Machine Learning en la era del Big Data y Radar 2.0

Machine Learning en la era del Big Data y Radar 2.0

publicado en: Gestión de Riesgos | 0

En una sociedad como la actual, en la que el campo de la Inteligencia Artificial está en plena ebullición, el Machine Learning (o Aprendizaje Automático) se erige como un arma empresarial poderosa para extraer conocimiento de los datos y obtener ventajas competitivas. Pero, ¿qué es realmente el Machine Learning? ¿Cuáles son sus aplicaciones más destacadas? ¡Toma nota!

El Machine Learning es una rama de la Inteligencia Artificial. Este término surgió en los años 50 pero es en los últimos años donde cobra especialmente relevancia. Esto se debe al empuje de las empresas que utilizan Inteligencia Artificial para el desarrollo de aplicaciones y por el gran volumen de datos al que han de hacer frente (Big Data), tal y como explican desde Paradigma Digital.

Este Aprendizaje Automático consiste en un conjunto de algoritmos que tienen por objetivo dotar a los ordenadores de la capacidad de aprender sin la necesidad de ser explícitamente programados. Todo un avance, necesario y práctico, que reúne distintos tipos de algoritmos como:

 

Aprendizaje supervisado

Volcamos en el sistema la experiencia o conocimiento previo en el que nos apoyamos para así hacer predicciones o tomar decisiones. Por ejemplo: cómo se identifican los correos electrónicos SPAM o el sistema de clasificación de enfermedades, para reconocerlas y ponerles remedio basándonos en síntomas y características determinadas. Como ves, para que funcione correctamente necesita de una buena fuente de datos, fiable y actualizable.

 

Aprendizaje no supervisado

Al no tener un conocimiento previo, este tipo de algoritmos tratan de buscar estructura o patrones en los propios datos. Por ejemplo: la segmentación de clientes en función de características comunes o las tendencias que se pueden detectar en redes sociales en las relaciones de los usuarios con las marcas. La información obtenida de esta forma debe ser posteriormente interpretada por una persona para darle utilidad.

 

Aprendizaje por refuerzo

Este algoritmo aprende a base de ensayo-error.

 

Aprendizaje multi-tarea

Hablamos del uso del conocimiento previamente aprendido por el sistema para enfrentarse a problemas similares a los ya resueltos.

 

Este tipo de Inteligencia Artificial ayuda a obtener conocimientos para la toma de decisiones de las empresas. Además, aquellas con grandes volúmenes de información, como las compañías de seguros, son uno de los perfiles que más se ajustan a la aplicación práctica del Machine Learning. En palabras de Jesús Catalán, Pricing and Product Management leader de Willis Towers Watson para España y Portugal: “Las aseguradoras en todo el mundo, forzadas por el mercado, se encuentran inmersas en un viaje continuo para mejorar la efectividad de la tarificación”, de ahí la importancia de aplicar esta tecnología a la industria de los seguros.

 

Radar 2.0., la solución de Willis Towers Watson para las aseguradoras

Ante los avances del Maching Learning, el bróker asegurador y consultora global Willis Towers Watson ha lanzado una nueva versión de Radar, su software de análisis de decisiones y reporting interactivo, para responder mejor a la mayor sofisticación en los enfoques para la tarificación adoptados por el mercado global de seguros.

El incremento en la velocidad de procesamiento de Radar 2.0 permite a las aseguradoras evaluar el impacto de decisiones de tarificación sobre mayores volúmenes de datos. Además, incorpora una gama más amplia de técnicas analíticas, incluyendo explícitamente la capacidad de implementar modelos de Machine Learning.

Según Jesús Catalán: “Nuestra estrategia, a la hora de desarrollar Radar, se basa precisamente en la experiencia adquirida tanto si las empresas se encuentran en una fase de aumento del número de factores utilizados en la tarificación, como si están ejecutando sofisticados análisis en tiempo real en el punto de venta, incluyendo enfoques Machine Learning”.

 

Entre las nuevas características adicionales de Radar 2.0 destacan:

– Un mejor procesamiento para trabajar con mayores volúmenes de datos.

– Nuevas técnicas analíticas incorporando modelos de Machine Learning.

– Y mejora en la generación de informes, que ahora ya son más visuales e interactivos.

 

La suite completa de productos Radar de Willis Towers Watson incluye:

. Radar Base: entorno de análisis de impactos y reporting.

. Radar Dashboard: para el intercambio de información sobre gestión de la tarificación.

. Radar Optimiser: para la optimización de tarifas.

. Radar Live: para la puesta en el mercado de forma ágil y segura.

 

Herramientas desarrolladas, como ves, gracias a los avances en Inteligencia Artificial y, en especial, en Machine Learning para una modelización predictiva más eficiente.

 

Quizá te interese…

Willis Towers Watson actualiza su versión de Radar

Factores que transformarán el sector asegurador

La banca del futuro: millennials, Big Data y cultura del riesgo

Las cinco lecciones de Davos en seguridad internacional

 

 

Comparte

Dejar una opinión