Olga López ¿Cómo acertar con las palabras clave en tus textos? El mundo digital nos está volviendo locos. Cuando escribes un texto, debes tener en cuenta cientos de cosas a la vez, cantidad de palabras, extensión del titular, características del texto,...
Carmen Urbano Experiencias colectivas digitales para la exportación y la internacionalización En la internacionalización empresarial como en la vida merecen la pena los buenos compañeros de viaje. La exportación sostenible es siempre una consecuencia y una labor paciente y continua...
Mario Cantalapiedra Cinco opciones de salida para un ‘business angel’ Un rasgo fundamental que define a los business angels es el carácter temporal de su inversión. Aportan capital en las etapas iniciales de las empresas, pero lo suelen hacer...
Mar Álvarez Casasola Tal vez eres un ‘bleisurista’ y no lo sabes ¿Contestas correos o tuiteas temas de trabajo desde el sillón de tu casa mientras ves la televisión? ¿Alguna vez has aprovechado un viaje de trabajo para hacer turismo? ¿Realizas...
Telefónica Tech Boletín semanal de Ciberseguridad, 15 – 19 de mayo Vulnerabilidades en plataformas cloud El equipo de investigadores de Otorio descubrió 11 vulnerabilidades que afectan a diferentes proveedores de plataformas de administración de cloud. En concreto, se tratan de Sierra...
ElevenPaths #NoticiasCiberseguridad: Boletín de ciberseguridad semanal 27-31 de enero Conoce aquí las noticias de ciberseguridad más importantes de esta semana, recopiladas en este informe de nuestros expertos del Security Cyberoperations Center.
Félix Hernández ¿Cómo mejorar nuestra industria? Geprom y Telefónica Empresas ya están en ello Nos han enseñado que el futuro lo construye quien se hace las preguntas adecuadas. Una de ellas en este momento sería: ¿cómo mejorar nuestra industria? Ya Sócrates, mediante una...
Mónica Sofía García Reverde, una pasión muy saludable Daniel Blanco y Pablo Vidal, dos apasionados de la nutrición y la comida saludable, decidieron crear su propio Centro de Nutrición y Salud en 2013, debido a las numerosas...
Cómo analizar documentos con FOCA en diez pasos (o menos)Fran Ramírez 26 junio, 2019 Cada vez que creamos un documento ofimático, como puede ser un procesador de texto (por ejemplo, Microsoft Word), una presentación (un PowerPoint), una hoja de cálculo (un Excel), un PDF o incluso imágenes, estos almacenan por defecto mucha más información de la que pensamos. Existe un contenido adicional incrustada en los ficheros que recibe el nombre de metadatos y pueden contener datos como por ejemplo el nombre del autor, la fecha de creación/modificación o incluso el título del documento. Aunque esto ya de por sí ofrece bastante información, un análisis más profundo puedo extraer todavía más datos que van más allá de los mencionados, dando, por ejemplo, contenido muy importante sobre la infraestructura donde fue creado. Por ejemplo, es posible extraer contraseñas, nombres de usuarios, nombres de carpetas, nombres de servidores, impresoras, ediciones realizadas, etc. todo esto en simple fichero ofimático. Esta información podría poner en grave riesgo, además de nuestra privacidad, la integridad de nuestra empresa u organización, ya que ofrece muchos datos importante que un posible ciberdelicuente podría utilizar para analizar nuestra infraestructura (esta técnica se llama “fingerprinting”) y luego lanzar algún tipo de ataque basándose en esto. En el caso de las imágenes, la información más relevante que se puede obtener es la localización geográfica desde la cual se tomó la fotografía, ofreciendo datos por ejemplo, de un itinerario que hayamos realizado. Los metadatos son más importantes de lo que parecen a simple vista. Quizás el caso más llamativo fue el de Tony Blair y el documento Word que teóricamente probaba que Irak tenía armas de destrucción masiva, pero una revisión de los metadatos sacó a la luz mucho contenido, como revisiones y comentarios que probaron que dicha información era falsa. FOCA es una herramienta gratuita creada por ElevenPaths la cual es de gran utilidad a la hora de analizar los metadatos, ya sea de un documento o incluso de toda una organización. La FOCA es código abierto y disponible para su descarga desde el repositorio GitHub de ElevenPaths. Vamos a ver lo sencillo que es extraer todos los datos de un documento ofimático y también obtener los informes de metadatos de toda una organización en unos sencillos pasos. Extracción de metadatos de uno o varios ficheros locales Paso 1: Una vez tenemos abierta FOCA, simplemente marcamos la opción “Metadata” [1] y luego, con el botón derecho del ratón hacemos click en la zona [2] que se indica en la imagen y finalmente en “Add file” [3] (si queremos analizar el contenido de una carpeta completa, utilizaremos la opción “Add folder”) seleccionamos el fichero que queremos analizar sus metadatos (también es posible arrastrar el fichero o la carpeta directamente): Paso 2: una vez cargado el fichero haremos click sobre él con el botón derecho del ratón [4] y luego seleccionamos la opción “Extract Metadata” [5] : Paso 3: para visualizar los resultados, nos fijaremos en la parte izquierda del panel done aparecerá en el apartado “Metadata” el nombre y formato del fichero (en este caso un .docx llamado “Test1”) [6] . Pulsando sobre él, podremos ver a la derecha un resumen de todos los metadatos extraídos [7] : Extracción de todos los metadatos de una organización Paso 1: el primer paso será definir un proyecto. Para ellos vamos a la sección “Project” y seleccionamos “New Project” [1] : Paso 2: El apartado [2] “Select Project” lo utilizaremos si previamente ya hemos creado un proyecto y lo queremos reutilizar, en caso de crear uno desde cero, dejaremos vacía esta opción. En “Project name” daremos el nombre del proyecto [3] . “Domain website” [4] nos permite introducir la dirección URL que vamos a auditar. Si hubiera otros dominios alternativos donde queremos que FOCA también busque ficheros, es posible añadirlos en “Alternative domains” [5]. Los ficheros que vayamos descargando (luego veremos el procedimiento) se almacenarán en la carpeta que se defina en “Folder where save documents” [6] . Finalmente pulsaremos en “Create” [7] para definir nuestro proyecto. Paso 3: en este punto volveremos a estar en la pantalla de “Metadata”. El primero de los pasos será marcar los motores de búsqueda “Search Engines” [8] (en el ejemplo, hemos marcado los tres). En el apartado “Extensions” tenemos la opción de seleccionar o no el tipo de fichero que queramos buscar en nuestro proyecto [9] . Después de pulsar “Search All”, al cabo de un tiempo (el cual estará definido por la cantidad de ficheros localizados en la URL del proyecto) nos aparecerá un listado similar al que podemos ver en el punto [10] . Paso 4: para analizar el fichero o los ficheros obtenidos del análisis, el proceso es similar al que realizamos en el apartado anterior para un fichero único. Pero esta vez tenemos que dar un paso previo, y es descargarlo. Para ellos pulsamos sobre el botón derecho sobre el fichero [11] (también podemos seleccionar varios ficheros manteniendo la tecla “Mayúsculas” pulsada( que queramos analizar y luego la opción “Download” tal y como muestra el punto [12] (si queremos descargar todos, pulsaremos la opción “Download All”). Paso 5: una vez descargado veremos a la derecha un punto y también la fecha y la hora de descarga. Ahora procederemos a extraer los metadatos con “Extract Metadata” [13] y luego los analizaremos [14] con “Analyze Metadata”: Paso 6: finalmente, obtenemos la salida que se muestra en la imagen siguiente (hemos ocultado el contenido por motivos de privacidad) donde se puede apreciar claramente que hemos obtenido el nombre del ordenador donde se ha creado [15] , datos de los servidores [16], el nombre de dos usuarios [17], el tipo de software [18] y también información general sobre el documento como la fecha de creación, etc. En el siguiente vídeo se muestra en detalle más info sobre FOCA, opciones y funcionamiento: Y este libro publicado por la editorial 0xWord ofrece en detalle, cómo sacar partido a todas las opciones y posibilidades de FOCA: Es importante utilizar un software como FOCA para auditar tanto ficheros personales como los de una organización, y de esa forma obtener una visión sobre el contenido que estamos desplegando de manera involuntaria con este tipo de ficheros y evitar data leaks o fuga de información. Si necesitas una solución profesional, recuerda que ElevenPaths ofrece Metashield Protector, una solución empresarial con varias herramientas destinadas a analizar, proteger y filtrar los metadatos. El gran reto de la computación segura en la nube: usando datos cifrados sin descifrarlos (II)Estos son nuestros ElevenPaths CSEs en España
Eso de un futuro exponencial, ¿lo entendemos de verdad?Mercedes Núñez 26 junio, 2019 Hace tiempo que usamos con ligereza los términos “revolución”, “disruptivo”, “un futuro exponencial”… y es que en la era digital el tiempo parece haberse acelerado y los cambios son constantes y vertiginosos. Ya nada es lineal: al tocar una tecla puede saltar otra que descubra una nueva melodía impensable. IoT es clave en este momento. Flor de Esteban, socia de Deloitte Digital, bromeaba recientemente en el encuentro “Mentes brillantes” con que si un extraterrestre como el Gurb de Mendoza aterrizara en nuestro planeta podría concluir que la especie dominante son los dispositivos conectados y los humanos formamos parte del ecosistema. En su ponencia se refirió a que es la primera vez que las personas están más adelantadas en el uso de la tecnología y en su adaptación a la misma que las organizaciones, a las que les está costando más transformarse y evolucionar. Pero en cualquier caso señaló el desajuste que se produce entre los humanos, que piensan de forma lineal, y la tecnología, que es disruptiva y nos sitúa ante un futuro exponencial. Puso un ejemplo magnífico: si cayeran cuatro gotas de lluvia de forma exponencial sobre un estadio de fútbol en tan solo 50 minutos estaría inundado, pero tres minutos antes de ese desastre solo estaría encharcado. Difícil de imaginar, ¿verdad? Haciendo una comparación con este ejemplo, señaló que puede que los asistentes de voz en este momento nos parezcan bastante simples pero “¿y si estuviéramos en el minuto 47 del desarrollo de esta tecnología?”, dijo. En la actualidad cada una de las tecnologías (genómica, nanotecnología, realidad extendida, conexión hombre-máquina…) es como un gran tsunami y el mérito radica en estar preparados para surfearlo, pero no se trata de enchufar el candelabro -advirtió Flor de Esteban-, requiere un rediseño. Cada una de ellas y sobre todo la mezcla de ellas nos otorgan superpoderes como humanidad, que suponen una gran responsabilidad pero nos vienen bien porque en este momento también tenemos grandes retos en el planeta, tanto que nos podríamos extinguir como especie -como advierten los más apocalípticos- o darle un vuelco a la situación. Ante este panorama la tecnología es necesaria pero no suficiente. Como personas, organizaciones, como sociedad la verdadera ventaja competitiva es la adaptación rápida a ella de manera secuencial. Lo importante, como hemos explicado en numerosas ocasiones en el blog es la agilidad en la adopción de la tecnología para ponerla a disposición de las personas: el aprendizaje rápido, la adaptación continua y el uso de habilidades humanas que los robots no tienen como la creatividad, el espíritu crítico, la compasión, la intuición, la imaginación o la pasión. Así, en el encuentro, que busca inspirar y llamar a la acción, Flor destacó: “Busca lo inherente a ti, compártelo y crea o intégrate en una organización con propósito para impulsar y sacar valor del potencial humano”. ¡Bienvenidos a un mundo exponencial., esto es, de infinitas posibilidades! Pero tengamos en cuenta, claro está, que en el camino no todo va a ser fácil… Imagen: Gerd Leonhard Cinco motivos para el desarrollo de una red Hyperledger en AlastriaCISO Day: la ciberseguridad en España vista por los directores de seguridad
El poder del pensamiento negativo aplicado a tu negocio o proyectoAlfonso Alcántara 26 junio, 2019 Mamá, papa, os cuento que he tardado en volver a escribir porque se incendió mi habitación del colegio de estudiantes. Tras unas semanas en el hospital, acaban de darme el alta y los médicos me dicen que me recuperaré pronto de mis quemaduras de primer grado. Mientras reconstruyen el edificio incendiado, vivo en la casa del chico que ayudó a rescatarme. Por cierto, como sé que os hacía mucha ilusión tener un nieto algún día, espero que os alegrará mucho saber que estoy embarazada. Os quiero. María. PD.: No se produjo ningún incendio en el colegio y estoy perfectamente sana. Tampoco estoy esperando un bebé y ni siquiera tengo pareja, pero he suspendido inglés, biología y química, y quería cerciorarme de que vierais la situación con la perspectiva adecuada. El optimismo que describe expectativas positivas es el optimismo por excelencia. “Decidir creer que las cosas irán bien” debería ser compatible con analizar y prever si verdaderamente hay posibilidad de que las cosas no vayan tan bien, para poder así afrontarlas con la motivación, preparación o cualificación exigidas. Porque si las cosas finalmente no fuesen tan bien como las previmos, como ocurre con frecuencia, entonces las declaraciones optimistas quedarían invalidadas. En resumen, ni el optimismo ni el pesimismo como creencias sirven de mucho, lo importante es el análisis de nuestras posibilidades y probar controlando los riesgos, si es posible, para comprobar qué resultados vamos obteniendo. La promesa de que la ambición conduce a grandes éxitos tiene como contrapartida la realidad de que desear demasiado hace más probable una vida profesional y personal insatisfactorias. «Si quieres, (no) puedes» El “si quieres, puedes” está muy condicionado por el número de oportunidades disponibles y por el perfil de los competidores. Muchas veces, aunque quieras y te prepares mucho, no podrás conseguir lo que pretendes. La verdadera influencia de las expectativas optimistas sobre la consecución de mejores oportunidades profesionales o la creación de un negocio próspero dependen especialmente de la habilidad de su protagonista para gestionar los factores implicados en alcanzar esos logros y de los contextos en los que se intentan. Haciendo un símil, podríamos decir que las buenas expectativas sobre el futuro de una relación de pareja no dependen tanto de sus predicciones como de las competencias de ambos para confirmarlas y de los condicionantes que las pueden hacer más probables, por ejemplo, la confluencias de intereses o el apoyo de las respectivas familias. Ser optimista o recibir optimismo no mejoran per se las cosas e incluso pueden ser perjudiciales por la frustración que puede implicar no conseguir lo que se espera. Un aviso sobre el daño que causa la esperanza mal entendida lo encontramos en Teresa Mendoza, la protagonista de La reina del sur (Pérez Reverte, 2009): “Podría suceder que la ambición, los proyectos, los sueños, incluso el valor o la fe, en vez de dar fuerzas te las quitaran, porque la esperanza la volvía a una vulnerable, atada al posible dolor y a la derrota; tal vez de ahí resultaba la diferencia entre unos seres humanos y otros, quizás la única solución era no confiar y no esperar”. Sobreestimar el éxito conduce al fracaso, prever el fracaso facilita el éxito. Hace años escuché a Luis Rojas Marcos, el famoso psiquiatra español que forjó su carrera en Estados Unidos, contar una anécdota sobre una de sus pacientes: —Yo querría ser más optimista, le dijo al doctor. —Pero a usted yo ya la veo contenta, ¿no? —Sí, pero quiero serlo más, porque he leído que el optimismo ayuda a superar el infarto. Optimismo exacerbado La cultura del optimismo exacerbado genera más frustración y confusión que otra cosa, porque incita a las personas no solo a querer sentirse bien, sino incluso a obligarse a sentirse y pensar “bien”, como si esas sensaciones fuesen la causa de una vida satisfactoria, en lugar de lo que son, una consecuencia de tener una buena vida. Si quieres evitar frustraciones innecesarias, date un margen mayor de posible fracaso (un 20% más, por ejemplo) y busca asesoramiento para ajustar tus expectativas a las condiciones reales. Somos optimistas al inicio, pero realistas al final. Qué remedio. Es mejor ser pesimista en estimar el éxito, porque te obliga a prepararte de forma más exhaustiva. Según un interesante estudio sobre emprendedores (Gavin Cassar, Justin Craig, 2009: Journal of Business Venturing), las personas que fracasaron intentando montar su negocio, cuando analizan el proceso en retrospectiva, tienden a evaluar que sus probabilidades de éxito eran menores que las que valoraron cuando empezaron el proyecto. Tras una mala experiencia personal o profesional, a toro pasado tendemos a pensar: “Pero cómo me embarqué en esa aventura, si estaba claro que no iba a salir bien”. Y al contrario, cuando alcanzamos un logro, cuando echamos la vista atrás sobrevaloramos la seguridad que teníamos de que el proyecto saliera bien, nos venimos arriba. Para mantener la motivación, es importante moderar nuestras expectativas para controlar la frustración que supondrán los fracasos, retrasos y obstáculos imprevistos. En la vida profesional siempre es inteligente disponer de al menos dos alternativas concretas. Elaborar un plan B es una sana forma de aceptar que no siempre podremos. Anima pensar que, en caso de fracaso, se tienen alternativas potenciales, incluso se puede bromear diciendo que no solo tienes un plan B, sino que cuentas con planes C, D, E y así hasta el final del abecedario. Pero más efectivo que imaginar planes de emergencia es elaborarlos. Elaborar un buen plan B no es pensarlo, es hacerlo, e implica esfuerzo y recursos que también hay que planificar. La felicidad no tiene plazos Tardarás en ‘arreglar’ tu vida un tiempo proporcional al que usaste para ‘estropearla’, y tus metas requerirán más dedicación cuanto más ambiciosas sean. Parece un error pensar que la felicidad se alcanzará en un plazo determinado o cuando se logre una determinada meta, como si se tratara de una manzana que puede arrancarse del árbol, por ejemplo, al conseguir un empleo público o comprarse una vivienda. Para evitar estos problemas de perspectiva, el filósofo Fernando Savater tiene un antídoto de carácter estoico: “Nunca pienso en el futuro más allá de las próximas tres horas». Suelo introducir las sesiones de motivación de profesionales contándoles que para alcanzar sus objetivos se requiere tiempo: “Vas a tardar en alcanzar tu meta entre 6 meses y 2 años. ¿Sigues interesado en mejorar tu vida profesional?” Obviamente, no sé cuánto tiempo será necesario en cada caso, pero solemos quedarnos cortos estimando el que necesitaremos para alcanzar metas o solucionar problemas. Especificar una horquilla temporal amplia ayuda a reducir el desánimo. Las personas dejan de inquietarse u obsesionarse con el tiempo necesario para la consecución de sus objetivos cuando saben que el plazo es variable: depende de su esfuerzo, pero también de condiciones que no controla. Cuando nos va mal, qué difícil es cambiar las cosas y qué esfuerzo, tiempo y suerte se necesita, ¿verdad? Lo bueno siempre tarda en llegar incluso cuando nos esforzamos mucho. Y a veces no llegará. El poder del pensamiento negativo ¿Es positivo pensar que las cosas pueden salir mal? ¿Puede ser positivo pensar ‘en negativo’? Winston Churchill se declaraba optimista, porque “no le parecía muy útil ser otra cosa”. ¿Seguro? Las citas o frases ingeniosas no son más ciertas porque lo parezcan o porque nos animen. El buen pesimismo implica ponerse en lo peor para prepararse mejor. Tal vez ser pesimista y pensar que las cosas pueden ir mal te haga planificar mejor, ser más previsor y trabajar más duro. Tal vez ser optimista y creer que todo va a ir bien haga que te confíes, trabajes menos y estés menos preparado para el futuro. El pesimismo no es una actitud negativa o un compendio de malas vibraciones. El pesimismo bien entendido y aplicado se refiere al buen análisis y a la planificación, no a las emociones negativas. Los estudios muestran que los pesimistas no tienen mal concepto de sí mismos, ni están abocados a la depresión, ni a una peor salud. Julie Norem (El poder positivo del pensamiento negativo, 2002) definió el pesimismo defensivo como “ponerse en lo peor” y prever cómo las cosas podrían ir mal, una estrategia que ayuda a las personas preocupadas a dominar su ansiedad, de modo que esta se vuelva a favor y no en contra y permita rendir al máximo. Esta actitud parece más realista y permite amortiguar el impacto emocional si las cosas salen mal, sin excluir la parte correspondiente de la responsabilidad personal en los fracasos. Ser pesimista defensivo aumenta la eficacia Con frecuencia el pensamiento pesimista puede suponer una ventaja. Anticiparse al fracaso en un examen o en una charla pública puede motivar a ciertas personas a estudiar más o a prepararse mejor para así contrarrestar el pronóstico. La Ley de Murphy de la «no reciprocidad de las expectativas»’ dice que las expectativas pesimistas producirán resultados negativos, y las expectativas optimistas también. Pero a pesar de la fuerza de esta ley, la relación entre expectativas y eficacia podría ser inversa, a peores expectativas, mejor rendimiento. Aquellos que no prevén sus fracasos pueden fracasar más. Tender a esperar lo mejor puede tener consecuencias negativas. Eso sí, las expectativas pesimistas pueden producir un nivel mayor de emociones negativas durante el proceso, pero las expectativas optimistas generan más fracaso e irresponsabilidad y, por tanto, mucho mayor malestar al final. Si estás buscando mejores oportunidades profesionales o quieres hacer crecer tu negocio, aplicar el pesimismo estratégico puede aumentar tu efectividad y contrarrestar la frustración que conllevan los fracasos. Pero ojo, porque pensar que las cosas pueden ir mal no tiene nada que ver con sentirse mal ni con ser negativo, sino con prepararse para lo peor y así tener más posibilidades de disfrutar de lo mejor. El optimismo sin planes rigurosos no sirve de mucho. Bueno, la verdad es que el optimismo y el pesimismo meramente emocionales, no estratégicos, no sirven de mucho. Lo importante es lo que hagas. Por ejemplo, si quieres ser un directivo motivador que evite frustraciones innecesarias, no digas a tus profesionales que salgan de su zona de confort, ayúdalos a hacerla más grande. Si te interesa mi consejo sobre el potencial éxito de tu proyecto profesional o de tu empresa, voy a hacer este pronóstico: puede pasar cualquier cosa. Consejos para un marketing conversacional efectivoCómo prevenir un ciberataque y qué hacer si ya has sido atacado
Las Matemáticas del Machine Learning: Ejemplos de Regresión Lineal (III) y Multilineal. Contraste y fiabilidad.Fran Ramírez 26 junio, 2019 Seguimos con esta serie en la cual intentamos que todos/todas perdamos el miedo a las matemáticas en el Machine Learning. En esta tercera y última parte sobre la Regresión Lineal y Multilineal vamos a hablar sobre el concepto teórico de fiabilidad y contraste desde el punto de vista teórico. No os preocupéis si este es un poco denso (es necesario asimilar un poco de teoría) ya que en el siguiente artículo publicaremos una implementación práctica del ejemplo aplicando todos estos conceptos en el lenguaje de programación «R». Ahora que ya tenemos una estimación (ver los artículos anteriores), procederemos a buscar una fiabilidad, un contraste para ver si en definitiva, se cumple o no la premisa que hayamos definido sobre nuestro modelo a estudiar. En el anterior artículo vimos la definición de la expresión de regresión lineal múltiple, además de cómo obtener los estimadores a partir de los datos de una muestra aleatoria. También dimos un ejemplo del recuento de población de un parásito, y de cómo al parecer las variables temperatura y humedad influían en el recuento de dicha especie. En resumen, el modelo estimado que predice para la observación i-ésima es: Modelo estimado Y el error de predicción: Error de predicción El cual su media y varianza expresa una distribución normal. Matricialmente llegamos a: O bien: Representación matricial Llegando a la siguiente conclusión: Conclusión Ahora bien, como estimador de la varianza del error se puede emplear: Estimación de la Varianza Aplicándola a nuestro ejemplo, obtenemos: Resultado de la Varianza aplicada al ejemplo de artículos anteriores Por lo que tendremos una desviación típica: Desviación típica Veamos qué información nos aporta β ̂, sabemos que el vector de observaciones Y, se distribuye siguiendo una distribución Normal Multivariante: Distribución Normal Multivariante Dado que β ̂ es una combinación lineal de las componentes del vector Y, por lo que podemos afirmar que se distribuye según una variable aleatoria Normal. ¿Qué podemos decir acerca su media y matriz de varianza y covarianza? Consideramos que: Por lo tanto tenemos que reescribir β ̂ como: Por lo tanto podemos afirmar que: Donde dii es el elemento i-ésimo de la diagonal de la matriz (X^T X)^(-1). Además, podemos concluir que: Conclusión Siendo la Varianza Residual: Varianza Residual Y por otro lado: Error estándar de β ̂i Contraste de Hipótesis: Si suponemos que se cumple el modelo de regresión lineal, queremos saber si dicho modelo es explicativo o no, y para ello vamos a explicar ahora lo que se conoce como contraste de hipótesis e intervalos de confianza. Consideramos H0 como la hipótesis nula, ninguna de las variables explicativas influye en la variable respuesta Y, es decir, que en caso de aceptar dicha hipótesis nuestro modelo no será explicativo. Modelo no explicativo Del mismo modo consideramos H1 como el rechazo de la hipótesis nula, es decir, si existe al menos una variable explicativa que influye en la variable respuesta, entonces el modelo es explicativo. Modelo explicativo La variabilidad de toda la muestra se denomina variabilidad total (VT), y esta se compone de la explicada (VE) y de la no explicada por la regresión (VNE). Variabilidad de la muestra completa En nuestro ejemplo tenemos que la variabilidad total es: VT = 3650.192 + 343.542 = 3993.734 Definimos el coeficiente de determinación (R^2=VE/VY) como el porcentaje de variabilidad de Y que explica el modelo de regresión ajustado, dicho en otras palabras, la proporción de variabilidad de la variable dependiente que es explicada por la regresión. Definido de esta manera el coeficiente nos puede presentar un problema, al introducir nuevas variables, sean o no significativas su valor aumenta, por lo que no nos resulta útil la información que muestra el coeficiente para decidir si qué variables explicativas son incluidas o excluidas del modelo. Por lo que para evitar este problema definimos el coeficiente de determinación corregido de la siguiente forma: Corrección del coeficiente de determinación A continuación calcularemos el estadístico F: Estadístico F Bajo la hipótesis nula: El estadístico F sigue una distribución de probabilidad: F de Snedecor con (p,n-p-1) grados de libertad. Veamos ahora otros contrastes, hemos mencionado anteriormente que sigue una distribución normal, pero además, si la estandarizamos conseguiremos que siga una distribución N (0,1): Una variable t de Student con k grados de libertad se define como: Pues bien, para ver si una variable Xi es significativa o no, nos basaremos en el contraste individual de la t de Student,: De ser cierta la hipótesis nula, nuestra variable no influiría sobre la variable respuesta. Así pues, si es cierto H0, el valor de t tiene que predecir de una: Para n>30, esta distribución deja una probabilidad del 95% en el intervalo [-1.96, 1.96]. Por lo que si cuando calculamos |t|, este es mayor que 1.96, rechazaremos la hipótesis nula, y concluiremos que la variable i-ésima sí que influye en nuestra variable respuesta.Hablemos ahora de los intervalos de confianza, como hemos mencionado anteriormente, sabemos que: por lo que a continuación afirmaremos: Es decir, Esto significa que con una confianza del 1-alpha: Cuando n>30 y alpha=0.05, el intervalo se convierte en: Y esto es todo por hoy ;). Recuerda que en el siguiente artículo (y final de la parte de Regresión), publicaremos la implementación de la resolución del ejercicio de ejemplo que hemos utilizado en el lenguaje de programación R. ¡No te lo pierdas! Escrito por Fran Fenoll (@ffenoll16), Fran Ramírez (@cyberhadesblog y @cybercaronte) y Enrique Blanco (@eblanco_h) ambos del equipo de Ideas Locas CDO de Telefónica. Artículos anteriores de esta serie: Las Matemáticas del Machine Learning ¿Qué debo saber?Las Matemáticas del Machine Learning: explicando la Regresión Lineal (I)Las Matemáticas del Machine Learning: Ejemplos de Regresión Lineal (II) y Multilineal. Para mantenerte al día con LUCA visita nuestra página web, suscríbete a LUCA Data Speaks o síguenos en Twitter, LinkedIn y YouTube. Descifra, la herramienta que permite encontrar el mejor lugar para un negocioLas mujeres hacker impulsan Aura, la Inteligencia Artificial de Telefónica
Descifra, la herramienta que permite encontrar el mejor lugar para un negocioCarlos Rebato 25 junio, 2019 El éxito de un nuevo negocio o sucursal viene determinado a menudo por su ubicación, por eso es tan importante encontrar el mejor lugar para el negocio. Descifra, una compañía mexicana, ofrece soluciones que utilizando machine learning y Big Data permiten determinar la localización perfecta, así como el volumen de ventas estimado. ¿Qué cambios tecnológicos debe incorporar tu empresa en 2020? Lo hace a través de dos herramientas, Revela y Omen, enfocadas al análisis predictivo de la localización y a la analítica estratégica geoespacial respectivamente, para agregar toda una serie de datos en único lugar y así permitir una mejor toma de decisiones. Participada por Wayra, la red de hubs de innovación de Telefónica, sus fundadores definen su actividad como «la democratización de la información para que toda empresa, negocio, gobierno u ONG utilice el poder de los datos necesarios para su operación, a través de plataformas web que permiten visualizar y predecir esos datos» Revela: análisis de la localización para estimar ventas Respondiendo a preguntas como el tipo de zona (residencial o laboral), el número de habitantes, sus ingresos medios, el tipo de comercios colindantes y la afluencia de vehículos y de peatones, Revela utiliza el análisis predictivo para conocer si la ubicación es la óptima y así encontrar el mejor lugar para el negocio o sucursal. De momento funciona solo en México. Para analizar correctamente y elaborar una predicción fiable, Revela necesita un mínimo de 14 ubicaciones que lleven operando al menos 12 meses y el comportamiento del negocio en términos de la venta promedio mensual. Esos datos los agrega a indicadores sociodemográficos, de análisis económico, oferta comercial y afluencia para luego elaborar un análisis de inteligencia geoespacial utilizando programas de estadística y machine learning. Con ese análisis predictivo de la localización y el agregado del resto de información puede ofrecer un datos de venta esperada con una precisión muy alta. Omen, cómo predecir el mejor lugar para expandirse Omen cubre una parte más enfocada a encontrar el mejor lugar para el negocio de cara a la expansión territorial. De nuevo combina Big Data, machine learning y análisis de inteligencia geoespacial para predecir el mejor lugar a la hora de abrir una sucursual o expandir las operaciones. Cubre el salto que va de medir y visualizar el rendimiento de la compañía a evaluar rendimientos potenciales en territorios aun no explorados. La plataforma analiza un punto o territorio cada 3 minutos de media, generando más de 14.000 consultas mensuales. Abarca pasíes como México, Chile, Colombia, Costa Rica, Perú, España y Reino Unido. Omen permite conocer además cuántos clientes visitan también negocios de la competencia, identificar las ventas en una ubicación antes de incurrir en cualquier coste o determinar si las sucursales actuales están en su punto óptimo de ventas de acuerdo a su ubicación geográfica actual. Asimismo es posible conocer si habrá canibalización entre los diferentes puntos de venta. Cómo utilizar la geolocalización en el ‘inbound marketing’ Descifra, análisis predictivo de localización en Telefónica Descifra cuenta con 13 clientes de diversas industrias (retail, telecomunicaciones, fintech, logística, autoservicios) y varios años de servicio. Con Telefónica, el resultado de la colaboración es Smart Location Analytics, una plataforma que permite incrementar la precisión en las estrategias de expansión y apertura de puntos de venta utilizando el análisis predictivo de la localización de Revela. Según Rodolfo Carlos López Lozano, Product Manager Big Data & Smart Retail en Telefónica Business Solutions México: «Desde hace dos años hemos colaborado con Descifra y juntos hemos visto la demanda del mercado y cómo ha evolucionado el entorno de la analítica en México, adicionalmente a que en Telefónica ya usamos la tecnología Descifra para casos internos«. De acuerdo a un informe elaborado por McKinsey, encontrar el mejor lugar para el negocio mediante Big Data y machine learning será una de las claves de crecimiento para muchas empresas en los próximos años, así como la utilización de esos mismos datos complementándolos con análisis predictivo de la localización para poder optimizar al máximo la estrategia de ventas. Página web: Descifra | Fotos: Adam King y Descifra No te pierdas la IV edición de los Data Science Awards SpainLas Matemáticas del Machine Learning: Ejemplos de Regresión Lineal (III) y Multilineal. Contraste y fiabilidad.
El gran reto de la computación segura en la nube: usando datos cifrados sin descifrarlos (II)Gonzalo Álvarez Marañón 25 junio, 2019 La nube plantea grandes retos de seguridad. El más importante tal vez sea garantizar la privacidad de los datos. Es de cultura general que cifrando los datos antes de enviarlos a la nube quedan protegidos. El inconveniente es que, una vez cifrados, ya no se puede operar sobre ellos. En la primera entrega de este artículo explicamos el funcionamiento del cifrado homomórfico y sus limitaciones. En esta segunda entrega revisamos otros dos enfoques para almacenar información en la nube y realizar cálculos sobre ella sin que el proveedor tenga acceso a los datos: la computación multi-parte segura y la criptografía con umbral. La computación multi-parte segura (SMPC) Imagínate que estás charlando con otros dos compañeros de trabajo. De repente sale el tema de los bonus que cobráis. A los tres os gustaría saber quién es el que cobra el bonus más alto, pero ninguno queréis revelar el importe de vuestro bonus. ¿Cómo podéis averiguarlo? Una solución consiste en confiar en una tercera parte a quien cada uno le reveláis el importe de vuestro bonus y, una vez conocidos todos, anuncia quién gana el bonus mayor. Imagina ahora que trabajas en el servicio de inteligencia de una empresa de ciberseguridad. Se ha producido un ataque y tienes una lista de sospechosos. Los servicios de inteligencia de otras empresas también tienen sus propias listas de sospechosos. Os gustaría conocer qué sospechosos aparecen en todas las listas, pero ni tu empresa ni las demás queréis revelar vuestra lista completa. ¿Cómo podéis calcular la intersección de estas listas? Una vez más, una solución inmediata sería que cada empresa entregue su lista a una tercera parte confiable y que ésta obtenga el conjunto intersección de todas las listas de sospechosos. En ambos escenarios se recurre a una tercera parte de confianza. Pero ¿y si no te fías de esta tercera parte? Después de todo, asumir que una parte es de confianza es mucho asumir. ¿De qué otra manera podrían resolverse estos dilemas sin recurrir a terceras partes y con la misma garantía de seguridad? Precisamente, la computación multi-parte segura propone protocolos que emulan a la tercera parte de confianza. Permiten calcular una función con varios valores de entrada, de manera que sólo se revela el resultado de la evaluación de la función, manteniendo privados los valores de las entradas. Expresado matemáticamente: reunidos un número n de participantes, p1, p2, …, pn, cada uno de los cuales posee datos privados, respectivamente d1, d2, …, dn, desean calcular el valor de una función pública sobre esos datos privados: F(d1, d2, …, dn), manteniendo sus propias entradas en secreto. Volvamos al ejemplo de los bonus. Si las entradas x, y, z representan vuestros bonus, queréis conocer el más alto de los tres, sin revelar el valor de ninguno. En otras palabras, queréis calcular: F(x, y, z) = max (x, y, z) Se espera que estos protocolos garanticen una serie de requisitos de seguridad: Corrección: aunque alguna de las partes engañe, el resultado final será correcto.Privacidad: solo se conoce el resultado de la evaluación de la función, pero no el valor de las entradas evaluadas (salvo la propia de cada uno, claro está). Independencia de las entradas: ninguna parte puede elegir su entrada como función de la entrada de otra parte. Justicia: si una parte conoce el resultado de la evaluación, entonces todas las partes conocerán el mismo resultado.Entrega garantizada del resultado: si una parte tiene acceso al resultado, entonces las demás partes también lo tendrán. Existen diferentes protocolos criptográficos para realizar esta computación segura distribuyéndola entre las partes. El más conocido es el protocolo de Circuito Confuso de Yao. La idea de este protocolo consiste en simular cualquier función matemática con un circuito booleano utilizando exclusivamente puertas lógicas, concretamente AND y XOR. Para funciones muy sencillas, estos circuitos pueden diseñarse incluso a mano. Obviamente, a medida que se vuelven más y más complejas, los circuitos crecen paralelamente en complejidad. Puedes imaginar que simular AES mediante puertas lógicas AND y XOR no es precisamente tarea sencilla, aunque sí posible con ¡32.000 puertas! De hecho, las implantaciones más recientes alcanzan velocidades muy eficientes, de unos pocos milisegundos. Por supuesto, la computación multi-parte segura es muchísimo más complicada. El adversario puede ser pasivo o activo, las funciones a evaluar pueden ser más o menos complicadas, pueden soportar mayor o menor número de adversarios activos, pueden imponerse mayores o menores restricciones de seguridad, pueden requerir más o menos tiempo de computación, pueden exigir que todos los nodos de la red estén conectados entre sí o basta que exista un camino cualquiera entre cualesquiera dos nodos, pueden comunicarse síncrona o asíncronamente, etc. Algunas empresas han comenzado a comercializar soluciones de SMPC en escenarios reales: aplicaciones de Datos Privados como Servicio (Private Data as a Service), tales como las bases de datos de Sharemind o de Jana; aplicaciones de gestión de claves, como los productos de Sepior o de Unbound; y aplicaciones de solución puntual, como la de Partisia. En suma, la computación multi-parte segura es un campo en continua expansión, con multitud de protocolos, escenarios y casos de uso, en el que todavía estamos muy lejos de haber escuchado la última palabra. La criptografía con umbral La criptografía se ha transformado en un estándar tecnológico para proteger la confidencialidad de los datos. En criptografía, una regla básica de diseño se conoce como Principio de Kerckhoffs: de un criptosistema se conoce todo menos la clave. La cuestión es: si guardas los datos cifrados, ¿dónde guardas la clave de cifrado? En última instancia, la seguridad de un sistema de cifrado reside en la gestión de sus claves. Las claves pasan a ser el talón de Aquiles de la criptografía. De hecho, no están seguras ni en la memoria del ordenador: Heartbleed, Spectre y Meltdown vienen a la cabeza como ejemplos recientes de vulnerabilidades que permitían leer espacios privados de la memoria y obtener, entre otros datos, claves de cifrado. A su vez, los ataques de canal lateral pueden filtrar información sobre claves gracias a variaciones electromagnéticas o de consumo de energía. Más aún, las claves pueden quedarse grabadas en una memoria DRAM incluso después de apagar el equipo. ¿No existe forma entonces de garantizar la seguridad de las claves? Una solución pasa por dividir la clave en dos o más partes, de manera que la información cifrada no pueda descifrarse a menos que se junten todas (o un número mínimo de) las partes de la clave. Por ejemplo, para dividir la clave K en tres partes, K1, K2 y K3, se seleccionan dos claves aleatoriamente, K1 y K2, de la misma longitud que K. La tercera parte de la clave se calcula como: No hay dos partes que proporcionen ninguna información sobre la clave secreta: las tres partes son necesarias para recuperar K (dejamos como ejercicio al lector comprobar que efectivamente así sucede). El esquema descrito exhibe la propiedad «3 de 3». Generalizando, un esquema de intercambio de secretos es «k de n» (siendo n ≥ k ≥ 1) si juntando k partes puede recuperarse un secreto compartido entre n partes, pero juntando k − 1 partes no se sabe nada sobre el secreto. Y así es como llegamos a la criptografía con umbral. Ya no se trata simplemente de dividir la clave en varias partes, como en el sencillo ejemplo anterior, sino de realizar operaciones criptográficas con cada parte de la clave de manera que, al juntarlas todas, el resultado sea el mismo que si se hubiera realizado con la clave completa. RSA nos ayudará nuevamente a entenderlo con mayor claridad. Hemos visto en la entrega anterior que la clave pública está formada por dos números: un exponente, e; y un módulo, n, que a su vez es el producto de dos primos, n = p · q. Por otro lado, la clave privada está formada por un número d, tal que e · d = 1 mod (p − 1) · (q − 1). Para firmar un mensaje m con RSA, se realiza el cálculo s = md mod n. Verificar la firma es muy sencillo por cualquier persona que conozca la clave pública, realizando la operación se = med = m mod n. ¿Cómo conseguir que un grupo de personas coopere para firmar un mensaje? En lugar de firmar el mensaje una sola persona con la clave privada d, se puede separar esta clave en varias, por ejemplo, en tres: d1, d2, d3, tales que d1 + d2 + d3 = d mod (p − 1) · (q − 1). Ahora, cada una de las partes puede firmar por su cuenta el mismo mensaje m: s1 = md1, s2 = md2, s3 = md3, de manera que la firma total será el producto de las tres firmas: s = s1 · s2 · s3. Es fácil verificar que s1 · s2 · s3 = md1 + d2 + d3 = md mod n. En otras palabras, sólo puede crearse una firma completa si cada una de las partes firma el mensaje con su parte de la clave privada. Así se protege la clave privada, d, ya que no se almacena completa en ningún servidor ni en ninguna memoria. Ni siquiera es necesario reunir las tres partes de la clave, ya que cada operación de cifrado de cada parte es independiente del resto. Podría comprometerse una parte de la clave o incluso dos y, aun así, la clave completa se mantendría segura. Los esquemas de criptografía con umbral más sofisticados poseen la propiedad «k de n» ya mencionada. Esta propiedad aporta tolerancia a fallos: una parte de la clave podría perderse o verse comprometida y, aun así, se podría realizar la operación criptográfica con la parte restante. Además, exige la cooperación: ninguna parte podrá realizar la operación criptográfica completa; al menos k partes han de ponerse de acuerdo. Desde la perspectiva de un atacante, comprometer una parte de la clave no le servirá de nada: necesitará comprometer al menos k partes. Como vemos, la criptografía con umbral elimina los puntos únicos de fallo en criptografía, permitiendo redistribuir la responsabilidad de la custodia de las claves. Y no vayas a creer que todo queda en ejercicios matemáticos para cursos de postgrado: los productos de gestión de claves de Sepior y de Unbound constituyen los ejemplos más avanzados de soluciones basadas en criptografía con umbral de la actualidad. Como los otros campos de estudio, está en constante expansión y veremos nuevos resultados próximamente. Después de leer estas dos entregas te habrá quedado más claro que estamos un paso más cerca de alcanzar una protección de los datos almacenados en la nube que a día de hoy solo soñamos. Consulta la primera parte de «El gran reto de la computación segura en la nube: usando datos cifrados sin descifrarlos». El gran reto de la computación segura en la nube: usando datos cifrados sin descifrarlos (I)Cómo analizar documentos con FOCA en diez pasos (o menos)
Cinco motivos para el desarrollo de una red Hyperledger en AlastriaAlberto García García-Castro 25 junio, 2019 Como ya contamos en este blog, el pasado 22 de febrero se oficializó el lanzamiento del grupo de trabajo de Hyperledger Fabric dentro del consorcio Alastria, cuyo equipo de arquitectura está liderado por Telefónica, y cuyo objetivo es crear una red blockchain con esta tecnología. Apenas tres meses después del arranque ya hay una primera red de prueba, con Telefónica al frente, en la que participan varias entidades financieras (Banco Santander, Bankia, Banco Sabadell, CaixaBank y BBVA), así como empresas de consultoría tecnológica (Indra, Izertis, Grant Thornton, SigneBlock y SM). Pero permitidme explicar cuáles son los cinco motivos que han llevado a todos los integrantes del proyecto a dedicar recursos, tiempo y esfuerzo para conseguir este objetivo: 1- Colaboración en casos de uso B2B Hablar de la relevancia de la colaboración en el ámbito empresarial para desarrollar el verdadero potencial de blockchain no es nada nuevo, y tampoco que Alastria es uno de los referentes en el mundo, con más de 400 empresas asociadas y múltiples líneas de trabajo. Dado el carácter empresarial de este consorcio, como es lógico, la mayoría de los casos de uso que se han planteado se han centrado en desarrollar la colaboración entre los distintos miembros con distintos pilotos que promuevan una relación más eficiente, e incluso la posibilidad de hacer cosas que hasta el momento no fueran posibles o resultaran demasiado complejas. En este escenario varias empresas -Telefónica entre ellas- se plantearon qué tecnologías de blockchain podían ser más adecuadas para proyectos B2B, y esto conduce al siguiente motivo. 2- Agnosticismo tecnológico Dentro del espíritu del consorcio, el objetivo ha sido desde el inicio incorporar distintas tecnologías que permitieran a los socios desarrollar diferentes tipos de proyectos desde una perspectiva de agnosticismo tecnológico. Allá por 2017, cuando se constituyó Alastria, se decidió el uso de Quorum (tecnología derivada de Ethereum, desarrollada por JPMorgan) porque en aquel momento se entendió como la mejor solución tecnológica disponible para cubrir las necesidades de privacidad en una red permisionada. Así los socios podían desarrollar casos de uso entre ellos sin que la información fuera visible para el resto. A lo largo de este período de tiempo han evolucionado otras soluciones tecnológicas, que se han posicionado como “estándares de facto” en el mercado tanto para el desarrollo de soluciones P2P (Peer to Peer o red entre iguales), entre las que destaca Parity, una “versión” de Ethereum que se ha impuesto por rendimiento, estabilidad y funcionalidad como para casos de uso B2B (donde Hyperledger Fabric es la más utilizada en procesos empresariales complejos que engloban múltiples actores, como el caso de la conciliación de llamadas internacionales desarrollado por Telefónica). Parece por tanto lógico que dentro de Alastria se lancen nuevas líneas de trabajo para incorporar estas tecnologías que no existían en 2017 y que ofrecen ventajas en distintos aspectos. Uno de ellos es el tercer motivo para impulsar el desarrollo de una red Hyperledger en Alastria: el ecosistema. 3- Ecosistema La mejor tecnología no sirve de nada si no se genera alrededor de ella un ecosistema de desarrolladores y empresas que faciliten su evolución, adaptación a nuevas necesidades, y mejora en funcionalidad y prestaciones a medida que se utiliza en proyectos de mayor envergadura. Iniciativas como Hyperledger son un ejemplo de este ecosistema. Organizada por la Fundación Linux, aglutina a más de 200 empresas de distintos ámbitos (servicios financieros, telecomunicaciones, logística, tecnología, etc.) que colaboran para el desarrollo de plataformas y herramientas de código abierto que pueden ser utilizadas libremente en iniciativas de todo tipo (especialmente en al ámbito B2B), así como para la elaboración de recursos formativos que faciliten el uso de estas soluciones. Esta comunidad abierta (y no solo la tecnología) ha promovido que buena parte de los proyectos más relevantes desarrollados hasta el momento en el mundo hayan decidido utilizar Hyperledger Fabric. Pero aunque la tecnología y el ecosistema son importantes para desarrollar proyectos empresariales hace falta además que se pueda usar en entornos productivos. 4- Tecnología lista para producción Desde un punto de vista más técnico se decidió que era el momento de proponer el arranque en Alastria de un grupo de trabajo sobre Hyperledger cuando la comunidad liberó la versión Hyperledger Fabric 1.4, la primera LTS (“Long Term Support”), que no solo incorpora soporte a largo plazo, sino una serie de aspectos especialmente críticos para entornos productivos. Por primera vez había una versión que podían utilizar las empresas para desarrollar servicios reales. Durante estos meses se ha desplegado en Alastria una red de prueba con Hyperledger Fabric en la versión 1.4.0, con un único nodo orderer, una autoridad certificadora propia y un nodo peer por cada empresa perteneciente al consorcio. Además se ha desplegado un chaincode (el equivalente a los smart contracts en Ethereum) sobre la red, lo que permite la posibilidad de que todos los miembros puedan consultar la información almacenada en la red de manera distribuida. Durante los próximos meses se ejecutará la fase dos del proyecto para aumentar la utilidad de la red mediante la actualización a la versión 1.4.1 de Hyperledger Fabric, con una autoridad certificadora para cada empresa y un nuevo mecanismo de consenso: Raft (primer algoritmo realmente productivo). 5- Experiencia en el gobierno de consorcios Más allá del plano técnico, también es interesante destacar que se están generando debates en cuanto a la gobernanza de la red, orientados a los tipos de casos de uso (identidad, “tokenización”, etc.), modelos de coste, gestión del cambio o instalación de nuevas funcionalidades. Este tipo de cuestiones resultan esenciales para el verdadero éxito de los proyectos en los que se utiliza blockchain, así como contar con la experiencia de los miembros que forman parte de Hyperledger dentro de la Fundación Linux, y la participación en los foros en los que se comparten experiencias en distintos sectores. Para finalizar, hay que destacar el esfuerzo realizado por el Centro de Competencia de blockchain de Telefónica, así como de los miembros del equipo core de todas las empresas mencionadas para poner en marcha este proyecto. Han sido meses muy intensos de trabajo que finalmente han dado sus primeros frutos. Tras este primer hito ya se está trabajando para mejorar las prestaciones de la red en los próximos meses para que todas las empresas de Alastria puedan desplegar sus proyectos B2B con Hyperledger. CIO, ¿en qué jardín te has metido?Eso de un futuro exponencial, ¿lo entendemos de verdad?
Consejos para un marketing conversacional efectivoJosé María Lissen 25 junio, 2019 En el artículo anterior nos preguntábamos si era posible ganar clientes con las apps de mensajería instantánea, y la respuesta tiene mucho que ver con el tema de hoy, el marketing conversacional. Está claro que por uso y valoración, las redes como Whatsapp suponen una gran oportunidad para que las marcas den un soporte adecuado a un público cada vez más «impaciente», que prefiere resolver las consultas en el momento, sin esperas, en lugar de dilatar el contacto durante un tiempo indeterminado. Fruto de esa tendencia, el marketing conversacional surge como una forma de contacto más directa y cercana con los clientes, un medio más personal de satisfacer las demandas del consumidor, primando sobre todo la inmediatez. ¿Se pueden conseguir más clientes a través del marketing conversacional? Desde luego que sí. Y esto es en parte porque hay una demanda real para que este tipo de contacto entre marcas y público prospere. Según los últimos datos del Panel de Hogares de la CNMC, el 79% de los usuarios utiliza su smartphone principalmente para mensajería online y, en menor medida, para redes sociales (38%). Si sabemos aprovechar este contexto, nuestra empresa será capaz de favorecer la conversión y la fidelización de nuestro público. Ventajas del marketing conversacional Entablar una conversación con nuestros clientes es algo más sencillo de lo que pueda parecer. Ojo, no hablamos solo de mensajería instantánea. Las aplicaciones del marketing conversacional son variadas. Podemos optar, por ejemplo, por dar soporte a través de live chat, para resolver incidencias en línea. Por otro lado, si queremos mejorar la conversión de nuestra web, una buena forma de lograrlo sería con un chatbot, que oriente al usuario hacia la compra. Luego, claro está, tendríamos las conocidas apps de Messenger o WhatsApp, pero el concepto realmente es el mismo: ofrecer al cliente una experiencia personalizada. Hasta hace poco tiempo, la asistencia que prestaban la mayoría de las marcas era «en diferido». Hoy en día, debemos favorecer la conversación empresa-cliente en el momento en que este lo necesite. Para empezar a movernos con éxito en este mundo del soporte inmediato, tenemos que considerar las soluciones de chat y las apps de mensajería como parte importantísima dentro del plan de comunicación de nuestra empresa. Canales instantáneos El uso del marketing conversacional debe estar perfectamente integrado en la estrategia de ventas y atención al cliente de nuestra empresa. De hecho, apostar por canales de soporte inmediatos (como mensajes de redes sociales) es más barato que otros medios tradicionales (como el teléfono), y permite gestionar un volumen de consultas mayor. Lo mejor es que las vías de comunicación son personalizadas; bien orientadas a venta, son un campo perfecto para incluir técnicas de up y cross selling. Conversión La confianza es la base de una buena relación empresa-cliente. La asistencia temprana favorece la conversión. Si somos capaces de proporcionar al usuario la información que necesita en tiempo y forma, lograremos crear oportunidades de negocio. Pensemos en el ejemplo que antes mencionamos, el chatbot en la página de inicio de nuestra web. Este canal debe hacer algo más que ser un recopilatorio de preguntas frecuentes (FAQ). La idea es que cree conversación de una forma empática, y a la vez sea capaz de ofrecer productos y servicios personalizados, para ahorrar tiempo al visitante y favorecer la toma de decisiones. No hace falta que el bot cierre la venta, por así decirlo. También puede servir de enlace para que alguno de nuestros comerciales contacte con el visitante, si solicita más información. Los chatbots funcionan muy bien combinados con otras técnicas inbound, por ejemplo, con posicionamiento SEO / SEM para un sitio web o una página. Fidelización Las expectativas que genera una marca en sus clientes son altas. No podemos pretender que repitan el proceso de compra sin darles un soporte adecuado, sin un contacto periódico. El marketing conversacional nutre periódicamente la comunicación con el cliente para que la relación, el engagement, consiga buenos niveles. Como consumidores, esto nos debe sonar. ¿Cuántas veces hemos recibido mensajes para conectarnos en vivo a un evento en redes sociales? ¿Y para disfrutar de una promoción exclusiva? Los usuarios que pasan a ser clientes nos brindan mucha información durante el proceso de compra, y podemos utilizar esos datos con posterioridad para crear conversación, bien de forma activa o pasiva (por ejemplo, si nos contactan para resolver alguna incidencia). El marketing conversacional es un área muy compleja, como bien hemos visto. Es además una metodología que aporta resultados a largo plazo, pero muy necesaria si queremos retener clientes y hacer que no se olviden de nuestra marca. Una mala experiencia, una consulta mal atendida, un mensaje sin respuesta… cala hondo en el consumidor. Si cuidamos la relación con nuestros clientes, seremos capaces de crear oportunidades de negocio y mejorar su satisfacción. El nuevo reto digital para las empresas se llama SCAEl poder del pensamiento negativo aplicado a tu negocio o proyecto
No te pierdas la IV edición de los Data Science Awards SpainAI of Things 25 junio, 2019 Telefónica cree en el gran potencial del Big Data y la Inteligencia Artificial y por eso, a través de su unidad de Big Data e Inteligencia Artificial; LUCA, convoca, la cuarta edición de los esperados Data Science Awards. Tras el éxito de las primeras tres ediciones, emprendemos de nuevo la búsqueda del mejor talento y las iniciativas más innovadoras que descubran las últimas tendencias dentro del mundo de Data Science. El objetivo de los Data Science Awards es dar visibilidad y premiar el talento analítico en España. También, medir la madurez de las tecnologías Big Data e Inteligencia Artificial analizando la evolución de aspectos tales como el número de participantes que llegan al final de los retos, y el carácter innovador de las soluciones aportadas. Los Data Science Awards son gran oportunidad para que los consursantes pongan en valor sus conocimientos y talento aportando soluciones a problemas reales. ¿Qué categorías se van a premiar? Los premios se dividen en tres categorías para abarcar diversos ámbitos del sector: I Premio Mejor Iniciativa Empresarial o de Administración Pública Big Data Queremos reconocer el trabajo de las empresas y administraciones públicas en adoptar el Big Data o la Inteligencia Artificial, mediante iniciativas o proyectos que ayuden a la organización a convertirse en “Data-Driven”. Se evaluarán las iniciativas más destacadas y se premiará la innovación con mejor equilibrio entre el uso de nuevas tecnologías y la generación de valor de negocio o de interés público. Este premio se adjudicará mediante la evaluación de la candidatura por un jurado especializado. Dicho proyecto se presentará mediante un formulario en el que se recogerán las siguientes cuestiones: estado del arte, datos y tecnologías, metodología, descripción del proyecto y aplicabilidad empresarial o administración pública. II Premio Mejor Trabajo Periodístico de Datos Este premio reconoce la labor de los periodistas pioneros en la comunicación basada en datos dónde la importancia de las fuentes, el tratamiento de datos, su análisis mediante herramientas (Big) Data, la claridad en la exposición y la visualización de los mismos es clave. Este premio se adjudicará mediante la evaluación de la candidatura por un jurado especializado. Dicha candidatura se presentará mediante un formulario en el que se recogerá las siguientes cuestiones: estado del arte, fuentes, metodología, trabajo periodístico y repercusión. III Premio Mejor Data Scientist Buscamos premiar el talento en IA y Big Data en todas las especialidades de la ciencia de datos: Data Science, Data Engineering & Data Visualization. Se premiará la originalidad, la metodología, la calidad de la solución y la aplicabilidad en el desarrollo de los retos. En esta categoría se participa en dos fases: La 1ª fase consiste en un Quiz de 20 preguntas mediante el cual se obtiene una puntuación por tiempo de respuesta y nº de aciertos. ¡Se podrá ver la clasificación en un ranking con el resto de jugadores! Y superada la puntuación exigida, se accede a la 2ª fase dónde planteamos varios retos a elegir uno. ¿Entre qué retos se podrá escoger? GO Green: Salvando el plantea, un paso a la vez El principal pulmón de nuestro planeta, la selva amazónica, se desvanece a pasos alarmantes poniendo en jaque la seguridad de un aire limpio para las próximas generaciones. Una parte importante de ello ocurre en Colombia. ¿Eres capaz de trasladar tus capacidades en el primer vuelo virtual Madrid – Amazonia y ayudar a salvar el planeta? Para ello cuentas con datos de Telefónica Colombia y Open Data. Data Scientist, ¡El medio ambiente te necesita! GO Transparent : Detectando Fake News para fortalecer nuestras democracias Cada día vemos cómo somos sujetos de bombardeos informativos; a través de la televisión, prensa, redes sociales e Internet en general. Las instituciones democráticas están siendo desafiadas por el surgimiento de informaciones incorrectas o fake news que se hacen sorprendentemente virales. ¿Podemos crear herramientas para detectar a tiempo posibles fake news para que los gobiernos y otras instituciones puedan desmontarlas antes de que se propaguen? Si crees que tenemos derecho a la información abierta y veraz ¡Emprende este reto! GO Health: Entendiendo cómo los algoritmos son capaces de detectar enfermedades Gracias a algoritmos de Machine Learning somos capaces de transformar diagnósticos médicos a través de la detección temprana de enfermedades que hoy llegan a un 90% de precisión. Sabemos que somos capaces de predecir, pero ¿Somos capaces de entender por qué los modelos algorítmicos han llegado a esas conclusiones? Si crees que puedes desafiar la máquina ¡Interrógala y cuéntanos que te dice! Reto Strong: Transformando el mundo del baloncesto a través de Sports Analytics ¿Quién no ha visto la película MoneyBall? En el que el entrenador (Brad Pitt) se esfuerza por combatir el método tradicional de entrenamiento usando analítica de datos y transformando así el mundo del béisbol. Tú puedes ser ese entrenador o entrenadora pero del baloncesto. ¡Muéstranos de que estas hech@ Márcate un triple! ¿En qué consisten los premios? Se premiará a un ganador por categoría. Además, el jurado se reserva el derecho de otorgar otras menciones de honor a los trabajos que, sin ser ganadores, destaquen por algún aspecto innovador. Los premios se otorgarán por parte del Comité de Organización de los Data Science Awards Spain durante la Ceremonia de Entrega de Premios en diciembre. Además del reconocimiento público y la repercusión mediática, todos los ganadores tendrán la oportunidad de presentar su proyecto durante el evento. Adicionalmente, la categoría ‘Premio al Mejor Data Scientist’ contará con un premio complementario, que consiste en una estancia de una semana en el Connection Science Group del Massachusetts Institute of Technology (MIT) en Boston, USA. El premio cubre el viaje de ida y vuelta, así como el alojamiento de hasta cinco noches de hotel. ¿Cómo participar? Los participantes tienen hasta el 21 de julio para inscribirse, y dispondrán de un plazo de 2 meses para resolver el reto. Los últimos inscritos tendrán el mes de septiembre como límite para entregar los proyectos. Éstos serán posteriormente evaluados por un jurado experto y especializado formado por profesionales del mundo Data Science & Big Data, teniendo en cuenta ámbitos de negocio, académicos, de comunicación e innovación. El jurado se dividirá según las tres categorías: técnico, de negocio, y periodístico, con el fin de evaluar correctamente todos los proyectos presentados . El fallo del jurado se anunciará entre octubre y noviembre de 2019, cuando nos pondremos en contacto con los ganadores. Una vez que se acepte el premio, se publicará el listado de ganadores en la web www.dscienceawards.com y se procederá a la organización de la Ceremonia de Entrega de Premios. No lo dejes mañana, ¡Inscríbete ya! El reto de gestionar proyectos disruptivosDescifra, la herramienta que permite encontrar el mejor lugar para un negocio
El reto de gestionar proyectos disruptivosPilar Estrella Palomares 25 junio, 2019 ¿Qué pensarías si te plantean el reto de gestionar un proyecto innovador y complejo donde se tiene una idea de lo que se quiere hacer, pero la solución en sí es incierta? ¿dónde el equipo que se propone es muy experto en su campo pero no está acostumbrado a trabajar en términos de cadena de producción orientado a resultados? Como poco es retador… ¿verdad? Efectivamente, esta es una de las propuestas más desafiantes que te pueden hacer si trabajas en el área de operaciones de una compañía. Cuando se gestionan proyectos en el ámbito de Big Data, Advanced Analytics o Inteligencia Artificial, te enfrentas a un reto; liderar proyectos que hace 5 años eran una mera utopía. En este contexto, la esencia está en identificar cuáles son los factores de éxito y definir una metodología propia que garantice resultados. Es importante reconocer que estos proyectos cuentan con todas las componentes de riesgo elevadas a su máxima expresión: equipo difícil de gestionar, complejidad de ejecución acompañada con incertidumbre en los resultados y expectativas de cliente desproporcionadas: Los proyectos en el ámbito de Big Data requieren de un equipo con altas capacidades, perfiles muy demandados en el mercado que disponen de unos conocimientos técnicos muy específicos y a los que hay que saber coordinar y gestionar cuidando el mínimo detalle. Son perfiles expertos en disciplinas dispares que tienen que coordinarse y formar un equipo de trabajo bien engranado. Son piezas clave y deben ser conscientes que son como los instrumentos de una orquesta, donde los unos sin los otros no harían la melodía perfecta. Otro aspecto a destacar es que los proyectos de analítica avanzada en Big Data son proyectos complejos por naturaleza. Exigen trabajar con tecnologías tan nuevas que en ocasiones son inmaduras y donde su integración en el ecosistema actual de las compañías aún no está afianzado. Por otro lado, los modelos analíticos que se proponen son completamente a medida para cada cliente y diseñados para dar una solución específica a la casuística planteada, por lo que el nivel de experiencia en técnicas de analítica avanzada es clave para el éxito del proyecto. A la complejidad analítica, se une la necesidad de que los resultados obtenidos puedan tener una aplicación válida para el negocio y les permita ser más competitivos a nivel de generación de ingresos, reducción de costes o eficiencia operativa.Por último, es muy importante saber gestionar las expectativas del cliente, saber acompañarles a lo largo del desarrollo del proyecto y educarles en el proceso. Aplicar una metodología ágil de gestión de proyectos, en la que se presupone la participación activa del cliente como Product Owner en todas las fases es fundamental. Los resultados finales que se obtengan serán fruto de un trabajo en equipo, donde se pretende que el éxito del proyecto se mida, no solo por el valor los insights o resultados generados, sino por todo el conocimiento adquirido en el proceso. ¿Y cómo se consiguen meter todos estos factores en una coctelera y que ésta no explote mientras se agita? Desde la perspectiva de LUCA la clave del éxito está clara, la calidad humana del equipo de trabajo. Siendo conscientes de que la gestión de este tipo de proyectos está lejos de ser sencilla, lo mejor es construir un equipo sólido con personas brillantes en cada ámbito. Con el equipo adecuado y aplicando una metodología de gestión de proyectos que combina lo mejor de agile y lean (no hay que olvidar que los proyectos que se gestionan tienen siempre cerrado un alcance, coste y planificación…) se consigue la excelencia. Rodearse de los mejores en cada una de las disciplinas, disponer unos líderes de práctica que sepan marcar las pautas y contar con un equipo que coordine y gestione como nadie los proyectos, permite alcanzar un alto grado de motivación que es clave para el éxito de los proyectos. Lee en nuestro blog sobre el otro factor fundamental en proyectos Big Data, Advanced Analytics o Inteligencia Artificial. ¿La clave del éxito del Machine Learning? Datos de calidad Para mantenerte al día con LUCA visita nuestra página web, suscríbete a LUCA Data Speaks o síguenos en Twitter, LinkedIn y YouTube. Los post de la semana en LUCA: del 17 al 21 de JunioNo te pierdas la IV edición de los Data Science Awards Spain