Y es justamente en el campo de los derechos humanos donde comienza a notarse con mayor fuerza la aparición de mecanismos e instituciones jurídicas globales. A través de las organizaciones internacionales, de los tratados y otras formas de interrelación y cooperación internacional, se ha formado un subsistema jurídico-institucional, que regula cibernéticamente el sistema social constituido por esta comunidad internacional (2006, p. 332). Los retos que surgen de esta herramienta de análisis incluyen las responsabilidades tanto de las empresas privadas, como lo ha puesto de manifiesto la Organización de Naciones Unidas a través de los Principios rectores sobre las empresas y los derechos humanos.
Sin embargo, las estadísticas que se obtienen con la técnica de análisis de los grandes cúmulos de datos también permiten dar cuenta de las violaciones a los derechos humanos, por lo que pueden considerarse como herramientas útiles para que tanto los agentes gubernamentales como la comunidad internacional puedan hacer uso de ellos, observar tendencias y emitir alarmas. Las Naciones Unidas ya ha considerado los macrodatos para contribuir al desarrollo sostenible a través de su proyecto «Construyendo nuestro futuro juntos», en el cual contempla el uso de los macrodatos para el desarrollo sostenible. En primer lugar, a la gran cantidad de datos disponibles, es decir a la existencia de un masivo volumen de datos que pueden ser utilizados con diversos fines y están al alcance de empresas, estados y particulares. En segundo lugar, con la expresión Big Data se alude también al conjunto de tecnologías cuyo objetivo es tratar grandes cantidades de información, de datos, empleando complejos algoritmos y estadística con la finalidad de hacer predicciones, extraer información oculta o correlaciones imprevistas y, en último término, favorecer la toma de decisiones. Como resultado, se encontró que la mayoría de las investigaciones bajo estos parámetros centran el análisis en las distintas normas jurídicas en materia de privacidad y protección de datos, tendientes a regular la manera en que se realiza la minería de datos.
El 83% de los bancos europeos utiliza IA para mejorar su experiencia de cliente
En estos tres últimos países se abrieron investigaciones por presunta manipulación de datos personales de usuarios de redes sociales (García, 2018). Las investigaciones de Waller y Fawcett (2013) y Schoenherr y Speier-Pero (2015) destacan un enfoque basado en el valor predictivo del big data para establecer una ventaja competitiva a partir del uso de la información. Estos autores sugieren que este campo aún no ha sido suficientemente explorado y que no existen programas de formación profesional que se enfoquen en su desarrollo formal en las organizaciones. Además, el uso de big data en la logística también es un factor importante que se debe considerar, tal como lo fundamentan Wang https://www.javiergosende.com/ciencia-datos-inteligencia-artificial et al. (2016), al asociar el uso de los datos con el descubrimiento de trayectorias logísticas que favorezcan las cadenas de suministro y favorezcan la producción. También se debe tener en cuenta el crecimiento del mercado como un desafío para cualquier organización, por lo que se requiere una comprensión integral antes de tomar decisiones asertivas para la transformación de los procesos y del entorno. Papadopoulos et al. (2017) y Arunachalam et al. (2018) aportan nuevas perspectivas de enfoque sobre el uso del big data al asumir las capacidades de análisis dentro de la gestión de la cadena de suministro como un asunto que en la práctica genera retos, problemas y obstáculos.
Para entender este fenómeno, Lewis (2014) apunta la conveniencia de profundizar en el análisis de casos empíricos, tanto en el nivel micro (local) como en el nivel macro (institucional), en la generación de un marco conceptual para organizar, interpretar y teorizar esta cuestión y en la aplicación de perspectivas críticas que nos ayuden a interpretarla. Con base en lo anterior, el estudio del COVID-19 empleando Big Data puede valerse de la analítica retrospectiva y descriptiva avanzadas (Mohamed et al., 2019) expresas en la inteligencia de negocios (Business intelligence) (Chahal, Jyoti y Wirtz, 2019); ya que esta permite focalizar el estudio mediante indicadores y tendencias en el tiempo, lo que incluye predicciones a futuro. Bajo estos criterios, entra a formar parte la ciencia de datos empleando técnicas estadísticas y matemáticas caracterizadas en las variables de estudio que permiten ampliar las técnicas y modelos representados como clusters (Mohebi et al., 2016) a través de patrones o correlaciones de datos, que a la vez pueden ser integrados con la IA para mejorar los resultados. Las herramientas que permiten extraer esta información provienen de diversas disciplinas, tales como la Ciencia de la Computación, la Estadística y la Inteligencia Artificial, entre otras. La diversidad de fuentes de donde provienen estas herramientas ha dado origen a un nuevo campo científico interdisciplinario cuyo fin es desarrollar técnicas para extraer información a partir de datos. Esta disciplina, conocida como Ciencia de Datos (Data Science en inglés) es la segunda componente en la metodología de análisis de datos a gran escala.
Escalabilidad en la analítica de datos e IA con Tableau Cloud: ¿Quieres saber más?
Con el uso de tecnologías disruptivas como la inteligencia artificial y el Big Data se espera estar mejor preparados para una próxima pandemia, incluso prevenirla. Tecnologías 4.0 como el internet de las cosas, la computación inteligente y la computación en la nube aportarán lo suyo en cuanto al monitoreo permanente de las ciudades en busca de anomalías biológicas y químicas que impliquen algún riesgo para la sociedad o el medio ambiente. Este tipo de desarrollos pueden ser personalizados, pues al aplicar algoritmos de aprendizaje predictivo se minimizan los riesgos al formular tratamientos que pueden establecer si un paciente los tolera o no. Otro tipo de aplicación del aprendizaje automático ronda entorno a la predicción de riesgos de infección, basado en características específicas de una persona, tales como edad, ubicación geográfica, nivel socioeconómico, hábitos sociales y de higiene, condiciones preexistentes e interacción humana, entre otros. Con estos datos se puede establecer un modelo predictivo sobre el riesgo que puede traer consigo un individuo o grupo de personas de contraer COVID-19 y factores asociados a desarrollar complicaciones (Jiang et al., 2020) e incluso, predecir los resultados de un tratamiento.
- El análisis de big data permite tener información real de los individuos y, a su vez, modelar los datos para un propósito específico como predecir las decisiones de los individuos (Paterson & Maeve, 2018, p. 18).
- Rodríguez Brito y García Chico (2013) enfatizan la relevancia que tiene en la actualidad la filosofía del open data, fundamentalmente en lo que se refiere a la transparencia en el acceso, desde la óptica profesional del periodista.
- SIOC permite nuevos tipos de escenarios de uso para los datos online generados por usuarios (o en community sites) así como nuevas aplicaciones semánticas.
- En esta fase, se llevó a cabo un análisis de redes que permitió visualizar los documentos más relevantes sobre la implementación de big data en cadenas de suministro y procesos logísticos, así como identificar los principales clústeres de investigación en este campo.
- En este sentido, la clave se sitúa en los procedimientos de representación-descripción de la información y el conocimiento, así como de las relaciones entre ellas, fundamentalmente con capacidad para que sean comprensibles desde un punto de vista informático.
El análisis de big data se basa en la inteligencia artificial, la misma que es entendida como «el estudio de cómo programar computadoras que posean la facultad de hacer aquello que la mente humana puede realizar» (Escolano et al., 2003, p. IX). Por otro lado, el aprendizaje de las máquinas -o machine learning, en inglés- es definido como «la programación de computadoras para optimizar su desempeño, usando un criterio con datos previos o experiencias pasadas» (Alpaydin, 2010, p. XXXV) para obtener grandes cantidades de datos personales en la toma de decisiones que están relacionadas Diferencia entre los datos NoSQL y los datos relacionales con los individuos. El análisis de grandes cúmulos de datos incluye la aplicación de un análisis veloz y sofisticado en donde la información de individuos y de grupos humanos es obtenida de diversas fuentes. Para ello, se utilizan herramientas como la inteligencia artificial con el objetivo de procesar y analizar los datos obtenidos para predecir y anticipar los eventos futuros de esa manera (Paterson & Maeve, 2018, p. 3). Cabe señalar que Joyanes expone que el uso del concepto de big data se remonta al año 1984 en el ámbito académico y a 1987 fuera de este (2013, p. 3).