El pasado mes de noviembre asistí a la celebración del tercer congreso de la Big Data Value Association (BDVA) en Valencia (España). La BDVA es una organización autofinanciada sin ánimo de lucro que representa a la parte “privada” de la PPP (Colaboración Público-Privada) Big Data Value, siendo la Comisión Europea la parte “publica” de dicha colaboración.  La PPP, operativa desde 2015, tiene como principal objetivo impulsar la investigación, el desarrollo y la innovación europea dando valor a grandes cantidades de datos.

Dentro de la PPP la asociación BDVA busca:

  • Fortalecer la competitividad y asegurar el liderazgo industrial de los proveedores y usuarios finales de los sistemas y servicios basados en tecnología de Big Data;
  • promover la mayor y mejor utilización de las tecnologías y servicios de Big Data para uso profesional y privado;
  • establecer la excelencia de la base científica de creación de valor a partir de Big Data.

La BDVA cuenta actualmente con más de 150 miembros de 27 países diferentes y organiza su actividad alrededor de 9 tareas principales: Programa, Impacto, Comunidad, Comunicación, Policita y Sociedad, Técnica, Aplicación, Negocio, Habilidades y Educación.

Durante 2016 se convocaron las primeras “calls” promovidas por la PPP desde del programa H2020. En enero de 2017, los proyectos aprobados celebrarán sus reuniones de lanzamiento.  Uno de esos proyectos, en el cual participa CARTIF, es el proyecto Transforming Transport.  Nuestras tareas técnicas estarán relacionadas principalmente con el Análisis de los Datos (Data Analytics) y el acercamiento de las técnicas Big Data al entorno real de uno de los pilotos.

La aplicación de técnicas de Análisis de Datos  y/o algoritmos de Inteligencia Computacional no es nueva para CARTIF. A lo largo de los últimos años hemos realizado diferentes proyectos en el ámbito del transporte. Todos ellos tenían en común un enfoque basado en el Análisis de Datos para valorizar el conocimiento y la experiencia acumulada en las empresas, que no es aprovechada de forma sistemática por múltiples razones.

Entre estos proyectos estaba el OPTIRAIL, que desarrolló un marco de trabajo inteligente basado en conocimiento que diera apoyo a la toma de decisiones a las empresas de mantenimiento ferroviario.

En el proyecto PREFEX se implementaron modelos computacionales basados en técnicas de inteligencia computacional que permitían caracterizar el frente de excavación y predecir su futura evolución, o GEOMAF, cuyo principal objetivo fue el desarrollo de nuevas herramientas de gestión de las operaciones de mantenimiento ferroviario tanto en infraestructura como en superestructura.

Técnicamente, el proceso de análisis de datos se realiza a partir de los datos (monitorizaciones, información histórica, etc…) y del conocimiento (experiencia) de un experto del dominio. Un empleo adecuado de dichos recursos en base a las metodologías de inteligencia computacional y otras relacionadas, hace posible extraer, modelar, validar y transferir un conocimiento que permitirá a las compañías involucradas generar un mayor valor añadido a su actividad y servicios.

Aun así, la aplicación de las técnicas de análisis de datos a entornos industriales reales ha estado por debajo de lo esperado hasta el momento, por lo que es necesario seguir divulgando los beneficios que técnicas de este tipo pueden aportar tanto en el ámbito social como en el entorno industrial y de servicios. Gracias a la BDVA y a eventos como el celebrado en Valencia, está difusión tan necesaria llega cada vez a oídos de un mayor número de empresas.

Marta Galende Galende
Share This