Un analista recopila, estudia datos y, a partir de ellos, saca conclusiones. Sus cometidos incluyen encontrar patrones de comportamiento en los datos y tomar decisiones basadas en el aprendizaje obtenido. Hay analistas en una amplia variedad de sectores, así como diferentes tipos y con objetivos heterogéneos.

Los científicos de datos son un perfil absolutamente en boga en estos años. En la actualidad a menudo nos referimos por “analista” principalmente a este perfil. Sin embargo, en este artículo nos enfocaremos en otro tipo con mucha presencia en múltiples sectores, al que denominaremos: analista de inteligencia.

En este sentido, veamos algunos ejemplos ilustrativos:

• Sector telecomunicaciones: este analista está a cargo de investigar alertas de fraude detectadas por la compañía o bien quejas sobre irregularidades internas. La información se recibe en documentos ofimáticos o a través de mensajes en un buzón interno y el profesional debe de identificar a las personas o entidades involucradas en esta alertas y quejas, recuperar información adicional sobre ellas, y posteriormente cruzarla con información interna y externa para identificar posibles actuaciones legales previas u otras evidencias que formen parte de una potencial denuncia.
• Sector financiero: es el responsable de revisar solicitudes discutidas en comité interno de crédito y recibidas en actas de reunión. Debe identificar personas o entidades en ellas y cruzarlas con información adicional de sus antecedentes para determinar posibles conflictos de interés antes de una decisión final de aprobación.
• Administración pública: se encarga de recopilar datos de ciudadanos provenientes de fuentes internas, documentos y fuentes abiertas. Debe identificar, por requerimiento judicial, cualquier propiedad y activos existentes para su potencial incautación.

Actividades de investigación

Por lo general, de estos ejemplos de analistas de inteligencia podemos extraer un conjunto de características como denominador común. El perfil del analista de inteligencia puede ser muy variado, pero cuentan con diversas habilidades que incluyen un componente técnico matemático y/o informático que no siempre es comparable al perfil de un analista o científico de datos. Con esto nos referimos a las ciencias sociales, económicas, derecho, comunicación, entre otras.

Entre sus principales características, además, encontramos que la fuente principal de información que procesan estos analistas son documentos textuales como archivos PDF, DOC, emails o HTML. De ellos extraen contenidos y datos específicos que deben localizar o contrastar con otras fuentes heterogéneas. Dichas fuentes pueden ser, a su vez, otros documentos textuales, o bien bases de datos estructuradas y otros tipos. Además, es habitual que realicen un gran esfuerzo repetitivo en la lectura y análisis de los documentos para extraer manualmente las entidades relevantes que se analizarán a continuación.

Para los analistas de inteligencia, el proceso de análisis, determinación y comunicación de conclusiones debe cumplir con una serie de pasos y validaciones muy específicas de cada organización. Esto es aún más relevante cuando el análisis es susceptible de ser utilizado en procesos legales o auditados. Este proceso, por lo general, se garantiza con mucho esfuerzo manual, lo que conlleva un alto riesgo de errores y duplicación de esfuerzos.  A menudo se usan diferentes herramientas ofimáticas y microinformáticas gobernadas departamentalmente para llevarlo a cabo.

Automatización de la gestión de investigaciones

Sin embargo, es posible dotar a estos analistas de inteligencia de un entorno de recopilación y gestión de inteligencia que afronte estas características. Un entorno que les permita seguir los flujos de análisis que la organización determine y acelerar sus tareas de forma más efectiva reduciendo esfuerzos manuales y sus riesgos asociados, proporcionando:

• Interfaz intuitiva orientada a la información: permite recopilar y extraer las entidades de forma guiada, así como establecer las relaciones entre ellas. Con esto, es posible seguir el flujo de pasos del análisis definido y comunicar conclusiones de forma interactiva y colaborativa.
• Analítica de textos embebida: proporciona de forma guiada y encapsulada las capacidades de machine learning precisas. En particular, facilita la identificación y extracción de entidades como personas, lugares, objetos, etc. de diferentes textos e idiomas.
• Gestión personalizable: brinda una alta capacidad de personalizar de forma asistida los flujos de trabajo y sus pasos de análisis y validación. Facilidades asistidas de personalización de las pantallas asociadas a los flujos en la interfaz de usuario.

Se pueden visualizar ejemplos ilustrativos en este vídeo de un ejemplo financiero , en este vídeo de un ejemplo sanitario, y en estos dos vídeos de casos de seguridad pública (castellano e inglés).

¿Quieres conocer más sobre formas nuevas y más eficientes de efectuar procesos de inteligencia e investigación?