En los últimos años se ha producido una gran explosión en la aplicación de modelos de Machine Learning en el ámbito empresarial para la optimización de procesos de negocio: muchas empresas desarrollan y utilizan modelos ML en la actualidad. Sin embargo, no todas consiguen el objetivo perseguido de optimizar los resultados de los procesos de negocio para los que aplican.
Para desarrollar los modelos es necesario un equipo de trabajo que esté capacitado técnicamente, y que además disponga de las herramientas específicas que se requieren. A día de hoy, los perfiles que desarrollan estos modelos son escasos y muy demandados, por lo que dada la dificultad para encontrar perfiles senior con una amplia experiencia previa, es bastante frecuente que las empresas opten por contratar perfiles junior que adquieran esa experiencia dentro de la propia empresa.
Para tener éxito en el desarrollo de los modelos, y que estos cumplan el fin propuesto y optimicen los procesos de negocio para lo que fueron creados, existen ciertos factores clave que solo se pueden conocer a través de la experiencia previa: son aspectos relacionados con el cómo y no tanto con el qué, que solamente se conocen después de haber pasado por el proceso decenas de veces y de haber identificado la relación entre las decisiones que se van tomando en el desarrollo de los modelos, los resultados finales obtenidos y la aplicabilidad práctica que han tenido para alcanzar el objetivo de negocio perseguido.
En MBD Analytics hemos realizado cientos de modelos ML para nuestros clientes, en diversos sectores y con diferentes aplicabilidades. A partir de estas experiencias, hemos resumido estos aprendizajes en el informe “7 factores clave para alcanzar el éxito en el desarrollo de los modelos ML”, realizado por Federico Coello, socio y project director de MBD. Si te interesa conocerlos, déjanos tus datos en este formulario y te lo enviaremos.