Durante estos últimos años hemos asistido a lo que podríamos denominar como la “adolescencia” de esta macrotendencia tecnológica. Esta es una fase de cambio turbulento, una montaña rusa de momentos de pasión desatada, de llamar la atención, de crecimiento desordenado, pero también de dolorosos desengaños, de complejas dudas, y algunas decepciones. Pero, sobre todo, es una fase de necesario aprendizaje y transformación interna para llegar a una madurez plena y productiva, que nos permite asumir nuevos y más complejos desafíos.

Al mundo del big data está abandonando esa fase de adolescencia y está empezando a dar los pasos en la fase de madurez donde, sin duda, tendrá un impacto más significativo en el mundo de la empresa. Y esta madurez se empieza a manifestar en sus distintas dimensiones.

Por un lado, aunque no se ha detenido la irrupción de nuevas tecnologías en el ámbito del big data, podemos afirmar que se ha consolidado un núcleo como base fundamental de cualquier plataforma, con nombres sobradamente reconocidos, como Hadoop, Cassandra, Spark, Python, R… El principal desafío ha sido combinar ese conjunto dispar de tecnologías en plataformas plenamente integradas, adaptadas a necesidades recurrentes de los negocios y disponibles tanto en entornos cloud como en infraestructuras propias de los clientes. Esfuerzos como el que hemos hecho con Atos Codex evitan a las empresas la necesidad de asumir costes de integración escasamente relacionados con su negocio.

Pero el indicador más importante de esa incipiente madurez del big data es su mayor foco en lo que realmente importa: su impacto en el negocio. Es obvio que, cada uno a su manera, los distintos sectores de actividad empresarial son capaces de satisfacer las famosas “uves”: grandes volúmenes de datos, de gran variedad, y creados a gran velocidad. Pero lo que es diferencial para cada sector (o para cada empresa) es cómo se puede aprovechar todo ello para mejorar su negocio o, incluso, para reinventarlo.

Y en ese punto de contacto entre lo que técnicamente se puede hacer a través de las plataformas de big data, el conocimiento de su negocio y las capacidades de innovación que tiene una organización donde surge la “magia” de las soluciones analíticas que transforman a las empresas.

El big data ofrece formas muy variadas de innovar en el negocio

FIGURA 1. Evolución desde la analítica reactiva a la predictiva.

Aplicación en un sector

Uno de los trabajos más satisfactorios que he desarrollado en estos años, en lo referido a big data, ha sido analizar qué tipos de soluciones innovadoras de su aplicación podrían implementarse en un sector concreto: el de las empresas eléctricas y energéticas.

Como ocurre en otros ámbitos, ambos sectores tienen sus nuevos orígenes de datos masivos, heterogéneos o en tiempo real, como ocurre con las redes eléctricas inteligentes. Con ellos, en combinación con otras fuentes de datos internas o externas, las posibilidades de innovar y mejorar en el negocio son realmente variadas e impactan en toda su cadena de valor. Y todo ello en las varias dimensiones que agrupan los desafíos de negocio a los que se enfrentan en su proceso de transformación digital:

En un sector que emplea gran cantidad de activos y personal de campo, muchos de los casos de uso de la analítica se centran en la eficiencia operacional: mantenimiento prescriptivo de redes y maquinaria compleja, optimización de fuerzas de campo, previsión a distintas escalas temporales, optimización de la logística…

Como en otras muchas industrias, la mejora de la interacción con los clientes es esencial y tal vez no ha sido cuidada con el suficiente esmero ante la demanda  de servicios más avanzados. Eso hace que tenga que potenciar sus esfuerzos en los ámbitos del conocimiento y microsegmentación de clientes, la optimización de sus servicios de soporte, la oferta personalizada de servicios…

El campo de la gestión de la confianza y el cumplimiento se hace fundamental en un sector que gestiona infraestructuras básicas para la sociedad. La seguridad, tanto en sus aspectos físicos como de ciberseguridad, el cumplimiento de complejos marcos regulatorios y la lucha contra el fraude son campos donde la analítica big data desempeña un papel esencial.

Por último, lo que puede ser más complejo de conseguir, pero que reportará los mayores beneficios: la posibilidad de la reinvención del negocio mediante la creación de nuevas plataformas digitales que, aprovechando las relaciones con clientes y otros socios comerciales, permitan crear nuevos servicios que extiendan los existentes en la organización. Por ejemplo, en el sector energético, la eficiencia energética y  el uso de energías renovables en el ámbito doméstico podría posibilitar nuevas ofertas a los clientes, junto con terceros socios, en lugar de ser vistas únicamente como “enemigos” del negocio tradicional del sector.

La diversidad de casos de uso es amplia y también resulta variada la complejidad de adopción de los mismos en las distintas organizaciones, ya que su madurez y capacidades se encuentran en distintos estadios. Pero lo que conduce a una adopción exitosa es la combinación de una plataforma big data común junto con una estrategia que vaya introduciendo los casos de uso que representen un mayor retorno de inversión, de forma paulatina.

FIGURA 1. El ciclo de vida del dato en la tercera revolución digital.

La evolución continúa

Pero uno no puede confundir la estabilidad de la vida adulta con el estancamiento y la falta de avance. Nada más lejos de la realidad en el dinámico campo del big data. Sobre la base ya consolidada que hemos mencionado, están surgiendo importantes avances tecnológicos que potenciarán las capacidades de futuras soluciones.

Por mencionar las más importantes: la incorporación de más herramientas de machine learning e inteligencia artificial, como los cada vez más populares mecanismos de deep learning, la semántica o  el natural language processing; la lenta pero irremediable convergencia del big data con modelos de supercomputación; los modelos de procesamiento de flujos masivos de datos en tiempo real cada vez más estrictos;  la integración de capacidades analíticas distribuidas en los nodos de redes IoT; o la incorporación de asistentes virtuales para una interacción más natural con las soluciones analíticas.

No obstante, este avance tecnológico continuo no debe cambiar, de manera esencial, la “visión adulta” de aproximación del big data a los problemas empresariales, donde el foco debe estar puesto en la mejora sostenible de los negocios e incluso en su reinvención. Porque, de forma similar a nuestra experiencia vital, la fase adulta de nuestra vida puede parecer más aburrida, pero es en la que dejamos la huella más permanente en nuestro entorno.

En las inspecciones se han conseguido ratios de éxito superiores al 35%

Atos Revenue Protection for Smart Utilities

Un ejemplo de este tipo de soluciones analíticas con claro impacto en el negocio es nuestra solución para la protección de ingresos en el sector de la energía: Atos Revenue Protection for Smart Utilities. Es una de las primeras desarrolladas sobre Atos Codex Platform, y busca la aplicación de métodos analíticos avanzados para la detección de lo que en el sector eléctrico y del gas se conoce como pérdidas no técnicas (PNT).

Aunque existe una variada tipología de PNT, varias se corresponden con una casuística que ha ido tomando mayor visibilidad en los medios de comunicación: el fraude eléctrico o de gas. Este es un asunto nada baladí, tanto por lo que se refiere al impacto económico que supone para las empresas (estimado en unos 3 700 millones de euros al año, solo en Europa), como, incluso, por los problemas de seguridad que puede suponer para las instalaciones.

A pesar de su claro impacto para el negocio, la detección y tratamiento de PNT en la mayoría de las empresas no ha hecho un uso significativo de capacidades analíticas predictivas avanzadas. Para empezar, se requiere información de un conjunto bastante amplio de orígenes de datos internos. No solo información de medida recogida, sino también procedente de los activos y su topología, o de las operaciones de campo.

Tampoco era fácil contar con información externa que pudiera mejorar los modelos predictivos, como datos meteorológicos, demográficos u otra información pública de empresas. Por último, la complejidad de los modelos predictivos que es necesario desarrollar sobrepasaba las capacidades de las empresas, sobre todo las de las de menor tamaño. Esto explica la relativamente baja ratio de éxito en las inspecciones que se realizaban (otro coste adicional que se ha de tener en cuenta), que raramente pasaba del 5%.

Atos Worldgrid España ha desarrollado, sobre la plataforma big data Atos Codex, una solución integral para la gestión de PNT en empresas de gas y electricidad. Esta solución, disponible en un modelo de entrega de software como servicio (SaaS), captura la información de los sistemas de la empresa y la analiza, junto con otra información de fuentes externas, mediante un conjunto de modelos matemáticos de aprendizaje máquina, y proporciona predicciones mejoradas de puntos de suministro que pueden esconder una PNT. Tras las pertinentes inspecciones, los resultados son analizados, como aprendizaje para mejorar la eficacia de los modelos predictivos.

La pregunta importante es la siguiente: ¿cómo esta solución de protección de ingresos mejora el negocio de este tipo de empresas? En las pruebas realizadas se han conseguido unas ratios de éxito en las inspecciones superiores al 35%. Ello redunda en una recuperación más rápida de ingresos perdidos en casos fraudulentos, así como en la reducción del número de inspecciones.

En métricas que cualquier director financiero puede entender (y agradecer), el retorno de la inversión se consigue en un tiempo inferior a un año.