observatorio ct+i · • analítica de web • analítica predictiva • gestión de modelos de...

OBSERVATORIOCT+i

TIC

LICENCIA

Informe: Alerta de Mercado TIC por Corporación Ruta N se

distribuye bajo una Licencia Creative Commons Atribución-

NoComercial-CompartirIgual 4.0 Internacional

REFERENCIA BIBLIOGRÁFICA

Sugerimos se referencie el documento de la siguiente forma:

Corporación Ruta N (2016). Observatorio CT+i: Informe No. 1

Alerta de Mercado TIC. Recuperado desde www.brainbookn.com

http://rutanmedellin.org/index.php/es

http://creativecommons.org/licenses/by-nc-sa/4.0/

http://www.brainbookn.com/

OBSERVATORIOCT+i

MERCADO DE:

TIC

ALERTA MERCADO

TIC

EJECUTA

DESARROLLA EL ESTUDIO

ASESOR

Pablo CastañedaIngeniero electricista

Ingeniero de productividad y calidad

Candidato a Magister en Ingeniería

Director de Negocios ITO en

Compuredes

PARTICIPANTES

El estudio de vigilancia tecnológica e inteligencia competitiva denominado Alerta Mercado TIC fue desarrollado

por la Corporación Tecnnova UEE en el cual los participantes asumieron los siguientes roles:

Metodólogo: Asesora con la metodología de vigilancia tecnológica e inteligencia competitiva diseñada para el

proyecto Observatorio CT+i y definida por INNRUTA - Red de Inteligencia competitiva. Adicionalmente coordina dentro

de cada institución los ejercicios realizados.

Vigía: Encargado de recopilar de fuentes primarias y secundarias los datos e información relacionada con el área de

oportunidad estudiada. Adicionalmente, realiza con expertos temáticos y asesores el análisis de la información

recopilada y la consolidación de los informes del estudio de vigilancia tecnológica e inteligencia competitiva.

El estudio contó con la participación de Pablo Castañeda quien desempeñó el papel de asesor temático con las

siguientes actividades.

Asesor temático: Participa en las etapas de análisis y validación de la información recopilada por el vigía.

Adicionalmente, orienta y da lineamientos del estudio de vigilancia tecnológica e inteligencia competitiva realizado.

Adicionalmente se contó con la participación de un grupo de validadores temáticos quienes contribuyeron en la

validación de los contenidos analizados y la construcción de conclusiones y recomendaciones finales.

PARTICIPANTES

Director del proyecto:

Elkin Echeverri

Coordinadores del proyecto:

Samuel Urquijo

Jorge Suárez

Experto TIC:

Ana María Salazar

Director del proyecto:

Oscar Eduardo Quintero

Metodóloga y Coordinadora del proyecto:

Ana Catalina Duque

Apoyo metodológico:

Juan Manuel Salazar

Diana María Aguilar

Vigía:

Sebastián Duque

PARTICIPANTES

Iván Guillermo Orozco Arias

Director Negocios Digitales | Conocimiento

eSencillo

Elkin Echeverri

Director de Planeación y Prospectiva

Ruta N

Samuel Urquijo

Profesional de Planeación y Prospectiva

Ruta N

Ana María Salazar

Experta TIC I+D

Ruta N

VALIDADORES

TEMÁTICOS

INTRODUCCIÓNTIC

El presente estudio es un panorama de las principales áreas de aplicación en TIC y sus

tendencias asociadas. Se priorizan tres de estas áreas realizando para cada una un estudio a

mayor profundidad donde se presentan los principales lineamientos, drivers, tendencias,

referentes, tecnologías asociadas, red de actores y retos.

La información aquí contenida representa el resultado de un estudio de Vigilancia

Tecnológica e Inteligencia Competitiva en el cual se realizó una revisión bibliográfica de

variedad de informes a nivel global, identificando las dinámicas a nivel mundial en el tema.

Adicionalmente fue validado y enriquecido con el aporte de actores del ecosistema de

innovación en TIC.

Es un panorama general que busca incentivar en los lectores la curiosidad por profundizar

más en el tema y generar dinámicas que promuevan la activación de proyectos I+D+i y

alianzas entre los actores.

TABLA DE CONTENIDO

Panorama General Mercado TIC............................................

Drivers Tecnológicos.....................................................

Drivers Usuarios..........................................................

Tendencias en TIC........................................................

Para Tener en Cuenta...................................................

Alcance Alerta de Mercado.................................................

Enfoques en TIC Priorizados...........................................

Índice de Trabajo........................................................

Glosario de Términos IIOT en TIC ....................................

Glosario de Términos Machine learning en TIC ....................

Glosario de Términos Big data en TIC ...............................

IIOT en TIC ....................................................................

Tendencias del Mercado IIOT en TIC .................................

Nuevos Productos IIOT en TIC .........................................

Tendencias Tecnológicas IIOT en TIC .................................

Retos IIOT en TIC ........................................................

Nº de diapositiva

12

13

14

15

16

17

18

19

20

21

22

23

25

30

35

40

10

TABLA DE CONTENIDO

Machine learning en TIC ....................................................

Tendencias del Mercado machine learning en TIC .................

Nuevos Productos machine learning en TIC .........................

Tendencias Tecnológicas machine learning en TIC .................

Retos machine learning en TIC ….....................................

Big data en TIC ..............................................................

Tendencias del Mercado big data en TIC ............................

Nuevos Productos big data en TIC ....................................

Tendencias Tecnológicas big data en TIC ............................

Retos big data en TIC ...................................................

Recomendaciones ...........................................................

Consideraciones finales ................................................

Nº de diapositiva

45

47

52

58

63

68

70

75

82

87

93

94

11

TIC

A continuación se presentan los principales drivers

(entendiéndose driver como situaciones, condiciones

o eventos que permiten que el objeto de estudio se

desarrolle o tenga un espacio en el mercado) a nivel

tecnológico, y de usuario que promueven el

desarrollo de tecnologías de la información y la

comunicación con las principales tendencias

asociadas.

1.PANORAMA GENERALMERCADO TIC

DRIVERS TECNOLÓGICOS

Información centralizada: Las organizaciones requieren de una transición

de los “silos” de datos, hacia un sistema integrado de información que

permita mayor coordinación y acceso a la información.

Análisis de grandes volúmenes de datos: La necesidad de interpretación

de un número cada vez mayor de datos, impulsa el desarrollo de nuevas

herramientas para dar sentido a un alto volumen de información.

Interoperabilidad de sistemas: Los sistemas están siendo desarrollados con

una mayor comunicación entre ellos permitiendo transferencia de

información multidireccional y habilitando la generación de soluciones más

robustas.

Mayor autonomía de los sistemas: En el desarrollo de software y el diseño

de sistemas existe una tendencia a la operación sin la intervención de las

personas, automatizando muchas tareas que antes requerían supervisión.

TIC

13

DRIVERS USUARIOS

Experticia del usuario final: La continua interacción con las tecnologías ha

propiciado la demanda por soluciones más ágiles y móviles.

Integración y automatización: Los negocios tienen la necesidad de

implementar soluciones más rápido y que mejoren la productividad.

Incremento en dispositivos móviles: El creciente número de usuarios,

genera la necesidad del desarrollo de aplicaciones móviles.

Experiencias inmersivas: La conexión entre el usuario y las diversas

plataformas ha evolucionado para que la interacción sea más envolvente.

Comunidades abiertas: Usuarios mas empoderados promueven la

implementación de plataformas abiertas para acceso a información.

TIC

14

TENDENCIAS EN TICTIC

Dispositivos

móviles

Inteligencia

artificial

• Machine learning

• Respuesta a preguntas en

lenguaje natural

• Vehículos autónomos

• Asesor virtual inteligente

• Robots inteligentes

• Asistentes personales

virtuales

• Control por medio de gestos

• Realidad virtual

• Monitoreo de la salud móvil

• Realidad aumentada

• Weareables

• Biochips

• Interfaz computador-cerebro

• Impresión 3D para

negocios

• Impresión de dispositivos

auditivos

• Escáner 3D

• Software para impresión

3D

• Impresión de dispositivos

dentales

• Bioimpresión 3D para

trasplantes de órganos

• In-memory analytics

• Monitoreo de redes sociales

• Analítica de web

• Analítica predictiva

• Gestión de modelos de datos

• Analítica avanzada con auto-servicio

• Analítica de textos

• Analítica prescriptiva

• Analítica de lenguaje

• Analítica en tiempo real

• Analítica de video

Menos de 5 años

Entre 5 y 10 años

Más de 10 años

Se espera que la tecnología

entre en una etapa productiva

en:

• Data warehouse platform as a

service (dwPaaS)

• Construcción de repositorios de

información inteligente

• Cryptocurrency

• Computación en la nube híbrida

(privada y pública)

• Paas (plataforma como servicio)

• IaaS (Infraestructura como

servicio)

• SaaS (Software como servicio)

• ERP pública para PYMES

• Micro centros de datos

• Data center definida por

software

• In- memory database

management system

• Computación cuántica

• M2M (máquina a máquina)

• RFID para logística y transporte

• Monitoreo móvil de la salud

• Internet de las cosas industrial

• Internet de las cosas en servicios públicos

(electricidad)

• Infraestructura de medición

• Plataformas del internet de las cosas

• Hogar conectado

15

PARA TENER EN CUENTA

• Drivers como promotores de desarrollos e innovaciones. Los drivers al ser las situaciones, condiciones o

eventos que permite que el objeto de estudio se desarrolle o tenga un espacio en el mercado generan

activación de productos y servicios, se asocian con mayor fuerza a alguna de las tendencias propuestas, sin

embargo, pueden tener efectos sobre otras tendencias o provocar la aparición de nuevos drivers.

• Tendencias como impulsores de nuevos productos en diferentes áreas de aplicación o enfoques. Las

tendencias constituyen los campos de aplicación que se promueven a partir de los drivers sobre los cuales se

enfocan los intereses y esfuerzos de desarrollo, permitiendo la activación de nuevos productos y servicios.

• Tecnologías habilitantes de nuevos modelos de negocios orientados a la analítica de datos. Las nuevas

tendencias tecnológicas han hecho posible el surgimiento de nuevas formas de prestación de servicios,

generando nuevas empresas y haciendo que las existentes reevalúen la forma hacer negocios, pues con el

surgimiento de los crecientes volúmenes de datos, muchos negocios están orientando su propuesta de valor

hacia la analítica de datos.

• Tendencias agrupadas dentro de los ejes temáticos. Existen una gran variedad de tendencias tecnológicas

en el sector TIC (Dispositivos móviles, Internet de las cosas, Big Data, Inteligencia artificial, Impresión 3D y

Cloud computing). Algunas de estas tendencias son transversales y se interrelacionan entre si, sin embargo las

tecnologías se clasificaron en los ejes temáticos más afines.

TIC

16

TIC

A continuación se presentan las tendencias en TIC.

Este diagrama representa los temas priorizados en

donde se hizo énfasis en el estudio de vigilancia

tecnológica e inteligencia competitiva denominado

alerta de mercado TIC.

2.ALCANCE ALERTAMERCADO TIC

A partir de las tendencias de TIC detectadas

presentadas en el capitulo anterior se priorizan

tres, considerando la relevancia de estas tanto

a nivel local como a nivel internacional y la

pertinencia para promover el desarrollo de

tecnologías e innovaciones relacionadas en la

región.

Estas tendencias fueron priorizadas involucrando

diferentes expertos en TIC a nivel local, nacional

e internacional.

ENFOQUES EN TIC PRIORIZADOS

IOT

• Internet de las cosas industrial

• Internet de las cosas en servicios

• RFID para logística y transporte

• públicos (electricidad)

• Infraestructura de medición

Inteligencia artificial

• Machine learning

• Analítica de video

• Analítica de texto

• Procesamiento de lenguaje natural

TIC

Big data

• Analítica predictiva

• Analítica prescriptiva

• Analítica en tiempo real

18

INDICE DE TRABAJOTIC

IIOT

MACHINE LEARNING

ANALÍTICA PREDICTIVA Y

PRESCRIPTIVA

19

GLOSARIO DE TÉRMINOS-IIOT

• Industrial internet of things (IIOT): El internet de las cosas industrial se refiere a la capacidad de usar los datos de sensores y analítica

para identificar oportunidades de mejora en la operación.

• Smart connected product (SCP): Productos con la capacidad de transmitir y recibir datos que permitan ampliar las funcionalidades o

servicios que se ofrecen.

• Smart city: Desarrollo urbano basado en el concepto de integrar múltiples tecnologías de información y comunicación para la gestión

óptima de los recursos e infraestructura de la ciudad.

• Smart grid: Red eléctrica que integra una variedad de sensores inteligentes para la comunicación bidireccional, mejorando el control y

automatización del sistema.

• Industria 4.0: Se refiere a la cuarta revolución industrial. Esta tendencia pretende integrar el monitoreo de la operación en forma

virtual para el análisis de los datos y tomar decisiones descentralizadas que mejoren la productividad.

• Radio frequency identification (RFID): Tecnología que usa un dispositivo electrónico con una antena ligada a un objeto para enviar

información a sensores que permite identificar y rastrear de manera automática diferentes productos.

TIC

20

GLOSARIO DE TÉRMINOS-MACHINE LEARNING

• Machine learning (ML): El aprendizaje de máquina es un tipo de inteligencia artificial que se refiere a una serie de técnicas

para que un computador aprenda sin ser programado explícitamente para ello.

• Aprendizaje supervisado: Tipo de aprendizaje que utiliza ejemplos en donde el resultado es conocido para que el computador

reconozca un patrón y pueda aplicarlo a futuros casos en donde no se conoce el resultado.

• Aprendizaje no supervisado: Aprendizaje que no cuenta con resultados conocidos, sino que intenta reconocer patrones

escondidos en la información.

• Open source: Programa computacional cuyo código fuente ha sido publicado a las personas y está disponible para su uso,

modificación y redistribución.

• Procesamiento de lenguaje natural: Es un campo de la computación e inteligencia artificial dedicado al estudio de la

interacción entre el humano y el computador por medio del lenguaje hablado.

• Deep learning: Es una rama del machine learning en donde se modelan abstracciones de alto nivel en datos a través de

transformaciones lineales y no lineales.

• Ensemble learning: Proceso por medio del cual se utilizan diversos modelos que se combinan para resolver un problema

particular.

• Data science: Campo interdisciplinar que trata de generar conocimiento a través de la extracción, procesamiento y análisis de

datos.

TIC

21

GLOSARIO DE TÉRMINOS-ANALÍTICA PREDICTIVA Y

PRESCRIPTIVA

• Analítica predictiva: Modelos para el análisis de datos que permita la predicción de comportamientos basados en la

información.

• Analítica prescriptiva: Sistemas de generación de recomendaciones o acciones de manera automática, basados en el análisis de

a información para optimizar procesos.

• Datos estructurados: Datos que se encuentran dentro de un campo determinado, lo cual permite su agrupación o

categorización.

• Datos no estructurados: Datos sin categorización, dentro de esta categoría se encuentran textos, videos, audio o contenido de

redes sociales.

• Data science: Campo interdisciplinar que trata de generar conocimiento a través de la extracción, procesamiento y análisis de

datos.

• Bussiness intelligence: Sistemas y herramientas de análisis de la información de una empresa, que permiten realizar procesos de

planeación.

• Spark: Software de código abierto, para organizar varios ordenadores de manera que trabajen en paralelo, reduciendo los

tiempos de cómputo.

TIC

22

TIC

A continuación se presenta una descripción del

área priorizada con los aspectos más

importantes de la temática y su evolución.

3.IIOT EN TIC

MAPA:IIOTTIC

(Harvard Business Review, 2014)

IIOT: El uso de sensores en las

diferentes piezas de

maquinaria industrial y su

conexión a través de una

plataforma que permite

acceder al mundo físico a

través de un servicio digital se

conoce como internet de las

cosas industrial.

Esta tecnología ofrece la

oportunidad de medir variables

y transmitir los datos para

conectar la información a un

sistema que permita tomar

decisiones basadas en un

panorama completo de la

situación.

*SCP: Smart connected products

24

TIC

En este capítulo se evidencian aspectos claves del

mercado global, haciendo énfasis en el comportamiento

comercial a nivel de productos, servicios y tecnologías

disponibles en el mercado y las tendencias de los mismos

a nivel de oferta y demanda. Adicionalmente, los

principales jugadores del mercado mundial,

evidenciando sus productos y aplicaciones que

comprueban los resultados de este tipo de desarrollos.

3.1TENDENCIAS DEL MERCADOIIOT EN TIC

DRIVERS: IIOTTIC

Gobierno

• Mayor coordinación y eficiencia

en el uso de los recursos.

• Promover el incremento de la

productividad del sector

industrial.

• Aumentar la eficiencia

energética.

• Mejorar la calidad de vida de

los ciudadanos mediante el uso

de tecnologías IoT, por ejemplo

Smart cities o Smart grid.

DR

IVER

S

• Miniaturización de sensores e incremento en la funcionalidad.

• Conectividad entre dispositivos para permitir la transferencia multidireccional de información.

• Infraestructura para la gestión de un gran volumen de datos.

Habilitadores

Universidades y centros de

Investigación

Empresas de hardware y

softwareSector productivo

• Creación de arquitecturas de

captura y procesamiento de

datos.

• Gestión de grandes cantidades

de información.

• Analítica de información de

operación de los equipos que

permita generar mayores

beneficios.

• Mayor monitoreo y control de

la operación.

• Generar una mayor

trazabilidad de los procesos

• Uso de la información generada

para la oferta de servicios

conexos.

• Nuevos modelos de negocios,

que permitan el pago por uso.



• Mejorar la productividad y

disminuir pérdidas.

• Ofrecer mejores servicios de

manufactura mas eficientes y

oportunos.

• Detección y corrección

temprana de posibles fallos.

• Ofrecer un mejor servicio

posventa.

26

CRECIMIENTO DEL MERCADO:IIOTTIC

Las áreas de operación del internet de las cosas

industrial son:

• Automatización de fábricas

• Robótica

• Calefacción, ventilación y aire acondicionado

• Sistemas de seguridad

• Sistemas médicos

• Cadena de servicios

• Analítica

Segmentación de la inversión por geografía

40,9%

27,3%

22,1%

9,7%

APAC

Norteamérica

Europa

ROW

Tamaño mercado 2016

$92,6Miles de millones USD


$131,6Miles de millones USD

Crecimiento mercado 2016

6,98%Crecimiento mercado 2020

7,63%

ROW: Resto del mundo

APAC: Asia pacíficoTechnavio,2015

Los beneficios potenciales del internet de las

cosas industrial son la mejora en la productividad

y reducción de costos, principalmente en los

sectores de salud, manufactura y cadena de

suministro.

La inversión de los negocios y el gobierno en

tecnologías del internet de las cosas y el análisis

de big data impulsan el mercado en este sector.

La región geográfica que genera mayores ingresos

es APAC y se espera un alto crecimiento en el

período pronosticado.

92,699

106,1113,8

122,3131,6

6,98%

7,12%

7,30%

7,45%

7,63%

6,20%

6,40%

6,60%

6,80%

7,00%

7,20%

7,40%

7,60%

7,80%

0

20

40

60

80

100

120

140

2015 2016 2017 2018 2019 2020

Mercado (miles de millones USD)

27

PRINCIPALES REFERENTES: IIOTTIC

General Electric

Multinacional Estadounidense tiene operaciones en

sectores como aviación, salud, petróleo, gas,

energía, transporte, entre otras. La empresa es la

fundadora del “Industrial Internet Consortium”,

inventó el internet industrial y ofrece una plataforma

en la nube llamada Predix para el análisis y

visualización de la información, además cuenta con

“Predix Startups program” que ayuda a desarrollar

aplicaciones para el análisis de datos en tiempo real.

www.ge.comCisco

Multinacional Estadounidense. Ofrece un portafolio

de productos en tecnología de conexión, dispositivos,

gestión de redes, redes ópticas, redes de

almacenamiento y centros de datos. Las soluciones

ofrecidas para internet de las cosas industrial son:

“Cisco Industrial Networks”, “Cisco Field Networks”,

“Cisco Embedded Networks”, Cisco Physical and

“Cyber Security Solutions”, “Cisco Connected

Factory”, “Cisco Secure Ops”, “Cisco Connected

Supply Chain”, “Cisco Connected Transportation” y

“Cisco Connected Grid Network Management

Solution”.

www.cisco.com RTI - Real-Time Innovations

Empresa Estadounidense, proveedora de

“middleware” embebido. Ofrece la plataforma: RTI

IoT industrial FaxTrax Program que ayuda a las

empresas a manejar grandes volúmenes de datos

heterogéneos en tiempo real de dispositivos

conectados, que además ayuda a mejorar la

eficiencia operacional.

www.rti.com

IBM

Compañía Estadounidense. Ofrece productos de TI,

soluciones empresariales y servicios de consultoría en

empresas. Provee variedad de productos para el IoT

industrial, “IBM Bluemix IoT Zone”, “IBM IoT Cloud

Open Platform” y “IMB IoT Ecosystem” .

www.ibm.com

Rockwell Automation

Empresa Estadounidense. Comercializa soluciones en

automatización de energía, control e información.

Opera principalmente en dos segmentos: Productos

de control y Arquitectura y software. Cuenta con una

solución llamada “Connected Enterprise” para ayudar

a gestionar los procesos de manufactura, reducir las

complejidades de la red y proveer información de los

riesgos a la seguridad.

www.rockwellautomation.com

Intel

Empresa Estadounidense, que diseña y manufactura

microprocesadores y chips. Intel ayudó en el

desarrollo de 3 áreas en IoT industrial: conexión de

dispositivos a la red, gestión de la seguridad de datos

e integración con la infraestructura existente.

www.intel.com28


• Existe una alta competencia en el mercado. Existen grandes jugadores que lideran los desarrollos tecnológicos

en el área y que compiten en una amplia gama de productos y servicios ofrecidos al mercado

• Oportunidad para nuevos jugadores. A pesar del hecho de existir alta competencia, el IIOT se considera un

mercado naciente, por tanto hay oportunidad de que nueva compañías entren a competir en este mercado con

propuestas de valor diferentes.

• El desarrollo de la tecnología depende de la interoperabilidad. Dado crecimiento del mercado y el número

de soluciones disponibles, se hace necesario generar estándares que permitan la comunicación entre los nuevos

dispositivos y estos a su vez con tecnología anterior. En vista de que ya se ha creado un consorcio de empresas

que ha iniciado la creación de dichos estándares, las empresas deberían acogerse a estos para que sus soluciones

permanezcan vigentes en el tiempo.

• Se requieren nuevas capacidades de análisis. El volumen de información que generan los nuevos dispositivos

requieren capacidades de análisis en tiempo real que las empresas tradicionales de manufactura no tienen, por

lo tanto se está optando por dos tipos de estrategias, la formación del personal o la tercerización de este tipo de

análisis.

• Existe un gran potencial en el mercado de servicios públicos. Uno de los mercados con mayor potencial está

basado en el concepto de smart cities, usar los recursos y la infraestructura de manera inteligente para la

gestión de recursos o servicios públicos como smart grid o smart water (un informe completo con estas temáticas

se puede encontrar en http://brainbookn.com).

TIC

29

http://brainbookn.com/

TIC

En este capítulo se presentan los nuevos

productos y modelos de negocio que

incursionan en el mercado, haciendo énfasis

en sus características diferenciadoras.

3.2NUEVOS PRODUCTOSIIOT EN TIC

PRODUCTOS INNOVADORES

Smart grids/cities

Los avances en sensórica permiten

el constante monitoreo,

optimización y control de los

sistemas e infraestructura. ABB

ofrece soluciones para la gestión de

energía, agua, transporte,

calefacción y refrigeración urbana.

Centros de datos

Decathlon es la plataforma de

“infraestructura de gestión del

centro de datos” (DCIM por sus

siglas en inglés) que ofrece la

capacidad de monitorear la

operación en diferentes servidores y

varios tipos de equipos.

Internet industrial

El uso de sensores permite conocer

la operación de las empresas hasta

tal punto que se pueden operar las

máquinas con mayor eficiencia y

menor impacto ambiental, conocido

como una nueva revolución

industrial la “Industria 4.0”.

ABB IoTSP: La línea de negocios de ABB, internet de las cosas,

servicios y personas tiene como fin conectar los dispositivos

industriales para realizar un análisis de la operación que

permita mejorar la eficiencia en planta.

TIC

31

PRODUCTOS INNOVADORESTIC

Empresa Estadounidense que cuenta con alianzas con empresas

de hardware, equipos, visualizaciones, predicción del tiempo y

software, para integrarlo todo en una plataforma de recolección

y análisis de datos en el sector agricultura. La plataforma IoT es

una herramienta de gestión de información que reúne todos los

datos y los transforma en información útil que le puede servir al

agricultor para la consulta en la toma de decisiones casi en

tiempo real.

El Centro de Excelencia y Apropiación en Internet de las Cosas

(CEA-IoT) es una alianza entre universidades, líderes

tecnológicos y empresas ancla para potenciar el desarrollo y la

innovación a través del Internet de las Cosas (IoT) mediante la

formación de talento humano especializado en IoT. El centro

cuenta con las líneas de trabajo que están alineadas con las

metas del Plan Vive Digital 2014-2018 de Colombia: Salud,

logística, industria, vestibles (wearables), seguridad, gobierno y

agroindustria y medio ambiente. El centro cuenta con servicios

para el sector industrial: Capacitación, desarrollo de prototipos,

asesoría y evaluación de soluciones.

32


Empresa dedicada a la producción y venta de equipos y servicios

para minería subterránea y a cielo abierto. Cuenta con un

sistema de minería inteligente, el cual se encarga del monitoreo

del proceso de carga, informando al operario el estado de esta

para evitar sobrecargas y paradas. También cuenta con el

sistema “PreVail” que se encarga de monitorear el estado de las

máquinas para informar sobre cualquier anomalía presentada en

la operación a la empresa.

General Electric es una empresa multinacional con líneas de

negocios en aviación, química, alimentos, salud, petróleo, entre

otros. La plataforma Predix es una solución realizada entre GE

Digital y Oracle, el sistema funciona como “Plataforma como

servicio” (PaaS) en donde se reúne la información de los

dispositivos y se combina con sistemas de Oracle como ERP,

“Oracle Cloud Plataform” y Gestión de cadena de suministro

para optimizar los procesos, hacer la cadena de suministros mas

eficiente, realizar manufactura inteligente y hacer

mantenimiento predictivo.

33

• Productos orientados al monitoreo, control y servicios de optimización. Los productos que se

empiezan a posicionar en el mercado de IoT están centrados en la recolección de datos de diversas fuentes

y el procesamiento de esta información en plataformas para brindar soluciones que soporten la toma de

decisiones.

• Plataformas de visualización y análisis. Las herramientas de análisis que surgen actualmente, permiten

al usuario analizar y visualizar diferentes variables respecto a la operación para dar un panorama

completo.

• Sistemas integrales de monitoreo. Además de las plataformas algunas empresas también se enfocan en

la comercialización de sensores y dispositivos de control, que se integran con los sistemas de análisis,

entregando un sistema que comprende no solo el software sino también el hardware, los cuales se

complementan sin problemas de compatibilidad.

• Smart connected products. Los beneficios de instalar sistemas de monitoreo conectados a la red permite

que los productos ordinarios puedan convertirse en los llamados “Smart connected products”, ofreciendo

mayores prestaciones y un sistema integral de información y control.

• En Colombia se promueve el desarrollo de tecnologías en IIOT. Se identifica la iniciativa CEA-IoT

impulsada por el Ministerio de las TIC y con el apoyo de COLCIENCIAS, que pretende la apropiación de

tecnologías en IoT, y generar productos y servicios basados en tecnologías del internet de las cosas.

PARA TENER EN CUENTATIC

34

TIC

En este capítulo se evidencia el comportamiento

científico y tecnológico a nivel mundial, las

tendencias, tecnologías emergentes y el nivel de

madurez de los hallazgos; además, las principales

instituciones líderes que pueden apoyar cada área

de oportunidad desde el ámbito científico y

tecnológico.

3.3TENDENCIAS TECNOLÓGICASIIOT EN TIC

TENDENCIAS TECNOLÓGICAS: IIOT

• Adopción del protocolo TCP/IP. Es necesario realizar una migración en los protocolos de comunicación de los

dispositivos, que permita la interoperabilidad y mayor acceso a la información, por lo cual se necesita de un nuevo

sistema que permita un direccionamiento eficiente y simple.

• Generación de nuevas metodologías de análisis. En las industrias de manufactura se usa una mezcla de datos

históricos con datos en tiempo real para la toma de decisiones, sin embargo con acceso al nuevo tipo de datos se

necesitan diferentes tipos de análisis para resolver los problemas de manera óptima.

• Uso de Li-Fi para la transmisión de datos. El Li-Fi es un método de que involucra la luz visible y puede transmitir a

una velocidad 100 veces mayor que el Wi-Fi, este cambio está dado por el alto volumen de información generado por

los dispositivos y que debe almacenarse en otra ubicación.

• Crecimiento en la demanda de análisis de “big data”. El aumento en el volumen de datos está obligando a las

compañías a adoptar nuevas herramientas y contratar personal que puedan obtener información útil y encontrar

oportunidades en sus negocios.

TIC

36

NIVEL DE MADUREZ:IIOTTIC

ACTIVACIÓNEXPECTATIVAS

INFLADASDESILUCIÓN

MESETA DE

PRODUCTIVIDADACLARACIÓN

Un potencial de avance

tecnológico. Las primeras

historias de prueba de

concepto y de interés

dispara los medios y se

observa publicidad

significativa. A menudo no

existen productos utilizables

y la viabilidad comercial, no

está comprobada.

La publicidad temprana

produce una serie de

historias de éxito - a menudo

acompañados de decenas de

fracasos. Algunas empresas

toman medidas; muchos no

lo hacen.

El interés y los experimentos

se reducen y las

implementaciones no se

pueden alcanzar. Los

productores de la tecnología

se reducen. Se sigue

invirtiendo sólo si los

proveedores que sobreviven

mejoran sus productos para

satisfacer a los adoptadores

tempranos.

Más casos de cómo la

tecnología puede beneficiar a

la empresa, el principio se

vuelven más ampliamente

entendido. Aparecen los

productos de segunda y

tercera generación. Más

empresas financian los

pilotos; las empresas

conservadoras se mantienen

cautelosas.

La adopción masiva

comienza a despegar. Los

criterios para evaluar la

viabilidad se definen con

mayor claridad. Amplia

aplicabilidad y relevancia de

la tecnología en el mercado.

Plataformas de

inteligencia operacional

Analítica en tiempo

real

Redes IOT de

gran área

Procesamiento de flujo

de eventos

Internet de los objetos

Convergencia de plataforma

operacional

Seguridad de tecnología

operacional

Servicios de

comunicación M2M Manufactura inteligente

Analítica predictivaMeseta de productividad se puede

alcanzar en:

Dos a cinco años

Cinco a diez años

Gartner.com

Arquitectura IOT

Plataforma IOT

ERP habilitada por IOT

ZigBee

RFID para logística y

transporte

37

PRINCIPALES LÍDERES TECNOLÓGICOS: IIOT

Wuhan University of Technology

Universidad ubicada en Wuhan, en China central.

Líder en ciencia de materiales e ingeniería. Las

temáticas en las cuales investiga se centran en

gestión de adquisición de datos para aplicaciones en

el sector energía, gestión de cadenas de suministro y

manufactura en la nube.

http://english.whut.edu.cn

Old Dominion University

Universidad pública ubicada en Norfolk, Estados

Unidos. Las investigaciones que conducen en la

universidad están enfocadas en sistemas de rastreo

de mercancía, RFID en tiempo real, envío,

almacenaje y acceso a la información.

www.odu.edu

Beijing Jiaotong University

Universidad ubicada cerca de Xizhimen, China. Tiene

su foco de investigación en IIOT en sensores remotos

para procesos industriales y sistemas de rastreo en la

cadena de frío.

www.etri.re.kr

Chongqing University of Posts and

Telecommunications

Universidad pública ubicada en Chongqing, China. Se

enfoca en la investigación en el área de información

y comunicaciones, particularmente en tecnología 3G

y metodologías para la implementación de chips en

hardware.

http://english.cqupt.edu.cn

Reylabs

Empresa ubicada en San José, Estados Unidos. La

empresa tiene una serie de soluciones orientadas al

monitoreo y control del consumo energético, para

incrementar la eficiencia en el uso.

reylabs.com

Beihang University

Universidad pública ubicada en Beijing, China, con

un fuerte componente en investigación tecnológica y

científica. Las temáticas en las cuales centra sus

investigaciones son manufactura la nube,

manufactura inteligente y sistemas dinámicos de

oferta y demanda en servicios de manufactura.

http://ev.buaa.edu.cn/

TIC

38


• Crecimiento en investigaciones relacionadas con IIOT. Existe un numero creciente de publicaciones científicas

relacionadas con el internet de las cosas y su aplicación al área industrial. El crecimiento en el número de publicaciones

se debe a un trabajo exploratorio principalmente en nuevas formas de realizar los procesos de manufactura y mejorar

la red de distribución eléctrica.

• Patentamiento en etapa de crecimiento. La protección de los desarrollos tecnológicos relacionados con IIOT se

encuentran en etapa de crecimiento. Existe un gran número de entidades que comienzan a proteger sus desarrollos,

entre ellos se pueden encontrar universidades y empresas que quieren capitalizar sobre sus investigaciones

• Los beneficios de la tecnología comienzan a evidenciarse. Si bien la tecnología del IIOT se encuentra en una etapa

aún emergente y con algunos desafíos por delante, es posible encontrar algunas aplicaciones en el mercado de las

cuales las empresas ya están apropiando y empleando a un nivel productivo.

TIC

39

TIC

En este capítulo se presentan las necesidades a las

cuales dan respuesta los servicios y productos

asociados al tema de estudio, adicionalmente los

beneficios que se generan y las barreras que se deben

superar para lograr su desarrollo.

3.4RETOSIIOT EN TIC

RETOS DE IIOT EN TIC

• Gestión de la seguridad que

habiliten la conexión de los

dispositivos a internet evitando

vulnerabilidades.

• Posibilidad de sincronización de

dispositivos, manteniendo los

protocolos de seguridad.

• Falta de estandarización, dada

la variedad de dispositivos es

necesario unificar la

comunicación entre estos,

manteniendo la seguridad del

sistema.

Análisis de datos ProtocolosCiberseguridad

• Integración de diferentes

herramientas de análisis de

datos.

• Análisis en tiempo real de la

información.

• Gestión de diversos tipos y

cantidad de datos.

• Establecer un marco legal para el

acceso y uso de los datos.

• Transición de los dispositivos

anteriores al TCP/IP.

• La integración de los sistemas

con los protocolos anteriores al

IoT.

• Generación de protocolos para

la estandarización de los

procesos de comunicación.

Sistemas embebidos

• Generación de soluciones que se

implementen de forma ágil y

compatible con los dispositivos.

• Desarrollo de software con un

bajo uso de memoria y energía.

TIC

41

RED DE ACTORES Y SU PAPEL:IIOT

A continuación se presentan los actores que hace relación a las personas naturales o jurídicas que pudieran

tener una participación activa en el desarrollo o implementación de las tecnologías de IIOT.

• Promotor de iniciativas.

• Generación de incentivos.

• Creación de normativas y

lineamientos para la

implementación y aplicación de

tecnologías en IIOT.

• Verificación de cumplimiento de

normativas y lineamientos éticos.

• Desarrollo y perfeccionamiento de

nuevas tecnologías en IIOT.

• Comercialización de las

tecnologías desarrolladas.

• Soporte y asistencia en la

implementación de las

tecnologías.

• Extender las capacidades de

análisis del sistema.

• Mayor entendimiento de los

segmentos de mercado.

• Descubrimiento de nuevos nichos

de mercado.

• Investigación y desarrollo de

tecnologías de IIOT aplicado al

sector industrial y servicios

públicos.

• Formación, capacitación y

divulgación del conocimiento.

• Investigación soportada en datos

reales.

Sector productivoEmpresas de hardware y

softwareGobierno Universidades y centros

de Investigación

• Apropiación de las tecnologías

desarrolladas.

• Realimentación para

perfeccionamiento de las

tecnologías.

• Alimentación de las bases de

datos de información.

TIC

42

• La infraestructura es uno de los factores habilitantes. Existen varios factores que ayudan a la implementación

de un sistema de IIOT, por un lado se tiene que la producción de los sensores se realiza cada vez a menor costo,

sumado a esto se cuenta con la infraestructura necesaria para la transmisión y almacenamiento de los datos.

• Necesidad de la analítica de datos. El volumen de datos recolectados por los dispositivos es cada vez mayor,

para esto es necesario disponer de capacidades de análisis de los datos bien sea interna o externa. Otra

oportunidad que surge de los datos es la venta de información de operación que podría generar una fuente

adicional de ingresos a partir del análisis de los datos.

• Mantener la ciberseguridad en los dispositivos es una prioridad. Al abrir una vía digital hacia un dispositivo

físico, se puede estar generando una vulnerabilidad, pues crear un acceso desde internet abre la posibilidad de un

ataque, para evitar esta situación es necesario crear dispositivos y aplicaciones que se integren manteniendo la

seguridad del sistema.

• Variedad de actores involucrados en el ecosistema. Existen diferentes actores que influencian el desarrollo de

las tecnologías en IIOT, cada uno con diferentes roles y necesidades, aunque el factor común en este tipo de

tecnologías es el aumento en la eficiencia productiva, es importante tener en cuenta cada una de las partes para

el desarrollo de sistemas que se integren con las necesidades individuales.

• Preparación del personal en el uso de las nuevas tecnologías. Dado que con las nuevas herramientas se logran

automatizar muchas de las tareas que antes debía hacer una persona, se están desplazando muchos empleos, cabe

mencionar que capacitar a las personas en las nuevas tecnologías puede ampliar la utilidad de estas, dando lugar

a mayores beneficios a las organizaciones.


43

REFERENCIAS- IIOT EN TICTIC

• Accenture. (2015). Disponible en: www.accenture.com

• Accenture. World Economic Forum. (2015). Disponible en: http://www3.weforum.org/docs/WEFUSA_IndustrialInternet_Report2015.pdf

• BuddeComm Intelligence Report. (2015). Disponible en: www.budde.com.au

• CBInsights. (2016). Disponible en: https://www.cbinsights.com/blog/top-startups-iiot/

• Cisco. (2015). http://gblogs.cisco.com/asiapacific/top-10-ict-trends-in-2015-are-you-ready-for-digital-

transformation/?_ga=1.125899725.1995177025.1463512140&doing_wp_cron=1463517820.8987729549407958984375

• Deloitte. (2016). Disponible en: http://dupress.com/articles/internet-of-things-iot-in-electric-power-industry/

• Ericsson AB. (2014). Disponible en: https://www.ericsson.com/res/docs/2014/gtwp-op-transforming-industries-aw-print.pdf

• European Commission. (2014). Disponible en: http://eskills-lead.eu/fileadmin/lead/reports/lead_-_technology_trends_-_august_2014_rev_sep1.pdf

• IBM Center for Applied Insights. (2015). Disponible en: https://ibmcai.com/2015/10/06/iot-utilities/

• MarketsAndMarkets. (2016) Disponible en: http://www.marketsandmarkets.com/Market-Reports/artificial-intelligence-market-

74851580.html?gclid=CjwKEAjw1Iq6BRDY_tK-9OjdmBESJABlzoY7cS1O8x8NgCdMgLtB79fky-cBRwYYRLqlR5FmKcM1IhoCQFXw_wcB

• River Publishers. (2014). Disponible en: http://www.internet-of-things-research.eu/pdf/IoT-

From%20Research%20and%20Innovation%20to%20Market%20Deployment_IERC_Cluster_eBook_978-87-93102-95-8_P.pdf

• Segal, G. College of Micronesia – FSM. (2016). Disponible en:

http://www.comfsm.fm/national/administration/VPA/researchdocs/techPlan/ED_Conf_TechTrends.pdf

• Technavio. (2015). Disponible en: http://www.technavio.com/

• The World Bank. (2010). http://blogs.worldbank.org/edutech/10-global-trends-in-ict-and-education

44

TIC

A continuación se presenta una descripción

del área priorizada con los aspectos más


4.MACHINE LEARNING

Machine learning es un método que

permite al computador aprender de la

información que se le suministra, el

sistema es capaz de ajustar un modelo

automáticamente sin ser programado

específicamente para eso, sino que

aprende a medida que recibe los datos.

Las aplicaciones de machine learning

permiten realizar tareas como:

• Detección de fraudes

• Predicción de fallas en equipos

• Ubicar publicidad en páginas web y

dispositivos móviles en tiempo real

• Análisis de sentimientos al comparar

texto

• Detección de intrusiones en una red

• Reconocimiento de patrones e

imágenes

MAPA:MACHINE LEARNING

(SAS, 2016)

TIC

46

TIC


mercado global, haciendo énfasis en el

comportamiento comercial a nivel de productos,

servicios y tecnologías disponibles en el mercado y

las tendencias de los mismos a nivel de oferta y

demanda. Adicionalmente, los principales jugadores

del mercado mundial, evidenciando sus productos y

aplicaciones que comprueban los resultados de este

tipo de desarrollos.

4.1TENDENCIAS DEL MERCADOMACHINE LEARNING

DRIVERS: MACHINE LEARNINGTIC

Gobierno



• Gestionar una gran cantidad de

datos e información.

• Mejorar el proceso de toma de

decisiones basadas en

información en tiempo real.

DR

IVER

S

• Aumento en la capacidad de cómputo y procesamiento de diferentes tipos de datos.

• Metodologías y modelos matemáticos para el análisis de la información.

• Infraestructura para el almacenamiento y la gestión de un gran volumen de datos.

Habilitadores


Investigación





• Incremento en la capacidad de

predicción de los sistemas de

análisis de datos e

información.

• Prestar servicios de análisis de


• Generación de conocimiento a

partir de la información.

• Uso de la analítica para

generación de plataformas y

servicios.

• Nuevos modelos de negocios en

la manera de entregar la

analítica.

• Mayor eficiencia en el uso de

los recursos.




• Ofrecer mejores servicios.



48


$419,7Millones USD


$5,05Mil Millones USD

Crecimiento anual promedio en el periodo proyectado

53,65%

CRECIMIENTO DEL MERCADO:MACHINE LEARNING

(Marketsandmarkets, 2015)

Mercado de Inteligencia Artificial

TIC

• Se espera que el machine learning junto con el procesamiento de lenguaje

natural jueguen un papel fundamental en la adopción de la tecnología en los

próximos 5 años.

• Los sectores en los cuales se puede apreciar las ventajas de los sistemas de

aprendizaje son mercadeo, ventas, finanzas y salud.

• La necesidad de los negocios por generar analíticas predictivas está

impulsando el crecimiento de los sistemas capaces de brindar información

relevante en tiempo real para la toma de decisiones.

• Las empresas empiezan a invertir en los software de aprendizaje en vista de

los recientes avances realizados por empresas como IBM y el potencial que

han visto en este tipo de sistemas.

• El incremento en la eficiencia de las empresas mediante sistemas que

analizan la información y permiten tomar decisiones mucho más acertadas.

(Forbes, 2015)

1,30%

1,50%

2,90%

3,30%

3,80%

4,40%

4,90%

5,10%

5,60%

6,00%

6,80%

7,20%

8,10%

8,30%

9,40%

10,00%

11,40%

0% 5% 10% 15%

Otros

Defensa

Gobierno

Arte y recreación

Automotriz

Transporte

Construcción

Ventas

Salud

Educación

Financiero

Robótica

Energía

Telecomunicaciones

Manufactura

Servicios profesionales o científicos

Internet de las cosas

Aplicaciones Machine Learning

49

IBMMultinacional Estadounidense de tecnología y

consultoría. La empresa es propietaria de “Watson”, se

trata de un sistema cognitivo el cual ha aprendido a

través de los años por medio del estudio de información

no estructurada, usa machine learning, análisis

estadístico y procesamiento de lenguaje natural para el

proceso de aprendizaje.

www.ibm.com

Microsoft Multinacional Estadounidense que desarrolla, licencia,

ofrece soporte técnico y vende software, dispositivos

electrónicos y computadores. La plataforma Microsoft

Azure permite el desarrollo de productos para uso

propio o se puede comercializar los productos mediante

un “Marketplace”. La plataforma ofrece capacidades de

analítica predictiva mediante machine learning.

https://www.microsoft.com

SASEmpresa Estadounidense dedicada al desarrollo y

comercialización de software para realizar analítica de

datos. SAS Viya es una plataforma para el análisis in-

memory de datos y visualización a través de la

extracción de datos (“data mining”) y machine

learning, cuenta con herramientas para aprendizaje

supervisado y no supervisado.

http://www.sas.com

Amazon

Empresa Estadounidense que provee un servicio de

ventas electrónicas y cloud computing. El amazon

Machine Learning es un servicio para los desarrolladores

que proporciona asistentes y herramientas de

visualización en el proceso de creación de modelos de

machine learning, una vez que los modelos están listos,

le permite obtener predicciones de la aplicación

utilizando APIs.

https://www.amazon.com

GoogleGoogle cloud machine learning es una plataforma que

permite hacer uso de los modelos preestablecidos por

google y generar modelos personalizados. Los modelos

contienen módulos para el análisis de reconocimiento

de voz, imágenes, información financiera y

traducciones dinámicas. Recientemente google liberó el

software TensorFlow como open source, dando acceso a

la herramienta a cualquier persona y permitiendo el

desarrollo de aplicaciones.

https://cloud.google.com

Hewlett Packard EnterpriseMultinacional Estadounidense fundada en 2105 como

una de las empresas en las que se dividió Hewlett

Packard. La empresa ofrece una plataforma con

servicios de analítica de datos basados en machine

learning los productos que tiene son: Heaven

OnDemand, HPE Vertica, HPE IDOL y HPE SIEM.

https://www.hpe.com

COMPAÑIAS REFERENTES: MACHINE LEARNINGTIC

50

• Gran expectativa en el mercado de machine learning. El potencial que esconde el hecho de que un

computador pueda aprender es enorme, simplificando muchas de las tareas que hoy en día se hacen

manualmente, por esto se continúan desarrollando plataformas y herramientas para este fin pues se pronostica

un alto crecimiento en este mercado.

• La capacidad en cómputo está habilitando los desarrollos. Dados los recientes avances en computación es

posible que un sistema pueda analizar un gran volumen de datos, este hecho desencadenó el avance en

machine learning pues ahora es posible que un computador pueda revisar la información muchas veces para

detectar patrones y aprender de la información que se le provee, dando como resultado la generación de una

multitud de herramientas para realizar este proceso.

• Competencia por posicionar un producto. Se detecta una alta rivalidad entre grandes empresas por

posicionar sus productos, para que sean empleados como una de las principales herramientas, sobre la cual los

desarrolladores realicen sus productos y ganar sobre la venta de estos a través de tiendas virtuales de

aplicaciones.


51

TIC

En este capítulo se presentan las

innovaciones como productos y modelos de

negocio que incursionan en el mercado,

haciendo énfasis en sus características

diferenciadoras.

4.2NUEVOS PRODUCTOSMACHINE LEARNING

PRODUCTOS INNOVADORES: IBM WATSON

La inteligencia artificial de IBM, representa

el primer paso hacia la computación

cognitiva, las siguientes capacidades hacen

al sistema robusto:

• Procesamiento de lenguaje natural:

Permite entender la información no

estructurada, que actualmente

representa el 80% de la información.

• Generación de hipótesis y evaluación:

Usar la analítica avanzada para ponderar

y evaluar varias respuestas basadas en la

relevancia relevante.

• Aprendizaje dinámico: Ayuda a mejorar

el aprendizaje con cada iteración basado

en los resultados.

TIC

Servicios de

Watson

Productos

Watson Engagement Advisor: el sistema

provee una plataforma para comunicarse con

los clientes en donde Watson responde a las

preguntas y ofrece soluciones.

Watson Explorer: Plataforma que procesa

información estructurada y no estructurada,

para presentar tendencias, patrones y análisis.

Watson Knowledge Studio: Plataforma para

enseñarle a Watson las complejidades del

lenguaje en una industria determinada, y que

construya una base de conocimiento de dicha

industria.

Watson Company Analyzer: El sistema ayuda

en la recolección de información de otras

empresas, clientes y oportunidades.

Ecosistema de

desarrollo

Watson Developer Cloud: IBM ofrece la

posibilidad de usar su inteligencia cognitiva

para que los desarrolladores usen las

capacidades de Watson en lingüística, visión,

reconocimiento de diálogo y datos a través de

diferentes APIs.

Watson University Program: IBM tiene

convenios con diferentes universidades a nivel

mundial en donde ofrece la plataforma a

profesores y estudiantes para que exploren las

capacidades de Watson con fines académicos,

como construir robots, competencias en

hackathons, desarrollo de algoritmos o casos de

estudio de negocios.

53

PRODUCTOS INNOVADORES: IBM WATSONTIC

Pregunta

Análisis de

la pregunta

y el tema

Descomposición

de la preguntaGeneración

de hipótesis

Hipótesis y

puntuación de la

evidenciaSíntesis

Categorización y

respuesta final

Múltiples

interpretacionesCientos de posibles

respuestas

Modo de operación de Watson

Miles de posibles

evidencias

Cientos de miles de

calificaciones de

los algoritmos de

análisis

Generación de

hipótesis

Hipótesis y

puntuación de la

evidenciaRespuesta

Balance y

combinación

El proceso para obtener la respuesta:

1. Identifica los aspectos

importantes de la pregunta.

2. Genera una serie de hipótesis en

pasajes del mensaje que podrían

tener una respuesta.

3. Compara el lenguaje entre la

pregunta y las posibles

respuestas, mediante algoritmos

de razonamiento.

4. Cada algoritmo le da uno o mas

puntajes a las posibles respuestas.

5. Los puntajes son ponderados a

través de un modelo estadístico.

6. El proceso se repite para cada una

de las posibles respuestas.

54

NuPIC es una plataforma open source y comunidad para machine

intelligence basada en la teoría de neocórtex llamada Hierarchical

Temporal Memory (HTM). La empresa Numenta es quien ha impulsado este

desarrollo y la tecnología ofrece soluciones a problemas con características

como análisis de datos en streaming o tiempo real, patrones en los datos

que cambian con el tiempo, patrones basados en tiempo o umbrales que

producen falsos positivos o falsos negativos.


FBLearner Flow es la inteligencia artificial utilizada por Facebook para leer

las actividades de sus usuarios y poder ofrecer contenido personalizado. La

herramienta permite el análisis de los perfiles de los usuarios mediante el

uso de una variedad de algoritmos como redes neuronales, árboles de

decisión, LambdaMART, gradiente descendiente estocástico y regresión

logística.

Empresa de analítica e inteligencia artificial, la plataforma integra

computación estadística, lenguaje natural, big data y machine learning

para la interpretación de información financiera. El sistema está diseñado

para proveer un servicio para entidades de inversión que sea rápido, se

pueda escalar, permita la automatización de tareas y responda preguntas

financieras complejas.

55

Empresa Estadounidense con operaciones en Nerteamérica, Europa, Asia y

Oceanía que ofrece servicios de Plataforma como servicio, automatización

como servicio y gestión remota de infraestructura. Los productos que

ofrece son: Amelia es un agente cognitivo que permite realizar la atención

al cliente, como abrir cuentas bancarias o ingresar pacientes al hospital;

Ipcenter es una plataforma de análisis de la operación de la TI para

incrementar la productividad al automatizar actividades de gestión; y

Apollo es una plataforma analiza las operaciones y genera flujos de trabajo

para las tareas por realizar.


Rocketfuel ofrece una plataforma que permite hacer un mercadeo en línea

programático, es decir la herramienta analiza la interacción del cliente y

envía los contenidos de acuerdo al momento, contexto y dispositivo desde

donde se conecta para maximizar las conversiones de publicidad en venta.

Con la herramienta se ofrecen los servicios de “Brand” optimiza el

posicionamiento de la marca, “Direct response” predice el nivel de

atención del usuario para mejorar las ventas, “Demand Side Platform”

automatiza y optimiza las campañas de mercadeo y “Data Management

Platform” para centralizar y gestionar la información de los canales de

ventas.

56

• Integración y colaboración entre actores. En el mercado de machine learning se están generando una

variedad de soluciones tanto de software propietario (con acceso a la plataforma para desarrolladores)

como open source, esta tendencia está habilitando el desarrollo de productos más robustos y la generación

de una comunidad alrededor de la tecnología.

• Desarrollo de nuevos modelos de negocio. Los productos que se desarrollan se continúan comercializando

de la manera tradicional, sin embargo también están emergiendo otro tipo de modelos de negocio como el

pago por uso de capacidades de machine learning, las cuales se acceden vía APIs y se facturan en función

del volumen de datos que hacen uso de estas funcionalidades, de este modo desarrolladores ISV

(independent software vendors) pueden crear aplicaciones valiéndose de estas posibilidades.


57

TIC





instituciones líderes que pueden apoyar cada área de

oportunidad desde el ámbito científico y tecnológico.

4.3TENDENCIAS TECNOLÓGICASMACHINE LEARNING

TENDENCIAS TECNOLÓGICAS: MACHINE LEARNING

• Mejor representación de la realidad. Los modelos matemáticos usados para la representación de

los sistemas son cada vez más complejos, logrando un mayor detalle en la clasificación y análisis de

los datos.

• Ayuda diagnóstica en aplicaciones médicas. El machine learning para la analítica de imágenes se

está empleando en aplicaciones médicas ayudando con el reconocimiento de patrones que permitan

realizar diagnósticos de manera más acertada

• Aplicaciones que evalúan las condiciones del entorno en video. En el análisis de video se emplea

software que es capaz de reconocer el entorno y los objetos que son presentados, permitiendo

realizar una clasificación de su contenido y generar aplicaciones que pueden decidir según la

evaluación que realicen del ambiente donde se encuentren.

• Aplicaciones capaces de reconocer conceptos dentro del texto. El análisis de texto esta enfocado

en la clasificación de diferentes conceptos como el reconocimiento de sentimientos, comprensión

semántica o de los conceptos que se presenten.

TIC

59

NIVEL DE MADUREZ:MACHINE LEARNING


INFLADASDESILUSIÓN

MESETA DE







observa publicidad




está comprobada.







lo hacen.


se reducen y las









tempranos.


tecnología puede beneficiar

a la empresa, el principio se








cautelosas.

La adopción masiva







(Gartner, 2015)

Solución a preguntas en lenguaje natural

Analítica prescriptiva

Data science

TIC

Ensemble learning

Meseta de productividad se puede

alcanzar en:

Dos a cinco años

Cinco a diez años

Analítica de video

Analítica de texto

Machine learning

Spark

Reconocimiento de

emoción

Analítica en tiempo real

Deep learning

Plataforma como servicio

Analítica predictiva

60

PRINCIPALES LÍDERES TECNOLÓGICOS: MACHINE

LEARNING

Carnegie Mellon University

Universidad privada enfocada en la investigación y

ubicada en Pittsburgh, Estados Unidos. Las

investigaciones en machine learning se enfocan en

áreas como medicina, bioquímica, ciencias sociales,

neurociencia, física y ciencia de decisiones.

Dentro de la universidad se encuentra el “Machine

Learning Department”, que es un departamento

académico perteneciente a la escuela de ciencias

computacionales, en el departamento se encuentran

una variedad de grupos y laboratorios especializados

en darle uso a la tecnología de machine learning.

http://www.cmu.edu/

Siemens

Multinacional con sede principal en Alemania. La

empresa se enfoca en la comercialización de equipos

para la industria, salud, energía, infraestructura y

ciudades. En el área de machine learning cuentan

con tecnologías para el monitoreo y control de

operaciones en plantas industriales o de energía,

además cuenta con sistemas para el análisis de la

información de dispositivos médicos como imágenes

diagnósticas o la medición de la frecuencia cardíaca.

https://www.siemens.com

Yahoo!

Multinacional Estadounidense con sede central en

Sunnyvale. La empresa tiene servicios de correo

electrónico, motor de búsqueda, noticias, finanzas,

entre otros. Cuenta con investigaciones en “scalable

machine learning”, para la implementación de

herramientas que permitan soluciones en el análisis,

reporte de métricas y visualización de grandes

volúmenes de datos.

https://www.yahoo.com

Tsinghua University

Universidad enfocada en investigación, ubicada en

Beijing, China. En la universidad se encuentra el

“Machine Learning and Computational Biology

Group” que se enfoca en el estudio de

bioinformática, biología computacional y análisis de

datos, el grupo cuenta con software open source

para el diseño y análisis computacional de proteínas.

http://www.tsinghua.edu.cn

TIC

61


• Crecimiento en investigaciones relacionadas con machine learning. Existe un numero creciente de

publicaciones científicas relacionadas con métodos y modelos para aplicarlos en el área de machine learning.

El crecimiento en el número de publicaciones se debe al incremento en la actividad exploratoria, es decir que

se está indagando en nuevas aplicaciones de esta tecnología en un mayor número de industrias o campos de la

ciencia.

• Patentamiento en etapa de crecimiento. La protección de los desarrollos tecnológicos en relación a machine

learning está creciendo, pues las empresas líderes en el mercado se están moviendo para asegurar sus activos

intangibles, y capturar el valor de las aplicaciones que han creado.

• Creación de tecnologías para diferentes necesidades en el mercado. Es posible encontrar una diversidad

de tecnologías en el mercado que se pueden clasificar en dos grupos, el primero son plataformas que permiten

el acceso a software propietario en donde se realizan análisis con diferentes propósitos dependiendo de la

empresa que contrate el servicio y el segundo grupo son productos que responden a necesidades puntuales de

la empresa.

TIC

62

TIC

En este capítulo se presentan los retos que se

deben superar para lograr el desarrollo del

machine learning, adicionalmente los

beneficios que se generan y el papel de los

diferentes actores involucrados.

4.4RETOSMACHINE LEARNING EN TIC

Tecnológicos

RETOS DE MACHINE LEARNING EN TIC

• Resistencia en el uso de

herramientas autónomas.

• Apropiación y migración

tecnológica por parte de las

empresas.

• Costo asociado al desarrollo y

uso de las plataformas.

Información LegalUsuario

• Procesamiento de lenguaje

natural.

• Diversidad en los tipos de

información existente.

• Análisis de información no

estructurada.

• Establecer un marco legal para

el acceso y uso de los datos.

• Definir un lineamiento de

propiedad intelectual y modelo

de negocio en relación a los

datos y su análisis.

TIC



datos.

• Interoperabilidad entre

diferentes plataformas.

• Capacidad de realizar análisis en

tiempo real de la información.




64

RED DE ACTORES Y SU PAPEL: MACHINE LEARNING

A continuación se presentan los actores que hace relación a las personas naturales o jurídicas que pudieran

tener una participación activa en el desarrollo o implementación de las tecnologías.






tecnologías.




nuevas tecnologías.





tecnologías.





• Descubrimiento de nuevos

modelos de negocio y nichos de

mercado.

• Generación de algoritmos para

optimizar el análisis de

información.




reales.



de Investigación


desarrolladas.



tecnologías.

TIC

65

• Necesidad de la analítica de datos. El volumen de datos recolectados es cada vez mayor, para esto es

necesario disponer de capacidades de análisis de los datos bien sea interna o externa. Las capacidades

internas hacen relación a la adquisición de herramientas o comprar el acceso a plataformas y las

capacidades externas al pago por el servicio de análisis.

• La infraestructura es uno de los factores habilitantes. Existen varios factores que ayudan a la

implementación de un sistema de machine learning, por un lado se tiene el creciente aumento al acceso

en la información que sumado al hecho de que se cuenta con la infraestructura necesaria para la

transmisión y almacenamiento de los datos, genera un gran potencial para la creación de soluciones que

agreguen valor.

• Necesidad de formación y cambios en la cultura. Si bien las empresas cada vez son más conscientes de

la necesidad de explorar y sacar provecho a la información, aún hay ciertas barreras de tipo cultural y

escepticismo de los beneficios que impiden la adopción de la tecnología.


66

• Cbinsights. (2016). Disponible en: https://www.cbinsights.com

• Deloitte. Cognitive technologies in the technology sector. (2015). Disponible en: http://dupress.com/articles/cognitive-technologies-in-

technology-sector-tmt/

• Forbes. (2014). Disponible en: http://www.forbes.com/sites/anthonykosner/2014/12/29/tech-2015-deep-learning-and-machine-

intelligence-will-eat-the-world/#4af066c282cc

• Gartner. (2016). Disponible en: https://www.gartner.com/doc/3231617?ref=SiteSearch&sthkw=machine%20learning&fnl=search&srcId=1-

3478922254

• Market research. (2016). Disponible en: http://www.marketresearch.com/MarketsandMarkets-v3719/Artificial-Intelligence-Technology-

Machine-Learning-9749197/

• Marketsandmarkets. (2016). Disponible en: http://www.marketsandmarkets.com/PressReleases/cognitive-computing.asp

• Marketsandmarkets. (2016). Disponible en: http://www.marketsandmarkets.com/PressReleases/artificial-intelligence.asp%20.asp

• O’Reilly. The current state of machine intelligence 2.0. (2015). Disponible en: https://www.oreilly.com/ideas/the-current-state-of-

machine-intelligence-2-0

• SAS. Statistics and Machine Learning at Scale (2014). Disponible en:

http://www.sas.com/content/dam/SAS/en_us/doc/conclusionpaper1/statistics-machine-learning-at-scale-107284.pdf

• SAS. Machine learning (2016). Disponible en: http://www.sas.com/en_id/insights/analytics/machine-learning.html

• Technavio. (2016). Disponible en: http://www.businesswire.com/news/home/20160627005559/en/Technavio-Announces-Top-Emerging-

Trends-Impacting-Global

REFERENCIASTIC

67

TIC

A continuación se presenta una descripción

del área priorizada con los aspectos más


5.ANALÍTICA PREDICTIVA Y PRESCRIPTIVA

La actual tendencia hacia la recolección de datos

de una multitud de fuentes, hace necesario generar

habilidades para extraer información de los datos

en bruto y de la información lograr el

entendimiento del objeto estudiado.

Los diferentes tipos de analítica están divididas en:

• Descriptiva: Se encarga de relatar que ha

pasado.

• Diagnóstica: Da cuenta de por qué han pasado

ciertos eventos.

• Predictiva: Genera modelos para anticiparse a

los hechos de acuerdo a la información histórica.

• Prescriptiva: Ayuda a la toma de decisiones

analizando la información y modelos disponibles.

MAPA:ANALÍTICA PREDICTIVA Y PRESCRIPTIVATIC

(Gartner, 2016) 69

TIC


mercado global, haciendo énfasis en el comportamiento

comercial a nivel de productos, servicios y tecnologías

disponibles en el mercado y las tendencias de los mismos

a nivel de oferta y demanda. Adicionalmente, los

principales jugadores del mercado mundial,

evidenciando sus productos y aplicaciones que

comprueban los resultados de este tipo de desarrollos.

5.1TENDENCIAS DEL MERCADOANALÍTICA PREDICTIVA Y PRESCRIPTIVA

DRIVERS: ANALÍTICA PREDICTIVA Y PRESCRIPTIVATIC

Gobierno








DR

IVER

S

• Aumento en la capacidad de cómputo y procesamiento de diferentes tipos de datos.

• Metodologías y modelos matemáticos para el análisis de la información.

• Infraestructura para el almacenamiento y la gestión de un gran volumen de datos.

• Arquitectura de procesamiento en memoria para mayor agilidad en el análisis.

Habilitadores


Investigación





• Incremento en la capacidad de

predicción de los sistemas de

análisis de datos e

información.

• Prestar servicios de análisis de


• Generación de conocimiento a

partir de la información.

• Uso de la analítica para

generación de plataformas y

servicios.

• Nuevos modelos de negocios en

la manera de entregar la

analítica.

• Apoyar la toma de decisiones.

• Mayor entendimiento del

mercado y la operación.

• Mayor eficiencia en el uso de

los recursos.




• Ofrecer mejores servicios.



71

Prescriptiva

Aplicaciones de la analítica


$2740Millones USD


$9200Millones USD


27,4%

CRECIMIENTO DEL MERCADO:ANALÍTICA PREDICTIVA Y

PRESCRIPTIVA

(Gartner, 2016)

(Marketsandmarkets, 2015)

Predictiva

TIC

• Se espera que un alto crecimiento en el mercado, principalmente por un incremento en

el presupuesto de las empresas y la inversión en plataformas en la nube.

• Las cantidades masivas de información no estructurada, están obligando a las empresas

a cambiar de sistemas tradicionales de business intelligence (BI) hacia técnicas de

análisis predictivo.

• Existe una creciente expectativa en varios niveles de la empresa (financiero, mercadeo,

gestión de riesgos, entre otras) que impulsa el uso de capacidades avanzadas de

análisis.

• La extracción y análisis de información a través de fuentes externas como redes

sociales, sensores inteligentes, clientes y proveedores, es una tendencia que se ha visto

en los últimos años y se espera que continúe para proveer un mayor entendimiento del

mercado y la operación.

• Análisis embebido en los procesos de negocios, para integrar cada etapa de la operación

con la analítica.

• Transición de la analítica descriptiva hacia la analítica predictiva y prescriptiva.


$310Millones USD


$1100Millones USD


22%

10%

8%

9%

12%

17%

23%

22%

18%

24%

26%

47%

67%

6%

33%

32%

34%

41%

36%

40%

45%

39%

42%

33%

20%

Otros

Video

Audio

Imágenes

Texto

E-mails

Datos de interacción en redes sociales

Internet de las cosas

Datos de perfiles en redes sociales

Datos geoespaciales

Datos de registro

Transacciones

Fracción de datos analizados por aplicación

Presente Futuro

72

IBM

Multinacional Estadounidense de tecnología y

consultoría. La empresa cuenta con plataformas para

realizar analítica avanzada como SPSS Statistics y

SPSS Modeler que ofrecen capacidades de integrar

software como R, Python y Spark, para mayor

flexibilidad, aún así la programación es opcional.

www.ibm.com

SAS

Empresa Estadounidense dedicada al desarrollo y

comercialización de software para realizar analítica

de datos. SAS cuenta con una amplia gama de

productos para realizar analítica avanzada de datos,

que promueven el ambiente colaborativo como “SAS

Factory Miner”.

www.sas.com

Microsoft

Multinacional Estadounidense, cuenta con una

plataforma de análisis “Microsoft Analytics Platform

System” para el análisis de big data e a través de un

sistema de almacenamiento distribuido en paralelo,

también permite el análisis en continuo de dato

relacionales y no relacionales.

https://www.microsoft.com

KNIME

Empresa con sede central en Zurich, Suiza. Ofrece

una plataforma gratis y open source para

computadores de escritorio en analítica avanzada,

así como una versión comercial en servidores con

funcionalidades adicionales y que permite

implementarlo en nube privada o en las

instalaciones.

www.knime.org

Rapid Miner

Empresa Estadounidense que ofrece soluciones

comunitarias (gratuitas) basadas en open source y

soluciones empresariales que permitan conectarse

con diferentes fuentes de datos, funcionalidades más

avanzadas y acoplar los análisis con aplicaciones de

procesos de negocio.

https://rapidminer.com/

COMPAÑIAS REFERENTES: ANALÍTICA PREDICTIVA Y

PRESCRIPTIVA

TIC

Alteryx

Empresa Estadounidense, que provee una plataforma

de analítica avanzada, que permite integrar

información interna, de la nube, de terceros, cuenta

además con herramientas predictivas que se pueden

integrar en un solo flujo de trabajo.

www.alteryx.com

73

• Incremento en el interés por herramientas de analítica avanzada. A medida que aumenta el volumen de

datos en los sistemas de gestión y monitoreo en las empresas, se hace cada vez más evidente la necesidad

de contar con un sistema que permita integrar y analizar diversas fuentes de datos, que no solo permita

extraer el conocimiento del como y por qué de un comportamiento determinado, sino predecir este y ayudar

en la toma de decisiones.

• Integración de las herramientas con diferentes sistemas de gestión. Existe una necesidad latente de

analizar la información proveniente de diversas plataformas de gestión e información empresarial, que

habiliten el análisis en tiempo real y la integración en flujos de trabajo establecidos por la empresa que

agilicen la toma de decisiones.

• El aumento en la capacidad de cómputo está habilitando el análisis de grandes volúmenes de datos.

Dados los recientes avances en computación es posible que un sistema pueda analizar un gran volumen de

datos, este hecho ha facilitado el desarrollo de software especializado en el procesamiento de una gran

cantidad de datos.

• Alta competencia por posicionar un producto en el mercado. Se detecta una alta rivalidad entre las

grandes empresas por posicionar sus productos, para que sean empleados como una de las principales

herramientas de análisis y ganar una mayor cuota de mercado.


74

TIC

En este capítulo se presentan las innovaciones

como productos y modelos de negocio que

incursionan en el mercado, haciendo énfasis en

sus características diferenciadoras.

5.2NUEVOS PRODUCTOSANALÍTICA PREDICTIVA Y PRESCRIPTIVA

PRODUCTOS INNOVADORES: SAS

SAS es el líder en analítica, cuenta con productos en

analítica avanzada, análisis multivariable,

inteligencia de negocios, gestión de datos y analítica

predictiva. El portafolio de productos cuenta con una

variedad de paquetes para llevar a cabo las funciones

de análisis que incluyen:

• Minería de datos: Permite interactuar con los

datos utilizando diagramas y gráficos dinámicos.

• Análisis estadístico: Utiliza algoritmos con

metodologías estadísticas para analizar los datos.

• Pronóstico: Genera proyecciones

automáticamente, acorde con modelos

prestablecidos.

• Analítica de texto: Utilizando reglas lingüísticas y

herramientas de modelado analítico se puede

descubrir información oculta en el texto.

• Optimización y simulación: Crea un modelo que

permita modificar variables para probar varios

escenarios y encontrar la mejor solución.

TIC

Saca y prepara los datos

de las fuentes los limpia

para obtener resultados

óptimos.

• SAS® Enterprise Miner™

• SAS® Factory Miner

• SAS® High-Performance

Data Mining

Explora los datos para

encontrar información

relevante, patrones y

tendencias.

• SAS® Visual Statistics

Usa una serie de

herramientas estadísticas

para cuantificar la

incertidumbre, realizar

inferencias y ayudar a la

toma de decisiones.

• SAS® Analytics Pro

Construye modelos

usando mediante

algoritmos estadísticos,

minería de textos y

minería de datos para

extraer información.

• SAS/ETS®

• SAS® Forecast

Aplica el nuevo modelo

validado en nuevas

fuentes de datos.

• SAS/OR®

• SAS® Simulation Studio

• SAS® High-Performance

Text Mining

Examina el modelo para

verificar que se mantiene

vigente y entregando

resultados veraces.

• SAS® Model Manager

Preparación de los

datos

Visualización de los

datosAnálisis estadístico

Modelado

predictivo

Implementación del

modelo

Monitoreo y gestión

del modelo

76

PRODUCTOS INNOVADORES: SASTIC

Es una plataforma para realizar analítica que cuenta con módulos para realizar operaciones de importación,

transformación, análisis, e implementación. La empresa ofrece su producto en dos modalidades:

1. “KNIME Analytics Platform” la cual es gratuita gracias a su proyecto open source.

2. “KNIME Cloud Analytics Platform” es una versión empresarial de pago implementada en la nube.

KNIME Cloud Analytics

Platform

Esta plataforma lleva las capacidades de “KNIME Analytics

Platform” a una solución en línea, con las mismas

capacidades que ofrece su contraparte de escritorio. Este

producto ahora cuenta con la posibilidad de ser usado en

“Microsoft Azure”, lo cual le da la opción de ser ejecutado

en un ambiente flexible.

KNIME Analytics Platform

Solución de código abierto para el análisis de información,

que cuenta con más de 1000 módulos en los que se

encuentran almacenados algoritmos para realizar

operaciones, dado que los módulos se pueden organizar en

un flujo de trabajo de manera secuencial o paralela, se

brinda la oportunidad de generar modelos flexibles

Leer Transformar Analizar Desplegar

77

PRODUCTOS INNOVADORES: KNIMETIC

Colaboración

1. KNIME TeamSpace: Servicio en línea para

colaborar entre varios miembros del equipo,

permite guardar archivos y flujos de trabajo en un

mismo espacio.

2. KNIME Server Lite: Ofrece servicios de

autenticación básicos, permisos de acceso, y

adicionalmente las capacidades de ejecución que

ofrece TeamSpace.

3. KNIME WebPortal: Extiende las funcionalidades de

Server Lite, haciendo posible el acceso desde

cualquier dispositivo a través de un navegador

web.

4. KNIME Server: Ofrece repositorios compartidos,

gestión de acceso, habilitación web y soporte

técnico.

5. KNIME Cloud Server: Ofrece las funcionalidades de

KNIME Server y hace uso de herramientas de

colaboración en la nube.

Productividad

1. KNIME Personal Productivity: Ofrece funcionalidades

adicionales a la versión gratuita, que permiten reutilizar

y automatizar flujos de trabajo.

2. KNIME Partner Productivity: Agrega una funcionalidad

que le permite a consultores externos encriptar el

trabajo, protegiendo su propiedad intelectual.

Desempeño

1. KNIME Big Data Connector: Integra

Apache Hadoop en los flujos de

trabajo de KNIME, a través de nodos

que permiten la lectura de

información desde Hadoop.

2. KNIME Spark Executor: Contiene una

serie de herramientas para ejecutar

Spark desde KNIME.

3. KNIME Cluster Extractor: Permite

ejecutar tareas de KINME en un

clúster de computación, es decir

distribuye las tareas a realizar entre

varios computadores.

78

Fico es una empresa Estadounidense de software. Ofrece una serie de

productos para analítica, entre ellos se encuentran: FICO® Decision

Management Suite 2.0 para implementar sistemas de análisis y gestión de

decisiones, FICO's Data Danagement provee un sistema para recoger,

mapear y conectar datos en tiempo real, Optimization es un programa

diseñado especialmente para solucionar problemas de optimización y Model

Management sistema para gestionar y monitorear de manera automatizada

los modelos que describen la toma de decisiones.


Empresa Estadounidense que realiza software para el tratamiento de datos

y analítica avanzada. Ofrece una serie de soluciones para la adquisición,

preprocesamiento y análisis de datos. Cuenta con soluciones para múltiples

industrias: inmobiliario, energía, financiero, salud, educación,

manufactura, entre otros. En el campo de analítica ofrece la plataforma

Alteryx Analytics que ofrece varias herramientas que se pueden unir en un

flujo de trabajo para el análisis de datos.

Empresa Estadounidense que provee software para la integración, analítica

y procesamiento de eventos. Cuenta con Tibco Spotfire 2, para la

visualización de la información y el análisis que puede adquirirse de dos

formas Spotfire® Cloud para realizar las operaciones en la nube y Spotfire®

Platform que permite realizar la analítica en forma local y personalizada.

79

Microsoft Analytics Platform System es una solución pensada para realizar

el análisis en centros de datos (“data warehouse”), que permite realizar el

escalado fácilmente y se puede procesar un alto volumen de información

en paralelo. Además se pueden analizar datos relacionales y no relacionales

por medio de PolyBase.


IBM SPSS es la solución para realizar analítica predictiva, que ofrece

paquetes para análisis estadístico, modelamiento predictivo, minería de

datos, big data, gestión y despliegue de decisiones. El software IBM SPSS

Statistics está pensado para el uso individual mientras que IBM SPSS

Modeler Gold on Cloud permite realizar los análisis en la nube.

RapidMiner Studio es una herramienta con un sistema de modelación

gráfico que permite cargar los datos, generar un modelo y entrenarlo para

realizar un análisis predictivo, el producto cuenta además con un método

para validar los modelos y ofrece opciones de despliegue a través de APIs

en servicios web.

80

• Existe una gran rivalidad entre los líderes del mercado. La competencia por posicionar el producto se

hace cada vez más intensa entre los principales competidores, adicionalmente se encuentran otras

empresas seguidoras o imitadoras, que intentan copiar las funcionalidades de los principales sistemas de

análisis de los líderes en el mercado.

• Se observan dos grandes grupos de productos, los de amplio espectro y los especializados. En las

soluciones que se comercializan actualmente, se observan aquellas que ofrecen un portafolio de productos

amplio para satisfacer una variedad de necesidades de los clientes y aquellas soluciones que se

especializan en nichos puntuales como optimización, analítica predictiva, analítica prescriptiva,

estadística, entre otros.

• Los modelos de negocios están enfocados en la integración de soluciones. Las soluciones se continúan

comercializando como un software para ser usado en un computador individual, sin embargo también se

está incursionando en plataformas que permiten integrar datos de diversas fuentes, para realizar el análisis

en tiempo real de la operación y que habiliten la toma de decisiones.


81

TIC





instituciones líderes que pueden apoyar cada área de

oportunidad desde el ámbito científico y tecnológico.

5.3TENDENCIAS TECNOLÓGICASANALÍTICA PREDICTIVA Y PRESCRIPTIVA

TENDENCIAS TECNOLÓGICAS: ANALÍTICA

PREDICTIVA Y PRESCRIPTIVA

• Integración de los modelos de analítica en las aplicaciones empresariales. Los modelos

matemáticos usados para la representación y predicción de eventos se están conectando con las

aplicaciones de gestión y control de las empresas, de manera que los datos se integren con los

sistemas de análisis.

• Los sistemas de recomendación están embebidos en las aplicaciones de generación de datos.

Los datos analizados están siendo utilizados para la generación de modelos que permitan no solo

predecir el comportamiento de un sistema determinado, sino también se están empleando la

analítica para generar recomendaciones que optimicen el uso de recursos de la empresa.

• La analítica en memoria posibilita la agilidad en el análisis. Las arquitecturas se basan en

tecnologías en memoria (in-memory) para agilizar la lectura y análisis de datos, lo cual habilita a su

vez la analítica en tiempo real para sistemas que requieren de una alta velocidad en análisis y

recomendación.

• El monitoreo de la operación comercial permite hacer uso eficiente de los recursos. El análisis

de las transacciones y la actividad del cliente son dos de las mayores áreas que se están

desarrollando actualmente, pues estas permiten la predicción de satisfacción del cliente así como

generar recomendaciones para retener y fidelizarlo de manera eficiente.

TIC

83

NIVEL DE MADUREZ:ANALÍTICA PREDICTIVA Y PRESCRIPTIVA


INFLADASDESILUSIÓN

MESETA DE







observa publicidad




está comprobada.







lo hacen.


se reducen y las









tempranos.


tecnología puede beneficiar

a la empresa, el principio se








cautelosas.

La adopción masiva







(Gartner, 2015)

Solución a preguntas en lenguaje natural

Analítica prescriptivaData science

TIC

Ensemble learning

Meseta de productividad se puede

alcanzar en:

Dos a cinco años

Cinco a diez años

Analítica de video

Analítica de texto

Machine learning

Spark

Autoservicio de datos

Analítica en tiempo real

Deep learning

Gestión de modelos

Analítica predictiva

Simulación

Mercados de analítica

Optimización

Procesamiento de eventos

84

PRINCIPALES LÍDERES TECNOLÓGICOS: ANALÍTICA

PREDICTIVA Y PRESCRIPTIVA

IBM Thomas J. Watson Research Center

Centro de investigación de IBM con instalaciones en

Yorktown Heights, New York y Cambridge, cuenta

con 12 laboratorios alrededor del mundo. Las

investigaciones que llevan a cabo en este centro en

analítica se enfocan en varios sectores como

optimización de recursos en la ciudad, gestión de

riesgo y ventas en una organización y proyecciones

de recursos en el sector salud.

https://www.research.ibm.com/labs/watson/

Accenture

Empresa multinacional dedicada a la prestación de

servicios de consultoría, servicios tecnológicos y de

tercerización. Las tecnologías de la empresa están

enfocadas en el análisis de comportamiento de

clientes para mejorar las ventas, integración de

analítica en las aplicaciones empresariales y

plataformas de analítica.

https://www.accenture.com

SAP

Multinacional alemana dedicada al diseño de

productos informáticos de gestión empresarial, para

empresas y organismos públicos. En el área de

analítica cuenta con tecnologías en integración de

modelos de análisis en la inteligencia de negocios,

sistemas in-memory para almacenar, gestionar y

generar modelos de análisis de datos y uso de

analítica predictiva para la generación de

recomendaciones. La plataforma SAP HANA permite

integrar la analítica avanzada en las soluciones de

gestión empresarial.

http://go.sap.com

University of Maryland

Universidad pública de investigación ubicada en

Marylad, Estados Unidos. Cuenta con una serie de

programas educativos en análisis de datos en salud,

negocios y ventas. Las investigaciones están

enfocadas en la reutilización de conocimiento a

través de modelos de desempeño, predicción de

eventos sociales, predicción de la resistencia de

materiales y análisis de big data en el sector salud.

http://www.umd.edu/

TIC

85


• La investigación en analítica predictiva y prescriptiva se encuentra en una etapa crecimiento. Existe un número

creciente de publicaciones científicas que están enfocadas en la generación de modelos que describan operaciones en

ingeniería, medicina, gestión, negocios, ciencias de materiales entre otros.

• Patentamiento en etapa de crecimiento. La protección de los desarrollos tecnológicos en analítica se encuentran en

etapa de crecimiento. Existe un número de entidades líderes, que comienzan a proteger sus desarrollos, y se puede

evidenciar que dichos desarrollos ya han empezado su camino a la implementación en plataformas, como productos o

soluciones integrales.

• Las tecnologías se enfocan en el uso eficiente de recursos. Existen muchos esfuerzos en el desarrollo de tecnologías

que habiliten sistemas de análisis para optimizar el uso de recursos al interior de las empresas y gobiernos, así como

también aplicaciones que permitan analizar transacciones, información médica, uso de energía, comportamiento de

usuarios, entre otras, con el fin de aumentar la eficiencia en cada operación que se realice.

TIC

86

TIC

En este capítulo se presentan los retos que se deben

superar para lograr el desarrollo de la analítica

predictiva y prescriptiva, adicionalmente los beneficios

que se generan y el papel de los diferentes actores

involucrados.

5.4RETOSANALÍTICA PREDICTIVA Y PRESCRIPTIVA EN TIC

Tecnológicos

RETOS DE ANALÍTICA PREDICTIVA Y

PRESCRIPTIVA EN TIC

• Desconocimiento del tipo de

capacidades de analítica que se

requieren para cada área de la

empresa.

• Generar empoderamiento del

usuario para que utilice la

información procesada.

• Compartir el conocimiento

generado a través de la

organización.

• Recopilación de información

externa a la organización.

Información LegalUsuario

• Integración de silos de

información.

• Hacer la transición entre la

analítica por lotes a tiempo

real.

• Realizar una mayor

segmentación de los datos para

obtener información más

personalizada.

• Asegurar la calidad de los datos.

• Diversidad en los tipos de

información existente.

• Análisis de información no

estructurada.

• Informar a todos los interesados

manteniendo la confidencialidad

de la información.

• Establecer un marco legal para

el acceso y uso de los datos.

• Definir un lineamiento de

propiedad intelectual y modelo

de negocio en relación a los

datos y su análisis.

TIC



datos.

• Interoperabilidad entre

diferentes plataformas.

• Capacidad de realizar análisis en

tiempo real de la información.




88

RED DE ACTORES Y SU PAPEL: ANALÍTICA

PREDICTIVA Y PRESCRIPTIVAA continuación se presentan los actores que hace relación a las personas naturales o jurídicas que pudieran

tener una participación activa en el desarrollo o implementación de las tecnologías.






tecnologías.




nuevas tecnologías.





tecnologías.





• Descubrimiento de nuevos

modelos de negocio y nichos de

mercado.

• Generación de algoritmos para

optimizar el análisis de

información.




reales.



de Investigación


desarrolladas.



tecnologías.

TIC

89

• Constante aumento en el volumen de datos generados y necesidad de análisis. Los sistemas de gestión y las nuevas

tecnologías que permiten el constante monitoreo de la operación hacen que se incremente volumen de datos generado

en las empresas, para afrontar esta situación es necesario que las empresas cuenten con capacidades de análisis que les

permitan extraer conocimiento de los datos brutos y también puedan tomar mejores decisiones.

• Dificultades en la apropiación y migración tecnológica por parte de las empresas. Actualmente las empresas están

empezando a ser conscientes de la importancia del uso de herramientas que les permitan analizar el volumen de datos

en sus sistemas de gestión, sin embargo, existe una dificultad a la hora de integrar y apropiar las tecnologías necesarias

en su infraestructura, sumado a esto se encuentra el hecho del costo asociado al desarrollo o adquisición de dichas

tecnologías, lo cual presenta una barrera para la adopción de las tecnologías disponibles.

• Existen la infraestructura y las herramientas necesarias para la adopción. Si bien es cierto que existen barreras

para la implementación de un sistema de analítica robusto en las empresas, también hay que considerar que el estado

de la tecnología y el software necesarios para implementar una función de analítica ya se encuentran establecidos, lo

cual habilita el inicio en la adopción de este tipo de sistemas.


90

• International Institute for Analytics. Prescriptive Analytics. (2014). Disponible en:

http://www.sas.com/content/dam/SAS/en_us/doc/research2/iia-prescriptive-analytics-107405.pdf

• Gartner. Forecast Snapshot: Prescriptive Analytics, Worldwide. (2016). Disponible en: https://www.gartner.com/doc/3202617/forecast-

snapshot-prescriptive-analytics-worldwide

• Gartner. Magic Quadrant for Advanced Analytics Platforms. (2016) Disponible en: https://www.gartner.com/doc/reprints?id=1-

2YEIILW&ct=160210&st=sb

• Global Industry Analysts, Inc. Prescriptive Analytics – A Global Market Report. (2016). Disponible en:

http://www.strategyr.com/pressMCP-7946.asp

• Marketsandmarkets. Predictive Analytics Market by Business Function, Applications, Organization Size, Deployment Model, Vertical, & by

Region - Global Forecast to 2020. (2015). Disponible en: http://www.marketsandmarkets.com/Market-Reports/predictive-analytics-

market-1181.html

• Predictive analytics today. (2016). Disponible en: http://www.predictiveanalyticstoday.com/what-is-predictive-analytics/

• SAS. Predictive Analytics. (2016). Disponible en: http://www.sas.com/en_sg/insights/analytics/predictive-analytics.html

• Webopedia. (2016). Disponible en: http://www.webopedia.com

REFERENCIASTIC

91

REFERENCIAS DE IMÁGENES- TICTIC

1. Simple Icons. (2016). Cloud. Disponible en: https://thenounproject.com/search/?q=technology&i=31175

2. Wohlwend, M. (2016). Microchip. Disponible en: https://thenounproject.com/search/?q=technology&i=86666

3. Creative Stall. (2016). Mobile. Disponible en: https://thenounproject.com/search/?q=technology&i=144069

4. Gawiński, P. (2016). Gateway. Disponible en: https://thenounproject.com/search/?q=technology&i=5477

5. Vicons Design. (2016). Digital reader. Disponible en: https://thenounproject.com/search/?q=technology&i=207089

6. Uyen, T. (2016). User. Disponible en: https://thenounproject.com/search/?q=user&i=305942

7. Novak, B. (2016). Data Analysis. Disponible en: https://thenounproject.com/search/?q=data&i=16391

8. Walker, M. (2016). Data Center. Disponible en: https://thenounproject.com/search/?q=data&i=11065

9. Tai, A. (2016). High-speed internet. Disponible en: https://thenounproject.com/search/?q=high+performance+computing&i=257781

10. Westphal, F. (2016). Internet of things. Disponible en: https://thenounproject.com/search/?q=internet+of+things&i=143916

11. OCHA Visual Information Unit. (2016). Leadership. Disponible en: https://thenounproject.com/search/?q=open+community&i=4199

12. van Driel, P. (2016). 3D Printer. Disponible en: https://thenounproject.com/search/?q=3d+printing&i=423907

13. Homan, C. (2016). Gears. Disponible en: https://thenounproject.com/search/?q=machine+to+machine&i=158028

14. Cordeiro, G. (2016). Gears. Disponible en: https://thenounproject.com/search/?q=productivity&i=19376

15. Wildmoser, G. (2016). University. Disponible en: https://thenounproject.com/search/?q=Universities&i=106796

16. Vectors market. (2016). Court Building. Disponible en: https://thenounproject.com/search/?q=government&i=253719

17. Krisada. (2016). Factory. Disponible en: https://thenounproject.com/search/?q=industry&i=247505

18. Hernandez, A. (2016). Web development. Disponible en: https://thenounproject.com/search/?q=developer&i=345757

19. Luck, Y. (2016). Multiple documents. Disponible en: https://thenounproject.com/search/?q=protocol&i=208394

20. Armes, R. (2016). Cyber Physical Systems. Disponible en: https://thenounproject.com/search/?q=embedded+systems&i=127904

21. Miller, T. (2016). Health insurance. Disponible en: https://thenounproject.com/search/?q=health&i=396737

22. Wieser, J. (2016). Document. Disponible en: https://thenounproject.com/search/?q=math+model&i=6039

23. BenPixels. (2016). Video File. Disponible en: https://thenounproject.com/search/?q=video&i=180879

92

TIC

6.RECOMENDACIONES

En este capítulo se presentan

recomendaciones que permitan la

apropiación de las tecnologías

existentes y su aprovechamiento en

el entorno local.

CONSIDERACIONES FINALESTIC

• Identificación de capacidades locales. En el entorno local existen unas capacidades que pueden ser

aprovechadas para el desarrollo de productos y servicios, si bien es necesario especializarse en algunas

temáticas que se encuentran en estado emergente a nivel local, es posible emplear los recursos con los

que ya cuenta la región para adaptar las soluciones existentes a las nuevas demandas del mercado.

• Apropiación de tecnologías disponibles. Muchas de las tecnologías en el sector TIC ya se encuentran

disponibles bajo una licencia “open source”, lo cual brinda una oportunidad para apropiar dichas

tecnologías y adaptarlas de acuerdo a las necesidades locales, que generen beneficios orientados a la

mejora en la prestación de servicios o venta de productos basados en software de código abierto.

• Uso de ecosistemas de desarrollo existentes. Algunas de las empresas líderes en el mercado cuentan

con todo un sistema, que permite el desarrollo de aplicaciones utilizando su software propietario,

sumado a esto se encuentra la posibilidad de comercializar estas aplicaciones dentro de un

“Marketplace” o tienda, que brinda la oportunidad de ofrecer el producto a potenciales clientes.

• Oportunidades en el análisis de información. Actualmente existe un interés en servicios y/o productos

que permitan el análisis de la información generada por las empresas, para dar una solución eficaz, es

necesario desarrollar sistemas que den cuenta de las necesidades puntuales y propias de la región, que

permitan un aumento en la eficiencia y que reduzca costos en la operación.

• Trabajo colaborativo y generación de sinergias. La activación de las oportunidades se puede potenciar

mediante alianzas con empresas, de esta manera se pueden generar especializaciones que conlleven a la

prestación de servicios más robustos y que generen mayor valor para el cliente.

94

GRACIAS

observatorio ct+i · • analítica de web • analítica predictiva • gestión de modelos de...

Documents