El mundo actual se caracteriza por la enorme cantidad de datos que se poseen y el gran ritmo al que se generan. De hecho, se calcula que el 90% de los datos que tenemos actualmente han sido generados en los últimos dos años.

Se denomina Big Data a la tecnología que permite trabajar con grandes volúmenes de datos y analizarlos para encontrar patrones de comportamiento. Para ello se necesita una gran potencia computacional, de la que no se disponía hasta hace poco, imprescindible para procesar y analizar datos a gran escala.

Una de las tecnologías que más se beneficia del Big Data es el Machine Learning. Esta tecnología tiene como objetivo dar capacidad de aprendizaje a los ordenadores gracias a la programación de algoritmos altamente inteligentes. Se trata de un proceso de inducción del conocimiento, que se nutre de los datos generados para lograr una mejora continua del sistema. Entre las incontables aplicaciones de esta tecnología destacan los diagnósticos médicos, los traductores automáticos o el mundo de la robótica.

Las aplicaciones comerciales del Big Data y del Machine Learning son numerosas y de gran impacto para empresas de muchos sectores. Casos conocidos y destacados son los de Amazon y Netflix, que, según las compras realizadas o el contenido audiovisual visto, generan recomendaciones personalizadas. Amazon utiliza diversos datos para determinar, por ejemplo, que un cliente ha tenido hijos recientemente y recomendar productos acordes. El Machine Learning está mejorando aún más estos sistemas de recomendación, que ya son capaces no sólo de delimitar qué es lo que nos puede interesar en un momento dado, si no de predecir cambios en nuestros intereses a lo largo de nuestra vida. El algoritmo de Netflix ya hace uso de esta capacidad: no le ofrecerá los mismos contenidos a una persona en el primer curso de la universidad que cuando se gradúe, se case y tenga un trabajo estable.

Por otro lado, la evolución de estas tecnologías permite también reducir errores, separando los datos relevantes de aquellos que no lo son. Un ejemplo de ello es Netflix. Hasta hace poco, un problema muy común en su sistema eran las búsquedas y visualizaciones ocasionales. Por ejemplo, si un niño veía dibujos animados con la cuenta su padre, posteriormente al padre le aparecían recomendaciones de programas infantiles. Netflix ha mejorado su sistema de recomendaciones detectando las visualizaciones no relacionadas con los gustos e intereses del principal usuario de la cuenta, no teniéndolas en cuenta para futuras recomendaciones.

El sector bancario, por su parte, ha empezado a tomar conciencia en los últimos años del gran potencial de estas tecnologías para la industria financiera. El BBVA, por ejemplo, utiliza el Big Data y el Machine Learning para relacionar los mensajes de las redes sociales con el comportamiento de los mercados, y así predecir movimientos de bolsa. Si, por ejemplo, en un momento determinado se observa un incremento considerable de tweets negativos acerca de una compañía, con esta información podría predecirse una bajada de sus acciones en el mercado de la bolsa. Esta herramienta está basada en el procesamiento del lenguaje natural, y permite la visualización de datos en streaming en tiempo real. Un caso notorio fue la predicción de la noticia de que Goldman Sachs abandonaba Londres, noticia que se supo en BBVA con antelación debido al análisis del comportamiento de las redes sociales.

Otra aplicación notoria del Big Data para el sector bancario es la recomendación de productos o servicios según las características del cliente. Analizando una elevadísima cantidad de clientes y transacciones, se puede personalizar la oferta comercial de forma automática. Para esto, BBVA ha utilizado herramientas como Hadoop Hops para el almacenamiento de datos, Hive para el análisis y RStudio para realizar el modelo. De momento, es sólo un experimento, pero los datos son muy alentadores: se han contrastado con las recomendaciones que harían gestores humanos con los mismos datos y han coincidido.

El BBVA, además, ha combinado el Machine Learning, el Big Data y la inteligencia artificial de otra forma muy útil para la banca: los chatbots. Esta tecnología permite a un programa simular una conversación con un ser humano, proporcionando respuestas automáticas a las preguntas o peticiones del cliente. Por ejemplo, si somos clientes del banco y hemos extraviado nuestra tarjeta de crédito, podemos realizar la gestión para anularla y encargar una nueva de forma automática, con la ayuda de un chatbot. Esta tecnología permite a BBVA agilizar los procesos de atención al cliente, reduciendo los tiempos de consulta y eliminando los tiempos de espera, además de disminuir costes de personal y gestión para las consultas más rutinarias y sencillas.

El gran volumen de datos procesados gracias a la tecnología Big data a un ritmo infinitamente superior a la capacidad humana, combinado con la inteligencia artificial que proporciona el Machine lerning, generan una mejora evolutiva continua, logrando así resultados cada vez más precisos. Teniendo en cuenta las tendencias del mercado, se espera que la influencia de estas tecnologías sea cada vez mayor, aumentando su presencia en multitud de sectores, y generando así un cambio drástico en los procesos empresariales.