Innovación

En 2017, tres amigos tuvieron un presentimiento: el uso de datos para mejorar los negocios crecería. Sin saber muy bien qué, pero con la certeza de que sería un proyecto propio, abandonaron la comodidad de su trabajo en una multinacional para emprender. Martín Maffioli, Diego Oyola y Fredi Vivas crearon una compañía que analiza datos y, mediante inteligencia artificial, mejora negocios.

Como los tres son músicos, la bautizaron RockingData.

Y así como sube un hit en un ranking musical, la empresa se disparó. En 2020 creció un 400% versus 2019. Y este año la proyección es similar o mayor.

Entre sus clientes figuran YPF, Metrogas, AbInbev, Natura, Novartis, GSK, Itaú y hasta Mercado Libre. ¿Cuál es su secreto? Aplicar creatividad para entender cómo usar datos y algoritmos para ayudar a tomar mejores decisiones de negocios.

Vivas es uno de los speakers del Campus Party Uruguay, evento que este año es virtual y se está celebrando desde el jueves hasta el sábado. Antes, conversó con El Empresario sobre los inicios, la eterna búsqueda del diferencial y el reto de educar sobre el uso de datos de calidad.

-¿Qué tipo de empresa imaginaban al crear RockingData?
-Los tres socios fundadores trabajábamos juntos en una multinacional, armando el área de big data con roles complementarios. Ahí no estaba tan claro cómo usar los datos y se utilizaban para conocer el mejor funcionamiento de la red, cuándo había una transacción fraudulenta, dónde había que mejorar un servicio. En el medio de esto fui a Singularity University, la emblemática universidad de Silicon Valley (cursó el Global Solutions Program) donde tomé contacto con lo que pasaba en todo el mundo, estudié con compañeros de 50 países distintos. Y les dije a mis socios que teníamos que hacer algo. No teníamos claro qué, era bastante exploratorio, pero lo teníamos que hacer.

-¿Por qué crear una empresa y no crecer con la estructura de la multinacional?
-Había muchas ganas de hacer cosas a nuestra manera. Por más que te den todo, si en algún momento querés hacer algo tuyo, con tus amigos, lo vas a hacer. No teníamos claro qué haríamos, pero sí que éramos un equipo con gran expertise y complementariedad y queríamos vender servicios a grandes empresas. Al inicio me decían: ¿creés que esas empresa los van a contratar a ustedes que son tres personas? Y así fue.

-¿Qué diferencial tenían?
-Había pocas empresas como la nuestra, de hecho, hoy en Argentina hay menos de cinco. Nuestro diferencial estuvo en que la mayoría de la gente ve estos proyectos como de tecnología, pero en realidad también es de negocios. Lo detectamos en la empresa anterior. Cuando yo contrataba un servicio similar, me hablaban de tecnología y yo que quería saber cómo iban resolver un problema. Tampoco quería contratos largos, necesitaba que entrenaran el equipo, que me asesoraran en cómo vender la idea en mi empresa. Y todo eso faltaba. Entonces, decidimos ayudar a las organizaciones a entender lo beneficioso de la tecnología. Aprendimos de nuestras necesidades y de lo que veíamos en el mundo.

-¿Cuál fue su primer cliente?
-AB InBev. La conseguimos antes de abrir, en una charla donde conocimos un directivo que nos pidió resolver un problema. Pero el segundo cliente tuvo más impacto. Fue una compañía de oil & gas que tenía un equipo de data, pero nos invitó a hacer algo diferente: entender cómo se diferenciaban las estaciones de servicios, qué hace la gente cuando entra, dónde se canjean más puntos, dónde se carga más combustible Premium. Con un plus: sin datos de la empresa. Entonces, tomamos datos externos, como el censo y geodata de Google, para extraer información de cuánta gente vive cerca, cuánto vale el m2 de esa zona, entre otras variables. Cruzamos esos datos, los presentamos y nos dijeron que no sabían que se podían conseguir, ellos solo trabajaban con datos propios. Ya llevamos más de tres años juntos. Esto nos hizo ver que desde la creatividad podíamos agregar valor y abrió puertas a varios rubros, incluso a tecnológicas como Mercado Libre.

-¿Qué hacen para ellos?
-Como sus equipos de data están enfocados en desarrollos para el core business, como el de sugerir productos, dan poco servicio a otras áreas como las de finanzas, compras, o de recursos humanos. Entonces, apuntamos a esos sectores porque la empresa conoce la importancia de los datos, pero no tiene el equipo. Para Mercado Libre creamos un modelo de machine learning que ayuda a predecir qué colaboradores podrían abandonar la empresa. Usamos datos de los sistemas de gestión de recursos humanos como si hay cambios cuando las personas viven más lejos o cuando tienen un ascenso, cuando tienen hijos, entre otros. Detectamos tendencias que se pueden atender a tiempo y le ahorramos tareas a Recursos Humanos. Incluso, pese a que son algoritmos, se humaniza la relación y ayuda a generar conversaciones que de otra forma no hubieran sucedido. Logramos más de 40% de precisión de probabilidad de abandono. Y sirve para universidades también, para detectar si hay alumnos que están por irse, o en un sanatorio si un cliente se va a ir.

-¿Cuántos proyectos tienen?
-Más de 40 de machine learning, gran parte para la industria de salud, como laboratorios. Por ejemplo, creamos un modelo predictivo que anticipa cuántas personas ingresarán con COVID-19 en los próximos días con un 98% de precisión. Eso les permitió funcionar mejor, contratar personal si es necesario o dar vacaciones si bajan los casos. También hicimos un modelo predictivo de fraude de siniestros automotores para una aseguradora. Nos pasan datos de un caso (como la hora, lugar, tipo de auto) y nuestro modelo predice si es fraude. Entonces el equipo, en vez de mirar los 1.000 casos que pueden tener por día, se enfocan en los que tienen más probabilidad de ser fraude. Logramos un ahorro de costos de tareas de 300% en el área de detección de fraude, sin sumar el hecho de que el fraude no suceda.

-Usan datos de empresas y abiertos, ¿cuánto pesa cada uno en el éxito de un proyecto?
-Un 80% son estructurados internos de las compañías. Por eso es importante que se mejoren la calidad de los datos que tienen, porque serán el principal activo que tendrán. Si no son buenos, cuando los ponés en producción, el algoritmo que funcionó bien en la computadora del programador, no lo hará.

-Mejoran el rendimiento en varias áreas de negocio, ¿ven si más profesionales fuera de la tecnología se están acercando?
Sin duda, y está bien. Por ejemplo, el de RR.HH. analiza los perfiles a contratar, el financiero mira los números de la empresa, el de compras estudia cómo adquirir más barato y lo mejor posible. Estos analistas tendrán que dar un salto e incorporar técnicas de análisis de datos. En nuestro caso, tenemos economistas, expertos en administración de empresas, en marketing y hasta un filósofo que entiende de inteligencia artificial para construir, desde la ética, algoritmos que busquen el beneficio de todos y no tengan tantos sesgos.

-Los tres son músicos, ¿los ayuda eso en su empresa?
-Primero soy músico y luego el resto. Es un cable a tierra y me mantiene creativo, me ayuda a encontrar soluciones a temas que no sé cómo hacer. También estudié periodismo y me gusta escribir. Ya terminé un libro, Cómo piensan las máquinas, que se publicará en septiembre y aborda esta temática desde una novela futurista.