Este concepto sigue de moda, aunque ahora enfrenta el siguiente nivel: la inteligencia artificial y el aprendizaje automático, sin embargo analítica sigue siendo la base de la inteligencia artificial y otras soluciones.
Números
Como se menciona en la película PI, el orden del caos toda la realidad se puede expresar con números y la mayoría de las cosas en el mundo tienen patrones que se repiten, si esos patrones se expresan numéricamente y se pueden graficar, se encontrarán los patrones y podrán predecirse. Por tanto cualquier evento podría anticiparse, dado que encontráramos cuál es el patrón.
Aunque la analítica no puede ser tan exacta, por ejemplo como para llegar a predecir las personas precisas o el momento justo en que se producirá un evento. El resultado que nos da son probabilidades de ocurrencia sobre grupos específicos, que aunque sean elevadas son probabilisticas, están hechas con cálculos basados en lo que ya ocurrió.
Idealmente dentro de un proceso continuo de analítica llevará a mejoras en la capacidad predictiva de los modelos y la efectividad de sus resultados para reducir los falsos positivos y negativos mediante el reforzamiento o aprendizaje.
Falsos Positivos
Es cuando un modelo determina que un usuario tiene probabilidad de dar un resultado específico como hacer una compra y, realmente no ocurre así, esta información es útil para ir retroalimentando al modelo y mejorar su desempeño futuro.
Falsos Negativos
Si un modelo dice que un cliente no iba a cambiar de compañía, y lo hace, es un falso negativo que es un error del modelo pero dentro de la retroalimentación la tendencia de su capacidad predictiva es de mejora dentro del proceso.
Aprendizaje
Es aquí donde se dice que los modelos pueden aprender, ya sea con inteligencia artificial donde se recibe la retroalimentación de los resultados y en consecuencia se ajusta automáticamente para reducir la cantidad de decisiones en falso o en el caso de un modelo analítico tradicional, en el que se recalibran para mejorar su capacidad predictiva y tomar en cuenta nuevas variables y los resultados obtenidos anteriormente.
Datos
Esto incluye el proceso de convertir a los datos en información. Generalmente los datos por sí mismos no tienen mucho significado, cuando los convertimos en información es cuando adquieren valor para soportar la toma de decisiones de negocios.
Los datos se pueden obtener de una o múltiples fuentes, por ejemplo, pueden venir de la información de mis clientes, lo que les he vendido, cuándo, cómo me han pagado, dónde lo han comprado, etc.
La combinación ideal para una buena toma de decisiones es el uso de los resultados analíticos con la experiencia personal para llegar al mejor resultado posible, lo que ahora se ha dado en llamar inteligencia aumentada. Sin descontar la capacidad y formación de los analistas para la interpretación y toma de decisiones, se usan métodos analíticos que apoyen el análisis de enormes cantidades de datos estructurados y no estructurados para que el analista usuario de negocios sea capaz de enfocarse únicamente en los resultados y cómo afectarán al negocio.
La analítica toma en cuenta el pasado para predecir lo que sucederá en el futuro. Cuál es la tendencia que seguirá un evento dado.
Patrones
Pero, ¿qué es una tendencia o un patrón en los datos? Es algo que se repite a lo largo del tiempo, de forma consistente.
Un hecho aislado no genera un patrón, es por ello que se requiere analizar un historial de información amplio para poder obtener conclusiones relevantes.
Y para empezar a encontrar patrones significativos en los datos un primer paso importante es hacer las preguntas de negocio correctas y a partir de ahí empezar a convertirse en una organización proactiva, que toma en cuenta los datos del pasado para predecir el futuro, sin embargo esto es un proceso no sólo un proyecto.
La analítica, como vemos en la siguiente gráfica de Gartner se compone de 4 etapas o tipos de capacidades que nos ayudan a responder diferentes retos de negocio.
Descriptiva
Se inicia con analítica descriptiva que nos ayuda a determinar qué sucedió de forma reactiva, si las ventas cayeron haremos una revisión de los datos para ver si encontramos cuáles fueron las causas.
Por ejemplo si los clientes comenzaron a abandonar sus suscripciones o comenzaron a comprar menos de lo que habitualmente lo hacían al mismo tiempo que no llegaba nuevos.
Diagnóstica
El siguiente nivel es la parte diagnóstica que nos permite llegar a la causa raíz de los problemas mediante consultas a la medida o desglose de información puntual.
En este caso nos apoyamos con reportes a la ad-hoc, consultas personalizadas y drill-downs.
Predictiva
Más adelante esta la parte predictiva que nos ayuda a dilucidar el futuro tomando en cuenta los eventos del pasado y enriqueciéndolos con más datos del entorno y variables adicionales. La idea es poder anticiparnos y prever qué será lo que sucederá con mayor probabilidad antes de que ocurra.
Aquí nos ayuda a responder preguntas como ¿qué pasará después?, ¿hacia dónde se moverá el mercado? Y ¿cuáles son las mejores oportunidades para nosotros?
Prescriptiva
Por último, la parte prescriptiva considera todas las posibles opciones y nos sugiere cuál es la mejor opción de acuerdo con nuestros objetivos para maximizar los resultados con menores costos.
Un ejemplo de ello es la optimización, en la que se toman todas las variables, se conjugan las restricciones y los objetivos que se buscan alcanzar para obtener una solución óptima de acuerdo con el entorno, mis capacidades y metas, incrementando las ganancias e invirtiendo menos.
Conclusión
La idea de la analítica es llegar a conocer a los clientes como la hacía el dueño de la tienda de la esquina tradicional, en la que el tendero conocía a cada cliente, sabía qué compraba, cuándo, a qué hora, en qué cantidad y sabía sus gustos, por lo que le podía hacer recomendaciones cuando llegaba un nuevo producto o no estaba el que buscaba el cliente. Sabía muy bien, cuándo resurtir su tienda, qué productos se vendían mejor y, con base en ese conocimiento podía negociar mejor con sus proveedores.
Por tanto, la analítica es el descubrimiento y la comunicación de patrones significativos en los datos para poder tomar decisiones informadas que nos ayuden a obtener una ventaja competitiva de manera oportuna en el mercado.
