Donde sea que existan datos, Azure Machine Learning puede hacer mejores a los negocios… y la vida

A través de los datos, los negocios pueden predecir tendencias como la deserción de empleados y las demandas de energía en los edificios. A través de los datos, los gimnasios pueden saber cuándo es la mejor época para enviar promociones de renovación para mantener a sus miembros. A través de los datos, una empresa zapatera puede decidir qué productos mantener en catálogo y cuáles desplazar.

“Utilizar los datos de manera inteligente hace toda la diferencia”, dice Joseph Sirosh, vicepresidente corporativo de Administración de la Información y Aprendizaje de Máquinas en Microsoft. “Ahí es justo donde entra en acción el aprendizaje de máquinas, que en realidad se trata de revisar patrones de datos históricos y ser capaz de predecir en base a ellos. Te permite tomar el pasado y mirar hacia el futuro. Así que en lugar de ver por el espejo retrovisor, tú puedes mirar hacia adelante”.

Microsoft Azure Machine Learning ayuda a las organizaciones y negocios a dar sentido a grandes cantidades de datos y dentro de Azure Marketplace, es posible para ellos comprar aplicaciones pre-empaquetadas que están ajustadas a su problema, que pueden tomar la información que tienen y convertirla en una estrategia que pueden aplicar para un mejor resultado, como las API para predicción.

A finales de 2014, la Conferencia Practice of Machine Learning, realizada en Microsoft, coronó a Dr. Pig como ganador del primer Concurso de Aplicación en la Nube de Azure Machine Learning en la historia. Desarrollada por Microsoft Lab 1711 – el equipo subsidiario del equipo Ingeniería de Nube & Empresa en China en cuyas filas se encontraba un residente cuyo padre cría cerdos – esta aplicación móvil para diferentes plataformas ayuda a criadores independientes de cerdos de pequeña escala en China a predecir las condiciones del mercado por hasta seis meses, lo que les ayuda a decidir los tipos y cantidades de cerdos que maximizarán sus ganancias con el menor riesgo posible para que puedan llevar su granja de una manera más eficiente. Estos granjeros no cuentan con las herramientas necesarias para predecir la volatilidad del mercado, y Dr. Pig es capaz de tomar los datos del mercado de dos años atrás – como alimento y precio de los lechones – y hacer una proyección de al menos seis meses de ganancias y pérdidas esperadas.

Aplicaciones como Dr. Pig rompen las barreras que antes evitaban que las pequeñas y medianas empresas pudieran aprovechar la riqueza de los datos que tienen a la mano.

“Abordamos un problema real”, dice Jian Zhou, arquitecto senior de software de Microsoft Lab 1711, que ha liderado este proyecto por 18 meses e hizo esta idea realidad. “Dr. Pig no solo es una aplicación, es una plantilla.

“Podemos aplicar esta plantilla en otras industrias de manera sencilla”, agrega Bin Zhou, líder de Microsoft Lab 1711, que es un apasionado de aplicar las tecnologías de Azure Machine Learning para abordar problemas reales. “Pasamos por la recolección y procesamiento de los datos, luego utilizamos el mecanismo de aprendizaje de máquina para poder hacer las predicciones de manera fácil. Por ejemplo, podemos predecir precios del maíz a través de un enfoque similar”. Ella también menciona otras predicciones: precios de acciones, tarifas aéreas, calidad del aire, horas pico de tráfico.

La siguiente versión de la aplicación, que fue desarrollada para Windows Phone y Windows 8.1 a través de lenguaje C#, será desarrollada con HTML5 basado en navegador. (Incluso en las provincias, Bin Zhou comenta, los granjeros tienen un smartphone). En la actualidad, se encuentra en proceso de aprobación para la Tienda Windows Phone.

“Mientras podamos recolectar los datos, podemos aplicar el mecanismo y ajustarlo de manera sencilla”, menciona Bin Zhou. “Ese es el atractivo de Azure Machine Learning”.

Las herramientas en Azure Machine Learning incluyen una interfaz visual fácil de utilizar, plantillas de inicio y flujos de trabajo del tipo arrastra y suelta. También es muy fácil cargar datos sin ningún tipo de programación.

“Hace dos o tres décadas, el software y las PC comenzaron a estar disponibles en cada hogar, en cada negocio. Y eso cambió el juego en grande, con aplicaciones de software que tienen un gran impacto en la gente”, dice Sirosh. “Una nueva tendencia es la recolección de grandes cantidades de datos. Los datos están disponibles en tantas formas, recolectados por tantos sensores – el mundo está repleto de datos. Y esa tendencia hace posible utilizar esos datos en tantas maneras inteligentes, para hacer la vida mejor, para hacer mejores a los negocios y hacer todo tipo de cosas de manera mucho más eficiente que nunca”.

Por tomar un ejemplo, ThyssenKrupp Elevator utiliza aprendizaje de máquina para llevar a cabo mantenimiento preventivo y predictivo de sus elevadores, para asegurar una mayor confiabilidad y tiempo de funcionamiento.

En Microsoft, el aprendizaje de máquina es utilizado de manera amplia a través de toda la empresa, dice Sirosh. En Bing, todo el objetivo de publicidad y cómo se muestra a los usuarios lo que es más relevante está basado en aprendizaje de máquina. Se trata de la misma tecnología detrás de un usuario de Xbox, que recibe sugerencias sobre lo que puede ver y escuchar a continuación. Cortana, la asistente personal digital en Windows Phone 8.1, también debe su existencia al aprendizaje de máquina, en particular en la manera en que brinda recomendaciones.

Y mientras el software se aplica bien al crecimiento de aplicaciones y las diferentes tiendas que lo venden, los datos pueden ser empaquetados de la misma manera a través del aprendizaje de máquina y estar disponibles en algo como Azure Marketplace – un ejemplo de la nueva economía de la ciencia de los datos.

“Imagina que hubiera una aplicación que te ayudara a predecir la demanda de un objeto, o predecir cuando algo va a fallar, y así de manera sucesiva. Este es un nuevo mercado donde la gente que sabe cómo crear este tipo de aplicaciones de aprendizaje de máquina puede hacer que estén disponibles en la nube”, comenta Sirosh. Y luego el negocio que necesita realizar una predicción puede encontrar la aplicación que mejor cumpla con sus necesidades.

“En un inicio, tomábamos órdenes en nuestro centro de llamadas. Con el tiempo, cerca de la mitad de nuestros clientes cambiaron a ordenar en línea – y en el proceso, perdimos la capacidad de hacer ventas cruzadas. Necesitábamos una forma de capturar el impulso de comprar en línea, y a los clientes que no hablaban al centro de llamadas no les podíamos preguntar sobre los productos que tal vez necesitaran comprar”, dice Mushtaque Ahmed, jefe de operación para JJ Food Service Limited. “Pero al utilizar Azure Machine Learning, ahora podemos hacer recomendaciones para los clientes que ordenan un artículo en particular. Esta característica es vital para promover nuevos productos o atraer la atención de los clientes hacia productos que compraban en otro lugar”.

La empresa es una de las más grandes compañías independientes de servicio de entrega de alimentos en el Reino Unido, y provee a más de 60 mil clientes con suministros de alimento, papel y limpieza. Ahora, el comerciante mayorista puede anticipar las órdenes de sus clientes y por adelantado llenar su carrito a través de Azure Machine Learning – para reducir el tiempo que les toma re-ordenar suministros.

“El aprendizaje de máquina ha tenido el impacto en línea más grande”, dice Ahmed, “donde casi 50% de nuestros clientes realizan compras”. Fueron capaces de crear esas recomendaciones basándose en datos de transacciones de ventas netas de tres años desde Dynamics AX (RP) además de los datos de clic del portal de e-commerce – alrededor de 6GB con cerca de 25 millones de líneas de transacciones de ventas.

“Existe una gran brecha entre las necesidades de esas compañías, la cantidad de datos que han recolectado y la gente que sabe cómo recolectar esos datos y construís sistemas que les ayuden a optimizar su negocio”, dice Sirosh, en referencia a la carencia de científicos de datos a nivel mundial. “Ahí es en verdad donde entra Azure Machine Learning. En verdad democratiza el aprendizaje de máquina y lo hace accesible a una audiencia mucho más grande. Pone una herramienta simple e integrada en sus manos para que puedan implementarla como una aplicación”.