Blog TD SYNNEX LAC

¿Cómo hacer que los análisis predictivos de Big Data trabajen para su empresa?

Escrito por Equipe SYNNEX Westcon-Comstor | 15-mar-2017 11:00:00

Uno de los puntos centrales es que las herramientas de análisis de Big Data son cada vez más accesibles, eficientes y fáciles de usar.

Con el mundo de los negocios sumergido en una montaña de datos provenientes de clientes, el mercado de productos y tecnologías, la herramienta de análisis predictiva surge como una forma eficaz de aprovechar el océano de datos e informaciones generado de forma tangible y listo para aplicarlo de una forma que le proporcione un diferencial competitivo a las empresas.

 

De acuerdo con un estudio de IDC, que analiza el mercado de Big Data, solamente el segmento conectado al análisis predictivo debe alcanzar la impresionante cifra de US$ 3 billones para el este año. Pero antes de sumergirse en algunos beneficios del análisis predictivo, un concepto que se comentará cada vez más entre las estrategias de apoyo administrativo en la era del Big Data, es necesario que se haga una breve explicación para entender de qué se trata esta nueva herramienta.

 

En general, el Análisis Predictivo es un conjunto de tecnologías para el análisis de datos que usan técnicas estadísticas que prevén, dentro de múltiples datos y variables, patrones en escenarios, lo que puede indicar probabilidad o tendencia en el mercado.  

 

Es un tipo de trabajo que enfrenta volúmenes gigantescos de datos, exigiendo el uso de una herramienta de análisis de Big Data para ser ejecutado. El análisis predictivo es, por lo tanto, una de esas herramientas, indicada para los negocios y que está destacando por su ventaja competitiva para los que la usan.

 

Un ejemplo: ¿Cómo su empresa actuaría si pudiera saber con antecedencia que una crisis económica puede impactar de forma significativa su mercado?  Sería posible trazar planos de emergencia para mantenerse competitiva o sobrevivir a ese periodo difícil, por ejemplo, usando el análisis predictivo para actuar en la minimización de ese impacto previsto.

 

 

Es importante recordar (especialistas del área refuerzan eso constantemente) que el análisis predictivo trabaja con padrones, con probabilidades y no con resultados “absolutos”, concretos y totalmente correctos, a diferencia de los análisis tradicionales, basados en informes, dashboards o en modelos descriptivos, los cuales colaboran en la comprensión de lo que pasó, o de los modelos de diagnóstico, que ayudan a entender las principales relaciones y a determinar por qué algo sucedió. Ese análisis determinará qué datos están relacionados al futuro y al resultado que usted desea prever.

 

Entre las técnicas usadas está el análisis regresivo, método matemático de moldar y establecer múltiples relaciones entre las variables, y también la minería de datos, que es justamente la posibilidad de examinar grandes conjuntos de datos para identificar patrones y algoritmos de aprendizaje profundo, para el procesamiento de datos no estructurados. En medida que el algoritmo aprende más, este mejora. Dentro de las herramientas del tipo encontradas en el mercado están la IBM Waston y Kits de herramientas open-source, como Google y la oferta de Microsoft CNTK TensorFLow.

Uno de los puntos centrales, es que las herramientas de análisis de Big Data (Big Data analytics) están cada vez más accesibles, eficientes y fáciles de ser utilizadas por usuarios comunes, ya no es solo un ramo para matemáticos, científicos o estadísticos y eso es lo que realmente está cambiando el mundo de los negocios.

 

Un trabajo desarrollado por la empresa de tecnología Hekima para el Gobierno Federal Brasileño durante la Copa del Mundo fue capaz, por medio de la combinación de algoritmos, de analizar el movimiento en las calles y en las redes sociales con el objetivo de prevenir manifestaciones e intentar trazar un perfil de potenciales contextos violentos.

 

Otro ejemplo de la administración pública de Brasil, es el del Ministerio de Justicia que poseía más de un billón de registros, lo que dificultaba la consulta de movimientos financieros, por ejemplo. La solución fue iniciar estudios con análisis predictivo para agregar datos e identificar patrones en transacciones, prevenir acciones sospechosas y actuar preventivamente con crímenes financieros, principalmente lavado de dinero.

 

El área industrial es una gran entusiasta y usuaria de la técnica. En las industrias, el uso de la inteligencia artificial ya es grandemente utilizado, y el análisis predictivo ya hace parte de los diferenciales en el campo. Leonovo, por ejemplo, implementó un sistema de análisis predictivo responsable por la minimización de desperdicios en la empresa en un 15%.

Principalmente en el área de marketing B2B, especialistas señalan tres categorías en las que el marketing predictivo ayudaría a ganar, mantener y servir a los clientes mejor que los que no lo hacen.

 

Estas son:

 

1) Puntuación predictiva

Se prioriza la identificación y la interacción con cuentas o usuarios con base en su probabilidad de actuar, o sea, el análisis predictivo ayuda a que los comerciantes identifiquen potenciales clientes y optimiza el atendimiento a usuarios con una probabilidad más grande de conversión.

 

2) Modelos de identificación

Con base en modelos de comportamiento, es posible identificar y buscar la adquisición de clientes potenciales. Por ejemplo, saber si aquel usuario hizo una compra semejante, si necesita una actualización de productos o servicios adquiridos anteriormente, en fin, identificar las cuentas del cliente más receptivos a ventas y el abordaje de marketing.

 

3) Automatización y segmentación

Tradicionalmente, el marketing B2B era capaz de segmentar atributos genéricos, dificultando la personalización del atendimiento u oferta. Con los algoritmos del análisis predictivo, la automación es tan grande que es posible una segmentación compleja, permitiendo el apoyo a las ventas con mensajes relevantes y contenidos más específicos para el usuario que le ayudarán a tomar una decisión y a efectuar una compra.

 

La lista de potenciales aplicaciones de negocios es continua y enorme. Instituciones financieras, área de salud, startups, seguros entre otras que ya se benefician de su uso y su avance solo está comenzando en un escenario en el que surgen infinitas posibilidades.


Fuentes:

http://it.toolbox.com/blogs/pcmag/predictive-analytics-big-data-and-how-to-make-them-work-for-you-73998

http://www.bigdatabusiness.com.br/o-que-e-analise-preditiva/

https://www.linkedin.com/pulse/o-uso-da-an%C3%A1lise-preditiva-na-gest%C3%A3o-de-empresas-msc-mba

http://www.vert.com.br/blog-vert/analise-preditiva-como-utilizar-essa-estrategia-em-sua-empresa/

http://www.sas.com/pt_br/insights/analytics/analise-preditiva.html#

http://www.pcmag.com/encyclopedia/term/50361/regression-analysis

http://convergenciadigital.uol.com.br/cgi/cgilua.exe/sys/start.htm?UserActiveTemplate=site&infoid=39219&sid=83#.WB42vfkrLIW