Impulsan uso de Data Science en sustentabilidad

El Data Science o la ciencia de datos es una disciplina científica centrada en el análisis de grandes fuentes de datos, para extraer información, comprender la realidad y descubrir patrones que permitan tomar decisiones estratégicas. Esta disciplina requiere del uso combinado de otras áreas de conocimiento como las matemáticas, estadística, informática, entre otras, para que al final se logre una optimización en la toma de decisiones, comenta María Helena Rivero, Experta en Data Science.

Unas de las tendencias que podrían ser implementadas a través de Data Science es la medición del impacto en el sector ambiental, el cambio climático, impulsar el sector energético, entre otros. También han crecido las iniciativas de Hackathons para crear soluciones de Inteligencia Artificial que puedan proveer un impacto y progreso de sustentabilidad global.

“Hasta 2020 se estimaba que cada persona con acceso a internet en el mundo generaba 1.78 MB de información por segundo, esta tendencia ha ido al alza y proyecciones de Statista afirman que para 2025 el volumen global de información alcanzará los 180 zettabytes”, destaca María Helena Rivero.

La ciencia de datos con impacto en la sustentabilidad permite compilar y relacionar los datos procedentes de fenómenos físicos y climatológicos como lluvias, sequías, tornados, terremotos, con los procedentes de los componentes sociales vinculados principalmente a la actividad humana cotidiana, como el consumo de agua, luz, diferentes tipos de transporte e internet.

La fuente de estos datos es variada, desde fotografías satelitales, datos procedentes de estudios, o estadísticas privadas o públicas. Lo anterior nos permite no sólo tomar decisiones estratégicas para la planeación, sino para la contención de situaciones críticas, ya que permiten predecir o anticipar el comportamiento (vulnerabilidad o resiliencia) de los actores involucrados (comunidades, ecosistemas, etc).

“Los datos que se utilizan con fines sustentables actualmente son conocidos como “green data” y a escala global, ya existen muchas iniciativas que se encargan de procesarlos y analizarlos para generar predicciones relacionadas principalmente con la gestión óptima de los recursos naturales”, expresa la experta en Data Science.

Actualmente en México existen múltiples iniciativas privadas que buscan incorporar la aplicación de la ciencia de datos a proyectos con enfoque sustentable, y esto va desde proyectos de vivienda sustentable en colonias de alto potencial de gentrificación en las principales ciudades del país, mejoras en servicios de mensajería para optar por rutas más efectivas y reducir el consumo de combustible y la emisión de gases contaminantes de los vehículos, limpieza del aire con soluciones de electro movilidad.

“Mis recomendaciones estarían dirigidas en la creación de un equipo de Data Science en las organizaciones que presentan iniciativas de sustentabilidad. Este equipo brindaría un apoyo analítico, y con soluciones apalancadas a través de la data histórica que generan valor e impacto en la toma de decisiones. Adicionalmente, sería muy interesante crear un marco de referencia corporativo para la implementación de Machine Learning tomando en cuenta KPIs tanto a nivel técnico como de objetivos sustentables que la organización quisiera alcanzar. Data Science es un área multidisciplinaria que trabaja de la mano con el liderazgo y toma de decisiones organizaciones. El equipo de Data Science no sólo conformaría de Científicos de Datos sino también expertos en el dominio de Sustentabilidad para la discusión y creación de soluciones basadas en Data Science y técnicas de la Inteligencia Artificial”, comentó la vocera.

De acuerdo con la empresa consultora Gartner se espera que el crecimiento de la inversión en sustentabilidad aumente una media del 5,7% en los próximos tres años. La implementación de procesos y cultura para el cambio sustentable para lograr un impacto trascendental en el ámbito social, económico, y medioambiental.

Uno de los mayores retos en Data Science es la variedad de data recolectada a través de dispositivos ambientales, sensores, digitalización de archivos, datos históricos que fueron recolectados manualmente entre otros. Si bien presenta una oportunidad, también representa un reto para poder trabajar con la data en tiempo real.