Los modelos predictivos se basan en el análisis de datos históricos para realizar predicciones de comportamiento en el futuro. Al interior de las organizaciones, el análisis predictivo es usado para soportar la toma de decisiones.

Escrito por: Ronald Rodríguez, Senior Software Engineer en Prodigious

Cada vez más empresas de los diferentes sectores económicos entienden a profundidad la necesidad de implementar buenas prácticas y herramientas para el análisis de datoscomo parte de los procesos de transformación digital. Durante los últimos meses, el comportamiento de los consumidores ha cambiado y parte de sus decisiones de compra se toman teniendo en cuenta la información adquirida en ‘un momento inmediato’, e incluso, sin tener en cuenta el pasado.

Para la adopción de prácticas y herramientas, se efectúa un reconocimiento de las necesidades y el nivel de madurez de gestión de datos de cada organización. Hoy en día, una de las fuentes de datos con mayor auge de análisis es la del mercado digital; básicamente, toda la información recopilada sobre el comportamiento de un usuario en un sitio web, se convierte en insumos que ayudan a conocer aún más las necesidades del consumidor y, también, a que las empresas reorganicen el sitio web de una manera más dinámica. Estos insumos a su vez son aprovechados para diversas tareas dentro del negocio, una de estas es el análisis predictivo.

El análisis predictivo se desarrolla mediante técnicas de recopilación, preparación y evaluación estadística. A este proceso, se suman técnicas de machine learning e inteligencia artificial para generar valor a partir de los datos. Si bien es común esperar documentos de valoración a manera de consultoría, ya son cada vez más las aplicaciones de software que están orientadas al entregar modelos predictivos para solucionar diversas necesidades de reacción a la demanda.

La aplicación de modelos predictivos está beneficiando también a la industria petrolera. En este caso las compañías a través de sensores ubicados en la maquinaria y en las terminales recopilan cantidades de información que permite establecer el momento oportuno para hacer mantenimientos preventivos a los equipos. Aquí el análisis de datos toma relevancia porque un mantenimiento realizado a tiempo evita que la máquina falle, hecho que genera un ahorro económico a las compañías comparado con el tener durante horas detenida la producción.

Independientemente del contexto en el cual se apliquen estos modelos predictivos, se debe tener claro lo que se quiere pronosticar y la información que se requiere para esto. Recientemente, sucesos como la pandemia han dado un fuerte golpe a los modelos predictivos. Antes del coronavirus la recopilación de información histórica era fundamental, después de este acontecimiento los hábitos de consumo cambiaron y varían a diario, cambiando la concepción del valor de los datos.

A la hora de determinar qué datos son relevantes o no para estos modelos es importante establecer aquellas cualidades enfocadas en el éxito de un negocio. Por ejemplo, entender los hechos que lograron la conversión de un usuario, por qué se logró una venta, factores alrededor del por qué el usuario finalmente dió click a un botón, elementos asociados al comportamiento del usuario (en casos como este si es importante la recopilación de datos históricos).

Al mencionar cuál es la percepción de las organizaciones frente a estos modelos predictivos, encontramos que al comienzo cada empresa tiene creada su hipótesis del por qué algo es exitoso, sin embargo cuando compañías como Prodigious evidencian que a partir de datos reales esa primera hipótesis puede ser validada o refutada, la percepción acerca de la importancia de tomar decisiones basadas en el análisis de datos cambia por completo, demostrando que factores de alto impacto pueden generar cambios en la experiencia del usuario.

Aunque al principio hay cierta resistencia, luego, dependiendo de los resultados se cambia la percepción. También hay cierto escepticismo al ver cosas que serán disruptivas con el negocio. La recomendación es no iniciar con cambios tan drásticos.

Desde el punto de vista del sector público, es necesario que los gobiernos empiecen a basar sus decisiones en estos modelos predictivos, para así, dar una mayor confianza a los pueblos y reaccionar a tiempo frente a posibles problemáticas. Este tipo de modelos funciona bien cuando son correctamente implementados. Además, es necesario que exista una cultura de apropiación al cambio para llevarla a cabo.