El impacto del Bigdata y el Smartdata en Gestión de Riesgos

Summary

El seminario discute el impacto del Big Data y Smart Data en la gestión de riesgos, aclarando que no es un curso básico sino una presentación avanzada. Expone la importancia de la información y el conocimiento en contexto para tomar decisiones. Aborda el valor de los datos y su relación con la acción y la decisión, destacando la necesidad de una visión y un uso claros. Presenta el concepto de Big Data como estrategias y tecnologías para manejar velocidad, volumen y variedad de datos, y Smart Data como el análisis de estos datos para obtener valor. El seminario también explora técnicas como el data mining, el machine learning y diferentes enfoques de aprendizaje automático para predecir y explicar eventos, así como su aplicación en la gestión de riesgos y la mejora continua de procesos.

Takeaways

• 📚 El seminario no es un curso de big data ni de smart data, sino una presentación para aclarar conceptos y habilidades requeridas en el ámbito de la gestión de riesgos.
• 🔍 Se enfatiza la importancia del dato en el contexto de la toma de decisiones y cómo este, al convertirse en información y conocimiento, puede llegar a ser sabiduría y acción.
• 📈 La relación entre big data, smart data y la gestión de riesgos es destacada, con el big data manejando volumen, velocidad y variedad, y el smart data agregando valor a través del análisis.
• 🌐 Se describe big data como un conjunto de estrategias, tecnologías y sistemas para gestionar conjuntos de datos complejos, enfocándose en la capacidad de procesamiento y análisis de grandes volúmenes de información.
• 🤖 El aprendizaje automático o machine learning es presentado como una herramienta clave dentro del big data para la clasificación, predicción y detección de patrones en grandes conjuntos de datos.
• 👥 Se menciona la importancia de los científicos de datos y cómo su papel es entender y dirigir el proceso de transformación de datos en conocimiento aplicado y acciones estratégicas.
• 🕵️‍♂️ El data mining es descrito como el proceso de exploración de datos para descubrir patrones y comportamientos ocultos, utilizando técnicas de inteligencia artificial.
• 📊 Se discuten los tipos de aprendizaje automático: supervisado, no supervisado y por refuerzo, cada uno con aplicaciones específicas en el análisis de datos y la toma de decisiones.
• 🛡️ Big data y machine learning son utilizados en la gestión de riesgos para explicar y predecir eventos, detectar causas ocultas y oportunidades, y prever eventos inusuales o nunca antes vistos.
• 🏢 Se destaca la importancia de la pregunta correcta en el análisis de datos, y cómo esta puede ser guiada por el conocimiento de las herramientas y recursos disponibles para la toma de decisiones.
• 📝 Se enfatiza la importancia de la ética y la gobernanza de datos, especialmente en contextos de toma de decisiones críticas como en el caso de los vehículos autónomos.

Q & A

¿Qué es el propósito del seminario sobre Big Data y Smart Data en gestión de riesgos?

El seminario no es un curso de Big Data o Smart Data, sino que busca aclarar y contrastar los conceptos y habilidades requeridas para utilizar técnicas y aprovechar las características de estos enfoques en la gestión de riesgos.

¿Cómo se define el dato en el contexto de la comunicación y la información?

El dato, una vez establecido en un contexto, nos da información. Al dotar al dato de significado y contexto, obtenemos conocimiento, que a su vez, al integrarlo con visión y acción, se convierte en sabiduría.

¿Cómo se relaciona la sabiduría con la toma de decisiones y la acción?

La sabiduría, entendida como conocimiento aplicado, es la base para la toma de decisiones y la acción. La acción, expresada como decisión, permite mejorar ciclos y modelos de gestión de riesgos.

¿Qué ventajas competitivas pueden proporcionar los datos valiosos y raros según Frank Rothermel?

Los datos valiosos y raros pueden proporcionar una ventaja competitiva sostenible, ya que son difíciles de imitar y capturar, lo que puede llevar a una ventaja competitiva duradera.

¿Qué es Big Data y qué elementos clave gestiona?

Big Data es un conjunto de estrategias, tecnologías y sistemas para almacenar, procesar, analizar y visualizar conjuntos de datos complejos, gestionando principalmente velocidad, volumen y variedad.

¿Cómo se relaciona Big Data con Smart Data y cómo se diferencian?

Big Data se convierte en Smart Data cuando se analiza para obtener valor, es decir, cuando se utiliza el conocimiento de gran volumen y variedad de datos para predecir y explicar eventos y tendencias.

¿Qué tipos de datos componen el Big Data y cómo se diferencian?

El Big Data compone datos estructurados, no estructurados y semiestructurados. Los datos estructurados siguen un formato preestablecido, los no estructurados no tienen un orden preestablecido ni reglas de almacenamiento, y los semiestructurados tienen cierta estructura, como etiquetas en HTML o XML.

¿Cómo se recopilan los datos a gran escala y a alta velocidad?

Los datos se recopilan a través de dispositivos como sensores, cámaras, PLCs, selectores micros y ordenadores, así como soluciones de captura automática de datos en general.

¿Qué son las APIs y cómo se utilizan en el contexto de Big Data?

Las APIs, o Application Programming Interfaces, son aplicaciones que permiten acceder a otras aplicaciones para realizar acciones específicas, como acceder a bases de datos o realizar búsquedas en sitios web y redes sociales.

¿Qué es el data mining y cómo se relaciona con el aprendizaje automático o machine learning?

El data mining es la exploración de datos para descubrir patrones en grandes volúmenes de información. El machine learning es un subcampo de la inteligencia artificial que crea algoritmos con capacidades de aprendizaje a partir de datos, lo que se utiliza en el data mining para analizar y predecir comportamientos.

¿Cómo se relaciona la gestión de riesgos con el uso de Big Data y Smart Data?

La gestión de riesgos se relaciona con Big Data y Smart Data en la medida en que estos pueden ayudar a explicar y predecir eventos y tendencias, reduciendo la incertidumbre y permitiendo tomar decisiones más informadas.

¿Qué es el análisis de componentes principales y cómo se utiliza en el contexto de Big Data?

El análisis de componentes principales es una técnica de reducción de dimensionalidad que se utiliza para identificar cuáles variables son las más esenciales en un conjunto de datos, lo que ayuda a simplificar y enfocar el análisis en las características más relevantes.

¿Cómo se pueden utilizar los datos no estructurados en la gestión de riesgos?

Los datos no estructurados, como los correos electrónicos o los documentos PDF, pueden ser analizados mediante técnicas de aprendizaje automático para detectar patrones o anomalías que puedan ser relevantes en la gestión de riesgos, como el fraude interno o la evaluación de contratos.

¿Qué es la Moral Machine y cómo se relaciona con la toma de decisiones en IA?

La Moral Machine es un proyecto que busca establecer un modelo de ética o moral colectiva a través de un juego en línea donde los participantes toman decisiones difíciles sobre situaciones hipotéticas. Se relaciona con la toma de decisiones en IA al explorar cómo los algoritmos podrían manejar escenarios éticos complejos.