Nuestro Blog

Actualmente, miles de millones de productos se venden online y existen numerosas plataformas e-commerce que los venden. Identificar y combinar determinados productos para diversos fines, como para la comparación de precios, se convierte en un desafío para el sector del comercio electrónico, ya que no existen identificadores únicos y globales para cada producto. En este punto es donde entra en juego la Inteligencia Artificial y el Machine Learning.

Existen diversos portales webs enfocados a la comparación de precios para obtener las mejores ofertas en un determinado producto como la contratación de seguros de coche. Estos comparadores de precios están enfocados al cliente pero… ¿y si somos una tienda online y queremos comparar los precios de los productos de la competencia con los nuestros? ¿Cómo podemos abordarlo?

Antes de profundizar, un breve aspecto a tener en cuenta: el naming y descripción de los productos no poseen un formato estándar. Cada tienda online incluye estos datos (marca, titulo y descripción del producto) en su web de diferente forma para un mismo producto. Asimismo, las imágenes que se muestran del producto tampoco son estandarizadas y pueden aparecer con diferente perspectiva, color, claridad, etc. Evidentemente, sí existen identificadores generalizados para algunos productos como son las pulgadas de un televisor, pero es posible que según el portal de venta online no lo mencionen, lo incluyan en el titulo del producto o lo incluyan en la descripción.

Por tanto, una persona de forma manual puede visitar diferentes tiendas online y verificar que éstas coinciden con los mismos productos. No obstante,  el problema surge cuando no es viable realizar esta labor de forma manual porque el coste sería muy elevado. Es aquí donde entra en juego la Inteligencia Artificial y el Machine Learning para automatizar el proceso de Product Matching.

¡La Inteligencia Artificial y Machine Learning al rescate!

Inicialmente, en las soluciones de machine learning para la coincidencia de productos, el proveedor de soluciones tiene que construir primero una base de datos de miles de millones de productos. Esto se hace mediante la recopilación de información a través de rastreos web y feeds (crawlers).

Una vez se tiene la base de datos, se realiza el proceso de Product Matching. Un producto puede identificarse utilizando su título, su descripción, imágenes y lista de atributos o especificaciones. En muchos casos, el título del producto en sí mismo proporcionará mucha información y el sistema tiene que aprender a ordenar el nombre del producto (por ejemplo, el modelo de marca) de los atributos (pulgadas, resolución, etc. Toda esta información debe extraerse, clasificarse y colocarse en las categorías apropiadas: modelo de televisor, versión, resolución, etc.

Para cada comparación, el sistema pasa por muchos pasos y verificaciones. Se busca un número de identificación único, una prueba de similitudes de palabras clave, normalización de marca y coincidencia (por ejemplo, LG es lo mismo que Life´s Good), normalización de atributo y coincidencia (32″es lo mismo que 32 pulgadas, 32 pulg. , 32 pulgadas), coincidencia de imágenes, etc.

LG televisor

Figura 1. Ejemplo de Televisor LG en dos portales webs diferentes y cuyo título y descripción no aparecen estandarizados.

Todo esto es un proceso complicado, y existen diferentes soluciones Product Matching que se pueden emplear con diferentes técnicas pero la ventaja es que las redes neuronales y los sistemas de Product Matching aprenden con el tiempo, incluso de sus errores, y así mejoran con cada uso.

Por otro lado, el procesamiento de las imágenes de productos puede proporcionarnos información relevante que no aparece reflejado en el titulo y/o descripción del producto. En la figura 2, podemos ver cómo detectar un mismo producto (ej. Nata Pascual) en dos supermercados diferentes (supermercado A, supermercado B). En el supermercado B tenemos dos productos de Nata Pascual y queremos ver cuál de los dos hace “match” con el supermercado A. Si atendemos únicamente a las taxonomías de la descripción, ambos productos del supermercado B coinciden, en parte, con la descripción del proudcto del supermercado A. Sin embargo, ayudándonos de la imagen en lugar de la descripción se detecta cual de los dos productos del supermercado B coincide con el del supermercado A. Detectar este tipo de “anomalías” es bastante complicado, sin embargo, la herramienta netPrecie de ITELLIGENT a través de técnicas de Deep Learning detecta este tipo de diferencias en imágenes para aportar una mayor optimización al sistema de Product Matching.

PRODUCT MATCHING Ejemplo imagenes

Figura 2. Ejemplo de Product Matching a través del procesamiento imágenes con técnica de Deep Learning (netPrice)

El sistema automatizado de Product Matching desarrollado por ITELLIGENT se llama netPrice. Esta herramienta de monitorización de precios permite enlazar tu catálogo de productos con los de tu competencia a través de técnicas de Inteligencia Artificial y Machine Learning para asegurar la correcta analítica de precios. ¿Quieres saber más sobre nuestra herramienta? ¿Deseas tener una demo de netPrice?

¡Escríbenos!

Se trata de una herramienta  de Google para la visualización de datos creando presentaciones de informes customizados por el usuario. Con Google Data Studio puedes integrar diversas fuentes de datos tales como Google Analytics, Adwords, Youtube, Search Console, Hojas de cálculo de Googles, archivos MySQL, BigQuery, etc. Con todos estos datos, la herramienta te ayuda a crear sencillos informes personalizados con los datos de cada una de las fuentes empleadas y en tiempo real. No importa si quieres crear informes detallados o paneles más generales, Data Studio ofrece las herramientas que necesitas para analizar datos, presentar visualizaciones atractivas y compartir información con tu equipo.

¿Qué fuentes de datos puedes integrar en Googla Data Studio?

Data Studio permite crear diversos paneles en base a la fuente de datos que desees integrar en la herramienta. A continuación te desglosamos qué fuentes de datos puedes integrar:

  1. Google Analytics. Un panle que fácilmente puedes supervisar el rendimiento de tu sitio web, aplicación móvil o dispositivo conectado a Internet.
  2. Campaign Manager y Google Ads. Paneles con datos en tiempo real para supervisar y medir el rendimiento de tus campañas, optimizar tus estrategias de publicidad y tomar decisiones de marketing más inteligentes.
  3. Google Big Query. Panel personalizado de BigQuery en Data Studio para supervisar los datos de tu almacén de Big Data o visualizar las métricas más importantes de tu empresa en tiempo real
  4. Google Cloud SQL. Permite que una audiencia más amplia pueda entender y compartir los datos de Cloud SQL a través de sistemas SSH y JDBC, sin necesidad de crear consultas SQL.
  5. MySQL. Panel personalizado de MySQL para consultar las métricas más importantes de tu base de datos y tener acceso a un panel con información en tiempo real para sacarles el máximo partido.
  6. PostreSQL. Los datos del sistema de gestión de bases de datos relacionales de software libre PostgreSQL en Data Studio. Este conector usa el controlador JDBC de PostgreSQL para conectar una fuente de datos de Data Studio con una única tabla de una base de datos de PostgreSQL.
  7. Hojas de cálculo de Google. Panel de Hojas de cálculo de Google personalizado para gestionar los datos de tus hojas de cálculo y archivos CSV.
  8. YouTube. Incluir visualizaciones de cualquier campo disponible en la API de YouTube para generar un panel totalmente automatizado de tu canal.

Una vez que tienes todos los datos sin procesar, lo habitual es transformarlos en información más completa y útil. Google Data Studio convierte las dimensiones y métricas de tus datos en un pilar fundamental para crear gráficos ya que puedes:

  • Extraer estadísticas a partir de tus datos rápidamente sin necesidad de introducir consultas SQL. Data Studio incluye un espacio dedicado a las consultas rápidas con fines concretos en el que puedes analizar una tabla de datos.
  • Usar soluciones útiles para crear métricas o dimensiones a partir de fórmulas personalizadas. Estas fórmulas pueden incluir campos de la fuente de datos, texto literal y valores numéricos.
  • También puedes aplicar operadores aritméticos, lógicos, de comparación, unarios y binarios, así como otras funciones más sofisticadas.

Data Studio ofrece, entre otras, decenas de funciones matemáticas, de fechas y de cadenas para convertir tus datos en valores útiles. Puedes usar estas funciones individualmente o combinarlas con otros operadores y funciones para crear campos calculados sofisticados.

 

Estar al día de la información que se publica en los Boletines Oficiales puede suponer una importante fuente de ingresos para una empresa. Sin duda, recopilar esta información es una labor bastante ardua. Legislación, convenios, ayudas, licitaciones, subvenciones, entre otros, supone un trabajo que no resulta nada sencillo de gestionar debido al gran volumen de documentos publicados en la red y a la dispersión de sus fuentes. Pero tranquilo, en este post te ofrecemos una solución sencilla y que no supone ningún coste adicional para tu empresa.

La solución es iBOOF, un motor de búsqueda de acceso público y gratuito especializado en Open Data e información oficial de las administraciones estatales, autonómicas y provinciales en España. Básicamente, Se trata de un agregador de Boletines Oficiales españoles que incluye un servicio de avisos.  iBOOF  posee seis canales temáticos que agrupan las disposiciones publicadas en los distintos boletines oficiales en:

  1. Concursos y Licitaciones
  2. Convenios Colectivos
  3. Leyes, Decretos, Ordenes…
  4. Oposiciones y empleo
  5. Subastas: Inmuebles, concesiones
  6. Subvenciones, Ayudas

iboof 2018

Los resultados obtenidos dentro de cada temática también se pueden filtrar según diversos criterios. ¿Quieres saber cómo realizar búsquedas en  iBOOF ? En un post anterior en nuestro blog te explicamos cómo utilizar este buscador de Open Data: Cómo funciona el buscador iBOOF

Otro de los servicios que ofrece iBOOF es crear alertas mediante la suscripción por correo electrónico sobre los criterios de búsqueda que hayas establecido y recibir todas las novedades -nuevas publicaciones- que vayan apareciendo en cada uno de estas fuentes. Este servicio también es gratuito.

Por último,  iBOOF posee una base de datos única para todos los boletines en la que podemos seleccionar qué Boletín Oficial y de qué fecha queremos ver y descargarlo en PDF una vez encontrado, ¡todo sin salir de la página del buscador!

 

El Premio Turing se trata de un reconocimiento de las Ciencia de la Computación y es considerado el “Premio Nobel” en ésta área. Anualmente, este galardón es otorgado a quienes hayan contribuido de manera trascendental a este campo y concedido por la Association of Computing Machinery (ACM), la mayor agrupación de profesionales de la informática. Este premio, como su propio nombre indica, rinde homenaje a Alan M. Turing.

Alan M. Turing (1912-1954) es considerado uno de los padres de la Informática, precursor de la informática moderna que proporcionó una influyente formalización de los conceptos de algoritmo y computación. Las aportaciones más relevantes de toda su trayectoria científica en Ciencias de la Computación fueron: la maquina de Turing, Enigma,  el test de Turing, el primer programa de ajedrez para un ordenador, aportaciones al estudio de la Cibernética, entre otras.

El último Premio Turing (2018) ha sido otorgado a tres investigadores en Inteligencia Artificial: Geoffrey Hinton, Yann LeCun y Yoshua Bengio, por sus aportaciones en Deep Learning (aprendizaje profundo). Las técnicas que han desarrolló a lo largo de los 90 y 2000 han permitido grandes avances en áreas como la visión artificial y el reconocimiento de voz. Sus aportaciones han sido clave para el desarrollo de las actuales tecnologías de Inteligencia Artificial, desde coches autónomos como “Google self-driving car”, reconocimiento facial como “Face ID” de Apple hasta asistentes virtuales en el hogar como “Alexa” de Amazon.

Desde 2004, el Premio Turing es patrocinado por Google y gratifica al ganador con 1 millón de USD.

Geoffrey Hinton

Hinton (Reino Unido, 1947) es Doctor (Phd) en Inteligencia Artificial por la Universidad de Edimburgo y actualmente es profesor en el departamento de informática en la Universidad de Toronto. Desde 2013 trabaja en Inteligencia Artificial para Google. Estudió Psicología Experimental en Cambrigde; allí, alguna influencia tuvo que se inspiró en nuestra biología, la mente humana, para programar y crear las conocidas redes neuronales.

Yann LeCun

LeCun (Francia, 1960) es profesor de Plata del Courant Institute of Mathematical Sciences de la Universidad de Nueva York y vicepresidente, jefe científico de Inteligencia Artificial en Facebook. Sus contribuciones datan desde finales de los ochenta, inventó el algoritmo de reconocimiento óptico de caracteres y la visión por computadora utilizando Convolutional Neural Networks (CNN). Es uno de los principales creadores de la tecnología de compresión de imágenes DjVu, junto a Leon Bottou y Patrick Haffner; y co-desarrolló el lenguaje de programación Lush, junto a León Bottou.

Yoshua Bengio

Desde 1993, Bengio (Francia-Canada,  1964) es profesor en el Departamento de Ciencias de la Computación e Investigación de Operaciones en la Université de Montréal y además de ocupar la Cátedra de Investigación de Canadá en Algoritmos de Aprendizaje Estadístico, también es el fundador y director científico de Mila (Instituto de Montreal para los Algoritmos de Aprendizaje), el grupo de investigación universitario más grande del mundo en Deep Learning.

Su contribución a la investigación es innegable. Su objetivo final es comprender los principios que conducen a la inteligencia a través del aprendizaje y su investigación le ha valido múltiples premios, entre ellos, el actual Premio Turing en 2018. En este mismo año también recibió la Medalla del 50 aniversario del Ministère des Relations Internationales et de la Francophonie. Estos honores reflejan la profunda influencia de su trabajo en la evolución de nuestra sociedad. Preocupado por los impactos sociales de esta nueva tecnología, ha contribuido activamente al desarrollo de la Declaración de Montreal para el Desarrollo Responsable de la Inteligencia Artificial.