La Química computacional. Definición, ventajas y metodología

La Química computacional es una disciplina que combina diferentes campos, incluyendo la Química, la Física, la Estadística y la Informática. Esta metodología permite simular procesos químicos y biológicos, con multitud de aplicaciones, como el diseño de fármacos o la mejora de proteínas y enzimas.

La ventaja del uso de la Química Computacional en comparación con métodos experimentales de laboratorio es que reduce gastos derivados de la compra de materiales, reduce la producción de compuestos contaminantes, y permite acelerar el proceso de investigación, por ejemplo, en etapas preclínicas del desarrollo de fármacos.

En cuanto a la metodología, las simulaciones se realizan con software específico (comercial o libre) que se encuentran normalmente alojados en la nube, lo que permite trabajar con grandes cantidades de datos y garantizar una mayor agilidad, velocidad, y seguridad de la información. Después de la simulación, se realiza un exhaustivo análisis de datos utilizando diferentes técnicas de Big Data, Inteligencia Artificial y Machine Learning para obtener resultados significativos y poder realizar predicciones.

El Docking y su uso en el diseño de fármacos

El Docking es una de las técnicas más populares dentro de la Química Computacional, sobre todo en el diseño de fármacos. El método se basa en predecir la orientación más probable entre un “target” u objetivo (una proteína, un fragmento de RNA, o DNA) y un “ligando” que puede ser el principio activo de fármaco u otra proteína.

Por ejemplo, sí queremos utilizar Docking para diseñar un fármaco que inhiba un virus, la estrategia a seguir sería parecida a la de buscar la pieza que nos falta en un puzzle. Para este ejemplo, la proteína que interviene en la infección vírica sería el puzzle, y el fármaco que buscamos (en realidad, el compuesto químico que actúa como principio activo) sería una pequeña pieza que tenemos que encajar en algún lugar desconocido del puzzle, llamado centro activo. Normalmente esta “pieza” se selecciona dentro de un catálogo que incluye  fármacos eficaces para otras dolencias que no presentan efectos secundarios graves. Después de seleccionar los fármacos que presentan mayor afinidad, éstos se pueden mejorar también computacionalmente añadiendo átomos o grupos químicos, por ejemplo, para optimizar su acoplamiento. Al final las estructuras deben ser validadas en el laboratorio de manera experimental.

Por supuesto, el problema es mucho más complejo de lo que podría parecer en el ejemplo descrito anteriormente. Porque la proteína y el fármaco son entidades flexibles, formadas por átomos y en cuya interacción intervienen diferentes fuerzas, no solo geométricas, sino también electrostáticas (debidas a las cargas), de solvatación por efecto del agua, etc.

Figura 1. Ejemplo de proceso de docking molecular entre una proteína y fármacos de una librería para la selección del fármaco más afín.

Uso actual del docking en el diseño de fármacos

La combinación de diferentes recursos computacionales aplicados en el campo de la simulación química es muy valiosa para el diseño de fármacos ya que permite ver en el ordenador cosas que son “invisibles” en el tubo de ensayo. El proceso requiere mucho tiempo, esfuerzo humano y gasto computacional, pero no es comparable con el que se debe invertir para realizar todo el estudio en un laboratorio experimental, por lo que la combinación y colaboración entre simulación y experimentación son la clave del éxito.

En algunos estudios se ha comprobado que el uso de tecnologías computacionales como el Docking permiten reducir el tiempo de estudio del diseño de un fármaco de años a meses. En particular, el Docking se ha utilizado con éxito en el desarrollo de muchos tratamientos farmacéuticos, como en el diseño de inhibidores de la proteasa del virus de la inmunodeficiencia humana o de medicamentos para el tratamiento de la hipertensión. Además, en la actualidad estos métodos se están aplicando para buscar fármacos en la lucha contra los efectos del Covid19.

Si estás interesado en Docking y cómo implementarlo contáctanos, nuestros expertos tratarán tu caso individualmente.

La entrada Docking: Simulaciones por ordenador para el diseño de nuevos fármacos se publicó primero en .

Marketing con Chatbots ¿Hasta dónde llega la automatizando campañas de publicidad en las redes sociales?

A medida que la tecnología y el uso de esta va evolucionando, la forma de atacar a nuestros posibles clientes con campañas de publicidad también evoluciona. Permitiéndonos ofrecer una nueva experiencia en las campañas, para que estas sean menos intrusivas y, por lo tanto, más efectivas.

Un ejemplo claro de esto, son las campañas de Facebook ads, enlazadas a chatbots (en su mayoría, en messenger o whatsapp), permitiéndonos de forma sencilla, captar la atención de nuestros leads. Pero, este tipo de campañas no únicamente se quedan aquí.

CAMPAÑAS EN INSTAGRAM MEDIANTE BOTS

En Instagram este tipo de campañas se llevan realizando desde hace muchos años mediante bots, y podemos separarlas en los siguientes tipos:

– Campaña de mensaje de bienvenida / despedida: Ofrece un mensaje de bienvenida a tus nuevos seguidores en Instagram, introduciendo un link de un chatbots externo, tu web o una promoción. Para que, de esta forma, podamos llegar a captar a ese usuario interesado en nuestra marca de forma sencilla. Además, también nos permite enviar un mensaje cuando detectamos que el usuario dejó de seguirnos. Para intentar captarlo de nuevo.

– Campaña de mensaje a una audiencia específica: Nos permite enviar un mensaje a nuestros seguidores, o los de cualquier otra cuenta de la competencia. Además, nos permite enviar mensajes a una lista de seguidores en concreto, o incluso a los seguidos de una persona.

¿Dónde aplican los CHATbots?

Justo al permitirnos los Bots ofrecer un mensaje de bienvenida, podemos integrar el Chatbots para continuar con una conversación. De esta manera, captaremos la atención del usuario con una conversación dentro de la misma red social.

Y así de sencillo podríamos estar llevando a nuestros nuevos seguidores, o audiencia segmentada hacia un link, una promoción o cualquier otro contenido de interés por parte de la empresa. Creando esta experiencia conversacional.

Además, de poder resolver todas las dudas o consultas que estos tengan en piloto automático.

“La tecnología de chatbots está a punto de explotar en Instagram. Ya son muchas las empresas interesadas por ella. En la reciente actualización de Instagram Shopping, la compañía ha hecho un buen trabajo permitiendo a los usuarios comprar sin salir de su aplicación. El siguiente paso es que la atención al cliente esté también aquí dentro. Ya sea mediante la combinación de bots y chatbots, o bien mediante un chatbots y un CRM integrado. Esta combinación que dependerá de si las consultas más complejas van a ser trasladadas al equipo humano. De esta forma, si contamos con una gran lista de seguidores, ¿por qué no aprovecharla para dar visibilidad a nuestras ofertas o promociones?” Afirma Adrián Barcojo. Pionero en la integración de Chatbots en Instagram desde 2017.

Todas las consultas que tengas sobre bots y chatbots puedes hacerlas en nuestro contacto. Nuestro equipo de expertos en chatbots y nuevas tecnologías se pondrán en contacto contigo sin ningún compromiso.

La entrada Chatbots Marketing en Instagram se publicó primero en .

A continuación, se van a nombrar algunos puntos para tener en cuenta al decantarse por Cloud Público o Privado, ya sea para una aplicación WEB, un CRM, ERP o una infraestructura completa, como pudiese ser un centro de datos.

Cuando nos referimos a los Cloud Públicos, posiblemente, la ubicación de los centros de datos que el proveedor nos proporcione para alojar la información sea uno de los puntos más importantes para tener en cuenta. Dado que las legislaciones sobre las que se rigen en cuanto a seguridad y privacidad difieren de un país a otro.

Otro aspecto para tener en cuenta que el proveedor de Cloud público tiene que cumplir, es:

• Tratamiento de los datos: Ya que se está ante un servicio donde se proporciona información confidencial, debemos solicitar un certificado de cumplimiento. Este justificará que además de cumplir con las normativas de protección de datos, se puede demostrar.

En cambio, ante un Cloud privado, su principal ventaja es que se dispone del control total sobre la información, la seguridad, el acceso público de determinada información. Al no facilitar los datos a terceros, se dispone de un mayor control sobre éstos.

Características claves que debe cumplir el Cloud ya sea Público o Privado

• Copias de seguridad: La información representa el activo principal de cualquier organización y deberá de contar con políticas de copias de seguridad acorde a las necesidades, la cual poder disponer de ella ante una situación de alerta.

• Auditorías: Realización de controles de los sistemas de forma periódica.

• Seguridad en transacciones y transferencia de datos.

• Disponibilidad: Contar con medidas de continuidad ante un incidente o desastre.

Si tienes dudas sobre qué Cloud es más apropiada para tu negocio, contáctanos.

La entrada Cloud Públicos y Privados, la importancia de la seguridad de los datos se publicó primero en .

Anteriormente, las empresas disponían de diferentes formularios de contacto o captación de leads repartidos a lo largo de su website. En la mayoría de casos, éstos formularios solían ser algo extensos, lo que provocaba frustración de los usuarios.

 Los chatbots nos permiten realizar una captación de estos mismos datos, de forma menos intrusiva para el usuario. Aportando una capa de experiencia de usuario conversacional que les resulta cómoda y sencilla ya que a diario, usamos como medio principal de comunicación aplicaciones de mensajería instantánea como Whatsapp.

Además, los usuarios tienen cierto rechazo a facilitar datos personales, ya que realmente desconocen con qué fin serán utilizados por la empresa. Interpretan que después de facilitar dichos datos, se verán comprometidos a mantener de alguna manera el contacto, o cierto compromiso con la empresa a posteriori.

Con chatbot se rompe esa barrera.  Gracias a esta solución conversacional, aumenta la tasa de captación, pudiendo triplicarla en algunos casos e incluso crear estrategias de marketing in-chat.

CAPTACIÓN DE DATOS DE UNA MANERA AMIGABLE GRACIAS A UN CHATBOT

“Los formularios ya no son tan efectivos como lo eran en el pasado. Una buena prueba de esto es Facebook Ads, la plataforma actualiza sus formularios de captación de leads constantemente para conseguir una mayor tasa de captación. ¿Cuántas veces has pensado si dejar o no tus datos en algún formulario web o ad?, ya sea para solicitar información acerca de un producto o servicio, o para únicamente ponerte en contacto con la empresa. Imagínate si en lugar de visualizar un formulario, observaras un chat, que te da la bienvenida, te pregunta por tu nombre, intereses, y aporta un dinamismo a la conversación. Captando tus datos de una forma más amigable y personal. ¿La cosa cambia verdad?.” afirma Adrián Barcojo Madrid, experto en Chatbots de Stratesys.

Previamente a la integración de los datos en la base de datos o CRM, un chatbot nos permite mediante su propio código, realizar un filtrado de los datos.

Un claro ejemplo de esta funcionalidad, es la utilización de un chatbot para la captación de talento. Facilitando una primera entrevista in-chat a los candidatos donde éstos dejan sus datos y CV. Posteriormente, el equipo de RRHH valora sus respuestas y puede priorizar dichos candidatos de forma automática en base a las respuestas que éstos nos ofrecen en relación con los requisitos de la oferta de empleo.

¿QUÉ ESTRATEGIAS DE MARKETING PODEMOS APLICAR CON UN CHATBOT?

Dentro de esta misma captación, se pueden utilizar estrategias típicas del email marketing, adaptadas a esta nueva tecnología tales cómo:

• Subscripción en la lista de correo electrónico / club de socios de la compañía
• Desbloqueo de recompensas (descuentos, sorteos, descargas…)
• Campañas proactivas / follow-ups in-chat

O incluso realizar una llamada instantánea en caso de que la estrategia de marketing así lo requiera.

¿Te gustaría hablar con nuestros expertos y aplicar las nuevas tecnologías a tu empresa? Contáctanos.

La entrada Cómo captar hasta tres veces más leads gracias a un chatbot se publicó primero en .

Si además consideramos la aparición de la Inteligencia Artificial en el mercado, estaríamos ante lo que algunos ya denominan la cuarta revolución industrial.

Tanto organismos públicos como empresas privadas, están apostando por tecnologías asociadas a la inteligencia artificial y concretamente al motor de procesamiento del lenguaje (NLP) para mejorar sus procesos y fortalecer su compañía.

Un claro ejemplo de esta evolución son los chatbots. Junto con el procesamiento del lenguaje natural forman la sinergia perfecta para interpretar y entender la intención del usuario.

Esta tecnología conversacional se implementa hoy en día por miles de empresas permitiendo la creación de lo que denominamos “un compañero virtual”. Tal y como nos cuenta el experto en Chatbots de Stratesys, Adrián Barcojo:  “Un chatbot es capaz, entre otras cosas, de ayudarte a aumentar tu productividad, reducir la carga de trabajo y hacer que tu día a día sea más ameno gracias a la interacción con el mismo vía chat”.

¿PARA QUÉ SIRVE EL PROCESAMIENTO DE LENGUAJE NATURAL?

Esta tecnología de procesamiento del lenguaje natural (NLP), además de ser útil para identificar la intención del usuario a la hora de realizar una consulta o solicitud, también se utiliza en otros muchos campos como en la gestión inteligente de la documentación. Permitiendo identificar palabras clave en los documentos para su posterior extracción, análisis y estructuración. Esta información se almacena directamente en el ERP de la compañía convirtiendo los datos almacenados en información de valor.

Actualmente, el procesamiento de lenguaje natural está siendo implementado en otros sistemas como la resolución de tickets, permitiendo asociar tecnologías de automatización de procesos (RPA/IRPA) para la gestión, categorización y resolución de tickets en piloto automático.

“Sin duda esta tecnología de procesamiento del lenguaje natural, ayudará a las medianas y grandes empresas a ser más ágiles con sus procesos internos. Permitiendo a los empleados ejecutar sus labores de forma más rápida, sencilla y segura” afirma Adrián.

Si quieres conocer cómo implementar chatbots en tu empresa, contáctanos.

La entrada Procesamiento de Lenguaje Natural (NLP): Cómo las nuevas tecnologías cambian la forma en la que trabajamos. se publicó primero en .

Hoy en día el concepto del Self Service está de moda en el mundo del Business Intelligence. Aunque realmente no es algo nuevo.  Muchas herramientas ya nacieron pensadas para este objetivo desde la década del 2010. Sin embargo, no es hasta finales de dicha década y en esta que comenzamos de los años 20 cuando empieza realmente a ser un concepto real y accesible a usuarios de cualquier nivel de conocimiento tecnológico.

¿Qué es el Self Service en Business Intelligence?

Como el propio nombre <<Self Service>> indica, estas herramientas proporcionan a los usuarios la capacidad de realizar sus propios análisis sin depender de IT (consultas ad hoc, preguntas en lenguaje natural sobre el negocio, creación y modificación de informes, añadir nuevas fuentes de datos y ficheros). Todo esto les hace independientes, dueños de la información y les permite tomar decisiones mucho más rápido. Al fin y al cabo, se trata de reflejar en el ámbito laboral la inmediatez y acceso a la información a la que estamos acostumbrados en el ámbito personal.

Esto nos sitúa en estos momentos en un auténtico ascenso del Self Service, donde proporcionar al negocio de todo tipo de acceso a la información ya no es opcional.

Los principales retos a los que nos encontramos son:

-Disponibilidad de la información en tiempo real.

-Ciclos de desarrollo más cortos, económicos y fáciles de implementar.

-Uso de metodologías ágiles.

-Garantizar la coherencia y trazabilidad de los datos.

-Estandarización y centralización de los datos de todas las ramas de los negocios.

-Disponibilidad la información para llegar al siguiente nivel de predicción y prescripción usando IA.

¿Qué fortalezas aportan las herramientas de Self Service en Business Intelligence?

En esta línea de auténticas herramientas de Self Service en BI podemos destacar 5 que están liderando el mercado, o cuya tendencia es claramente un referente en el corto plazo: PowerBI, SAP Analytics Cloud, Tableu, Einstein Analytics y Qlik. En su mayoría comparten las siguientes fortalezas:

-La experiencia de usuario, haciéndolas accesibles desde cualquier lugar, apostando por entornos en la nube accesibles online desde cualquier dispositivo (portátil, móviles, tabletas).

-Fácil curva de aprendizaje. Estas herramientas no necesitan de experiencia previa, ni conocimientos en programación. Cualquier persona puede aprender a usarlas para procesar grandes cantidades de datos. Es por ello que, el porcentaje de adopción por los usuarios es mucho mayor que otras herramientas más clásicas.

-El Rendimiento es clave para manejar grandes volúmenes de datos de manera ágil. Sin largas esperas, gracias a los nuevos modos de conexión live, proporcionan acceso a los datos casi en tiempo real.

En definitiva, la mayoría de las empresas son conscientes del valor que aporta realizar un análisis de datos sólido y rápido en la toma de mejores decisiones. Así, cada vez requieren más que sus empleados tengan habilidades y capacidades de análisis de datos. Serán estas herramientas de Self Service las que les permitirán desarrollar y mejorar estas habilidades para crecer junto a los negocios.

La entrada El Ascenso del Self Service en Business Intelligence se publicó primero en .

Como es habitual en la actualidad, seguimos avanzando hacia escenarios que, aunque parecen lejanos, seguramente no lo sean tanto. Uno de esos escenarios podría ser la automatización casi total de muchas de las actividades que realizamos en nuestras compañías. Esta tendencia, que hasta ahora ha llenado notas de prensa y opiniones asociándose a RPA, será durante 2020 y 2021 una de las tendencias estratégicas tecnológicas bajo el nombre de “hyperautomation”. De hecho, Gartner la ha nominado en el puesto nº1 de tendencias estratégicas del año 2020.

¿A qué nos referimos con “hyperautomation”?

El concepto de “hyperautomation” trata de la aplicación de tecnologías avanzadas. Estas incluyen la inteligencia artificial con el objetivo de acercarnos a esa automatización total y/o aumento de las capacidades de las personas en su puesto de trabajo. “Hyperautomation” como concepto cubre una amplia combinación de herramientas como RPA, iBPMS, AutoML, Minería de Procesos, Analítica, etc. En definitiva, software paquetizado que ayude en todo el ciclo de vida de la automatización: Descubrimiento, Análisis, Diseño, Automatización, Medición, Monitorización y Re-evaluación.

La tendencia de los fabricantes de este tipo de software, y sobre todo de los que serán líderes de mercado en los próximos años, es a la concentración en su portfolio o suite de productos de todas las capacidades comentadas anteriormente. Su objetivo será el de reducir las complejidades o sobrecostes de integración de dichas capacidades sobre herramientas que solo dispongan de una parte de las soluciones necesarias.

¿Qué utilidades aporta la este nuevo concepto a una empresa?

Veremos en el mercado cómo los fabricantes más maduros cubrirán bajo su portfolio de forma nativa y simplificada todas las utilidades que nos acercarán al “hyperautomation”:

-Process Mining: Herramientas para el descubrimiento automático de procesos, identificación de optimizaciones, información estadística de los mismos, etc.

-Diseño y testeo: Herramientas para de forma sencilla poder modelar visualmente los procesos y poder testear inicialmente posibles cuellos de botella o problemas.

-Robotización de procesos (RPA): Herramientas para automatizar tareas en todo tipo de herramientas. Ya tengan naturalezas más atendidas o desatendidas

a.En los modelos atendidos podremos ver bots que interactúan con nuestro escritorio para apoyarnos en ciertos procesos

b.Y también podremos ver bots integrados en modo add-on en algunas de las herramientas más utilizadas tanto a nivel cross, como a nivel funcional específico. Véase: SAP, Salesforce, Suite de Office, etc.

-Control: herramientas que permitan controlar y orquestar adecuadamente el despliegue de todos los automatismos y que permitan escalar la iniciativa de manera adecuada

-Analytics: herramientas analíticas embebidas que permitan extraer todo el potencial de los datos tanto operacionales como de negocio asociados a los automatismos y procesos. Esto será necesario y útil para poder trabajar en analizarlos en busca de mejoras.

“Desde Stratesys llevamos años trabajando en la conjunción de todas estas tecnologías haciendo especial hincapié en potenciar la capacidad de generar modelos basados en Machine Learning para acelerar la automatización de procesos o tareas que requieren de toma de decisiones. Esto lo estamos consiguiendo gracias al expertise acumulado en nuestros Hubs de RPA, Chatbots, AI o BigData y a las alianzas a las que hemos llegado con los líderes en tecnologías de este tipo como Automation Anywhere. También estamos potenciando nuestro expertise en Datarobot como elemento en la democratización del Machine Learning”  dice Francisco Ruiz González , Head of Innovation en Stratesys

Besh junto a Stratesys trabajan para implementar las últimas tendencias tecnológicas a sus clientes. Si deseas hablar con nuestros expertos o plantear un caso concreto, puedes contactarnos . Trabajamos de manera totalmente personalizada, tomando muy en cuenta las necesidades y la estrategia de cada negocio.

La entrada Hyperautomation ya es tendencia de 2020 y 2021 se publicó primero en .

 Validación de modelos. Buena Praxis

En el análisis de datos estadístico existen muchas aplicaciones y, por ello, hay muchas maneras de validar el modelo. La mayoría de las veces dependerá de lo que queramos medir para determinar la bondad del modelo. Comunmente, a este conjunto de criterios se le llama Bondad de Ajuste o en inglés Goodness of Fit (GoF). Además, estas medidas no sólo evalúan la potencia de predicción del modelo, sino que también permiten validar las hipótesis iniciales. Tener en cuenta las hipótesis iniciales del modelo es lo primero en lo que se fija un Data Scientist. La implicación lógica “Hipótesis –> Tesis” significa que para una hipótesis que no se cumple, la tesis puede o no cumplirse. Esto significa que podemos obtener un resultado absolutamente inesperado y, por tanto, no nos podemos fiar de las estimaciones del modelo en cuestión. A nivel industrial y empresarial esto se traduce en la robustez de las soluciones y riesgo de tomar decisiones basadas en estimaciones posiblemente erróneas.

Criterios de la bondad de ajuste

En Modelos Lineales Generalizados o GLM (P. McCullagh and J.A. Nelder, 1989), lineales siempre respecto los parámetros, se utiliza la medida de scaled deviance (P. McCullagh and J.A. Nelder, 1989; Paul E. Johnson, 2016) que coincide con la formulación del ratio de verosimilitud (para Likelihood Ratio Test, LRT). En el caso de datos continuos y con la asunción de normalidad, scaled deviance deriva en la suma de cuadrados de los residuos normalizada por la varianza (parte residual no reducible, sigma cuadrado). En el caso de la Binomial (clasificación), scaled deviance toma otra forma, en concreto, aplicando un factor multiplicativo, deriva en comunmente conocida función de error llamada cross-entropy. La medida de scaled deviance se utiliza principalmente para modelos anidados. El coeficiente de determinación múltiple (R2) (González J.A., Cobo E., Muñoz P., Martí M, 2008), se define justamente como

D es deviance y D0 es null deviance (en este caso el denominador de scaled deviance, es decir, el término de normalización, se cancelaría, por ello deviance y scaled deviance sería de uso equivalente en esta definición). El null deviance representa el modelo de benchmark, el modelo donde no se utilizan predictoras y asimismo corresponde a la suma de cuadrados total (para datos continuos). Luego está el R2 adjusted, que es lo mismo que el R2 pero con penalización por el número de parámetros. Otro criterio muy interesante es el PRESS (Allen, D. M., 1974; D. C. Montgomery, E. A. Peck, 1992), que permite calcular la potencia predictiva del modelo correspondiente al muestreo LOO (leave one out), pero sin hacer la cros-validación. El cálculo de PRESS implica los residuos y los coeficientes h (los conocidos como leverage y que indican el peso de cada observación o dato en el modelo). También se puede aproximar el R2 con PRESS. Acabamos de ver diferentes funciones de la bondad de ajuste y la relación entre ellas.

Criterios de potencia predictiva

Los siguientes métodos no están relacionados con ningún modelo en particular ni asunciones iniciales, como por ejemplo la familia de distribuciones exponencial o la homosedasticidad. Simplemente, nos fijamos en el tipo de la variable respuesta y aplicamos una función que mide la desviación entre la estimación y la realidad. En algunas ocasiones esta función coincidirá con la función error que naturalmente derivaría del modelo que se está utilizando y las restricciones aplicadas, pero no tiene por qué.

Por ejemplo, en el caso de respuesta continua existe NRMSE (Normalized Root Mean Square Error) donde el denominador puede ser la media, un intervalo, una cota superior, etc. A veces es conveniente usar el error absoluto en vez del cuadrático, cuando por ejemplo el objetivo es maximizar la distancia entre vectores de forma uniforme (en el espacio multi-dimensional). Incluso, dependiendo del problema, interesa usar el sumatorio absoluto en vez del promedio o ponderación. Otra medida muy fácil de interpretar es el error relativo (absoluto o con signo), aunque tiene varios inconvenientes. MAPE sería el promedio del error relativo absoluto. A menudo se usan percentiles del error, en vez del promedio, ya que dan una noción de estabilidad. Existen otros indicadores de diferentes ámbitos de aplicación (Y. Hernandez-Potiomkin, M. Saifuzzaman, E. Bert, R. Mena Yedra, T. Djukic, J. Casas, 2018).

Para datos categóricos, tenemos combinaciones de TP (true positive), TN (true negative), FP (false positive) y FN (false negative). Sobre estos indicadores se pueden construir muchas medidas de ajuste: precision, recall, F-measure y otras muchas combinaciones. Una forma de resumir o contraponer estas medidas es construir una grafica donde cada eje represente uno de estos indicadores. La curva ROC (Receiver Operating Characteristic) representa el FP y TP. Cada punto en el espacio 2-D es un clasificador y la envolvente convexa (ROCCH) (T. Fawcett, 2006) de los puntos da la curva ROC que representa tanto clasificadores plausibles como puntos que forman dicha envolvente. La recta con la pendiente 1 y la ordenada de origen 0 representa respuesta aleatoria. Los puntos por debajo de esa recta son clasificadores sub-óptimos.

Fig. 1: Envolventes convexas ROC (ROCCH) de dos conjuntos de clasificadores.

Esta gráfica da una idea del umbral de clasificación a elegir dependiendo del problema que se intenta resolver. Se puede calcular coste versus beneficio utilizando los valores de TP y FP que corresponden a cada clasificador (umbral de decisión). En la Fig. 1 se puede ver cómo las diferentes pendientes representan escenarios distintos según caso de uso.

Otra medida que se utiliza mucho por ejemplo en el Procesado de Lenguaje Natural es la perplexity (D. Jurafsky and J. H. Martin, 2019):

En este caso la fórmula corresponde al modelo 2-gramas. Es la inversa de la probabilidad del test set, normalizada por la longitud de la secuencia. Cuanto menor es este indicador, mayor es la probabilidad de observar una secuencia determinada de palabras (del conjunto de test). Los parámetros de la fórmula de la perplexity varía según el modelo, pero la forma y el concepto son los mismos.

Se han presentado varios procedimientos de validación de modelos y medidas de la bondad de ajuste y potencia predictiva. Se han proporcionado ejemplos y casos de uso para dichas medidas e indicadores. Este conjunto de herramientas ayudan a medir factores que no son directamente observables. Por ello, hay que tener en cuenta el sesgo que puede ser introducido a la hora de realizar dichas mediciones. Por ejemplo, la forma de particionar los datos en conjuntos de aprendizaje y validación, a menudo no basta con hacer una partición aleatoria. Esto sucede con frecuencia en modelos para marketing, en los cuales el comportamiento de clientes tiene un lapso de tiempo y va asociado a unas acciones. Esta secuencia temporal se debe respetar a la hora de particionar datos y solamente introducir la aleatoriedad para tomar muestras.

La entrada Validación de modelos en el análisis de datos estadísticos se publicó primero en .

Pese a que la tecnología chatbot, principalmente fue enfocada desde sus inicios a la atención al cliente, actualmente son muchas las empresas que deciden integrar un chatbot interno para facilitar las labores de consulta o solicitudes de los empleados.

 ¿En qué puede ayudar un chatbot al empleado?

Gracias a nuestra amplia experiencia en el mercado detectamos varias problemáticas que actualmente, están siendo solucionadas con el uso de tecnología chatbot.

• Canal de información centralizada

En la mayoría de las ocasiones, el empleado no conoce a qué departamento o a qué compañero realizar una consulta. Por lo que ofrecer un canal interno de información centralizada les permite realizar todas sus consultas desde un mismo lugar.

• Solicitudes administrativas

Las empresas definen este tipo de solicitudes a medida que van creciendo, debido a esto, estas solicitudes en la mayoría de los casos nunca quedan de forma homogénea. Esto, da como resultado que cada solicitud se tramite de forma diferente, y con diferentes responsables. Gracias a la implementación de un chatbot, el empleado podrá realizar cualquier tipo de solicitud, ya sea de vacaciones, nóminas, viajes, tickets..etc desde un mismo lugar y de forma sencilla.

• Resolución de consultas frecuentes

En la mayoría de las empresas, la resolución de consultas frecuentes de forma manual conllevan grandes esfuerzos por parte de los diferentes departamentos afectados.

Un chatbot permite ofrecer respuesta a todo este tipo de consultas de forma instantánea, entre las más destacadas se encuentran:

 – Consultas de soporte técnico
¿Cómo sincronizo el correo en mi equipo?
Pasos para configurar la impresora.
¿Cómo accedo a la VPN?

 – Consultas de beneficios
¿Qué es el ticket restaurante?
¿Cómo solicito un ticket de transporte?
Mi hermana va a tener un bebé ¿me pertenece algún día para poder ir a la clínica?

– Consultas acerca de procedimientos
Mañana tengo que acudir al médico ¿a quién debo informar de esto?¿Puedo trabajar desde casa?
¿Cómo puedo solicitar un teléfono de empresa? Creo que tengo un virus, ¿cuál es el procedimiento a seguir? ¿Tienen un plan de formación interna?

¿Cómo aplica un chatbot a la situación actual?

Debido a la actual crisis por el COVID-19, son muchas empresas las que optan por introducir consultas frecuentes acerca de cómo sobrellevar la situación. Ofrecen una atención rápida y directa que mejora en la tranquilidad del empleado. Por lo que, el impacto real de ayuda al empleado, es bastante grande.
Permite resolver sus dudas frecuentes, realizar solicitudes, u obtener información de servicios de forma centralizada. Todas las acciones se realizan desde un mismo canal, ubicado dentro de la propia intranet de la empresa o mediante un canal corporativo como Microsoft Teams.

“El empleado, nunca verá al chatbot cómo un competidor, si no como la herramienta de ayuda clave en su día a día. Esto ayudará a que la empresas sean más rentables, y puedan dedicar un alto porcentaje de esfuerzo de atención al cliente en otras tareas que requieran de una labor humana”  Afirma Adrián Barcojo.

Todos los chatbot que se realizan desde nuestro equipo son totalmente adaptados, integrados y personalizados a la empresa que lo aplica, de forma los empleados lo usarán de manera totalmente intuitiva. Si necesitas más información sobre tu caso, no dudes en contactarnos.

La entrada Cómo puede ayudar un chatbot a los empleados de tu empresa se publicó primero en .

La infraestructura SAP permite a una organización migrar todo su negocio a la medida de las necesidades que requiere y con las ventajas que esto le aporta. Entre ellas, espera que todos sus procesos comerciales más críticos, como, por ejemplo, producción, logística, inventarios, contabilidad, etc, funcionen de la forma óptima.

Para ello, es necesario que los sistemas SAP, bases de datos e infraestructura de IT estén configurados correctamente con el fin de que el usuario final obtenga la mejor experiencia.

Otros factores importantes a tener en cuenta que deben funcionar de manera óptima son: la interfaz del usuario (SAP GUI) es decir, la capa de presentación. La capa de aplicación, compuesta de uno o varios servidores donde se aloja el sistema SAP. Y la capa de base de datos, la cual se encarga de almacenar los datos del sistema SAP.

Infraestructura

Para conseguir que el conjunto de las tres capas mencionadas funcione de forma eficaz, se requiere de profesionales que realicen un análisis exhaustivo de sus necesidades y propongan  una infraestructura acorde a las exigencias de su implantación.

Algunos de los aspectos más importantes para la implantación son:

• Infraestructura actualizada y certificada: El proveedor tendrá que proporcionarle servidores, sistemas operativos, almacenamiento y recursos de red eficientes en constante mantenimiento y de primera calidad. Con ello, conseguirá que sus aplicaciones se vean más seguras y aceleradas.

Además, si por ejemplo empleara bases de datos HANA, deberá asegurarse que sus Appliance, están certificados en base a los requisitos de SAP HANA.

• Servicio de recuperación ante desastres (DRS): La información de su organización es muy valiosa y es por ello por lo que este punto debe interpretarse como una inversión. Actualmente, las empresas se enfrentan constantemente a riesgos y amenazas.

Un plan DRS, consiste en una replicación de los datos de forma continua desde un centro de datos a uno segundo, donde permanecería en estado de espera en caso de ser necesitado.

Pongamos un caso por el cual, debido a un desastre natural, un ataque informático o simplemente debido a error humano, ha sufrido un incidente y sus datos se han perdido o se han vuelto corruptos. Claramente, está sufriendo una interrupción en su negocio, lo cual afectaría a sus empleados y clientes.

Desarrollar un plan de Disaster Recovery en conjunto con un equipo de profesionales de IT, donde se contemplen aspectos tales como el Tiempo Objetivo de Recuperación (RTO) y Punto Objetivo de Recuperación (RPO) le garantizará el acceso a la información de su organización en el menor tiempo posible.

Infraestructura monitorizada

Una infraestructura actualizada, en constante mantenimiento, eficaz y optimizada, no es suficiente si además no la estamos monitorizando con un servicio 24/7 para anticiparnos a los sucesos.

Pongamos otro ejemplo, sólo dispone de un servidor de aplicaciones el cual inicialmente era suficiente para su volumen de negocio. Resulta que su negocio está creciendo y a la par, su sistema SAP también está haciendo lo mismo, ya que requiere de nuevos servicios, características y funciones.

Con un servicio de monitorización personalizada a sus necesidades, podrá anticipar que el consumo de CPU y memoria RAM, se está viendo incrementado, así como la información alojada en los discos duros y que los servicios del propio sistema SAP están disponibles en todo momento.

Infraestructura de Copias de Seguridad

Finalmente, un punto que no se debe pasar por alto es salvaguardar la información que las bases de datos generan. Ésta representa el activo principal de cualquier organización y deberá de contar con una política de copias de seguridad diarias. Sin olvidar una retención acorde a sus necesidades, la cual poder disponer de ella ante una situación de alerta o porque inicialmente se consideraba que no nos era útil y finalmente si lo fuese.

Contacta con nuestros expertos para ayudarte a elegir la infraestructura SAP que más se adapte a tus necesidades.

La entrada Infraestructura SAP: aspectos importantes para una óptima implantación se publicó primero en .