Dataset aúna Big Data e inteligencia artificial para mejorar la productividad de las empresas

Julen M. Lejarza, responsable de Dataset.

 La ‘startup’ vizcaína, que forma parte del ecosistema vasco de emprendimiento y de la plataforma de startup UpEuskadi, ofrece soluciones para propiciar la transformación digital de sus clientes a través de los datos

La analítica de datos en el sector industrial, sea para la mejora de procesos, para el mantenimiento predictivo o preventivo de máquinas, para la optimización de consumos energéticos u otras labores, está en auge. En esos ámbitos se ha especializado la ‘startup’ vizcaína Dataset creada en 2017 y que da empleo a seis trabajadores y trabajadoras. Como en otros casos, su modelo de negocio inicial ha variado ostensiblemente para dar respuesta a la gran demanda que supone la transformación digital de las empresas. Julen M. Lejarza, responsable de Dataset, nos habla de su experiencia en la Industria 4.0 .

¿Cuáles son los inicios de Dataset?

Empezamos a perfilar el proyecto en 2015 enfocado al sector del ‘retail’. La idea inicial era utilizar unos ‘chips’ que emulaban una señal WiFi para ‘trackear’ a la gente en centros comerciales o museos. No se trataba solo de contar y posicionar personas, sino de buscar patrones de comportamiento. Todo ello utilizando datos e inteligencia artificial. Nos constituimos como empresa en 2017 y al de poco tiempo se acercó a nosotros la compañía Schneider Electric para aplicar nuestro conocimiento al sector industrial. Desde entonces, casi todos los proyectos que hemos realizado están vinculados con la Industria 4.0.

¿Qué tipo de servicios de analítica de datos ofrecéis en el mundo industrial?

Cuando se nos acerca un cliente, le valoramos su estado inicial a nivel de tratamiento de la información, observamos qué sistemas de generación de datos tienen, vemos si estos sistemas son adecuados, generamos modelos de comportamiento basados en ‘machine learning’ para adecuar esa información en base a sus objetivos y luego los implementamos en tiempo real y vemos qué ocurre.

Casi todas las empresas disponen de PLCs que ofrecen información muy fiable, el problema es que, en muchas ocasiones, los datos proceden de fuentes muy dispares como CRM, excels u otro tipo de soportes. Cuando se inicia el contacto con el cliente les tenemos que explicar que hay que organizar toda la información, buscar sistemas para sensorizar sus líneas y luego explicarles que necesitamos un tiempo para ver que la información es la adecuada.

Una gran ventaja a nuestro favor es que gracias a servicios como Amazon Web Services, Microsoft Azure o Google Cloud podemos realizar pruebas de concepto muy rápidas y casi sin inversión. Antes costaba mucho y ahora es mucho más sencillo utilizando servicios ‘cloud’.

¿Nos puedes poner algún ejemplo de  desarrollos que hayáis llevado a cabo?

Nos suelen pedir mantenimientos preventivos y predictivos de máquinas, pero son los más complejos porque necesitas mucha información. También son complejos los relacionados con consumos energéticos. Hay ejemplos, como el caso de Ilunion Lavandería Industrial, donde hemos llevado a cabo 54 implementaciones. Su objetivo es sacar la información de dispositivos SCADA tradicionales e implementar un sistema inteligente para saber qué recursos van a necesitar en un momento dado, cuánto les cuesta los procesos o si tienen un fallo en una planta o línea qué posibilidades existen de desviar la producción a otras plantas. Lo que no hemos llegado nunca es a que el sistema de inteligencia artificial interactúe de forma automática. Todavía falta tiempo y madurez en la IA para que esto sea posible.

También estamos trabajando con la ‘startup’ MINDFLU que es un ‘social marketplace’ inteligente que personaliza los productos (ropa) según los gustos del usuario dónde interacciona con las marcas para recomendar productos. En función de cómo los usuarios interactúan con la red social, les va haciendo recomendaciones de ropa. Nosotros hemos hecho el desarrollo de la web y de la lógica de programación para generar los modelos de comportamiento y que interactúen entre ellos.

¿Cuáles son los principales retos a los que os enfrentáis en vuestro día a día con vuestros clientes?

A veces tenemos demasiada información que analizar y es importante filtrar todos esos datos para centrarnos en los que nos van a proporcionar valor y conseguir el objetivo de nuestro cliente.

Otro problema es recoger la información de diferentes soportes como PLCs, CRM, SCADA, excel. Las empresas tienen esa información muy separada y desconocen que esos datos adquieren valor en la unión y es necesario llevarlos a un espacio único en el que podemos trabajarlos. La información está y las herramientas tecnológicas para unirlas existen.

¿Las empresas se muestran interesadas en las herramientas de analítica de datos?

En concreto, en el País Vasco, el Gobierno Vasco y SPRI han fomentado el interés para que las empresas pregunten de qué va esto de la analítica de datos. Las empresas se acercan a nosotros para saber qué se puede hacer, y tras hablar con ellas empiezan a surgir ideas y posibles necesidades. Se empiezan a dar cuenta de que tienen datos e información y pueden hacer cosas importantes con ellos.

¿Cuáles son los objetivos de Dataset para este 2019?

La verdad es que tenemos mucho trabajo y muchos clientes y estamos encantados. Nuestro reto es dar buen servicio, que las implementaciones sean buenas y que la gente vea que las cosas funcionan.

Por otra parte, tenemos problemas a la hora de encontrar trabajadores o trabajadoras. Hay gente muy buena, pero es complicado atraerlos a una ‘startup’ pequeña. El perfil del trabajador o trabajadora que buscamos es el de una persona con capacidad lógica para resolver un problema, el resto de conocimientos se adquiere por el camino. Además, deben de ser personas preparadas para estar continuamente formadas y en constante aprendizaje porque los conocimientos tecnológicos se quedan obsoletos muy pronto.