Ponencia: Aportando valor al software convencional con la Inteligencia Artificial - Jornada: Smart IT: Revolucionando los Negocios – SI2018

2. Aportando valor al software
convencional con la
Inteligencia Artificial
Raúl Hussein

3. ITI, Centro Tecnológico de Referencia en ICT
Trasladamos hacia la empresa soluciones innovadoras propias o provenientes de su
estrecha relación con el mundo académico, produciendo soluciones innovadoras que
ayuden a mejorar la competitividad industrial.
2 31 4
+170
Profesionales
+300
proyectos
anuales
+180
empresas
asociadas
+400
empresas
cliente

4. Big Data
Rutas, Stock,
Planificación
IoT & WirelessTiempo Real
Sistemas
Críticos
Inteligencia
Artificial
Cloud
Sistemas
distribuidos
06 01
02
0304
0501 Comunicaciones Inalámbricas
02 Inteligencia Artificial
03 Big Data Analytics
04 Optimización Aplicada
05 Cloud Computing
06 Cyber Physical Systems
Reconocimiento
de patrones
Optimización
Infraestructura
& Análisis
CPS Comunicaciones
Áreas de Investigación

5. La Inteligencia
Artificial como
habilitadora

6. Transformación Digital

7. Digitalización en la Industria 4.0

8. Pilares de la Industria 4.0

9. Procesos a digitalizar
Diseño del producto
Uso de métodos colaborativos para
potenciar la innovación
Fabricación
Combinar flexibilidad y eficiencia.
Simulación de escenarios
Logística
Adoptar modelos de logística inteligentes.
Interconexión real con inter-proveedores
Distribución y atención
Adaptarse a los nuevos canales. Aprovechar
la información para aprender del producto y
el cliente

10. Business Analytics
Data Driven Decision Making (DDD)
Aquellas empresas que aplican Business Analytics y tienen un proceso de toma de
decisiones basado en los datos, obtienen una productividad entre un 4 y un 6%
mayor

11. Business Analytics
BI++ Big bet
Muy directo Muy posible
NUEVA OFERTA
Desarrollo de nuevos
productos o servicios
REDUCCIÓN DE TIEMPOS
Mediante la optimización de
nuestros procesos
SOPORTE A DECISIONES
Dar soporte a la toma de
decisiones de negocio
internas
REDUCCIÓN DE COSTES
Mediante el control y
rediseño de procesos
Más ambicioso
Mayor Incertidumbre

12. Producción Marketing
Ventas Compras
Scoring de Deuda (deudores)
Optimización de Precios
Predicción de la Demanda
Predicción del Fraude
Análisis de la competencia
Segmentación (clientes)
Campañas dirigidas (cesta)
Evaluación de riesgos (proveedores)
Predicción de Roturas de Stocks
Automatización de compras
Automatización
Mantenimiento Predictivo
Predicción de Consumos
Predicción de Indicadores
Optimización de Procesos
Social
Media Segmentación
Text Mining
Sentiment Analysis
Images Analysis
Impacto de la IA

13. ¿Por dónde empezamos?
• ¿Iniciar procesos de Transformación Digital?
• ¿Integrar nuestros sistemas ERPs, CRMs, SCM o MES en un Data Lake?
• Pero ¿cuáles son nuestros objetivos? ¿podemos conseguirlos?
Business Analytics

14. Big Data vs Big Data Analytics
• Del almacén y gestión de los datos al análisis de los mismos
• De los datos a la información, de información a conocimiento.
Business Intelligence vs Data Analytics
• BI tradicional se centra en “lo que ha pasado” y un enfoque “causal”
• Data Analytics se centra en ”lo que va a pasar” y un enfoque “correlacional”.
Data Analytics vs Big Data Analytics
• En DA usamos un “conjunto de datos limitado” y aplicamos técnicas de reducción
• En BDA “no hay límite” y por tanto el resultado arroja un error menor (el 99%)
Business Analytics

15. Reactivas
Business Intelligence: informes, OLAP, e incluso
control mediante alertas basadas en históricos de datos.
Big Data BI: similar al anterior, pero manejando
inmensos volúmenes de datos.
Proactivas
Data Analytics: forecasting, prognosis, optimización y
planificación de acciones predictivas.
Big Data Analytics: nos permite extraer información
relevante de terabytes, pudiendo optimizar los modelos.
Business Analytics

16. Big Data Analytics

17. Data Lake Modelo
como Servicio
Business Intelligence
ModeladoEnriquecer
Clúster de Big Data
ETL
Empresa Servicio Cloud
Arquitectura de referencia

18. Gemelo Digital

19. Gemelo Digital

20. Gemelo Digital
1. Monitorización de operaciones y rendimiento
2. Simulación de nuevos escenarios productivos
3. Mantenimiento predictivo
4. Optimización de procesos

21. Gemelo Digital

22. Gemelo Digital
Factores externos (W)
Parámetros de configuración (F)
Sensores (X) Valores objetivo (Q)

23. Gemelo Digital

24. Gemelo Digital

25. Gemelo Digital

26. Reinforcement Learning