Predicción de afluencia de público, lo que se van a gastar de aquí a unos meses, si prefieren hacer las compras los días lluviosos o de sol…todo ello es algo que las máquinas pueden aprender de manera automática (machine learning) y devolvértelo ya analizado para que te anticipes a ellos en la toma de decisiones y en la gestión de tu negocio. Te contamos cómo funciona y a qué tipo de negocios puede interesar.

Diferencia entre inteligencia artificial y Machine Learning
Juan Tomás García, responsable de Big Data y Machine Learning en Open Sistemas aclara cuál es la diferencia entre la inteligencia artificial y machine learning. A grandes rasgos, la primera está relacionada con el deseo de conseguir que las máquinas emulen el pensamiento humano. El ejemplo que pone Tomás García para visualizarlo es la supercomputadora Deep Blue que consiguió derrocar a Kaspárov en una partida de ajedrez. El machine learning daría un paso más allá, puesto que ya no se persigue una prolongación de la inteligencia humana en la máquina sino que sea la misma máquina la que tenga capacidad de aprender de forma autónoma. Se asemeja al hombre en que cuanto más repite un proceso más hábil se vuelve hasta el extremo de ser capaz de superar a la inteligencia humana. El ejemplo en este caso es el juego del Go, programado con múltiples variables y donde ningún humano era capaz de vencer a la máquina. El machine learning es capaz de detectar patrones más allá de la mera observación y la inteligencia humana.

Para qué sirve
Aplicado a numerosos procesos industriales, nos limitaremos aquí en lo que atañe a los negocios y sus 3 facultades principales: capacidad de predicción; de clasificación y de segmentación de clientes o clusterización.

Predicción: El análisis de los datos y su histórico te permite adelantarte a los acontecimientos y reducir la incertidumbre. Sergio Sánchez, consultor de estrategia y profesor de escuelas de negocios, afirma que, dentro de la vertiente predictiva, la capacidad no se restringe a un cliente en particular sino a un colectivo determinado que van a seguir patrones de comportamiento idénticos al tuyo. En este punto, cita el ejemplo de una mujer a punto de ser madre condición que implica la adquisición de multitud de productos relacionados con este hecho desde el momento del embarazo hasta los años sucesivos.

Clasificación: Mediante el sistema de clasificación pueden determinarse categorías de todo tipo, desde clientes de calidad hasta aquellos que corres el riesgo de perder. Lo bueno es que estas clasificaciones las hace la máquina de forma automática. Un ejemplo sería cuando nos llega a nuestra cuenta de correo electrónico un correo indeseado que, inmediatamente lo detecta y lo clasifica enviándolo a la carpeta de spam. Juan Tomás García habla también de la posibilidad de identificar los buenos y los malos comentarios sobre nuestra marca que se vierten en las redes sociales.

Segmentación: En este caso el análisis se realiza por agrupación según las observaciones que se realicen sobre cada subgrupo conforme a ciertos criterios. Esto te permite emprender campañas enfocadas como, por ejemplo, a todos los millennials o viajes para personas mayores de acuerdo con sus preferencias. El sistema es capaz de reconocer los patrones y etiquetar las nuevas entradas.

Qué necesito para aplicarlo
La obtención de resultados en las 3 áreas descritas anteriormente, parte del análisis de los datos disponibles de la empresa. Cuantos más datos se recojan de los clientes mejor, pero de nada sirve la minería de datos si no se saben interpretar y obtener resultados fiables y provechosos de ellos. Así que, a la base de datos como materia prima del Machine Learning, le sigue la formulación de la pregunta de qué se quiere saber de ellos. Un ejemplo sencillo para gestionar la plantilla, sería preguntar cuáles son las horas y los días con los mayores picos.

En cuanto a las vías para la obtención de datos, también son múltiples desde sistemas de cuenteo, cámaras, datáfonos, cuestionarios… No obstante, dice Sergio Sánchez que el problema no está en la acumulación de datos sino en qué hacer con ellos, las acciones que hay que acometer conforme a lo que te dictan las analíticas y tener agilidad y liderazgo suficiente como para llevarlas a cabo.

Para el pequeño comercio
En principio, aplicar Machine Learning a un pequeño comercio no parece tener mucho sentido. “En estos casos puede ser suficiente con un Excel que genere tablas dinámicas, la observación y la mera intuición del responsable del negocio”, dice Sergio Sánchez. También Tomás García coincide en la conveniencia de analizar si tu negocio precisa de estas técnicas para avanzar y si te van a ser rentables. “Es una cuestión de ROI, de calcular el retorno de la inversión”, dice.

Sin embargo, en opinión de Sergio Sánchez, sí podría ser de gran utilidad para negocios asociados bien por barrio, bien por gremio, pequeñas poblaciones o cualquier otra afinidad. “Yo creo que el Machine Learning para el pequeño comercio pasa por la unión. Dejar de ver al vecino como competencia y crear sinergias tras la obtención de analíticas en las que todos saliesen beneficiados. Hay que tener en cuenta que la base del comercio, actualmente, ya no está tanto en lo que se factura sino en el conocimiento y la recurrencia de los clientes.El tiempo que pasas con ellos”, dice.