Las compañías están empezando a hacer grandes inversiones tecnología Big Data.

Los sectores en los que hay una mayor expansión y uso de estas soluciones son el de la salud y el judicial, así como en el campo empresarial y el área de los contact centers.

En los últimos años se han implementado diferentes soluciones apoyadas en tecnología Big Data, con el objetivo de solucionar diferentes problemas con el que se encontraban las empresas. El informe “Big Data en la era pospandemia” elaborado por Óscar Quero, profesor de OBS Business School, institución perteneciente a Planeta Formación y Universidades, red internacional de educación superior del Grupo Planeta, identificó los principales avances y novedades del Big Data.

“La explosión de soluciones particulares a problemas puntuales, como podría definirse la pandemia, arrojó como beneficio la producción de una rápida evolución tecnológica. Las posibilidades de desarrollo de Big Data se pueden considerar infinitas; las compañías están empezando a invertir en proyectos de carácter más generalista, que tengan mayor durabilidad e impacto a medio/largo plazo” señala el profesor Quero en su informe.

Estos son algunos ejemplos de desarrollos que se convirtieron en una realidad:

Chatbot – Sicólogo Existía la necesidad de realizar una gestión más ágil de la primera entrevista a partir de la información obtenida previamente y así poder asignar el mejor profesional clínico para cada caso. Para poder implementar esta solución, se trabajó con psicólogos de cara a preparar un diálogo con un enfoque cerrado y adaptativo (y ameno para los pacientes). Se utilizaron funcionalidades como la “detección de entidades”, para que el chatbot identificara respuestas vagas o con poca información y volviera a preguntar al paciente, además de una funcionalidad llamada “nodos de apoyo y comprensión”, cuyo objetivo es hacer todo el proceso más “humano” para que el paciente esté cómodo y comparta el máximo de información.

Análisis de expedientes judiciales Este proyecto apoyado en Inteligencia Artificial buscaba resolver el problema de la difícil localización de los expedientes judiciales por parte de los abogados de un conocido bufete. Para dar solución a esta necesidad se implementaron tres funcionalidades principales:

• Clasificar la documentación disponible: Para lograr implementar la herramienta de forma exitosa, el proveedor trabajó con 79.6 GB de datos no clasificados (partes, actas de declaración, diligencias, autos, etc.), pertenecientes a 6 expedientes judiciales del despacho de abogados Garrigues. Se utilizaron técnicas OCR (Optical Character Recognition) para digitalizar los documentos, poder descartar páginas no informativas e identificar los límites de los documentos para dividirlos.
• Detectar las diferentes entidades jurídicas: Se trabajó para identificar las diferentes personas y organizaciones que aparecían en la documentación.
• Poder visualizar toda la información mediante grafos: se implementó la capacidad de poder mostrar toda la información recopilada (documentos, las entidades y sus relaciones) de forma visual con sus relaciones, pudiendo tanto filtrar como navegar por dichos datos.

Detección de sobrecostes empresariales

Todas las compañías tienen puntos de mejora claros en los procesos empresariales, pero para poder implementarlos, es clave detectar en qué situaciones se generan pérdidas de tiempo y/o insatisfacción de los clientes. Gracias a una segmentación correcta de la información y al uso de técnicas estadísticas, se pueden identificar y analizar esas situaciones en base a las dimensiones existentes.

Gestión de leads en un contact center

Cualquier compañía que promociona y comercializa productos directamente a clientes está interesada en la correcta gestión de leads. Es clave para el crecimiento empresarial tener identificados a aquellos clientes que pueden contratar determinado tipo de productos, para poder focalizar los esfuerzos en aquellos que tienen una mayor probabilidad de adquisición. En el fondo, de lo que se trata es de mejorar la rentabilidad por el tiempo invertido.

Detección de anomalías en facturas

La elaboración de facturas es un proceso muy común en todas las empresas, de hecho normalmente existen grandes departamentos detrás para controlar todo lo relacionado con ellas. Esto provoca que la detección de errores en su creación esté condicionada por el factor humano. Gracias a la implementación de algoritmos de Machine Learning, el sistema se puede entrenar para detectar los problemas y errores que un ser humano puede pasar por alto, identificando patrones.

Predicción de la demanda de gas

Cualquier empresa distribuidora de un bien no infinito debe ser cuidadosa con la estimación de la demanda, y las gasistas (sobre todo en situaciones como la actual, marcada por tensiones en los mercados) no son una excepción. Gracias a la implementación de un modelo predictivo que, en base a la información generada por los propios clientes, estime el posible consumo de gas, la compañía puede beneficiarse de los siguiente:

• Planificación de la demanda.
• Gestión eficiente de los recursos internos.
• Dar un mejor Servicio al Cliente.

Las numerosas posibilidades que ofrecen las nuevas tecnologías también incidirán de forma importante en la capacitación y/o contratación de profesionales expertos que puedan llevar a cabo dichos proyectos para integrar los datos a las soluciones.