Dos modelos de ‘machine learning’ desarrollados por empleados de BBVA han conseguido el primer y segundo puesto en un reñido ‘datathon’ internacional de Tracfone Wireless, el mayor operador móvil de Estados Unidos. Los participantes debían crear un modelo que determinase qué clientes estaban en riesgo de exclusión social y podían acceder a unas ayudas del gobierno para no perder su acceso a internet durante el confinamiento por COVID-19. Tracfone tendrá en cuenta la solución ganadora en sus procesos de trabajo, para conseguir personalizar aún más su servicio.
No podían imaginar que trabajar con datos en un banco
Les llevaría a sacar adelante un proyecto de ‘machine learning’ para responder a un reto social planteado por una compañía de telecomunicaciones. Muchos de los miembros de los equipos ganadores de este desafío no se conocían antes de entrar en uno de los dos únicos Másteres oficiales en Big Data Science de España, que coordinan la Universidad de Navarra y BBVA. Participar en el ‘datathon’ formaba parte de la asignatura de Machine Learning de este máster, con el que BBVA forma a sus empleados para que adquieran nuevas capacidades tecnológicas con una alta demanda. Además, procedían de áreas muy diferentes del banco y tenían una formación muy diversa. Pero la oportunidad de aprender y trabajar juntos, primero en el máster y luego en el reñido ‘datathon’ donde han competido con 200 participantes internacionales de alto nivel, les ha convertido en amigos.
“Parece que llevamos años conociéndonos, ha habido un compañerismo, un trabajo en equipo y una reciprocidad maravillosa”, afirma Jaime Blanco, científico de datos en Analítica Avanzada. “Sin duda, hay un antes y un después de conocernos”, completan Sergio Martín y Daniel Fernández de Castillo, especialistas en Garantías Bancarias del banco. Todos ellos forman parte del grupo que ha obtenido la victoria en la competición.
La historia que ocultan los datos
El ‘datathon’ de Tracfone supuso una prueba de fuego para su capacidad de trabajar en equipo y usar de manera creativa los datos. La compañía de telecomunicaciones les pasó una gran cantidad de información anonimizada de 109.000 clientes. El reto consistía en que, para 19.000 de ellos, debían desarrollar un modelo de ‘machine learning’ que consiguiera detectar aquellos que estaban en una situación desfavorable y, por lo tanto, eran candidatos a recibir una de las ayudas del programa federal Emergency Broadband Benefit Program (EEB). De los otros 90.000 perfiles sí sabían cuáles las habían recibido, y los equipos los utilizaron para entrenar su modelo de aprendizaje automático.
Conoce más aquí
