Por Julio Figueroa, director ejecutivo de Semantic Robot.
Lo que apasiona de la minería de datos, no es su capacidad de entregar respuestas a preguntas preconcebidas que tomaría años a los humanos responder, sino la capacidad de entregar preguntas que difícilmente hubieran sido formuladas por un humano.
El aplicar técnicas de minería de datos sobre grandes volúmenes de datos habilita a las personas a combinar grandes cantidades de atributos en un periodo de tiempo aceptable buscando correlaciones y por lo tanto, estableciendo hipótesis que un humano naturalmente las evitaría producto de sus sesgos culturales.
Por el contrario, la tecnología permite combinar un gran número de atributos en tiempos razonables y, más aún, se puede afirmar que los sistemas tecnológicos no poseen sesgos culturales al momento de buscar correlaciones, por lo tanto, pueden descubrir conocimiento escondido.
Todo lo anterior hace alusión exclusivamente a datos estructurados, tales como, transacciones, bases de datos médicas, entre otros. Sin embargo, ¿qué pasa con los datos no estructurados, como emails, artículos de diario o redes sociales, entre otros?
Los sistemas de minería de texto, o también conocidos como procesadores de lenguaje natural, son capaces de ENTENDER texto y, por lo tanto, describir lo que LEEN en términos descriptivos y cualitativos.
En otras palabras, son capaces de automatizar lo que nosotros, los humanos, hacemos cada vez que leemos un texto: asignamos un tema al texto leído y establecemos una emoción al autor de esto.
El automatizar este proceso abre la puerta para analizar grandes volúmenes de texto en solo instantes. Por ejemplo, se puede realizar análisis de sentimientos sobre lo que la gente comenta en redes sociales, es decir, es posible conocer en tiempo real qué es lo que se dice y con qué emocionalidad se dice sobre una organización y sus competidores en tiempo real. Más aun, se puede conocer, por ejemplo, en tiempo real cómo un call center está respondiendo a sus clientes.
Desafíos para los Bancos
¿Qué puede un banco esperar de la aplicación de minería de datos/texto sobre sus datos? Las aplicaciones en el campo bancario son incontables. Por ejemplo, en lo relativo a cajeros automáticos, se puede pronosticar el cash out de estos.
En áreas de marketing se puede segmentar clientes basándose en múltiples variables y no solo en métricas estándares como saldo o ingreso promedio. Se puede detectar de manera eficiente y libre del sesgo de analistas humanos, cuándo un cliente va a comprar un producto o piensa irse del banco.
En conclusión, la minería de datos/texto es la llave para descubrir el conocimiento escondido en las grandes bases de datos que generalmente no son eficientemente explotadas y, de esta forma, descubrir oportunidades de negocio.
