El experto en Data Science de Cornershop, Matías Sánchez, fue el responsable de la segunda INNmeeting del año, con la presentación “Machine Learning e E-commerce: El Caso Cornershop”, donde explicó las claves de conceptos como big data y machine learning, junto con revelar la utilidad de estos conceptos para diversas industrias, basado en el caso de Cornershop en Chile y México.
INNmeeting es el ciclo de conferencias dedicadas a la innovación donde los personajes que lideran esta disciplina en Chile y el mundo exponen sobre sus experiencias y casos de éxito.
Cornershop es un servicio on-demand de despacho a domicilio de alimentos para el mercado latinoamericano. Con cobertura en Santiago de Chile y el D.F en México, la empresa promete abastecer a sus usuarios dentro de 90 minutos y, así “entregar tiempo libre a las personas”, destaca Sánchez. En su presentación, el data scientist explicó cómo el machine learning ha contribuido al éxito del negocio.
Sánchez comenzó explicando Big Data, calificándolo como “un problema. El problema de tener muchísima información”, aunque explicando que si se usa bien, esa data puede originar muchos beneficios y “predecir el futuro”. A su juicio, uno de los grandes desafíos es el almacenamiento de los datos y cómo hacemos cálculos básicos, por lo que se requiere un cambio de infraestructura tecnológica importante. “La solución: buscar como se puede separar una tarea y luego levantar varias máquinas que hagan los cálculos sobre distintas partes del conjunto de datos. Esa es la solución al big data”, analizó el experto.
Machine learning para la toma de decisiones
Respecto de machine learning, Matías Sánchez aclaró que el concepto corresponde a métodos para que los computadores aprendan de un conjunto de datos y obtengan una conclusión o generen conocimiento a partir de un problema. Ejemplificó con que, en el caso de las personas, equivale a que un niño asocie la imagen de un animal que nunca ha visto -por ejemplo, un perro- con la denominación que le puede dar su padre del mismo: “eso es un perro”. “Machine learning hace eso. Encuentra una función que, dado cierto input, deducirá una respuesta”, explica el experto.
Hoy en día, diversas empresas e industrias utilizan machine learning. Una de ellas es Netflix, con las recomendaciones de series y películas entregadas al usuario. “Una máquina aprende de tus gustos, sabe qué películas ve gente similar a ti, cuáles aún no ves, y en base a ello te recomienda”, agrega Sánchez. Los fabricantes de automóviles también obtienen provecho del machine learning, con autos que perciben a través de sensores y luego, toman decisiones. Las bolsas de valores también pueden anticipar el valor de una acción.
En el caso de Cornershop, el machine learning ha sido de utilidad para mejorar la precisión con que la operación se lleva a cabo. Han utilizado machine learning para predecir cuánto tiempo se demorará la empresa en completar un pedido (de manera hacer una promesa confiable a los clientes), identificar cuándo tienen que comenzar a trabajar en una orden y predecir qué tan ocupados estarán los shoppers en el futuro.
En cuanto a los conocimientos requeridos para llevar los datos a un nivel avanzado como el del machine learning, Sánchez explicó que los denominados data scientists deben contar con tres habilidades fundamentales: experiencia en ciencias de la computación, conocimiento de al menos dos lenguajes de programación, de modelos matemáticos complejos y experiencia del área o industria en la cual se desempeñará.
En ediciones pasadas INNmeeting ha contado con presentaciones de Fernando López, Country Director de Google; Rocío Fonseca, Directora Ejecutiva de Start-up Chile y Carlos Schaaf, CEO de Uber Chile.