La década del 2010 trajo el auge de la Inteligencia Artificial (IA) y el Aprendizaje de Máquina (ML), así como la posibilidad de contar con datos masivos o “big data” (grandes cantidades de información en tiempo real de transacciones, interacciones con clientes y proveedores, redes sociales y sensores habilitados para el Internet de las cosas). A pesar de ello, en una encuesta del despacho Deloitte sólo 37% de los participantes considera que sus empresas tienen un alto grado de maduración en el uso de datos para soportar la toma de decisiones.

Para Deloitte, convertirse en una organización impulsada por datos no requiere solo de infraestructura, datos y talento. Es necesario desarrollar una cultura en donde las decisiones importantes se tomen con base en datos y su análisis, y en la que exista la voluntad de actuar sobre ideas surgidas de ellos. Crear esta cultura depende de varios factores, entre los que destaca educar a los empleados, en todos los niveles y en todas las funciones, sobre el papel de la analítica en la toma de decisiones empresariales.

Un buen punto de partida en esta labor es tener un marco de referencia que nos ayude a entender el rol de los diversos conceptos y herramientas vinculados a la generación de información para la toma de decisiones, así como la contribución de nuevas herramientas como la IA y el ML. Por ello, comparto a continuación algunas ideas para tener una visión inicial del tema.

Aunque en el pasado ha recibido otros nombres, en años recientes se ha bautizado como analítica de negocios, o business analytics, al proceso de utilizar métodos cuantitativos para analizar grandes volúmenes de datos para generar conocimientos que apoyen la toma de decisiones de negocio. En un estudio realizado en 2010, el Instituto de Investigación de Operaciones y Ciencias de la Administración definió tres tipos de análisis de datos:

• Analítica descriptiva. Uso de datos para entender lo que sucede o sucedió. El análisis descriptivo prepara y analiza datos históricos e identifica tendencias.
• Analítica predictiva. Uso de datos para averiguar lo qué podría suceder en el futuro. El análisis predictivo estima las probabilidades y tendencias futuras.
• Analítica prescriptiva. Uso de datos para señalar el mejor curso de acción a fin de aumentar las posibilidades de obtener el mejor resultado.

Veamos ahora en qué consiste cada una, cuáles son sus principales herramientas y el impacto que tienen en ellas las nuevas tecnologías

Imagen de Merlin Waldhör en Pixabay

Analítica Descriptiva

La analítica descriptiva responde preguntas como ¿cuánto estamos vendiendo? ¿qué productos y en dónde?, ¿vendimos más o menos?, ¿ganamos dinero? De esta forma, una empresa se entera de lo que pasa, evalúa si cumplió sus metas e identifica tendencias que representan oportunidades o problemas. Una analogía adecuada es la del capitán de un barco, que requiere saber su ubicación y el estado de su nave, si va en la ruta a su destino y si debe corregir velocidad o rumbo.

El principal instrumento de la analítica descriptiva es la inteligencia de negocios, un conjunto de tecnologías, sistemas y procedimientos para recopilar sistemáticamente información de la empresa y presentarla, de manera concisa y entendible, mediante el uso de indicadores, cuadros de mando y tableros de control. Hay toda una industria que ofrece la infraestructura, los sistemas y la consultoría para implementar herramientas de inteligencia de negocios en todo tipo y tamaño de empresa, por lo que su uso está muy extendido.

La llegada de los datos masivos y las técnicas de IA y ML, del internet de las cosas, así como el avance de las telecomunicaciones, han impactado las herramientas de inteligencia de negocios en velocidad, profundidad y sofisticación. Las telecomunicaciones de hoy recopilan información en tiempo real de casi cualquier lugar, las herramientas de datos masivos procesan volúmenes gigantescos de información, y técnicas de ML como el agrupamiento y la clasificación permiten detectar patrones y tendencias que antes no era factible encontrar.

 

Imagen de Cooky07 en Pixabay

Analítica Predictiva

La analítica predictiva trata de responder preguntas como ¿cuál es la probabilidad de que suba el precio de la materia prima que utilizamos? ¿cuánto podemos esperar vender el año que entra? ¿a cuánto estará el dólar? De esta forma, la empresa busca tener una estimación de la probabilidad de ocurrencia de eventos futuros o del valor de alguna variable. En la analogía del capitán de navío, para decidir el rumbo a tomar, es importante saber cómo estará el clima en la ruta actual y hacia dónde nos dirigiremos si tomamos un rumbo determinado.

Tener predicciones acertadas para apoyar la toma de decisiones ha sido siempre un tema clave para empresas y gobiernos. Por ello, a lo largo de la historia, las técnicas de pronóstico han sido materia de amplios esfuerzos de investigación en probabilidad y estadística, matemáticas y, a partir del siglo XX, la computación. Como resultado, hoy poderosas herramientas de pronóstico son utilizadas cotidianamente por ingenieros, economistas y actuarios para pronosticar desde las ventas de un producto y el crecimiento de la economía, hasta la probabilidad de ganar un partido de futbol.

Los grandes volúmenes de datos que pueden procesarse con herramientas de datos masivos permiten hacer predicciones de mucha mayor confiabilidad. Además, las técnicas de IA y ML extraen información de todo tipo de fuentes, como textos, páginas web o redes sociales, y logran niveles de precisión sorprendentes en el pronóstico de variables no numéricas. Por ello, herramientas de ML son utilizadas para predecir cancelaciones de suscripción, fraudes en tarjetas de crédito o seguros, compras recurrentes de clientes y otros procesos de negocio.

Imagen de Gerd Altmann en Pixabay 

Analítica Prescriptiva

La analítica prescriptiva nos sugiere el camino a seguir al responder preguntas como ¿con cuál porcentaje de descuento venderíamos más? ¿cuánto inventario hay que acumular para protegernos contra un aumento de precios? ¿es mejor comprar o rentar una maquinaria? En este caso la empresa busca saber qué hacer, conocer cuál es la acción, de entre todas las alternativas que tiene, con la mayor probabilidad de lograr el mejor resultado. El capitán del barco necesita saber qué es mejor, mantener el curso y enfrentar una tormenta, o hacer un desvío y alargar el viaje.

Las herramientas de la analítica prescriptiva, entre las que destacan las técnicas de optimización, la simulación y el análisis de redes, son tema de investigación desde la segunda guerra mundial. Disciplinas especializadas como la investigación de operaciones y la teoría de decisiones son estudiadas en universidades a nivel de carrera, maestría y doctorado, y hay organizaciones académicas y profesionales dedicadas a investigar e intercambiar conocimientos sobre el tema. Complejos sistemas de analítica prescriptiva permiten actualizar en tiempo real las tarifas aéreas, organizar grandes redes de transporte, o programar los procesos de una planta petroquímica.

Las redes de telecomunicaciones de hoy, la disponibilidad de datos masivos y las nuevas técnicas de IA y ML, como las redes neuronales profundas o el aprendizaje reforzado, hacen posible la implementación de modelos de optimización y simulación mucho más complejos, así como el uso de algoritmos que antes no era factible llevar a la práctica. Esto abre nuevas posibilidades que empiezan a ser explotadas en todo tipo de industrias.

La encuesta de Deloitte señala que las empresas con una cultura impulsada por datos logran superar sus metas en una proporción (48%) que es más del doble de las empresas que no tienen esta cultura (22%).  Ello significa que el uso sistemático de datos para la toma de decisiones será un elemento diferenciador de las empresas exitosas. Una idea clara de las herramientas y posibilidades que ofrecen las redes aceleradas, la IA y los datos masivos para mejorar las decisiones que toma una empresa, representará una ventaja competitiva y ampliará las probabilidades de cumplir nuestros objetivos.

¿Qué opinas? Comparte tus comentarios abajo. ¿Te gustó este artículo? Lee otros artículos de nuestro blog IF Inteligencia Futura aquí.