Si algú diu que les dades són el nou or, no està afirmant res innovador. El big data ja és un actiu més de les empreses, tecnològiques i no tecnològiques, que cal aprendre a gestionar, i això no només inclou identificar quina informació és adient recaptar per assolir l’objectiu marcat, sinó  que també demana posar ordre a tot el coneixement. Aquesta és la feina que fa Qbeast, una spin-off del Barcelona Supercomputer Center (BSC) que accelera la tasca d’anàlisi de les dades recollides que hauria de fer un equip de persones per tal d’organitzar-los de la manera més adequada per ser treballades amb efectivitat. El que podria definir-se com una calaixera per tenir la informació a mà i ben desada.

La primera validació del sistema es va fer en el Mare Nostrum del mateix BSC, on van demostrar, en paraules del CEO i cofundador de la companyia, Cesare Cugnasco, “permetre als investigadors dedicar més temps a la ciència de veritat i menys a endreçar dades”. D’aquí va prendre impuls gràcies a diverses ajudes europees que va dotar la spin-off de múscul suficient per sortir al mercat i aplicar la tecnologia en companyies com Caixabank i Fiat.

Indexació multidimensional per ser eficients

Un dels principals problemes que Cugnasco identifica en el tractament el big data és l’obsessió per captar grans volums de material. “Ni posar més màquina, ni extreure més informació són la clau, a vegades cal acumular-ne menys i analitzar-la adequadament”, apunta, però és una tasca laboriosa que inclou “recollir les dades, agregar-les, posar-les en un altre lloc, netejar-les i mantenir el procés actualitzat”. Qbeast executa totes aquestes tasques de manera automàtica gràcies a la intel·ligència artificial i, a més a més, les duu a terme en paral·lel, de manera que no cal esperar a tenir-ho tot emmagatzemat per començar a treballar.

“Ni posar més màquina, ni extreure més informació són la clau, a vegades cal acumular-ne menys i analitzar-la adequadament”

L’algoritme dissenyat per la companyia es basa en una indexació multidimensional on es divideix la informació per grups homogenis segons les seves característiques. Per tant, el procediment fa més simple el mecanisme per desar i trobar posteriorment els actius necessaris segons la investigació o el resultat desitjat. El sistema permet agilitzar el procediment i fer-lo fins a tres vegades més productiu.

Prototipar, validar i iniciar la cursa

La spin-off ha tancat recentment una ronda de finançament de 520.000 euros liderada per Inveready, BStartup i altres inversors privats. El capital es destinarà a adaptar la tecnologia al núvol i acostar-se a clients que treballen en aquest entorn. “Són companyies que usen big data al cloud i que tenen un equip de data scientists, pel que tenen coneixement sobre el funcionament i veuen fàcilment el valor afegit que proporcionem”, afirma el CEO i cofundador.

La previsió és iniciar la comercialització del sistema la pròxima tardor després d’una fase prèvia de desenvolupament i posada a prova d’un pilot. Fins aleshores, la companyia ja ha pogut testar en versions anteriors la tecnologia en companyies com CaixaBank, Telefónica i Stellantis.