artificial-en-la-ensenanza-de-lasmatematicas