“Nunca se puede predecir un acontecimiento físico con una precisión absoluta.” Max Planck
¿Quién no ha pensado alguna vez lo fácil que sería tener una bola de cristal (que funcione de verdad), para predecir el futuro? En analítica digital, aunque no tenemos una ni contamos con profecías capaces de ver que va a pasar de aquí a 10 años, sí tenemos acceso a modelos estadísticos que nos ayudan a conocer la tendencia de ciertos eventos a corto-medio plazo: los modelos predictivos.
¿A qué nos referimos cuando hablamos de modelos predictivos? Esta ecuación está directamente ligada al análisis predictivo, definido como “un tipo de análisis que agrupa una variedad de técnicas estadísticas de modelización, aprendizaje automático y minería de datos que analiza los datos actuales e históricos reales para hacer predicciones acerca del futuro o acontecimientos no conocidos” *. En otras palabras, es un modelo que emplea datos históricos y patrones conocidos para predecir eventos futuros.
Con la llegada del Big Data y las estrategias data-driven, las empresas cuentan con uno de los elementos más importantes para trabajar con modelos predictivos: los datos. Y es que tener un histórico de datos es indispensable a la hora de emplear este tipo de modelos para que impacten directamente en el negocio. Para ayudarnos a conocer este impacto, contamos con la experiencia de Alejandro Doncel, CEO de KSchool; y Chema Martínez-Priego, CEO de Rommel & Montgomery.
Prediciendo el negocio
Los modelos predictivos se están convirtiendo en una de las tendencias más populares dentro del mundo empresarial. Algoritmos, ciencia de datos y aprendizaje automático son conceptos que ya forman parte del imaginario de las empresas. Pero es importante partir de la premisa que el futuro es impredecible, sobre todo si analizamos un entorno tan caprichoso como es el corporativo. Por mucho que lo intentemos, conocer el porcentaje de crecimiento de una empresa de aquí a X años es imposible, ya que existen multitud de variables externas que afectan directamente al negocio y que no se pueden controlar.
Como es lógico, las organizaciones buscan incorporar este tipo de modelos dentro de sus análisis de datos, pero el problema es que hay entornos que son difíciles de predecir, aunque se parta con fuentes de datos bien trabajadas. No por medir más se obtiene más información. Por eso es importante tener claro qué se quiere medir, por qué se mide y con qué finalidad, ya que así se irán respondiendo paso a paso las preguntas de negocio.
Pero existen otros entornos dentro de las empresas, habitualmente más cerrados y controlados, donde los modelos predictivos sí son de gran ayuda, como en el caso de predecir una tendencia futura en base a un histórico, siempre y cuando se tengan muy claros los objetivos de negocio marcados. No es igual predecir el crecimiento de una empresa en la que el objetivo sea buscar un beneficio a partir de cubrir costes, que el de aquella que parte de un esquema de crecimiento lineal donde el riesgo dentro de la predicción es mucho mayor. Es por esto por lo que hacer un buen uso de los modelos matemáticos implica conocer cuáles son sus limitaciones. No sólo vale con recopilar la información y hacer el modelo, es necesario trabajar desde la fuente de datos. Al final, los modelos y sus predicciones serán tan precisos según sean los datos y los entornos en los que se basan.
Analítica predictiva y alertas
Como hemos estado viendo, la analítica predictiva es una gran aliada para detectar tendencias y pronosticar eventos, siempre y cuando se hayan establecido unos parámetros previos. Y también son una buena herramienta para la detección de anomalías. Por ejemplo, cuando se traza una predicción, en el momento en el que es detectada una singularidad, las métricas son las encargadas de avisar de que algo va mal y que es el momento de revisar el modelo.
En todo lo que implica los modelos predictivos, solo estamos viendo la punta del iceberg. Gracias a los constantes avances en analítica predictiva y en aprendizaje automático, este campo aún está por explorar y seguiremos pendientes de todos los avances de cara a la mejora del negocio de las empresas.
A continuación, puedes escuchar el podcast completo que le hemos dedicado a los modelos predictivos.
*Fuente: Wikipedia
 |
 |
 |