miércoles, febrero 21, 2018

Una historia de la estrategia Data-Centric para ser Data-Driven Decisions: Parte III "La creación de YOT"

Estaba claro que había que hacer más en nuestra estrategia - como os contaba en la entrada anterior - que simplemente crear caso de uso internos - a partir de ahora permitidme que los llame IUC - basados en los datos normalizados en nuestro Modelo de Referencia Unificado (URM). Había que llevar los casos de uso hasta el usuario, así que había que desarrollar más el modelo.

Figura 11: Una historia de la estrategia Data-Centric para ser Data-Driven Decisions:
Parte III "La creación de YOT"

Como os he dicho, pasé un fin de semana dándole vueltas a la cabeza, y descubrí que me faltaban varias piezas aún que unir para sacar lo máximo de lo que ya habíamos hecho con los datos. La primera de ellas era llevar el URM hasta un paso más, utilizando un concepto y un proyecto que durante un tiempo se había estado estudiando en nuestra área de Innovación en Telefónica. Dentro del área de Product Innovation había un grupo de ingenieros trabajando el concepto del Personal Data Bank.

From Personal Data Bank to Personal Data Space

La idea del PDB era poner a disposición del cliente los datos que genera en la red de Telefónica, algo que fue la semilla de la visión de que los datos pertenecen al cliente. Para ello se había estado trabajando en tres vectores en el PDB.
1) Catalogación de los datos que se generan. 
2) Almacenamiento seguro. 
3) Utilización y consumo de los datos por terceros con privacidad.
No es casual este trabajo, ya que no solo había un grupo de ingenieros trabajando en este proyecto. Desde Telefónica se lideró en 2015 la creación del Data Transparency Lab, una iniciativa que aún está activa. Esta organización, impulsada por Telefónica, Mozilla Foundation, MIT Connection Science y Open Data Institute (ODI), ha estado dando becas I+D a investigadores y desarrolladores para entender mejor el valor de los datos, tener herramientas más transparentes y entender mejor cómo proteger la privacidad de los datos. Para ello, cada año tenemos un congreso en el que debatimos sobre esto. Yo estuve en el que se realizó en el año 2015 en la Universidad de Columbia, en New York.

A post shared by Chema Alonso (@chemaalonso) on

Del DTL han salido una buena cantidad de proyectos en estos tres últimos años, como Facebook Data Valuation Tool para entender el valor de los datos en la red social, o $herif, una herramienta que ayuda a detectar sitios que realizan "Price Discrimination" cuando detectan que una persona está a punto de comprar o comparando precios entre sitios.


Figura 13: Facebook Data Valuation Tool

Gracias a todo el trabajo realizado en el Data Transparency Lab, el trabajo que el equipo realizó en el Personal Data Bank era perfecto para construir ese concepto sobre los datos normalizados en formato URM dentro de nuestra estrategia "Data Centric", así que lo incluimos, con un nombre menos económico, y lo llamamos PDS (Personal Data Space).

Es decir, después de normalizar los datos en formato URM, debíamos construir los PDS de los clientes y ver de qué forma le dábamos el valor y el control de los mismos a los usuarios, y así fue como nació la última pieza que comenzamos a construir en septiembre de 2016, YOT.

Codename YOT: "You On Telefónica"

Como os he dicho, me pasé el fin de semana pensando cómo hacer realidad nuestra propuesta de dar control de los datos a nuestros clientes, para que pudieran sacar más partido de su Personal Data Space. Durante ese fin de semana me acordé de unas demos que había visto en primera persona sobre cómo funcionaba MS Bot Framework, y cómo se podían utilizar los Cognitive Services para interactuar con cualquier sistema, a través de múltiples canales - chatbot, app o web - utilizando Procesamiento de Lenguaje Natural (NPL).

Figura 14: La estrategia de la margarita, más los Persona Data Banks,
más YOT, como una Cognitive Intelligence para representar al usuario

Y todo encajó en mi cabeza. Con esta pieza podía construir un sistema que permitía a todos los clientes interactuar con Telefónica, utilizar sus datos, y que algo sucediera en nuestros sistemas. Y dibujé en otra pizarra cómo encajaban todas las piezas con YOT, permitiendo no solo que los datos se pudieran utilizar, sino que además se pudieran descargar y llevar fuera de Telefónica como un esquema de portabilidad - pero de esto os hablaré en un post siguiente.

La idea es que YOT sería una AI basada en motores conversacionales que haría las acciones en la red (en color rojo), que utilizaría los datos del Personal Data Bank (son las cajitas de la segunda capa de la 4P, y se explican en detalle arriba a la derecha) para atender a las necesidades de cada cliente, permitiendo que estos se enriquecieran con External Sources si fuera necesario, y que se compartieran insights con terceros, tal y como se ve arriba a la derecha. Además el PDB/PDS se podría llevar en un disquete, y se podría cargar desde un disquete. Lo del disquete es una metáfora, como podéis imaginar. Durante el lanzamiento de AURA, yo hablé de estos PDS como podéis ver en la imagen siguiente.


No quiero dejar de pasar la oportunidad de explicar que desde el primer instante en que pensamos en la construcción del PDS, éste no solo contenía datos en plano generados, sino que se pensó como una zona donde además se generaría insights, utilizando algoritmos tradicionales de BI, algoritmos de Machine Learning e, incluso, DeepLearnig. Los insights generados con los datos del usuario también serían parte de este PDS.

A post shared by Chema Alonso (@chemaalonso) on

Para conseguir que esto funcionara, debíamos atacar otra de las piezas fundamentales de nuestra visión. La Digitalización End-To-End (Dig e2e) para que hubiera APIs disponibles en todas las plataformas que permitieran a YOT hacer las acciones que el usuario quería. Y con esto comenzamos a construir nuestra AI - Codename: YOT - que luego cambiaría su nombre por algo que seguro que os suena a muchos.

Como podéis ver, el camino en la construcción de la Cuarta Plataforma ha sido el esfuerzo de muchos años, y es mucho más que AURA - que es solo un caso de uso de la Cuarta Plataforma y puede morir o no, pero la 4ª Plataforma seguirá - y mucho más que un Big Data - comenzamos hace casi una década a utilizar tecnologías Big Data en Telefónica.


Figura 17 : Vídeo sobre los equipos de innovación en Telefónica

Como forma de representar esto, los equipos de innovación hicimos este pequeño vídeo en el que mezclamos la innovación interna, la innovación externa, y la innovación con la 4ª Plataforma, que además de trabajar mucho intentamos hacer que sea divertido. En la siguiente parte os contaré qué es AURA. En quinta parte os contaré las tecnologías de transparencia y portabilidad, y en la última parte, todas las piezas tecnológicas juntas en un único mapa.

Saludos Malignos!
*************************************************************
- Data-Centric para ser Data-Driven Decisions: Parte I
- Parte II "La Estrategia de la Margarita"
- Parte III "La creación de YOT"
- Parte IV "La llegada de AURA"
- Parte V "La puesta de largo de AURA"
- Parte VI "El end-point móvil"
*************************************************************

No hay comentarios:

Publicar un comentario