Creació:
Publicat per Pep Canals[2] el 01/08/2019 - 12:45
Etiquetes:
Big data
Etiquetes:
machine learning
Etiquetes:
intel·ligència artificial
Etiquetes:
algoritmes
Contingut relacionat :
Interessant exemple d'anàlisi a partir de dades privades (telefonia mòbil d'Orange): d'on provenen els turistes de determinades destinacions vacacionals?
Si passegeu pel web de l'empresa Geoblink[4] veureu què fan i com ho fan: accés a dades públiques i dades privades (accés a dades a temps real), depuració, integració, tractament i anàlisi amb tècniques de machine learning i d'altres d'intel·ligència artifical, creació d'algoritmes i disseny de models de predicció, visualització geoespacial de la informació, etc.
D'exemples i d'empreses com aquest ja n'hi ha molts, però tot i que aquesta empresa està centrada a donar servei a clients del sector del comerç minorista, de la distribució i immobiliari, és un exemple que il·lustra què es pot fer a partir de l'anàlisi de dades d'operadors privats, en aquest cas de la telefonia mòbil. Els companys del Perfil de la Ciutat ja ho coneixen a partir dels contactes que van tenir amb la divisió de data analytics del BBVA per obtenir informació sobre el fluxe i volum de transaccions de compra-venda realitzades en eixos comercials dels seus municipis a partir de targetes de crèdit i de terminals de punt de venda (TPV). Malauradament, el preu d'aquesta informació encara és un obstacle per accedir a informació d'operadors privats, i més des de serveis d'estudis/observatoris de l'administració local. Tanmateix, crec que hem d'ampliar les fonts que utilitzem habitualment i accedir a altra informació. En aquest sentit, el curs de webscrapping que farem l'any que ve, i l'exemple del companys de Terrassa, Mataró i Sabadell d'explotació d'informació de webs del sector immobiliari, van cap a aquesta direcció. També l'accés a informació de les xarxes socials o escolta social o escolta activa n'és un altre on haurem d'incidir.
Interessant exemple d'anàlisi a partir de dades privades (telefonia mòbil d'Orange): d'on provenen els turistes de determinades destinacions vacacionals?
https://elpais.com/tecnologia/2019/07/31/actualidad/1564569679_106651.html [3]
Si passegeu pel web de l'empresa Geoblink [4] veureu què fan i com ho fan: accés a dades públiques i dades privades (accés a dades a temps real), depuració, integració, tractament i anàlisi amb tècniques de machine learning i d'altres d'intel·ligència artifical, creació d'algoritmes i disseny de models de predicció, visualització geoespacial de la informació, etc.
D'exemples i d'empreses com aquest ja n'hi ha molts, però tot i que aquesta empresa està centrada a donar servei a clients del sector del comerç minorista, de la distribució i immobiliari, és un exemple que il·lustra què es pot fer a partir de l'anàlisi de dades d'operadors privats, en aquest cas de la telefonia mòbil. Els companys del Perfil de la Ciutat ja ho coneixen a partir dels contactes que van tenir amb la divisió de data analytics del BBVA per obtenir informació sobre el fluxe i volum de transaccions de compra-venda realitzades en eixos comercials dels seus municipis a partir de targetes de crèdit i de terminals de punt de venda (TPV). Malauradament, el preu d'aquesta informació encara és un obstacle per accedir a informació d'operadors privats, i més des de serveis d'estudis/observatoris de l'administració local. Tanmateix, crec que hem d'ampliar les fonts que utilitzem habitualment i accedir a altra informació. En aquest sentit, el curs de webscrapping que farem l'any que ve, i l'exemple del companys de Terrassa, Mataró i Sabadell d'explotació d'informació de webs del sector immobiliari, van cap a aquesta direcció. També l'accés a informació de les xarxes socials o escolta social o escolta activa n'és un altre on haurem d'incidir.