BLOG

Big Data. Soy PYME. ¿Qué dirección cojo?

Decía un anuncio que “la potencia sin control no vale de nada”. Y eso es lo que estamos observando en estos días con el big data, el data science y la explosión de los datos.

Es innegable que la cantidad de datos, el acceso a ellos y la capacidad de computación es una oportunidad inmejorable para pequeñas, medianas y grandes empresas. Pero el riesgo que estamos observando es que estas no elijan el camino correcto: Infraestructuras sobre dimensionadas, personal poco cualificado por ahorrar en costes, etc.

Y aquí es donde Lean Six Sigma puede ayudar en la toma de decisiones. A la hora de decidir si abordamos el proyecto con recursos propios o si debemos tratarlo como un problema de datos (big, small o smart data).

¿Qué pasaría si en la siguiente carrera de 100 metros lisos en las olimpiadas le indicáramos a Usain Bolt que tiene que  correr en dirección contraria?

Sí, has contratado al mejor para tu empresa pero no le has indicado para dónde debe correr.

Una de las cosas curiosas cuando te acercas al mundo de la inteligencia de datos es ver que muchos de los modelos revolucionarios que ahora se nombran como Machine Learning, Deep Learning, etc. ya se están haciendo en las empresas desde hace años para optimizar costes en productos core del negocio.

Entonces ¿por qué ahora es raro la empresa que no está buscando personal cualificado en Data Science, Big Data, Inteligencia Artificial, …? Si en muchos casos estos perfiles lo tienen dentro. Por ejemplo, ya hay modelos que predicen el stock que una empresa debe tener o como en el ejemplo en el que nos ayudan a identificar las diferencias entre Machine Learning y Deep Learning identifican coches.

Desde mi punto de vista, falta una dirección de proyecto que busque la manera de optimizar, un verdadero programa de mejora continua con perfiles que puedan optimizar recursos tanto humanos como materiales.

Por ello, a la hora de iniciar un proyecto deberíamos pararnos a:

DMAICDefinir el problema.

Medir cómo es de grande el problema.

Analizar las causas Raíces.

Investigar y mejorar los procesos analizados.

Controlar el proceso para ver si se puede mejorar o encontrar nuevos fallos.

Es decir, seguir un proceso Lean Six Sigma que ahora podemos optimizar con la capacidad computacional y las nuevas herramientas que nos pone la ciencia de datos como herramienta. Data Science y Lean Six Sigma, una poderosa mezcla que pondrá en la mano de las empresas toma de decisiones basadas en datos pero que ataquen causas raíces y en el que podemos predecir valores para tener bajo control si las decisiones tienen el efecto esperado y deseado.LSS_DS

De esta manera podremos evitar  inversiones en tecnología que realmente no son necesarias (no pagarás autopista de peaje) o hacer esas inversiones de manera efectiva  (elegirás el sentido de la autopista correcto) .


También te esperamos en nuestro canal de Telegram


Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *

Puedes usar las siguientes etiquetas y atributos HTML: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>