En el artículo anterior hablamos de la segunda recomendación en el sector industrial basada en IA, en este artículo describimos la tercera recomendación a tener en cuenta    

3. Almacene datos granulares cuando sea posible y haga que los datos planos o no estructurados sean utilizables, es el combustible para crear valor.

Los datos están en el centro de las rupturas que ocurren en las economías y se han reconocido como un activo corporativo cada vez más importante. Sin datos, es imposible iniciar el motor IA. Debido a esto, los líderes empresariales deben saber cuáles son sus datos y la información que contienen, y dónde pueden obtener los datos relevantes para el éxito de su empresa. Existen ejemplos conocidos de Google y Facebook, que obtienen la mayor parte de sus ingresos a través de ideas que extraen de las enormes cantidades de datos que sus clientes generan a diario mediante el uso de sus servicios.

Una capacidad importante será hacer que los datos sean utilizables y que no estén disponibles en un formato relacional o que no puedan analizarse con metodologías tradicionales. Los ejemplos incluyen imágenes y transcripciones de voz, pero también datos generados por sensores y máquinas. Si bien el último es básicamente datos estructurados, su tamaño y formato dificultan su análisis en el contexto tradicional utilizando bases de datos relacionales, que han existido durante 30 años en el contexto empresarial.

Las estimaciones dicen que de todos los datos producidos en el contexto de fabricación, el 90% de los datos planos son sin estructura relacional. Hacer que estos datos sean utilizables requiere nuevos enfoques que puedan manejar eficientemente tanto el volumen como los tipos de datos. Tales enfoques son las tecnologías NoSQL más importantes con el propósito especial de almacenar y procesar datos de manera eficiente en su fidelidad original, por ejemplo, en marcos como Apache Hadoop. Tenga en cuenta que los datos deben estar presentes en un formato que pueda adaptarse fácilmente a un enfoque específico para IA y para el aprendizaje automático. Por ejemplo, las técnicas de aprendizaje supervisadas requieren datos etiquetados en el modo de entrenamiento.

El sentimiento del cliente o los eventos geolocalizados en tiempo real son ejemplos de tipos de datos diferenciadores que ayudarán a las empresas a crear servicios distintivos habilitados para IA: por lo tanto, la competencia para obtener acceso exclusivo a dichos datos se intensificará. Por otro lado, ciertos datos solo pueden ser valiosos si se combinan con otras fuentes de datos en un ecosistema más grande. Por lo tanto, las utilidades de datos entre organizaciones pueden ser más comunes para enriquecer y contextualizar los datos y ponerlos a disposición de los participantes en el ecosistema de datos cerrados.

En el artículo de la siguiente semana encontrarás la cuarta parte sobre las recomendaciones pragmáticas en el sector industrial  para mejoras de rendimiento basadas en la IA (Inteligencia artificial)

It Process es una empresa que está a la vanguardia de las nuevas tecnologías, capaz de adaptarse al cambio y ofrecer las mejores soluciones a nuestros clientes. Visítanos en http://itprocess.cloud/.