En la actualidad cuando se habla de lo que se puede hacer con las herramientas computacionales, muy pocas veces nos detenemos a pensar cómo estas pueden lograr hacer las acciones de lo que nosotros consumimos a diario de manera directa o indirecta.

En términos generales el proceso de generación de dichas aplicaciones se reduce en cuatro etapas: Recolección, Análisis, Generación de Modelos y Creación de Aplicaciones. Casi siempre se tiene la percepción de que este es un proceso que se realiza con datos organizados o como se suelen conocer como bases de datos estructuradas. Pero si bien es verdad, la mayor parte del desarrollo de las aplicaciones está en la recolección y análisis de bases de datos que no están organizadas y que provienen de fuentes externas o bases no estructuradas.

En ALTO, somos conscientes de la importancia y el potencial que hay detrás de estos datos y es por eso que hemos integrado una plataforma de análisis de información que ayuda al desarrollo de procesos al interior de las organizaciones. Uno de estos procesos es el procesamiento del lenguaje natural o NLP (por sus siglas en inglés), el cual consiste en extraer la información de fuentes lingüísticas comunes, como lo son textos o audios con el fin de identificar información valiosa para la empresa, a fin de analizarla y procesarla, con el objetivo de crear una herramienta o aplicación que permita generar eficiencia en la operación.

Cuando se posee mucha información, se busca que este proceso sea rápido, por lo cual se emplean computadoras para hacer esta tarea. Esto se logra mediante técnicas y algoritmos que ayudan al computador a aprender cómo distinguir patrones en los textos, con el fin de que analice diferentes factores y entregue un resultado final muy similar a lo que haría una persona. Eso es lo que llamamos machine learning.

Este planteamiento trae como consecuencia, una mayor adaptabilidad y la posibilidad de explorar múltiples fuentes de información de manera simultánea, lo que resulta en una mayor cantidad de datos, que son empleados en modelos y productos de alta calidad.

El proceso empieza desde la recolección de la información de diferentes fuentes como lo pueden ser noticias, redes sociales o portales especializados, las cuales pretenden dar respuesta a lo que se esté analizando cómo puede ser, encuestas, comportamientos, dictámenes, generación de texto etc.

Sucesivamente se procede a identificar y encontrar patrones lingüísticos que ayuden a simplificar y diferenciar los términos que se quieren identificar, esto con el fin de facilitar el trabajo de análisis y producción del modelo. Una vez que la información es analizada, se pasa por un algoritmo de Machine Learning el cual busca los factores que ayudan a dar respuesta al comportamiento que se está investigando.  En este punto se comprueba el desempeño del modelo y la precisión al dar respuesta a la pregunta planteada. Y finalmente, una vez que se tiene certeza de los resultados encontrados, se desarrolla una aplicación integral con los resultados del modelo.

Siguiendo esta idea general, en ALTO contamos con productos desarrollados a partir del empleo de estos métodos. Un ejemplo es el algoritmo que permite analizar la posición geográfica de un evento, a partir de la información de tweet publicado, esto con el propósito de poder establecer eventos de marchas a fin de brindar una alerta oportuna a nuestros clientes.

Otro ejemplo en el cual está enfocado el ALTO hace referencia a mejorar la información de las bases de datos con lo cual se busca reducir los errores en el ingreso de la información. Esto se logra con la confirmación de la información depositada en la descripción del evento ingresado (operacional, delictivo, administrativo, emergencia, servicio al cliente, entre otros) y cruzando esta información con las bases de datos fijas del cliente a analizar, con lo cual garantizamos que los datos empleados en nuestros modelos cuentan con información precisa la cual se corrige empleando este método.

En ALTO conocemos la importancia del desarrollo de aplicaciones que solucionen las necesidades específicas de nuestros clientes, por ese motivo nuestro equipo de científicos de datos se encuentran permanentemente investigando y desarrollando modelos que aprovechen los beneficios del NLP (lenguaje natural), los cuales ayudarán a mejorar la experiencia de los clientes, identificar excepciones operacionales, desarrollar tareas simples para problemas complejos y generar información relevante para análisis futuros de la operación.