Machine learning

I+D www.managementsolutions.com
Machine Learning,
una pieza clave en la transformación
de los modelos de negocio
MachineLearning_esp_VDEF_2_Maquetación 1 24/07/2018 15:56 Página 1

Diseño y Maquetación
Dpto. Marketing y Comunicación
Management Solutions - España
Fotografías
Archivo fotográfico de Management Solutions
iStock
© Management Solutions 2018
Todos los derechos reservados. Queda prohibida la reproducción, distribución, comunicación pública, transformación, total o parcial, gratuita u onerosa, por cualquier
medio o procedimiento, sin la autorización previa y por escrito de Management Solutions.
La información contenida en esta publicación es únicamente a título informativo. Management Solutions no se hace responsable del uso que de esta información puedan
hacer terceras personas. Nadie puede hacer uso de este material salvo autorización expresa por parte de Management Solutions.

3
Índice
Introducción
Resumen ejecutivo
La revolución digital y la transformación
de los modelos de negocio
Ejercicio cuantitativo
Bibliografía
8
4
12
Concepto y tendencias
en aprendizaje automático 18
30
38
Glosario 40

MANAGEMENTSOLUTIONSMachineLearning,unapiezaclaveenlatransformacióndelosmodelosdenegocio
4
Introducción
I believe that at the end of the century the use of words and general
educated opinion will have altered so much that one will be able to
speak of machines thinking without expecting to be contradicted
Alan Turing1

5
La revolución digital está produciendo profundos cambios en
los hábitos de consumo de los clientes; entre otros motivos, por
un mayor acceso a datos y un creciente desarrollo de nuevas
tecnologías. Todo ello nos invita a revisar en profundidad los
actuales modelos de negocio.
Una palanca fundamental para la transformación de los
modelos de negocio es la ciencia de datos (o Data Science), que
se basa en el uso combinado de técnicas de aprendizaje
automático, inteligencia artificial, matemáticas, estadística,
bases de datos y optimización2
, concepto que ya fue
ampliamente tratado en una publicación anterior de
Management Solutions3
.
Existen diversos factores, con origen fundamentalmente en la
tecnología, que impulsan el uso de estas técnicas de Data
Science en un conjunto amplio de sectores. Estos factores
pueden agruparse en cuatro ejes: (i) el incremento sin
precedentes del volumen y tipología de datos disponibles, (ii) la
conectividad y el acceso al dato,
(iii) la mejora de los algoritmos utilizados y (iv) el aumento de la
capacidad computacional de los sistemas.
Con relación al volumen de datos, existen diversos estudios que
recogen distintas métricas que permiten tomar conciencia de la
magnitud de tal crecimiento. Por citar algunos de los más
relevantes:
4 Según recientes informes, el 90% de los datos creados en
toda la historia de la humanidad se produjeron durante el
último año y se estima todavía un 40% de crecimiento anual
para la próxima década4
. En la actualidad, debido al avance
de las comunicaciones conocidas como Machine to Machine
(M2M), y al desarrollo del denominado Internet de las Cosas
(IoT), el volumen de datos disponibles es aún mayor.
4 Estudios publicados por grandes empresas de
telecomunicaciones5
, señalan que el número de dispositivos
conectados a internet será más de 3 veces la población
mundial en 2021 y el número de conexiones IoT alcanzará
los 13.700 millones ese mismo año, frente a los 5.800
millones registrados en 2016.
4 Como consecuencia de ello, para 2020 el total de datos
existentes llegará a los 44 billones de gigabytes6
.
4 De estos, un gran conjunto de datos se generan en el
entorno digital directamente, como son las búsquedas en
Google (40.000 búsquedas por segundo), los mensajes en
Facebook (31 millones de mensajes por minuto) o el
incremento de datos en vídeos y fotos (300 horas de vídeos
subidos a YouTube cada hora).
4 Se estima que en 2020 el 100% de los dispositivos móviles
incluirán tecnología biométrica7
. Asimismo, se estima que
para ese año, al menos un tercio de los datos pasará a través
de la nube8
.
En segundo lugar, las mejoras en la conectividad suponen un
salto cualitativo que permite el desarrollo de nuevos servicios y
modelos de negocio ligados a la generación de datos en tiempo
real, así como su análisis, para adaptar el servicio o el precio en
función del uso: la generación y recolección de datos se realiza
de forma automática a través de la sensorización y la
digitalización de los terminales en el punto de venta, lo que
crea un flujo de información continuo. Una gran parte de esta
conectividad se realiza entre máquinas: una vez que una acción
se realiza, los datos generados por los distintos elementos
digitales involucrados se conectan con servidores con el
objetivo de almacenar y analizar la información. Este tipo de
conexiones M2M, se ha incrementado hasta alcanzar 1.100
millones de conexiones en 20179
.
En tercer lugar, la mejora de los algoritmos ha permitido tanto
optimizar el tratamiento de grandes volúmenes de datos (a
través de técnicas de escalado, resampling, etc.) como obtener
métodos más eficientes y robustos y tratar missings, variables
no numéricas y atípicos. A pesar de que la mayor parte de los
algoritmos fueron desarrollados antes del año 2000, es ahora
cuando las empresas están invirtiendo mayores esfuerzos en su
implementación, obteniendo mejores resultados que los
alcanzados por los humanos. Por ejemplo:
1
Turing, A.M. (1950). Matemático considerado padre de la ciencia de la
computación. Descifró la máquina Enigma durante la 2ª Guerra Mundial. Fue
precursor de la informática moderna y la inteligencia artificial.
2
Dahr, V. (2013). Profesor de Stern School of Business y Director en Center for
Digital Economy Research, New York.
3
Management Solutions (2015).
4
Ministerio de Industria, Energía y Turismo. Gobierno de España (2018).
5
Cisco (2017).
6
Forbes (2015).
7
Acuity Market Intelligence (2016).
8
Forbes (2015).
9
Statista (2017).

6
Aprendizaje automático: más de medio siglo
de historia
Las técnicas de aprendizaje automático (o Machine Learning)
están experimentando un auge sin precedentes en diversos
ámbitos, tanto en el mundo académico como en el
empresarial, y constituyen una importante palanca de
transformación. Si bien estas técnicas eran conocidas en los
dos ámbitos, diversos factores están provocando que su uso
sea más intensivo cuando antes era minoritario, y que se
extienda a otros campos cuando antes prácticamente no eran
utilizadas, tanto por los elevados costes de implantación como
por los escasos beneficios inicialmente esperados de su
aplicación.
Las técnicas de aprendizaje automático pueden definirse
como un conjunto de métodos capaces de detectar
automáticamente patrones en los datos15
. Bajo esta definición,
el concepto de aprendizaje automático lleva existiendo al
menos desde los años 50, periodo en el que se descubrieron y
redefinieron diversos métodos estadísticos y se aplicaron al
aprendizaje automático a través de algoritmos simples,
aunque circunscritos casi exclusivamente al ámbito
académico.
4 En la actualidad, los algoritmos de DeepMind AlphaZero y
AlphaGo tienen un nivel de juego superior a cualquier
humano en los juegos de ajedrez y go.
4 Un algoritmo basado en inteligencia artificial es capaz de
detectar cáncer de mama 30 veces más rápido que un
médico y con una fiabilidad del 99%10
.
4 En Estados Unidos los roboadvisors11
tienen 25,83 millones
de usuarios, lo que supone un grado de penetración del
1,8% en 2018. Se espera que este ratio llegue al 8,3% en
202212
.
Por último, de la capacidad de computación, que en las últimas
décadas se ha incrementado enormemente apoyada en la
mejora de los procesadores, cuenta ahora con otros factores
como principales impulsores, entre otros: la gran evolución de
los lenguajes de programación (tanto generalistas como
dedicados a procesamiento de datos, visualización, algoritmia,
etc.), el cloud computing y, especialmente, el diseño de nuevas
arquitecturas de computación dirigidas específicamente a
tareas de aprendizaje automático, análisis de datos y
aplicaciones de ingeniería (conocidas como GPUs13
).
En resumen, en las últimas dos décadas la disponibilidad de
datos digitales se ha incrementado casi 1.000 veces, mientras
que con relación a la algoritmia, se han registrado mejoras de
10 veces en su eficiencia, al tiempo que la velocidad de
computación ha aumentado 100 veces su desempeño14
. Todo
ello ha desembocado en un renovado interés por estas técnicas
como fórmula para obtener información de valor añadido en el
nuevo entorno de los negocios.
10
Forbes (2016).
11
Algoritmos automáticos que proporcionan asesoramiento y gestión online con
una mínima intervención humana.
12
Statista (2018).
13
Graphics processing unit.
14
Brynjolfsson, E. y McAfee, A. (2017). Brynjolfsson, profesor en la MIT Sloan School
of Management. Director de MIT Initiative on the Digital Economy, Director de
MIT Center of Digital Business. Es conocido por su contribución al mundo del IT
Productivity. McAfee, co-director de MIT Initiative on the Digital Economy y
Director asociado de Center for Digital Business.
15
Murphy, K. (2012).

7
4 Ilustrar el desarrollo de la revolución digital y su impacto en
distintos frentes.
4 Introducir la disciplina de aprendizaje automático, describir
distintos enfoques y exponer las tendencias actuales en este
campo.
4 Exponer un caso de estudio para ilustrar la aplicación de
técnicas de Machine Learning en el caso específico del sector
financiero.
Este concepto de aprendizaje automático incluye desde
entonces el uso de los patrones detectados para realizar
predicciones, o para tomar otros tipos de decisiones en
entornos de incertidumbre16
.
Frente a las técnicas estadísticas clásicas, la introducción de
técnicas de Machine Learning permiten mejorar el proceso de
estimación de modelos, no solo con relación al aumento del
poder predictivo a través de nuevas metodologías y técnicas de
selección de variables, sino también en la mejora de la eficiencia
de los procesos a través de la automatización.
En este contexto, el presente estudio pretende dar una visión
sobre la revolución digital y su impacto en la transformación de
los negocios, con un especial foco en las técnicas de
aprendizaje automático. Para ello, el documento se estructura
en tres secciones, que responden a tres objetivos:
16
Ibid.

8
Resumen ejecutivo

9
Concepto y tendencias en aprendizaje
automático
6. Uno de los elementos vertebradores de esta transformación
digital es el aprendizaje automático o Machine Learning: la
aplicación de técnicas y algoritmos capaces de aprender a
partir de distintas y nuevas fuentes de información,
construyendo algoritmos que mejoren de forma autónoma
con la experiencia. Esto permite disponer de métodos
capaces de detectar automáticamente patrones en los
datos, y usarlos para predecir sobre datos futuros en un
entorno de incertidumbre.
7. Los componentes principales del aprendizaje automático se
pueden clasificar en cuatro grupos:
- Las fuentes de información, que pueden aportar datos
tanto estructurados como no estructurados, y que son la
base del resto de componentes.
- Las técnicas y algoritmos para el tratamiento de
información no estructurada (texto, voz, video, etc.) y
para la obtención de patrones a partir de los datos.
- La capacidad de autoaprendizaje, que permite que el
algoritmo se adapte a los cambios en los datos.
- El uso de sistemas y software como vehículo para la
visualización de la información y la programación.
8. El desarrollo de estos componentes supone una evolución
con respecto al enfoque que tradicionalmente ha tenido la
modelización. Ello implica, entre otros elementos, el uso de
un mayor número y tipos de fuentes de información, la
capacidad de detección de patrones ocultos en los datos a
partir de métodos inductivos, el mantenimiento del poder
predictivo durante más tiempo, así como la necesidad de
una mayor capacidad de almacenamiento y procesamiento
de los datos. De este modo, la selección de la técnica de
aprendizaje automático más apropiada de entre las
múltiples existentes dependerá en gran medida de los
elementos citados.
9. Por un lado, algunas técnicas pueden utilizarse para la
transformación de información no estructurada (textos,
sonidos, imágenes, etc.) en datos que puedan ser analizados
y procesados por un ordenador. Entre estas técnicas cabe
destacar el uso de estadísticos o la clasificación de palabras
en categorías de cara a la comprensión del texto escrito, el
uso de redes neuronales para el reconocimiento de voz o de
imágenes, la aplicación de cadenas de Markov para la
La revolución digital y la transformación de
los modelos de negocio
1. El cambio de paradigma que introduce la digitalización nos
invita a revisar los actuales modelos de negocio.
2. El móvil e internet como puerta de acceso a servicios on-
line, las redes sociales como fuente de datos, la inteligencia
artificial y las arquitecturas big data, las infraestructuras para
la computación distribuida y el uso de aplicaciones en la
nube, el desarrollo de las tecnologías de computación por
bloques (blockchain), la aplicación de criptografía y
biometría, el denominado internet de las cosas, los robots y
asistentes virtuales, la impresión 3D y la realidad virtual, etc.;
son herramientas útiles al alcance de las empresas que, por
un lado, cambian el propio entorno y, por otro, impulsan el
rediseño de los modelos de negocio ante dicho nuevo
entorno.
3. En la era digital, el dato se convierte en una clara fuente de
valor. Su volumen aumenta de forma exponencial por la
digitalización de los procesos y la creciente interacción con
terceros (clientes, empleados, proveedores, etc.) a través de
canales digitales.
4. También adquieren un mayor protagonismo la experiencia
del cliente, la personalización de la oferta, o el concepto de
acceso al servicio frente a la propiedad; y se produce al
mismo tiempo una entrada de nuevos competidores cuya
propuesta de valor está basada fundamentalmente en
elementos tecnológicos.
5. Y es que la introducción de la dimensión digital lo cambia
todo en la empresa impactando en su definición de la
estrategia; en su gobierno, organización y cultura de
trabajo; en sus procesos comerciales y operativos; en el
acceso, almacenamiento, procesamiento y modelización de
sus datos; en la gestión y control de sus riesgos (donde
afloran nuevos riesgos, como los de ciberseguridad, los
relativos a la protección de datos personales o la ética en la
inteligencia artificial); así como en la propia normativa, que
se vuelve más global.

10
construcción de textos en lenguaje natural, o la aplicación
de algoritmos no supervisados de clasificación para la
organización de imágenes.
10. Por otro lado, las técnicas de modelización que se utilizan
con información estructurada pueden clasificarse como
aprendizaje supervisado o no supervisado, en función de la
información utilizada para el aprendizaje. En el aprendizaje
supervisado se dispone de una variable objetivo observada
en los datos, mientras que en el aprendizaje no supervisado
el objetivo es encontrar patrones o relaciones en ellos.
11. En el proceso de modelización, se suele realizar una primera
fase de organización y preparación del conjunto de datos
inicial con el objetivo de facilitar y optimizar su posterior
uso. Para ello se realizan tareas de análisis descriptivo y
preparación de los datos (incluyendo técnicas específicas de
regularización, como por ejemplo la aplicación de redes
elásticas).
12. Entre las técnicas utilizadas en el aprendizaje supervisado
pueden destacarse las redes neuronales (incluyendo su
extensión al deep learning), las máquinas de vector soporte,
los clasificadores bayesianos, o los árboles de regresión y
clasificación.
13. Estas técnicas pueden combinarse con algoritmos que
permiten mejorar la capacidad predictiva, denominados
métodos ensemble, que consisten en la combinación de
modelos para generar un modelo más predictivo o más
estable.
14. Dentro del aprendizaje no supervisado cabe destacar las
técnicas de clustering o las técnicas de Data Analysis, como la
de reducción de la dimensionalidad.
15. La aplicación de estas técnicas implica que los métodos de
validación de resultados deben ser más sofisticados, como
el bootstrapping o el cross-validation, que permiten analizar
el modelo en más de una muestra de validación. Asimismo,
la naturaleza dinámica de estas técnicas dificulta la
trazabilidad de los modelos.
16. Existe un gran número de casos de implementación de
técnicas de aprendizaje automático en distintos sectores.
Como ejemplos, destacan aplicaciones en las industrias de la
educación (como tutores inteligentes), las finanzas (para el
trading automático, roboadvisors, detección del fraude,
medición del riesgo o elaboración de modelos prospect con
fines comerciales), la salud (el diagnóstico por imagen, la
gestión de consultas de tratamiento y sugerencias,
recopilación de información médica o la cirugía robótica), o,
de modo transversal, en la mejora de la eficiencia de las
organizaciones (p. ej. a través de la mejora de la función de
IT).
17. Entre las principales tendencias en la implantación de
técnicas de Machine Learning se pueden destacar el uso de
fuentes de información que recopilan datos en tiempo real,
la mayor importancia que se le da a obtener un poder de
predicción elevado en relación con la interpretabilidad de
los modelos, la incorporación de la capacidad de que el
algoritmo se modifique de forma autónoma en función de
los cambios que se van produciendo en la población
objetivo, o la inversión en arquitecturas e infraestructuras
tecnológicas que garanticen la escalabilidad en la
capacidad de almacenamiento de datos y una mayor
velocidad de procesamiento, combinadas con soluciones
basadas en Cloud y el uso de infraestructuras de edge
computing donde se ofrecen funciones ya previamente
instaladas preparadas para su uso directo (Functions as a
Service).
18. Todo ello conlleva una serie de retos y dificultades. El uso de
nuevas fuentes de información implica la necesidad de
realizar una inversión económica para identificar nuevas
fuentes de datos relevantes, incorporar técnicas de data
quality, garantizar la protección de la información, o
establecer controles y sistemas de ciberseguridad.
19. La aplicación de nuevas técnicas y algoritmos conlleva
también la necesidad de reforzar la función de gestión del
riesgo de modelo, realizar una elección previa del algoritmo
más adecuado de entre una amplia gama de posibilidades,
o vigilar que los resultados automáticos no impliquen la
aparición de tratamientos discriminatorios. Incorporar la
característica de autoaprendizaje en los modelos puede
dificultar la validación de los mismos y exige considerar
nuevos elementos como el control de grados de libertad en
la automatización, una mayor frecuencia en la evaluación
del poder discriminante u otras técnicas de contraste.
Finalmente, todo ello conlleva la necesidad de realizar
inversiones en recursos e infraestructuras IT.
20. Asimismo, la introducción del aprendizaje automático en las
organizaciones conlleva la necesidad de contar con
recursos humanos con un alto grado de preparación y
especialización, capaces de comprender y trabajar con
lenguajes de programación, algoritmos, matemáticas,
estadística y arquitecturas tecnológicas complejas.
Ejercicio cuantitativo: uso de técnicas de
Machine Learning en la construcción de un
modelo de scoring
21. Los objetivos del ejercicio propuesto han sido: (i) analizar e
ilustrar cómo impacta el uso de técnicas de Machine
Learning en el desarrollo de modelos, y (ii) evaluar cómo
varía el proceso de estimación y los resultados obtenidos
mediante el uso de técnicas Machine Learning.
22. Para ello, se ha entrenado un score de comportamiento
utilizando distintos algoritmos de Machine Learning, y se
han comparado los resultados con los obtenidos con
técnicas tradicionales.
23. El estudio se ha llevado a cabo utilizando un conjunto de
más de 500.000 préstamos, que comprenden más de 10

11
términos de poder discriminante, se consigue mejorar el
área bajo la curva ROC desde el 81,5% en el modelo
tradicional hasta el 88,2%, lo que representa un incremento
porcentual del 8,2%. El segundo mejor método es la
aplicación de la red elástica, con la que se consiguen valores
de tasa de acierto y área bajo la curva ROC de 79% y 86,4%,
respectivamente. Esto representa un incremento porcentual
del 6% en ambos indicadores.
28. Este incremento del poder predictivo implica que, a
igualdad de volumen de negocio, la tasa de morosidad se
reduciría un 48% en el caso del random forest (utilizando un
punto de corte óptimo con el modelo clásico, se obtendría
una tasa de morosidad de un 2,1%, que se reduce al 1,1%
con el random forest si se mantiene el volumen de
operaciones aprobadas), y un 30% en el caso de la red
elástica (donde la tasa de mora se reduce al 1,4%).
Asimismo, a igualdad de tasa de morosidad, el volumen de
negocio se incrementaría un 16% en el caso del random
forest, y un 13% en el caso de la red elástica.
29. Estas mejoras, no obstante, se han conseguido a través de
un incremento de la complejidad con respecto al modelo
tradicional, habiéndose utilizado un total de 80 variables
entre los 50 árboles que componen el bosque en el caso del
random forest, y un total de 45 variables tras la aplicación de
la red elástica, frente a 11 variables en el modelo tradicional.
30. Por tanto, como se ha observado en el estudio realizado, las
técnicas de Machine Learning permiten mejorar el poder
discriminante de los modelos, lo que implica mejoras en el
negocio, si bien a costa de una mayor complejidad tanto
desde un punto de vista estadístico como por el volumen de
información utilizada, lo que redunda en mayor dificultad a
la hora de analizar la interpretación de los resultados y la
necesidad de reforzar los procedimientos de validación
(entre otros, utilizando modelos replicables que hagan
challenge a los modelos de Machine Learning y explicando
las diferencias en las salidas de ambos modelos).
años de historia, con una tasa de mora del 6%. La muestra
incluye información relativa a la operación y el cliente, así
como otro tipo de información que puede ser útil en la
modelización, como comisiones, número de transacciones
realizadas, etc.
24. En una primera fase de knowledge discovery se ha realizado
un tratamiento de missings (mediante técnicas de
imputación a través de, entre otros, el uso de algoritmos de
clustering o modelos de regresión), un análisis y tratamiento
de atípicos, y un proceso de simplificación y agrupación de
variables (utilizando de nuevo algoritmos de clustering).
Esto ha permitido reducir el número de variables con el
objetivo de mejorar la eficiencia de los procesos posteriores
y preparar la información existente para que se adecúe a los
requisitos específicos de los distintos modelos y posibles
limitaciones de los algoritmos.
25. En una segunda fase se han estimado distintos modelos:
uno tradicional (logístico) que sirve de comparación, y cinco
técnicas de Machine Learning: un modelo con técnicas de
regularización (red elástica), dos métodos ensemble (un
random forest y un adaboost), y dos máquinas de vector
soporte (utilizando, respectivamente, una función lineal y
una radial). Posteriormente se ha procedido a calcular dos
medidas de la capacidad discriminante sobre una muestra
de validación: la tasa de acierto de modelo (basada en una
estimación del punto de corte) y el área bajo la curva ROC.
26. Tras la comparación con estos estadísticos se observa que
tres de las técnicas analizadas permiten mejorar el poder
predictivo del modelo, tanto en tasa de acierto17
como en
poder discriminante: el random forest, la aplicación de la red
elástica y el adaboost.
27. En particular, el random forest es el que presenta el mejor
resultado frente al resto de método: en términos de tasa de
acierto se eleva desde el 74,7% del modelo tradicional al
80,3%, lo que supone un incremento porcentual de 7,5%
sobre el obtenido a través de técnicas tradicionales; en
17
Porcentaje de operaciones correctamente clasificadas por el modelo, definido
un punto de corte.

12
La revolución digital y
la transformación de los modelos de negocio
Technology doesn’t provide value to a business. Instead,
technology’s value comes from doing business
differently because technology makes it possible
George Westerman18

13
transacción o las asimetrías en la casación de oferta y demanda,
través del uso de plataformas B2B o P2P21
con una mínima
intervención de terceros.
Además, la gestión de datos ha pasado a ser un activo
fundamental para la empresa, siendo al mismo tiempo materia
prima y generador de negocio. La digitalización de los procesos,
la interacción con los clientes, empleados y proveedores a
través de canales digitales aporta una cantidad ingente de
información que puede aprovecharse para nuevas
oportunidades. A modo ilustrativo, según la Comisión Europea,
el valor de la economía de los datos en la Unión podría ascender
en 2020 hasta el 4% del PIB (más del doble respecto a la
situación actual).
Por último, también supone un cambio de paradigma en el
mercado de trabajo, puesto que se requiere la ejecución de
tareas más cualificadas, lo que implica la necesidad de realizar
una mayor inversión tanto en el sistema educativo como en los
planes de formación continua en las empresas.
Sin embargo, como se comentará posteriormente, la
transformación digital no se refiere a las nuevas aplicaciones y
usos que tienen las nuevas tecnologías, sino a cómo estas
tecnologías cambian el entorno en el que operan las empresas y
cómo estas deben adaptarse a este nuevo entorno (Figura 1),
utilizando precisamente estas tecnologías en los procesos y
sistemas, pero también cambiando su organización y estrategia.
Desde hace unos años están apareciendo numerosas iniciativas
para la transformación tanto de los procesos como de los
sistemas utilizados por las empresas, lo que impacta en
definitiva en la forma de trabajar. Estas iniciativas surgen tanto
en el ámbito de la empresa privada como en el sector público, y
se fundamentan en la combinación de infraestructuras físicas
con elementos novedosos provenientes del desarrollo en la
tecnología digital y la biotecnología.
Este conjunto de cambios no es únicamente una continuación y
sofisticación de los actuales sistemas de producción, sino que
supone un nuevo paradigma, la llamada cuarta revolución
industrial. Este paradigma se basa en cambios radicales en la
producción, ligados a la velocidad de implantación, que no
tiene precedentes históricos, y en el alcance de la
transformación, que afecta a un conjunto elevado de elementos
de la cadena de valor19
.
Dentro de esta revolución industrial, el concepto de
transformación digital aglutina aquellas iniciativas relacionadas
directamente con tecnologías digitales. Según algunos
autores20
, la transformación digital puede ser definida como:
“The use of new digital technologies (social media, mobile,
analytics or embedded devices) to enable major business
improvements (such as enhancing customer experience,
streamlining operations or creating new business models)”
Estas tecnologías digitales impactan directamente en los
procesos, en cuestiones relativas a la velocidad, la seguridad o la
transparencia, lo que permite el desarrollo de nuevos servicios
que antes no existían, por falta de mercado o de rentabilidad, ya
que las tecnologías digitales en general presentan escasas
barreras de entrada y con costes marginales que tienden a cero.
Asimismo afecta también a los intermediarios de servicios, al
corregir, al menos parcialmente, algunas imperfecciones del
mercado como son la información asimétrica, los costes de
Figura 1. Elementos de la transformación digital.
18
Westerman, G. (2017). Investigador en MIT Initiative on the Digital Economy y
co-autor del best seller Leading Digital: Turning Technology Into Business
Transformation.
19
Schwab, K. (2016). Economista y empresario alemán, conocido principalmente
por ser el fundador de Foro Económico Mundial.
20
Fitzgerald et al. (2013). Editor y contribuidor sobre transformación digital en MIT
Sloan Management Review.
21
B2B: Business to Business. P2P: Peer to Peer.

14
Tecnologías de la transformación digital
La transformación en el ámbito empresarial, que abarca
diversos ámbitos y propuestas, se fundamenta en una serie de
desarrollos tecnológicos que, si bien obedecen a distintos
orígenes y naturaleza, tienen elementos comunes: su fuerte
apalancamiento en la inversión, la generación y uso de grandes
volúmenes de datos, y el objetivo de mejorar la experiencia del
cliente y la eficiencia operacional. Entre las principales
tecnologías que impulsan la transformación se encuentran las
siguientes (Figura 2):
4 Acceso móvil e internet: debido a la generalización de las
telecomunicaciones y el acceso a un amplio rango de
servicios online, se están desarrollando interfaces de
programación de aplicaciones (APIs) por parte de las
compañías, lo que permite a las empresas tener nuevos
canales de interlocución con los clientes y contar con un
conjunto de datos amplio. Esto conlleva que aparezcan
nuevas formas relevantes de información, como la
geolocalización. Asimismo, el acceso móvil ha permitido
que se haya universalizado el acceso a la información y a la
comunicación, independientemente de la ubicación física.
Como ejemplo, las comunicaciones de banda ancha móvil
se han multiplicado por cinco en las economías
desarrolladas en los últimos 10 años22
.
4 Social Media: las redes sociales son una fuente de datos que
proporciona una mejor comprensión del comportamiento
de los clientes y una mayor productividad a través de la
mejora de la comunicación interna. Las tendencias
relacionadas con Social Media son un marketing mucho más
segmentado y dirigido, y nuevas formas de comunicación
en tiempo real.
4 Inteligencia artificial, Big Data y Analytics: herramientas
de detección de patrones y modelos de predicción de
comportamiento basados en el uso de enormes bases de
datos (que contienen información tanto estructurada como
no estructurada23
–logs de conexión a internet, mensajes en
redes sociales, etc.–) y en la aplicación de técnicas de
modelización y algoritmos avanzados. Todo ello permite
obtener un mayor conocimiento del cliente, lo que mejora
la segmentación, la personalización del producto y el
precio, y permite un marketing más eficiente.
4 Computación distribuida24
: los recursos tecnológicos
(almacenamiento, procesamiento, fuentes de datos y
supercomputadores) se pueden encontrar distribuidos
geográficamente, pero su interconexión puede ser
aprovechada por los usuarios en cualquier parte del
mundo.
4 Cloud computing: el uso de aplicaciones en la nube
permite el acceso a información desde cualquier lugar,
facilita operaciones comerciales y permite mayor rapidez,
seguridad y menor coste. Esto lleva a un nuevo modelo de
negocio donde estos recursos se ofrecen como utilities y se
factura el uso del servicio.
4 Distributed Ledger Technology (Blockchain): estructura de
datos que implementa un sistema de registro distribuido
(ledger), es decir, un registro criptográfico de todas las
operaciones realizadas y previamente validadas por una red
de nodos independientes a través de un algoritmo de
consenso. Ello permite el registro de cualquier activo
digitalizable, como criptomonedas, instrumentos
financieros o contratos “smart contracts” (contratos
programables que implementan reglas de negocio y cuyo
código queda registrado y puede ser ejecutado de forma
distribuida por los diferentes nodos de la red). Todo ello
aporta inmediatez de las operaciones, seguridad y
privacidad a través de reglas criptográficas que permiten el
registro inviolable de las operaciones, transparencia (ya que
todas las operaciones se encuentran almacenadas en el
registro y pueden ser auditadas por cualquier miembro de
la red), eliminación de un punto único de fallo y
disminución de costes (se elimina la intermediación para
validar y registrar las operaciones).
4 Criptografía, ciberseguridad y biometría: nuevas
herramientas criptográficas e iniciativas que persiguen la
mejora de los procesos de seguridad y cifrado de la
información, así como la creación de sistemas de seguridad
más robustos basados en sensores y biométrica.
4 Internet of Things: en contraposición a los sistemas de
comunicación clásicos, el concepto de internet de las cosas
se refiere a la interconexión a través de redes abiertas de
dispositivos con capacidad computacional que envían y
reciben datos sin intervención humana, lo que permite la
recopilación masiva y directa de datos, así como la
operación remota en tiempo real de los dispositivos
conectados a internet. Esta tecnología mejora la
experiencia del cliente a su vez permite el uso de estos
Figura 2. Tecnologías de la transformación digital.
22
International Telecommunication Union (2017).
23
Se puede entender como información estructurada aquella que está procesada
y preparada para ser utilizada directamente a través de lenguajes estadísticos y de
programación. La información no estructurada se puede entender como
información que no cumple estas características, como la información en lenguaje
natural (texto, audio), imágenes, vídeo, etc.
24
International Telecommunication Union (2009).

15
datos en algunos procesos comerciales, como es el caso del
ámbito del pricing o la búsqueda de la eficiencia.
4 Robotics and automated machinery: las herramientas
RPA25
y los asistentes virtuales basados en la interpretación
del lenguaje natural permiten automatizar tareas repetitivas
de reducido valor añadido, tradicionalmente realizadas de
forma manual, de modo que esta capacidad disponible se
pueda orientar hacia tareas de mayor valor añadido. Las
industrias dirigidas al usuario final están adaptando
rápidamente esta nueva tecnología con el objetivo de
mejorar la calidad de los productos y reducir los costes de
manufactura.
4 La impresión 3D: dirigida a la fabricación deslocalizada y
descentralizada de objetos a partir de la recepción remota y
digitalizada del diseño industrial, con aplicación en
diversos sectores y a su uso directo por parte de los
consumidores (en el sector aeronáutico, automoción,
electrónica, medicina, etc.).
4 La realidad aumentada y realidad virtual: presentan
múltiples aplicaciones, como en la industria de los
videojuegos o de contenidos multimedia, la formación a
empleados de industrias muy especializadas, el soporte en
reparaciones y mantenimiento en la industria energética, el
apoyo en ventas de viviendas sobre plano, buscadores de
viviendas, oficinas bancarias, cajeros, etc.
El nuevo entorno de la transformación digital
Este nuevo entorno digital está modificando significativamente
las condiciones en las que los mercados alcanzan su equilibrio, a
través del cambio tanto en las empresas oferentes, como de las
expectativas y el comportamiento de los consumidores, así
como de las distintas condiciones en las que se realizan las
operaciones (compra-venta de productos, servicios, etc.).
Como se comentará en este apartado, la transformación digital
se está produciendo en un entorno donde existen distintos
impulsores. Desde luego, las nuevas capacidades tecnológicas
son el origen, pero el elemento fundamental que propicia la
transformación son los cambios en los clientes o mercados
provocados por las tecnologías lo que posibilita, fomenta y
requiere su implementación en las compañías para adaptarse a
este nuevo paradigma.
Estos cambios se ven amplificados como consecuencia de la
desaparición de las barreras de entrada existentes en los
sectores (Figura 3).
Y es que esta disrupción de la oferta de bienes y servicios viene
motivada por diversos factores. Uno de los principales es la
entrada de nuevos competidores cuya propuesta de valor está
basada fundamentalmente en un elemento tecnológico, lo que
tiene una influencia determinante en el modelo de negocio y
los elementos asociados (elevada capacidad de crecimiento,
bajos costes y coste marginal decreciente, fuertemente
apalancado en la tecnología móvil, el análisis de datos, las
tecnologías cloud y ciberseguridad).
Además de la entrada de nuevos competidores, estos en
ocasiones sustituyen el producto o servicio ofrecido por un
servicio totalmente digital o híbrido, lo que redunda en
menores costes y precio, y en una fácil y rápida sustitución del
servicio tradicional. Este es el caso de nuevos modelos de
servicio basados en el uso de algoritmos que interpretan datos
de redes sociales y otras fuentes poco convencionales para
proveer de información relevante para sus clientes en tiempo
real, sustituyendo así a las fuentes tradicionales de información.
Por último, los proveedores pueden influir también en la
adaptación de procesos específicos al generar plataformas de
comunicación y enfoques de negocio digitales que facilitan la
migración de los procesos de aprovisionamiento de productos
o servicios a sus clientes.
Todo ello conlleva que los agentes clásicos en los mercados,
como respuesta, estén también adaptando sus modelos de
negocio, a pesar de la presencia de diversos inhibidores de la
transformación digital, como son la resistencia al cambio, la
cultura o la falta de formación de las personas.
Los factores tecnológicos anteriormente comentados también
actúan indirectamente como un motor de cambio en la forma
de entender la prestación de servicios por parte de los clientes.
Los cambios en la forma de consumir son sintetizados por el
World Economic Forum (WEF) en tres elementos26
:
1. Mayor protagonismo de la experiencia del cliente: adquiere
más valor la experiencia de compra, de forma que cualquier
persona, empresa o institución opta por un producto o servicio
no solo con base en su calidad y precio sino por la experiencia
que este le reporta (p. ej., en plazos de entrega o la calidad del
servicio postventa).
Figura 3. Porcentaje de encuestados que consideran muy probable que una
industria se vea afectada por tendencias digitales.
Fuente: Harvard Business Review (2017).
25
Robotic Process Automation.
26
Digital Consumption (2016).

16
2. Hiperpersonalización de la oferta: los clientes tienen mayores
expectativas sobre la adaptación del producto a sus gustos. La
tecnología digital permite cumplir con estas expectativas sin
incrementar los costes dramáticamente.
3. Acceso frente a propiedad: el concepto de acceso en lugar de
propiedad se está generalizando. Los clientes prefieren el acceso
bajo demanda, optimizando así el consumo.
Ejemplos de lo anterior explican el éxito de iniciativas como la de
Amazon, donde la experiencia del cliente en el proceso de
compra se enriquece con una selección personalizada de
productos relacionados, y la oferta de valor al cliente incluye el
producto y cierta personalización en los plazos y mecanismos de
entrega; o el de las plataformas de contenidos Netflix o Spotify,
donde el cliente accede a los contenidos sin tener la propiedad,
por un coste menor.
En paralelo, la propia normativa internacional se está adaptando al
nuevo entorno, volviéndose más global e incisiva, especialmente
en los aspectos relativos a la protección de datos personales.
Por último, el propio mercado de trabajo se ve también
impactado, con una creciente demanda de perfiles tecnológicos
y cuantitativos y también la gestión de recursos humanos,
impulsándose una mayor flexibilidad y fragmentación del
trabajo, así como cambios en la medición del desempeño, las
estrategias de contratación o las necesidades de formación.
Implicaciones en las organizaciones y ámbitos
de actuación
Muchas organizaciones están incorporando nuevas tecnologías
en sus procesos (con mayor o menor grado de integración), pero
no siempre con el mismo objetivo. Algunas empresas pretenden
beneficiarse de las nuevas tecnologías con objeto de ser más
eficientes y reducir sus costes; otras como medio para llegar a
nuevos mercados; pero solo algunas las aprovechan para
generar nuevos modelos de negocio.
Según una encuesta de la Comisión Europea27
, las empresas
tienden a usar estas tecnologías, tales como servicios móviles,
tecnología cloud, social media, etc. (Figura 4), para mejorar
funciones de negocio específicas más que como herramienta
disruptiva para transformar los modelos de negocio.
La transformación digital en las empresas, entendida como
cambio disruptivo, tiene implicaciones no solo en los procesos y
sistemas, adaptándolos a las nuevas herramientas y enfoques de
trabajo, sino en su gobierno, organización y en la propia
definición estratégica.
Resulta pues importante posicionarse en cada uno de los
principales ámbitos de actuación afectados por la trasformación
digital (Figura 5).
Estrategia y movilización. Una aproximación estratégica al
reto digital implica un cuestionamiento de los actuales modelos
de negocio y de soporte. No hay una receta universal que sirva
para cualquier compañía, pero la transformación digital no es
una opción sino una necesidad cuyos tiempos y alcance
dependerán del contexto de cada una.
Existen diversas fórmulas para acometer esta transformación,
tanto con relación a la posición de una entidad frente a las
nuevas tecnologías (early adopter, seguidor, retador, etc.) como
con relación a la involucración de terceros (joint ventures,
colaboración con start-ups, universidades, centros de
investigación, fondos de capital riesgo u otras empresas, o
incluso a través de plataformas basadas en ecosistemas abiertos).
Un primer paso muy importante es documentar bien la
situación de partida de cada empresa y su sector, para acto
seguido tratar de deducir las oportunidades y amenazas que se
presentan con la digitalización.
Otra cuestión fundamental es el liderazgo de la transformación,
que debe ser ejercicio por el primer ejecutivo de la compañía.
Tampoco hay que olvidar el impacto de la citada transformación
en las personas y en la propia cultura de trabajo de la empresa.
Dado que los costes y riesgos son elevados, y los plazos
inciertos, es importante sintetizar y priorizar los objetivos de la
transformación, así como contar con indicadores específicos
(como son el impacto económico, la mejora de la experiencia
del cliente o la vinculación de los empleados) que ayuden a
medir el grado de cumplimiento de dichos objetivos.
Organización, cultura y gobierno. La forma de trabajar y
organizar el trabajo también está cambiando. Las estructuras
organizativas se vuelven más horizontales, con equipos
multidisciplinares organizados en proyectos, adoptando principios
y desarrollando organizaciones Agile. Además las tecnologías
modifican la interacción, comunicación y toma de decisiones.
También surgen nuevas funciones, como las relativas a la visión
estratégica de la tecnología, el gobierno de los datos y de los
modelos, la protección de datos personales o la seguridad
informática (ciberseguirdad).
Figura 4. Porcentaje de adopción de las principales tecnologías.
Fuente: EC (2017)27
EC (2017).

17
Como consecuencia, se requiere una gestión proactiva de los
permisos de usuarios, que permita a su vez cumplir con la
regulación y explotar adecuadamente el potencial de los datos
disponibles. Esto implica contar con políticas de gestión de
consentimiento y finalidad, así como de tratamiento
transfronterizo, identificar y mantener repositorios de datos de
carácter personal, vincular actuaciones comerciales a los usos
permitidos, etc., lo que supone una oportunidad para replantear
la estructura y gobierno de los datos de una entidad.
Ciberseguridad. En los últimos años, el ciberriesgo ha
aumentado debido a diversos factores, como la existencia de un
mayor y más complejo ecosistema tecnológico en las empresas,
la integración de empresas de distintos sectores o la propia
profesionalización de los ataques. Los daños por ciberataques
ya han alcanzado los 3 billones de dólares al año, y se estima
que en 2021 alcanzarán los 6 billones anuales29
. Esto cobra gran
importancia en un contexto de transformación digital, donde un
posible incidente puede tener impacto en la continuidad de
negocio de la empresa.
La ciberseguridad dentro de la estrategia de digitalización pasa
por llevar a cabo iniciativas que eviten riesgos durante y tras los
procesos de transformación. Entre las principales iniciativas,
destacan la implantación de marcos de ciberseguridad, la
revisión de la estructura organizativa asociada a la
ciberseguridad, la identificación y revisión de los sistemas y
servicios críticos, la medición del riesgo, o la generación de
respuesta eficaz ante incidentes.
Nuevas tecnologías. La inversión en nuevas tecnologías es un
elemento decisivo en todo proceso de transformación digital.
Requiere disponer de conocimientos suficientes en tecnologías
de la información y de las comunicaciones.
Y es que la evolución de las plataformas tecnológicas hacia
entornos cloud, la definición de arquitecturas de software que
incorporen soluciones abiertas y la utilización de tecnologías
disruptivas (big data, AI, blockchain, IoT, biometría, robotics, etc.)
se han convertido en cuestiones centrales de la estrategia
empresarial.
Procesos comerciales. Las compañías están revisando sus
modelos de producción y distribución, rediseñando el uso de
sus canales digitales y tradicionales. En este contexto, destaca la
palanca de movilidad. El canal móvil se convierte en un
elemento centralizador de la relación con el cliente.
Por otro lado, se busca una mayor personalización de la
propuesta de valor (interpretando la información disponible a
través de su modelización), procurando así mejorar la
experiencia del cliente.
Procesos operativos. El objetivo fundamental de la
transformación de los procesos operativos (end-to-end) es la
mejora de la eficiencia y la calidad del servicio a los clientes, así
como el robustecimiento del control de la operativa.
Para alcanzar estos objetivos proliferan iniciativas como el
diseño de back offices sin papeles, la digitalización de los
contact centers, la sensorización de los procesos productivos, la
robotización de los centros de procesamiento, etc.
Datos y modelización. La mayor capacidad de almacenamiento
y de tratamiento de datos, facilita una explotación más eficaz de
la información disponible; pero también surgen nuevos retos,
como el uso de información no estructurada, la gestión de
grandes volúmenes de datos o el análisis de información en
tiempo real.
Asimismo, se incorporan técnicas de modelización y de
aprendizaje automático (como redes neuronales, redes
profundas, máquinas de vector soporte, clasificadores
bayesianos, árboles de clasificación y regresión, etc.), que
contribuyen a mejorar los procesos de decisión.
Protección de datos. En el contexto actual, los datos se han
convertido en un activo estratégico. Por ello su confidencialidad
y seguridad se convierte en un elemento fundamental para el
negocio, especialmente en lo relativo a datos de carácter
personal.
Figura 5. Ámbitos de actuación de la transformación digital28
.
28
Círculo de Empresarios (2018).
29
Cybersecurity Ventures (2017).

Concepto y tendencias en aprendizaje automático
All models are wrong, but some models are useful
George Box30
18

19
Como se ha expuesto, la cantidad de datos disponibles y la
variedad de fuentes presentan un crecimiento exponencial, que
sobrepasa la capacidad de análisis del ser humano. El uso de
nuevas fuentes de información, así como la aplicación de
técnicas y algoritmos capaces de aprender a partir de la nueva
información31
, permite obtener una serie de beneficios entre los
que cabe destacar:
4 El incremento de los tipos de datos (tanto estructurados
como desestructurados) y fuentes de información que
pueden incorporarse a los procesos de modelización.
4 El uso eficiente de grandes cantidades de datos en los
procesos de toma de decisiones.
4 La detección de patrones sofisticados o no evidentes, no
basados en hipótesis realizadas a priori.
4 La mayor automatización de los procesos de modelización y
autoaprendizaje, que facilita un incremento del poder
predictivo de los modelos. Una vez diseñados e
implementados, sus requerimientos de calibrado y
mantenimiento son inferiores a los tradicionales,
reduciendo así los tiempos de modelización y costes.
Concepto y componentes del aprendizaje
La definición clásica de aprendizaje automático se basa en los
primeros estudios para el desarrollo de técnicas de aprendizaje:
“Campo de estudio que dota a los ordenadores de la
capacidad de aprender sin ser explícitamente
programados”.32
Así, el campo de estudio del aprendizaje automático trata de
cómo construir algoritmos que mejoren de forma autónoma
con la experiencia33
. Desde el punto de vista de la ciencia de la
computación, la experiencia se materializa en la información
que se produce a través de procesos de almacenamiento de
datos. Por tanto, los modelos y algoritmos que constituyen el
cuerpo de esta disciplina se fundamentan en la extracción de
información a partir de diferentes fuentes de datos. Todo ello
lleva a la definición formal de aprendizaje automático34
:
“A computer program is said to learn from experience E with
respect to some task T and some performance measure P, if its
performance on T, as measured by P, improves with E”.
De un modo menos formal, se puede entonces definir35
el
campo del aprendizaje automático como un conjunto de
métodos capaces de detectar automáticamente patrones en los
datos, y usarlos para predecir sobre datos futuros o bien para
llevar a cabo otros tipos de decisiones en un entorno de
incertidumbre. Por tanto, las técnicas de aprendizaje
automático partirán de un conjunto de datos observados36
,
sobre los que se obtendrán reglas de clasificación o patrones de
30
Box, G. y Draper, N. (1987). Box, estadístico británico que trabajó en las áreas de
control de calidad, análisis de series temporales, diseño de experimentos, y la
inferencia bayesiana, es considerado como una de las mentes más brillantes de la
estadística del siglo XX. Draper, profesor emérito en el departamento de
estadística de la universidad de Wisconsin, Madison.
31
Shalev-Shwartz, S. y Ben-David, S. (2014). Shalev-Shwartz, profesor en la Facultad
de Ciencias de la Computación e Ingenieria en la Universidad de Jerusalem, Israel.
Ben-David, profesor en la Escuela de Ciencias de la Computación en la Universidad
de Waterloo, Canada.
32
Parafraseado de Samuel, A. (1959). La cita textual es: “Programming computers to
learn from experience should eventually eliminate the need for much of this detailed
programming effort”. Samuel, A., máster en Ingeniería Eléctrica por MIT, ensambló
los laboratorios Bell, trabajó en la primera computadora comercial de IBM y fue
profesor en la Universidad de Standford.
33
Mitchell, T. (1997). Doctorado en Standford, profesor de la cátedra E. Fredkin en
el departamento de Machine Learning de la escuela de Ciencias de la Computación
en Carnegie Mellon University.
34
Mitchell, T. (1997).
35
Murphy, K. (2012). Postdoctorado en MIT, profesor en Ciencias de la
computación en la Univ. British Columbia (Canadá), este libro recibió el premio
DeGroot en 2013. Actualmente es investigador en Google (California) sobre
Inteligencia Artificial, Machine Learning, computer vision, y entendimiento del
lenguaje natural.
36
Este conjunto de datos suele denominarse “muestra de entrenamiento”.

comportamiento, que serán aplicados sobre datos diferentes a
aquellos utilizados para el análisis37
.
Bajo esta definición pueden englobarse los distintos
componentes del aprendizaje automático:
4 Las fuentes de información, que reflejan la experiencia E de
la que se aprende:
- Datos estructurados: bases de datos relacionales,
sistemas de ficheros, etc.
- Datos no estructurados: transaccionales, mailing, CRM,
voz, imágenes, etc.
4 Las técnicas y algoritmos, que se relacionan con las tareas a
ejecutar T:
- Técnicas para el tratamiento de la información no
estructurada: tf-idf, parsing, mapas auto-organizativos, etc.
- Modelos supervisados y no supervisados: modelos de
clasificación, modelos estocásticos, simulación,
optimización, boosting, etc.
4 La capacidad de autoaprendizaje, que mejora las medidas
de desempeño P:
- Reentrenamiento automático a partir de nueva
información.
- Combinación de modelos y reponderación/calibración.
4 El uso de sistemas y software para la visualización de la
información y la programación38
:
- Visualización: QlikView, Tableau, SAS Visual Analytics,
Pentaho, TIBCO Spotfire, Power BI.
- Programación: R, Python, Scala, Ruby, SAS, Java, SQL,
Matlab, C, Google, AWS, Azure.
El desarrollo de estos componentes supone una evolución
respecto al enfoque que tradicionalmente ha tenido la
modelización. Dicha evolución presenta una serie de diferencias
respecto al enfoque tradicional39
(Figura 6).
20
Técnicas de aprendizaje automático
Machine Learning en función de la información y el
paradigma de aprendizaje
Existen múltiples técnicas de aprendizaje automático,
dependiendo del tipo de información (información
estructurada o desestructurada) y del paradigma de
aprendizaje que se utilicen (Figura 7). La selección de la técnica
que hay que aplicar dependerá, entre otros, del objetivo del
modelo que se quiere construir, así como del tipo de
información disponible.
Existen algunas técnicas específicas que pueden utilizarse para
la transformación de información no estructurada (textos,
sonidos, imágenes, etc.) en datos que puedan ser analizados y
procesados por un ordenador. Como ejemplos se pueden
destacar el procesamiento del lenguaje natural o la
identificación de imágenes (Figura 8). Algunos ejemplos son el
uso de estadísticos para la valoración de la relevancia de
palabras en textos escritos, la clasificación de palabras en
categorías de cara a la comprensión del texto escrito, el uso de
redes neuronales para el reconocimiento de voz o de imágenes,
la aplicación de cadenas de Markov para la construcción de
textos en lenguaje natural o la aplicación de algoritmos no
supervisados de clasificación para la organización de imágenes.
Figura 6. Diferencias del aprendizaje automático respecto al enfoque tradicional.
37
No obstante, en el propio proceso de construcción y validación del modelo se
emplean datos que, aunque observados, no se incluyen en la muestra de
entrenamiento, y simulan los que serán los datos de aplicación. Estos datos suelen
conformar las que se denominan “muestra de test” y “muestra de validación”.
38
El uso masivo de datos conlleva también la implantación de herramientas de big
data y la aplicación de técnicas de eficiencia computacional, si bien estos
elementos no se han incluido en el concepto de Machine Learning en esta
publicación.
39
Domingos, P. (2012). Profesor en la Universidad de Washington. Investigador en
Machine Learning y conocido por su trabajo en las lógicas de Markov en la red.

21
Por otro lado, las técnicas de modelización que se utilizan con
información estructurada pueden clasificarse en función de la
información utilizada para el aprendizaje40,41
:
Aprendizaje supervisado: la información para construir el
algoritmo contiene información sobre la característica en
estudio, que no está presente en los datos futuros. Por tanto, la
información que se quiere predecir o por la que se quiere
clasificar una población está disponible en los datos utilizados
para construir el modelo. Más formalmente, el objetivo del
aprendizaje supervisado es entrenar una aplicación de un
conjunto de variables (denominadas explicativas, características
o factores) “x” en una variable output “y”, a partir de un conjunto
de datos (denominado muestra de entrenamiento) de pares
∆={(xi, yi), i∈1, …, N}, donde “N” es el tamaño de la muestra.
Cuando la variable output “y” es continua se habla de un
problema de regresión, mientras que cuando es nominal o
discreta, se habla de un problema de clasificación42
.
Figura 8. Métodos para Natural Language Processing y Computer Vision.
Figura 7. Tipologías y técnicas de aprendizaje automático.
40
Shalev-Shwartz, S. y Ben-David, S. (2014).
41
Murphy, K. (2012).
42
Por ejemplo, en el caso de los modelos de clasificación en función de la calidad
crediticia, la variable objetivo es dicotómica (default / no default), o discreta (nivel
de rating), en cuyo caso se habla de problema de clasificación.
43
Se pretende encontrar diferentes grupos en los datos sin tener una muestra
donde se hayan observado previamente estos grupos.
44
Cios, K.J. y otros (2007). Doctor en Ciencias de la computación por la Universidad
de Ciencia y Tecnología de Kracovia, trabajó en la agencia internacional de la
energía atómica. Es profesor y jefe del departamento de ciencias de la
computación de la Virginia Commonwealth University. Sus trabajos de
investigación se centran en machine learning, data mining e informática
biomédica.
Aprendizaje no supervisado: como concepto opuesto al caso
anterior, no se dispone en la muestra de construcción de la
información de una variable que se quiera predecir. Por tanto,
en este caso no se dispone de la variable output, por lo que el
conjunto de datos es de la forma ∆={xi, i ∈ 1, …, N}, donde N es
el tamaño de la muestra43
. El objetivo de este tipo de problemas
es encontrar patrones o relaciones en los datos. Por ello,
también se conoce como knowledge discovery (proceso de
identificar patrones en los datos que sean válidos, nuevos,
potencialmente útiles y entendibles44
).

22
Técnicas de Machine Learning
En el proceso de modelización se suele realizar una primera fase
de knowledge discovery. Dentro de este proceso se realizan,
entre otras, las siguientes tareas (Figura 9):
4 Entendimiento de los datos: preparación inicial y análisis
descriptivo de los datos, análisis de la calidad de la
información, etc.
4 Preparación de los datos: limpieza o tratamiento de los
datos (incluyendo el tratamiento de missings, outliers,
registros erróneos o inconsistentes), análisis multivariante,
combinación o creación de nuevas variables a partir de las
existentes, reducción del número de variables (vía
eliminación de variables redundantes, proyección sobre
subespacios de dimensión inferior), etc.
4 Selección de la técnica apropiada y aplicación de
procesos de regularización, donde se transforman los
datos y se preparan para la modelización. Por ejemplo, entre
estos métodos se pueden considerar los siguientes:
- Homogeneización del rango de las variables, por
ejemplo restando la media y dividiendo por la
desviación típica (normalizar), dividiendo por el rango
de la variable (escalar), etc.
- Identificación de aquellas variables que son más
relevantes para el modelo que se quiere construir.
Frente a los métodos previos de selección de variables,
como el stepwise45
, se pueden aplicar técnicas como el
uso de redes elásticas (elastic nets): la función que se
utiliza para la estimación de los parámetros del modelo
(denominada función objetivo o función de coste, cuyo
valor se pretende minimizar) se modifica añadiendo un
término adicional para detectar qué variables no
aportan información cuando se compara el modelo en
muestras de construcción y de test, lo que permite por
tanto la selección automática de variables: si L es la
función de coste que se utiliza para obtener los
estimadores del modelo, βt
=(β1,…,βn )
los estimadores, y λ1 ϵℝ, λ2 ϵℝ+
,
entonces la función se puede transformar con la
siguiente expresión46
:
En el caso particular en que λ2=0, se obtiene el método
denominado LASSO, y cuando λ1=0 se obtiene el
método denominado ridge regression47
.
Dentro de las técnicas de Machine Learning de aprendizaje
supervisado cabe mencionar los llamados métodos individuales
(Figura 8), denominados así porque pueden utilizarse de forma
aislada. Entre ellos destacan las redes neuronales, las máquinas
de vector soporte, los clasificadores bayesianos, o los árboles de
clasificación y regresión:
4 Las redes neuronales son modelos matemáticos
multivariantes no lineales que utilizan procedimientos
iterativos, con el objetivo de minimizar una determinada
función de error y clasificar así las observaciones. Las redes
neuronales se componen de neuronas conectadas entre sí a
través de nodos y capas. Dichas conexiones emulan las
dendritas y los axones en los sistemas nerviosos biológicos,
por los que se traspasa información. Se emplean tanto en
problemas supervisados como no supervisados, con la
ventaja de que pueden separar regiones de forma no lineal.
Su mayor desventaja es el carácter de “caja negra”, es decir,
la dificultad en la interpretación de los resultados y la
limitación a la hora de incorporar el sentido de negocio
sobre la compleja estructura de pesos.
45
Es un método iterativo de construcción de modelos basado en la selección
automática de variables.
46
Donde ℝ representa el conjunto de números reales, ℝ+
el conjunto de números
reales positivos, .
47
Para una discusión detallada de cada método, ventajas e inconvenientes, véase
Murphy, K. (2012).
Figura 9. Tareas en el proceso de modelización.

23
Como una extensión de las redes neuronales, pueden
destacarse las redes profundas, que consisten en el uso de
redes neuronales con múltiples capas. Estos modelos,
englobados en lo que se denomina aprendizaje profundo o
deep learning48
, pueden tener millones de parámetros, en
función de la complejidad del problema que se quiera
abordar. No obstante, dada la dificultad de estimación,
caben múltiples aproximaciones en el uso de este tipo de
métodos49
(por ejemplo, el uso de algoritmos de
optimización para ajustar los parámetros en las redes
profundas en función de los errores de sus outputs;
algoritmos greedy para el entrenamiento de redes
específicas, como las redes dirigidas; auto-encoders para
reducción de la dimensionalidad, etc.). Gracias al desarrollo
tecnológico, esos métodos se han podido incorporar, por
ejemplo, en procesos de reconocimiento y generación
automática de textos, o en computer vision.
4 Las máquinas de vector soporte (support vector machine o
SVM) son modelos de clasificación que tratan de resolver las
dificultades que pueden suponer muestras de datos
complejas, donde las relaciones no tienen por qué ser
lineales. Es decir, se pretende clasificar a las observaciones
en varios grupos o clases, pero estas no son separables vía
un hiperplano en el espacio dimensional definido por los
datos. Para ello, el conjunto de datos se embebe en un
espacio de dimensión superior a través de una función50
que permita poder separar los datos en el nuevo espacio a
través de un hiperplano en dicho espacio. Entonces, se
busca un hiperplano equidistante a los puntos más
cercanos de cada clase (es decir, el objetivo es encontrar el
hiperplano que separa las clases y que más dista de las
observaciones de las mismas de forma simultánea).
Diferencias entre inteligencia artificial,
Machine Learning y deep learning
Inteligencia Artificial (IA), Machine Learning y Deep
Learning son conceptos que están relacionados, pero
que habitualmente es tedioso vislumbrar la diferencia
entre ellos. Con el objetivo de ilustrar dichas diferencias
se proporcionan a continuación las siguientes
definiciones:
- La inteligencia artificial es el concepto más amplio,
cuyo objetivo es que las máquinas sean capaces de
realizar tareas de la misma forma en que las haría un
ser humano. En la mayoría de los casos, esto se
desarrolla a través de la ejecución de reglas
previamente programadas. Se definió en la
Conferencia de Inteligencia Artificial de Dartmouth
(1956) como “todos los aspectos del aprendizaje o
cualquier otra característica de la inteligencia que
puede, en principio, ser precisamente descrita de tal
forma que una maquina pueda realizarla”. Ya desde
principios de siglo XX tenemos algunos ejemplos de
ello en pioneros como Alan Turing quien descifró la
máquina Enigma en lo que fue la primera aparición
de lo que hoy llamaríamos las redes neuronales.
- Por otra parte, el aprendizaje automático (ML) puede
considerarse como una rama de la IA, y se define51
como “el conjunto de métodos que puede detectar
patrones automáticamente en un conjunto de datos y
usarlos para predecir datos futuros, o para llevar a
cabo otro tipo de decisiones en entornos de
incertidumbre”.
- Por último, el Deep Learning o aprendizaje profundo es
una rama del Machine Learning que, definido en su
aspecto más básico, se puede explicar como un
sistema de probabilidad que permite a modelos
computacionales que están compuestos de múltiples
capas de procesamiento aprender sobre datos con
múltiples niveles de abstracción52
.
51
Murphy, K. (2012).
52
Bengio, Y. y otros (2015). Yoshua Bengio es científico computacional en
Canadá. Principalmente conocido por su trabajo en las redes neuronales y
el Deep Learning.
48
Los algoritmos utilizados en deep learning pueden ser del tipo de aprendizaje
supervisado o no supervisado.
49
Murphy, K. (2012).
50
A esta función se le denomina kernel.

24
4 Los clasificadores bayesianos son modelos basados en el
teorema de probabilidad condicionada de Bayes, que
utilizan la información conocida de las variables
explicativas, es decir, los denominados priors, para
clasificar las observaciones. Dicho de otro modo, un
clasificador bayesiano asume que la presencia o ausencia
de ciertas características permite asignar cierta
probabilidad a la ausencia o presencia de otra
característica, o a definir una variable objetivo en función
de la relación existente en una muestra entre estas
características y la variable objetivo definida. Es una
técnica simple pero robusta para clasificar observaciones
en un conjunto de clases. El clasificador bayesiano toma
formas específicas según la distribución que se asuma que
siguen las variables explicativas (normal, multinomial, etc.).
4 Finalmente, los árboles de clasificación (cuando la
variable objetivo es categórica) y de regresión (cuando la
variable objetivo es continua) son técnicas de análisis que
permite predecir la asignación de muestras a grupos
predefinidos en función de una serie de variables
predictivas. Los árboles de decisión son modelos sencillos
y fácilmente interpretables, lo que hace que sean muy
valorados por los analistas. Sin embargo, su poder
predictivo puede ser más limitado que el de otros
modelos, porque realizan una partición ortogonal53
del
espacio, lo que convierte en silos la muestra y limita la
capacidad predictiva debido a que este tipo de algoritmo
tiende al sobreentrenamiento.
Todos estos métodos individuales pueden combinarse con
técnicas y algoritmos que permiten mejorar la capacidad
predictiva, a través de métodos ensemble (Figura 10). Estos
métodos consisten en la agregación de modelos individuales
para generar un modelo más predictivo o más estable que
aprovecha el conocimiento del colectivo. Por ejemplo, los
modelos se pueden combinar a través del uso de los
resultados de modelos independientes (como el caso de la
técnica de bagging) o tratando de corregir en cada iteración el
error cometido (como en el caso del boosting).
Finalmente, entre los modelos no supervisados cabe destacar
las técnicas de clustering o las técnicas de Data Analysis, como
la de reducción de la dimensionalidad:
- El clustering es un modelo no supervisado que se utiliza
para identificar grupos (clusters) o patrones de
observaciones similares en un conjunto de datos. Una de
las técnicas más utilizadas es el método de k-means, que
consiste en definir un punto central de referencia de cada
cluster (denominado centroide) y asignar a cada individuo
al cluster del centroide más próximo en función de las
distancias existentes entre los atributos de entrada. El
algoritmo parte de la fijación de k centroides
aleatoriamente y, mediante un proceso iterativo, se asigna
cada punto al cluster con el centroide más próximo,
procediendo a actualizar el valor de los centroides. Este
proceso termina cuando se alcanza un determinado
criterio de convergencia.
- Los métodos de reducción de dimensionalidad pretenden
reducir el número de dimensiones del espacio de análisis,
determinado por el conjunto de variables explicativas.
Una de las técnicas es el análisis de componentes
principales (principal component analysis o PCA), que
convierte un conjunto de variables correlacionadas en
otro (con menor cantidad de variables) sin correlación,
llamadas componentes principales. La principal
desventaja de aplicar PCA sobre el conjunto de datos es
que estos pierden su interpretabilidad.
En todo caso, la aplicación de estas técnicas implica que los
métodos de validación de resultados deben ser más
Figura 10. Ejemplos de métodos ensemble.
53
Es decir, una partición de un espacio n-dimensional en regiones a través de
hiperplanos perpendiculares a cada uno de los ejes que definen las variables
explicativas.

25
sofisticados. Debido a que en muchos casos el aprendizaje es
continuo y utiliza más de una submuestra en la construcción,
se han de implementar técnicas que sean adecuadas para
estos nuevos procesos, tales como el bootstrapping54
o el k-
fold cross-validation55
, que permiten evaluar el modelo en más
de una muestra de validación. Asimismo, debe también
ponerse la atención en otros aspectos de la validación, tales
como la existencia de posibles sesgos en la frecuencia de
actualización de los datos, relaciones espurias o sin una
relación causal. Por último, la naturaleza dinámica de estas
técnicas dificulta la trazabilidad. Esto cobra especial relevancia
en entornos regulados o con supervisión, que exigen un
marco de validación y de trazabilidad específico.
Usos y tendencias en aprendizaje automático
El uso del aprendizaje automático en las industrias
La incorporación del aprendizaje automático en el desarrollo
de los negocios en las distintas industrias es desigual (Figura
11) tanto en función del sector como de diversos factores
relacionados con el tamaño, el estilo de dirección y en general
el entorno en el que la empresa opera.
Las técnicas de aprendizaje automático se están
implementando con diferente grado de velocidad y
profundidad en distintos sectores. Como ejemplos, se
destacan algunas aplicaciones en las industrias de la
Figura 11. Presencia del desarrollo de Machine Learning en las distintas industrias a 2016.
Fuente: Statista
54
Generación de muchas muestras de validación a partir de la selección aleatoria
con reemplazamiento.
55
Se parte la muestra en k grupos. En la primera iteración, k-1 se utilizan para la
construcción, y el restante para la validación. Este proceso se repite eligiendo
como grupo de validación cada uno de los k grupos construidos.

26
financieras, como es el ejemplo de los modelos de
prospect de no clientes. En este caso, los modelos de
prospect pretenden clasificar a potenciales clientes en
función de su probabilidad de incumplimiento, lo cual
tiene aplicaciones en procesos comerciales como el
lanzamiento de campañas o la emisión de nuevos
productos. Estos modelos suelen ser también de interés
en aquellos segmentos de clientes donde no existe
mucha información, como el caso de autónomos y
microempresas, o en segmentos de particulares o
autónomos no bancarizados. Para ello, se puede utilizar
educación, las finanzas, la salud, o de modo transversal, en
la mejora de la eficiencia de las organizaciones56,57
:
4 En el ámbito educativo58
la inteligencia artificial podrá
proveer de sistemas que funcionen como “compañeros
de aprendizaje” durante toda la vida del alumno y
accesibles a través de múltiples canales.
4 En finanzas, los algoritmos de Machine Learning van
dirigidos a funciones como el trading automático, la
creación de roboadvisors para la gestión automática de
carteras, la detección del fraude o la medición del riesgo.
Uno de los ámbitos con mayor crecimiento es el
conocido como RegTech59
, en el que se usan técnicas de
Machine Learning para cumplir con la regulación y la
supervisión. Se prevé que el mercado de RegTech
alcance 6.500 millones de dólares en 202060
. Asimismo,
estas técnicas pueden utilizarse para el análisis de
carteras donde no existe tanta información estructurada
almacenada en las bases de datos de las entidades
56
Kaggle (2017).
57
Forbes (2017).
58
Pearson (2016).
59
RegTech surge de la combinación de los términos “regulatory technology” y
consiste en un grupo de compañías que utilizan la tecnología para ayudar a las
empresas a cumplir con la normativa de manera eficiente y con bajo coste.
60
Frost & Sullivan (2017).

información sobre cuentas anuales (incluyendo
información sobre actividad, como rotación de
inventarios o de proveedores, ratios de apalancamiento,
de liquidez, solvencia o rentabilidad), que se
complementa con información de productos y servicios,
o bien con información externa no estructurada.
4 En el caso del sector de la salud, los esfuerzos se dirigen a
mejorar el diagnóstico por imagen, la gestión de
consultas de tratamiento y sugerencias, así como la
recopilación de información médica para su estudio o la
cirugía robótica. Se estima que el mercado de la
inteligencia artificial en el campo de la salud puede
alcanzar los 6.600 millones de dólares en 2021 y ahorrar
potencialmente 150.000 millones de dólares en 2026 en
el sector de la salud en EEUU61
.
4 En sectores como la industria o la logística, se plantean
soluciones para la mejora del mantenimiento de la
maquinaria (a través del uso de modelos y sensorización
27
para el mantenimiento predictivo) o la eficiencia en la
distribución (por ejemplo, mediante la optimización de la
correlación entre necesidades de transporte con
múltiples empresas)62
.
4 En relación con la mejora de la eficiencia de las
organizaciones, la función de tecnología y operaciones
puede ser más proactiva en compañías donde los
sistemas tecnológicos generan datos masivos (logs,
reportes de estado, archivos de errores, etc.). A partir de
esta información, los algoritmos de Machine Learning
pueden detectar la causa raíz de algunos problemas, o
los fallos en sistemas pueden ser mitigados
significativamente utilizando analítica predictiva.
Asimismo, se pueden incorporar experiencias
tecnológicas personalizadas: la disponibilidad de un
asistente virtual por empleado ayudará a las compañías a
61
Techemergence (2017).
62
Círculo de empresarios (2018).

maximizar la productividad en el puesto de trabajo. Este
asistente será capaz de conectar información de uso de
aplicaciones del usuario con otras bases de datos
almacenadas y detectará patrones que anticipen las
siguientes acciones y accesos a bases de datos de
documentos por parte del empleado.
Como ejemplo ilustrativo de cómo se está realizando la
incorporación de estas técnicas en una industria clásica se
puede destacar el caso de Rolls-Royce, que ha llegado a un
acuerdo con Google para utilizar los motores de Machine
Learning de Google en Cloud con el objetivo de mejorar la
eficiencia y la seguridad en la navegación en el corto plazo y
con el objetivo de culminar en el control remoto sin
tripulación. Este caso recoge todos los elementos típicos del
aprendizaje automático: recogida de información no
estructurada basada en sensores, tratamiento de
información mediante nuevas técnicas, objetivo de
automatización completa, etc.
Tendencias sobre los componentes del aprendizaje
automático
El uso de distintas técnicas y la proliferación de enfoques y
herramientas diversas modifican el proceso de modelización
en todas sus aristas: los datos utilizados, nuevas técnicas y
metodologías de estimación, y las arquitecturas y sistemas
soporte (Figura 12). Sin embargo, este nuevo enfoque
conlleva un conjunto de retos desde el punto de vista
técnico, metodológico y de negocio63
:
1. Según las fuentes de información: se busca obtener una
visión 360° de los clientes a través del cruce de canales
internos y externos, utilizando datos que se recopilan en
tiempo real. Ello conlleva una serie de retos como la
inversión económica para acceder a fuentes de
información restringidas, la identificación de nuevas
fuentes de datos relevantes y su continua actualización,
así como la incorporación de técnicas de Data Quality
capaces de tratar grandes volúmenes de datos de
distinto tipo en tiempo real. Asimismo, uno de los
grandes retos es la aplicación de la regulación en
materia de protección de datos, como la GDPR en
Europa, que implica un análisis en profundidad de las
fuentes de información que pueden ser utilizadas en los
modelos de aprendizaje automático, su tratamiento y
almacenamiento, así como el establecimiento de
controles y sistemas de ciberseguridad.
2. Según las técnicas y algoritmos: aunque incrementa la
dificultad en la interpretación de los algoritmos y en la
justificación de los resultados obtenidos, en ciertos
ámbitos prevalece el poder de predicción sobre dicha
interpretación. Todo ello lleva a que sea más relevante
implementar una correcta gestión del riesgo de modelo
durante el ciclo de vida completo (desarrollo, validación,
implementación, uso, mantenimiento y retirada). La
naturaleza y las posibles fuentes del riesgo de modelo,
como carencias en los datos, la incertidumbre en la
estimación o errores en los modelos, y el uso inadecuado
del modelo64
, están igualmente presentes en el uso de
técnicas de aprendizaje automático. Asimismo, entre los
retos en la resolución de problemas mediante el uso de
técnicas de Machine Learning se encuentran la propia
elección del algoritmo más adecuado de entre una
amplia gama de posibilidades (ya que éste puede
depender tanto del objetivo del modelo que se quiere
construir como de la información disponible), la
aparición de posibles problemas de overfitting65
y de
data dredging66
, o la necesidad de establecer
mecanismos para que la aplicación de los resultados
28
63
Jordan, M. I., Mitchell, T. M. (2015) y Kaggle (2017). Jordan, Doctor en Ciencia
cognitiva por la Universidad de California, fue profesor del MIT, y actualmente es
profesor en el departamento de Ingeniería Eléctrica y Ciencias de la computación
y del departamento de Estadística en la universidad de California.
64
Management Solutions (2014).
65
Overfitting: el modelo está demasiado ajustado a la muestra de entrenamiento,
de forma que no consigue resultados satisfactorios sobre muestras diferentes a
esta (p. ej. la muestra de validación).
66
El data dredging se produce cuando se encuentran relaciones que no están
respaldadas por hipótesis o causas que realmente expliquen dichas relaciones.
Figura 12. Tendencias y retos sobre los componentes del aprendizaje automático.

29
Figura 13. Principales requisitos de la GDPR.
Fuentes de información y restricciones
regulatorias
La rápida evolución tecnológica y la globalización han
planteado nuevos retos en el ámbito de la protección
de los datos personales. En este sentido, se ha
incrementado de manera significativa la magnitud de
la recogida e intercambio de datos personales, y en la
actualidad la tecnología permite el tratamiento de los
datos personales en una escala sin precedentes.
Estos avances y el uso de fuentes de información que
incorporan datos de carácter personal, requieren un
marco sólido y coherente para la protección de datos,
dada la importancia de generar la confianza que
permita el desarrollo de la economía digital. Así,
surge la necesidad de que las personas físicas tengan
el control de sus propios datos personales, y de
reforzar la seguridad jurídica y práctica para las
personas físicas, los operadores económicos y las
autoridades públicas68
. Como consecuencia, los
reguladores han desarrollado normativas para
garantizar la protección de dichos datos. Como
ejemplo paradigmático se puede analizar el caso de la
Unión Europea, donde la General Data Protection
Regulation (GDPR), aplicable desde mayo de 2018, ha
establecido una serie de requisitos generales de
tratamiento y protección de la información,
homogeneizando dicho tratamiento en todos los
países miembros (Figura 13).
68
Parlamento Europeo (2016).
67
Functions as a Service, un modelo sin servidores.
automáticos no implique la aparición de tratamientos
discriminatorios (este riesgo se trata a través de lo que se
conoce como ética algorítmica).
3. Según el autoaprendizaje: incorporar la característica de
autoaprendizaje en los modelos implica la capacidad de
que el algoritmo se modifique de forma autónoma en
función de los cambios que se van produciendo en la
población objetivo. Esto puede originar modificaciones
en los parámetros o las variables relevantes para
construir el algoritmo, así como la necesidad de tomar
decisiones de modelización en tiempo real. Sin embargo,
estos ajustes a los modelos en tiempo real dificultan su
validación que debe evolucionar desde el enfoque
tradicional e incorporar nuevos elementos como el
control de grados de libertad en la automatización, una
mayor frecuencia en la evaluación del poder
discriminante u otras técnicas de contraste (por ejemplo,
a través de modelos alternativos más sencillos que,
aunque pierdan capacidad de ajuste, permitan
cuestionar los resultados). En el caso particular de
modelos que requieran aprobación supervisora como,
por ejemplo, los modelos regulatorios en el sector
financiero, un reto añadido a esta validación es la
dificultad de obtener la aprobación por parte del
supervisor.
4. Según los sistemas y el software utilizado: se invierte en
arquitecturas e infraestructuras tecnológicas que
garanticen la escalabilidad en la capacidad de
almacenamiento de datos y una mayor velocidad de
procesamiento. Asimismo, se desarrollan soluciones
basadas en Cloud, como plataformas alternativas a las
implantaciones in-house utilizadas tradicionalmente por
las empresas, y se incorporan infraestructuras de edge
computing, donde se ofrecen funciones ya previamente
instaladas (FaaS67
) preparadas para su uso directo, lo que
simplifica la experiencia del desarrollador, ya que reduce
el esfuerzo de programación y gestión del código. Todo
ello conlleva la necesidad de realizar inversiones en
recursos y estructuras IT.
Asimismo, todo ello supone la necesidad de contar con
recursos humanos con un alto grado de preparación y
especialización, capaces de comprender y trabajar con
lenguajes de programación, algoritmos, matemáticas,
estadística, y arquitecturas tecnológicas complejas.

30
Ejercicio cuantitativo
Your job in a world of intelligent machines is to keep making sure
they do what you want, both at the input (setting the goals) and at
the output (checking that you got what you asked for)
Pedro Domingos69

31
Datos utilizados
El estudio se ha llevado a cabo utilizando un conjunto de más
de 500.000 préstamos, que comprenden más de 10 años de
historia, con una tasa de mora del 6%. La muestra incluye
variables relativas a la operación (importe, plazo de la
operación, tipo de interés, finalidad de la financiación, etc.), al
cliente (información económica como los ingresos anuales,
mensuales, patrimonio, variables de endeudamiento,
puntuación de scoring externos, etc., información sobre
impagos como quiebras en registros públicos, cuentas con
retrasos, etc., o variables de antigüedad como cliente y
antigüedad en otros productos), así como relativa a otro tipo de
información que puede ser útil en la modelización, como
comisiones, número de transacciones realizadas, etc. En este
ejercicio, todas estas variables se han mantenido en la muestra
inicial con el propósito de realizar knowledge discovery.
Desarrollo del estudio
El estudio se ha desarrollado en dos fases, que se detallan a
continuación:
Fase 1: Knowledge Discovery. Inicialmente se ha desarrollado
una fase de knowledge discovery, donde se han realizado
distintos tratamientos de missings, outliers y agrupación de
variables.
Fase 2: Aplicación de técnicas de Machine Learning. En una
segunda fase se ha procedido a desarrollar distintos modelos,
utilizando técnicas de modelización sobre las muestras de
construcción generadas.
Las técnicas de Machine Learning introducen diversas
novedades frente a las técnicas estadísticas y econométricas
clásicas, apalancadas en el uso de mayor cantidad de
información y mayor complejidad de los algoritmos.
Ello introduce un conjunto de nuevos elementos en el marco de
la modelización, que si bien por un lado permite realizar análisis
más robustos, por otro requiere resolver cuestiones como el
aumento de las variables disponibles (lo que incrementa la
complejidad en el tratamiento de los datos así como en la
selección de información relevante), la correcta identificación
de relaciones espurias o el incumplimiento de las hipótesis de
los modelos tradicionales (p. ej. falta de cointegración en series
temporales, o presencia de multicolinealidad y autocorrelación).
Como resultado de lo anterior, se puede modificar el enfoque
de modelización, introduciendo herramientas diferentes para
aprovechar los algoritmos de Machine Learning, pero evitando
cometer errores ligados a estas nuevas herramientas.
En este apartado se ha desarrollado un modelo de scoring
comportamental para clasificar préstamos bancarios. Para ello
se han utilizado algunas de estas nuevas técnicas con el fin de
poder comparar los resultados, así como evaluar los retos que
supone su uso en el proceso de modelización, las
oportunidades que surgen y los riesgos existentes.
Objetivo
El objetivo del ejercicio es analizar e ilustrar cómo impacta el
uso de técnicas de Machine Learning en el desarrollo de
modelos. Específicamente se persigue evaluar cómo varía el
proceso de estimación y los resultados obtenidos, partiendo de
distintos enfoques de modelización mediante el uso de técnicas
de Machine Learning.
Para ello, se ha entrenado un score de comportamiento
utilizando distintos enfoques de Machine Learning, y se han
comparado con las técnicas tradicionales. Se ha partido de una
muestra de préstamos y se han desarrollado dos fases de
modelización (tratamientos de datos en tareas de preparación,
limpieza y selección de variables, y aplicación de diversos
enfoques para estimar el modelo). A continuación se describe la
muestra utilizada y se detallan las distintas fases del estudio, así
como los resultados y principales conclusiones obtenidas.
69
Domingos, P. (2015). Profesor en la Universidad de Washington. Investigador
en Machine Learning y conocido por su trabajo en las lógicas de Markov en la
red.

32
Fase 1: Knowledge Discovery
La primera fase del desarrollo del ejercicio consiste en aplicar
algunas técnicas de knowledge discovery. Algunos de los
tratamientos aplicados, que se describen a continuación,
pueden ser más adecuados que otros, en función del tipo de
algoritmo final que se utilice para la modelización. Así, esta
primera fase permite obtener un conjunto de muestras de
construcción susceptibles de utilización como datos para
entrenar distintos algoritmos.
En esta primera fase se ha observado que el 40% de las variables
presenta más de un 10% de observaciones missing. De cara a
utilizar la información disponible, se han realizado distintos
tratamientos sobre estas variables70
:
a. Se ha imputado el valor medio (o la moda, en el caso de
variables cualitativas) a las observaciones missing.
b. Se ha lanzado un clustering analysis, y se ha asignado a cada
valor missing la media (o la moda, en el caso de variables
cualitativas) del cluster. La determinación del número
óptimo de clusters que genera la mejor clasificación se ha
realizado a través de métodos cuantitativos71
.
c. Se ha realizado una regresión sobre otras variables para
estimar un valor para las observaciones missing de una
variable en función del resto de información.
d. Para el caso específico del Random Forest se ha imputado un
valor máximo (p. ej. 9999) de cara a identificar el missing
como un valor adicional para que el árbol cree de forma
automática una rama específica para esta información.
Por otro lado, se ha realizado un tratamiento de outliers, que por
simplicidad ha consistido en aplicar un floor en el percentil 1, y
un cap en el percentil 99 en aquellas variables con presencia de
valores atípicos.
Finalmente, se ha realizado un proceso de simplificación de
variables. Para ello, se ha vuelto a aplicar un algoritmo de
clustering, de cara a sustituir aquellas variables que permiten
identificar una buena clasificación en grupos por el cluster
asignado (Figura 14). Asimismo, también se han eliminado
aquellas variables que, tras un primer análisis exploratorio, no
contienen información relevante (por mala calidad de la
información, variables informadas a un valor constante, etc).
Tras todos estos tratamientos, se han obtenido diferentes
muestras de construcción, que se utilizarán para la estimación
de los algoritmos72
.
En conjunto, estas técnicas permiten reducir el número de
variables con el objetivo de mejorar la eficiencia de los procesos
posteriores, preparar la información existente para que se
adecúe a los requisitos específicos de los distintos modelos y
posibles limitaciones de los algoritmos, así como anticipar y
validar hipótesis para evaluar los resultados de las distintas
técnicas de modelización utilizadas.
Fase 2: Aplicación de técnicas de Machine Learning
En la segunda fase, partiendo de las distintas muestras ya
tratadas, se han aplicado diferentes técnicas, y se ha procedido
a calcular distintas medidas de la capacidad discriminante del
modelo sobre una muestra de validación. Las técnicas que se
han desarrollado son las siguientes:
a. En primer lugar, para poder realizar una comparación con
un método tradicional de modelización, se ha construido
un modelo logístico.
b. Se ha aplicado una red elástica como técnica de
regularización, para observar el impacto de esta técnica
sobre la modelización tradicional.
Figura 14. Ejemplos de clustering para K=2, K=4 y K=8 en función de dos variables. Las variables X e Y se sustituirían por la variable que define el cluster.
70
Tratamientos adicionales al clásico que consiste en cambiar un missing por un
cero, y crear una variable dummy para reconocer dónde se han imputado los
missing.
71
Existen diversos métodos cuantitativos para realizar esta selección, como el
elbow method, o el algoritmo partition around medoids (PAM). En términos
generales, se pretende analizar el número de clusters a partir del cual se hace
residual la ganancia marginal de información en la clasificación al ampliar el
número de clusters. En este caso, se ha aplicado el algoritmo PAM.
72
Aunque se pueden tener distintas muestras de construcción para un único
algoritmo, y por tanto distintos resultados, en este estudio se muestran solamente
los resultados óptimos.

33
c. Se ha desarrollado un random forest como uno de los
métodos ensemble.
d. Asimismo, se ha estimado un adaboost, para disponer de
un segundo método ensemble.
e. Se ha estimado un modelo a través de una SVM utilizando
una función lineal.
f. Por último, se ha estimado un segundo modelo de SVM
con una función radial.
Tras aplicar estas técnicas, se han obtenido los siguientes
modelos:
a. Modelo logístico (modelo tradicional base para la
comparación). Se ha realizado una preselección de
variables mediante técnicas bivariantes y multivariantes,
teniendo en cuenta la significatividad individual de cada
variable, el poder discriminante del modelo global, y
distintos métodos de criterios de información. Como
resultado se ha obtenido un modelo que cuenta con 11
variables donde las que presentan mayor importancia son
de tipo comportamental (por ejemplo, número de cuentas
que nunca han entrado en default, si existen adeudos
pendientes, o el número de cuentas que alguna vez ha
estado más de 120 días en situación irregular). Se ha
medido la importancia de cada variable como la
contribución marginal de dicha variable a la bondad de
ajuste del modelo. Por tanto, se puede analizar cuál es el
patrón de incorporación de cada variable en función de su
importancia (Figura 15).
b. Modelo con técnicas de regularización. Tras aplicar la red
elástica, se ha desarrollado un modelo con un total de 45
variables, entre las que destacan las variables
comportamentales (por ejemplo, cuentas en situación
irregular, adeudos pendientes en los últimos 12 meses, la
información positiva en registros públicos, etc.). Se han
incluido variables relativas a la operación y al cliente, si
bien la importancia de las primeras es mucho más
significativa (Figura 16).
c. Random Forest. Se ha obtenido un algoritmo con 50
árboles, en el que la máxima profundidad de las ramas es
3 y el número de variables incluidas aleatoriamente como
candidatas en cada nodo es igual a 7. En total se están
utilizando 80 variables para conformar el conjunto de
árboles. Las variables con mayor relevancia en el algoritmo
son de tipo comportamental (por ejemplo, existencia de
adeudos pendientes, otras cuentas con vencimientos
incumplidos, número de cuentas activas, etc.), y algunas
otras variables que caracterizan al cliente o la operación
(por ejemplo el nivel de endeudamiento). Se observa que
en términos de importancia, las primeras variables
obtienen un elevado peso, mientras que el resto de
variables mantienen una importancia relativa reducida
(Figura 17).
Figura 15. Importancia de las variables en el algoritmo tradicional .
Figura 16. Importancia de las variables tras aplicar redes elásticas.
Figura 17. Importancia de las variables en el algoritmo de Random Forest.

34
d. Adaboost. Se ha seleccionado un algoritmo con 20
iteraciones, y cuyo parámetro de reducción se ha fijado por
defecto en 1. Como resultado se han obtenido 68 variables
significativas entre las que destacan de nuevo las de tipo
comportamental (por ejemplo, el promedio del saldo
revolving en el conjunto de cuentas, el número de cuentas
de tarjetas de crédito sin impagos, el principal devuelto
por el cliente hasta la fecha, etc.), así como otras variables
relativas al cliente (como el FICO). En este caso, se observa
un decaimiento reducido pero paulatino en la importancia
de las variables (Figura 18).
e. SVM con función lineal. Se han obtenido distintos
modelos en función de las variables utilizadas, y se ha
seleccionado el mejor modelo utilizando técnicas de
validación cruzada. En el modelo elegido se han obtenido
68 variables relevantes, de las cuales las que presentan
mayor importancia son las comportamentales; (por
ejemplo, los adeudos pendientes en los últimos 12 meses
o el porcentaje de cuentas que nunca han estado en
situación irregular, Figura 19).
f. SVM con función radial. Al igual que en el caso lineal, se
ha hecho una selección de entre diversos modelos. Este
modelo también tiene 68 variables, donde las que
presentan mayor importancia son asimismo las
comportamentales. Aunque ambos modelos de SVM son
muy similares, la importancia de las variables en cada uno
de ellos difiere notablemente. (Figura 20)
Figura 19. Importancia de las variables en el algoritmo SVM con función lineal.
Figura 20. Importancia de las variables en el algoritmo SVM con función radial.
Figura 18. Importancia de las variables en el algoritmo Adaboost.

Red Elástica. Como se ha descrito en el apartado anterior,
la aplicación de la red elástica se realiza mediante la
incorporación del término a la
función objetivo que se pretende optimizar cuando se
estiman los parámetros
Para ello, se ha realizado la transformación
y por tanto se ha estimado el término
Entonces, se procede a construir la devianza de la
función de verosimilitud parcial (partial likelihood
deviance, o PLD74
) como función de dicho parámetro α, y
se busca el mínimo de dicha función. En este caso, el
valor mínimo se encuentra en a=0,8 (Figura 21). Con
dicho valor de α se entrena la función objetivo, de donde
se obtienen variables cuyo estimador asociado es cercano
a cero, y por tanto no se consideran en la construcción del
modelo.
Figura 21. Función de optimización para el método de redes elásticas. Se
muestra el valor de a que minimiza la devianza de la función de
verosimilitud parcial (PLD)
Random Forest. Esta técnica se basa en las técnicas de
combinación de modelos independientes (bagging), de
forma que se genera un número elevado de árboles y se
calcula el promedio de sus resultados. Para realizar cada
árbol se asignan aleatoriamente una selección aleatoria
de la muestra con reemplazamiento y particiones de las
variables con el objetivo de reducir el
sobreentrenamiento y controlar la multicolinealidad
(Figura 22). Para predecir una nueva observación, se
35
recorre el árbol en función del valor de sus predictores
hasta llegar a uno de los nodos terminales. En el caso de
árboles de clasificación, suele emplearse la moda de la
variable respuesta como valor de predicción, es decir, la
clase más frecuente del nodo. Además, la proporción de
árboles que toman una misma respuesta se interpreta
como la probabilidad de la misma, lo que aporta
información sobre la confianza de la predicción.
Adaboost. En la aplicación de esta técnica se estiman
distintos estimadores débiles sobre la muestra que
posteriormente se agregan mediante técnicas de boosting
utilizando distintas ponderaciones, lo que en un contexto
iterativo permite al algoritmo aprender de los errores
cometidos en las anteriores iteraciones. El proceso es el
siguiente:
- Con la muestra de entrenamiento se construye un
submodelo asignando pesos equivalentes a todas las
observaciones.
- A aquellas observaciones incorrectamente clasificadas
se les aumenta el peso relativo, y a aquellas
observaciones correctamente clasificadas se les
disminuye, y se construye un nuevo submodelo
teniendo en cuenta los nuevos pesos. Esto se realiza
hasta converger a un nivel de error bajo.
- Se combinan de forma secuencial todos los
submodelos obteniendo un modelo final complejo con
base en submodelos intermedios simples.
Aplicación de máquinas de vector soporte (SVM). La
aplicación de las SVM se ha realizado utilizando dos
modelos, uno lineal y otro radial. La diferencia radica en
cómo se define la función kernel que permite separar los
grupos. La SVM lineal utiliza como función
(el producto escalar). La SVM radial utiliza como función
donde γ>0. En los
modelos desarrollados, se han utilizado valores de
γ=0,014 para el modelo lineal, y γ=1 para el modelo
radial.
73
La descripción de cada una de estas técnicas se puede encontrar en el
capítulo anterior, por lo que se procede a incorporar algunos detalles técnicos
asociados al uso específico de las mismas.
74
La devianza de la función de verosimilitud parcial (PLD) es un indicador que
permite comparar el poder predictivo de un modelo bajo análisis con el de un
modelo de referencia (que puede ser un modelo constante). Se calcula a través
de la diferencia de las log-funciones de verosimilitud parcial entre el modelo
bajo análisis y el modelo de referencia.
Detalle de las técnicas utilizadas en el estudio73
Figura 22. Ejemplo de segmentos de un árbol para el modelo Random Forest.

36
Resultados y conclusiones
Para comparar los resultados obtenidos en este estudio tras la
aplicación de las distintas técnicas, se ha utilizado como medida
de poder discriminante una matriz de confusión, así como el
área bajo la curva ROC (AUC):
4 La matriz de confusión permite medir las tasas de acierto del
modelo. Para ello, se ha fijado el punto de corte en el valor
que minimiza el error de la predicción.
4 Respecto al indicador AUC, cuanto mayor es el valor del
indicador, mayor es el poder de discriminación. La
experiencia práctica75
muestra que este indicador suele
tomar valores en el rango entre 75% y 90%. Estos
indicadores están estimados sobre una muestra de
validación76
.
Asimismo, se ha comparado el impacto que tiene el cambio del
poder predictivo en el negocio. Para ello se ha elegido el
modelo tradicional como base de comparación (con el punto de
corte fijado a partir de la optimización de los errores tipo I y tipo
II). Sobre dicho modelo, se ha estimado cuál es la tasa de
morosidad resultante con cada uno de los modelos analizados,
manteniendo el mismo nivel de tasa de aceptación que el
modelo tradicional (es decir, a igualdad del volumen de
negocio), así como cuál es la tasa de aceptación de cada uno de
los modelos, si se mantiene la misma tasa de morosidad que en
el modelo tradicional.
Los resultados obtenidos son los siguientes77
(figuras 23, 24 y 25):
4 Tras la comparación con estos estadísticos (Figura 24), se
observa un mejor desempeño en los modelos ensemble
frente al resto de metodologías. En particular, el random
forest es el método que arroja mejores resultados: en
términos de tasa de acierto se eleva desde el 74,7% del
modelo tradicional al 80,3%, lo que supone un incremento
porcentual de 7,5% sobre el obtenido a través de técnicas
tradicionales; en términos de poder discriminante, se
consigue mejorar el área bajo la curva ROC desde el 81,5%
en el modelo tradicional hasta el 88,2%, lo que representa
un incremento porcentual de 8,2%. No obstante, esta
mejora se ha conseguido aumentando la complejidad en la
estimación, ya que se han utilizado muchas variables entre
los 50 árboles estimados.
4 El segundo mejor método es la aplicación de la red elástica,
con la que se consiguen valores de tasa de acierto y área
bajo la curva ROC de 79% y 86,4%, respectivamente. Esto
representa un incremento porcentual del 6% en ambos
indicadores. Como se observa, en muestras con muchas
variables, la aplicación de técnicas de regularización
suponen un incremento significativo respecto a métodos
tradicionales de selección de variables (stepwise).
4 Asimismo, en este caso particular se ha observado que la
dificultad añadida por el uso de SVM (tanto lineal como
radial) no conlleva un incremento en el poder predictivo del
modelo. Esto se debe a que el modelo logístico tradicional
ya presenta un poder discriminante elevado (82%), lo que
suele ocurrir cuando las variables permiten separar de
forma lineal las dos clases, y por tanto la aplicación de SVM
no incorpora información sobre la separabilidad de las
clases (de hecho, en este caso se pierde poder predictivo y
tasa de acierto).
Figura 23. Resultados para los distintos enfoques.
Figura 24. Tasa de acierto en la matriz de confusión (suma de la diagonal) para
los distintos enfoques.
75
BCBS (2005).
76
De acuerdo con las prácticas en modelización, se ha separado la población total
en muestras diferentes de construcción y de validación, de forma que cada
modelo entrenado con la muestra de construcción se ha utilizado para repuntuar
la muestra de validación, y los resultados sobre la validación se han estimado
sobre dicha muestra.
77
Estos resultados se han obtenido sobre unas muestras de validación específicas,
si bien en un entorno de Machine Learning es adecuado evaluar en distintas
submuestras la adecuación de los resultados (vía técnicas de bootstrapping o
cross-validation).

37
La matriz de confusión a partir del punto de
corte que minimiza los errores
Una de las técnicas para medir el poder discriminante
del modelo es la matriz de confusión. Esta matriz
compara la predicción del modelo con el resultado real.
En el caso del modelo de scoring, permite comparar los
defaults predichos por el modelo con los que han
ocurrido realmente (Figura 26). Para ello, se calculan
las tasas de acierto (defaults correctamente predichos
por el modelo y operaciones clasificadas como no
defaults que finalmente no han entrado en
incumplimiento), y los errores del modelo (los
conocidos como error tipo I y error tipo II79
).
Figura 26. Matriz de confusión.
Dado que los modelos otorgan una puntuación (que es
una ordenación de las operaciones en función de la
calidad crediticia), para poder determinar si el modelo
predice un default es necesario establecer un punto de
corte. Una de las metodologías aceptadas en la
industria es fijar el punto de corte que minimiza
simultáneamente ambos errores (Figura 27).
Figura 27. Punto de corte que minimiza simultáneamente el error tipo I y
el error tipo II.
4 Finalmente, desde el punto de vista del posible impacto en
el negocio del incremento del poder predictivo de los
modelos, se obtiene que, a igualdad de volumen de
negocio, la tasa de morosidad se reduciría un 48% en el caso
del random forest (utilizando un punto de corte óptimo con
el modelo clásico, se obtendría una tasa de morosidad de un
2,1%, que se reduce al 1,1% con el random forest si se
mantiene el volumen de operaciones aprobadas), y un 30%
en el caso de la red elástica (donde la tasa de mora se
reduce al 1,4%). Asimismo, a igualdad de tasa de morosidad
(2,1%), el volumen de negocio se incrementaría un 16% en
el caso del random forest, y un 13% en el caso de la red
elástica.
Para poder beneficiarse de las ventajas asociadas a estas
técnicas resulta clave, por tanto, disponer de un marco y una
función de gestión del riesgo de modelo acordes con los
máximos estándares de calidad (ya tratados en una publicación
anterior78
de Management Solutions “Model Risk Management:
Aspectos cuantitativos y cualitativos de la gestión del riesgo de
modelo”), que incluya, entre otros aspectos, la ejecución por
parte de la función de Validación Interna de un challenge
efectivo a las hipótesis utilizadas y resultados arrojados por
dichos modelos, a través, entre otras técnicas, de la réplica de
los mismos y, en aquellas entidades más avanzadas, del
desarrollo de modelos “challenger” con técnicas tradicionales.
Figura 25. Curvas ROC obtenidas para cada una de las técnicas.
78
Management Solutions (2014)
79
Porcentaje de defaults erróneamente clasificados por el modelo, y
porcentaje de falsos defaults erróneamente predichos por el modelo,
respectivamente.

38
Acuity Market Intelligence (2016). “The Global Biometrics and
Mobility Report: The Convergence of Commerce and Privacy”.
Market Analysis and Forecasts 2016 to 2022.
BCBS (2005). “Studies on the Validation of Internal Rating
Systems”. Bank for International Settelments.
Bengio, Y. y otros (2015). Bengio, Y. LeCun, Y. Hinton, G.: "Deep
Learning"(2015) Nature.
Box, G. y Draper, N. (1987). “Empirical Model-Building and
Response Surfaces”. Wiley.
Breiman, L. (2001). “Statistical Modeling: The two cultures”, Vol
16 (3), Statistical Science, 2001. pp. 199-231.
Brynjolfsson, E. y McAfee, A. (2017). “The business of artificial
intelligence”. Harvard Business Review.
Cios, K.J. y otros (2007). Cios, K.J., Pedrycz, W., Swiniarski, R.W.,
Kurgan, L.: “Data Mining: A Knowledge Discovery Approach”.
Springer 2007.
Círculo de Empresarios (2018). “Alcance e implicaciones de la
transformación digital: principales ámbitos de actuación”.
Cisco (2017). “The Zettabyte Era: Trends and Analysis”. White
paper. Junio 2017.
Cybersecurity Ventures (2017). Cyber economy research.
Bibliografía

(2018). “Nuevas tendencias y desafios en el mundo de los
datos”. Marzo 2018.
Mitchell, T. (1997). Machine Learning. McGraw Hill.
Murphy, K. (2012). “Machine Learning: A probabilistic
perspective”. The MIT Press.
Parlamento Europeo (2016). Reglamento (UE) 2016/679 del
Parlamento Europeo y del Consejo de 27 de abril de 2016.
Pearson (2016). Lukin, R. et alter: “Intelligence Unleashed: An
argument for AI in Education”. Pearson.
Samuel, A. (1959). “Some studies in machine learning using the
game of checkers”. IBM Journal. July 1959.
Schwab, K. (2016). “The Fourth Industrial Revolution”. World
Economic Forum.
Shalev-Shwartz, S. y Ben-David, S. (2014). “Understanding
Machine Learning: From Theory to Algorithms”. Cambridge
University Press.
Statista (2017). “Number of Machine-to-Machine (M2M)
connections worldwide from 2014 to 2021”. 2018.
Statista (2018). “Digital Market Outlook”. 2018.
Techemergence (2017). “How America’s 5 Top Hospitals are
Using Machine Learning Today”.
The Economist (2017). Axel Springer’s digital transformation.
Turing, A.M. (1950). “Computer Machinery and Intelligence”.
Mind 49: p433-460.
Westerman, G. (2017). “Your Company Doesn’t Need a Digital
Strategy”. MITSloan Management Review.
Dahr, V. (2013). “Data Science and prediction”. Association for
Computer Machinery.
Digital Consumption (2016). World Economic Forum White
Paper Digital Transformation of Industries.
Domingos, P. (2012). “A few useful things to know about
Machine Learning”, Vol 55 (10), Communications of the ACM,
2012. pp. 78-87.
Domingos, P. (2015). “The Master Algorithm: How the Quest for
the Ultimate Learning Machine Will Remake Our World”. 2015.
EC (2017). Digital Transformation Scoreboard 2017. European
Commission.
Fitzgerald et al. (2013). "Embracing Digital Technology: A New
Strategic Imperative, Sloan Management Review
Forbes (2015). “Big Data: 20 Mind-Boggling Facts Everyone Must
Read”.
Forbes (2016). “Artificial Intelligence Is Helping Doctors Find
Breast Cancer Risk 30 Times Faster”.
Forbes (2017). Janakiram MSV: “3 Key Machine Learning Trends
To Watch Out For In 2018”. Forbes, diciembre 2017.
Friedman, J. H. (1997). “Data mining and statistics: what's the
connection?” Presented at the 29th Symposium on the
Interface: Computing Science and Statistics, May 14–17, 1997,
Houston, TX, pp. 3–9.
Frost & Sullivan (2017). “Global Forecast of RegTech in Financial
Services to 2020”.
International Telecommunication Union (2009). “Distributed
Computing: Utilities, Grids & Clouds”. ITU-T Technology Watch
Report 9.
International Telecommunication Union (2017). ITU World
Telecommunication/ICT indicators database 2015.
Jordan, M. I., Mitchell, T. M. (2015). “Machine learning: Trends,
perspectives, and prospects”, Vol 349 (6245), Science, 2015. pp.
255-260.
LEGOs (2018). Still “The Apple of Toys”? Harvard Business School
Management Solutions (2014). “Model Risk Management:
Aspectos cuantitativos y cualitativos de la gestión del riesgo de
modelo”.
Management Solutions (2015). “Data Science y la
transformación del sector financiero”.
McKinney (2018). “Python for Data Analysis”. O’Reilly Media.
Ministerio de Industria, Energía y Turismo. Gobierno de España
39

Análisis de componentes principales (PCA): es una técnica
utilizada para describir un set de datos en términos de nuevas
variables (componentes) no correlacionadas. Los componentes se
ordenan por la cantidad de varianza original que describen, por lo
que la técnica es útil para reducir la dimensionalidad de un conjunto
de datos. El PCA busca la proyección según la cual los datos queden
mejor representados en términos de mínimos cuadrados.
Auto-encoder: es una red neuronal utilizada para aprender
codificaciones (por ejemplo, reducción de dimensionalidad,
compresión, cifrado) eficientes.
Big Data: Cualquier cantidad voluminosa de datos estructurados,
semiestructurados o no estructurados que tienen el potencial de
ser extraídos para obtener información. Por extensión, se refiere
también al conjunto de infraestructuras y arquitecturas
tecnológicas que almacenan dichos datos.
Blockchain: estructura de datos que implementa un registro
criptográfico de todas las operaciones realizadas y previamente
validadas por una red de nodos independientes a través de un
algoritmo de consenso.
Bootstrapping: Método de remuestreo que se utiliza para
aproximar la distribución en el muestreo de un estadístico.
Utilizado frecuentemente para aproximar el sesgo o la varianza de
un análisis estadístico, así como para construir intervalos de
confianza o realizar contrastes de hipótesis sobre parámetros de
interés.
Business to Business (B2B): transacciones comerciales entre
empresas, es decir, aquellas que se establecen entre un fabricante
y el distribuidor de un producto, o entre el distribuidor y un
minorista.
40
Glosario

Machine to Machine (M2M): conectividad entre máquinas donde,
una vez que una acción es realizada, los datos generados por los
distintos elementos digitales involucrados se conectan con
servidores con el objetivo de almacenar y analizar la información.
Overfitting (sobreentrenamiento): característica de un modelo
que se da cuando este se ha ajustado demasiado a la muestra de
entrenamiento, de forma que no consigue resultados
satisfactorios sobre muestras diferentes a esta (por ejemplo sobre
la muestra de validación).
Partial likelihood deviance (PLD): indicador que permite
comparar el poder predictivo de un modelo bajo análisis con el de
un modelo de referencia (que puede ser un modelo constante). Se
calcula a través de la diferencia de las log-funciones de
verosimilitud parcial entre el modelo bajo análisis y el modelo de
referencia.
Partición ortogonal: partición de un espacio n-dimensional en
regiones a través de hiperplanos perpendiculares a cada uno de
los ejes que definen las variables explicativas.
Peer to Peer(P2P): red de ordenadores que permiten el
intercambio directo de información en cualquier formato, entre
los ordenadores interconectados.
Regtech: combinación de los términos regulatory technology, que
alude a una compañía que utiliza la tecnología para ayudar a las
empresas a cumplir con la normativa de manera eficiente y con un
coste reducido.
Regularización: técnica matemática que consiste en añadir un
componente a la función de coste para detectar aquellas variables
que no están aportando al modelo información significativamente
diferente. Se utiliza para evitar problemas de overfitting (como, por
ejemplo, el caso de las redes elásticas).
Resampling: conjunto de métodos que permite obtener nuevas
muestras de datos a partir de un conjunto de datos determinado,
diferentes a éste, pero representativas de la misma población (por
ejemplo, el bootstrapping). Se utiliza principalmente para crear
subconjuntos de entrenamiento y validación sobre la muestra
original.
Roboadvisor: algoritmo automático que proporciona
asesoramiento y gestión online con una mínima intervención
humana. Este servicio se suele prestar típicamente para la gestión
de inversiones financieras a través de web facilitando la creación
de una cartera de inversión personalizada y adaptada al contexto
de cada persona.
Robotics Process Automation (RPA): desarrollo de software que
replica las acciones de un ser humano, interactuando con la
interfaz de usuario de un sistema informático.
Smart contract: contrato programable que implementa reglas de
negocio, cuyo código queda registrado y puede ser ejecutado de
forma distribuida por los diferentes nodos de la red.
Stepwise: método iterativo de construcción de modelos basado
en la selección automática de variables.
Cadena de Markov: proceso estocástico discreto en el que la
probabilidad de que ocurra un evento depende únicamente del
suceso anterior.
Ciberseguridad: conjunto de herramientas, políticas, métodos,
acciones, seguros y tecnologías que pueden utilizarse para
proteger los distintos activos tecnológicos y los datos de una
organización almacenados en algún tipo de soporte físico o lógico
en el ciberentorno, así como las comunicaciones entre dichos
activos.
Computer Vision: subcampo de la inteligencia artificial, cuyo
propósito es programar un computador para que entienda una
escena o las características de una imagen.
Curva ROC (Receiver Operating Characteristic): curva empleada
para analizar el poder predictivo de un modelo de salida binaria.
Representa la relación entre el error de tipo 1 (clasificar
incorrectamente sucesos adversos) y el error tipo 2 (clasificar
incorrectamente sucesos favorables).
Data dredging: en Data Mining se analizan grandes volúmenes de
datos buscando posibles relaciones entre los mismos. El data
dredging se produce cuando se encuentran relaciones que no
están respaldadas por hipótesis o causas que realmente expliquen
dichas relaciones.
Función de coste: función que, a partir de un valor de los
estimadores de un modelo, da una medida del error que se
comete al utilizar el modelo. El proceso de entrenamiento de un
modelo suele consistir en obtener los estimadores que minimizan
la función de coste.
Function as a Service (FaaS): categoría de servicios de
programación en la nube que provee una plataforma que permite
a los usuarios desarrollar, usar y administrar funcionalidades de
una aplicación sin la complejidad de construir y mantener la
infraestructura típicamente asociada a dicha aplicación.
Graphics Process Unit (GPU): coprocesador dedicado al
procesamiento de gráficos u operaciones de coma flotante para
aligerar la carga de trabajo del procesador central (CPU).
Greedy: algoritmo en el que cada elemento a considerar se evalúa
una única vez, siendo descartado o seleccionado, de tal forma que
si es seleccionado forma parte de la solución, y si es descartado,
no forma parte de la solución ni volverá a ser considerado para la
misma.
Internet de las cosas (IoT): interconexión digital de objetos
cotidianos (conexión avanzada de dispositivos, sistemas y
servicios) con internet, lo que permite enviar y recibir datos de
dichos objetos sin necesidad de intervención humana.
k-fold cross validation: proceso de validación de muestras
cruzadas que consiste en dividir la muestra en “k” grupos, y de
forma iterativa utilizar cada uno de los grupos para la validación y
el resto para la construcción, cambiando el grupo de validación en
cada iteración.
Knowledge discovery: proceso de identificar patrones en los datos
que sean válidos, nuevos, potencialmente útiles, y entendibles.
41

42
Nuestro objetivo es superar las
expectativas de nuestros clientes
convirtiéndonos en socios de confianza
Management Solutions es una firma internacional de servicios de
consultoría centrada en el asesoramiento de negocio, finanzas,
riesgos, organización y procesos, tanto en sus componentes
funcionales como en la implantación de sus tecnologías
relacionadas.
Con un equipo multidisciplinar (funcionales, matemáticos,
técnicos, etc.) de 2.000 profesionales, Management Solutions
desarrolla su actividad a través de 24 oficinas (11 en Europa, 12
en América y 1 en Asia).
Para dar cobertura a las necesidades de sus clientes,
Management Solutions tiene estructuradas sus prácticas por
industrias (Entidades Financieras, Energía y Telecomunicaciones)
y por líneas de actividad (FCRC, RBC, NT) que agrupan una amplia
gama de competencias: Estrategia, Gestión Comercial y
Marketing, Gestión y Control de Riesgos, Información de Gestión
y Financiera, Transformación: Organización y Procesos, y Nuevas
Tecnologías.
El área de I+D da servicio a los profesionales de Management
Solutions y a sus clientes en aspectos cuantitativos necesarios
para acometer los proyectos con rigor y excelencia, a través de la
aplicación de las mejores prácticas y de la prospección continua
de las últimas tendencias en data science, machine learning,
modelización y big data.
Javier Calvo
Socio de Management Solutions
javier.calvo.martin@msgermany.com.de
Manuel A. Guzmán
Gerente de I+D de Management Solutions
manuel.guzman@msspain.com
Daniel Ramos
Metodólogo de I+D de Management Solutions
daniel.ramos.garcia@msspain.com

Management Solutions, servicios profesionales de consultoría
Management Solutions es una firma internacional de servicios de consultoría, centrada
en el asesoramiento de negocio, riesgos, finanzas, organización y procesos.
Para más información visita www.managementsolutions.com
Síguenos en:
© Management Solutions. 2018
Todos los derechos reservados
Madrid Barcelona Bilbao London Frankfurt Paris Warszawa Zürich Milano Roma Lisboa Beijing New York Boston Atlanta
Birmingham San Juan de Puerto Rico Ciudad de México Medellín Bogotá São Paulo Lima Santiago de Chile Buenos Aires

Machine learning

Más contenido relacionado

La actualidad más candente (20)

Similar a Machine learning (20)

Último (20)

Machine learning