Dentro del marco del Mobile World Congress y del 4YFN, se celebró el Datahon, un evento paralelo de tres días de duración en el que participaron dos de nuestros compañeros de Enzyme, seleccionados entre las 850 solicitudes recibidas. El evento consistió en dar respuesta a dos desafíos reales de dos empresas (ABA English y HappyForce).
Para resolver los desafíos se facilitó a los participantes una gran base de datos y una pregunta: ¿Qué insight nos ofrecen los datos sobre los usuarios que usan la app? En el caso de Happyforce, se planteó una segunda pregunta: ¿Seríais capaces de desarrollar un modelo basado en Machine Learning capaz de predecir cuándo un empleado puede dejar su puesto usando esos mismos datos?
El primer día se realizó una pequeña presentación del equipo Barcelona Data Institute (*). Después se realizó una actividad para que los 12 participantes se conocieran. Había perfiles de todo tipo: técnicos, comerciales, directivos y marketing. Seguidamente los participantes fueron divididos en equipos y se dio inicio al evento con la presentación del desafío de ABA English por parte de dos de sus Data Scientists.
Desafío ABA English
ABA English es una app que se utiliza en más de 170 países para aprender y practicar el inglés. La base de datos suministrada proveía básicamente datos de las sesiones de los usuarios y los módulos (mini cursillos sobre un tema), evaluaciones (exámenes finales por temas) y “aba moments” (esto son pequeños desafíos muy fáciles de completar). El objetivo era averiguar el patrón de actividad que maximiza el aprendizaje. Esa jornada los equipos dispusieron de 6 horas que dedicaron a organizar las tareas y a hacer un primer estudio y limpieza de los datos suministrados. El desafío transcurrió entre sesiones de trabajo de dos horas y media y pequeñas presentaciones de 5’ por grupo tras las cuales los equipos recibieron el feedback de los expertos de ABA English. La experiencia fue muy instructiva, ya que los participantes pudieron observar cómo se trabaja en empresas de otros países, qué plataformas se usan para trabajar y, finalmente, pudieron escuchar de los propios analistas de ABA English cómo habían enfocado ellos el mismo problema y la metodología que habían usado. Fue muy interesante observar cómo, a partir de unos mismos datos, dos equipos podían extraer conclusiones distintas (que no excluyentes) dependiendo de cómo se definía el “éxito” en el aprendizaje.
Desafío Happyforce
Happyforce es una aplicación enfocada a empresas que permite a los empleados expresar sus emociones, sus quejas, sus sugerencias e incluso felicitaciones, funciona como una red social pero algo más restringida. El reto propuesto parecía superar en dificultad al de ABA English. Por eso Alex Ríos, CEO de Happyforce, y Daniel Castro, CTO, pusieron todo de su parte para ayudarnos y explicarnos el significado de los datos tantas veces como fuera necesario.
Aunque la cantidad de datos suministrados era mayor que los de ABA English, estaban menos depurados. Había errores, incoherencias y mucho ruido debido a la propia naturaleza de los datos. Para este reto los participantes se organizaron en 3 equipos distintos de cuatro personas. Esto agilizó el trabajo pero también aumentó la presión sobre cada miembro del equipo ya que recaía más responsabilidad en cada uno de los participantes.
Una vez terminado el análisis sobre los datos de Happyforce, llegó el momento de realizar las presentaciones. El miércoles por la tarde los tres grupos expusieron sus conclusiones y presentaron sus modelos predictivos. Uno de los equipos en los que participaba uno de nuestros compañeros, consiguió el que seguramente fue el mejor insight de los datos de Happyforce pero no llegaron a desarrollar el modelo predictivo. El equipo en el que participaba el segundo compañero de Enzyme presentó conclusiones importantes (como por ejemplo que la mayor parte de interacciones que se hacen a través de Happyforce son positivas, a diferencia de otras redes sociales como Facebook o Twitter en que se tiende más a la discusión) y un modelo predictivo bastante primitivo pero funcional. El tercer equipo fue el ganador y el que finalmente fue elegido para hacer la presentación on stage. Presentaron conclusiones sólidas y un modelo predictivo desarrollado y sorprendentemente eficaz, además de realizar una gran presentación oral que demostró la experiencia que tenían en este aspecto.
En resumen, una gran experiencia para los consultores de Enzyme que participaron en esta iniciativa en la cual pudieron aplicar sus conocimientos en dos casos reales.
(*) - "Barcelona Data Institute is an accelerator and connector for professional careers in the field of Data created by specialists in the sector. Its main objective is to strengthen the business environment with qualified professionals to meet the high demand for positions both nationally and internationally. It provides candidates with a unique network in both technological and multinational companies that understand data as a fundamental tool in their decision-making and value creation for their clients."
