¿Son confiables los análisis predictivos?

Sin embargo, la oportunidad de obtener un impacto comercial valioso a partir del análisis estadístico empresarial impulsado por la Inteligencia Artificial (IA) como el análisis predictivo es más que grandioso. McKinsey asegura que tres técnicas de aprendizaje profundo: redes neuronales de retroalimentación, redes neuronales recurrentes y redes neuronales convolucionales, podrían permitir la creación de entre 3.500 y 5.800 millones de dólares en valor cada año.

Aún así, KPMG en su informe de Outlook del CEO Global 2019 encontró que solo el 16% de los CEO dijeron que ya habían implementado IA para automatizar sus procesos; el 31% solo está probando la tecnología; y el 53% ha comenzado una implementación limitada.

El análisis predictivo es "el uso de datos, algoritmos estadísticos y técnicas de aprendizaje automático para identificar la probabilidad de resultados futuros basados ​​en datos históricos".

Sin embargo, los CEO y, en particular, las nuevas empresas en general deben tener cuidado al usar el análisis predictivo, porque utilizan datos históricos, por lo que no siempre pueden explicar los cambios en el comportamiento de los compradores y competidores.

Las decisiones basadas en análisis predictivos comienzan y terminan con datos. Considere la calidad de los datos recopilados, los métodos para la recopilación de datos y pregunte si los datos han sido desviados y está trabajando con datos depurados / limpiados. Todas estas son consideraciones para los CEO cuando se basan en la toma de decisiones con análisis predictivos. Los ejecutivos como los CDO y los CIO necesitan invertir tiempo para garantizar que los datos estén limpios antes de que los equipos de administración y los CEO comiencen a confiar en las recomendaciones de los sistemas basados ​​en análisis predictivo.

Quienes consideren implementar el análisis predictivo para sus negocios deben tener en cuenta que se puede confiar en una predicción bien preparada y un programa de análisis predictivo bien realizado.

Por eso, es importante reconocer cuando la analítica predictiva se realiza mal. Busque estos posibles problemas:

• Selección de personal de diseño sin experiencia y conocimiento relevantes.
• Selección de herramientas y métodos de predicción inapropiados.
• Selección incorrecta de datos, es decir, series de tiempo seleccionadas incorrectamente (por ejemplo, demasiado corta, demasiado larga, falta de estacionalidad, etc.)
• Razonamiento incorrecto, especialmente en el contexto de evaluar la correlación entre variables.

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.