Learning machine no deja de sorprender a las empresas que se deciden a profundizar en sus aplicaciones. Machine big data o aprendizaje automático son algunos de los términos por los que se conoce a esta mezcla de computación y robótica que forma parte de algunas de las disrupciones mejor valoradas de los últimos tiempos.

Hoy día no parece imaginable el plantearse el rediseño de un producto o programar el lanzamiento de una campaña publicitaria sin el análisis de redessociales. Los medios de comunicación social han dado a los consumidores mucho más poder del que nunca antes habían ostentado. El boca a boca se ha magnificado y, si bien las recomendaciones llegan a más personas que nunca, también lo hacen las quejas o las críticas.

Las relaciones son la razón de ser de los medios de comunicación social y el análisis de redes es la herramienta que permite a las organizaciones optimizar las suyas. A través del social media analytics se puede mejorar la gestión de proveedores, impulsar el nivel de satisfacción de los clientes y ganar en posicionamiento.

La complejidad de los datos sigue aumentando, las plataformas de computación aumentan de potencia y tamaño, y, a la vez, se observa una tendencia que cobra fuerza en el análisis predictivo y la analítica avanzada. Tiene que ver con el uso de las GPU, que están siendo adoptadas a gran velocidad para resolver algunos de los desafíos que el analytics comienza a plantear a las organizaciones.

SPSS Modeler, de IBM, es una plataforma de análisis predictivo que impulsa el modelado enfocado al análisis predictivo. Esta herramienta permite construir modelos predictivos precisos de forma muy rápida, consiguiendo hacer más sencillo el proceso de compartir inteligencia entre los diferentes usuarios de negocio.

¿Qué hay de nuevo en IBM SPSS Statistics? ¿Cómo pueden mejorarse las capacidades analíticas de la organización gracias a esta herramienta? El análisis de datos se vuelve más estratégico que nunca gracias al software de IBM que, además de los beneficios que le diferencian de otras alternativas, incluye novedades que necesitarás conocer para aprovechar en tu negocio.

Gracias al análisis predictivo hoy las empresas de cualquier sector pueden experimentar las ventajas del modelado predictivo, el aprendizaje automático e incluso la inteligencia artificial. De hecho, es algo tan común en plena Transformación Digital, que incluso los ciudadanos de a pie ya nos hemos acostumbrado. Es una nueva realidad y una manera diferente de vivir. Y eso se nota en todo, hasta en el hecho de comprar una bebida refrescante, un libro o una pasta de dientes.

El predictive analytics requiere de un modelo predictivo pero enfrentarse a él es misión imposible sin el establecimiento de algoritmos. Su determinación no puede llevarse a cabo en cualquier momento, es preciso seguir un orden que puede estructurarse en torno a tres acciones:

No es ningún secreto que el análisis predictivo también puede fallar. Un buen ejemplo de ello fue recordado hace no mucho por Anthony Hilton quien, en un artículo publicado por Standard, citó a una anécdota real que confirma nuestras sospechas: la analítica también es humana. Hilton recuerda que cuando se le preguntó a McKinsey en los ochenta cuál sería la cifra de mercado en EE.UU. para la telefonía móvil en el año 2000, los analistas hicieron sus cálculos y lanzaron un "novecientas mil unidades". Sin embargo, la  cifra real resultó ser de ciento nueve millones de unidades.

El aprendizaje automático (machine learning) se utiliza a menudo para construir modelos predictivos mediante la extracción de patrones a partir de grandes conjuntos de datos. Estos modelos se utilizan en Lo cierto es que el análisis predictivo y aprendizaje automático avanzan de la mano ya que, en la práctica la predicción siempre va a depender de lo que se haya logrado aprender de los ejemplos anteriores. Y, en esta línea, puede hablarse de cuatro enfoques de machine learning: