Visito la galería de fotos de la página web de un hotel, pero no veo lo mismo que otro cliente. Nada puede hacerme adivinar que un sistema Big Data, teniendo en cuenta mi perfil de usuario de la web y utilizando características visuales de las fotos, ha seleccionado qué imágenes mostrarme y cuáles no y qué orden de aparición es más apropiado.

Esta fue una de las aplicaciones de tecnología Big Data mostradas en el reciente Spark Summit de Dublín, al que asistió el equipo de Sistemas Cognitivos de Itainnova. Francisco José Lacueva y Rosa Montañés presentaron Everis Moriarty, una versión –desarrollada junto a la consultora Everis, con sede en Zaragoza– de Moriarty, plataforma que integra el diseño, desarrollo y despliegue de modelos de datos analíticos.

Con Big Data se pueden resolver problemas relacionados con el análisis de redes sociales, la gestión de bases de datos documentales, la supervisión de procesos de fabricación... Pero, sea cual sea la aplicación, "la comunicación entre los miembros del equipo de trabajo es un factor clave para su éxito y, en equipos interdisciplinares, resulta necesario establecer una terminología y un marco de trabajo común", indica Montañés. ¿Qué ocurre con el Big Data? "Normalmente, los desarrolladores de software y los científicos de datos manejan conceptos diferentes o plantean soluciones desde perspectivas muy distintas".

Desde su formación matemática, el científico de datos "tiene mayor interés en desarrollar modelos analíticos que permitan extraer conocimiento de los datos", precisa. Por su parte, el desarrollador, "especializado en diseñar sistemas y aplicaciones, se preocupa del rendimiento, velocidad de procesado, calidad de resultados y facilidad de despliegue, además de generalizar el desarrollo al máximo para poder aprovecharlo en futuros proyectos". Para conciliar enfoques y facilitar el trabajo en equipo, detalla Lacueva, "Moriarty ofrece: al científico de datos, una abstracción del trabajo con herramientas de gestión de datos, distribución de cálculos o integración con otros sistemas que le permite crear nuevos algoritmos sin necesidad de conocer detalles de implementación de bajo nivel; al desarrollador le facilita la reutilización de componentes, la comprensión y desarrollo óptimo de algoritmos y un rápido despliegue y puesta en marcha de la solución".

Un mecano colaborativo

Esta plataforma de uso común entre científicos de datos y desarrolladores software puede compararse a un mecano colaborativo, apunta Montañés: "El científico utiliza herramientas con las que se siente cómodo (como Python) para desarrollar prototipos de nuevos algoritmos que pueden incluir otras piezas ya existentes. En cierto modo, indica cómo es la ‘pieza’ que necesita al desarrollador". Una vez desarrollado el algoritmo, "el desarrollador lo diseña e implementa de manera eficiente utilizando otras herramientas (Java y 'workitems' que permiten optimizar la ejecución)". Así, "conseguimos desarrollar prototipos de aplicaciones inteligentes de manera ágil, que se pueden utilizar desde el principio aunque el rendimiento deba mejorarse".

Gracias al Internet of Things, "registrando la posición de un dispositivo (un móvil, una tablet, un coche conectado…) y por cuánto tiempo ha permanecido en un lugar, podemos conocer de forma sencilla las rutas que ha seguido", indica Montañés. Con un histórico de datos, sabremos si su comportamiento se sale de lo habitual. "Sumando información contextual, como la ubicación de restaurantes, podríamos detectar patrones de comportamiento respecto a los locales favoritos de un individuo: si suele ir acompañado, preferencias entre semana y en fin de semana o cuál es la ruta de tapas preferida de los habitantes de una ciudad que visitaremos próximamente". Incorporando estos datos a Moriarty "podremos monitorizar en tiempo real dispositivos móviles y perfilar grupos de usuarios de interés". En el proyecto Transforming Transport se pretende "analizar y procesar la gran cantidad de datos generados por las compañías de transporte de última milla, para ayudar a planificar rutas de transporte óptimas y predecir comportamientos", señala Montañés. Itainnova construirá con Moriarty un servicio de carga y procesamiento de datos de manera distribuida sobre Spark (motor que trabaja con grandes volúmenes de datos). Objetivo final: reducir costes de transporte y carga ambiental, así como aumentar la satisfacción del cliente de comercio ‘online’. "Uno de los problemas de las soluciones de Industria 4.0 –dice Lacueva– es demostrar su impacto en sus usuarios". De ello se ocupa Facts4workers, que propone usar la información de los ‘logs’ de los sistemas (nuestra huella digital) para averiguar el impacto en los trabajadores que los utilizan.