Gradiant traballa en atopar os sistemas de recomendación máis precisos e flexíbeis
venres, 9 de maio do 2014
Vémolo xa nun chea de
webs envorcadas no comercio electrónico: se nos interesa un produto,
o sistema recoméndanos produtos que tamén foron interesantes para
outros usuarios con gustos semellantes aos nosos.
Trátase dunha estratexia comercial de primeira orde, pero que tamén
amosa vantaxes para o consumidor, que, por así dicilo, sabe
mellor onde pisa e pode abrir portas que doutro xeito ficarían
pechadas. En realidade, é a aplicación web da práctica de termos
en conta as recomendacións dos nosos amigos. Trátase dun eido cheo
de posibilidades. O
centro tecnolóxico Gradiant está a traballar arreo neste ámbito,
como nos conta o investigador Héctor Cerdeira. Máis polo miúdo, en
novas solucións para o tratamento de datos de servizos de ecommerce.
Gradiant en boa medida
está a tomar como base a experiencia e o traballo xerado por Apache
Spark, tecnoloxía que fornece unha estrutura moi adaptábel a
cambios e esixencias dos consumidores e o mercado e que ademais é
moito máis rápida que outras tecnoloxías dispoñíbeis para levar
a cabo as mesmas tarefas (tarefas como manexar o volume inxente de
datos xerado pola corrente incesante de interacción cos usuarios).
Polo tanto, achegas como Apache resultan moi axeitadas para facer
recomendacións en tempo real, moito máis que Hadoop, por exemplo,
un dos recursos máis estendidos para o manexo de grandes cantidades
de información (big data). Outro exemplo a seguir, sinala
Gradiant, é Spotify, o servizo de música en streaming, onde
se bota man de Apache Spark para guiar aos usuarios polos camiños
percorridos por outros usuarios, con resultados sorprendentes de
coincidencia e contribuíndo finalmente a mellorar o servizo e a
manter a fidelidade do consumidor de música.
Tendo en conta todo isto,
o traballo de Gradiant neste ámbito baséase en boa medida na busca
da ferramenta de recomendacións perfecta. Segundo informa o centro
tecnolóxico, o labor céntrase arestora en novas solucións para o
tratamento da información de plataformas de comercio electrónico.
Botando man de Apache Spart, trátase de realizar novos
recomendadores máis precisos, flexíbeis e con meirande marxe para a
adaptación a cambios de rumbo e de tendencias e a incremento (máis
que previsíbel) da información. “Isto”, engaden, “combinámolo
con visualizacións web en tempo real, que permiten aos analistas
acceder á información de forma máis sinxela e intuitiva”.