Los zorzales rojizos son pájaros pequeños y huidizos que anidan en los bosques del norte de los Estados Unidos. Todos los años realizan un muy largo viaje para pasar el invierno en la parte sur de la selva amazónica en Brasil. Curiosamente, algunos años emigran temprano, acortando su temporada de anidamiento. En un intento por comprender la razón de este cambio en su comportamiento, los científicos decidieron comparar la duración de su temporada de anidamiento con la intensidad de la temporada de huracanes en el Atlántico. Los científicos descubrieron así que ambos eventos guardan una estrecha relación. De hecho, la temporada de anidamiento corta de los zorzales rojizos es un presagio más preciso de la severidad de la temporada de huracanes que las predicciones de los meteorólogos. Esto ha llevado a plantear la siguiente interrogante: ¿qué otros datos que no resultan obvios sería posible utilizar para predecir la severidad de la temporada de huracanes?

Si bien esta información resulta fascinante, usted se estará preguntando qué tienen que ver los zorzales rojizos con las plataformas de datos.

Pues bien, una empresa minera es un vasto ecosistema con múltiples elementos en movimiento e interconectados entre sí. Estas interconexiones entre los múltiples elementos no siempre resultan aparentes o visibles. Muchas de estas conexiones se establecen a menudo en base a presunciones o resultados a priori.

En otras palabras, la mayoría de los datos se recopilan para responder a una pregunta preexistente. Posiblemente el problema se haya originado con un potencial resultado visible y específico – y esto, de por sí, podría generar una desviación en la recopilación de datos a favor de las respuestas que se están buscando.

Adicionalmente, la recopilación, depuración y reformateo de los datos, así como el análisis ulterior, ya sea estadístico o predictivo, implica un esfuerzo masivo. Como consecuencia de esto, los directivos de la empresa normalmente sólo autorizan el análisis de problemas con potenciales resultados positivos más definitivos, o con un valor conocido. ¿Qué posibilidad cabe de que se le permita al experto en datos de la mina buscar conexiones heterodoxas tales como la longitud de la temporada de anidamiento de los zorzales rojizos y la severidad de la temporada de huracanes? Una persona práctica seguramente no tomaría en consideración estas conexiones, y le sería muy difícil aceptar invertir una cantidad significativa de tiempo y de recursos para generar conocimientos sobre estos datos enigmáticos.

¿Cómo puede una plataforma independiente de proveedores, tecnologías y formatos de datos resultar de ayuda en estos casos? Una plataforma de datos con estas características únicas puede recopilar datos de distintas áreas de la mina (planificación, operaciones, hidrometalurgia, plantas procesadoras, horarios de envíos, manejo de pilas de materiales, geomecánica, aspectos ambientales, etc.). Mantiene no sólo los datos actuales, sino también las versiones históricas. Los datos se pueden manejar como datos estructurados (datos en columnas, bases de datos), semiestructurados (json, flujos de datos xml de instrumentos, dispositivos IdC, plantas), o incluso datos no estructurados (textos, como ser reportes de accidentes, problemas de seguridad, etc.). Los foros públicos tales como datos meteorológicos, datos sociodemográficos, etc., también son fuentes de acceso a los datos.

El contar con datos depurados, capaces de ser consultados, combinados y correlacionados, y a disposición de los usuarios, abriría las puertas a la posibilidad de que un analista de datos pueda mirar más allá de las correlaciones y conexiones más comunes, y explorar así otras formas de datos. ¿Es posible que los cambios en la recuperación en la pila de lixiviación sean un predictor de un debilitamiento del tranque de relave? No lo sabemos, pero el punto aquí es que la dificultad que tienen las minas para encontrar estas conexiones se reduce de manera significativa debido a que la plataforma de datos hace que todos los datos resulten accesibles y se encuentren depurados y organizados. De esta manera, el costo de un proyecto científico de análisis de datos también se reduce considerablemente. Los futuros analistas de datos podrán procesar miles de variables en la mina para permitir que los algoritmos de aprendizaje automático encuentren correlaciones que la mente humana no ha podido concebir. Este ejercicio se volvería aún más útil si las empresas mineras estuvieran dispuestas a compartir algunos de sus nuevos descubrimientos con otras empresas, preservando siempre la privacidad de los datos usados como base. La industria minera en su conjunto podría así alcanzar estándares de seguridad, sustentabilidad ambiental y mayor rentabilidad, de forma mucho más rápida.

Eclipse Mining Technologies se encuentra a la vanguardia de esta iniciativa monumental. Nuestra plataforma de datos, SourceOne, se está expandiendo para conectar todos los datos, su contexto e historia, a nivel de toda la empresa minera, generando conexiones y conocimientos capaces de mejorar la productividad, rentabilidad, seguridad y perfil económico de la mina. Deje que SourceOne le ayude a encontrar la conexión de su mina con el zorzal rojizo, para revelar así una mina más inteligente, más segura, y más productiva.