¿Qué es mejor para la Inteligencia Artificial: cantidad o calidad de los datos?

En las últimas décadas, la aparición de los ecosistemas Big Data capaces de almacenar y procesar grandes volúmenes de datos, constituyó las bases para nutrir y mejorar los modelos basados en analítica avanzada e inteligencia artificial.

Grandes conjuntos de datos son utilizados a diario por las empresas con mayor crecimiento del mundo, como Google, Amazon o Facebook; y cada vez son más las compañías que se están subiendo al carro de los datos. Aunque en España, según un estudio llevado a cabo por el Observatorio Nacional de las Telecomunicaciones y Sociedad de la Información (ONTSI), sólo el 8,81% de empresas aplicaron Big Data en 2017 para procesar sus grandes cantidades de datos. Aun así, el 74% de los ejecutivos encuestados por Accenture afirman que el Big Data es esencial para la transformación digital de las empresas.

Uso de datos para tomar mejores decisiones empresariales

La gran cantidad de información disponible es una oportunidad enorme para las compañías, ya que estos volúmenes de datos ayudan al proceso de análisis para la mejora de la toma de decisiones empresariales.

Las diferentes técnicas de analítica avanzada e inteligencia artificial son capaces de extraer valor de estos datos, para poder saber qué ha ocurrido en la empresa (Analítica Descriptiva), por qué ha ocurrido (Analítica Diagnóstica), qué pasará en el futuro (Analítica Predictiva), y cuál es la mejor decisión a tomar entre todas las posibles (Analítica Prescriptiva).

La calidad de los datos de entrada en los modelos y soluciones de analítica avanzada e inteligencia artificial es muy importante, pues de ella dependerán los resultados de los mismos. Si se introducen datos erróneos o sesgados, los resultados de los modelos serán engañosos, lo que comprometerá el proceso de toma de decisiones. 

¿Calidad o cantidad de los datos?

Cuanto mayor sea la cantidad de datos de entrada, mejores serán los resultados de los análisis avanzados, pero siempre que estos datos sean reales y fiables. 

La mejor práctica es encontrar un equilibrio entre la calidad de los datos (veracidad de los mismos), y tener una cantidad de data suficiente como para poder sacar el máximo provecho de los sistemas de inteligencia artificial

Por ello, las empresas deberían examinar los datos y determinar su calidad antes de comenzar cualquier proyecto de inteligencia artificial. Porque los resultados de los análisis avanzados de los datos, dependerán de la calidad de los mismos. 

TE PUEDE GUSTAR

EVENTOS

RECIBE LA NEWSLETTER

*Email:

*Nombre:

*Empresa:

Cargo:

Sector:
     

Please don't insert text in the box below!

ESCUCHA NUESTRO PODCAST

SÍGUENOS EN RRSS

MÁS COMENTADOS

Scroll al inicio