Neo Metrics, nacida en el seno de la universidad de Oviedo, se dedica a aplicar las matemáticas a la mejora de los procesos de negocio de grandes compañías. Esta firma, adquirida a comienzos de este año por Accenture, desarrolla además algoritmos capaces de extraer información útil de las redes sociales, detectando sentimientos positivos, negativos y hasta algo tan complejo como la ironía.
El gigante de la consultoría Accenture, con 250.000 empleados en el mundo y 9.000 en España, compró a principios de año Neo Metrics, una firma creada en 2003 por cuatro amigos asturianos –dos matemáticos, un informático y un economista–, muy vinculada con la cátedra de Álgebra de la Universidad de Oviedo.
La compañía, que ha pasado a formar parte de la división Accenture Analytics, cuenta entre su clientela con grandes empresas de sectores como las telecomunicaciones y la banca.
Su campo de acción es “el desarrollo de modelos matemáticos y analíticos aplicados a la mejora de los procesos de negocio, como el diseño de campañas de marketing personalizadas, la fidelización de clientes y la prevención de fraudes”, explica a SINC Jorge Sueiras, uno de los fundadores de Neo Metrics y ahora director de I+D de la división de analítica de la consultora en Madrid.
La firma, que dedicó el año pasado el 16% de su facturación a I+D –cuando todavía era Neo Metrics–, está explorando ahora nuevos ámbitos a los que aplicar sus algoritmos. Según el consultor, “un gran campo abierto es la aplicación de modelos matemáticos para analizar la información textual procedente de redes sociales como Twitter y Facebook”.
“Es un volumen muy grande y en constante crecimiento y las empresas encuentran muchas dificultades para rastrear todo el contenido que les concierne: saber qué se dice de ellas, por qué se dice, cómo son valoradas por los usuarios y la mejor forma de apoyarse en esta información para mejorar su negocio y ajustarse a lo que los clientes demandan”, aclara Sueiras.
Minería de datos
En este ámbito, Accenture Analytics ha desarrollado una herramienta de minería de datos destinada a empresas, llamada AQUA TM, que analiza la información en varios niveles: si están hablado de una empresa, lo que se dice de ella, e incluso de las personas que la forman –directivos, accionistas, etc.–.
“También si de lo que se habla tiene un tono positivo que refuerza la imagen de la empresa y la calidad de los productos y servicios o si, por el contrario, es negativo. Además, analiza el tipo de crítica y qué es lo que se está criticando”, añade el directivo.
Según Sueiras, los algoritmos también pueden analizar las opiniones y comentarios que puedan surgir en redes sociales respecto a una campaña determinada de una empresa o de la repercusión de una noticia que se haya producido en una de sus oficinas. “Un montón de temas que surgen en estas redes y que desaparecen con gran velocidad”.
“El software permite a las empresas extraer la información de las redes sociales y clasificarla. Esto da a las personas encargadas de examinar esa información en las empresas la posibilidad estructurarla por temas, por sentimientos y por otras medidas que ellos puedan definir. De este modo, podrán gestionar esa información y aprovecharla para mejorar sus procesos y evitar problemas de riesgo de reputación”, explica.
La herramienta realiza tanto un análisis morfosintáctico, que descifra los compontes del texto –por ejemplo, si son nombres verbos, adverbios, si un adjetivo va asociado a un nombre, etc –, como semántico, intentando capturar el sentido del texto y los sentimientos.
Analizar la ironía matemáticamente
Los sentimientos están asociados a muchos giros del lenguaje que son complejos de analizar por una herramienta. “El ejemplo más típico es la ironía, una forma de expresarse en la que con palabras positivas se puede decir algo negativo. Nuestro software es capaz de detectar estos matices”, asegura.
La idea fundamental, según este matemático, es convertir el texto en información estructurada. La herramienta analiza el texto en su conjunto y le asigna una representación vectorial. Para clasificarlos de manera automática, el modelo se basa en la similitud entre el vector del texto que se va a clasificar con los de los textos clasificados manualmente para entrenar el modelo.
Según el directivo, AQUA TM ha sido desarrollada este año y ya está siendo utilizada por una gran entidad financiera y otra de press clipping.
En el caso de la entidad financiera, cuyo nombre no puede desvelar, lo que se rastrea son problemas de reputación que puedan surgir, señala Sueiras. Cada mañana esta entidad tiene clasificada la información que llega de los medios sociales por prioridad y relevancia negativa para poder verla cuanto antes.
“Antes la entidad revisaba la información secuencialmente y podían detectar una noticia problemática a lo mejor a media tarde; ahora la tienen clasificada y nada más llegar a la oficina está la primera de la lista”, destaca.
Detectar depredadores sexuales
En este momento Accenture Analytics está viendo cómo explotar el potencial de esta herramienta en otros campos. “Por ejemplo, las compañías reciben una gran cantidad de correos electrónicos de todo tipo: gente que da las gracias, se queja o pide información. Nuestro software permite clasificar esos correos por tema, por motivo o por área. Incluso generar algún tipo de respuesta automática, en caso de que las preguntas sean de la misma índole. Si todo el proceso se hace de forma automatizada, la reclamación se recibirá más rápidamente y el cliente estará más satisfecho”, dice Sueiras.
La firma también está explorando si este software puede ser de utilidad en aplicaciones de control parental. Por ejemplo, para detectar depredadores sexuales en chats, analizando el lenguaje y la forma de expresarse que utilizan estas personas para poder identificarlas.
Según Sueiras, otro uso de la herramienta de análisis textual sería la clasificación de webs por su contenido. “Si se trata de un contenido que puede ser potencialmente peligroso para determinados sectores de la población. También sería aplicable a empresas, para que su publicidad no acabe en una página web con contenido inadecuado”, subraya.
La empresa Accenture Analytics dispone de otra herramienta de software, llamada AQUA SN, que se desarrolló, en principio, para el análisis de bases de datos de empresas y que ahora está siendo también aplicada en análisis de redes sociales, no por contenido, sino para descifrar cómo se relaciona la gente en estas redes y su capacidad de influencia sobre otros.
“Este software ya se ha utilizado en análisis de las bases de datos de clientes de las compañías. Por ejemplo, en entidades financieras se ha usado para saber si dos de sus clientes están relacionados y ofrecerles productos simultáneos. Y en el sector de las telecomunicaciones, para detectar a las personas que son influyentes en su entorno, ofrecerles incentivos y frenar las cancelaciones de contratos”, explica el director departamento de I+D de Accenture analytics en Madrid, Jorge Sueiras.
Ahora la firma está adaptando la herramienta a su uso en redes sociales para conocer, por ejemplo, cómo varios usuarios de Twitter pueden estar vinculados dependiendo si se reenvían información, las conversaciones que tienen entre ellos, etc.
La tecnología utilizada es la de análisis de grafos, análisis de relaciones entre las personas. Se utilizan algoritmos para identificar dentro de un grafo a comunidades de individuos con intereses comunes. Otro tipo de algoritmos analizan como se propaga la información
Un aspecto que están estudiando en Accenture Analytics es cómo algo se convierte en trending topic (tendencia) en Twitter. Jorge Sueiras señala que matemáticamente es difícil saberlo. “Hay un algoritmo que indica que si hay muchos tuits sobre un tema, es posible que sea un trending topic. La idea es construir algoritmos que permitan descifrar el proceso por el que se crean”.
El consultor reconoce que aún están construyendo el modelo de negocio para esta última aplicación y definiendo quién podría ser el usuario final.
Un estudio de modelización publicado en Nature Computational Science prevé que la creciente popularidad de la inteligencia artificial generativa disparará el volumen de desechos electrónicos, que podría alcanzar los 5 millones de toneladas en una década.
Este aparato detecta dosis de opioides que podrían ser letales y administra el fármaco naloxona para restaurar la respiración de forma automática. El avance podría salvar miles de vidas en medio de la creciente crisis de estas sustancias en EE UU.
