Análisis de la IA basado en la web: Medición de los resultados de innovación de las empresas con InnoProb
Robert Dehghan
Los indicadores de IA basados en la web ofrecen una alternativa completa, granular, actualizada y rentable a los métodos tradicionales de recopilación de datos. En istari.ai somos pioneros en el campo de la tecnología de indicadores basados en web. Con webAI, estamos desarrollando una inteligencia artificial que proporciona a nuestros clientes información sobre mercados y empresas en tiempo real.
20. noviembre de 2020
Los datos de mercados y empresas ayudan a las partes interesadas del mundo empresarial y político a tomar decisiones con conocimiento de causa. Debido a la creciente aceleración de los procesos sociales, los métodos tradicionales de recogida de datos suelen ofrecer resultados obsoletos, ya que transcurre mucho tiempo entre la recogida y el análisis. La elevada carga de trabajo manual y los costes de personal asociados impiden una mayor frecuencia de recogida de datos. Como consecuencia, los datos pertinentes no suelen estar disponibles de forma granular para todos los niveles de análisis y, por tanto, la cobertura es limitada.
webAI Deep Market Intelligence
Los indicadores de IA basados en la web ofrecen una alternativa completa, granular, actualizada y rentable. En istari.ai somos pioneros en el campo de la tecnología de indicadores basados en web. Con webAI, desarrollamos una inteligencia artificial que proporciona a nuestros clientes información sobre mercados y empresas en tiempo real. Con webAI buscamos datos masivos en la web con alta frecuencia e identificamos la información más relevante mediante inteligencia artificial. El sistema extrae el conocimiento relevante y lo pone a disposición de nuestros clientes de forma fácilmente accesible. A esto lo llamamos "Deep Market Intelligence". Este proceso automatizado nos permite responder a preguntas individuales, actualizar los resultados diariamente y conseguir un importante ahorro de costes en comparación con los métodos tradicionales de recopilación de datos.
webAI InnoProb identifica empresas innovadoras
La puntuación InnoProb es un ejemplo de indicador webAI. La puntuación es calculada diariamente por istari.ai para todas las empresas con sitio web propio y, por tanto, está disponible de forma exhaustiva y actualizada. Una comparación directa demuestra que los resultados de InnoProb no tienen nada que envidiar a la calidad de los métodos tradicionales de recopilación de datos. En estudios científicosexhaustivos1, nuestro método de recopilación de información de mercado a través de Internet obtiene muy buenas puntuaciones y ofrece resultados comparables a la información procedente de fuentes de datos tradicionales. El siguiente mapa, por ejemplo, muestra la distribución detallada de empresas innovadoras y no innovadoras en Berlín: Por un lado, según las predicciones de InnoProb ("Predicciones" - arriba a la derecha en el gráfico) y, por otro, según lo recogido en una encuesta tradicional a empresas ("Encuesta" - abajo a la derecha en el gráfico).
Ilustración: Porcentaje de empresas innovadoras en la población total de empresas locales previsto por InnoProb (izquierda). Comparación entre las predicciones de InnoProb basadas en la web y los resultados de encuestas (Panel de Innovación de Berlín) sobre la distribución de empresas innovadoras y no innovadoras en Berlín (derecha).
Fuente: Kinne y Lenz 2021.1
Los resultados de la encuesta de Berlín(Panel de Innovación de Berlín) son una característica única. Debido al elevado esfuerzo de la encuesta, sólo se dispone de información tan detallada de muy pocos lugares de Alemania. Con la ayuda de webAI InnoProb se pueden analizar con alta frecuencia todas las empresas de todas las regiones e identificar así las empresas innovadoras. Estos datos son de gran valor para los análisis de mercado, pero también para la evaluación de las medidas de política de innovación. A diferencia de los métodos de encuesta tradicionales, se evalúan todas las empresas, no sólo una muestra aleatoria. De este modo, las decisiones pueden tomarse a partir de una base de datos muy actualizada y disponible universalmente.
¿Cómo funciona InnoProb?
El modelo de predicción de innovación webAI InnoProb se basa en textos web de acceso público que las empresas publican en Internet. Estos textos se analizan y evalúan con un modelo de aprendizaje profundo que utiliza una red neuronal artificial. Anteriormente, la red InnoProb se entrenó con información procedente de una encuesta tradicional a empresas. En el contexto de la encuesta, se preguntó a las empresas si habían lanzado recientemente nuevos productos y si, por tanto, podían considerarse "innovadoras de productos". Posteriormente, se descargaron los textos web de todas las empresas participantes utilizando un web scraper, una herramienta para extraer textos de páginas web. Estos textos se enriquecieron con la información de la encuesta (innovador de producto "Sí"/"No") y se utilizaron como datos de entrenamiento para la red neuronal artificial. Durante el entrenamiento, la red neuronal aprende en qué se diferencian los textos de la web entre innovadores y no innovadores de productos, por ejemplo, en cuanto a determinadas palabras y combinaciones de palabras. A partir de las correlaciones aprendidas, la red neuronal puede hacer una predicción (la puntuación InnoProb) sobre la probabilidad de que una empresa sea innovadora. En la figura siguiente se muestra esquemáticamente el proceso descrito.
Ilustración: Representación esquemática del flujo de trabajo de InnoProb.
Fuente: Kinne y Axenbeck 2020.3
¿Qué vendrá después de InnoProb?
Con un total de más de treinta presentaciones, InnoProb suscitó un gran interés entre la comunidad científica, las estadísticas oficiales y las instituciones centradas en la política económica. En la actualidad, Istari.ai sigue avanzando en el enfoque presentado. Como método novedoso y potencialmente revolucionario para la recopilación de información de mercado, es posible conceptualizar y llevar a cabo análisis exhaustivos en breves periodos de tiempo con un mínimo esfuerzo de personal. Especialmente en el contexto de acontecimientos muy dinámicos, que requieren datos exhaustivos, pero también rápidamente disponibles y actualizados, nuestro enfoque muestra todo su potencial. En poco tiempo pudimos adaptar webAI para medir el impacto de la pandemia de coronavirus en las empresas alemanas e identificar así, por ejemplo, clusters regionales. En un proyecto actual, estamos trabajando, entre otras cosas, en la adaptación de webAI para la identificación de empresas que utilizan inteligencia artificial. Debido al amplio campo de aplicación de webAI, los datos de webAI ya están siendo utilizados por científicos de diversas áreas de investigación en Alemania y en el extranjero. Más sobre esto en nuestros próximos artículos del blog.
Fuentes:
1 Kinne y Lenz 2021: https://doi.org/10.1371/journal.pone.0249071
2 Panel de innovación de Berlín: https://www.inno.tu-berlin.de/menue/berlin_innovation_panel/
3 Kinne y Axenbeck 2020 : https://link.springer.com/article/10.1007/s11192-020-03726-9
¿Le interesan los datos utilizados en este estudio?
Reserve una demostración gratuita.