análisis predictivo - ibm

2 © 2010 Prediction Impact, Inc. Reservados todos los derechos.

Análisis predictivo: Tecnología de inteligencia empresarial que produce una puntuación predictiva para cada cliente u otro elemento organizativo. Asignar esta puntuación predictiva es el cometido de un modelo predictivo que a su vez se ha instruido a partir de los datos de su empresa. ………… Con el análisis predictivo la empresa aprende de su experiencia acumulada (datos), y actúa en función de lo que ha aprendido.

Con el tiempo el análisis predictivo ha llegado a su madurez y se ha convertido en una práctica corporativa esencial y necesaria para mantener la ventaja sobre la competencia. Esta tecnología representa una fase completamente nueva en la evolución empresarial en tanto que lleva a escena el aprendizaje organizativo, que hace que el negocio crezca puesto que implementa una sola forma de gestión de riesgos basada en datos a través de diversos escenarios. Este informe presenta siete objetivos estratégicos que solo podrán alcanzarse absolutamente haciendo uso del análisis predictivo, a saber, Competir, Crecer, Consolidar, Mejorar, Satisfacer, Aprender y Actuar.

Una nueva fase en la evolución empresarial: Aprendizaje Organizativo Aplicado

Los datos empresariales son un activo estratégico incalculable porque representan la experiencia acumulada de una organización, la verdadera historia de sus interacciones con los clientes. Toda respuesta del cliente (o la falta de ella), compra, decisión, adquisición, abandono absoluto, fraude, falta de crédito o queja por un producto defectuoso proporciona a la empresa una experiencia de la que aprender. El análisis predictivo hace prospecciones en la rica veta de la experiencia y luego la explota generando modelos predictivos automáticamente. Los principales métodos analíticos maximizan el rendimiento de los modelos puesto que los perfeccionan mediante datos de instrucción. De este modo la generación de modelos se convierte en un acto de aprendizaje a partir de la experiencia que se encuentra codificada en los datos; el modelo en sí mismo es el producto resultante y a la vez el objeto aprendido. La empresa materializa el valor potencial de negocio del proceso de aprendizaje cuando aplica lo que se ha aprendido. Esto se consigue cuando se actúa basándose en la puntuación obtenida de cada cliente mediante un modelo predictivo. Por ejemplo, un modelo concreto marca aquellos clientes de mayor riesgo asignándoles una elevada puntuación predictiva; si se elabora una oferta específica de permanencia, como un descuento solamente para tales clientes, se obtiene una enorme ganancia en el balance final. El aprendizaje organizativo aplicado hace que la empresa evolucione. Este proceso organizativo colectivo que permite aprender de la experiencia acumulada y aplicar lo aprendido -en todas las funciones empresariales- ofrece una oportunidad sin precedentes para crecer. Si su empresa tiene la intención de sumarse a esta emergente y rauda fase de evolución empresarial, el análisis predictivo es la tecnología para hacerlo.


Gestionar los riesgos: lo que toda organización debería aprender de las compañías de seguros

Los métodos actuariales que permiten que una compañía de seguros lleve a cabo su negocio principal realizan exactamente la misma función que los modelos predictivos: clasificar a los clientes por la probabilidad de resultado positivo o negativo. Los modelos predictivos mejoran los métodos actuariales estándar puesto que incorporan la automatización de análisis adicionales y abarcan un conjunto más amplio de variables de cliente. Para afianzar estas ventajas muchas compañías de seguros están ampliando sus prácticas al integrar los análisis predictivos con el fin de mejorar sus decisiones en cuanto a selección y tarificación.

Al igual que en el sector de las aseguradoras, todo negocio consiste, básicamente, en un ejercicio de gestión de riesgos. Cualquier decisión que tome una empresa, cualquier paso que dé, repercute en los riesgos que ésta debe afrontar, tales como el abandono de un cliente, la no respuesta a una cara y atractiva publicidad, el gasto que supone un descuento de permanencia aun cuando no logre su fin, el de no ser seleccionado para una solicitación telefónica que hubiera comportado una venta, la comisión de fraude, convertirse en un "cliente perdido" al modo de un mal deudor o un titular de póliza de seguros con un elevado número de quejas. Por tanto, al igual que las compañías de seguros, todos los negocios deberían beneficiarse de la medición, seguimiento y cálculo de riesgos en tanto que proceso esencial. El medio que se basa en los datos para calcular los riesgos -de cualquier tipo de resultado negativo en general- es el análisis predictivo. Con los clientes clasificados por el nivel de riesgo, la empresa puede gestionar los riesgos de forma más precisa, transformando eficazmente el riesgo en oportunidad. Aprenda de sus errores, analíticamente. Lo que la empresa aprende con el análisis predictivo es, de hecho, cómo reducir los riesgos. Cada resultado negativo que se produce representa una oportunidad de la que aprender, sistemáticamente. Con este fin, los datos de los que aprenden los modelo predictivos incluyen los ejemplos negativos y también los positivos, tanto los éxitos como los "errores" inevitables. Cada uno de estos dos tipos de experiencia proporciona casos importantes de los que aprender. Aun cuando los datos de instrucción contengan muchos más de los unos que de los otros -como el caso de la correspondencia directa, que a menudo representa solamente un pequeño porcentaje de respuesta positiva-, los métodos analíticos pueden aprovechar el 100% de los datos con el fin de aprender de todos los resultados que ha experimentado una empresa.

Al igual que las aseguradoras, todo negocio se beneficiaría del cálculo de riesgos en tanto que proceso esencial …………………………… El análisis predictivo ofrece un sistema exhaustivo basado en datos para la gestión de riesgos.


La empresa integra la puntuación del modelo predictivo con el fin de actuar según lo aprendido. En cada paso dado, la puntuación predictiva prevé dónde se puede “meter la pata” incurriendo en un riesgo innecesario y, por tanto, ayuda a la empresa a evitarlo. De modo que el análisis predictivo ofrece un exhaustivo sistema basado en datos para la gestión de los riesgos.

La era del análisis predictivo: una actividad madura

El análisis predictivo ha emergido como una práctica empresarial consolidada y dominante, tal como lo prueban los hechos siguientes: Tecnología analítica probada. Surgida en los laboratorios de investigación y basada en ciencias matemáticas, cálculo de probabilidades, estadísticas y tecnologías de bases de datos, la disciplina de los modelos predictivos, conocida como aprendizaje automático en el ámbito académico, ha sido científicamente probada y se ha beneficiado de décadas de avances. Para saber

más sobre esta importante tecnología, consulte la Sección 6. Valor de negocio consolidado. Los descubrimientos de los laboratorios de investigación tienen efecto en el "mundo real". En una encuesta, el 90% de los encuestados consiguió una rentabilidad positiva gracias a su exitosa implementación de análisis predictivos; más de la mitad lo consiguió igualmente aun con una implementación no tan exitosa.1 En otra encuesta, “Entre los encuestados que han implementado análisis predictivos, el 66% dice que proporcionan un valor de negocio ‘muy elevado’ o ‘elevado’.”2 Las iniciativas que se sirven de los análisis predictivos muestran una rentabilidad media del 145%, en contraste con el 89% de media de otros métodos inteligentes no predictivos.3 Otra encuesta reveló que “Los usuarios de análisis predictivos... han conseguido una mejora del 1% en los márgenes de beneficio con respecto al último año, y un aumento anual del 6% en conservación de los clientes. Los encuestados que aún no han adoptado las tecnologías predictivas experimentaron un descenso del 2% en los márgenes de beneficio, y una caída del 1% en su tasa de conservación de clientes."4 Con un permanente historial de éxitos, el análisis predictivo presume de probadas soluciones de software que ofrecen esta tecnología a la empresa moderna, y a la vez se integra con ella.

La capacidad de los modelos predictivos ha sido científicamente probada y se beneficia de décadas de avances. ………………………… Con un permanente historial de éxitos, el análisis predictivo presume de probadas soluciones de software que ofrecen esta tecnología a la empresa moderna, y a la vez se integra con ella.


Crecimiento del sector. La carrera ha empezado y el análisis predictivo va por delante a toda velocidad, con un índice de crecimiento anual estimado del 8-10%.5 En una encuesta, el 85% de los encuestados prevé desplegar nuevos análisis predictivos en cinco años; el 51,5% en seis meses.6 En otra, el 79% de las grandes empresas prevé desplegar análisis predictivos.7 “A más largo plazo, el objetivo principal para entre dos tercios y tres cuartos de los ejecutivos es desarrollar la capacidad de sistematizar y prever comportamientos hasta tal punto que las decisiones individuales puedan tomarse en tiempo real, basándose en los análisis que se tienen a mano.”8 Adquisiciones e inversiones en el sector. Cada año surgen, se adquieren o se invierte en numerosos y pequeños proveedores de software de análisis, pero el evento más rompedor en este frente ha sido la adquisición por parte de IBM de SPSS por 1.200 millones de dólares; un anuncio que se hizo en medio de la recesión de 2009.9 Eventos del sector. La creciente popularidad de los eventos exclusivos y consolidados del sector que se centran en el despliegue comercial de análisis predictivos demuestra la buena salud y penetración en el mercado del sector. En estos eventos se incluye la conferencia Predictive Analytics World (http://www.predictiveanalyticsworld.com) dirigida a todos los proveedores, y los eventos organizados por los proveedores como el IBM Business Analytics Forum (http://www-01.ibm.com/software/data/2010-conference/business-analytics/). Los programas de estos eventos se llenan cada vez más de casos prácticos y de historias de éxito de marcas comerciales.

El análisis predictivo alcanza los objetivos estratégicos en todas las funciones empresariales

Si se aplican los análisis predictivos en todas las funciones empresariales, la empresa puede alcanzar múltiples objetivos estratégicos. Tal como se muestra en la Figura 1, los modelos predictivos generados a partir de los datos de la empresa se integran en las unidades de negocio de toda la organización, incluidas las secciones de marketing, ventas, detección de fraude, el centro de llamadas y el negocio principal (p. ej. ensamblaje de productos). Su organización debería implementar el análisis predictivo porque los siguientes objetivos estratégicos solamente pueden alcanzarse de forma absoluta mediante su implementación. Cada uno de estos siete objetivos se trata en las siguientes siete secciones de este informe.

El análisis predictivo va por delante a toda velocidad, con un índice de crecimiento anual estimado del 8-10%. ………………………… Su organización necesita análisis predictivos porque estos siete objetivos estratégicos pueden alcanzarse absolutamente solo si se implementan.


Siete razones por las que necesita el análisis predictivo — Objetivos estratégicos clave conseguidos:

1. Competir – Asegurar el baluarte más poderoso y singularmente competitivo 2. Crecer – Aumentar las ventas y conservar los clientes de forma competitiva 3. Consolidar – Mantener la integridad del negocio gestionando el fraude 4. Mejorar – Hacer progresar la capacidad del negocio principal de forma

competitiva 5. Satisfacer – Satisfacer las expectativas cada vez más exigentes del

consumidor de hoy en día 6. Aprender – Implementar los análisis más avanzados actualmente 7. Actuar – Hacer que la inteligencia del negocio y los análisis sean

verdaderamente operativos

Figura 1. Una empresa implementa el análisis predictivo en diversas unidades de negocio. Los dígitos del 1 al 7 insertados en un círculo indican dónde se ha alcanzado el objetivo estratégico de los citados más arriba.

Estos objetivos estratégicos pueden

alcanzarse absolutamente solo si se implementan

análisis predictivos.


1. Competir – Asegurar el baluarte más poderoso y singularmente competitivo

“En un tiempo en que las empresas de muchos sectores ofrecen productos similares y utilizan tecnologías comparables, los procesos de negocio de alto rendimiento constituyen uno de los últimos recursos de diferenciación.”

Competing on Analytics: The New Science of Winning

(Competencia en análisis: la nueva ciencia del triunfo), T. Davenport and J. Harris Cuando los productos que ofrece una empresa –al igual que los que se emplean internamente- llegan a ser de consumo masivo, la ventaja competitiva dependerá de las mejores que se realicen en los procesos de negocio. Aplique el análisis predictivo, cuya propuesta de valor consiste en tomar decisiones empresariales con mayor prontitud y en hacer progresar sus funciones con el aprendizaje organizativo aplicado. Este proceso de aprendizaje proporciona una ventaja competitiva única y revela los puntos débiles de la competencia. Los resultados de las encuestas demuestran que un "entorno competitivo más duro" es con diferencia la razón de mayor peso por la que las organizaciones adoptan el análisis predictivo.10 La afilada punta de lanza de la competitividad. El análisis predictivo ofrece una poderosa, singular y cualitativa diferenciación al proporcionar a su empresa un recurso propietario de inteligencia empresarial con la que puede competir en ventas y en preservación de clientes. Un modelo predictivo generado a partir de los datos de su empresa se sirve de la experiencia de la que solo ésta es conocedora, ya que es única tanto para la lista de prospecciones como para el mensaje del producto y de marketing al que los clientes deben dar respuesta (tanto positiva como negativa). Por tanto, la perspicacia y la inteligencia del modelo están fuera del alcance del conocimiento común, y las altas probabilidades que marca componen una lista de contactos personalizada y propietaria. Conocer los puntos débiles de la competencia antes que ella. En contraste con las tendencias más extendidas que pueden medirse a gran escala, un modelo predictivo consigue patrones y tendencias de compra más refinados en forma de microsegmentos de clientes. Puesto que los datos por los que se instruye el modelo incluyen las ventas (y su defecto) a clientes que presumiblemente tienen conocimiento no solamente de sus productos y marketing, sino también de los de la competencia, el proceso de modelado aprende a distinguir eficazmente los microsegmentos de clientes que eligen su empresa de aquellos que se pasan a la competencia. De este modo, su empresa identifica exactamente de qué adolece su competidor, sus puntos débiles, tal como revelan las tendencias de comportamiento que se encuentran

The top prospects flagged by a predictive model compose a customized, proprietary contact list ……………………………… A predictive model distinguishes the microsegments of customers who choose your company from those who defer or defect to a competitor. In this way, your organization identifies exactly where your competitor falls short, its weaknesses.

Las altas probabilidades señaladas por un modelo predictivo componen una lista de contactos personalizada y propietaria. ………………………… Un modelo predictivo distingue los microsegmentos de clientes que eligen su empresa de aquellos que se pasan a la competencia. De este modo, su organización identifica exactamente de qué adolece su competidor, sus puntos débiles.


codificadas en sus datos. La empresa promueve entonces este conocimiento, actuando en función de estas oportunidades y llevando a cabo actividades de ventas y marketing con un enfoque más preciso.

2. Crecer – Aumentar las ventas y conservar los clientes de forma competitiva

Las aplicaciones de marketing y ventas de los análisis predictivos constituyen las principales propuestas de valor, proporcionando valor de manera uniforme en distintos sectores. Cada cliente recibe una puntuación predictiva en lo que respecta al comportamiento relacionado con las ventas, ya sean compras, respuestas, fugas y clics. Las puntuaciones determinan entonces las operaciones empresariales con respecto al comportamiento en marketing, ventas, atención al cliente y sitio web. De este modo, el análisis predictivo ofrece su ventaja competitiva única a determinadas actividades que incluyen el trato directo con el cliente. Predecir la respuesta al marketing directo, la aplicación empresarial mejor establecida del análisis predictivo, aporta una enorme rentabilidad. La propuesta de valor es simple. Al suprimir aquellos clientes con menor probabilidad de respuesta, los costes se reducen drásticamente y los beneficios crecen. Si el 40% de los clientes identificados como los de mayor probabilidad de respuesta incluye el 80% del total de los que responden, se puede eliminar una buena parte del otro 60%, lo que permite ahorrar sobremanera en los costes de las campañas; y el balance final asciende vertiginosamente. Por ejemplo, el First Tennessee Bank redujo sus costes de mailing directo en un 20% y aumentó el índice de respuesta en un 3,1% al implementar patrones de respuesta y otras mejoras en procesos basados en análisis. Puede obtener más información sobre este y otros casos prácticos en http://tinyurl.com/PAExamples. Para obtener más detalles sobre cómo funciona el análisis predictivo y cómo mejorar los beneficios, consulte el artículo Gestión de la Información, “Predictive Analytics with Data Mining: How It Works.”11 La creación de modelos de fuga de clientes puede ser la aplicación empresarial más atractiva del análisis predictivo. Puesto que conservar los clientes es el principal objetivo de muchas organizaciones, los incentivos para lograr conservarlos de forma eficiente, como las ofertas de descuentos, pueden ser bastante costosos. La ganancia se consigue cuando una oferta semejante se dirige solamente a aquellos clientes con mayor probabilidad de fuga. Con una estrategia de conservación de clientes bien dirigida, la tasa de crecimiento de su base de clientes se acrecienta y se amplía. Para obtener más detalles, consulte el artículo BeyeNETWORK, “Six Ways to Lower Costs with Predictive Analytics,”12 y el artículo Gestión de la información, “Predictive Analytics' Killer App: Retaining New Customers.”13

El análisis predictivo ofrece su ventaja competitiva única a ciertas actividades que incluyen el trato directo con el cliente.


Más aplicaciones. Las aplicaciones de ventas y marketing del análisis predictivo incluyen también ejemplos de puntuación para seleccionar los recursos de ventas, recomendaciones de producto para aumentar las ventas de gama alta y complementarias, selección específica de clientes basada en el comportamiento para sacar el máximo partido a los clics de publicidad online, análisis de encuestas de estudios de mercado, puntuación de los canales de ventas y otras aplicaciones B2B, clasificación de recopilaciones, selección de objetivos para el correo electrónico, beneficio incrementado de la recaudación de fondos mediante puntuación de los donantes, y selección de clientes con un valor de ciclo de vida mayor para adquisiciones, ventas de productos de gama superior y atención a los clientes de segmentos superiores. Para obtener más información sobre el modo en que ofrecen valor diversas aplicaciones empresariales de análisis predictivo, consulte el artículo BeyeNETWORK, “Predictive Analytics Delivers Value Across Business Applications”14 Reducir los costes. El análisis predictivo sirve también para reducir drásticamente los costes. Muchas aplicaciones indicadas más arriba pueden dirigirse para lograr este fin, p. ej., reducir el gasto en campañas mediante la predicción de clientes que no van a responder o bien no dando a conocer las ofertas de permanencia a los clientes que se van a quedar de todos modos. Para más información, consulte el artículo BeyeNETWORK, “Six Ways to Lower Costs with Predictive Analytics.”15

3. Consolidar – Mantener la integridad del negocio gestionando el fraude

Cuando las transacciones crecen considerablemente en número y se automatizan, se multiplican las oportunidades de delinquir. En todos los sectores, las transacciones fraudulentas relacionadas con facturas, compras con tarjeta de crédito, devoluciones de impuestos, reclamaciones de pólizas de seguros, llamadas de teléfonos móviles, clics sobre publicidad online y cheques bancarios de clientes incurren en enormes costes. Puntuar y clasificar las transacciones con un modelo predictivo sirviéndose de la experiencia recopilada por la empresa en relación con el fraude contribuye a aumentar sobremanera la detección del fraude. Puesto que un equipo de investigadores solamente puede inspeccionar un número fijo de transacciones sospechosas por semana, el hecho de ofrecer una base mejor depurada de transacciones sospechosas –con menos “falsas alarmas” (falsos positivos)- hace que su tiempo cunda más, que se detecten más fraudes y que se impidan más pérdidas o que se recuperen. Por ejemplo, la detección de fraudes en las reclamaciones de seguros de

El análisis predictivo sirve también para reducir drásticamente los gastos. ………………………… Puntuar y clasificar las transacciones con un modelo predictivo aumenta sobremanera la detección de fraudes.


automóviles ha multiplicado por 6,5 veces su capacidad de detección si la comparamos con lo que se consigue sin medios para clasificar y puntuar las reclamaciones de seguros.

De forma análoga, el análisis predictivo se extiende también a la seguridad de la información con la detección de intrusiones online por parte de hackers y virus, así como a la identificación de criminales exigida por ley.

4. Mejorar – Hacer progresar la capacidad del negocio principal de forma competitiva

Después de aumentar las ventas y consolidar la integridad de las transacciones empresariales, queda aún una frontera por rebasar mediante el análisis predictivo: mejorar el producto de la empresa y la eficiencia con la que se produce. Ya se trate de fabricar productos o de prestar servicios, el cometido central de la empresa es producir y suministrar cada vez con mayor eficacia. A este respecto, la predicción desempeña un papel clave en el progreso de la actividad principal del negocio. En el sector de los seguros, tal como se ha esgrimido en la sección “Gestionar los riesgos”, el valor y la posición competitiva de los productos de la empresa -pólizas de seguros- dependen de la puntuación predictiva en función del riesgo. Si se identifica de forma más precisa a aquellos solicitantes con un riesgo mayor de dar curso a cuantiosas reclamaciones, los proveedores de seguros pueden llevar a cabo una selección más eficaz y tomar decisiones asimismo eficaces en relación con los precios con el fin de minimizar el porcentaje de pérdidas.16 Las entidades crediticias como los bancos gestionan los riesgos de forma similar, puesto que lo predicen puntuando a los solicitantes de préstamos y de tarjetas de crédito de acuerdo con su probabilidad de que eventualmente no cumplan los pagos. El análisis predictivo mejora la fabricación, inspección y reparación de productos de distintas maneras. Durante la producción los artículos defectuosos son detectados en la cadena de montaje. Una vez puestos los productos en circulación, la creación de modelos de fiabilidad determina qué componentes tienen mayor probabilidad de fallar o, en respuesta a las llamadas de los clientes, cuáles probablemente van a necesitar ser reparados, para que puedan ser cargados en un vehículo de asistencia. Al responder las llamadas relacionadas con la reparación de automóviles, un proveedor de asistencia en carretera tomará decisiones más acertadas en cuanto si debe enviar o no un vehículo de asistencia.

La predicción desempeña un papel clave en el progreso de la actividad principal del negocio. …………………………… El análisis predictivo mejora la fabricación, inspección y reparación de productos.


Se acerca una ola prácticamente sin límites de nuevas “aplicaciones rompedoras”. Las recientes innovaciones continúan ampliando la gama de aplicaciones de análisis predictivo, en tanto que mejoran su capacidad esencial y hacen progresar la actividad principal de las empresas de distintos tipos de negocios. Otros ejemplos incluyen la optimización de la cadena de suministro con predicción de la demanda según el inventario, procesamiento de solicitudes mediante la predicción de aprobaciones y denegaciones, rendimiento de recursos humanos y creación de modelos de las bajas de personal que servirán de base a la hora de seleccionar nuevas incorporaciones, contrataciones y retención del capital humano, marketing sanitario proactivo mediante la predicción de riesgos relacionados con la salud, comercialización algorítmica (caja negra) mediante la predicción de mercados, y puntuación de electores políticos para la predicción de los votantes probables o indecisos con vistas a optimizar las campañas políticas. Si nos trasladamos a otros campos vemos que las aplicaciones para ingeniería, ciencia, diagnosis médica y farmacéuticas (descubrimiento de fármacos) utilizan en buena medida las mismas técnicas analíticas esenciales, aunque el concepto análisis predictivo en general se reserva para aplicaciones empresariales.

5. Satisfacer – Satisfacer las expectativas cada vez más exigentes del consumidor de hoy en día

Durante más de una década se ha dicho que la experiencia del consumidor será el “próximo campo de batalla para ganar en competitividad.”17 Dando por supuesta la agudeza de la competencia, el análisis predictivo será el medio con el que mantenerse de pie en este campo. Las ventajas que proporciona a la empresa –de las que ya hemos hablado en este informe- suponen un “reverso” no menos próspero: ventajas para el consumidor que consigue más por menos, de forma más fácil y fiable. I. Mayor relevancia mediante un marketing que selecciona sus objetivos de forma más precisa. Los consumidores siempre demandan un mayor grado de relevancia. A medida que pasa el tiempo cada vez se tolera menos la publicidad por correo y el SPAM. Las recomendaciones sobre productos son cada vez más visibles, se valoran más e incluso se esperan. El análisis predictivo constituye un punto de venta explícito para el consumidor final, tal como se aprecia en el asunto de los correos electrónicos en una campaña sobre recomendaciones de productos realizada por un conocido sitio web de comercio electrónico: “Creemos que esto será de su interés.”18 II. Mejores productos y servicios mejorando la capacidad esencial del negocio. Las mejoras que ofrecen el control de calidad analítico, la creación de modelos de fiabilidad, los servicios perfeccionados y el rápido procesamiento de las aplicaciones satisfacen las demandas

El análisis predictivo hace progresar también las actividades principales de las empresas en lo que atañe a optimización de la cadena de suministro, toma de decisiones sobre RRHH, puntuación de electores políticos para optimizar las campañas políticas, y mucho más. …………………………… Con el análisis predictivo el consumidor consigue más por menos, de forma más fácil y fiable. ……………………………… El análisis predictivo constituye un punto de venta para el consumidor final: “Creemos que esto será de su interés.”


cada vez más exigentes del consumidor. Los consumidores finales, al igual que los clientes corporativos B2B, siempre se inclinarán hacia un mayor conocimiento, agilidad y un gusto refinado. Crecen las opciones para elegir proveedores, productos y servicios y los consumidores se sienten confiados gracias a un conocimiento exhaustivo, como el que se obtiene online. III. Integridad mejorada de las transacciones mediante la detección del fraude. A medida que aumentan los niveles de fraude, los consumidores permanecen expectantes ante el grado de protección, y además son cada vez más sensibles a los inconvenientes que conllevan las advertencias de fraude que resultan ser "falsas alarmas" y que interrumpen el procesamiento de las transacciones de pago. IV. Precios más baratos mediante una mayor eficiencia. Con una fuerza competitiva asegurada, el éxito genera éxito. El crecimiento empresarial comporta nuevos ahorros, tanto en la propia ejecución de análisis predictivos como en la productividad de la empresa en general.

6. Aprender – Implementar los análisis más avanzados actualmente

La inteligencia empresarial estándar y los métodos de emisión de informes proporcionan valor a su capacidad de resumir el pasado. Las técnicas de elaboración de informes empresariales, incluidas las tarjetas de resultados, paneles de control, indicadores de rendimiento, procesamiento analítico en línea, consultas ad hoc y segmentación estándar de marketing como el método RFM, ofrecen un análisis retrospectivo. La capacidad del análisis predictivo para aprender de la experiencia es lo que hace que esta tecnología sea predictiva, distinguiéndola de otros sistemas de inteligencia artificial y técnicas analíticas. Los modelos predictivos se han diseñado de forma excepcional para optimizar las predicciones más inmediatas, como la fuga de clientes. Este proceso de optimización constituye un acto de aprendizaje puesto que para tener éxito debe pergeñar generalizaciones a partir de datos en forma de patrones y pautas matemáticas, y estas generalizaciones deben confirmarse cuando se apliquen a próximos casos aún no conocidos. La obtención de un sólido modelo predictivo a partir de datos de la organización es un verdadero acto de aprendizaje a partir de la experiencia. El arte antecede a la ciencia en esta "mágica” habilidad para generalizar a partir de ejemplos. Aun cuando existan multitud de datos, con millones o billones de registros, el diseño de un método por el cual la máquina puede generalizar, encontrando patrones que

El “arte” hace que el análisis predictivo funcione; la ciencia demuestra que funciona. …………………… Lectura adicional: Para acceder a una introducción sobre cómo funciona esta tecnología, consulte: “Predictive Analytics with Data Mining: How It Works”19


se dan no sólo en los datos disponibles sino en general (conocido también como inducción), recae en la intuición y las ideas humanas. Afortunadamente, la ciencia sirve para hacer que estas ideas sean formales y para medir el grado de eficacia en que generaliza realmente el modelo predictivo resultante. El “arte” hace que funcione; la ciencia demuestra que funciona.

Los métodos establecidos de análisis predictivo son competentes y sólidos, en tanto que producen modelos predictivos que funcionan. Estos métodos incluyen árboles de decisiones, regresión logística, Naïve Bayes y redes neuronales. Para acceder a una introducción sobre cómo funciona esta tecnología esencialmente, consulte el artículo Gestión de la información, “Predictive Analytics with Data Mining: How It Works.”19 Para obtener un estudio técnico sobre métodos, consulte el Handbook of Statistical Analysis and Data Mining Applications.20 Para obtener un libro de texto académico con exhaustivos cálculos matemáticos y de probabilidades: Machine Learning, de T. Mitchell (McGraw Hill, 1997). Integración de análisis de textos y datos sociales. El análisis predictivo integra y aprovecha las potentes fuentes de datos como los datos sociales y el texto no estructurado. Una gran empresa de telecomunicaciones duplicó el rendimiento de los modelos de fuga de clientes integrando datos sociales, ya que si los amigos de un subscriptor de llamadas cambian de operador de telefonía móvil, es muy probable que el subscriptor lo haga también. De forma análoga, una gran compañía de telecomunicaciones de Norteamérica ha demostrado que los clientes que ya han realizado una cancelación en su red de telefonía tienen una probabilidad del 600% de volver a hacerlo.21 Una importante universidad online se centra en los amigos de los actuales estudiantes, puesto que las probabilidades de que éstos también se matriculen es del 320%.22 Una empresa internacional de tecnología perteneciente al grupo Fortune 500 creó modelos de fiabilidad para predecir qué componentes debería cargar en los camiones de reparación y suministros mediante el análisis de los datos textuales a partir de las notas de un agente de atención al cliente.23 Obtenga una visión general del análisis de textos en: "Text Analytics 2009: User Perspectives on Solutions and Providers." 24

7. Actuar – Hacer que la inteligencia del negocio y los análisis sean verdaderamente operativos

“Saber no es suficiente; debemos actuar.” - Johann Wolfgang von Goethe

“El valor se obtiene cuando el conocimiento adquirido a partir del análisis se lleva a la práctica para tomar decisiones mejores. La mejor práctica es usar la gestión de decisiones para incluir modelos de análisis predictivo en sistemas operativos."

- James Taylor, coautor de “Smart (Enough) Systems”25

Los profundos conocimientos que se obtienen a partir de los sistemas estándar de inteligencia empresarial y de elaboración de informes no son inmediatamente procesables; primero deben ser llevados a la práctica por medio del juicio humano. Los métodos de medición, los informes, los paneles de control y otros análisis retrospectivos son componentes importantes de la inteligencia empresarial, pero su ejecución será apropiada en tanto que esté claro a priori qué tipo de acciones o decisiones se recomiendan, si es que se recomienda alguna.

El análisis predictivo está específicamente diseñado para generar imperativos de acciones concluyentes.


En cambio, el análisis predictivo está específicamente diseñado para generar imperativos de acciones concluyentes. Toda puntuación predictiva de un cliente lleva a realizar una acción con respecto a ese cliente. De este modo, el análisis predictivo se convierte, por su diseño, en el modelo de mayor capacidad de procesamiento de la inteligencia empresarial. Impulsar las decisiones en toda la empresa. El análisis predictivo ofrece una suculenta ganancia global en tanto que impulsa millones de decisiones operativas, tales como si conviene enviar un correo, llamar, ofrecer un descuento, recomendar un producto, mostrar un anuncio publicitario o dedicar recursos de ventas en una iniciativa. En cuanto a la gestión de fraudes, el modelo predictivo fomenta las decisiones para llevar a cabo auditorías, investigaciones o impedir los fraudes. Y en el caso de aplicaciones empresariales esenciales, las decisiones basadas en modelos analíticos incluyen si conviene inspeccionar un artículo o sistema por si presenta defectos, cargar un componente en un camión de reparaciones, enviar asistencia, realizar un rápido seguimiento de una aplicación o comprar activos. Para obtener más información sobre el análisis de acciones, consulte el artículo DestinationCRM, "Driven with Business Expertise, Analytics Produces Actionable Predictions."26 Adquirir conocimientos estratégicos. Los modelos predictivos le hablan sobre sus clientes, le revelan intenciones, preferencias y las causas de su comportamiento. Además de impulsar las decisiones con las puntuaciones resultantes, un modelo predictivo ofrece valor en una segunda manera: inspeccionando las reglas o patrones internos del modelo a menudo se descubren conocimientos estratégicos. Aunque por naturaleza son apropiados para su fin, tales conocimientos son un bien común y proporcionan un saber selectivo, puesto que todo modelo predictivo se optimiza para un objetivo de predicción concreto. Por ejemplo, un modelo de fuga de clientes reveló que los usuarios con intentos fallidos de inicio de sesión –posiblemente por haber olvidado su contraseña- tenían un alto riesgo de abandono. Saber esto da lugar a la creación de un programa asistente con recordatorios de contraseña, con lo que potencialmente se ahorran los costosos descuentos de permanencia que dichos clientes recibirían si solo se utilizara la puntuación predictiva. Los conocimientos sobre modelos que adquirió una prestigiosa red social en línea hicieron que identificara los factores clave para garantizar la permanencia desde un principio, tales como si el usuario había cargado una fotografía, y que implicaron acciones que doblaron la permanencia de los clientes de una y dos semanas. Un estudio mostró un mejor comportamiento crediticio entre consumidores cuyas compras indicaban que pecaban de cautelosos, como comprar ciertos productos destinados a la seguridad física.27

Toda puntuación predictiva de un cliente lleva a realizar una accción con ese cliente. De este modo, el análisis predictivo es, por su diseño, el modelo de mayor capacidad de procesamiento de la inteligencia empresarial. ………………………… Si los negocios son un “juego de números,” el análisis predictivo es el modo en que hay que jugar.


Conclusiones

El análisis predictivo proporciona abundantes oportunidades para la evolución de la empresa. Aun cuando su empresa ya utilice esta tecnología, ésta presenta una gama tan amplia de propuestas de valor que siempre existirá un nuevo terreno donde implementarla. Defina el nuevo modo en que desea que su empresa evolucione aprendiendo sistemáticamente a partir de la experiencia organizativa y aplicando lo que ha aprendido. Si los negocios son un “juego de números”, el análisis predictivo es el modo en que hay que jugar.

Para saber más - Recursos adicionales

Seminario de formación: Predictive Analytics for Business, Marketing and Web, un seminario intensivo de dos días de duración impartido por Prediction Impact, Inc. http://www.businessprediction.com

Curso online: Predictive Analytics Applied, acceso inmediato, a petición en cualquier momento

http://www.predictionimpact.com/predictive-analytics-online-training.html Conferencia: Predictive Analytics World, el evento internacional centrado en los negocios para los

profesionales del análisis predictivo, gestores y agentes comerciales. Aprenda de líderes en el sector, profesionales expertos, casos prácticos y talleres. http://www.predictiveanalyticsworld.com

Guía online: The Predictive Analytics Guide. Artículos, portales y otros recursos.

http://www.predictiveanalyticsworld.com/predictive_analytics.php

Acerca del autor

Eric Siegel, Ph.D. es el presidente de Prediction Impact, Inc. (http://www.predictionimpact.com), y preside la conferencia del Predictive Analytics World (http://pawcon.com). Como experto en análisis predictivo y en minería de datos, el Dr. Siegel es un veterano profesor de ciencias de la computación en la Universidad de Columbia, donde ganó el premio de la escuela de ingeniería por la excelencia en la enseñaza, y realizó cursos de postgrado sobre aprendizaje automático, el concepto académico para la creación de modelos predictivos. Después de Columbia, el Dr. Siegel cofundó dos empresas de software para la creación de perfiles de clientes y minería de datos, y a continuación fundó Prediction Impact en 2003, ofreciendo servicios de análisis predictivo y formación a empresas medianas y empresas del grupo Fortune 100. El Dr. Siegel es el instructor del aclamado programa de formación, Predictive Analytics for Business, Marketing and Web (http://businessprediction.com), y de su versión online, Predictive Analytics Applied. Ha publicado más de 20 informes y artículos en investigaciones de minería de datos y en la enseñanza de ciencias de la computación.

PREDICTION IMPACT, INC. – San Francisco, CA (415) 683 - 1146 – www.PredictionImpact.com

Este informe de Prediction Impact está patrocinado por IBM.


Acerca de IBM Business Analytics El software de IBM Business Analytics ofrece información exhaustiva, coherente y precisa en la que confían los responsables de tomar decisiones para mejorar el rendimiento empresarial. Un paquete completo de inteligencia empresarial, análisis avanzados, rendimiento financiero, gestión de estrategias y aplicaciones analíticas le proporciona una visión clara, inmediata y procesable del rendimiento actual y la capacidad de predecir futuros resultados. En combinación con otras valiosas soluciones del sector, acreditadas prácticas y servicios profesionales, las organizaciones de cualquier tamaño pueden impulsar la mayor productividad de la TI y obtener mejores resultados. Para obtener más información Para obtener más información, vaya a http://www.ibm.com/software/analytics/spss. Para solicitar una llamada o plantear una pregunta, vaya a http://www.ibm.com/software/analytics/spss/contactus. Un representante de IBM SPSS responderá a su consulta.

1 Predictive Analytics World survey: http://www.predictiveanalyticsworld.com/Predictive-Analytics-World-Survey-Report-Feb-2009.pdf 2 Informe TDWI: Predictive Analytics: Extending the Value of Your Data Warehousing Investment, de Wayne Eckerson, TDWI 3 Informe IDC: “Predictive Analytics and ROI: Lessons from IDC's Financial Impact Study,” septiembre, 2003. 4 "Predictive Analytics: The Right Tool for Tough Times," de David White. Un informe de Aberdeen Group. Febrero, 2010. 5 Informe IDC: “Predictive Analytics and ROI: Lessons from IDC's Financial Impact Study” septiembre, 2003. 6 Encuesta de Predictive Analytics World: http://www.predictiveanalyticsworld.com/Predictive-Analytics-World-Survey-Report-Feb-2009.pdf 7 “Predictive Analytics: The BI Crystal Ball,” Aberdeen Group, mayo, 2008. 8 “Why Predictive Analytics Is A Game-Changer,” Dave Rich y Jeanne G. Harris, Forbes. http://www.forbes.com/2010/04/01/analytics-best-buy-technology-data-companies-10-accenture.html 9 "IBM to Acquire SPSS, Adding to Acquisitions," Wall Street Journal, 30 de julio de 2009. http://online.wsj.com/article/SB124878176796786611.html 10 "Predictive Analytics: The Right Tool for Tough Times," de David White. Un informe de Aberdeen Group. Febrero, 2010. 11 http://www.information-management.com/specialreports/20050215/1019956-1.html 12 http://www.b-eye-network.com/view/12269 13 http://www.information-management.com/issues/20070201/1086401-1.html 14 http://www.b-eye-network.com/view/9392 15 http://www.b-eye-network.com/view/12269 16 Para consultar otros informes relacionados con los seguros y la creación de modelos predictivos, vaya a http://www.aicpcu.org/doc/predictivemodelingwhitepaper.pdf 17 “The Customer Experience,” Fast Company, 30 de septiembre de 1999. http://www.fastcompany.com/magazine/nc01/012.html 18 Correo electrónico recibido por el autor, 8 de marzo de 2010. 19 http://www.information-management.com/specialreports/20050215/1019956-1.html 20 Handbook of Statistical Analysis and Data Mining Applications, R. Nisbet, J. Elder, G. Miner, Elsevier Publishing, 2009. http://www.tinyurl.com/bookERI 21 Gracias a Michael Driscoll, Dataspora (http://www.dataspora.com) por este caso práctico. Para obtener más información, consulte http://blog.summation.net/2009/11/birds-of-a-feather-use-the-same-phone-service-provider.html 22 Gracias a Rapleaf (http://www.rapleaf.com) por este caso práctico. 23 Gracias a Dean Abbott, Abbott Analytics (http://www.abbottanalytics.com) por este caso práctico. 24 "Text Analytics 2009: User Perspectives on Solutions and Providers," de Seth Grimes (http://sethgrimes.com). http://www.slideshare.net/SethGrimes/text-analytics-2009-user-perspectives-on-solutions-and-providers 25 James Taylor, CEO y asesor principal, Decision Management Solutions (http://www.decisionmanagementsolutions.com). “Smart (Enough) Systems: How to Deliver Competitive Advantage by Automating Hidden Decisions,” de J. Taylor and N. Raden. Prentice Hall, 2007. 26 "Driven with Business Expertise, Analytics Produces Actionable Predictions," Con análisis CRM funciona como una actividad empresarial, los resultados se pueden procesar en el marco operativo de su empresa y repercutirán enormemente en el modelo de negocio de su empresa – DestinationCRM, 29 de marzo de 2004. http://www.destinationcrm.com/Articles/Web-Exclusives/Viewpoints/Driven-with-Business-Expertise-Analytics-Produces-Actionable-Predictions-44224.aspx 27 "What Does Your Credit-Card Company Know About You?" New York Times, 12 de mayo de 2009. http://www.nytimes.com/2009/05/17/magazine/17credit-t.html YTW03080-ESES-05

análisis predictivo - ibm

Documents