Els matemàtics estan de moda, tant és així que moltes empreses estan demanant els seus serveis sense que hi hagi una oferta de professionals suficient per cobrir les seves necessitats mentre comparteixen l’honor amb el grau de Física en exigir la nota de tall més alta a Espanya. Així ho demostra, per exemple, l’informe sobre ‘Impacte socioeconòmic de la investigació i la tecnologia matemàtiques a Espanya’. No en va, els seus càlculs estan darrere de tecnologies que estan impactant en el món dels negocis com la Blockchain, la Mineria de dades, la Robòtica, la Big Data o la Intel·ligència Artificial. Però les seves utilitats van fins i tot més enllà.
Com asseguren des del Congrés Internacional de Matemàtica Industrial i Aplicada (ICIAM), les matemàtiques estan darrere de moltes de les grans innovacions del demà en camps com el transport intel·ligent, l’eficiència energètica o nous principis actius de medicaments, o, des d’un punt de vista més social, descobrint la manera de frenar l’avançament de les malalties neurodegeneratives o l’aparició d’una nova catàstrofe natural, com, per exemple, un terratrèmol. Fins i tot entitats com Inverence van pronosticar “diverses setmanes per endavant a través d’un model matemàtic que la xifra de morts oficials per coronavirus a Espanya estaria al voltant dels 22.000 a finals d’abril”, xifra que no s’allunya de les 24.543 defuncions que van tancar finalment el mes.
No obstant això, tal com assenyala Maria Jesús Esteban, presidenta d’aquest Congrés, el problema és que encara moltes empreses i sectors a Espanya, principalment industrials, no acaben d’apostar per aquest tipus de professionals tot el que ho haurien de fer, cosa que provoca la temuda fuga de talents cap a altres països on se’ls valora més. Fet en què estan treballant entitats com ESGI (European Study Group with Industry), sorgida a la Universitat d’Oxford (Regne Unit) per establir relacions de treball entre matemàtics i empreses, i donar a conèixer la importància d’aquesta disciplina a la indústria.
La utilitat de la Mineria de dades
L’eclosió d’Internet a escala global com a eina de comunicació i d’interacció a començaments del segle XXI va generar un gran problema: el volum de dades va començar a ser tan abismal que era imprescindible trobar una manera d’analitzar a gran escala tota aquella informació i intentar transformar-la en coneixement útil en la presa de decisions. En un món on el canvi continu és necessari perquè qualsevol empresa s’adapti i estigui en millors condicions de sobreviure, l’aparició de l’expert en Mineria de dades (o, com es coneix de manera més mundana, miner de dades) va suposar la resposta a les necessitats de moltes organitzacions.
Aquest professional és capaç d’extraure la informació de valor real per a una entitat entre tot el volum de dades que genera (o a les quals té abast), de manera que li serveixi per detectar noves oportunitats de negoci i conèixer millor els seus clients per oferir-los un millor servei. Per aconseguir-ho, utilitza diversos productes de software i tecnologia, junt amb grans bases de dades per trobar patrons repetitius a través de logaritmes o estadístiques.
Pot interessar-te: De la Big Data a l’Smart Data, què necessita realment la meva empresa?
Encara que sigui freqüent l’equívoc, convé assenyalar que no és el mateix la Mineria de dades que la Big Data, ja que mentre la primera identifica patrons o tendències dins d’un volum molt gran de dades, la segona el que tracta és de localitzar una informació concreta i activa que estigui disponible per a tota l’organització. És a dir, que de fet, per extreure valor de la Big Data es necessita la Mineria de dades, atès que aquesta última acaba “d’esprémer” la utilitat que amaguen els ingents volums de dades.
La Mineria de dades aplicada a l’empresa
És bastant comú que cada àrea d’una empresa compti amb almenys un software que gestioni tota la informació que es generi i que serveixi per ordenar els processos administratius, com l’ERP (Enterprise Resource Planning, o Sistema de Planificació de Recursos Empresarials), el CRM (Customer Relationship Management, o Gestió de les relacions amb clients) o l’SGA (Sistema de Gestió de Magatzem).
Aquestes dades, que fa només uns anys es rebutjaven perquè no tenien una gran aplicació pràctica, avui suposen un mannà per als ‘miners’, ja que, amb el suport d’eines externes com bases de dades, creen models de Mineria de dades que tenen moltes i molt diverses utilitats si se sap què fer-ne:
- Per exemple, des del punt de vista del màrqueting permet conèixer millor els clients, planificar amb més detall les accions a realitzar sobre ells i personalitzar l’oferta de serveis. En definitiva: desplegar una estratègia B2C amb més èxit i, possiblement, amb una millor ràtio cost/benefici.
- En postvenda, facilita conèixer els criteris de fuga dels usuaris així com els serveis de valor afegit que més valoren. D’aquesta manera, es pot aconseguir augmentar la taxa de fidelitat, evitant fer costosos estudis de mercat.
- Pensant en els Recursos Humans, la Mineria de dades pot ajudar a entendre millor els nostres treballadors, i, amb això, poder realitzar una gestió més eficient sobre ells, obtenint informació de rellevància sobre llocs de treball, eficiència de tasques o nivells d’identificació amb la marca i de felicitat en l’entorn laboral.
- En fabricació, contribueix a optimitzar els processos productius i logístics, identificant quines possibles baules en la cadena estan caient en productivitat o s’estan quedant obsolets. Fins i tot, a través de la lectura de les dades que generen les màquines es pot predir quan s’espatllaran, facilitant-ne la planificació.
L’auge de la matemàtica predictiva
Conèixer quan serà la propera crisi, en quin moment hi haurà un canvi en les preferències dels consumidors o quina de les startups que estan sorgint en el nostre sector es convertirà en un gran competidor en el futur. De tot això i més se n’ocupen les matemàtiques a través dels models predictius, que, com assegura un informe de MicroStrategy, són en essència un tipus d’anàlisi que agrupa diverses tècniques estadístiques de modelització, aprenentatge automàtic i mineria de dades per avaluar la informació actual i històrica i realitzar estimacions futures sobre esdeveniments encara no coneguts.
Una tasca gens senzilla atès l’elevat nombre de variables externes que impacten sobre qualsevol segment d’activitat i que no és possible anticipar ni controlar. Per això, l’element clau, d’acord amb aquesta anàlisi de CIO, perquè la matemàtica predictiva tingui èxit és delimitar al màxim allò que es vol mesurar, per què i amb quina finalitat. I, per aconseguir-ho, resulta fonamental no només treballar amb la informació més ajustada i precisa possible sinó conèixer bé la font i els entorns en els que es mou.
És a dir, que la matemàtica predictiva pot resultar summament eficaç per identificar tendències i pronosticar esdeveniments, sempre que s’hi hagin inclòs paràmetres previs suficients, però, també, pot ser molt útil per detectar anomalies, o, cosa que és el mateix, trobar una singularitat al llarg d’un mesurament de dades que, per una empresa, en el cas de conèixer-la amb antelació, pot aportar un important avantatge competitiu molt destacable en un entorn cada vegada amb més incertesa i volàtil.
