Predictive Analytics

Cómo apoyarnos en una estrategia de Analytics para predecir lo que viene. La data está en todas partes, nos demos cuenta o no, la usemos o no.


31 agosto , 2020  |   Blog - Data & Innovation

Predictive Analytics

Cómo apoyarnos en una estrategia de Analytics para predecir lo que viene. La data está en todas partes, nos demos cuenta o no, la usemos o no.

Por Sergio Mastrogiovanni, Head of Data & Innovation Nubiral.

La data está en todas partes, nos demos cuenta o no, la capturemos o no, la usemos o no. El concepto de Big Data se refiere al mundo generando información a cada minuto, con este artículo, con una conversación con nuestros clientes, proveedores, colegas y social media hablando sobre nosotros, etc.

Una empresa madura digitalmente, usa esta información para ser más eficiente en la forma en que sale al mercado, habla con todos los componentes del ecosistema en el que se maneja y toman decisiones más informadas, soportadas por esta data y una estrategia de Analytics para poder decidir, por ejemplo, qué clientes deben participar en una campaña promocional para un producto determinado, como sería la estrategia ideal, cuál sería el escenario ideal para maximizar la respuesta, a qué clientes se debe analizar y seducir para fidelizarlos y evitar que se vaya con la competencia, etc.

Las respuestas a estas preguntas no siempre están a la vista y a veces es muy difícil encontrarlas sin tener una estrategia de Business Analytics para ser más eficaces y hay diferentes tipos de formas para mejorar nuestra perfomace. Se llama “descriptive analytics” a la oportunidad de usar esta tecnología para poder entender nuestra historia y lo que está pasando en este momento (es interesante como muchas empresas no siempre interpretan en forma adecuada su propia información y operación). Las empresas más maduras, que ya tienen sus datos capturados, alineados y pueden entender su propia operación cuentan adicionalmente con una estrategia que incluya lo que se llama “predictive analytics”, para poder predecir el próximo movimiento, y “prescriptive analytics”, para poder optimizar su operación de una forma inteligente.

Las organizaciones inteligentes aprenden a desarrollar la cultura del dato, tomando decisiones apoyadas por información, eliminando escalamientos de decisiones al tener a todos los miembros de la empresa accediendo a la misma data, siendo más agiles y reaccionando rápidamente a los cambios exponenciales que hoy viven los mercados. Para ello, el análisis predictivo, proporciona información valiosa que ayuda a tomar decisiones correctas, permitiéndonos predecir el futuro sobre la base de datos históricos.

Estos modelos, se basan en el análisis de patrones de comportamiento de los datos, y nos ayudan a entender, por ejemplo, cuando un cliente puede cancelar nuestros servicios o moverse a la competencia, en base a la historia del cliente y clientes similares, y de esta forma evitar que esto suceda si es un cliente valioso, implementando una estrategia de retención. Todos los clientes son clasificados en base al riesgo de salida (o churn como se lo conoce en marketing), basándonos en datos históricos.

Data estructurada y no estructurada

Como dijimos, estamos generando data 24/7 como empresa y como individuos. Muchas veces esa data está en nuestras bases de datos estructurada, y muchas veces está en otros lugares como internet, social media, prensa, conversaciones, etc. en distinto tipo de formatos (texto, fotos, imágenes, videos, audios, etc.). Este tipo de datos se llaman no estructurados, y debemos capturarlos y apoyarnos en ellos para nuestra toma de decisiones y así completar la visión global de nuestra empresa y predecir el futuro en forma acertada.

Una vez que pudimos capturar y filtrar los datos que necesitamos, comenzamos a trabajar en la creación de un modelo de predictive analytics para comenzar a reconocer patrones que potencialmente nos permitan detectar tendencias futuras. Aquí es donde técnicas como machine learning son de gran ayuda, para comenzar a reconocer patrones en nuestra data y explotarlos. Afortunadamente, el análisis de datos se está volviendo tan deseable en estos días que muchas de estas herramientas están disponibles como aplicaciones simples. Esto significa que ahora es mucho más fácil comenzar a analizar nuestros datos sin la necesidad de ser expertos o tener poderes sobrenaturales. No se puede predecir la lotería porque es puramente aleatoria, pero hay muchas cosas en la vida que no son aleatorias y que se pueden predecir en cierta medida (la historia es el mejor maestro siempre). Cuando contratamos un seguro de vida, vamos a pagar una prima basada en un análisis de nuestra historia, el cual establece y predice el riesgo de nuestra vida en función de nuestro pasado. Si hablamos de Covid-19, la empresa canadiense de inteligencia artificial Bluedot, ya había advertido del potencial de este nuevo tipo de neumonía unos días antes de que la Organización Mundial de la Salud emitiera el comunicado oficial, según informó el medio The Wired a finales de enero

Las tendencias recientes en Big Data han generado más oportunidades para tener predictive analytics eficiente y robusto. Esto nos proporciona herramientas más fácilmente accesibles que nos permiten realizar diferentes tipos de análisis para que seamos más precisos en nuestras estimaciones a medida que aprovechemos los datos generados. Lo que es interesante ver es que un proceso que anteriormente estaba reservado exclusivamente para científicos de datos o analistas especializados y ahora se está volviendo accesible para todos.

En el futuro, la velocidad de los cambios será cada vez más acelerada y con un ritmo exponencial. Lo que hoy es una ventaja competitiva, mañana será una herramienta de supervivencia y nadie podrá darse el lujo de no adoptarla.

Por Sergio Mastrogiovanni – Head of Data & Innovation Nubiral

Si quieres conocer más acerca de este tema

Webinars
Ciclo de Webinars – Predictive Analytics
VER MÁS
EBooks
Industria 4.0
VER MÁS
Podcast
Inteligencia Artificial
VER MÁS
  • Blog
    Big data y manufactura: en el centro de la Industria 4.0
    VER MÁS
  • Blog
    Big data en retail: satisfacción total, máxima rentabilidad
    VER MÁS
  • Blog
    Big data y servicios financieros: menos riesgos, más oportunidades
    VER MÁS