fiNALMENTE SABEMOS CÓMO FUNCIONA EL ALGORITMO DE INSTAGRAM – INVESTIGACIÓN DATLAS

Una de las columnas que más atención ha recibido en este blog es el de “Social Dilemma” . Este documental de “Netflix” socializó el uso de los algoritmos en páginas como: Facebook, Instagram, Twitter, entre otros.

**Te podria interesar aprender sobre algoritmos en nuestra columna: “Algoritmos supervisados y no supervisados”

En esta columna particularmente compartiremos algunos apuntes de uno de los líderes de Instagram: Adam Mosseri. Recientemente publicó una columna donde da más luz de cómo funciona el ALGORITMO DE INSTAGRAM que prioriza el feed y que seguramente impulsa a muchos “influencers” a crecer sus audiencias.

Anatomía de los sistemas de publicaciones en Instagram

  • Feed – Es lo que cualquier perfil tiene entrando en su app. Se compone de todas las publicaciones de las cuentas que seguimos
  • Stories – Publicaciones temporales desde cualquier perfil
  • Explore – Una sección de la aplicación donde puedes consumir contenido sugerido de acuerdo a tus preferencias. Estas preferencias son registradas y priorizadas por algoritmos
  • Reels – Son pequeñas cápsulas de video que permiten a usuarios ser encontrados por nuevas audiencias a la exploración de esta sección en el app. Suele ser más sencillo tener más views en este tipo de contenido que en otras secciones del app.

¿Quiénes dominan en instagram?

Es importante entender las redes sociales. En instagram hay un top10 que se ha mantenido a lo largo del tiempo que va desde los 319 millones de usuarios hasta los 517. Este tipo de perfiles tienen agencias de representación y contenido que les asesoran sobre cómo aprovechar el algoritmo de instagram para generar una mayor masa de seguidores.

  1. Cristiano Ronaldo
  2. Justin Bieber
  3. Ariana Grande
  4. Selena Gomez
  5. Taylor Swift
  6. Dwayne Johnson
  7. Katy Perry
  8. Kylie Jenner
  9. Rihanna
  10. Kim Kardashian

Revisar lista completa en: https://www.visualcapitalist.com/worlds-top-50-influencers-across-social-media-platforms/

¿Cómo funciona el algoritmo?

Hay que precisar que en realidad no hay un sólo algoritmo, existen varios dependiendo la sección del app de instagram que estemos utilizando. Según Adam, en su columna sobre cómo funciona el algoritmo, menciona que en el 2010 el feed era “cronológico” , pero con el incremento de usuarios identificaron la necesidad de mostrar contenido más “relevante” a cada una de las cuentas.

A) Feed e Historias

Todo comienza buscando que debería de aparecer primero en el feed de cada quien ¿Tus amigos cercanos? ¿Contenido de tus deportes afines? ¿Las ciudades que visitan tus colegas? En esta sección la prioridad es ver contenido de las personas que sigues.

Después de esto los sistemas de instagram traducen este “follow” en señales que le permiten al algoritmo priorizar. Algunas de las más importantes son: Información sobre el post (Duración, relevancia, equipo con el que publicó el contenido , entre otros), Información sobre la persona que publicó el post (En este sentido el sistema detecta qué tan interesante podría ser para ti el contenido), Tu actividad en likes (En algoritmo se entrena dinámicamente identificando qué tipo de contenido suele gustarte y consumes durante más tiempo) y TU HISTORIA INTERACTUANDO CON ALGUIEN (Interpreta qué tan interesado estás en una persona por ejemplo leyendo si comentas o no en sus posts así como si tienes algún mensaje directo)

B) Explore

Distinto a Historias y Feed en Explore es donde quieres descubrir nuevo contenido. Instagram monitorea las señales que categorizan el contenido con el que interactuas con mayor frecuencia. En ese sentido, por ejemplo, si eres una persona que le gustan las fotografías de “montañas” , el sistema priorizará cuantas imágenes y contenidos de “hiking” exista en tu comunidad de alcance en “explore” para mostrártela.

Las señales más importantes que buscan son: Información del post, Tu historia de interacción con la cuenta que publicó, Tu actividad ( Cómo has interactuado con otro contenido de Explore en el pasado) e Información acerca de la persona que publicó

C) Reels

Muy parecido a Explore, en Reels visualizas principalmente contenido de cuentas que no sigues. Reels está basado principalmente en entretenimiento, aprendizaje y diversión ¿Te suena familiar?

Las señales a las que se ponen atención son: Tu actividad, Tu historia interactuando con la persona que publica, Información acerca del Reel (La canción de fondo, sonidos de fondo, video definido en tamaños de pixeles y resolución así como la popularidad del mismo) e Información de la persona que publica.

D) Otros: ¿Cómo puedes “alterar” el algoritmo?

Sistemáticamente hay algunas reglas de excepción que evitarán que te satures del contenido de una persona o cancelara a una cuenta si publica con demasiada frecuencia. Puedes leer las normas comunitarias de Instagram para saber más detalles de estas reglas (Por ejemplo si hablas de COVID-19 y otros temas controversiales será dificil ser popular)

Por otro lado como usuarios estamos empoderados a modificar el algoritmo con 3 prácticas: Selecciona una lista de tus amigos más cercanos (Close Friends) en la red para ver de forma más frecuentemente su contenido, Cancela o silencia cuentas que no te interesan y cuando en secciones como Reels y Explora veas contenido que no te interese señálalo como tal para que el algoritmo penalice ese contenido a la hora de priorizar.

Cierre

¿Entonces ya somos los magos del Instagram? Lo cierto es que es más fácil entenderlo que ejecutarlo. Pero conociendo un poco las entrañas del cómo funciona podemos saber que no es “una caja negra”.

Cuéntanos cuáles son los mejores trucos para intagram y continuemos la conversación en nuestras redes @DatlasMX

Equipo Datlas

– Keep it weird –

Fuentes:

Liga 1: https://9to5mac.com/2021/06/08/instagram-algorithm-works/?fbclid=IwAR0Wzp4cAao_-vIO2mPsRjJdqUUwofeG5h0mnfWCEjbdDrCHU7FFQaEe8TE

Liga 2: https://about.instagram.com/blog/announcements/shedding-more-light-on-how-instagram-works

¿refrigeradores conectados a internet? industria 4.0: iot -investigación datlas

Anteriormente hemos platicado de ciudades inteligentes en donde tocamos brevemente el tema de sensores e internet de las cosas. En esta ocasión queremos contarte un poco acerca de que trata este gran elemento dentro de la transformación digital y la industria 4.0.

Antes de iniciar hay que tener claro que el término “industria 4.0” se utiliza para referirse a la llamada “cuarta revolución industrial”. El término se originó en Alemania en el 2011, y hace referencia a un modelo de manufactura avanzado que incluye tecnologías integradas una con otra de manera física o digital.

Existen varios tipos de tecnologías que pueden ser integradas a estos modelos, como por ejemplo: inteligencia artificial (IA), robots, cloud computing y efectivamente, el Internet de las Cosas (IoT por sus siglas en inglés).

Universidad y 4ª revolución industrial | Aprenentatge Servei

¿Qué es el Internet de las Cosas?

A grandes rasgos, el internet de las cosas encasilla todo lo que está conectado a internet, permitiendo que los objetos se “comuniquen” entre ellos. De manera más específica, el IoT es una herramienta tecnológica que permite integrar sistemas de procesamiento, almacenamiento y comunicación entre diversos procesos conectados entre si.

¿Dónde está presente el Internet de las Cosas?

El objetivo principal del IoT, es automatizar procesos. Por ello, está presente en muchos objetos cotidianos; desde los celulares que usamos, relojes inteligentes, aparatos electrónicos (TVs, consolas), un amplio abanico de electrodomésticos (como refrigeradores) y hasta cámaras.

También está presente dentro de las grandes industrias, por ejemplo en las industrias manufactureras, se encuentra en forma de sensores que mandan alertas si algo está pasando; en los grandes campos de cultivo donde gracias a algunos sensores, se puede conocer a detalle la calidad de la tierra.

Internet de las Cosas: Definición, funcionamiento, 6 beneficios y ejemplos

En el giro de transporte y logística, gracias al IoT, se pueden administrar las flotas de automóviles, barcos y aviones, tomando en cuenta factores como el cambio climático, disponibilidad de la vía, tránsito, entre otros. Además, el IoT se puede usar para mejorar la seguridad de los trabajadores. Por ejemplo, empleados en entornos peligrosos como minas, campos de petróleo y plantas químicas, necesitan tener conocimiento de los posibles eventos peligrosos que podrían suceder. Al estar inmersos en la tecnología IoT, pueden recibir alertas o notificaciones que les permitan tomar las acciones pertinentes.

Los retos actuales del IoT

Ahora bien, conociendo un poco del IoT, sus aplicaciones y beneficios, es importante conocer los retos a los que se enfrenta esta tecnología en el mundo moderno.

En primera, ¿cómo migrar a un ecosistema IoT? Se puede decir que tratar de migrar a la industria 4.0 es complicado. No solamente se limita a grandes inversiones económicas, implementación de tecnologías, equipamiento o softwares. Se trata de realmente lograr un cambio de visión y perspectivas dentro de la compañía, algo que no es para nada sencillo.

Volviendo al tema financiero, los costos de inversión para un ecosistema IoT pueden variar mucho, dependiendo del tamaño de la compañía y los alcances que se buscan, pero podemos asegurar que no es para nada barato. Aunado a esto, se estima que a las compañías, ver el retorno de inversión (ROI) les puede tomar entre 7 y 12 años.

La seguridad y privacidad digital también es un reto que afronta la transformación IoT. Las compañías pueden ser víctimas de amenazas, ataques por parte de hackers y hasta filtración información sensible. Se requiere que se desarrolle confianza en los ecosistemas IoT, sin embargo, las frecuentes amenazas a la seguridad y privacidad, lo hacen un camino difícil de recorrer.

Hasta aquí la columna de hoy. ¿Qué opinas del IoT? ¿En el futuro realmente puede ser más accesible y realizable? ¿Conoces algunos casos de IoT aplicados en la industria? Compártenos tu opinión a través de nuestras redes sociales @DatlasMX

Equipo Datlas

-Keep it weird-

#VOTOUTIL , UNA APLICACIÓN DE MAPAS ELECTORALES EN MÉXICO – INVESTIGACIÓN DATLAS

En México se acercan las votaciones el próximo 6 de junio de 2021. Uno de los eventos más importantes de la historia ya que son las elecciones donde se deciden una mayor cantidad de puestos para el país. Si bien se han presentado escándalo, show político y cambios de partido… el día de hoy en esta columna queremos difundir una práctica de mapas geoespaciales realizada por VOTO UTIL. ( Intenta aquí si el link está roto: https://mapdata-soluciones.carto.com/me )

**Te puede interesar “Análisis de “Natural Language Processing para discursos de AMLO Presidente de México”

Primero que nada ¿Qué es y cuál es la metodología de VOTO UTIL?

Así que esta plataforma nos puede orientar en las decisiones de diputados. Ahora te presentamos los pasos para llevar a cabo la búsqueda para tu sección

Paso 1) Entra al portal y llena los campos Estado-Sección. Da click en el botón de buscar

Paso 2) Una vez realizada la búsqueda te presentará una opción de acceder al mapa interactivo (Viene lo bueno)

Paso 3) Estaremos dentro de la plataforma que a nivel nacional tiene la división electoral del país . Es decir que dependiendo de dónde vives puede saber cuál es el voto útil para tus candidatos a diputados

Paso 4) Haz un enfoque a la zona en donde vives y comienza a interactuar

En nuestro caso, hicimos un ejemplo para un distrito dentro del municipio de Santa Catarina en Nuevo León, México. Los resultados fueron los siguientes:

¿Qué potencial tiene?

Desde Datlas (www.datlas.mx) nos encanta ver cómo desde los mapas del covid-19 se han impulsado cada vez más plataformas que compartan de una manera visual y ágil datos geo-referenciados.

Particularmente en esta ocasión, VOTOUTIL propone una plataforma para ponerle atención a una sección de nuestro deber cívico que es conocer e identificar nuestro distrito. De ahi , mediante algunas estimaciones, generan una propuesta de “voto útil”. En este sentido ya será cuestión del usuario si tomarla de referencia o al pie de la letra

¿Es un oráculo? ¿Predice lo que sucederá?

No es así, para nada es la intención. Sin duda algunos partidos e iniciativas políticas nacionales podrán verse tentados a generar sus propios estimados de participación por región del país. Pero al menos en esta plataforma la única intención es visualizar

Hasta aquí la columna del día de hoy ¿Ya te preparaste para las votaciones más importantes del país? No te olvides de votar este 6 de junio de 2021

Equipo Datlas

– Keep it weird –

GOOGLE IO 2021: INTELIGENCIA ARTIFICIAL, COMPUTACIÓN CUÁNTICA Y PRIVACIDAD DE DATOS – COLUMNA DE OPINIÓN DATLAS

“Más de 100 mejoras sólo en el servicio de GOOGLE MAPS con inteligencia artificial avanzada” Esta fue la primera reflexión que tuve la oportunidad de apreciar cuando sintonizábamos esta semana el GOOGLE IO 2021. Este es un evento donde la compañía global de internet GOOGLE anuncia nuevos lanzamientos y mejoras a sus servicios.

En esta columna te compartiremos nuestra opinión y reflexión sobre este evento.

Entre lo más sorprendente se encuentran los próximos 8 avances:

  1. Inteligencia artificial procesa caminos con atributos en “Google Maps”. Ahora podemos solicitar una ruta con “buenas vistas” o seguramente en dónde haya “más gasolineras” o más “tiendas”. Google Maps se sigue renovando y continuará aumentando las capacidades de la plataforma

2) La prevención con machine learning no sólo es para el “mantenimiento preventivo” de las máquinas. Google hace la apuesta de conversaciones contextuales con su sistema de “GOOGLE ASSISTANT” para poder hasta consultarle de cómo podemos prepararnos para un reto físico como subir una montaña

3) Y los avances no sólo son a nivel de entendimiento de texto. Se amplían a detección de imágenes. Mostraron un ejemplo de como podemos tomar fotografías de unas botas y consultar al sistema si cumplen con lo necesario para subir a un cerro. Eso podrá ser llevado después a sistemas de comercio en línea o hasta de ayuda humanitaria

4) En cuanto a los avances de computación cuántica, en una divertida cápsula, Google abrió su laboratorio a la vista del mundo. En un equipo cuántico en particular, explica que su laboratorio tiene algunas de las zonas con más baja temperatura del mundo. Hasta el momento no se atiende un proyecto específico, pero seguramente en futuros GOOGLE IO escucharemos más de qué uso le están dando a estos equipos

5) Realidad aumentada con el apoyo de atletas olímpicos. Así como hace unos años la empresa NIANTIC sorprendió al mundo en alianza con GOOGLE con juegos como “POKEMON GO” ahora GOOGLE expande la usabilidad de la Realidad Aumentada (AR) a otros aspectos. Entre ellos los deportes en donde será posible seleccionar a algunos de tus atletas favoritos para ver una presentación a través de la pantalla con fondos dinámicos

6) El nuevo “dashboard” de privacidad en ANDROID y sistemas operativos móviles de Google ayudará a identificar de manera ágil qué datos se están compartiendo en cada una de las aplicaciones

7) Dermatólogo bajo demanda como asistente virtual de los smartphones con sistemas operativos Android. Se podrán detectar más de 300 enfermedades y dimensionar la gravedad de la misma para entonces acudir con un profesional

8) Ampliando sus capacidades y aplicaciones de inteligencia artificial avanzada también se presentó un caso de diagnóstico de “cancer de mama” que aumente la velocidad, asertividad y reduzca los costos de este tipo de pruebas

Hasta aqui la columna de hoy

¿Qué opinas de estos lanzamientos? ¿Estamos en el futuro o vamos hacía allá? ¿Google será la empresa que esté haciendo las apuestas más importantes o qué otras compiten por el puesto? Compártenos tus opiniones en nuestras redes @DatlasMX

Equipo Datlas

– Keep it weird-

Cómo hacer isocronas en qgis – manuales datlas

**Este blog está inspirado en el video de “Cómo crear un MAPA ISÓCRONO EN QGIS” de “Geomapchi. Fuente citada al final del blog”

¿Te has preguntado alguna vez en cuánto tiempo llegas a determinado lugar (Restaurante, plaza comercial, negocio, entre otros)? Bueno seguramente tus clientes también lo piensan. En analítica geo-espacial existe un tipo de evaluación que nos ayuda a identificar como atributo de distancia-tiempo si una ubicación es competitiva en relación a estar en “cercanía” a los mercados a los que quiere acceder

**Te puede interesar “El secreto para la ubicación de un negocio: Ubicación, ubicación y ubicación”

En esta columna explicaremos una de las muchas formas de operar isocronas usando el software libre QGIS.

¿Qué son los mapas de isocronas?

En planeación urbana, un mapa de isocronas permite tener lectura de la eficiencia de los diseños y direcciones de las calles en una urbe. Revisamos isocronas simulando traslados para peatones, bicicletas, autobuses, automóviles, entre otros vehículos. Esto con el fin parametrizar la eficiencia de cada una de estas rutas y generar una planeación de tráfico para el futuro de cualquier ciudad.

** Te puede interesar leer nuestro blog sobre: “Google y Apple liberan información de movilidad por COVID-19”

¿Cómo generarlo? (Ejemplo para Zócalo de CDMX Ciudad de México)

  1. Iniciamos descargando y abriendo el sistema de QGIS
  2. En la sección de “complementos” buscaremos “HQGIS”
  3. Descargamos el complemento

4. Una vez que descargamos el complemento el siguiente paso es solicitar credenciales . para esto en la pestaña de “Credenciales” daremos clic en “obtener credenciales”

5. Capturamos nuestros datos en los formularios (no tiene costo)

6. Confirmamos nuestro correo con el sitio

7. Ingresamos al sitio de “here”, el proveeodr, y damos clic en crear credenciales dentro de la sección de “REST”. Copiamos las credenciales

8. Esas credenciales las pegamos en la sección de credenciales, damos clic en guardar y luego en cargar

9. Dentro del complemento de “HQGIS” ahora damos click en la pestaña de “Isocrona” y capturamos los datos para generar la simulación. Lo primero es la dirección del epicentro del análisis (En este caso fue el Zócalo de Ciudad de México). Después capturamos la modalidad de traslado (Si es peatonal, auto, etc). Y será muy importante capturar los tiempos de evaluación (En segundos, en este caso el equivalente a 5, 10 y 15 minutos)

10. Tendremos al final el resultado de nuestro ejercicio. En este caso con 3 tonos distintos y podemos identificar hasta dónde nos llevaría 15 minutos desde o hacia el Zócalo de CDMX.

** Te puede interesar “El santo grial de la analítica: Location Analytics”

¿Software libre sobre software de licenciamiento?

Cierre de la columna

Hasta aqui la columna de hoy ¿Para qué tipo de acciones crees que será de utilidad obtener isocronas? ¿Crees que tu ciudad tiene buena planeación urbana? ¿Crees que es de utilidad evaluar con isocronas la ubicación de un negocio? Compártenos tus comentarios en nuestras redes via @DatlasMX

Equipo Datlas

– Keep it weird –

Fuente:

5 tendencias de analítica avanzada para retailers y cpgs – COLUMNA DE INVESTIGACIÓN DATLAS

Esta semana tuvimos la oportunidad de compartir con algunos de nuestros clientes nuestra opinión sobre tendencias de analítica para sectores retail y CPGs (Consumer Packages Goods). En esta columna enunciaremos las 5 tendencias más interesantes considerando innovación: Incremental y transformacional

Tipos de innovación al evaluar tendencias

Cuando hablamos de tendencias e innovación siempre es bueno poner en la antesala dos tipos: La innovación incremental y la transformacional.

La incremental se refiere a la mejora continua de procesos cotidianos con soluciones creativas y que te mantengan a la vanguardia dentro de tu industria. Por otro lado, la transformacional, son proyectos disruptivos que alteran el tiempo de funciones de los miembros de una organización.

A continuación compartiremos tres tendencias con proyectos de innovación incremental y dos con transformacional.

5 tendencias

1) Aplicaciones para pedidos programados (Incremental)

La embotelladora Arca Continental con sede en Monterrey, Nuevo León, México habilita una aplicación a los tenderos donde entrega sus productos (refrescos y bebidas). Esta APP móvil sugiere el tamaño de pedidos a sugerir a los tenderos para que cuenten con el abasto suficiente y no caigan en una situación de “venta pérdida”.

2) Aprovechamiento de datos de clientes (Incremental)

OXXO, la cadena de conveniencia más grande de México con presencia en LATAM hizo público un proyecto de aprovechamiento de datos de sus más de 13 millones de transacciones diarias. Se trata de analizar datos de ventas de tickets y ponerlas al alcance de sus proveedores. En este sentido se podrían generar mejores estrategias comerciales para desplazar productos en la cadena comercial.

3) Internet de las cosas para mantenimientos preventivos (Incremental)

Los sensores y el internet de las cosas se han extendido a las compañías de productos de consumo como la panadería que ofrece BIMBO en México. En esa dirección proyectos de integración de sensores y GPS se han sumado a las flotillas de entrega de esta compañía. Estos nuevos datos les ayudan a tomar acciones preventivas para evitar problemas logísticos en las entregas de sus productos

4) Revisión de anaqueles automatizadas (Transformacional)

Usando un robot con cámaras y sensores compañías como Walmart han difundido programas de automatización como el de “escanear” los anaqueles de manera automatizada en búsqueda de faltantes y facilitar los planogramas dentro de retailers.

Heineken, la compañía de cerveza, revisa anaqueles con aplicaciones móviles enviando equipos a fotografiar anaqueles para estudiar los impactos en los frentes de las tiendas donde promocionan sus productos

5) Algoritmos avanzados de recomendación (Transformacional)

“Food-service” y empresas como RAPPI no se quedan atrás en los avances disruptivos. Una buena recomendación de platillos o restaurantes puede significar una buena oportunidad de venta cruzada para el negocio. Para que este tipo de servicios funcionen se tienen que registrar millones de transacciones, almacenar grandes cantidades de información en tablas distribuidas, entrenar modelos con catálogos dinámicos y garantizar que los servicios estén activos para cuando el usuario los necesite.

Hasta aqui la columna de hoy y te preguntamos ¿Qué otro tipo de aplicaciones de analítica avanzada conoces en industrias de retail o CPGs? Compartenos tus comentarios en @DatlasMX

Si quieres continuar aprendiendo de analítica y transformación digital revisa nuestro podcast: “Café de Datos”

Equipo Datlas

– Keep it weird-

Mapa de delitos por municipio – Investigación Datlas

Ahora que avanzan las campañas escuchamos a algunos candidatos hablar sobre cómo varía la “percepción” de seguridad en su municipio. En ese sentido es de utilidad regresar a investigaciones sobre cómo ha avanzado la inseguridad en distintas regiones del país. Esto para localizar si la percepción que mide el INEGI en una encuesta a la población se relaciona con la realidad de delitos denunciados. En esta columna compartiremos algunas de las prácticas de análisis que podemos llevar a cabo con estos datos.

Si tuviste oportunidad de leer nuestra columna “La inseguridad en México” habrás leído que en el país dos institutos publican datos: SESNSP e INEGI. Pero… recientemente hemos identificado una fuente integradora en GOBMX titulada “datos delictivos” que tipifica distintos tipos de delitos por municipio del 2015 a Marzo el 2021.

¿Qué tipos de delitos se enlistan en estas bases de datos?

¿A qué nivel se segmentan los datos?

A nivel municipal. Podemos navegar por Estado y Municipio. Los registros son denuncias de los delitos antes mencionados con especificaciones de subcategoría como, por ejemplo, robo con violencia o sin violencia.

¿Ejemplos de aplicación?

Podemos hacer contrastes entre municipios . Por ejemplo en el caso de Nuevo León 3 deliticos tipificados como: Abuzo de confianza, abuzo y acoso sexual.

Para CDMX podemos contrastar los delitos catalogados como “Narcomenudeo” para identificar si existe una tendencia entre municipios y en qué meses del año hay que estar más alerta.

Ejemplo usando mapas

En ese sentido normalizar los datos por determinada cantidad de habitantes. Esto quiere decir que un incidente como “Robo” o “Rapto” puede ser más alto en una geografía sobre otra sólo por el simple hecho de que existe más población. En se sentido podemos estimar estos delitos por cada “10,000 habitantes”. Así hacemos más comparables los delitos.

En Nuevo León y CDMX generamos una capa tipo “shapefile” donde integramos a nivel municipio el promedio mensual de los registros agregados de todos los delitos por cada 10,000 habitantes. Podemos identificar los tipos de delitos que podrían interesarle a un área de daño patrimonial de un corporativo. En este caso generamos capas con conteos de: Amenazas, Daño a la propiedad, Narcomenudeo, Rapto, Robo y Secuestro.

Siendo este caso, con este indicador comparable, identificamos en Nuevo León: Vallecillo con 17.18, Dr. González con 14.34, Lampazos con 12.46, General Bravo con 11.5 y Mina con 10.47. Monterrey, en contraste, tendría solo 5.09

Para CDMX cuenta con un excelente mapeo sobre ubicaciones de incidentes. Puedes leer el “mapa del crimen de cdmx” si te interesa conocer más. Por nuestra parte y usando los mismos criterios del mapa de Nuevo León con utilidad para corporativos identificamos lo siguiente CDMX.

Cuauhtémoc con 21.22, Benito Juárez 15.38, Miguel Hidalgo 14.31, Venustiano Carranza 12.11 y Azcapotzalco 11.37

Hasta aquí la columna de hoy ¿Qué otros usos le darías a los datos? ¿Cuál es el mejor método de dimensionamiento de délitos? ¿Están relacionadas las cifras de delitos con la percepción de inseguridad que publica el INEGI?

Coméntanos en redes sociales @DatlasMX . Síguenos en nuestro podcast para aprender más de analítica y transformación digital.

Saludos

Equipo Datlas

– Keep it weird-

Utilities: abundancia de datos y gran oportunidad para analítica y big data – Investigación DATLAS

Hace alrededor de un mes tuvimos la oportunidad de tener como invitado en nuestro podcast Café de Datos al Global Head of AI & Analytics en Telefónica IoT & Big Data Tech el gran Antonio Pita Lozano con quien estuvimos platicando acerca de la ciencia de datos como una carrera profesional, como ensamblar equipos de ciencia de datos en las organizaciones e incluso nos comentó acerca del Máster en Ciencia de Datos del cual es director en KSchool. En esta columna vamos a tomar una de las aportaciones que más nos sorprendió de la charla con Antonio para profundizar un poco más.

Para iniciar, como es costumbre con nuestros invitados en el podcast, les pedimos que nos compartan ¿con quién se tomarían un café? si pudieran elegir a cualquier personaje de la historia. En este caso Antonio nos comentó un par de nombres famosos, pero terminó inclinándose por Alan Turing. Para quien no lo conozca Alan Turing fue un matemático nacido en Reino Unido que fue un protagonista del desarrollo del campo de la teoría computacional. Recientemente se hizo más famoso por su función de criptógrafo descifrando mensajes de los “nazis” con la máquina ENIGMA después de la segunda guerra mundial. De hecho en Datlas le hicimos un homenaje a este gran personaje por el Día de Muertos que celebramos en México, puedes ver el altar homenaje aquí.

Después de este pequeño ritual de bienvenida para calentar motores Antonio nos relató un poco de su carrera y desarrollo profesional. Durante este bloque comentamos acerca de la transformación digital que han experimentado, y aprovechado, algunos grandes sectores económicos como lo es la industria financiera. Asimismo le pedimos a Antonio que nos diera su perspectiva alrededor de sectores o industrias que tuvieran grandes cantidades de datos y al mismo tiempo una gran oportunidad de aprovecharlos o explotarlos de una mejor manera. Sorprendentemente para nosotros, Antonio nos hizo notar que uno de los sectores que ha tenido una inmersión importante en temas de analítica de datos, después del sector financiero, ha sido el sector de las Utilities y quisimos profundizar un poco en esta parte.

¿Qué son las Utilities?

Las utilities es la denominación en inglés de aquellas compañías que pertenecen al sector energético y de servicios colectivos que prestan servicios de los cuales no se puede prescindir como por ejemplo: electricidad, gas, agua, residuos, etc.

Se consideran empresas seguras puesto que los ingresos son estables, sin embargo, debido a la gran inversión que requieren, suelen tener grandes cantidades de deuda, provocando una gran sensibilidad ante los cambios en la tasa de interés. Un aumento de la tasa de interés, va acompañado del incremento de la deuda, lo que provoca que el funcionamiento de las Utilities sea mejor cuando las tasas de interés están decayendo o se mantienen bajas.

¿Cómo aprovechan el Big Data y la analítica de datos las Utilities?

Antes que nada hay que entender que estas empresas apalancan otra de las grandes tendencias de la transformación digital que es el Internet de las Cosas (IoT) y los sensores.

Growing Technology Acceptance Boosts Demand for IoT in Utilities

Esta nueva forma de obtener datos les permite generar casos de uso como:

Predicción, detección y prevención de cortes de energía

Un corte de energía puede hacer que todo un país se detenga, como el apagón del noreste de 2013 que afectó a más de 45 millones de personas en los Estados Unidos. Las condiciones climáticas desfavorables son una de las principales causas de tales cortes. Las Utilities están construyendo una infraestructura y sensores más inteligentes para mejorar la previsibilidad y prevenir estos escenarios de interrupciones.

Los sistemas modernos de cortes de energía emplean soluciones en tiempo real que operan en base a datos en vivo y algoritmos inteligentes para predecir y prevenir cualquier situación posible.

Estos sistemas son capaces de predecir el impacto de cualquier eventualidad cercana a la red, posibles cortes causados ​​debido a eventos de medidores inteligentes, cortes específicos de la región y más.

Gestión de carga inteligente

Para gestionar de forma eficiente la carga de energía, las Utilities necesitan equilibrar de forma estratégica e inteligente la demanda de energía con un suministro de energía óptimo en un período de tiempo determinado. Tener un sistema de gestión de carga inteligente les permite cubrir los requisitos de gestión de red de extremo a extremo, incluidas la demanda y las fuentes de energía con la ayuda de fuentes de energía distribuidas, sistemas de control avanzados y dispositivos de uso final.

Todos los componentes del sistema de gestión generan datos. Al aplicar análisis de Big Data, las empresas pueden tomar decisiones con precisión con respecto a la planificación y generación de energía, la carga de energía y la estimación del rendimiento.

▷ Mantenimiento Predictivo - Digitalización y optimización de las fábricas

Gestión preventiva de activos

Dado que es una industria intensiva en activos y depende en gran medida del rendimiento óptimo de sus equipos e infraestructura de red. La falla de estos activos puede causar serios problemas de distribución de energía y, en consecuencia, mermar la confianza del consumidor. Por lo tanto, prevenir este tipo de incidentes es una de las principales prioridades de la industria.

Para el mantenimiento preventivo de equipos, el Big Data y la analítica viene al rescate. Los activos están integrados con sensores inteligentes, rastreadores y soluciones de datos que transmiten información en tiempo real al centro. Los datos recopilados se pueden procesar y analizar para identificar posibles problemas con el mantenimiento del equipo, lo que permite un manejo proactivo de la situación.

Mayor eficiencia operativa

Aprovechar los datos en tiempo real de los activos relacionados con la tasa de actividad, el estado de las operaciones, el tiempo, el análisis de la oferta y la demanda, y más, ayudan a las empresas de Utilities a optimizar la eficiencia energética y el rendimiento de los activos. Las aplicaciones de Big Data y analítica les permiten mejorar la confiabilidad, la capacidad y la disponibilidad de sus activos de red mediante el monitoreo continuo del costo y el rendimiento.

Y… ¿de que tamaño es el mercado?

Finalmente, Antonio nos hizo reflexionar acerca de las aplicaciones de Big Data, analítica de datos, Internet de las Cosas y sensores que tiene este sector. Hemos visto ejemplos claros y aplicaciones con casos de negocios sustentados, pero como emprendedores, como proveedores de soluciones de analítica, la última disyuntiva que pudiéramos tener es ¿de qué tamaño es el pastel? y justo nos dimos cuenta que la inversión en analítica por parte de las Utilities ha venido creciendo desde el 2012 y el año pasado logró posicionarse en $3.8 billones de dólares, de los cuales Latinoamérica participa con alrededor de $0.5 billones de dólares.

Así que, al igual que nosotros esperamos que hayas aprendido como nosotros un poco más alrededor de una industria que a pesar de ser longeva tiene una gran oportunidad y ya esta adoptando nuevas tecnologías.

Si eres emprendedor, profesionista o simplemente te interesa adentrarte al mundo de la ciencia de datos te recomendamos escuchar el Episodio #44 de nuestro podcast Café de Datos con Antonio Pita y conocer más acerca del Máster en Ciencia de Datos de KSchool del cual Antonio es el director y tiene un modelo muy interesante de aprendizaje basado no solo en la teoría sino también en la práctica.

Hasta aquí la columna de hoy, no olvides compartirla con tus colegas y seguirnos en nuestras redes sociales como @DatlasMX

Bibliografía:

BigDataissuesandopportunitiesforelectricutilities.pdf

The role of big data analytics in Energy & Utilities (cigniti.com)

Utility | WikiFinanzas – Finanzas para Mortales (wiki-finanzas.com)

El futuro de la seguridad PARA SMART CITIES (FT. ANALITICA DE DATOS) ¿problemas de privacidad? –

Recientemente podrás haber leído nuestra columna de “CODED BIAS” , el documental de Netflix donde se hace referencia a la inteligencia artificial como potencial causante de un futuro donde las decisiones tomadas por máquinas llevan una carga de sesgo humano. Esta carga es la que genera categorizaciones equivocadas cómo no identificar a personas de razas no blancas, detener personas en la calle por malas interpretaciones, entre otras.

En este episodio daremos un paso adelante y profundizaremos en cómo tecnologías y analítica de datos se combinan para dar pasos avanzados en el tema de seguridad. También reflexionaremos sobre si esto generaría problemas para la privacidad de las personas.

Para entrar motivados a esta columna comenzaremos dando una idea de qué tipo de tecnologías ensamblan a una de las cadenas más famosas de comida rápida.

¿Qué lograron? Apps para pedir bajo demanda, segmentación de visitantes, escaneo de placas, recomendaciones sugeridas, personalización de órdenes en pantallas, auto-servicio para dudas y comentarios y sobre todo hiper-personalización.

Si ellos lo lograron para vender más hamburguesas… ¿Una ciudad lo podrá hacer para cuidar a sus personas?

¿Qué aplicaciones de analítica de datos son usadas al día de hoy para seguridad de la ciudadanía?

1) Identificación de personas por cámaras de seguridad

Las cámaras de CCTV son implementaciones cada ves más frecuentes por delegaciones y municipalidades para monitorear la seguridad en la ciudad. De hecho, puedes ver nuestro blog de “Análisis de cámaras CCTV en el mundo”. donde ciudades como Monterrey acumularon 4.18 cámaras por kilómetro cuadrado (4,000 cámaras) para el 2020. Pero por otro lado, ciudades como Londres tienen 67.5 CCTVs por km2 o Taiuyan China 120 cámaras por km2.

2) Detección de personas contrastando inventarios de imágenes

Además de que las cámaras detecten personas, las CCTVs de más alta definición tienen potencial de hasta 50x de zoom óptico, además de otro tanto digital. Con esto se pueden obtener resoluciones completas de personas. Si estas imágenes se contrastan contra bases de datos de imágenes ciudadanos, por ejemplo en México, de las credenciales de elector para votar o licencias de conducir, es posible deducir quién es la persona que se mueve en la ciudad y dónde gracias a la ubicación de las cámaras.

3) Identificación de autos mediante placas

Una de las más sofisticadas es la detección de placas de autos. Se instalan estos detectores en entradas, accesos, casetas y también en las vías más importantes de la ciudad para detectar las rutas que toman autos.

Imagínense en una persecución, sería sencillo identificar un auto si tenemos sus placas considerando que en una base de datos sabemos donde y en qué momento se han estado movilizando autos con esas placas.

Si quisieras entender cómo funcionan estos algoritmos de clasificación te recomiendo revisar este blog de supervisados vs no supervisados.

4) Etiqueteo de objetos en toma para generar filtros

Hay “ejércitos” de personas y compañías que hoy día se dedican a etiquetar objetos en vídeos y fotografías para poder entrenar filtros en CCTV. De manera en que si quiero detectar autos blancos en el video puedan ser eliminados todos los autos que no sean de ese color. Así como las motocicletas y facilitar las persecuciones de los oficiales.

5) El principio de una ciudad inteligente: Centros de monitoreo

C4 Municipal, C5 Estatales y mecanismos de monitoreo en las ciudades. El principio de ciudades inteligentes es capacitar equipos que puedan monitorear y convertir todos estos datos en protocolos de seguridad. Así como de prevención.

También te puede interesar nuestro podcast donde hablamos de cómo analizar datos para proteger tu negocio.

6) Análisis de reportes vía redes sociales y reportes de ciudadanía

En Monterrey, Nuevo León, México plataformas ciudadanas como CIC han dado de alta la plataforma de CIVIX – Análisis (Liga: https://analisis.civix.mx/ ) en dónde se pueden visualizar y dar seguimiento a denuncias ciudadanas.

¿Y hay preocupaciones por la privacidad ?

La conversación, desde el documental de social dilemma, ha sido más democratizada. Somos más conscientes de que los datos asociados a personas y las problemática de la privacidad de los datos. Antes teníamos que llenar formularios de datos para que se escribieran en una base de datos, ahora con nuestro rostro hay mucha información que pueden saber de nosotros.

En el futuro habrá más conversaciones de ética. Lo importante es saber que estamos en ese punto en el tiempo en el que debemos de identificar que es lo que está pasando y/o está a punto de suceder en muchas ciudades del mundo. Por ejemplo, en México se ha avanzo en una legislación para generar un padrón de números telefónicos e información personal. Puedes ver esta nota de Forbes con todos los detalles. Pero los datos que solicitarán son:

Los datos que tendrían que dar los usuarios mexicanos son:

  • El número telefónico.
  • Fecha y hora de la activación de la linea telefónica móvil adquirida en la tarjeta SIM.
  • Identificador único de la tarjeta SIM.
  • Fecha y hora de activación de la línea telefónica.
  • Nombre completo, domicilio, nacionalidad y datos biométricos, como su huella digital del usuario.
  • Número de identificación oficial con fotografía del titular de la línea.
  • Esquema de contratación de la línea telefónica móvil.

¿Qué riesgos? Bueno un mal uso por parte de las autoridades, mal aprovechamiento de información, vulnerabilidades en información si algún hackear llega a identificarlos, entre otros

También te puede interesar “Fragilidad en sistemas IOT y de seguridad”. Fuente: https://www.elfinanciero.com.mx/tech/sin-protocolo-de-seguridad-empleados-de-verkada-tenian-amplio-acceso-a-camaras-de-clientes-privados/

Hasta aquí la columna de hoy. Hay que continuar manteniendo una postura de ciudadanos digitales y comenzar a preocuparnos por los derechos del mundo del internet y las privacidad de los datos.

– Equipo Datlas –

Keep it weird

UNA REFLEXIÓN BALANCEADA DEL DOCUMENTAL DE NETFLIX: CODED BIAS ¿ INTELIGENCIA ARTIFICIAL RACISTA? – COLUMNA DE OPINION DATLAS

Desde el equipo de Datlas y los autores de las columnas de este blog nos encanta la generación de contenido y difusión sobre temas de analítica, inteligencia artificial y transformación digital. Hemos hecho columnas de documentales como el dilema de las redes sociales: “3 REFLEXIONES SOBRE “SOCIAL DILEMMA” y publicado opiniones sobre nada es privado: “3 reflexiones de Great Hack”. En esta ocasión hablaremos del documental recientemente lanzado llamado “CODED BIAS” que hace referencia a situaciones donde la inteligencia artificial ha mostrado ser racista.

***SPOILER ALERT*** : Si aún no has visto el documental, tal vez quieras detenerte un poco y regresar a esta lectura para no arruinarte o sesgar tus pensamientos.

Los antecedentes ¿De qué trata?

Un estudiante del MIT identifica un problema evidente en la tecnología de la detección facial. Este desarrollo, desde su nacimiento y entrenamiento (Te recomendamos leer “Algoritmos supervisados y no supervisados” para mejorar tu comprensión de este tema), no está preparado para ser usado con la misma eficiencia por personas de color. Este es el preámbulo de toda una controversia de poderes y autocrítica a los desarrollos de inteligencia artificial de la actualidad y la problemática de la toma de decisiones habilitadas por computadora con modelos de “cajas negras” (Esto quiere decir, en pocas palabras, que son modelos donde no podemos identificar con claridad el efecto de cada variable tomada en el resultado o la justificación exacta de un resultado matemático. Solamente un % de ajuste que nos hace sentir matemáticamente certeros de que es el mejor modelo).

¿En cuál problema se centra el documental?

En un problema social. La temática de racismo y discriminación no es nueva en el contexto de la inteligencia artificial. Muchas de las empresas e investigadores que son pioneros en generar sistemas de identificación utilizan condiciones de “entrenamiento de sistemas” con un sesgo demográfico y socioeconómico.

Al no haber la diversidad suficiente en un equipo de desarrollo de algoritmos las predicciones de, por ejemplo, una cámara de seguridad que alerta cuando una persona “parece terrorista en una aeropuerto” , pueden estar vinculadas a una carga cultural y/o sistemática incorrecta.

Ejemplo citado en la película de cómo la policía local de una región del Reino Unido que utilizan cámaras y algoritmos de “profiling” para detener y entrevistar ciudadanos que, a criterio de su sistema, parecen sospechosos han fallado el 91% de las veces

¿Cuál es el problema de continuar con aplicaciones de inteligencia artificial como “facial recognition” o la “identificación facial” sin reconocer y cuidar los sesgos inherentes?

Si el futuro del mundo está alrededor de la inteligencia artificial (IA) y esta es un reflejo de la sociedad entonces tendremos sistemas sesgados.

Ejemplo de asertividad para identificar personas considerando distintas tecnologías: Azure, IBM y FACE (Empresa China)

Esta es una conversación que no es nueva. Constantemente se hacen estas “auditorias” a empresas de tecnología. Bastantes líderes den el sector tecnológico han empoderado un mensaje claro de que no debemos de dejar que la IA gobierne las decisiones humanas sin entender verdaderamente cómo funciona

Recordemos el caso de Steve Wozniak, uno de los fundadores de Apple, que tan pronto la empresa de tecnología lanzó su tarjeta de crédito obtuvo un crédito 10 veces del tamaño del de su esposa. Siendo que comparten cuentas bancarias, antecedentes crediticios y propiedades.

“La aparición estelar: Cathy O’neil”

En el documental “Coded Bias” hay un personaje que hace su aparición y honra decirlo. A opinión personal, el documental debió tratarse de ella. Nos referimos a Cathy Oneal, la autora de “Weapon of Math Destruction”

Cathy es una especialista en el tema de algoritmos, matemática de formación y con mucha experiencia en el diagnóstico de modelos de inteligencia artificial. Comenzó su carrera en la academia y después paso al mundo financiero donde algunas “formas” y consecuencia sde todos los modelos que se trabajaban le empezaron a “sonar raro”

Ha identificado y denunciado algoritmos que han tenido interpretaciones incorrectas en sectores bancarios hasta el mismo sistema legal norte-americano.

Aunque su intervención en la película es pequeña, si has leído alguno de sus libros podrás entender el valor que le aporta al movimiento impulsado por la película.

La reflexión final (opinión del autor de la columna, no a nombre de Datlas)

Mientras por un lado resulta “taquillero” hablar negativamente de la inteligencia artificial, sus impactos en el mundo y los problemas sociales que esta podría causar es justo decir que la conversación debe continuarse ampliando. Muy probablemente veamos nuevas series y documentales hablando del tema.

La temática de este documental no es nueva. Sin embargo había espacios para ser más técnicos y revisar los impactos de un mal uso de la IA en la sociedad. En ese sentido, en el casting debió de haber tenido más protagonismo una especialista en la materia como Cathy Oneil, con espacio para poder aprender mucho más de ella.

Por otro lado, si bien la IA ha generado potenciales problemas también hay muchos escenarios de impacto positivo. Un buen uso de IA y desarrollos con conciencia social auditados por un consejo especializado para reducir sesgos en los modelos pudiera dar brillantes resultados. Creo que esa parte de la historia faltó contarse en este documental que termina siendo algo dramático.

Documentales como estos tienen la oportunidad de hacer resonar propuestas de intervención escalables y transparentes para resolver las problemáticas que presentan. Faltó profundizar en más propuestas en este documental. Sin embargo podemos alegar que la directora Shalini Kantayya nos dejó esa tarea. Ahora tocará a la sociedad investigar más recursos para poder cuestionarnos la aplicación del IA.

Y ¿Cuáles son tus opiniones? Compártenos en @DatlasMX qué fue lo que te gustó y no te gustó del documental ¿Cuál fue tu mayor aprendizaje?

– Equipo Datlas –

Keep it weird

Temas: Inteligencia de Datos y Transformación digital