Éxito del aprendizaje automático

La iniciativa es un programa europeo de innovación para empresas de nueva creación y PYME. El aprendizaje profundo, una rama del aprendizaje automático (ML), es un enfoque prometedor para optimizar los datos de los clientes con fines de marketing, por ejemplo. Uniserv quiere impulsar esta tecnología junto con las start-ups Frosha.io y Recogn.ai.

Las bases de datos de clientes son propensas a errores

Como parte de la iniciativa Data Pitch, Uniserv invitó en verano a start-ups a desarrollar una solución de aprendizaje automático. Esta debía estar capacitada para fusionar datos de diversas fuentes internas y externas, como sitios web, datos abiertos, perfiles de redes sociales o correos electrónicos.

Estas fuentes son extremadamente heterogéneas. Además, la solución tenía que corregir automáticamente los errores en los registros de datos existentes, y así poder optimizar las bases de datos de clientes. Y es que a menudo se deslizan errores, sobre todo en datos maestros como nombres y direcciones.

Simone Braun, Business Development, Uniserv, explica: "Por ejemplo, la información sobre una persona se almacena a menudo en los registros de datos de la empresa o los nombres de las empresas se mencionan en el campo de la dirección.

A menudo ocurre que la información sobre varias personas sólo se almacena en un registro de datos de una sola persona. Aunque un humano reconoce estos errores inmediatamente, para una máquina son difíciles de corregir. Sin embargo, la tecnología de autoaprendizaje utilizada debería superar las capacidades humanas".

El aprendizaje profundo reconoce las estructuras defectuosas

El enfoque de las soluciones de aprendizaje profundo de las dos start-ups europeas Frosha.io y Recogn.ai resultó especialmente convincente. Frosha.io utilizó las llamadas redes neuronales recurrentes para la tarea. Recogn.ai impresionó con su enfoque de combinar grafos de conocimiento y aprendizaje profundo para el procesamiento del lenguaje natural.

Mediante las redes neuronales del aprendizaje profundo, una máquina es capaz de reconocer y evaluar estructuras y mejorarse a sí misma de forma independiente en varias ejecuciones.

De este modo, la tecnología permite utilizar incluso registros de datos de clientes no estructurados para medidas de marketing, entre otras cosas. Ambas soluciones también debían tener en cuenta el Reglamento General de Protección de Datos (RGPD) de la UE.

En el marco del concurso, Uniserv proporcionó a las start-ups participantes conjuntos de datos con información sintética sobre nombres y direcciones en formato no estructurado y semiestructurado. Frosha.io y Recogn.ai lograron imponerse entre 142 aspirantes en otoño y se enfrentaron con éxito a las preguntas críticas del jurado de Uniserv, la Comisión Europea y representantes de la Data Pitch Initiative en Londres a finales de octubre.

A continuación fueron aceptados en el programa de incubadora financiado por la UE. Esto les da seis meses a partir del 1 de febrero de 2018 para poner en práctica su idea de solución con el apoyo financiero de la UE. Durante este tiempo, Uniserv apoyará a ambas empresas emergentes como socio colaborador aportando conocimientos y conjuntos de datos que el sistema de aprendizaje automático pueda utilizar para aprender.

En el futuro, Uniserv tiene la intención de colaborar con ambas empresas emergentes para seguir desarrollando sus respectivos proyectos. El objetivo es intercambiar continuamente conocimientos sobre el uso del aprendizaje automático y la inteligencia artificial para procesar los datos de los clientes y utilizarlos en iniciativas de marketing.

Oportunidad para nuevas empresas

Data Pitch es un programa de incubadoras financiado por la Unión Europea que pone en contacto a empresas e instituciones públicas con start-ups de toda Europa.

Como parte de la iniciativa, en verano y otoño de 2017 se celebró un concurso. En este concurso, las empresas dedicadas al análisis de datos pudieron asignar tareas a start-ups y pymes. La iniciativa fomenta las start-ups proporcionándoles apoyo financiero, mientras que las empresas participantes se benefician a su vez de las nuevas ideas.