Evitando incendios con datos
      Olvido su clave?  

 

Investigación & Temas Ecológicos

Evitando incendios con datos

Por Jesse Roman

bigdata 620

Nathaniel Lin, nuevo director de estrategia y análisis de datos para NFPA, nos habla sobre cómo se puede aprovechar el poder de los datos masivos (big data) para mejorar todas las iniciativas en protección contra incendios y seguridad humana.

Entrevista hecha y editada por Jesse Roman, redactor de NFPA Journal

En la actualidad, cada sector de la economía se ve afectada por la revolución de los datos masivos. Términos tales como “análisis de datos” son utilizados de manera rutinaria tanto por profesores en las clases de escuelas de negocios así como por obreros que llaman a programas locales de radio sobre deportes. Netflix rastrea los hábitos televisivos de los suscriptores para informar sobre el desarrollo de los nuevos programas. Las ciudades del país juntan y analizan enormes cantidades de datos para ayudar a impulsar políticas y ganar eficiencia. Los datos ayudan a combatir la propagación de la malaria, a obtener mejores cosechas, y hasta identificar modos de aumentar la felicidad mundial.

Enfocando algo más cerca, la misma NFPA está usando el análisis de datos para ayudar a reducir las muertes por incendio y la pérdida de propiedades. En Septiembre, NFPA contrató al científico de datos Nathaniel Lin, ex empleado de IBM, como director de estrategia de datos y analítica, otro paso decisivo que ha dado la organización para ingresar al mundo del análisis de los datos masivos. Lin y su equipo utilizarán el flujo de datos que NFPA y organizaciones asociadas han recolectado durante décadas, así como las de nuevas fuentes, para recopilar información valiosa y construir herramientas y modelos basados en los datos. De esta manera podrán informar las decisiones de NFPA y ayudar a los grupos de interés a hacer sus trabajos con mayor eficiencia y efectividad.

Lin piensa que NFPA está sentada sobre una “mina de oro” en lo que respecta a la información; las oportunidades se encuentran en todos lados, dice, desde modelos basados en información que cuentan acerca de estrategias de reducción de riesgos de incendios forestales hasta herramientas de análisis para ayudar a quienes se ocupan de hacer cumplir la reglamentación y mejorar sus programas de inspección. “Los datos, con el tipo adecuado de analítica avanzada, son verdaderamente transformadores,” cuenta Lin, quien ha trabajado en análisis de negocios para las empresas de Fortune 500, entre ellas Fidelity Investments, AT&T, e IBM. “Sentí que en NFPA, con su misión de salvar vidas y propiedades, podía hacer buen uso de las habilidades analíticas que pude desarrollar.”

NFPA trabajará con una variedad de organizaciones para desarrollar soluciones basadas en datos masivos para una enorme cantidad de desafíos. Mirando más ampliamente, NFPA ve este esfuerzo como un catalizador que le permitirá a toda la comunidad de protección contra incendios y seguridad humana incorporarse a la “revolución del big data”. Los esfuerzos de organización ya están en curso, cuenta Kathleen Almand, vicepresidenta de Investigaciones de NFPA, quien supervisa la nueva iniciativa. “Esperamos convertirnos en el epicentro de esta actividad dentro de la comunidad,” dice. “Hay muchas cosas que suceden y que pueden reflejarse en los datos, pero están muy desconectadas. Tenemos la plataforma nacional para servir a la comunidad en torno a ellos. Para nosotros encaja a la perfección.”

Desde su incorporación en NFPA, Lin ha trabajado para montar los bloques de la nueva iniciativa, que incluyen el desarrollo de una estrategia de datos masivos. Podrían implementarse nuevas herramientas, plataformas, y productos basados en investigaciones sobre el análisis de los datos de NFPA y que, según Almand, podrían estar disponibles para su uso en 2016.

Lin, proveniente de Taiwan, se graduó en la Universidad de Birmingham en Inglaterra y en la Sloan School of Management del Instituto de Tecnología de Massachusetts (MIT por sus siglas en inglés). Investigó avanzadas tecnologías de radar y sensores superconductores para la Fuerza Aérea de los Estados Unidos durante 17 años antes de cambiar de carrera. Luego de estudiar en el MIT, IBM lo contrató para liderar el grupo de análisis de marketing de la compañía en la región de Asia-Pacifico. También ha trabajado como profesor adjunto de analítica de negocios en Boston College, Bentley University, y en el Georgia Tech College of Management, y es el autor del libro publicado en 2015 “Applied Business Analytics—Integrating Business Process, Big Data, and Advanced Analytics”. (Analítica aplicada de negocios—Integrando procesos de negocios, datos masivos y analítica avanzada).

NFPA Journal habló con Lin sobre su nuevo rol en NFPA, lo que podría ganar el mundo de la protección contra incendios y la seguridad humana mediante la analítica avanzada de datos, y qué tan pronto la nueva estrategia de datos de NFPA podría estar teniendo impacto tanto para la organización como para los grupos de interés.

Su apodo aquí es “el monstruo de los datos.” ¿Cómo definiría su nuevo rol?
Antes que nada, agradezco al equipo de dirección por identificar a este “monstruo de los datos” como una parte importante de la estrategia de NFPA que se está llevando adelante. Veo mi trabajo como liderando las iniciativas para utilizar los datos y crear valor agregado para NFPA—aumentar el valor de la propuesta de NFPA, por decirlo de algún modo. Seremos parte de un equipo de transformación de datos—“el monstruo de los datos” me suena a Godzilla llegando al pueblo y haciendo trizas todo lo que encuentra a su paso. Un transformador es diferente. Un transformador viene con una forma pero se adapta a diversas situaciones. Si la situación requiere de un avión, se convierte en avión. Así funcionan los datos. Los datos, con el tipo adecuado de analítica avanzada, son verdaderamente transformadores.

Estos términos se repiten con frecuencia, pero para dejarlos en claro, ¿cómo define usted “big data”?
Esa es una muy buena pregunta. “Big data” en realidad es un nombre incorrecto, si se piensa en términos de volumen. En big data, “big” (grande) se define en términos de grandes desafíos y de grandes posibilidades. Big data se caracteriza por cuatro “Vs”. La primera es volumen—hay mucho volumen de datos. La segunda es variedad—los datos no son sólo numéricos pero existen en muchas formas. Pueden ser archivos de texto, de audio, audio-visuales, pueden ser registros de centros de llamadas telefónicas —todo tipo de cosas. Dentro de estas variedades, algunos datos son fácilmente definidos y almacenados porque están bien estructurados. Otros en cambio, tienen muy poca estructura. Por ejemplo, si tomamos nuevos recortes de prensa y los digitalizamos, existe una gran cantidad de texto, pero si queremos ir hacia atrás y preguntar en cuántos de esos artículos aparecen instancias en las que falló una manguera de incendio, no puede saberse sin que alguien revise 70 años de datos. Big data puede proveer una estructura a estos datos no estructurados, y de esta manera se puede comenzar a hacer algo con ellos.

¿Cuáles son las últimas dos “V”?
La tercera, es velocidad. Durante un incendio algunos datos pueden usarse en tiempo real. Un ejemplo es un dispositivo biométrico como el Fitbit que controla la frecuencia del pulso. Imaginen este escenario: el ritmo cardíaco de referencia de un bombero es 60, y cuando se adentra en un incendio su pulso se acelera a 120 porque bombea adrenalina. Pero en tiempo real uno ve que su pulso llega a 140, 150, 160 y que continúa subiendo, dado que la persona está deshidratada y asustada. Estos datos son transmitidos en microsegundos a la tableta o dispositivo móvil del comandante del batallón. Este puede llamar por la radio y decir ‘Hey Joe, sal de ahí,’ y de esta manera el comandante salva la vida de un bombero. De modo que la velocidad es muy importante.

La cuarta es veracidad. El desafío se presenta cuando uno desea hacer algo con una gran cantidad de datos mezclados—donde no se sabe mucho del tema y existen muchos interrogantes. La cantidad de datos es enorme, variada, y llega con rapidez e intensidad; esto es un gran desafío y a la vez, una gran oportunidad. Si se logran integrar, manejar y analizar, entonces pueden utilizarse para predecir, ejecutar, diagnosticar e indicar soluciones. Esto es lo que espero aportar a NFPA. De hecho, algunas personas agregan una quinta “V” para valor. Adecuadamente utilizado, los  datos masivos han demostrado que aportan gran valor en muchas aplicaciones.

El uso de datos masivos y la analítica de datos parece estar casi generalizado en todos los sectores. ¿En qué lugar se encuentra la comunidad de protección contra incendios y seguridad humana en este arco?
En temas de incendio, NFPA puede estar a la vanguardia. Sin embargo, en relación a todas las industrias, la comunidad de protección contra incendios y seguridad humana está en los comienzos. Si se piensa en la analítica de los datos, es como un tsunami—impacta en diferentes industrias en diferentes momentos. En este país, la analítica comenzó a impactar en los años 80 o a principios de los 90 con gestores de correo para catálogos que aplicaban la analítica para predecir qué poner en los catálogos y a quiénes enviárselos. Esto se expandió a compañías de tecnología, hotelería, finanzas, telecomunicaciones y cuidado de la salud.

Diría que la industria de la protección contra incendios se encuentra casi al final de la ola. Pero estar al final tiene una ventaja, dado que todos los demás ya cometieron errores y eso nos permite estudiar las mejores prácticas que pueden hacer que nuestra curva de adopción sea mucho más corta. Si NFPA puede adoptar las mejores prácticas y ensamblar su posición y conocimientos, sus activos y relaciones actuales, entonces en vez de que el proceso tome una década podemos hacerlo en dos o tres años. Para darle algo de contexto, cuando armé por primera vez mi equipo en IBM en 2001, la herramienta de análisis que utilizábamos costaba $1 millón, y el proceso de construcción de modelos tomó un par de meses. Hoy la herramienta es más rápida, más fácil de usar y mucho más poderosa—los modelos pueden ser construidos en cuestión de días—y no cuesta nada. Es gratuita. O sea que se puede ver cómo han cambiado las cosas.

¿Qué áreas de NFPA están maduras para una mayor exploración en relación a los datos, y agregan algo del valor que mencionó?
Las oportunidades están en todos lados. Bomberos, incendios forestales, ingeniería, códigos y normas, TI, estrategia de negocios, marketing, ventas, investigación—todas estas áreas están maduras para la aplicación de la analítica y de los datos masivos. Básicamente, en donde sea que haya datos en números y texto, y en donde sea que necesitemos una solución o comprensión.

¿Puede citar algún ejemplo específico de cómo este proceso de recopilación y análisis de datos puede producir algo significativo para nuestros grupos de interés?
Existen muchas comunidades en la interfaz urbano/forestal (WUI) que son proclives a incendios forestales de rápida propagación. Digamos que tomamos todos los datos pertenecientes a estas comunidades —datos estructurales, datos del Sistema Nacional de Reportes de Incidentes de Incendios (NFIRS), recortes periodísticos—y buscamos incendio forestal. Todo eso podría darnos puntos de datos útiles que podrían predecir incendios, tales como ubicaciones de incendios pasados, patrones climáticos y de sequía, cortes de carretera que podrían dificultar la llegada de los bomberos, distancia a la fuente de agua más cercana, tipos de materiales de edificación, espacio libre alrededor de las viviendas y cosas por el estilo. Con los datos masivos, podemos potencialmente producir un modelo que podría predecir con algo de certeza la probabilidad de que una comunidad o propiedad pueda experimentar, en una temporada dada, una pérdida significativa en un incendio producido en la WUI. Por ejemplo, para viviendas en esta comunidad en particular, con este particular tipo de techo, con este espaciamiento entre viviendas, esta es nuestra predicción sobre la probabilidad de que esta casa se incendie este verano. Podemos convertir mucho de lo que antes se consideraban datos inútiles en algo no solamente utilizable, sino en conocimiento que podemos utilizar con confianza para planificar estrategias de protección contra incendios.

¿Cuál sería la aplicación real de ese modelo?
Potencialmente podríamos utilizar esa información para clasificar las comunidades según su probabilidad de sufrir un incendio forestal—NFPA podría decir con alguna certeza que una comunidad, si no contempla medidas de mitigación, ha incrementado la probabilidad de un impacto significativo de incendio forestal de un 50 a un 80 por ciento. La comunidad podría también utilizar nuestro modelo para reducir la probabilidad de incendio. No estamos únicamente haciendo una recomendación generalizada—también podemos encontrar los factores que reducirán de manera significativa el riesgo a un costo aceptable. Los datos irán dando forma al modelo. Estaremos en condiciones de dar con alguna certeza diferentes enfoques para reducir la probabilidad y severidad de incendios en una comunidad dada.

¿Está diciendo que se puede predecir el futuro con los datos?
Sí y no. No podemos usar la analítica de los datos para predecir qué vamos a comer en el desayuno de mañana, pero podemos usarla para predecir, con alto grado de certeza, la probabilidad de lo que a la gente le gusta comer en el desayuno. Esto se basa en la realidad. Si hubiera dicho esto hace 10 años, hubiera sonado como ciencia ficción. Pero se basa en la realidad, en los hechos, lo he visto en otras industrias—las herramientas están en su lugar. Lo que se necesita es un modo de llevarlo a cabo.

¿Qué piensa sobre la cantidad y calidad de los datos con los que tiene que trabajar en NFPA y en el mundo de la protección contra incendios en general?
Realmente NFPA está sentada sobre una mina de oro, no solo en cuanto a los datos sino también por su relación con los grupos de interés. Tenemos los datos, tanto los datos disponibles públicamente como los que hemos recopilado nosotros. También tenemos acceso potencial a mucha de la información que manejan nuestros grupos de interés. El poder del análisis de datos y de los datos masivos radica en la calidad de su integración; cuanto más se los pueda integrar, más oportunidades se pueden obtener. Es por esta razón que en NFPA estamos hablando sobre cómo una visión de 360 grados es mucho más poderosa y mucho más favorable para extraer comprensiones significativas.

¿Qué significa una visión de los datos de 360 grados?
Significa esencialmente que se consideran todas las dimensiones de los datos, aún cuando se crea que no tienen sentido. Cuando enseñaba a alumnos del MBA a aplicar la analítica de los datos, mi mantra era, “Siempre inténtalo. Inténtalo y deja que los datos hablen por sí mismos”. En la actualidad, las herramientas de análisis se encuentran ampliamente disponibles—no es difícil encontrar una herramienta poderosa que pueda recortar y modelar los datos rápidamente, y de maneras tan diversas. Es por eso que la mejor manera de obtener respuestas a menudo sólo implica intentarlo. Y dejar que los datos hablen.

Podemos convertir mucho de lo que antes se consideraban datos inútiles en algo no solamente utilizable, sino en conocimiento que podemos utilizar con confianza para planificar estrategias de protección contra incendios

Compartir:

Nosotros

Quiénes Somos

La National Fire Protection Association (NFPA) es la fuente de códigos y normas que gobiernan la industria de protección contra incendios y seguridad humana.

Suscripción al NFPA JLA
NFPA JLA E-Newsletter

Hemos actualizado nuestra política de privacidad, que incluye como son recolectados, usados y compartidos sus datos personales. Al usar este sitio, usted acepta esta política y el uso de cookies