Inteligencia de negocios y big data para el mundo hispano parlante.

¡Subscríbase al boletín gratuito!


Inteligencia de Negocios en Español - Decideo.com





Entrevistas

Marco Bressan, el Chief Data Scientist que desarrolla productos de datos a escala planetaria con un equipo de excelencia


, el 26 Octubre 2017 | Leído 3502 veces

Marco Bressan, Chief Data Scientist de la empresa argentina Satellogic - organización que tiene en órbita seis satélite-, explica en esta entrevista, los objetivos de tener esta red de sensores que captura información de la tierra y nos cuenta acerca del equipo de científicos de datos y de expertos en IA que está formando para construir la plataforma de análisis en tiempo real a escala planetaria.



La compañía generadora de una de las grandes fuentes de datos del mundo

Marco Bressan, el Chief Data Scientist que desarrolla productos de datos a escala planetaria con un equipo de excelencia
Satellogic, es una empresa argentina con oficinas en Buenos Aires, Montevideo, San Francisco, Barcelona, Tel Aviv, y en órbita. Así es, esta empresa que fabrica satélites pero que no los vende, ha lanzado hasta la fecha 6 satélites, y apunta a que sea una constelación de cientos de ellos en órbita, con el fin de desarrollar "productos de datos" a partir de la captura de imágenes de muy alta resolución del planeta y con una frecuencia casi en tiempo real.

Un gran desafío para su actual Chief Data Scientist, Marco Bressan, quien fue seducido por esta ambiciosa empresa, como él mismo la describe, y para la cual trabaja desde hace 7 meses, después de ser el Chief Data Scientist para el grupo BBVA, global head of Data and Open Innovation, y Presidente de BBVA Data & Analytics, trabajo de aproximadamente 5 años, que tuvo el reconocimiento del Digital Master Award, por el esfuerzo de la creación de un área de datos para transformar el banco a una organización mucho más orientada a datos y en donde los productos se generan a partir de datos, siendo así el ganador del trofeo en la categoría Excellence in Transformational Use of Data 2017

"Después de la experiencia en el banco -BBVA-, y de vivir y liderar algunas de las iniciativas alrededor de transformar el banco y los productos de datos del banco, sigo creyendo que el principal impacto del Big Data y de la transformación de la digitalización es que los productos son productos de datos… y que el dato está en el centro del producto; siempre tuve la inquietud de colaborar con organizaciones que hayan sido creadas, desde su origen para este fin y, que el dato estuviera en el ADN de la empresa", indica Marco Bressan, que habiendo estado con otras fuentes de datos, de haber trabajado en banca y con otras empresas de datos transaccionales, de transportes, fue seducido finalmente por Satellogic, una empresa, en la que el dato forma parte de su ADN la cual va a ser capaz de generar una de las grandes fuentes de datos del mundo, no con el solo objetivo de sacar fotos del planeta, sino el de desarrollar la cartera de productos de datos a partir de allí.

"Soy de la idea de que grandes fuentes de datos, hay unas pocas. En la mayoría, muchas fuentes son de datos provenientes alrededor de la persona: están los datos de salud, de telco, financiero, redes sociales… y acá se me planteaba la oportunidad de irme a una empresa en donde voy a generar esa gran fuente de datos y luego voy a ser capaz de desarrollar los productos para capturar valor de esos datos", termina precisando Marco Bressan, en lo que respecta a su nuevo desafío en Satellogic.

Sensores en órbita capturando el Big Data que no vemos

Con satélites de bajo costo de producción, Satellogic ha puesto en órbita 6, cuyos tres primeros fueron lanzados más con fines de investigación para aprender y mejorar los otros 3 que le han seguido, especializados en obtener imágenes de alta resolución e imágenes hiperespectrales: "Básicamente hay dos tipos datos que se capturan. El primer tipo, corresponde a imágenes en el rango visible, lo que se imagina como una foto en colores, más un par de otras longitudes de onda como el del infrarrojo cercano, importante para analizar cierto tipo de fenómenos como, por ejemplo, niveles de clorofila, por mencionar alguno o cierto tipo de reacción. Uno de los sensores, que tiene el satélite, captura datos a 1 metro de resolución, considerado a muy alta resolución para el mundo satelital. Tenemos otro sensor hiper espectral de determinadas características físicas, pero a la vez tiene mucha más resolución espectral, puede ver una cierta cantidad de detalles que a simple vista no se pueden ver. Estos sensores son adecuados para ciertos tipos de tareas como clasificar los usos del suelo o ver cambios sutiles en vegetación o en el terreno… son mucho más efectivos ..., es como si fueran un super hombre, pueden ver cosas que nosotros no vemos", explica Bressan acerca de la red de sensores en órbita que miden lo que pasa en el planeta en tiempo real.

Las aplicaciones del Big Data desde el espacio

Finalmente, termina siendo la toma de decisiones, el foco de la aplicación del uso de satélites, que, por costo y escala, se llevan a órbita para la capturar datos que no se pueden colectar con otro tipo de sensores. Una aplicación concreta es en el sector agropecuario para optimizar la producción, dice Marco Bressan quien añade: "Uno de los principales campos de aplicaciones es en el mundo agropecuario. Hoy por hoy, es cada vez más relevante que el productor agropecuario necesite aumentar la productividad, basada en la toma de decisiones más informadas, en términos de sembrar, irrigar, fertilizar, cuánto cosechar, etc. Las imágenes satelitales le permiten que ese tipo de decisiones sean muchísimo más localizadas en el espacio, es decir, siembra aquí y no allá, y por lo tanto, aumentar la producción".

Otra aplicación está en la gestión remota de infraestructura. "Hay empresas como las petroleras y muchas otras de infraestructura que suelen tener infraestructura cara lejos, como un oleoducto o un pozo petrolero, por dar un ejemplo. Esa infraestructura requiere, ya sea por regulación o porque la empresa lo necesita, de una supervisión constante para ver que esté en buen estado o que no haya pérdida. El costo de esta supervisión o monitoreo es alto, con los satélites permite bajar mucho los costos", dice el Chief Data Scientist de Satellogic, quien resume en tres, las grandes actividades o desafíos que tiene en su nuevo rol: armar un equipo de excelencia, desarrollar productos de datos identificando las oportunidades y desarrollando las estrategias de negocio alrededor de esas oportunidades y la tercera responsabilidad, mucho más técnica dentro del contexto de Satellogic, consiste en desarrollar la plataforma tecnológica sobre la cual se van a desarrollar esos productos o servicios. Esta última responsabilidad tiene a su vez, otros dos grandes desafíos que son la escala y la diversidad del problema.

"Estamos desarrollando un producto específico en los ámbitos mencionados anteriormente, agropecuario y en gestión remota de infraestructura, estamos desarrollando la plataforma y estamos armando el equipo" resume Bressan en lo que está trabajando actualmente.

Armando un equipo de excelencia

"Es algo que me encanta hacer porque me permite trabajar con gente muy inteligente y aprender mucho y sobre todo generar un entorno donde mucha gente pueda desarrollarse profesionalmente", indica el especialista que está creando un equipo de expertos en inteligencia artificial y data scientists para construir la plataforma de análisis de datos geo espacial. En lo que respecta al perfil particular de data scientist, Bressan lo define como un híbrido entre negocio, científico, analítico, desarrollador, ingeniero: "la principal motivación de un buen data scientist es un buen problema a resolver, es gente que le gusta resolver problemas", indica.

"Por lo general, el perfil de data scientist, originalmente se miraba desde el ambiente académico porque era raro encontrar este tipo de perfil fuera de un ambiente de investigación, pero en los últimos años, está cambiando eso. Ahora hay empresas que tienen estos perfiles -de data scientists- y en algunas desde hace muchos años… lo que tiene ventajas, por lo que ha estado expuesto a imperativos de negocios … hoy por hoy se busca en todos lados".

Al interrogante de qué busca en un data scientist, Marco Bressan responde que "hoy por hoy, se busca una persona que programe muy bien pero que le guste la estadística, o que sepa mucho de estadística y le guste programar. Acá he dejado afuera la parte de conocimiento de dominio o conocimiento de negocio, porque según mi experiencia es más fácil entrenar a alguien en el conocimiento de un dominio, si tiene un sólido conocimiento de estadística, programación, machine learning, u otras cosas técnicas, que al revés…Cada vez hay más personas que se ajustan a este perfil y sobre todo lo que busco es gente con inquietudes, gente con voluntad de aprender. Cualquier persona que yo contrate, a la velocidad que avanza la tecnología, los conocimientos que hoy pueda tener, dentro de tres años son obsoletos, entonces su valor va a estar más en su capacidad de mantenerse permanentemente actualizado de lo que sabe hoy".

Este equipo estará concentrado en Barcelona, importante para contar con presencia en Europa, por parte de Satellogic y, además de ser una ciudad que resulta atractiva para convencer a los data scientists a que se instalen allí. "En la medida que el Data Scientist está íntimamente relacionado al producto que vende, el tamaño del grupo, depende del éxito de tu negocio. No es una unidad que aporte inteligencia al resto de la empresa, esto es una unidad que desarrolla productos y si yo tengo muchos clientes, esta unidad será muy grande, así que yo espero que sea muy grande", pero Marco Bressan no se atrevió a dar un número preciso de los científicos de datos que liderará, profesionales que él define como gente mucho más vocacional.

Exclusividad de datos y calidad de algoritmos

El especialista no duda que los datos son más importantes que los algoritmos y destaca que, en realidad es que, el gran avance que vemos ahora en el mundo de la inteligencia artificial en general, es mucho más debido a la disponibilidad de datos para entrenar esos algoritmos, que en su gran mayoría existen desde hace décadas, y añade: "dentro del equipo de data scientists, nosotros también vamos a desarrollar, a implementar y a adaptar algoritmos… la diferenciación de una empresa que viva en el mundo de datos va a tener que ver con las dos cosas: primero, a qué datos exclusivos accede esa empresa, y segundo a la calidad de los algoritmos que ejecuta sobre esos datos. Puedo ver cosas interesantes con datos interesantes y con muy poco algoritmo, pero no veo que salga nada interesante con mucho algoritmo y pocos datos".

"Veo que las empresas tienen que tener un conocimiento algorítmico profundo, lo que no significa que tiene que haber desarrollado ese algoritmo de base. El ejemplo claro y el más común es el de Netflix con su motor de recomendación. Netflix entiende que la calidad de su motor de recomendación es esencial para diferenciarse. Otro ejemplo, es Google quien triunfó en su momento por la calidad de su motor de búsqueda, Amazon otro motor de recomendación, los bancos, un banco se va a diferenciar de otro en función de si logra dar un crédito con menos intereses o con menos comisiones y eso lo logra si logra acotar el riesgo … la diferenciación de un producto bancario en definitiva es un algoritmo".

Marco Bressan, continua en muy buena relación y en contacto con el banco BBVA, entidad que ha ido avanzando en términos de transformación e innovación. Así mismo, no ha perdido contacto con el mundo académico, y participa en programas de maestría en dos escuelas de negocio, con el ESADE en Barcelona y con el IE Business School en Madrid. Como a muchos de los expertos en este dominio, a Marco Bressan le preocupan las implicaciones éticas de la inteligencia artificial. Sobre este aspecto destaca la gran responsabilidad del que practica con datos, del entendimiento de las limitaciones y las necesidades de los algoritmos y los datos que utiliza. "El ejemplo que yo pongo, es que sabemos muy bien que los algoritmos hoy en día, en cuanto más información tienen, mejor modelan. Si esos datos son individuos, las poblaciones mayoritarias están mejor modeladas por el algoritmo, que las minoritarias. Un algoritmo desarrollado por la persona que no tiene en cuenta esto, corre el riesgo de discriminar justamente a las minorías y entonces es cuando hablo del alcance ético. Me parece que los que trabajamos con datos y con algoritmos, potencialmente, tenemos un alcance importante porque se están tomando decisiones relevantes a partir de nuestro trabajo … tenemos la responsabilidad profesional de entender bien cómo funciona el algoritmo y tratar de balancearlo, y de evitar discriminaciones".




Nuevo comentario:
Facebook Twitter

Usted puede comentar o proporcionar más información a todos los artículos de este sitio. Los comentarios son libres y abiertos a todos. Sin embargo, nos reservamos el derecho a eliminar, sin previo aviso ni explicación, todo comentario que no cumpla con nuestras normas internas de funcionamiento, es decir, cualquier comentario difamatorio o sin relación con el tema del artículo. Así mismo, los comentarios anónimos son eliminados sistemáticamente si son demasiado negativos o muy positivos. Exprese sus opiniones, compártalas con los demás y asúmalas. Gracias de antemano. Igualmente, agradecemos tener en cuenta que los comentarios no sean enviados automáticamente a los redactores de cada artículo. Si usted desea realizar una pregunta al autor de un artículo, contáctelo directamente, no utilice los comentarios.


Twitter
Rss
LinkedIn
Google+
Facebook
Pinterest