Caminando de una

empresa digital a otra

inteligente mediante el
uso de inteligencia
artificial

1
Ponentes

José Antonio Torre Víctor Muakuku

CPO & Architecture, Enzyme Advising Group CIO, Pyrénées Andorra

joseantonio.torre@enzymeadvisinggroup.com victor.muakuku@pyrenees.ad
Empresa inteligente
La empresa inteligente
potencia la economía
de la experiencia
➢ Utilizan las últimas
tecnologías para convertir la
información estratégica en
acción en todo el negocio en
tiempo real.

➢ Aceleran la disrupción
impulsada por datos y la
automatización de procesos

➢ Lanzan nuevos modelos de

negocio
Despliegue de nuevos
modelos de negocio
mediante IA
Viajando a través de la IA
Inteligencia
Artificial
Aquellos sistemas que
imitan la inteligencia
humana para realizar
tareas y que tienen la
capacidad de mejorar
iterativamente a partir
de la información que
recopilan
¿Qué capacidades
humanas puede replicar
la IA en 2021?

• Entender las situaciones y los

contextos
• Identificar objetos y reconocerlos
• Analizar y resolver problemas
• Aprender a realizar nuevas tareas
• Comprender el lenguaje natural
• Reconocer imágenes
Tecnologías más comunes en IA

Machine Learning Natural Language Automated Speech

Computer Vision
Processing Recognition

Aprendizaje Comunicación Visión Oído

Machine learning
Machine learning o aprendizaje automático
Rama de la inteligencia artificial que permite que las
máquinas aprendan a partir de los datos sin ser
expresamente programadas para ello
BUSINESS

API

DATOS + ALGORITMO = MODELO ML

SUPERVISADO NO SUPERVISADO REFUERZO
Aprendizaje
supervisado
El objetivo del aprendizaje
supervisado es el de crear
una función capaz de
predecir el valor
correspondiente a
cualquier objeto después
de haber visto una serie de
ejemplos: los datos de
entrenamiento.
Tipos de aprendizaje supervisado

REGRESIÓN CLASIFICACIÓN

Predicción de variables numéricas Predicción de variables categóricas

Forecasting Probabilidad de abandono

Predicción de ventas Cálculo del riesgo de crédito
Clasificación de imágenes
Aprendizaje no
supervisado
Manejan datos sin
entrenamiento previo, es una
función que hace su trabajo
con los datos a su disposición.

Funcionan bajo condiciones en

las que los resultados son
desconocidos y, por lo tanto,
es necesario definirlos en el
proceso
Aprendizaje
por refuerzo
Modelos y funciones
enfocadas en maximizar
una medida de
recompensas, basados en
acciones y al ambiente
en el que el agente
inteligente se
desempeñará.
 DETECCIÓN DE Universo ML
ANOMALÍAS
CLASIFICACIÓN RETENCIÓN
IMÁGENES CLIENTES
STRUCTURE
DISCOVERY
CLASIFICACIÓN
CLUSTERING DETENCIÓN
RIESGO DEL
FRAUDE
VISUALIZACIÓN CRÉDITO
BIG DATA

NO
SUPERVISADO
SUPERVISADO
MACHINE PREDICCIÓN
POPULARIDAD
SISTEMAS DE LEARNING
RECOMENDACIÓN

PREDICCIÓN
PREDICCIÓN METEOROLÓGICA
CLUSTERING CRECIMIENTO REGRESION
POBLACIÓN

MARKETING FORECASTING
DIRIGIDO DECISIONES DECISIONES GAME AI
REAL TIME REAL TIME CÁLCULO
ESPERANZA
REFUERZO DE VIDA

ROBÓTICA
ADQUISICIÓN DE
HABILIDADES
The AI path
 FOLLOW THE AI PATH
DESPLIEGUE ENTENDIMIENTO
ANALÍTICO DE NEGOCIO

INTEGRACIÓN
NEW DATA
EN PUBLICACIÓN ACQUISITION
DATA DISCOVERY
APLICACIÓN

MEJORA DATA
TEST VALIDACIÓN
PREPARATION
CONTINUA

PRODUCCIÓN MODELIZACIÓN

AI Deployment AI Development
 AI Development (I)

1. CONOCE EL NEGOCIO 2. ENTIENDE LOS DATOS 3. PREPARA LOS DATOS

Entender los escenarios y drivers de Comprobar la calidad de los datos y Preparar las conversiones
negocio revisar las estadísticas de los mismos

Reducir la dimensionalidad
Entender pain points Visualizar los datos

Manejar los nulos y outliers

Entender el requerimento de negocio Identificar posibles features en los
desde la perspectiva de machine datos
learning Transformar las variables
 AI Development (II)

4. MODELIZACIÓN 5. TESTEA EL MODELO 6. DESPLIÉGALO

Escoger el algoritmo apropiado Validar el/los modelo/s Desplegar en producción

Escoger los parámetros más apropiados Ajustar el/los modelo/s Integrar el modelo con negocio
para el modelo

Finalizar el/los modelo/s Mejora continua

Modelización
AI EN SAP
Analytics

Cloud Plataforma

Database

EMBEDDED LIBRARIES
SAP HANA Predictive Analysis Library (PAL)
Cerca de 90 algoritmos ML que pueden ser usados por data
scientists directamente sobre tus datos en HANA
Clustering, Classification, Regression, Association, Time Series
Preprocessing, Statistics, Social Network Analysis, Recommender
System, Miscellaneous
SAP HANA Automated Predictive Library (APL)
Algoritmos que, dado un específico problema, la solución selecciona
automáticamente el algoritmo que mejor encaja y ajusta los
parámetos para proveer un modelo óptimo.
Es ideal para usuarios de negocio con entendimiento mínimo de lo
que es machine learning mediante el uso de funciones AutoML
SERVER SIDE
FRAMEWORK INTEGRATIONS
SAP HANA Extended Machine Learning Library (EML)
Permite la integración de SAP HANA con Tensorflow
Permite invocar modelos predefinidos de Tensorflow mediante un server
especial llamado Tensorflow Serving usando Google remote procedure calls
(gRPC)
SAP HANA with R integration
Permite la integración de SAP HANA con un entorno de desarrollo de
software R para ejecutar stored procedures que tengan código R
embebido.
De este modo, SAP HANA puede acceder a miles de algortimos
programados en R
 CLIENT SIDE

SAP HANA Python Client API SAP HANA R Client API

Esta API permite a los científicos de datos de Python acceder a los Permite crear modelos de aprendizaje automático en Rstudio y
datos de SAP HANA y crear modelos de aprendizaje automático ejecutarlos directamente en SAP HANA sin mover datos fuera de
utilizando esos datos directamente en SAP HANA. HANA

También permite ejecutar algoritmos SAP HANA PAL y APL desde El científico de datos usa la interfaz de comando R para invocar
Python algoritmos directamente en SAP HANA PAL.

Utiliza el controlador de Python de SAP HANA (hdbcli) para El procesamiento de CPU requerido durante el entrenamiento de
conectarse y acceder a SAP HANA modelos de aprendizaje automático se realiza en SAP HANA y no en
un portátil limitado, etc.

Esto aprovecha el rendimiento de SAP HANA y mejora en gran

medida el tiempo de entrenamiento de los modelos de aprendizaje
automático
DO IT YOURSELF SERVICIOS AUTOGESTIONADOS
No te pierdas nuestra siguiente sesión paralela

16:10h (Sala 3A)

Digitalización colaborativa del proceso de

compra en tiempo récord
Contáctanos
José A. Torre Víctor Muakuku
joseantonio.torre@enzymeadvisinggroup.com victor.muakuku@pyrenees.ad

Visita nuestro stand

Stand #12

Síguenos
¿Quieres apuntarte a nuestro curso AI en SAP gratuito?
Rellena este formulario y te enviaremos los detalles

Curso IA avanzado sobre SAP

6 módulos

Plazas limitadas

Síguenos

WWW.ENZYMEADVISINGGROUP.COM
Desafiamos el status quo con
innovación y experiencia para
generar valor diferencial
Enzyme Barcelona
Tel. +34 902 026 289
Passeig de Gràcia 47, 2º (08007 Barcelona)
España
Enzyme Madrid
Tel. +34 902 026 289
Paseo de la Castellana 77, 6º (28046 Madrid)
España