Inteligencia digital y conocimiento

La Inteligencia digital es un procedimiento de mejora para recoger los datos que genera
la empresa, sistematizarlos, interpretarlos y convertirlos en información con el fin de
utilizarla para tomar decisiones con más probabilidades de éxito. La inteligencia digital
ayuda a conocer mejor a los clientes, agregando valor mediante su segmentación y
calcular la influencia de cada uno de los productos en las ventas.

Existen ocho áreas de desarrollo y aprendizaje para tener inteligencia digital: Identidad
Digital. Capacidad de crear y administrar la identidad y la reputación. Uso Digital.
Habilidad de utilizar medios y dispositivos digitales y controlar su uso.

 Seguridad Digital. Habilidad de manejar los riesgos y la capacidad de evitar y

limitar estos riesgos como el ciberacoso, ciberdelincuencia, ciberdelitos, etc.
 Seguridad Informática Digital. Habilidad de detectar ataques en la red como
hacking, scams o malware y entender las mejores prácticas y el uso adecuado de
herramientas de seguridad informática para proteger los datos y la información.
 Inteligencia Emocional. Habilidad de empatizar y crear relaciones valiosas con
otras personas.
 Comunicación Digital. Habilidad de comunicarse y colaborar con otros usando
tecnologías y medios digitales.
 Alfabetización Digital. Capacidad de encontrar, evaluar, compartir y crear
contenidos y competencias.
 Derechos Digitales. Habilidad de entender y defender los derechos personales y
legales, incluyendo los ligados a la privacidad, la propiedad intelectual, la
libertad de expresión y la protección de la información sensible y vulnerable.

Obtención de datos

Las empresas están continuamente recibiendo inputs, lo que constituye una excelente
oportunidad para obtener los datos necesarios sobre los que basar el plan de Inteligencia
digital. Los datos son activos digitales que llegan a través de medios:

 Propios: web y blogs corporativos, páginas gestionadas por la empresa en redes

sociales.
 Ganados: medios externos que mencionan a la empresa en sus publicaciones de
forma natural.
 De pago: posicionamiento de pago y publicidad.

Para reunir los datos que proporcionan los activos digitales existen numerosas
herramientas. Una de las más populares es Google Analytics. Existen otras que
funcionan mediante la inserción de píxeles de medición que registran de forma anónima
y agregada el comportamiento de los usuarios.

Los datos obtenidos de forma offline hay que incorporarlos en la base general junto con
los conseguidos de forma online para extraer conclusiones más amplias y acertadas.
Transformación de los datos en información

Cuando el volumen de datos reunidos es suficientemente representativo entran en

escena los analistas, encargados de transformar los inputs en información. Para ello
deben trabajar con las bases de datos realizando labores de:

 Discusión sobre datos en una empresa.

 Limpieza, para eliminar los registros irrelevantes.
 Deduplicación, para identificar registros dobles y unificarlos.
 Normalización, para asegurarse de la traducción de los datos bajo las mismas
categorías y escalas de medición.

Esta tarea también se conoce como proceso ETL (extract – transform – load). Tiene
como objetivo convertir la maraña de activos digitales en ficheros listos para ser
explotados estadísticamente.

De la base de datos obtenida los analistas extraerán las métricas y KPI (key performance
indicators) de interés los pondrán en contexto y plasmarán las conclusiones en gráficos
y presentación con un alto componente visual para facilitar su comprensión.

Análisis de los datos

La Inteligencia digital sistematizará, interpretará y convertirá los datos en

información activando sus posibilidades de predicción mediante dos vías:

 Análisis predictivo, que se basa en la revisión de datos históricos y actuales

para anticipar eventos del futuro. Se usa habitualmente en sectores como la
banca o las aseguradoras para determinar el riesgo de impago o pérdida de
determinados clientes.
 Análisis proactivo, que se centra en intuir los problemas que podrían afectar a
una organización en el futuro con el fin de prever y tener preparadas las posibles
soluciones.

La Inteligencia digital no es un proceso lineal, que comienza y termina, sino que una
vez implantada en la empresa hay que ocuparse de una retroalimentación constante (en
forma de carga y análisis de nuevos datos) para que siga reportando valor.

Toma de decisiones
La revolución digital ha generado documentos que se transforman
en flujos de información a escala mundial. Este nuevo escenario proporciona datos de
los acontecimientos que se producen segundo a segundo: avances científicos, situación
económica, catástrofes climáticas, acontecimientos bélicos, situación de las cotizaciones
mundiales en bolsa, etc.

Esto permite que las personas mejor informadas tengan más posibilidades económicas,
sociales, sanitarias, educativas, investigadoras... Los países que tienen mayor acceso a
las Tecnologías de la Información y Comunicación (TIC) tienen mayores posibilidades
de desarrollo.

No hay que confundir la inteligencia digital (que es global) con la inteligencia de

negocios (Business Intelligence) que facilita a los ejecutivos, analistas, gerentes y
directivos los datos necesarios para tomar mejores decisiones de negocio.

Las
soluciones de inteligencia de negocios pretenden obtener una visión y comprensión del
negocio, medir la gestión empresarial y el desempeño además de encontrar nuevas
oportunidades de negocio, creando productos y servicios para nuevos segmentos de
mercado.

Para crear la bodega de datos que apoye el proceso de toma de decisiones y la

inteligencia de negocio se deben seguir los siguientes pasos:

 Seleccionar el proceso de negocio. Debe ser soportado por sistemas de

información transaccionales que permitan capturar datos que después podemos
transformar en indicadores de gestión, medibles y cuantificables. El sistema de
información puede ser un ERP (Enterprise Resource Planning), un SCM (Supply
Chain Management), un CRM (Customer Relationship Management) o un
sistema core del negocio. Ejemplos de estos procesos pueden ser las ventas, las
 órdenes de producción, las llamadas de servicio al cliente o entradas y salidas de
inventario.
 Definir el nivel de detalle. Las transacciones detalladas se pueden agregar para
tener una perspectiva estratégica de la información. Por ejemplo se puede es-
coger el nivel de detalle que corresponda a la línea de facturación, el día hábil, el
código o referencia de producto, el cliente y el agente de ventas para el proceso
comercial.
 Seleccionar las dimensiones. Todos los procesos de negocio y las transacciones
que los implementan tienen “previsiones” por las que se puede analizar la
información. Responden a las preguntas: ¿Qué? (producto), ¿Quién? (cliente),
¿Cuándo? (fecha), ¿Dónde? (lugar).
 Seleccionar las medidas. Las medidas son los valores numéricos que serán
analizados en el contexto del proceso de negocio que se quiere gestionar. Pueden
ser nativas (provenientes directamente de la transacción) o calculadas a partir de
otras. Por ejemplo, las medidas de unidades y valor en un proceso de facturación
(ventas) pueden después ser cotejadas y calculadas con medidas del presupuesto
o descuentos para calcular la venta neta.

Gamificación
Es el empleo de mecánicas de juego en entornos y aplicaciones no lúdicas con el fin de
potenciar la motivación, la concentración, el esfuerzo, la fidelización y otros valores
positivos comunes a todos los juegos que generen inteligencia. Se identifican hasta 10
elementos:

La gamificación puede aprovechar el potencial de la tecnología para desarrollar el

componente social, exploratorio y de pensamiento lateral y creativo de los participantes
sin perder de vista el “para qué” de su aplicación y haciendo que su incorporación al
proyecto sea lo más transparente y natural posible generando un modelo de inteligencia
digital aplicable al entorno empresarial.

Las cuatro premisas de Moravec de la tecnología para el aprendizaje que se pueden

aplicar al contexto de la gamificación son:

 Propósito definido: Códigos QR, realidad aumentada, beacons e incluso drones

son recursos tecnológicos que tienen un precio asequible y no requieren
complejas instalaciones.
  Desarrollo del mindware. Se deben utilizar como instrumentos para potenciar
la imaginación, creatividad y capacidad de innovar. En un proyecto de
gamificación debemos usar sistemas que ayuden a las personas a pensar
lateralmente, a ir más allá de lo conocido, a establecer relaciones insospechadas,
a pensar en rutas alternativas para llegar a resultados diferentes.
 Herramienta social: cuando se incorpora el componente social en un proyecto
de gamificación surge la rivalidad positiva, la competición, el afán de
superación, la colaboración, el trabajo en equipo, etc.
 Evoluciona constantemente: lo que hoy es trending topic mañana parecerá
obsoleto. Cuanto más sencillo sea el combinado de tecnologías que apliquemos
en el proyecto es más fácil que resista a la obsolescencia.

Inteligencia artificial en las TI

La inteligencia artificial se encarga de construir procesos que al ser ejecutados sobre
una arquitectura física producen resultados que maximizan una medida de
rendimiento determinada basándose en la secuencia de entradas percibidas y en el
conocimiento almacenado.

Las nuevas TI son las herramientas computacionales e informáticas que procesan,

almacenan, sintetizan, recuperan y presentan información representada de la forma más
variada.

Las TI permiten transmitir, procesar y difundir información de manera instantánea. Son

consideradas la base para reducir la Brecha Digital sobre la que se tiene que construir
una Sociedad de la Información y una Economía del Conocimiento. Agrupan un
conjunto de sistemas necesarios para administrar la información y especialmente los
sistemas y programas para convertirla, almacenarla, transmitirla y encontrarla. Entre las
características de las TI están:

 Interactividad.
 Transmisión de información no solo de datos, sino también de audio y video.
 Ruptura de las barreras espaciales y temporales.
 Flexibilidad y adaptabilidad.
 Interactividad e inteligencia.
 Reducción de costes.
 Horizontalidad

Existen distintos tipos de conocimiento y medios de representación del conocimiento.

La Inteligencia Artificial (IA) se divide en dos escuelas de pensamiento: inteligencia
artificial convencional e inteligencia computacional. Entre las aplicaciones de la
inteligencia artificial que nos podemos encontrar:

 Lingüística computacional.
 Minería de datos (Data Mining).
 Industriales.
 Médicas.
 Mundos virtuales.
 Procesamiento de lenguaje natural (Natural Language Processing).
 Robótica.
  Sistemas de apoyo a la decisión.
 Videojuegos.
 Prototipos informáticos.
 Análisis de sistemas dinámicos.
 Smart Process Management.

Reconocimiento de patrones

Es la disciplina dedicada a la clasificación de objetos y

el pronóstico de fenómenos. Se ocupa de los procesos sobre ingeniería,
computación y matemáticas relacionados con objetos físicos o abstractos con el fin de
extraer información que permita establecer propiedades entre conjuntos
de dichos objetos. Existen cinco modelos de reconocimiento de patrones:

 Geométrico (Clustering): los patrones deben ser graficables. Se emplea el

cálculo de distancias, geometría de formas, vectores numéricos, puntos de
atracción, etc.
 Estadístico: se basa en la teoría de la probabilidad y la estadística. Utiliza
análisis de varianzas, covarianzas, dispersión, distribución, etc.
 Sintáctico‐Estructural: estudia la estructura de los objetos. Usa la teoría de
lenguajes formales, gramáticas, teoría de autómatas, etc.
 Neuro‐Reticular: se utilizan redes neuronales que se “entrenan” para dar una
cierta respuesta ante determinados valores.
 Lógico‐Combinatorio: se basa en la idea de que la modelación del problema
debe ser lo más cercana posible a la realidad del mismo sin hacer suposiciones
que no estén fundamentadas. Se utiliza para conjuntos difusos y utiliza lógica
simbólica, circuitos combinacionales y secuenciales, etc.

Sistemas expertos (SE)

Es una aplicación informática capaz de solucionar un conjunto de problemas que

exigen un gran conocimiento sobre un determinado tema. Un sistema experto es un
conjunto de programas que, sobre una base de conocimientos, posee información de uno
o más expertos en un área específica.

Se puede entender como una rama de la inteligencia artificial, donde el poder de

resolución de un problema en un programa de computadora viene del conocimiento de
un dominio específico. Estos sistemas imitan las actividades de un humano para
resolver problemas de distinta índole (no necesariamente tiene que ser de inteligencia
artificial).

Un SE se basa en el conocimiento declarativo (hechos sobre objetos, situaciones) y el

conocimiento de control (información sobre el seguimiento de una acción). Para que un
sistema experto sea herramienta efectiva los usuarios deben interactuar de una forma
fácil con el fin de:

 Explicar sus razonamientos (base del conocimiento). Los sistemas expertos se

deben realizar siguiendo ciertas reglas o pasos comprensibles de manera que se
pueda generar la explicación para cada una de estas reglas que a la vez se basan
en hechos.
 Adquisición de nuevos conocimientos (integrador del sistema). Los sistemas
expertos son el producto de investigaciones en el campo de la inteligencia
artificial ya que la misma no intenta sustituir a los expertos humanos sino
ayudarles a realizar con más rapidez y eficacia las tareas que realiza.

Agentes Inteligentes

Un agente inteligente es una entidad capaz de percibir su entorno, procesar

las percepciones y responder de manera correcta maximizando un resultado. Se
clasifican en seis categorías:

 Reactivos
 Reactivos basados en modelo
 Basados en objetivos
 Basados en utilidad
 Que aprenden
 De consultas

Robótica

Es la ciencia y la tecnología de los robots. Se ocupa de su diseño, manufactura y

aplicaciones. Combina diversas disciplinas: mecánica, electrónica, informática,
inteligencia artificial e ingeniería de control. Otras áreas importantes en robótica son el
álgebra, los autómatas programables y las máquinas de estados. Según su arquitectura
pueden ser:

 Poliarticulados.
 Móviles.
 Androides.
 Zoomórficos
 Híbridos.

Redes neuronales artificiales

Las redes neuronales consisten en una simulación de las propiedades

observadas en los sistemas neuronales biológicos a través de
modelos matemáticos recreados mediante mecanismos artificiales
(como un circuito integrado, un
ordenador o un conjunto de válvulas). El objetivo es conseguir que las máquinas den r
espuestas similares a las que es capaz de dar el cerebro caracterizadas por su
generalización y su robustez.

Una red neuronal se compone de unidades llamadas neuronas. Cada neurona recibe una
serie de entradas a través de interconexiones y emite una salida, que viene dada por tres
funciones:

 Propagación (función de excitación). Consiste en el sumatorio de cada entrada

multiplicada por el peso de su interconexión (valor neto). Si el peso es positivo
la conexión se denomina excitatoria y si es negativo inhibitoria.
 Activación, que modifica a la anterior. Puede no existir, siendo la salida la
misma función de propagación.
 Transferencia, que se aplica al valor devuelto por la función de activación. Se
utiliza para acotar la salida de la neurona. Generalmente viene dada por la in-
terpretación que queramos darle a las salidas.

Futuro de la computación

Las futuras computadoras (en base al desarrollo de la IA) serán cuánticas. Emplearían
un fenómeno físico conocido como "superposición" donde objetos de tamaño
infinitesimal (como los electrones) pueden existir en dos o más lugares al mismo
tiempo. Esto significaría que las futuras computadoras creadas con procesadores
"superpuestos" podrían utilizar bits cuánticos (llamados "qubits": quantum bits). Un
qubit tiene la capacidad de representar ambos estados: un "0" y un "1" en forma
simultánea.
 Al ser capaces de calcular
cada combinación de encendido y apagado de manera paralela las computadoras
cuánticas serían increíblemente más rápidas que los procesadores actuales ya que
tendrían una enorme capacidad de procesamiento. Se estima que operarían a
velocidades hasta mil veces mayores que las presentes. Algunas de sus
principales ventajas son:

 tendrían una potencia mucho mayor para la encriptación de información.

 permitirían una búsqueda más rápida en gigantescas bases de datos.
 posibilitarían el desarrollo de productos digitales seguros (como firmas digitales
e incluso dinero electrónico a prueba de fraudes).
 simularían complejísimos sistemas bioquímicos para el diseño de medicamentos.

Ejemplo. El nuevo sistema de vehículos inteligentes que se conectan de forma directa

con su entorno permitirá a sus usuarios conocer los límites de velocidad establecidos en
cada carretera, hacer conocer al conductor las nuevas restricciones del tráfico y dar
avisos de desvíos por obras que alteren el transito regular.

Nuevo cliente digital

El mundo actual está sujeto a cambios, incertidumbres y sorpresas debido a la
influencia de la tecnología digital caracterizada por el motor de la progresión
geométrica de la Ley de Moore: la aceleración inherente a los cambios lleva a estimar
en exceso el impacto de las tecnologías a corto plazo y a subestimar su impacto a medio
y largo plazo.

En el proceso de cambio el cliente se posiciona como motor en el centro de la cadena de

valor de las empresas. El poder del cliente digital se basa en las características del
Internet social: conversar, compartir y colaborar.

El modelo clásico de AIDA (Atención, Interés, Deseo, Acción) ha desaparecido. El

poder de las redes le ha permitido extenderse por todas las áreas de la cadena de valor.
El consumidor actual mira y compra de forma diferente al de otras generaciones y se
convierte en “objeto de deseo” para muchas marcas.
 Existe un decálogo del cliente que hay que tener en
cuenta:

 Está siempre conectado.

 Ignora la publicidad, desconfía de ella y busca la autenticidad y la confiabilidad
de personas con las que se sienten identificados.
 Valora la inmediatez como un elemento crítico en sus decisiones de compra. Si
lo ha pagado lo quiere aquí y ahora. De ahí que muchas empresas como Amazon
ya están usando drones para repartir en menos de media hora sus productos.
 Espera más en el proceso de compra presencial. Espera Wifi gratis en las
tiendas. Cargador de dispositivos móviles. Geolocalización. Ofertas Flash.
Rehúye del vendedor tradicional que sabe menos que él o simplemente le cobra
el producto. Valora herramientas que le permitan decidir in situ y pagar, con lo
que el vendedor físico pasa a convertirse en advisor. Tecnologías NFC como la
de Apple Easy Pay lo hacen posible.
 No solo escucha, también es activo. Compra, opina y comparte sus opiniones
libremente sobre sus experiencias de usuario. Las redes les dan el dan el poder
de influir sobre conocidos y desconocidos.
 No quiere objetos, quiere el servicio. Un ejemplo claro es el de BlueMove o el
de Airbnb.
 Es prescriptor. Si me gusta, algunos lo sabrán. Si no me gusta, muchísimos lo
sabrán.
 Adapta y crea producto. La nueva economía de la colaboración se aporta en el
Crowdsourcing y en la Open Innovation (co-creación con personas más allá de
las que tienes contratadas). Un ejemplo es el de Munich que permiten crear a
cada persona su propio diseño de zapatillas.
 Busca su propia experiencia de cliente, entendida como la suma de impresiones
y sensaciones que el cliente adquiere en sus interacciones tanto físicas como
virtuales en todos los puntos de contacto durante el ciclo de vida, la relación con
los empleados de la compañía y la relación con la marca. Por ello es básico
buscar su Customer Experience.
 Está inmerso en la economía del compartir y el colaborar. El P2P se extiende a
los bienes físicos y a los servicios. Ejemplos como Über, BlaBlaCar, BeMate.

Los primeros pasos en el Internet de las Cosas deja dos campos principales de acción.
En ambos el objetivo final es que el usuario sea transparente, que su entorno
esté conectado, útil y aprovechable.

El ejemplo más cercano del IoT está en el propio hogar donde

electrodomésticos, servicios o pequeños gadgets como las bombillas
estarán conectados a Internet. El otro gran ámbito de acción del IoT es el de las
ciudades avanzadas o Smart Cities.
Internet de las Cosas se aprovecha para medir ciertos parámetros
externos (temperatura, energía, actividad, luz, humedad, errores, etc.) de forma
automática sin la interacción del ser humano y que los datos viajen a un centro de
procesamiento para que se tomen las decisiones adecuadas en tiempo real.

Son muchas las ciudades que están implementando redes de sensores en puntos como
alarmas, semáforos, alcantarillas, vehículos, alumbrado... y hay mejoras interesantes que
se espera conseguir como la cuantificación de los peatones que pasan por un
determinado cruce para optimizar automáticamente el tráfico en esa zona.

Las tecnologías clave del Internet de las cosas IoT disponen de una secuencia de capas,
cada una encargada de una labor, que ha sido diseñada para cumplir su función:
extracción de datos, envío, recepción y posterior procesamiento para obtener los
resultados.

Uno de los requisitos de IoT es que los dispositivos deben ser pequeños. No valen los
procesadores de ordenador. Tienen que ser mucho más pequeños y de menos consumo.
No importa que sean sencillos y poco potentes.

La empresa
de procesadores ARM tiene en el mercado un enorme catálogo para smartphone y para
otros muchos dispositivos IoT.
Aunque ARM es una importante pieza del mercado del hardware para IoT no es la
única. Intel tiene a Quark, su SoC procesador para IoT presentado en 2013 y que ha ido
haciéndose un hueco. Se ha visto en muchas aplicaciones, como las camisetas con
cámara made in Spain.

Arduino (basado en procesadores RISC de Atmel) permite que casi cualquier persona
con unos conocimientos básicos de electrónica y programación pueda diseñar e
implementar sus ideas.

El procesador y la plataforma se encargan de gestionar la información que debe venir de

otro tipo de dispositivos: los sensores. Es el elemento hardware que interactúa entre la
tecnología y el entorno capturando los datos que se desean almacenar. La llegada de
Arduino ha permitido que cualquiera pueda hacer una programación sencilla. En buena
parte ha ayudado el bajo coste de los componentes y el enorme catálogo de accesorios
disponible.

El abanico es inmenso, con sensores táctiles, acelerómetros, de inclinación,

potenciómetros, de humedad y temperatura, altitud, presión... casi cualquier cosa que
imaginemos que pueda medir algo está en Arduino.
Si los datos están almacenados en un pequeño ordenador que no es suficientemente
potente para poder procesarlos de forma rápida hay que moverlos a otro ordenador a
través de algún canal de comunicación. Muchos de los protocolos de comunicación
tradicionales continúan vigentes en IoT y sus futuras mejoras serán clave. Por ejemplo
las conexiones de red local vía Ethernet o de transmisión inalámbrica a través de
conectividad móvil según sean los requisitos en cada ubicación.

En Vodafone e IBM (en sus ciudades conectadas) las velocidades de conexión que
permitirán los próximos protocolos (como el 5G) serán la base de la conectividad de
largo alcance del IoT.

Hay nuevos protocolos que han sido ideados pensando en el IoT y la comunicación de
objetos entre ellos y a corta distancia. Un ejemplo es NFC o también Bluetooth 4.0, que
tiene el apellido de LE (Low Energy) precisamente porque está pensado para ser
implementado en sistemas con baterías reducidas como por ejemplo pulseras
cuantificadoras.

El aspecto energético ha sido durante muchos años un elemento de batalla en las

comunicaciones precisamente por los altos consumos de estos componentes. Los
diseñadores y fabricantes lo tienen en el punto de mira para continuar su mejora. Ese
cuidado con el consumo irá asociado a los estándares de comunicación que nos irán
llegando en el futuro, como LiFi, la transmisión de datos a través de la luz.