Predicción + Optimización: pon el dato a trabajar
Imagen cortesía de baobab soluciones
Me gusta presentar la analítica avanzada como una disciplina dividida en tres partes. Me suelo apoyar sobre el ejemplo de Google Maps para ilustrarlas:
La Analítica Descriptiva nos permite recoger y agregar datos para extraer indicadores que describan la realidad. El Business Intelligence tradicional entra en esta categoría y cuando la cantidad de datos a agregar requiere estructuras de datos alternativas, hablamos de Big Data.
La Analítica Predictiva nos permite encontrar patrones en los datos recogidos que nos sirven para predecir el futuro, empleando disciplinas como el Machine Learning y la Inteligencia Artificial.
La Analítica Prescriptiva nos propone una solución a un problema apoyándose sobre datos pasados (Machine Learning) o sobre un conjunto de reglas y condiciones (Programación Lineal).
Google Maps emplea las tres categorías cuando muestra la información de tráfico y rutas: analítica descriptiva cuando nos muestra el tráfico actual en tiempo real sobre un mapa, obtenido de los miles de dispositivos móviles y aplicaciones que le reportan; analítica predictiva cuando muestra su estimación de tráfico futuro basada en los patrones del tráfico pasado, y analítica prescriptiva cuando recomienda la ruta más rápida entre dos puntos considerando el tráfico previsto para el momento del trayecto.
La combinación de analítica predictiva y prescriptiva es especialmente beneficiosa porque nos permite ver el futuro y tomar la decisión óptima para sacar el máximo rendimiento de nuestros recursos sin quedarnos en el insight:
Un Call Center que efectúa simultáneamente varias campañas de llamadas salientes emplea categorización para predecir la tasa de éxito de cada campaña y optimización para asignar en cada momento los agentes idóneos a cada una para maximizar el beneficio total.
Una cadena de distribución puede predecir la demanda de productos en cada centro y optimizar el suministro para enviar la cantidad idónea de género, usando el medio de transporte más eficiente, en el momento justo para asegurar abastecimiento y minimizar matemáticamente el stock.
Una empresa de paquetería puede predecir el volumen de envíos entre cualquier par origen-destino y ajustar las rutas de la manera más eficiente considerando los vehículos con los que cuente, en horas, no en semanas.
Una cadena de retail puede predecir la demanda en sus tiendas a partir de datos pasados y ajustar los turnos de personal en cada una de ellas para atender la máxima demanda posible y minimizar (que no simplemente intentar mitigar) el desgaste del personal y el tiempo dedicado a la confección de turnos.
... todo esto con mínima supervisión humana, de forma sistemática y auditable.
La transformación digital se queda coja si no incluye las soluciones que los clientes necesitan para poder extraer el valor del dato. Añadir optimización al "insight" es un paso necesario para poner el dato a trabajar y acceder a los ahorros o beneficios que nos promete.
Photo by Ross Findon on Unsplash
