Stefani Pereira y Benjamín Kutz decidieron abordar un problema real como proyecto final del Bootcamp en Data Science y Machine Learning. Se trata de Juanito 2.0, que se encarga de buscar opciones de negocio dentro de las licitaciones del mercado público en Chile.
Si quieres escuchar el proyecto de la propia voz de Stefani y Benjamin, puedes ver el vídeo de su presentación.
Para entender la verdadera utilidad del proyecto, deberemos ponerlo en contexto y ver lo que se puede conseguir.
Contenido de este artículo
Contexto: ¿Cómo conseguir oportunidades de negocio de forma optimizada?
Supongamos que existe una empresa, la llamaremos “Client métrica” y esta empresa tiene a un empleado al que llamaremos Juanito. Juanito es una persona muy eficiente y experta en buscar las diferentes licitaciones que tienen disponibles el mercado público chileno. Teniendo en cuenta que es una persona experimentada, puede leerse hasta 999 descripciones al día, toda la información la pasa a un excel para trabajar todo más adelante.
Obviamente tanta información puede poner a prueba la memoria de cualquier persona, acordarse de las diferentes oportunidades, los requerimientos de cada una y, en definitiva de los detalles, puede llevar a Juanito a cometer errores, olvidarse de oportunidades y, por tanto, perder posibles opciones de negocio.
La solución, el Machine Learning
Para hacer todas estas tareas de manera automática mientras que el verdadero Juanito puede encargarse de otras funciones, Stefani y Benjamin crearon Juanito 2.0, el modelo de Machine Learning que conseguirá optimizar este proceso a través de un modelo de aprendizaje supervisado.
Juanito 2.0 aprende de las licitaciones pasadas para saber distinguir cuáles son las opciones que puede considerar válidas. De esta manera, podrá discriminar entre todas las licitaciones publicadas a cuáles puede acceder la empresa.
Para el desarrollo de Juanito 2.0, Stefani y Benjamin siguieron una metodología cíclica que les ayudó a estructurar el trabajo.
Dentro del proyecto, la parte de recogida y tratamiento de datos fue la que se llevó más tiempo, tengamos en cuenta que para poder hacer esta automatización, la información tiene que estar debidamente categorizada y estructurada de tal manera que los resultados sean fiables.
Echa un vistazo a los detalles del proyecto:
¿Cuál fue el resultado?
Después de comparar los diferentes modelos, el que mejor funcionó fue una regresión logística ya que ofrecía resultados más ajustados al objetivo. Después de ponerlo a prueba, podemos decir que esta búsqueda automatizada ofrece los siguientes beneficios:
- Menor tiempo invertido para los empleados
- Menos errores en la toma de decisión
- Automatización de procesos
Todo esto supone una disminución en los costes y una mayor cantidad de oportunidades a las que puede aplicar nuestra empresa.
Como conclusiones
- Es posible automatizar el proceso de búsqueda de oportunidades de negocio en licitaciones públicas mediante el uso de técnicas de Machine Learning.
- Los campos de texto libre, para la descripción de la licitación, es el más relevante para clasificar de forma correcta las licitaciones y ver las oportunidades.
- Juanito 2.0 resuelve el problema de las búsquedas manuales, reduciendo tiempos y costes de las propias búsquedas, así como es capaz de ver una mayor cantidad de oportunidades.
Si quieres aprender a desarrollar proyectos como el de Juanito 2.0 donde se utiliza el aprendizaje supervisado, Machine Learning, para automatizar procesos.
No dudes en informarte sobre nuestros bootcamps, puedes contactarnos a través del email de vanessa@idbootcamps.com o llamarnos al 673903000.
