Acepto

COOKIES

Esta web utiliza cookies técnicas, de personalización y de análisis, propias y de terceros, para anónimamente facilitarle la navegación y analizar estadísticas del uso de la web. Obtener más información

El increíble viaje de la analítica

  • Predictive Analytics

Analitica_analisis_datos_2

La evolución de la integración analítica en el día a día de las empresas se considera ampliamente como un proceso de tres etapas, desde el análisis descriptivo hasta el análisis predictivo y el análisis preceptivo/analítica prescriptiva.

El análisis descriptivo es la ciencia y el arte de resumir datos que se agrupan lógicamente y se estructuran en capas para crear un flujo continuo de conocimientos que se pueden profundizar y presentar de una manera visualmente atractiva. Implica la creación de agregados mediante el establecimiento de vínculos de datos que proporcionan una presentación visual para que sea intuitiva y fácil de entender y usar.

El objetivo del análisis descriptivo es permitir que un usuario de negocios vea el estado del negocio tal como es, de la manera más simple posible, y luego realizar una autopsia para determinar qué llevó al negocio a su estado actual. La mayoría de las empresas ya están implementando este tipo de análisis en todas sus funciones comerciales. Todavía hay un largo camino por recorrer antes de que el trabajo esté completo, pero la importancia de la implementación se entiende claramente y no hay debates sobre su necesidad y urgencia.

El análisis predictivo es la próxima etapa de esta evolución. En pocas palabras, se trata de decir lo que va a suceder en el futuro. Con base en datos del presente pasado, este campo de análisis se ocupa de hacer predicciones sobre eventos futuros, así como también especifica la probabilidad de que la predicción sea cierta. Implica un modelo estadístico y métodos analíticos avanzados, como el aprendizaje automático y la inteligencia artificial. Se basa en datos para determinar la causalidad de eventos pasados ​​y utiliza estos factores subyacentes para determinar hacia dónde se dirige el futuro. Aquí es donde los científicos de datos se deleitan en el uso de las matemáticas aplicadas y la tecnología para proporcionar profecías que pueden ser lógicamente construidas y debatidas.

Tres pasos para la implementación

¿Cómo implementa una empresa el análisis prescriptivo en la práctica del mundo real?

El primer y más crucial paso es determinar qué es lo que verdaderamente necesita la empresa: ¿cuáles son los indicadores clave de rendimiento (KPI) que los responsables de la toma de decisiones desean mejorar? Este proceso no es tan simple como parece. Muchas empresas luchan por definir el conjunto de KPI que más les importan. Si bien todas las empresas quieren ganar más dinero y desean hacerlo más rápido y con menos inversión, el proceso de elección de KPI requiere una mirada más profunda para determinar qué es lo que realmente se necesita y qué es "agradable de tener".

Dada la industria y el escenario competitivo, ¿cuáles son los KPI más importantes para que la empresa sea más exitosa frente a las restricciones a las que está sujeta? Como se mencionó anteriormente, esto requiere que analistas y ejecutivos senior de negocios trabajen mano a mano, reflexionen profundamente, rompan normas y definan el futuro. Luego, es tarea de los analistas cristalizar la definición de KPI y el mecanismo a través del cual se publican estos KPI.

El segundo paso es crear puntos de datos que conecten las entradas (decisiones) con las salidas (KPI). Este paso es pesado en matemáticas y tecnología. No hay atajos aquí. Un conjunto de datos incompletos, un algoritmo incorrecto u opciones limitadas para optimizar las decisiones pueden llevar a las empresas a tomar decisiones equivocadas que son costosas de corregir más adelante. Una compañía que tenga una base sólida en análisis predictivos podría realizar esta tarea sin muchas molestias.

El tercer paso es conectar el resultado del análisis con la implementación de una solución en tiempo real. Aquí es donde el analista debe usar el sombrero de un diseñador de productos. Las preguntas para hacer en este paso son:

  • ¿Cómo puedo hacer que sea conveniente que los resultados de los análisis se implementen en las decisiones comerciales de una manera rápida y escalable?
  • ¿Quiénes toman las decisiones, con qué frecuencia deciden y cuál es la precisión requerida en la toma de decisiones?
  • ¿Puedo automatizar el proceso de toma de decisiones?
  • ¿Puedo crear un ciclo de retroalimentación que aprenda de las decisiones tomadas, correctas e incorrectas, y las mejore en forma continua?

Este paso requiere la mayor cantidad de paciencia tanto del analista como del usuario de negocios, una gran atención a los detalles y un plan de implementación estricto. Un analista experimentado también dejará suficiente espacio para la flexibilidad, de modo que la empresa pueda responder libremente a escenarios externos cambiantes.

Tan desalentador como puede parecer el proceso, se trata de obtener los conceptos básicos correctos. De arriba hacia abajo, las prioridades son lograr los objetivos correctos y determinar qué debe evaluarse para cumplir los objetivos. De abajo hacia arriba, se trata de datos limpios, datos en un solo lugar y sistemas que se comunican entre sí en tiempo real. En el medio está la capa de algoritmos y modelos estadísticos que conecta los datos a continuación con las decisiones anteriores.

Todo el proceso de implementación de análisis para abordar las necesidades empresariales requiere un esfuerzo conjunto de los analistas y los responsables de la toma de decisiones empresariales, así como un esfuerzo coordinado entre la tecnología, las matemáticas y la toma de decisiones pragmática.

Descubre la innovación

Para asegurar el éxito empresarial, ahora y a futuro, es imprescindible maximizar el retorno de la inversión existente en software, a la vez que innovar y adoptar nuevas tecnologías. Los retos que hay abordar para competir en un mundo de TI Híbrida incluyen DevOps, Seguridad, Gestión de riesgos y Análisis predictivo. Puedes obtener más información sobre cómo abordar estos retos e innovar en este enlace.