|
A fines del 2014 los Ingenieros Civil Matemático de la Universidad de Chile Francisco Santibáñez y Carlos Flores, junto a Ulises Poblete y Cristopher Silva, decidieron abrir un spin-off de su consultora de Modelamiento Matemático SolMat, luego de crear una metodología que aborda el proceso completo de resolver una problemática predictiva. Así nace DataQu, una empresa dedicada 100% al desarrollo de productos de modelos predictivos basado en Machine Learning - Inteligencia Artificial.
¿Su objetivo? Ayudar a las empresas a sacar provecho de la gran cantidad de datos que almacenan, con el fin último de permitirles innovar y anticiparse a la ocurrencia de eventos. Concretamente, DataQu busca transformar los datos de las empresas en recomendaciones predictivas para mejorar su operación. Así, vieron una oportunidad en el sector minero.
“Es fundamental para la minería mejorar sus procesos con el objetivo de optimizar sus procesos, y dado que cuentan con una gran cantidad de data y muy fina (cada segundo o menos), es que nació la idea de generar un producto que prediciera como manipular las variables controlables según las de entrada para alcanzar el óptimo en recuperación o en toneladas por hora, en eficiencia energetica, entre otros problemas”, explica Francisco Santibáñez.
El CEO de la compañía asegura que actualmente en el sector se da que ciertas personas adquieren experiencia que hace mejorar procesos, pero esta dependencia centralizada en una persona no es la forma óptima de resolver el problema. “Es por eso que una solución automatizada y con Inteligencia Artificial combinando con el análisis de expertos en el tema, es la mejor solución para mejorar los procesos, no solo en minería, si no en cada Industria”, sentencia.
¿Cómo llegaron a esta solución? ¿Cómo se les ocurrió abordar esta problemática?
Todo comenzó con un primer cliente en minería, Minera Los Pelambres, que básicamente solicitaba un análisis de sus datos para encontrar correlaciones relevantes. Debido a nuestra experiencia en problemáticas similares de otras industrias, |
|
quisimos ir un poco (bastante) más allá y no solo realizar análisis, si no que crear soluciones que tomando todas las variables se pudiesen generar recomendaciones automatizadas que mejoran y optimizan sus procesos.
¿Cuál es el público objetivo que pretende conquistar?
El público objetivo es toda empresa de cualquier industria que disponga de data histórica. Una vez teniendo eso, a toda empresa le servirá anticiparse a la ocurrencia de eventos y diferenciarse de su compentencia y no quedarse atrás.
Por otro lado, estamos desarrollando un producto abierto a todo público y pequeñas empresas, donde podrán generar sus propios modelos predictivos, compartir sus análisis con la comunidad y resolver problemáticas que hoy se encuentran fuera de su alcance por no contar con conocimientos ni equipo de Data Scientist.
¿En qué fase del proyecto están?
Actualmente nos encontramos productivizando varios casos de uso, como Predicción de Variables a Controlar en la Minería, Predicción de Fraude, Predicción de Fuga de Clientes, Predicción de Cosecha, Predicción de Morosidad, entre otros.
¿Cuáles son sus expectativas de crecimiento?
Para este año buscamos llegar a varios clientes de Chile, tanto con soluciones en la minería como la Predicción de Fraude. Para el siguiente año comenzar con clientes de Latinoamérica y ya en 2021 a todo el mundo.
¿Cómo ha sido la experiencia de innovar en Chile?
Ha ido mejorando cada año. Inicialmente era bastante difícil encontrar empresas que apostaran por soluciones que les "adivinarían" lo que va a ocurrir, pero ya de a poco y con resultados en mano, hemos logrado llegar cada vez más lejos, aumentando los clientes y llegando a más industrias.
Para más información sobre esta empresa visita http://www.dataqu.ai/
|
|