Análisis de datos, desde la perspectiva empresarial, el presente y futuro de la informática

Análisis de datos, desde la perspectiva empresarial, el presente y futuro de la informática. por © José Luis Cisneros González.

Diagnosticar una situación se realiza en base a información, así cuando sentimos que algo no está del todo bien en nuestro estado de salud acudimos al médico y en base a la información que le brindamos a este profesionista, el médico forma una hipótesis e intentará probarla con esos datos. En algunos casos bastará que nos haga una mayor cantidad de preguntas, pero en otros requerirá de datos más precisos; nos enviará entonces a realizar análisis clínicos. Seguramente no será una Tomografía Axial Computarizada, que es un análisis de costo elevado, probablemente iniciará por los simples hasta llegar a los complejos, si la información en los primeros no le auxilia a retirar la incertidumbre de la situación. En forma similar se realizan las acciones en una empresa y los datos nos ayudan a establecer el estado de los procesos y subsistemas en la entidad. ¿Cuantas formas existen de analizar los datos? Muchísimas, pero no son las formas de analizarlos sino el objetivo para el cual deseamos hacer el análisis. Retomando nuestra analogía de la salud. Llegamos al médico porque sentimos que algo no estaba bien, tal vez no nos sentimos enfermos pero sabemos que tenemos sobre peso, por ejemplo, y conocemos que a largo plazo esto nos puede traer problemas. Es decir, no necesitamos salir de una enfermedad, sino prevenirla. Al igual que la salud de las personas, la salud de las empresas es mejor y más económico prevenirla que solucionarla. Una persona todos los días, se despierta, respira, bebe, come, etc. en general hace lo que debe hacer, de esa forma las empresas también todos los días hacen lo que deben hacer. Tu y yo comemos todos los días, pero la cuestión no es si comemos (bueno en algunos casos extremos si lo es…pero ese es otro tema) la cuestión es ¿qué tan bien lo hacemos? Ello dependerá de nuestra estatura, complexión, edad y ambiente, de igual forma la empresa hace lo que tiene que hacer, pero ¿qué tan bien lo hace? Y dependerá también de su complexión (cuantos empleados tiene), de su estatura (finanzas, cantidad de clientes, etc.), edad y ambiente. El ambiente o medio ambiente en los negocios es bastante más dinámico que el de las personas, entonces el análisis de la información es vital para la prevención en la salud de la empresa y el sector al que pertenece dicha empresa. La información, que es uno de los activos más importantes que posee la empresa, se puede analizar de forma descriptiva, prescriptiva, predictiva, revelativa y cada una de estas formas tiene objetivos diferentes, todas son necesarias y pocas empresas las realizan todas, aunque todas ellas deberían realizarlo.

Categoría Analítica descriptiva Analítica predictiva Analítica revelativa Analítica prescriptiva

Propósito Me dice qué pasó y por qué pasó. Por ejemplo, me dice cuánto vendí, en qué fechas y a qué clientes. Ésta es la analítica más general, la que mide la cotidianeidad de la empresa. Normalmente me habla del pasado inmediato. Me dice lo que muy probablemente suceda y el por qué. Por ejemplo, me dice cuánto venderé en un futuro próximo bajo determinadas condiciones. Dime algo importante... incluso sin preguntarme preguntas específicas. Aquí se investiga en la información existente en la entidad para descubrir hechos que nos han pasado desapercibidos. Me dice ¿qué tan verídico es lo que pienso de cómo realizamos las actividades? Lo que mis opiniones son. Me dice lo que debo hacer.

Analítica descriptiva La analítica descriptiva se lleva a cabo con los sistemas de información de la entidad como Contabilidad, Personal, Producción, etc. y aquellos altamente integrados como ERP, MCR, MRP II, etc.

Analítica predictiva La analítica predictiva es la aplicación de técnicas matemáticas, tales como la estadística o el aprendizaje automático para predecir datos que faltan. La analítica predictiva respondería, pues, a preguntas como:  





Dada una secuencia histórica de ventas de un producto, ¿cuánto espero vender de este producto en los próximos 15 días? Dada una cartera de clientes con su historial de compras, ¿puedo calcular las características que son relevantes en los clientes y predecir los artículos que les van a interesar? A partir de datos históricos de reparaciones que he tenido que realizar sobre mis equipos, ¿puedo encontrar relaciones que me permitan predecir las averías que van a ocurrir en el corto plazo? A partir del historial de impago de mi cartera de clientes, ¿puedo deducir características de los mismos que me permitan identificar cuáles de ellos, aunque no lo hayan cometido, son más propensos a cometer impago?

En general, podremos responder a preguntas del tipo: A partir de la información de que dispongo, ¿puedo deducir información de la que no dispongo?

Analítica revelativa Área que se ha clasificado dentro de las diferentes disciplinas que conforman el Business Intelligence o Inteligencia Empresarial, la minería de datos apoyada en el data warehousing son las disciplinas que se encargan de realizar este tipo de analítica.

Analítica prescriptiva Utiliza los datos para prescribir aquellas acciones que incrementen nuestras posibilidades de obtener los mejores resultados. La Analítica Prescriptiva determina nuevas formas de operar que permitan alcanzar nuestros objetivos de negocio. Técnicas como la optimización o la simulación son utilizadas, aunque normalmente se requiere la creación de un modelo predictivo previo. Ahora bien, ¿para qué se necesita esta información? La respuesta es simple: esta información se necesita para tomar decisiones:    

El cálculo de la previsión de ventas de un producto se utiliza, entre otras cosas, para poder calcular los pedidos de reposición de la mercancía. La propensión de compra de un cliente para ciertos artículos se puede utilizar para calcular qué campañas es más conveniente lanzar sobre este cliente. Es interesante predecir las averías que van a producirse en mis equipos de cara a realizar mantenimientos preventivos en el momento más adecuado. La propensión al impago de un cliente es importante a la hora de valorar el concederle un crédito.

En algunas ocasiones, esta decisión se podrá tomar de forma manual. Es decir, un ser humano podrá analizar toda la información de la que dispone (incluida la predictiva), y tomar la decisión correcta. Pero este proceso se hace cada vez más complicado: la cantidad de información es mayor, la información en sí es cada vez más compleja, y las exigencias de calidad y urgencia en la toma de decisiones son cada vez más elevadas. La Analítica Prescriptiva es la parte de la analítica que se dedica a la automatización de la toma de decisiones, apoyándose principalmente en tres disciplinas esenciales:   

Los Sistemas de Gestión de Reglas del Negocio. La Optimización Matemática. La Simulación

Aun siendo tres disciplinas con un mismo fin, son en su fondo y en su forma muy diferentes, y creo que es indispensable entender en qué se distinguen. La mejor manera de distinguir en qué caso aplica cada una de ellas es fijarse, no tanto en la naturaleza de la decisión a tomar, como en el proceso que se sigue para tomar esta decisión.

Sistemas de gestión de reglas del negocio En muchas ocasiones este proceso de toma de decisiones es sistemático. Es decir, ante unos datos de entrada (edad, sexo, años con licencia de conducir, etc.,) se sabe exactamente la decisión que hay que tomar (precio del seguro de automóvil). Es importante notar aquí que el hecho de que el proceso sea sistemático no significa necesariamente que sea sencillo. Las reglas de negocio involucradas en este proceso pueden ser muy complejas, y pueden formar parte de complejos flujos de decisión. Pero, en cualquier caso, estas reglas son conocidas de antemano, y el flujo también lo es.

Los Sistemas de Gestión de Reglas de Negocio permiten implementar estas políticas de decisión de una forma sencilla, y muchos de ellos permiten hacerlo incluso en lenguaje natural. En el ejemplo del precio del seguro del automóvil, una de estas reglas podría parecerse a: Si la edad del solicitante es inferior a 25 años entonces sumar 100 U.M. a la prima anual base Podríamos tener múltiples Reglas de Negocio definidas para tomar acciones distintas ante distintas condiciones, y las mismas podrían ir ubicadas en diferentes puntos del flujo de decisión. Sin embargo, lo importante del proceso es que dichas reglas y puntos donde se utilizan son conocidos de antemano. Claramente, en el ejemplo planteado, la regla que aumenta en 100 unidades monetarias el seguro del automóvil para conductores con edades inferiores a 25 años proviene de un análisis estadístico previo, que adjudica a estas personas un riesgo mayor de accidente.

Optimización matemática En otras ocasiones, el proceso de decisión no es sistemático. La decisión a tomar se enmarca en un contexto definido por una serie de restricciones. Estas restricciones marcan las condiciones para que una decisión sea válida, pero existen multitud de decisiones válidas en este mismo contexto. Normalmente, a la hora de tomar estas decisiones, está implícita una forma de valorar la calidad de una decisión frente a otra, una función objetivo que permite distinguir entre una solución válida mejor y otra, también válida, pero que es peor. Tomemos el ejemplo de un problema de distribución de mercancías de almacén a tienda. El responsable de tomar esta decisión sabe qué mercancía debe distribuir, así mismo, dispone de una serie de camiones para hacerlo, cada uno de ellos con distintas características; sabe además que, por ejemplo, los alimentos refrigerados tienen que ir en un camión frigorífico, mientras que los no refrigerados se pueden transportar en otro tipo de camiones y también conoce las normas del tráfico, y sabe por qué calles no pueden circular determinados camiones. Toda esta información define el contexto (restricciones) de su problema. Pero existen múltiples formas de realizar la distribución en este contexto. Para tomar la decisión, necesita tener un criterio para valorarlas, para decidir cuál es mejor. Entre estos criterios podrán estar el consumir menos combustible, el hacerlo en el menor tiempo posible, o recorriendo la menor distancia. Quién sabe. Pero lo que es seguro es que tiene uno o varios criterios (función objetivo) que le permiten distinguir cuándo una posible decisión es mejor que otra. La Optimización Matemática es un conjunto de técnicas y algoritmos que permiten representar el contexto (restricciones) a tener en cuenta en la toma de este tipo de decisiones, y que están especializados en la búsqueda de las mejores decisiones dentro de este contexto, en función de los criterios de bondad que se hayan definido.

La simulación Esta disciplina nos permite utilizar diferentes modelos matemáticos, financieros, ecológicos, etc. (matemáticos todos al fin) para comprobar diferentes hipótesis y buscar satisfacer una función

objetivo. Nos permite evaluar escenarios (que pasa sí). En resumen, es la combinación de las dos técnicas ya descritas. Este tipo de analíticas son hoy en día, indispensables para las empresas, sin importar su tamaño y debido a su esencia y especialidad, son normalmente desarrolladas por especialistas en informática en sus diferentes ramas, que trabajan con información y sistemas de forma nativa. Después de una breve revisión de los programas de estudio de los especialistas en informática de diferentes instituciones de educación superior mexicanas, encontré que solo en pocas de ellas se abordan estas disciplinas en la formación de los futuros profesionistas pero casi ninguna profundiza en ellas. Encontré, por cierto, dos programas de posgrado donde si se incluyen para análisis y estudio. Sin embargo, muchos de los programas educativos tienen un retraso considerable y en algunos casos siguen impartiendo programas carentes de actualidad y es imperativo que se actualicen.

Conclusiones Existen múltiples técnicas que permiten dar soporte a la toma de decisiones. Entre las más sofisticadas, se encuentran las enmarcadas dentro de la analítica predictiva y prescriptiva. La analítica predictiva es la aplicación de técnicas matemáticas, tales como la estadística o el aprendizaje automático para predecir datos que faltan. Proporciona una información muy valiosa para dar soporte a la toma de decisiones, aunque no automatiza la toma de decisiones en sí. La analítica prescriptiva es la encargada de automatizar la toma de decisiones, bien sea mediante el uso de Sistemas de Gestión de Reglas del Negocio, cuando el proceso de decisión es sistemático; o bien algoritmos de Optimización Matemática, cuando el proceso no lo es; proporcionando una enorme ayuda en el proceso de decisión, mejorando la eficiencia operativa de las compañías que la utilizan y diferenciándolas de sus competidores en un mercado cambiante, competitivo y globalizado como el actual.

Referencias: Memorias de Conferencia Mundial de Analítica Predictiva (Predictive Analytics World) Boston 2012. Analítica prescriptiva, tomado el 19 de mayo del 2015 de http://www-03.ibm.com /software/products/es/category/prescriptive-analytics.