Ginés León

Ginés León

Licenciado en Estadística, ha centrado la carrera profesional en el campo de la logística, la gestión de equipos y la eficiencia de procesos. Alta formación en Investigación Operativa, Métodos de Predicción, Programación, Análisis y Explotación de Datos mediante diferentes Técnicas Estadísticas.

Además de la licenciatura, su formación cuenta con un Máster de Logística, un Máster en Matemáticas Aplicadas, un MBA, un Máster en Big Data y Business Intelligence y un Experto en Blockchain.

Ha trabajado y organizado operativas y procesos con los departamentos logísticos de diferentes empresas como Nespresso, La Caixa, Canal +, Disa, Bimbo, Endesa, y otras de calado internacional como Amway y NuSkin. En el ámbito público, ha colaborado y desarrollado operativas especiales con el Servicio Canario de Salud, especialmente el HUNSC y Gerencia de Atención Primaria de Tenerife.

Durante su etapa en el Grupo Valora, fue el responsable del desarrollo e implantación del Proyecto GDP, motivado por el cambio de normativa que regula el Transporte de Medicamentos a Temperatura Ambiente (15ºC - 25ºC), desde la valoración y decisión de compra de los equipos, a las operativas, Cuadros de Mando Integrales (CDMI) y Kpi.

Después de una carrera profesional de más de 9 años en los puestos de Subdirector de Operaciones para Canarias de SEUR y la Dirección Logística de 3 empresas del Grupo Valora, se plantea un nuevo reto en TITSA, empresa de transporte interurbano de Tenerife.

Durante el primer año desempeñó su trabajo como responsable de la Zona Sur de Tenerife. A partir del segundo año, Octubre 2017, ejerce como responsable de un nuevo departamento en Titsa, el departamento de Big Data & Data Science.

El Dpto. de Big Data & Data Science de TITSA fue reconocida como la Mejor Iniciativa Empresarial o de Administración Pública de Big Data de España en la cuarta edición de los Data Science Awards, que organiza anualmente, LUCA, la unidad de datos e Inteligencia Artificial de Telefónica.


Transportando al Covid-19

Transportando al Covid-19

Tal y como quedó demostrado desde un principio, la principal vía de contagio del virus se genera a través del contacto directo con las secreciones que se producen al respirar, toser o estornudar. También, entre otros, puede darse mediante contacto con las manos y otros objetos contaminados, tras tocarse la boca, la nariz o los ojos.

Por tanto, los focos somos nosotros junto con el rastro que dejamos detrás, por lo que somos, literalmente, su medio de transporte.

El CDO y la Transformación Digital

El CDO y la Transformación Digital

La figura del Chief Data Officer (CDO) es nativa en las empresas tecnológicas y, cada vez más, emergente en los organigramas de cualquier empresa en general, independientemente del sector y servicios que ofrece, siendo una consecuencia directa del proceso de transformación digital corporativo.

Una de las funciones propias del CDO consiste en liderar parte del proceso de transformación digital, manteniendo a la organización al corriente de las últimas y mejores prácticas en el análisis de datos. Para ello se requiere de un perfil bastante complejo de encontrar, pues debe ser experto en las principales áreas de la empresa, con liderazgo en el ámbito tecnológico y especialista en las diferentes disciplinas del análisis del dato, su representación y su comunicación. El CDO debe ser un nativo digital, atento a los cambios tecnológicos del mercado y en constante observación de la evolución de las diferentes herramientas, tendencias y metodologías de captación, análisis y representación de los datos.

Transformación digital a través del Big Data

Transformación digital a través del Big Data

Cada vez es más frecuente encontramos con la expresión"transformación digital de la empresa", la cual trata del cambio de lo analógico a lo digital en su forma de trabajar, digitalizando el workflow, es decir, los flujos de trabajo, a través de los procedimientos y la forma en que se trabaja y se interactúa tanto dentro como fuera de la empresa.

¿Pero que tiene que ver con esto el Big Data y el BI? Veámoslo con un ejemplo.

Democratizando la Inteligencia Artificial

Democratizando la Inteligencia Artificial

Cada vez es más habitual tropezarse con la palabra “democratización” dentro del campo de la analítica de los datos, y esto se debe, básicamente, a que las herramientas para la adquisición, tratamiento, explotación y visualización de los datos están, cada vez más, al alcance del usuario, a un coste asequible y en muchas ocasiones gratuito.

La adquisición y el tratamiento del dato siempre ha estado gestionado de la mano de los informáticos y los analistas. Si profundizamos más, podemos llegar a divisar los límites de las fronteras entre unos y otros, aunque muchas veces se difuminan, por lo que podemos decir que la gestión del dato, es decir, dónde se registra y como se registra (las bases de datos) suele estar liderado por los informáticos, y la parte de adquirir esos datos y tratarlos para analizarlos. por los perfiles más analíticos.

Hackeando el dato, descubriendo la verdad

Hackeando el dato, descubriendo la verdad

Existen tal cantidad de dispositivos que continuamente están recogiendo datos, y muchos de ellos poniéndolos a disposición del público en general, que decir hoy en día que no se tienen datos es casi como decir que no se sabe dónde buscarlos.

Porque datos, los hay, y muchos, y en muchas fuentes, de pago, gratuitos, propios, externos, e incluso, se podrían cosechar de internet con algún web scraping, que no son más que herramientas para la extracción automatizada de datos que contienen las páginas web.

Disolviendo la capilaridad

Disolviendo la capilaridad

Cuando estudiamos los datos de movilidad de una población, y cuánto más datos tenemos para tratar, se observa que a medida que aplicamos técnicas para estudiar el comportamiento de la muestra obtenemos que ésta puede dividirse fácilmente en tres periodos a lo largo de los días laborales, siendo estos, la mañana, el pico de la mañana y la tarde.

Podríamos incluso encontrar más segmentos, pero si uno empieza a ser cada vez más evidente es el pico de la tarde. Todos ellos por la alta concentración de traslados en horas muy específicas

El dato no lo es todo

El dato no lo es todo

En el último artículo repasamos las metodologías que se utilizan habitualmente para confeccionar, mantener y mejorar una topología de red que ofrezca un servicio de movilidad.

Hablábamos de cómo ha evolucionado la forma en que podemos utilizar toda esta información a través del Big Data y las Técnicas de Optimización, Machine Learning y Deep Learning para hacer una red más eficiente y más atractiva de cara al usuario.

Nos preguntábamos al final del artículo si podríamos dar un paso más allá y si seríamos capaces de cambiar la forma en que nos relacionamos con este servicio, dando una solución más inteligente al cliente ofreciendo un transporte ad hoc al destino.

Una nueva forma de movernos con el Big Data

Una nueva forma de movernos con el Big Data

¿Cómo puede mejorar el Big Data la movilidad? Pues de tantas formas como fuentes de información se tengan. Veamos cómo podemos no sólo mejorarla, sino como podría cambiar la forma de prestar un servicio.

Tradicionalmente la topología de una red de transportes, las rutas en sí, se desplegaba para dar movilidad entre diferentes núcleos urbanos o nodos tractores de demanda (hospitales, colegios, centros comerciales, etc.), e incluso dentro de los propios núcleos urbanos. Por tanto, la forma de diseñarlas se hacía bajo las premisas de la accesibilidad al usuario (paradas o estaciones), y que esta cubriese sus necesidades en cuanto al destino, evitando en gran medida los trasbordos y sin atender en algunos casos al tiempo de uso del servicio. Esto nos lleva a redes con multitud de paradas, recorridos tortuosos y una velocidad comercial (tiempo de traslado) que puede llegar ser bastante significativa con el resto de alternativas. Por otro lado tenemos la frecuencia del servicio, la cual suele tener una correlación con el número de usuarios que utilizan el servicio, a mayor demanda, mayor frecuencia.

Luego llegan los datos de uso del servicio, la estadística, los GIS (Sistemas de Información Geográfica) y las matrices OD (Origen Destino).

Qué herramientas hacen posible el Big Data y el BI

Qué herramientas hacen posible el Big Data y el BI

Antes de adentrarnos en cómo podemos utilizar el Big Data para la mejora de la movilidad y la toma de decisiones en el ámbito logístico, vamos a dar un repaso muy superficial a las principales herramientas que se utilizan en este campo.

Tal y como vimos en el primer artículo, hasta ahora y en la mayoría de las empresas el tratamiento de los datos lo engloba el Departamento de Data Science a través del Data Analytics, el Business Intelligence y el Data Mining, dónde se analizan los datos históricos para dar respuesta a lo que ha venido sucediendo y, en el mejor de los casos, intentar predecir a corto plazo lo que puede suceder. Los datos son tratables en cuanto a cantidad, y la mayoría son generados internamente por las empresas.

Big Data, logística y movilidad

Big Data, logística y movilidad

Hablar de Big Data, la logística y la movilidad en un solo artículo es una tarea casi imposible, y sería injusto dedicarle a este tema un solo post, por lo que en este primer artículo nos pondremos en situación para que en las próximas publicaciones podamos ir entrando en este apasionante mundo con un poco más de detalle.

Cajasietecontunegocio
Comprometidosconnuestragente

Suscríbete a nuestra Newsletter