El valor de un dato bien leído

La actividad de cualquier empresa se puede traducir en datos. El número de pedidos que entra, el tiempo que tarda en completarlos, los operarios y turnos que necesita para hacerlo, la cantidad de material que va a requerir, los plazos de entrega de los proveedores... Además, son datos que interactúan entre sí. Un cambio en cualquiera de ellos repercute inmediatamente en el resto. A más máquinas, más piezas por hora, menos días para entregar, pero también mayor necesidad de materia prima disponible, por ejemplo. Conocerlos no sólo es imprescindible para sacar el trabajo adelante; bien leídos además pueden mejorar la competitividad e incluso permiten anticiparse a circunstancias que puedan ponerla en entredicho. El 'Big data', la Inteligencia Artificial o el 'machine learning' son algunas de las herramientas de la analítica avanzada que obran el milagro, y la alavesa Data Value Management es una de las consultoras que las acercan a las pymes.

«Cuando creamos la empresa, en 2019, vimos sus posibilidades pero también que en realidad son recursos que son ya accesibles para cualquier sociedad, independientemente de su tamaño o actividad. Lo importante es que tenga los datos a partir de los que empezar a trabajar. Nosotros desarrollamos aplicaciones de estas tecnologías a medida, en función de lo que necesite cada cliente, ya sea para multinacionales o empresas muy pequeñas. Hemos trabajado, por ejemplo, con asesorías de apenas dos o tres empleados que querían detectar qué tareas se podían automatizar para liberar de ellas a sus empleados», explica Borja Balparda, doctor en Econometría y fundador de la 'startup' junto a la ingeniera en Geomática y Topografía Olaia Gómez.

De entre las posibilidades que brinda ese adecuado manejo de los datos y su transformación en información útil una de las más llamativas es el desarrollo de algoritmos predictivos. Es decir, capaces de generar información nueva a partir de la que ya tenemos. O de los patrones que muestran esa información que ya tenemos, para ser más exactos.

Esto hace posible, por ejemplo, saber hasta cuánto se puede estirar el tiempo entre revisiones antes de que la avería de una máquina fuerce el parón de toda la planta de producción o en qué circunstancias se generan mermas, como piezas defectuosas, que se podrían evitar o reducir. Por poder, estos algoritmos predictivos pueden incluso ofrecer a las compañías estimaciones sobre la demanda que van a tener sus productos durante un período concreto.

«Lo que hacemos para permitir al sistema hacer ese cálculo es identificar las variables que influyen en las ventas», explica Balparda. El proceso empieza por las que son 'caseras', aquellas cuya información es nuestra y es fácil de recopilar, como todo lo relativo a las características de los productos que ofrecemos, sus precios y márgenes, nuestra capacidad para producirlos, el funcionamiento del departamento comercial o el perfil de nuestro cliente más habitual.

Después toca añadir los factores externos, como las variables macroeconómicas. «Incorporamos datos como los tipos de interés, la inflación... En función del tipo de cliente, introducimos unos indicadores u otros», resume el fundador de la 'startup'. Con esta información, Data Value Management crea un gemelo digital de la firma que permite realizar simulaciones. Es decir, saber cómo el cambio en un dato puede afectar al resto. Y las hay de muchos tipos.

«Podemos, entre otras cosas, calcular cómo encarecería nuestra producción un hipotético incremento del precio de la luz o el combustible. Y si llegado el caso tenemos que plantearnos establecer un nuevo precio de venta de un producto, el sistema puede decir qué respuesta va a tener en el mercado cada una de las opciones que le planteemos. Del mismo modo puede ayudar a saber qué momento sería el más adecuado para hacer un lanzamiento u ofrecer una oferta», explica Balparda poniendo algunos ejemplos.

El tiempo necesario para la puesta en marcha de estas soluciones varía en función de la labor previa que haya realizado la empresa en la recopilación de toda la información que sirve de base. «Nosotros contamos con una plataforma propia que nos permite dar una respuesta rápida, pero es necesario contar antes con una importante cantidad de datos. Hay empresas que llevan toda la vida siendo muy minuciosas en sus registros y a las que en dos meses y en otros casos, el proceso se puede demorar dos o tres años», matiza.

• Temas
• Gobierno vasco
• Inteligencia artificial
• Fundación Vital
• Caja Vital Vital Kutxa
• Diputación Foral de Álava
• Startup