Prescriptive Analytics
Haga que la analítica le ayude a optimizar sus decisiones de negocio.
¿Qué es la analítica prescriptiva?
La analítica prescriptiva se considera la forma más sofisticada de analítica y a menudo se alcanza con inteligencia artificial. La analítica prescriptiva va más allá de describir lo que sucedió en el pasado (analítica descriptiva), lo que causó que algo sucediera (analítica de diagnóstico) y predecir lo que es probable que ocurra en el futuro (analítica predictiva). Prescribe acciones específicas que se pueden tomar para causar un resultado futuro deseado.
Un médico puede usar datos, sus síntomas y su experiencia para identificar la enfermedad de un paciente, pero eso por sí solo no proporcionará una cura. Determinar el padecimiento del paciente y cómo tratarlo es el problema más importante de última milla. Lo mismo ocurre con la analítica prescriptiva. La recopilación de datos y la identificación de las técnicas analíticas apropiadas solo crean conocimientos. Dónde y cómo los negocios utilizan esa información para generar óptimas participaciones del cliente o decisiones de negocios en tiempo real es el verdadero valor de la analítica. Después de todo, la información por sí misma no mejorará un negocio, aumentará los ingresos ni creará una relación encantadora con el cliente.
"Los datos sin una decisión son una distracción". - Gareth Herschel, vicepresidente de Gartner Group
Cómo funciona la analítica prescriptiva
La analítica prescriptiva representa la forma más avanzada de análisis de datos, que va más allá de la analítica descriptiva y predictiva para recomendar acciones específicas para obtener resultados óptimos.
La analítica prescriptiva combina datos históricos, información en tiempo real y algoritmos avanzados que incluyen aprendizaje automático, inteligencia artificial y técnicas de optimización para determinar el mejor curso de acción para cualquier escenario dado.
Un enfoque general de la analítica prescriptiva suele incluir estos 9 pasos:
Paso 1: Recopilación e integración de datos
- Recopile datos relevantes de múltiples fuentes, como flujos de datos en tiempo real, datos de clientes, datos de mercado, transacciones, etc.
- Revisar los datos para garantizar la calidad y la coherencia en todas las fuentes
- Almacene los datos en un repositorio centralizado para su análisis
Paso 2: Preparación de los datos
- Limpie, procese y prepare los datos para el análisis: elimine los valores que faltan, resuelva las incoherencias y actualice el formato para que sea adecuado para el modelado
Paso 3: Análisis descriptivo
- Analizar lo que sucedió en el pasado
- Crear una comprensión de referencia de patrones y tendencias históricas
- Establecer indicadores clave de rendimiento (KPI) y métricas
Paso 4: Modelado predictivo
- Use inteligencia aplicada, algoritmos de aprendizaje automático, los patrones y tendencias históricos identificados en el paso 3 y métodos estadísticos para predecir resultados futuros
- Genere escenarios de probabilidad para diferentes resultados
Paso 5: Optimización
- Considere las limitaciones comerciales (presupuesto, recursos, regulaciones)
- Aplicar técnicas de optimización matemática
- Evalúe las múltiples acciones posibles y sus ventajas y desventajas
Paso 6: Simulación de escenarios
- Ejecute análisis hipotéticos para diferentes opciones de decisión
- Modelar el impacto potencial de varias opciones
- Tener en cuenta la incertidumbre y los factores de riesgo
Paso 7: Proporcionar recomendaciones prácticas
- Compara los resultados previstos de cada escenario para descubrir cuál producirá los mejores resultados en función de los KPI identificados en el paso 1
- Clasifique las alternativas según los resultados esperados
- Proporcionar recomendaciones claras, específicas y prácticas que destaquen las mejores acciones
Paso 8: Implementación y monitoreo
- Ejecutar las acciones recomendadas
- Realice un seguimiento del rendimiento con respecto a las predicciones y los KPI
- Perfeccione continuamente los modelos en función de nuevos resultados
Paso 9: Seguimiento y refinamiento
- Aprender de los resultados para mejorar las recomendaciones futuras
- Actualice los modelos con nuevos datos y conocimientos, teniendo en cuenta las condiciones cambiantes del negocio
Los beneficios de la analítica prescriptiva
Ejemplos y casos de uso de analítica prescriptiva
Transporte y logística
Enrutamiento de vehículos
Determine el conjunto de rutas más eficiente para que una flota de vehículos preste servicio a un conjunto conocido de clientes o ubicaciones, minimizando costos como la distancia total o el tiempo de viaje, y respetando restricciones como la capacidad del vehículo, las ventanas de tiempo de entrega y las regulaciones del conductor.
Telecomunicaciones
Dotación de personal del centro de llamadas
Pronostique los volúmenes de llamadas y optimice la dotación de personal para garantizar que la demanda de los clientes se satisfaga al menor costo posible, manteniendo al mismo tiempo los acuerdos de nivel de servicio, como el tiempo de espera promedio o las tasas de abandono de llamadas.
Salud y ciencias de la vida
Asignación de recursos médicos
Distribuya recursos limitados, como camas de hospital, respiradores, personal, suministros médicos, etc., entre pacientes, departamentos o regiones, de manera que se maximicen los resultados de los pacientes y la eficiencia del sistema y, al mismo tiempo, se minimicen las desigualdades.
Energía y servicios públicos
Programación de la producción
Determine los niveles de producción precisos de las instalaciones de producción, coordinando los recursos para minimizar los costos, cumplir con los pronósticos de demanda y cumplir con los requisitos operativos y regulatorios.
Comunicación y retail
Gestión de inventarios
Determine los niveles adecuados de inventario para mantener, reponer y distribuir en tiendas, almacenes y canales con el fin de satisfacer la demanda de los clientes y minimizar los costos de mantenimiento, desabastecimientos y desperdicios. Las prácticas de optimización sólidas se usan comúnmente para controlar la incertidumbre en los pronósticos y las predicciones utilizadas en los modelos.
Desafíos
Conclusiones clave
Nuestra solución FICO Xpress Optimization utiliza analítica prescriptiva para ayudar a los usuarios de negocios a resolver problemas complejos en minutos, para lograr un despliegue más rápido, mayores ingresos y una mejor satisfacción del cliente.
- Su organización puede tener buenos datos y un completo grupo de científicos analíticos, pero ¿puede utilizar la información para tomar mejores decisiones? Si la ciencia de datos no puede equipararse con sus problemas de negocios y, fundamentalmente, con optimizar el compromiso de los clientes en tiempo real, ¿entonces para qué sirve?
- La analítica prescriptiva, a diferencia de la analítica predictiva o la IA por sí misma, se trata de mapear datos y analítica a SU problema de negocio. En lugar de simplemente ofrecerle información, la analítica prescriptiva fundamenta las acciones que debería tomar.
- Existen metodologías comprobadas para mapear toda la analítica con las reglas de compromiso de negocios (qué puede hacer, qué inventario está disponible, cuáles son sus requisitos de margen o umbrales de riesgo óptimos) para permitir que todos los involucrados en su negocio involucren a los clientes de manera óptima y creen las mejores relaciones, relaciones que optimicen tanto la satisfacción del cliente como la del negocio.
- La analítica prescriptiva va más allá de la analítica o la inteligencia artificial. Luego de haber recopilado datos y obtenido información, a través de procesos humanos o robóticos, utilizar esos conocimientos en interacciones humanas en tiempo real solo es posible si invierte en metodologías prescriptivas.
- FICO ha invertido décadas en desarrollar y mejorar técnicas de analítica prescriptiva y ha creado una metodología exclusiva y probada que combina datos, analítica, IA, reglas de decisiones y optimización de una manera exclusiva y potente para ofrecer analítica prescriptiva a negocios de todas las industrias imaginables, incluidos servicios financieros, energía, transporte y logística, venta al por menor, gobierno y muchas más