Marcos Carrascosa, Customer Advisory Director en SAS Iberia

Marcos Carrascosa, Customer Advisory Director en SAS Iberia

Tecnológicas ESPECIAL

Marcos Carrascosa (SAS): "Las empresas necesitan integrar y analizar todos sus datos de forma ágil y flexible"

El directivo de SAS anticipa el potencial por explotar en la analítica de datos, máxime con la irrupción de la inteligencia artificial y los modelos 'cloud'.

17 marzo, 2021 01:18

Noticias relacionadas

Se habla mucho del dato como epicentro de la empresa moderna. Hemos acuñado, a lo largo de los últimos años, metáforas que equiparaban al dato como el "nuevo petróleo" o el "oro de la era digital". Pero la información no es un fin en sí mismo, sino el ingrediente básico para los procesos empresariales de estos tiempos.

Entramos con ello en el siguiente nivel, aquel en el que hemos de hacer algo con esos datos. Palabras como la analítica avanzada o la inteligencia artificial hacen su particular irrupción en escena. Son las armas con las que poder extraer valor de la información y obtener los ansiados beneficios de eficiencia, mejores experiencias para los usuarios o la búsqueda de nuevas oportunidades de negocio.

Sobre todo ello, retos y potencialidades, hablamos con Marcos Carrascosa, Customer Advisory Director en SAS Iberia:

Estamos inmersos en la que quizás sea la mayor revolución para las empresas de toda la historia, con las tecnologías digitales como habilitadoras y el dato como nuevo epicentro. ¿Cuál es el punto de partida en estas lides?

El tejido empresarial lleva años trazando su camino hacia la transformación digital. Pero no de forma equitativa, hay sectores mucho más avanzados que otros y en general nos queda aún mucho camino por recorrer.

La pandemia, como todos sabemos, ha forzado a las empresas a una aceleración digital por una cuestión casi de supervivencia, pero lo cierto es que ya no hay vuelta atrás en este proceso. Y el dominio de los datos será la manera de afrontar cualquier reto tanto en el ámbito empresarial como en el público de ahora en adelante.

¿Qué significa exactamente ese "dominio de los datos"?

Me refiero a que el dato se ha convertido en el nuevo epicentro de todas las decisiones, pero para que la transformación digital sea una realidad en las organizaciones hay que tener en cuenta tres pilares fundamentales: cultura del dato, calidad y gobierno, y operacionalización de la analítica.   

Para que la cultura de dato cale en una organización es necesario que ésta ponga el foco adecuado en aprovechar los datos para la toma de decisiones y que esto sea transversal a todas las áreas departamentales. No se trata solo de captar y almacenar datos, se trata de ponerlos al servicio de la optimización de los procesos internos, de la eficiencia en la estrategia de posicionamiento en el mercado y de los resultados de negocio. Para ello, es necesario establecer una comunicación fluida entre los múltiples sistemas de información y fomentar la colaboración entre todos los equipos.

La calidad y el gobierno de los datos es otro punto clave para poder implementar una cultura del dato sólida.  Para que los decisores puedan confiar en los datos es necesario asegurar su calidad. ¿estamos cumpliendo con la regulación? ¿Protegiendo los datos de nuestros clientes? ¿Estamos usando fuentes de datos que reflejan la realidad de nuestro negocio? Una respuesta afirmativa a todas estas cuestiones aporta la confianza que los equipos necesitan, sabiendo que están basando su informe de resultados o sus cambios estratégicos en información fidedigna y reconocida por su organización.

En cuanto al gobierno del dato, las organizaciones deben procurar que haya un lenguaje de datos común y que todos los equipos puedan tener acceso a ellos, entenderlos, saber utilizarlos, conocer su origen o el de los indicadores de negocio. Asegurar el cumplimiento regulatorio es otra de las prioridades del gobierno del dato como área responsable de salvaguardar su calidad y la de los modelos analíticos.   

Para que la transformación digital sea una realidad hay que tener en cuenta la cultura del dato, su calidad y gobierno

La operacionalización de la analítica de datos es la última milla para cualquier organización data-driven. Se trata de industrializar los modelos analíticos y de disponer de un gobierno centralizado que permita desplegarlos, monitorizarlos, documentarlos, versionarlos y optimizarlos para automatizar la toma de decisiones mediante modelos analíticos basados en machine learning, capaces de aprender e ir progresivamente optimizando y mejorando los resultados conseguidos.  

Este es el talón de Aquiles de las grandes empresas que cuentan con equipos de científicos de datos desarrollando modelos en distintos lenguajes de programación. Algunas estadísticas apuntan a que el 90% de los modelos tardan en desarrollarse entre tres y cuatro meses y que el 50% de ellos nunca se ponen en producción. Y es aquí donde desde SAS podemos ayudar y mucho. Nuestra plataforma permite el gobierno de modelos, facilita la puesta en producción e integra los principales lenguajes de programación.

Como decimos, la analítica de datos es una herramienta fundamental para que las empresas puedan adelantarse a los cambios en sus mercados, optimizar sus procesos o detectar ineficiencias en su cadena de valor. ¿Cuáles son los principales campos de aplicación de esta tecnología?

Por ponerte algunos ejemplos, en el sector retail la analítica es clave para hacer una buena planificación de la demanda, especialmente en momentos críticos como el que estamos viviendo donde los hábitos de consumo de las personas cambian repentinamente. La optimización del surtido en tienda o la reducción de los costes logísticos son otros ejemplos actuales en este sector.  

En el sector manufacturing, o el energético, el uso de la analítica avanzada mejora la calidad en los procesos de fabricación, minimizando los defectos y reduciendo los costes operativos. Asimismo, la detección de anomalías o el mantenimiento predictivo favorecen la continuidad de las operaciones.    

En el ámbito de prevención de fraude o de garantizar cumplimiento regulatorio, que impactan tanto en la cuenta de resultados como en la reputación de las compañías, la analítica de datos avanzada permite detectar patrones de comportamiento nuevos que de otra forma serían obviados.

La analítica de datos puede ayudar a prevenir el fraude en banca, seguros e incluso la Administración Pública

Así en las entidades bancarias pueden identificar anticipadamente solicitudes de nuevos productos de alto riesgo y ajustar las condiciones y los controles asociados a estas solicitudes de forma adecuada. En las entidades aseguradoras podemos identificar siniestros potencialmente fraudulentos que pueden estar siendo obviados por los controles existentes, y parar los pagos antes de que se produzcan. También en las Administraciones Públicas podemos identificar solicitudes irregulares de las ayudas o mejorar la eficiencia de los sistemas de tributación.

Estos son algunos ejemplos, pero podríamos hablar de salud, de turismo, de agricultura, de educación… las posibilidades son infinitas. En todos los sectores existen áreas donde podemos optimizar, predecir, preservar y mejorar.  

SAS es pionera en este terreno, desde 1966 para ser más exactos. ¿Cuál es la evolución que ha vivido la propia tecnología de la analítica de datos en estas décadas?

El auge de la computación, que ha ido abaratando progresivamente los costes del hardware al mismo tiempo que ha aumentado su potencia, y la conectividad, han sido los grandes impulsores del dato como un valor para las organizaciones. El desarrollo y evolución de los sistemas big data y el cloud computing han permitido a las empresas manejar grandes volúmenes de datos y beneficiarse de información de fuentes externas que les ofrecen más información sobre sus clientes, su performance en el mercado, o sobre factores externos que pudieran impactar su negocio. Y estos avances tecnológicos han impulsado notablemente la analítica avanzada de los datos.

La analítica de datos automatizada nace de la curiosidad de dos alumnos en Carolina del Norte que, buscando una manera mejor de analizar los datos de cosechas agrícolas, crearon la plataforma de SAS: un poderoso motor de machine learning, capaz de analizar los datos y aprender de ellos. Desde entonces la tecnología analítica ha evolucionado para aportar analítica descriptiva, de diagnóstico, predictiva y prescriptiva. Con la aplicación de inteligencia artificial adentramos en la analítica cognitiva que permite a los sistemas entender el lenguaje y razonamiento humanos, capaces de aprender de ellos y escalar ese conocimiento.

La tecnología analítica ha evolucionado hasta llegar a ser predictiva y prescriptiva

SAS, además de liderar esta evolución de la analítica avanzada, ha transformado su plataforma ampliando su ámbito al desarrollo de soluciones analíticas específicas a los diferentes sectores y áreas de negocio, para mejorar su usabilidad y democratizar el uso de la analítica dentro de las organizaciones.

Otra de las grandes tendencias que el cloud computing ha fomentado es el concepto de Anything as Service (XaaS, en su sigla en inglés) o todo proporcionado como servicio, es decir, productos y procesos ofrecidos como servicios, redundando en muchos beneficios para las empresas como son la reducción en costes, mayor agilidad, flexibilidad o el foco en la innovación.  

Una de las últimas tendencias es la migración de muchas de las cargas analíticas a la nube. ¿Por qué? ¿Qué beneficios aporta a las empresas? ¿Cuál es su estado actual de democratización entre vuestros clientes?

Aprovechar todo el espectro de datos de una organización y ser capaces de extraer todo su potencial requiere de infraestructuras de almacenamiento potentes que suelen ser costosas y necesitan gran cantidad de recursos para su implementación y mantenimiento. En este contexto, la principal ventaja que nos ofrece el cloud computing es la posibilidad de escalar de manera ágil y eficaz, trasladando la estructura a un entorno virtual y reduciendo la inversión en hardware.

Otro de los principales beneficios es la reducción del llamado time-to-market, la nube nos da la elasticidad que necesitamos para entregar servicios más rápidamente, generar eficiencias de IT y contar con modelos de pago basados en la suscripción. Esto permite utilizar soluciones on demand, según necesidades, para innovar en procesos o testar nuevos productos, implementar rápidamente nuevas tecnologías, y ser capaces de girar las operaciones para dar apoyo al negocio, con mayor agilidad.

El mercado 'cloud' crecerá en el orden del 23,2%, duplicando el gasto en este tipo de soluciones para 2024

En cuanto al estado actual de nuestros clientes lo que estamos observando es un giro claro hacia la nube. En los informes de IDC se dan cifras de crecimiento importantes en el mercado cloud, en el orden del 23,2%, y se prevé que el gasto en este tipo de soluciones se duplicará en 2024. Los nuevos clientes de SAS ya compran en Cloud y buscan esta flexibilidad para sus negocios. En la base instalada, lo que estamos haciendo fundamentalmente es ayudar a nuestros clientes en la migración hacia la nube.

¿Podrías contar a los lectores algunos ejemplos de cómo la analítica de datos en la nube está suponiendo una disrupción para el futuro de las empresas? 

Por supuesto. Un área donde creemos que habrá un fuerte impulso en los próximos años y dónde la analítica de datos en la nube puede aportar gran valor es la inteligencia del cliente.

Las marcas se están dando cuenta de la necesidad de un sistema de marketing que pueda interactuar con todos los puntos de contacto independientemente de la tecnología subyacente, ya sea que los datos del cliente se encuentren en sus sistemas locales o en la nube.

Por ello, las soluciones de marketing habilitadas para la nube están ganando protagonismo. Se puede acceder a ellas desde cualquier lugar, se integran con todos los puntos de contacto y tienen escalabilidad y confiabilidad para respaldar el entorno operativo de una empresa las 24 horas del día, los 7 días de la semana. Te pongo un ejemplo, si tus sistemas están dimensionados para un determinado volumen y decides aumentar tus capacidades por un incremento en la demanda, esto en la nube se hace de forma casi inmediata y puedes escalar tu nivel de servicio rápidamente sin que eso afecte al resto de tus sistemas.

Marcos Carrascosa, Customer Advisory Director en SAS Iberia

Marcos Carrascosa, Customer Advisory Director en SAS Iberia

Por otra parte, la toma de decisiones en tiempo real, la capacidad de proporcionar comunicaciones sensibles al contexto, en el momento exacto en que surgen las necesidades, es clave a la hora de cumplir con las expectativas de los clientes y ofrecerles experiencias personalizadas. Esto, en el caso de la pandemia, ha sido crítico.

Para que los profesionales de marketing tengan éxito con la toma de decisiones en tiempo real, deben contar con tecnologías que se nutran de muchos tipos de datos y un motor de decisiones en tiempo real, potencialmente asistido por inteligencia artificial o machine learning, capaz de proponer la mejor oferta para cada cliente en el momento adecuado. La capacidad de coordinar todos los canales para crear contextos más ricos para la personalización y la orquestación de las actividades que conforman la experiencia del cliente es una de las grandes ventajas de la analítica en la nube.

No podemos obviar la confluencia entre inteligencia artificial y analítica de datos. ¿Cómo estáis aprovechando el potencial de la IA para sacar más valor de la información?

Nosotros creemos que la analítica avanzada apoyada en tecnologías de inteligencia artificial es clave para mejorar nuestra sociedad en muchos aspectos.

Por ejemplo, la salud es un área donde la inteligencia artificial puede aportar un grandísimo valor. Uno de los grandes desafíos a los que nos enfrentamos en el futuro cercano es el envejecimiento poblacional y la elevada presión que esto supondrá en el sistema sanitario. La inteligencia artificial nos ayudará a detectar patrones en la gran cantidad de datos de pacientes para poder definir, con mayor precisión, grupos de riesgo de determinadas enfermedades y establecer protocolos de prevención más eficientes. Cuanto más nos enfoquemos en la prevención, más sostenible será nuestro sistema sanitario y mejor será la salud poblacional.

Tecnologías como computer vision están revolucionando la imagen médica. La IA ve lesiones que el ojo humano no ve. Es capaz de ver cómo un tumor está respondiendo a la quimioterapia con una precisión que nuestros ojos no alcanzan. Detectar el cáncer en estados muy poco avanzados incrementa muchísimo la supervivencia y el éxito de las terapias de curación. Asimismo, cuanto antes seamos capaces de ver que la terapia aplicada no ha surtido el efecto deseado, antes reorientamos el tratamiento y buscamos alternativas que puedan ser más efectivas.

Aplicamos analítica de datos e IA para clasificar el riesgo de reincidencia en violencia de género

Otra aplicación que me gustaría mencionar es un proyecto que estamos llevando a cabo con la Unidad de Violencia de Género de la Secretaría de Estado del Ministerio de Interior, donde aplicamos analítica de datos e inteligencia artificial para mejorar la clasificación del riesgo de reincidencia de agresiones. La unidad procesa alrededor de 50.000 denuncias de violencia de genero al año.

Hablamos de información en texto que luego se combina con hasta 50 indicadores adicionales (grado de vulnerabilidad de la víctima; condiciones socioeconómicas del núcleo familiar; adiciones de agresor; etc.) para establecer el grado de riesgo de la víctima. Este proceso, que antes se hacía por los medios tradicionales, consumía una cantidad importante de recursos de las fuerzas de seguridad. Hoy en día, la gestión de esta información se ha automatizado, el mapa del grado de riesgo de todos los casos activos se hace en menos de una hora y los cuerpos de policía pueden dedicar más recursos a la labor de protección de las víctimas.

Hemos hablado de la transformación de la tecnología y de vuestros clientes pero, ¿qué hay de vosotros? SAS también está inmersa en su propia revolución para encarar todos estos retos del siglo XXI…

SAS está continuamente en transformación. Nuestra curiosidad y la de nuestros clientes nos impulsan hacia la mejora continua porque, juntos, descubrimos cada día respuestas nuevas para preguntas urgentes. También invertimos un 26% de nuestro beneficio en I+D y, por ello, nuestra plataforma analítica está viva y en constante evolución.

SAS en sus orígenes nació como una herramienta de análisis estadístico. La necesidad de extender la aplicación de la analítica a otras áreas del negocio y sectores nos ha llevado a desarrollar SAS Viya, una plataforma analítica abierta, potente, flexible y user-friendly.

Hemos mejorado la integración de nuestro software con distintos lenguajes de programación

Aquí iniciábamos nuestro camino hacia la democratización de la analítica de datos. Nos hemos especializado en soluciones específicas de industria y en iniciativas clave como inteligencia del cliente, fraude y riesgo, inteligencia artificial, IoT, entre otras. Hemos mejorado la integración de nuestro software con distintos lenguajes de programación y logrado la interoperabilidad con todos los sistemas de información.

Posteriormente evolucionamos nuestra plataforma SAS Viya para aprovechar al máximo los beneficios de las arquitecturas en la nube. Así nació la versión cloud-native de SAS Viya, la que nos llevará a flexibilizar el uso de nuestras soluciones avanzadas y nos permitirá hacer de la analítica una realidad para todos y en cualquier lugar.

Cobra especial relevancia la estrategia que habéis puesto en marcha para abrazar la innovación abierta, apoyo a las soluciones open source, integración con terceros y tejiendo una importante red de alianzas con otros fabricantes del sector. Cuénteme más sobre ello…

Una de las grandes dificultades con las que se enfrentan las organizaciones es precisamente la dificultad de consolidar la información proveniente de sus procesos departamentales, ya sean manuales o automáticos. Asimismo, la integración de distintas soluciones de software empresarial para poder ofrecer una visión “área” de todos los datos de la organización. Aquí la naturaleza abierta de nuestra plataforma SAS Viya es de gran ayuda ya que permite integrar todas estas fuentes y democratizar los datos y la analítica de manera que todos puedan tener acceso y tomar decisiones de manera más ágil y fiable. Lo hace además con herramientas muy visuales y de fácil interpretación para cualquier usuario, independientemente de su nivel de conocimiento técnico.

Ligada esta necesidad de integración de sistemas y datos, está la capacidad de incorporar modelos analíticos desarrollados en distintos lenguajes de programación.

Los lenguajes de programación de código abierto llegaron para quedarse como parte de los ecosistemas analíticos de las empresas. Hoy en día muchos científicos de datos aprenden a programar en código abierto y esto, hasta cierto punto, es ventajoso para las empresas. Sin embargo, también implica una complejidad adicional al administrar, implementar y gobernar todos los diferentes componentes de código abierto.

La combinación de código abierto con software propietario puede ofrecer lo mejor de ambos mundos

Desde SAS proporcionamos la capa que faltaba entre los modelos desarrollados en múltiples lenguajes y los sistemas en los que se despliegan, eliminando la necesidad de recodificación, que consume mucho tiempo a la hora de implementar modelos. Se acortan los tiempos de puesta en producción y de obtención de los resultados para los que los hemos programado. Si, por ejemplo, tenemos un modelo de recomendación para hacer venta cruzada de productos, cuanto antes lo tengamos implementado, antes vemos el impacto en el negocio y rentabilizamos nuestra inversión.

El enfoque híbrido de combinar código abierto con software propietario puede ofrecer lo mejor de ambos mundos, porque el software propietario puede abordar los desafíos de llevar un proyecto a producción y escalarlo para toda la empresa.

Además, nuestras recientes alianzas con Boemska para impulsar la portabilidad de SAS Viya y los modelos de código abierto para aplicaciones móviles y empresariales; y el acuerdo con Microsoft que despliega todo el potencial de SAS en Azure, traen nuevas oportunidades para que las empresas aceleren su camino hacia las decisiones data-driven. La transformación digital y la innovación es algo que debe formar parte de la hoja de ruta de las empresas e instituciones y nuestra tecnología facilita sobremanera este proceso de evolución.

Aprovecho para preguntarte por el reciente compromiso anunciado con Microsoft Azure para su integración estrecha con SAS Viya, vuestra última versión. ¿Qué supondrá esta alianza en la práctica?

Las empresas de todo el mundo se están trasladando a la nube para innovar y avanzar más rápido hacia sus objetivos de negocio. En este sentido y de cara a ayudar a las organizaciones a acelerar su transformación digital en la nube, estamos trabajando con Microsoft para garantizar que los productos y soluciones de SAS se implementan y ejecutan con éxito en Azure.

Por un lado, los productos de analítica y soluciones de SAS estarán disponibles en Microsoft Azure como proveedor de cloud preferente para SAS; y por otro, Microsoft podrá aportar valor añadido a sus clientes en sectores como la salud, los servicios financieros, retail y muchos otros, beneficiándose del expertise de SAS en el desarrollo soluciones con enfoque sectorial. Por ejemplo, Microsoft y SAS ya están ofreciendo una solución que ayuda a capitalizar a gran escala la gran cantidad de datos generados por el IoT combinando la plataforma Azure IoT de Microsoft con las capacidades analíticas y de inteligencia artificial de IoT edge-to-cloud de SAS. Actualmente, la ciudad de Cary, en Carolina del Norte, en Estados Unidos, ya está usando esta solución conjunta de IoT para impulsar una solución crítica de predicción de inundaciones.

Esta integración facilita una transición más fluida a la nube, proporciona un acceso más rápido y fácil a las soluciones SAS, y, en definitiva, hará que la analítica más avanzada pueda ser accesible a más organizaciones, independientemente de su dimensión.

Para finalizar, estamos hablando de todo lo que se ha conseguido a hombros de la analítica de datos y lo que se está haciendo ahora mismo. Me gustaría saber qué será lo próximo, hacia dónde apuntan las líneas de trabajo o vuestro roadmap para los próximos años…

El cloud será sin duda la infraestructura donde vemos las mayores oportunidades para democratizar la analítica avanzada de datos, para nosotros SAS y para todas las empresas que quieran emprender la transformación digital.

Seguiremos desarrollando nuestra plataforma cloud-native SAS Viya, apostando por la flexibilidad, tanto a nivel de uso como de modelos de pago.

La operacionalización de la analítica sigue siendo una de las áreas donde las empresas encuentran más dificultades

En cuanto al uso, nuestros esfuerzos irán en el sentido de mejorar continuamente la usabilidad para que la analítica sea accesible a cualquier persona, independientemente de su nivel de conocimiento técnico. El objetivo es que cada vez más usuarios de negocio puedan acceder a las herramientas analíticas, sepan manejarlas y sean capaces de aplicar analítica en sus áreas de expertise.   

El pago por uso es otra de las líneas estratégicas donde nos estamos enfocando. Estamos evolucionando hacia modelos XaaS, dando la posibilidad a nuestros clientes de acceder a nuestras soluciones analíticas como un servicio. Estamos desarrollando aplicaciones en cloud que permitirán a las empresas contratar soluciones para áreas concretas como por ejemplo el marketing o las finanzas.

La operacionalización de la analítica sigue siendo una de las áreas donde las empresas encuentran más dificultades, por la integración de distintos lenguajes de programación, el tiempo para obtener resultados, el gobierno y el mantenimiento de modelos analíticos. Seguiremos potenciando la automatización de procesos de creación de modelos de machine learning y la automatización de procesos de preparación de datos. A la vez, continuaremos apostando por la aplicación de Inteligencia Artificial en procesos de business intelligence, data discovery, generación de informes, mejora del rendimiento de los modelos, y muy importante la mejora de su interpretabilidad, haciendo uso de lenguaje natural.