El pasado 19 de abril tuvo lugar el curso de Big Data y producción realizado por Carlos Javier Gil García y organizado por la vocalía de Garantía de Calidad de la Sección Catalana.
Carlos, con esta ponencia, nos acercó un poco más al complejo mundo del Big Data utilizando en primer lugar ejemplos sencillos que todos conocemos de nuestro día a día y más tarde viendo como puede aplicarse al sector farmacéutico.
Durante la primera parte de la presentación se introdujeron conceptos generales de Big Data y se evidenció la evolución de los datos en los últimos años en cuanto al volumen de datos generados, su velocidad en generarse y su alta variabilidad, siendo necesaria la utilización del Big Data para poder procesar tal cantidad de datos.
Aunque también recalcó la necesidad de disponer de datos veraces y valiosos para la compañía antes de embarcarse en la tecnología del Big Data.
El Big data no hace magia, esta es una frase que nos repitió varias veces, no soluciona todos nuestros problemas y puede que no se esté preparado o quizás no se necesite. Algo que nos dejó Carlos muy claro después de la ponencia es que los proyectos Big Data deben responder a una necesidad de negocio y no a una decisión tecnológica.
Aunque el Big Data pueda aportar beneficios de una correcta gestión de los datos como pueden ser la optimización en la toma de decisiones, encontrar patrones o incluso anticipar acontecimientos futuros, también existen desafíos que la empresa debe conocer antes de embarcarse en un proyecto de este tipo, tales como el coste de su implementación, tiempo necesario para desarrollar estos sistemas, cuestiones legales relacionadas con el desarrollo farmacéutico y el proceso de fabricación, regulaciones en cada uno de los países respecto a su uso en procesos de fabricación de productos farmacéuticos,…
Durante la segunda parte de la presentación se introdujeron conceptos relacionados con las diferentes disciplinas del análisis de datos:
- Descriptiva, cuyo propósito es resumir lo que ha pasado.
- Predictiva (Machine Learning), permite hacer predicciones sobre el futuro de manera probabilística.
- Prescriptiva, permite obtener recomendaciones sobre las acciones a seguir con el fin de reducir costes o mejorar beneficios.
Y finalmente se trataron ejemplos en producción, tales como detectar la deriva de una máquina o la simulación de procesos de producción farmacéuticos.
La ponencia suscitó mucho interés entre las personas que asistieron y así lo indicaron los asistentes en los mensajes de despedida del chat.
