Lucha contra el Coronavirus con Big Data

Lucha contra el Coronavirus con Big Data

Resumen ejecutivo

En estos momentos, durante la pandemia mundial, la terrible elección parece ser entre salvar vidas o salvar medios de subsistencia. Los autores —uno robot e investigador de IA, otro investigador y médico de salud pública— creen que es imperativo crear una inversión masiva en datos, análisis y potencia informática para combatir el virus.

Su petición de un plan comienza con el despliegue rápido de la infraestructura de pruebas y suministros para los trabajadores de primera línea. Esto le da tiempo para empezar a poner en marcha soluciones tecnológicas. Estas soluciones tecnológicas incluyen análisis de contacto inteligentes y respetuosos con la privacidad a través de datos en pacientes positivos. El análisis de estos datos ayuda a determinar los puntos calientes y, lo que es más importante, los puntos interesantes donde el análisis de riesgos sugiere que las personas pueden empezar a reunirse de nuevo.

Este análisis de riesgos puede funcionar de la misma manera que lo hacen las advertencias de tormentas. Sin embargo, iniciar y detener la actividad empresarial y social sobre la base de las previsiones será un nuevo reto que hay que abordar. Los análisis que normalmente se aplican a la previsión de demanda, costos y otros factores se pueden redistribuir para ayudar a mitigar este desafío. El análisis y el poder computacional también se pueden aplicar para ayudar a los recursos humanos a sopesar con mayor eficacia los riesgos de la colaboración física.

Los nuevos datos también pueden cambiar algunas expectativas sobre la necesidad de trabajo inmediato. En algunos casos, el trabajo remoto puede ser posible y deseable. En la fabricación, la colaboración de robots colaborativos inteligentes y humanos también podría mitigar el riesgo. El enorme esfuerzo por utilizar la computación para combatir el virus presenta la oportunidad de rediseñar fundamentalmente la forma en que se prestan los servicios esenciales y preservar las funciones de la sociedad en las crisis. Es hora de implementar esos recursos informáticos.

Cómo ha cambiado el análisis en los últimos 10 años (y cómo ha permanecido igual)

Cómo ha cambiado el análisis en los últimos 10 años (y cómo ha permanecido igual)

Resumen ejecutivo

Hace diez años, Jeanne Harris y yo publicásel libro Competir en Analytics, y acabamos de actualizarlo para su publicación en septiembre. La revisión de nuestro libro ofreció la oportunidad de hacer un balance de diez años de cambios en el análisis. Estos incluyen avances en hardware, esfuerzos para incorporar datos no estructurados, una mayor dependencia del software de código abierto y un mayor uso de análisis autónomos o inteligencia artificial. El cambio en las tecnologías de análisis ha sido rápido y amplio. No cabe duda de que la gama actual de tecnologías analíticas es más potente y menos costosa que la generación anterior. En resumen, todos los barcos analíticos han subido.

8 maneras en que el aprendizaje automático mejora los procesos de trabajo de las empresas

8 maneras en que el aprendizaje automático mejora los procesos de trabajo de las empresas

Resumen ejecutivo

Las organizaciones líderes de hoy ya están utilizando herramientas basadas en aprendizaje automático para automatizar los procesos de toma de decisiones, y están empezando a experimentar con usos más avanzados de IA para la transformación digital. El aprendizaje automático permite a las empresas expandir su crecimiento de primera línea y optimizar los procesos, al tiempo que mejora la participación de los empleados y aumenta la satisfacción del cliente. Las empresas están utilizando la IA para personalizar el servicio al cliente, para mejorar la lealtad y retención de los clientes, para contratar a las personas adecuadas, para automatizar las finanzas, para medir la exposición a la marca, para detectar fraudes y para optimizar las cadenas de suministro, entre muchas otras aplicaciones. Ya no se trata de si los gerentes deben investigar la adopción de IA, sino de qué tan rápido pueden hacerlo. Al mismo tiempo, las organizaciones también deben ser reflexivas sobre cómo aplican la IA a sus organizaciones, con una comprensión completa de las ventajas y desventajas inherentes a la tecnología.