Archivo

Posts Tagged ‘datos’

¿Que es la Industria 4.0?

16 de enero de 2019 Deja un comentario

Estamos en medio de una transformación significativa en la forma en que producimos productos gracias a la digitalización de la fabricación. Esta transición es tan convincente que se llama Industria 4.0 para representar la cuarta revolución que se ha producido en la fabricación. Desde la primera revolución industrial (mecanización a través de agua y vapor) hasta la producción en masa y las líneas de montaje que usan electricidad en la segunda, la cuarta revolución industrial tomará lo que comenzó en la tercera con la adopción de computadoras y la automatización, y la mejorará con la inteligencia artificial y sistemas autónomos alimentados por datos y aprendizaje automático.

A pesar de que algunos descartan el nombre Industria 4.0 como una simple palabra de moda de marketing, se están produciendo cambios en la fabricación que merece nuestra atención.

 

Industria 4.0 optimiza la informatización de Industria 3.0

 

Cuando las computadoras se introdujeron en la Industria 3.0, fue disruptivo gracias a la adición de una tecnología completamente nueva. Ahora, y en el futuro a medida que se desarrolla la Industria 4.0, las computadoras están conectadas y se comunican entre sí para, en última instancia, tomar decisiones sin la participación humana. Una combinación de sistemas cibernéticos, la Internet de las cosas y la Internet de los sistemas hacen posible la Industria 4.0 y la fábrica inteligente en una realidad. Como resultado del soporte de máquinas inteligentes que se vuelven más inteligentes a medida que obtienen acceso a más datos, nuestras fábricas serán más eficientes, productivas y menos desperdiciadas. En última instancia, es la red de estas máquinas que están conectadas digitalmente entre sí y crean y comparten información que resulta en el verdadero poder de la Industria 4.0.

 

Aplicaciones de la industria 4.0 hoy en día

 

Si bien muchas organizaciones aún pueden negar cómo la Industria 4.0 podría impactar su negocio o tener dificultades para encontrar el talento o el conocimiento para saber cómo adoptarlo mejor para sus casos de uso únicos, varias otras están implementando cambios hoy en día y preparándose para un futuro donde sea inteligente. Las máquinas mejoran su negocio. Aquí están algunas de las posibles aplicaciones:

Identifique oportunidades: dado que las máquinas conectadas recopilan un gran volumen de datos que pueden informar del mantenimiento, el rendimiento y otros problemas, además de analizar esos datos para identificar patrones e ideas que un ser humano podría hacer en un plazo razonable, ofrece Industria 4.0 la oportunidad para que los fabricantes optimicen sus operaciones de manera rápida y eficiente al saber qué necesita atención. Al utilizar los datos de los sensores en su equipo, una mina de oro africana identificó un problema con los niveles de oxígeno durante la lixiviación. Una vez fijados, pudieron aumentar su rendimiento en un 3,7%, lo que les ahorró $ 20 millones anuales.

Optimizar la logística y las cadenas de suministro: una cadena de suministro conectada puede ajustarse y adaptarse cuando se presenta nueva información. Si una demora climática bloquea un envío, un sistema conectado puede ajustarse proactivamente a esa realidad y modificar las prioridades de fabricación.

Equipos y vehículos autónomos: hay astilleros que utilizan grúas y camiones autónomos para agilizar las operaciones, ya que aceptan contenedores de embarque de los barcos.

Robots: una vez que solo es posible para grandes empresas con presupuestos igualmente grandes, la robótica ahora es más asequible y está disponible para organizaciones de todos los tamaños. Desde la recolección de productos en un almacén hasta su preparación para el envío, los robots autónomos pueden brindar asistencia rápida y segura a los fabricantes. Los robots mueven mercancías alrededor de los almacenes de Amazon y también reducen los costos y permiten un mejor uso del espacio de piso para el minorista en línea.

Fabricación aditiva (impresión 3D): esta tecnología ha mejorado enormemente en la última década y ha pasado de ser utilizada principalmente para la creación de prototipos a la producción real. Los avances en el uso de la fabricación de aditivos para metales han abierto muchas posibilidades para la producción.

Internet de las cosas y la nube: un componente clave de la Industria 4.0 es la Internet de las cosas que se caracteriza por dispositivos conectados. Esto no solo ayuda a las operaciones internas, sino que a través del uso del entorno de la nube donde se almacenan los datos, los equipos y las operaciones pueden optimizarse aprovechando los conocimientos de otros que usan el mismo equipo o para permitir que las empresas más pequeñas accedan a la tecnología que no serían capaces por su cuenta.

Si bien la Industria 4.0 sigue evolucionando y es posible que no tengamos la imagen completa hasta que miremos hacia atrás dentro de 30 años, las compañías que están adoptando las tecnologías aprovechan el potencial de la Industria 4.0. Estas mismas compañías también están lidiando con cómo mejorar su capacidad laboral actual para asumir las nuevas responsabilidades de trabajo posibles gracias a Internet 4.0 y para reclutar nuevos empleados con las habilidades adecuadas.

 

Bluehost

Anuncios

¿Qué es la Inteligencia Artificial?

14 de junio de 2018 1 comentario

Hay una montaña de exageraciones alrededor de los grandes datos, la Inteligencia Artificial (IA) y el Aprendizaje Automático. Es como besarse en el patio de la escuela, todo el mundo está hablando de eso, pero pocos lo están haciendo realmente, y nadie lo está haciendo bien (les leí a unos amigos en Cloudera por esa frase). Sin duda existe un amplio consenso de que las organizaciones deben monetizar sus datos. Pero con todo el ruido en torno a estas nuevas tecnologías, creo que a muchos líderes empresariales se les está rascando la cabeza sobre lo que significa todo esto.

Dada la gran diversidad de aplicaciones y opiniones sobre este tema, puede ser una locura, pero me gustaría intentar proporcionar una definición práctica y útil de la Inteligencia Artificial. Si bien mi definición probablemente no gane ningún reconocimiento por la precisión teórica, creo que proporcionará un marco útil para hablar sobre las acciones específicas que una organización debe tomar para aprovechar al máximo sus datos.

“Todo lo que amamos de la civilización es un producto de inteligencia, por lo que amplificar nuestra inteligencia humana con inteligencia artificial tiene el potencial de ayudar a que la civilización florezca como nunca antes, siempre y cuando logremos mantener la tecnología en beneficio”.

 

La definición teórica

 

Si le preguntas a un científico informático (o Antonio Banderas), la IA es lo que obtienes cuando creas una computadora que es capaz de pensar por sí misma. Es en Odisea en el Espacio en  el 2001: Una odisea del espacio. Los datos de Star Trek: La próxima generación (dos de las mejores obras maestras de todos los tiempos). Estas computadoras son conscientes de sí mismas: máquinas pensantes e independientes que (desafortunadamente) son muy propensas a dominar el mundo.

Si bien esa definición puede ser estrictamente precisa desde una torre de marfil, no es particularmente práctica. Ningún científico creó tal cosa, y ningún negocio realmente está considerando utilizar dicha entidad en su modelo comercial.

El término ‘IA‘ se utiliza tan a menudo hoy en día que tenemos una comprensión básica de lo que significa: la capacidad de una computadora para realizar tareas tales como la percepción visual, reconocimiento de voz, toma de decisiones y traducción de idiomas. La IA ha progresado rápidamente en los últimos años, pero todavía no coincide con las enormes dimensiones de la inteligencia humana. Los humanos hacen un uso rápido de todos los datos a su alrededor y pueden usar lo que han almacenado en sus mentes para tomar decisiones. Sin embargo, la IA aún no cuenta con tales habilidades, en cambio, usa grandes cantidades de datos para aclarar sus objetivos. En última instancia, esto significa que la IA podría requerir grandes cantidades de datos para hacer algo tan simple como editar texto.

Dejando a un lado esa definición, entonces, veamos algo mucho más práctico que pueda hacer avanzar la conversación en los negocios.

 

La IA no es un Aprendizaje Automático

 

Hay dos conceptos principales, de acuerdo con mis definiciones, que son importantes. La IA es una, y lo definiré en breve. El Aprendizaje Automático es el segundo. Existe tanta confusión sobre la definición de Aprendizaje Automático como acerca de la IA, y creo que es importante señalar que no son lo mismo.

El Aprendizaje Automático se conoce con otros nombres. Harvard Business Review lo llamó Ciencia de Datos (Data Science), y lo llamó el trabajo más sexy del siglo XXI, lo cual es una afirmación bastante audaz, dado que quedan muchos años hasta el siglo XXII. Hace años, se llamaban ‘estadísticas’ o ‘modelos predictivos’ (acuérdese del hombre del tiempo).

Como quiera que lo llame, el Aprendizaje Automático es un método de usar datos históricos para hacer predicciones sobre el futuro. La máquina aprende de esos ejemplos históricos para construir un modelo que luego se puede usar para hacer predicciones sobre los nuevos datos.

Por ejemplo, las compañías de tarjetas de crédito deben detectar transacciones fraudulentas en tiempo real para que puedan bloquearlas. Perder dinero por fraude es un gran problema para los proveedores de tarjetas, y detectar el fraude es un problema ideal de Aprendizaje Automático. Los proveedores de tarjetas de crédito tienen una montaña de transacciones históricas, algunas de las cuales se marcaron como fraudulentas. Usando el Aprendizaje Automático, las transacciones históricas se pueden usar para entrenar un modelo. Ese modelo es básicamente una máquina que analiza una transacción y juzga la probabilidad de que sea un fraude.

Otro ejemplo común en el espacio sanitario es predecir los resultados de los pacientes. Supongamos que un paciente va a la sala de emergencias y termina teniendo una infección mientras está en el hospital. Ese es un mal resultado para el paciente (obviamente), pero también para el hospital y las compañías de seguros, etc. Es en interés de todos tratar de evitar este tipo de incidentes.

Los médicos de atención médica con frecuencia usan datos pasados ​​de pacientes (incluida la información sobre pacientes que tuvieron y no tuvieron un mal resultado) con el fin de construir modelos que puedan predecir si un paciente en particular es probable que tenga un mal resultado en el futuro.

Los modelos de Aprendizaje Automático están definidos muy estrechamente. Predicen un evento o un número. ¿El paciente va a ponerse más enfermo? ¿Cuánto gastará mi equipo de ventas el próximo trimestre? ¿Este cliente potencial responderá a mi mensaje de marketing? Los modelos están diseñados para responder a una pregunta muy específica al hacer una predicción muy específica y, a su vez, convertirse en entradas importantes para las soluciones de inteligencia artificial.

 

La Inteligencia Artificial combina datos, lógica de negocios y predicciones

 

Tener un modelo de Aprendizaje Automático (Machine Learning) es como tener una superpotencia o una bola de cristal. Puedo alimentarlo con datos y hará predicciones sobre el futuro. Estos modelos pueden identificar préstamos potencialmente malos antes de que fallen. Pueden pronosticar los ingresos en el futuro. Pueden destacar lugares donde es probable que se cometan crímenes. El sistema de datos en la IA es cómo los pones en práctica.

Volvamos al ejemplo del fraude con tarjeta de crédito. Supongamos que puedo decirle por medio de un modelo de Aprendizaje Automático si es probable que una transacción sea fraudulenta o no. ¿Qué haría? Incluso pensarlo por un minuto hace que sea obvio que hay mucho más trabajo por hacer antes de que pueda comenzar a obtener valor de ese modelo.

Aquí hay algunas preguntas que debe considerar en este ejemplo:

  1. ¿Qué datos hay disponibles para mí en el momento de la transacción?
  2. ¿Cuánto tiempo tengo para procesar los datos y rechazar la transacción?
  3. ¿Qué regulaciones limitan mi capacidad de bloquear las transacciones potencialmente fraudulentas?
  4. A nadie le gusta tener legítimas transacciones bloqueadas. ¿Qué preocupaciones de experiencia de cliente necesito en esta dirección?
  5. ¿Con qué tasas de falsos positivos y falsos negativos me siento cómodo?
  6. …y así

Hay muchas más preguntas que un proveedor de tarjeta de crédito debería considerar antes de implementar un sistema para bloquear transacciones potencialmente fraudulentas.

Ese sistema, sin embargo, es lo que yo llamo IA. Es la combinación de toda la lógica comercial, todos los datos y todas las predicciones que necesito para automatizar una decisión o un proceso.

 

  • Lógica Comercial: La lógica comercial es probablemente el aspecto más importante para poner en práctica un sistema de IA. Esto cerca la experiencia de usuario, las cuestiones legales de conformidad, varios umbrales y banderas que puedo necesitar, etcétera. Esto es básicamente el pegamento que mantiene el proceso entero unido.

 

  • Datos: Los sistemas de IA extienden la mano para los datos. Ellos podrían tener que agregar datos de cliente, resumir transacciones, coleccionar una medida de un sensor, etcétera. Sin tener en cuenta de donde esto viene, los datos conducen el sistema de la IA; sin ello, el sistema viene hablando alto.

 

  • Predicciones: No todos los sistemas de Inteligencia Artificial usan datos, pero sí todos los buenos lo hacen. Cualquiera que haya llamado a su proveedor de cable ha tenido que lidiar con el sistema telefónico automatizado sin fin. Están tratando de automatizar un proceso, pero no están siendo inteligentes al respecto. La Smart AI podría hacer predicciones sobre por qué estaba llamando. Hay muchos recursos para las organizaciones que intentan comenzar con la IA. DataRobot ofrece programas educativos que pueden ayudar a cualquier persona a ponerse rápidamente al día. Existen muchas organizaciones que pueden ayudar a acelerar el proceso.

 

Empiece hoy mismo

 

Hay muchos recursos para las organizaciones que intentan comenzar con la IA. DataRobot ofrece programas educativos que pueden ayudar a cualquier persona a ponerse rápidamente al día. Existen muchas organizaciones que pueden ayudar a acelerar el proceso.

Recuerde, sin embargo, que no se trata de encontrar el caso de uso perfecto con la información perfecta. Se trata de asumir tantos proyectos pequeños como pueda para generar valor rápidamente. Puede obtener algunas ganancias que acumulará un impulso sustancial y hará posible que itere y amplíe su monetización de sus datos.

 

Artículos relacionados:

 

 

hostgator2

Web Hosting HostGator

30 Herramientas Gratuitas para la Visualización y el Análisis de Datos

17 de junio de 2014 1 comentario

Tal como hemos visto el cambio de las “DIY”,  plataformas de recogida de datos, también estamos viendo el desarrollo de toda una nueva clase de auto-servicios de

English: Scinet Chart - Data Visualization

Visualización de datos (Foto crédito: Wikipedia)

exploración de datos y herramientas de visualización. Estas no son necesariamente de sustitución de SPSS, SAS, R, y otras suites de análisis tradicional: los sistemas de nivel empresarial a menudo son todavía necesarios para hacer más complejo el análisis estadístico avanzado. Sin embargo, en muchos aspectos, estos nuevos competidores tienen un legado para los proveedores: son menos caras (en muchos casos gratis), más flexibles, más fáciles de usar, y se construyen con las necesidades de una gran variedad de usuarios. Hoy en día, es posible encontrar muchas herramientas que pueden ayudar a los usuarios más inexpertos rápidamente haciendo análisis sofisticados y producir unas grandes visualizaciones de muchos tipos diferentes de datos.

La democratización de la exploración de datos está en marcha.

Por supuesto que siempre han sido muchas las opciones de software disponibles para los analistas e investigadores, por lo tanto una mayor elección de sí mismo no es revolucionario. Por ejemplo, cuando piensan sólo en los investigadores de mercado de la industria, durante años se han basado en las encuestas en plataformas de recogida de datos que se han integrado de forma bastante avanzada en la exploración de datos con herramientas en sus ofertas, pero se han limitado en su mayor parte a los datos recogidos en ese sistema y no permitían fácilmente la síntesis de datos externos. A pesar de que a menudo son capaces de mucho más, el uso general se ha limitado al manejo de campo y algunas de las primeras etapas de acceso de cliente en lugar de la presentación de datos verdaderamente integrada.

Desde mi comienzo en el MR en el umbral del nuevo siglo, el procesamiento de datos estándar en general era el flujo de exportar los datos en un formato delimitado por comas a SPSS, limpiarlo, en ese paquete, una vez más a las exportaciones WinCross u otro programa de tabulación, que producen una voluminosa de referencias cruzadas, y crear gráficos de Excel de las tablas. Software como e-Tabs y MarketSight pretende racionalizar algunos de esos procesos y por supuesto algunas organizaciones no aprovechan de forma más completa las capacidades de los sistemas de recopilación de datos o desarrollar soluciones personalizadas utilizando macros, pero para gran parte del sector se SOP.

Para ser justos, en general fue todo lo que se esperaba de los investigadores de mercado: analizar conjuntos de datos discretos y producir una variedad de representaciones gráficas de los principales resultados. Esta expectativa comenzó a cambiar con la llegada de las plataformas, tales como  Xcelsius, Crystal Reports, Dundas Charts y otros en los primeros años de la década de 2000 cuando se comenzó a ver la demanda de los clientes de nuevas maneras de interactuar con los datos, pero a menudo, estas plataformas eran todavía dependientes de un enfoque gradual que requiere recopilación de datos de un sistema, la exportación en un paquete estadístico para la limpieza y la exploración, las exportaciones adicionales y, a continuación, en la estructura de la base, como, por ejemplo, SQL o incluso hojas Excel como herramientas para el tablero de acceso. El proceso era tedioso y propenso a la rotura. Pocos proveedores de RM abrazaron sistemas de entrega en el dashboard y estaban satisfechos con el statu quo, lo que permite a los sectores de TI y Business Intelligence dirigir las primeras etapas de la revolución de visualización de datos utilizando éstas y otras herramientas similares.

Dado que la demanda de los clientes no ha disminuido (y, de hecho, sólo ha crecido en volumen y claridad) los técnicos han hecho lo de siempre, crear eficiencias y los nuevos modelos que interrumpen los paradigmas existentes. De la síntesis de datos para la visualización de datos, ya através de todos los tipos imaginables de datos, las nuevas herramientas han surgido y hacen que sea más fácil que nunca apara aprovechar los datos para la generación de una visión impactante. La mayoría de estas herramientas no requieren codificación o incluso una formación importante; son de apuntar y hacer clic, y hacen mucho el trabajo duro detrás de las escenas.

He estado experimentando con algunas de estas plataformas que más se alinean con investigación tradicional y en el resto de este post voy a presentar algunas de mis favoritas y mis pensamientos sobre su ajuste dentro del MR. Esto no es de ningún modo una lista exhaustiva o incluso una revisión profunda, sino más bien una introducción rápida de algunas de las herramientas que  puede no ser consciente de lo que aún puede familiarizarse con ellas.

También debo mencionar que las plataformas como Infotools, Research Reporter y Tableau no están cubiertas aquí porque yo personalmente no las he usado, aunque he oído nada más que elogios hacia ellos de sus usuarios en la información del cliente. InfoTools parece estar empujando los límites para hacer análisis de datos en la investigación centrada en la visualización y en toda la empresa de forma sencilla e impactante.

Se trata de empresas como éstas las que se presentan a continuación que están ayudando a transformar las ideas en función de la exploración de datos para que sean más accesible a aquellos de nosotros (me incluyo) que no estamos capacitados suficientemente con los datos estadísticos o científicos.

Características: Se puede reordenar la tabla haciendo clic en el encabezado de cualquier columna de una vez para ordenar en orden ascendente y una segunda vez para ordenar por orden descendente (explorador compatible necesario).

Los niveles de habilidad se representan como números de más fácil a más difícil de aprender y usar

  1. Los usuarios que se sienten cómodos con las tareas básicas de la hoja de cálculo
  2. Los usuarios que son técnicamente dominantes lo suficiente para no ser ahuyentados por pasar un par de horas en el aprendizaje de una nueva aplicación
  3. Los usuarios avanzados
  4. Los usuarios con experiencia de codificación o conocimiento especializado en un campo como el GIS o el análisis de redes.

 

Herramientas de visualización y análisis de datos

 

Herramienta Categoría Visualización multiusos Asignación Plataforma Nivel de habilidad Los datos almacenados o procesados ¿Diseñado para la publicación web?
Data Wrangler La limpieza de datos No No Navegador 2 Servidor Externo No
OpenRefine (formerly Google Refine) La limpieza de datos No No Navegador 2 Local No
R Project Análisis estadístico Si Con plugin Linux, Mac OS X, Unix, Windows XP o superior 4 Local No
Google Fusion Tables Visualización app/servicio Si Si Navegador 1 Servidor Externo Si
Impure Visualización app/servicio Si No Navegador 3 Varios Si
Many Eyes Visualización app/servicio Si Limitado Navegador 1 Servidor Público externo Si
Tableau Public Visualización app/servicio Si Si Windows 3 Servidor Público externo Si
VIDI Visualización app/servicio Si Si Navegador 1 Servidor Externo Si
Zoho Reports Visualización app/servicio Si No Navegador 2 Servidor Externo Si
Choosel Framework Si Si Chrome, Firefox, Safari 4 Servidor Local o externo Todavía no
Exhibit Librería Yes Si Editor de código y navegador 4 Servidor Local o externo Si
Google Chart Tools Librería y Visualización app/servicio Si Si Editor de código y navegador 2 Servidor Local o externo Si
JavaScript InfoVis Toolkit Librería Si No Editor de código y navegador 4 Servidor Local o externo Si
D3 Librería Si Si Editor de código y navegador 4 Servidor Local o externo Si
Quantum GIS (QGIS) GIS / cartografía: Escritorio No Si Linux, Unix, Mac OS X, Windows 4 Local Con plugin
OpenHeatMap GIS / cartografía: Web No Si Navegador 1 Servidor Externo Si
OpenLayers GIS / cartografía: Web, Librería No Si Editor de código y navegador 4 Servidor Local o externo Si
OpenStreetMap GIS / cartografía: Web No Si Los escritorios que ejecutan Java 3 Servidor Local o externo Si
TimeFlow Temporal data analysis No No Los escritorios que ejecutan Java 1 Local No
IBM Word-Cloud Generator Word clouds No No Los escritorios que ejecutan Java 2 Local Como imagen
Gephi Network analysis No No Los escritorios que ejecutan Java 4 Local Como imagen
NodeXL Network analysis No No Excel 2007 and 2010 on Windows 4 Local Como imagen
CSVKit Análisis de archivos CSV No No Linux, Mac OS X o Linux con Python instalado 3 Local No
DataTables Crear tablas de búsqueda, se pueden ordenar No No Editor de código y navegador 3 Servidor Local o externo Si
FreeDive Crear tablas de búsqueda, se pueden ordenar No No Navegador 2 Servidor Externo Si
Highcharts* Librería Yes No Editor de código y navegador 3 Servidor Local o externo Si
Mr. Data Converter Cambio de formato de datos No No Navegador 1 Servidor Local o externo No
Panda Project Crear tablas de búsqueda No No Navegador con Amazon EC2 o Ubuntu Linux 2 Servidor Local o externo No
PowerPivot** Análisis y cartografía Si No Excel 2010 y 2013 algunas versiones en Windows 3 Local No
Weave Visualización app/servicio Si Si 4 Servidor Local o externo Si
Statwing Visualización app/servicio Si No Navegadores habilitados con Flash; Servidor Linux en backend 1 Servidor Externo
Infogr.am Visualización app/servicio Si Limitado Navegador 1 Servidor Externo Si
Datawrapper Visualización app/servicio Si No Navegador 1 Servidor Local o externo Si
Cascading Tree Sheets Librería Si Si Navegador 1 Servidor Local o externo Si
Dataset Librería No No Navegador 4 Servidor Local o externo Si
Leaflet Librería No Si Navegador 4 Servidor Local o externo Si
Searchable Fusion Table Map Template Librería No Si Navegador 3
Servidor Local o externo
Si
Tabletop Librería No No Navegador 3 Servidor Local o externo Si
Data Explorer** Adquisición de datos, cambio de formato de datos No No Excel 2010 y 2013 en Windows 2 Local No
eSpatial GIS / cartografía No Si Navegador 2 Externo Si
Jolicharts Visualización app/servicio Si Si Navegador 1 Servidor Externo Si
Silk Visualización app/servicio Si Si Navegador 1 Servidor Externo Si
Chartbuilder Visualización app/servicio Si No Navegador 1 Local Si
MicroStrategy Analytics Desktop Aplicación de escritorio Si No Windows 3 Local Si
Plotly Visualización app/servicio Si No Navegador 1 Servidor Externo Si
Vida.io Visualización app/servicio Si Si Navegador 1 Servidor Externo Si

 

*Highcharts es gratuito para uso no comercial, y de 80 $ para la mayoría de las licencias individuales-en todo el sitio. **Mientras que los complementos son libres,  no lo es para Excel (que es necesario para ejecutar ellos).

 

Artículos relacionados:

 

Vídeo, cursos, ebooks, apps, temas wordpress, imágenes

Los  Mercados Online de Envato: ebooks, tutoriales, vídeos, cursos, temas para WordPress y Apps

Kred: Una Aplicación Para Medir su Influencia y Alcance en las Redes Sociales Twitter y Facebook

29 de agosto de 2012 2 comentarios

Kred Story crea una corriente visual de contenido más popular de una persona y lo que la gente dice sobre ella.Kred-la aplicación para medir su influencia en las Redes Sociales

Basta con introducir el nombre de Twitter con el @ para obtener una visión general de las interacciones en los medios sociales. También intente con nombres @ de marcas, empresas y medios de comunicación para obtener una visión completa de su contenido más influyente.

La medición de la  Influencia Kred, es una medida de la influencia creada por PeopleBrowsr, en San Francisco, una empresa de análisis de los medios sociales, para identificar a las personas influyentes en las comunidades basadas en intereses. Las puntuaciones Kred se generan mediante la observación de contenido de un usuario de red social, que llega, que actúa sobre él, y si el usuario transmite el contenido de otros. Desarrollado en el principio de que “Todos tenemos influencia en alguna parte”, Kred ofrece puntuaciones globales en la red, así como resultados únicos dentro de cada una de las comunidades de un usuario. Fue introducido en un acto en la sede de PeopleBrowsr el 29 de septiembre de 2011.

El sitio web Kred es gratuito para cualquiera que lo use. También se integran en análisis sociales-la plataforma PeopleBrowsr, Zona de juegos. Los datos Kred están disponible para los desarrolladores como un API independiente o como parte de la PeopleBrowsr y APIs Kredentials.

La edición de la Influencia Kred, es una medida de la Influencia, se da como una puntuación doble para distinguir la influencia de una persona (la probabilidad de que alguien va a confiar en una persona y actuar sobre sus posts) y el Alcance (la propensión a compartir contenido de otras personas hacia delante). “Creemos que esto – el sistema de puntuación Kred – es fuerte porque es un reflejo de las bases de relaciones fuertes en todas partes: la confianza y la generosidad”, dijo el CEO  Jodee Rich en una entrevista.

La Influencia Kred mide la capacidad relativa de un usuario para inspirar la acción de otros como retweets, respuestas o sígueme. Los resultados de la Influencia  se entregan en una escala normalizada 1.000 con una puntuación más alta que representan un mayor grado de confianza e influencia dentro de la red.

Kred Outreach mide la generosidad y la recompensa a las acciones como el compromiso con los demás y la voluntad de difundir su mensaje. Outreach es anotado en los niveles cada vez mayores y nunca disminuye.

Las puntuaciones se resumen en una “historia Kred ‘o’ Kredentials” en una ventana que incluye otros datos sociales relevantes como las personas más citadas y las palabras clave de uso frecuente, hashtags y acciones de clic en los enlaces.

Kred es la medida única de la influencia para publicar abiertamente su algoritmo.

Los Retweets de Twitter se mencionan, y las respuestas se incluyen en la puntuación de cada uno. Los visitantes de Kred.com también tienen la opción de incluir las interacciones de Facebook en su puntuación.

Los usuarios pueden dar ‘+ Kred’ a cualquier persona que se siente merecedor de reconocimientos adicionales por la influencia en la comunidad.

Kred es la única métrica de la influencia social que incluye los puntos acumulados por los logros del “mundo real”, conocido como “Momentos Kred“. Los usuarios que envíen las copias en PDF de sus logros tienen puntos asignados que cuentan para las calificaciones de sus Influencia.

Kred ofrece distintos resultados discretos para la participación de un usuario en la red general, así como su relación con las comunidades basadas en intereses. Los Miembro de la Comunidad está determinada por las palabras usadas en Twitter de la Bio de una persona, así como las palabras clave y hashtags que históricamente han utilizado en sus posts. Además, una persona puede ser incluida para ser miembro de una comunidad, si se encuentra que tienen gran influencia dentro de la comunidad, independientemente de si se han utilizado las palabras clave que automáticamente los identifican como tales. “Buscamos pequeñas redes cercanas de las personas y buscamos cómo se puede ser tan influyente como las estrellas de rock”, dijo Rich en una entrevista de 2011 con TechCrunch.

Kred ofrece opciones de privacidad para los usuarios que deseen ocultar o anonimizar sus acciones.

También ofrece recomendaciones sobre cómo aumentar las puntuaciones de la superficie de compartir el contenido fresco que aún no ha sido ampliamente compartido dentro de sus comunidades.

El 26 de junio 2012 Kred anunció que ofrecerá “Recompensas” en base a su puntuación, regalando descuentos y muestras de productos.

La medidas Influencia de Kred utiliza actividades de divulgación mediante el uso de datos de Datamine PeopleBrowsr de más de tres años de los mensajes de comunicación social. Los indicadores incluyen pero no se limitan a: Conteo de la cantidad de seguidores, retweets, número de @ respuestas, el nuevo sígueme basándose en los mensajes, que se añade a una lista, y las puntuaciones de las personas Kred en las respuestas o retweet de contenido de un usuario.

A primera vista parece una muy buena aplicación y encima gratuita que le va a hacer mucho daño al medidor de influencia Klout.

 

Artículos relacionados:

¿Qué es Klout?: La Medición de la Influencia en las Redes Sociales

Los Medios Sociales y la Reputacion Online

Gestión de la Reputación Corporativa Online

¿Cómo promocionarse en las Redes Sociales?

Twitter y el Business-to-Business (B2B)

El cómo y el porqué de la moderación

 

Los medios de comunicación social

A %d blogueros les gusta esto: