Analitica Descriptiva - resumen PDF

Preview

Summary

Analitica Descriptiva - resumen para estudiar 123...

Description

La Analítica Prescriptiva

Santo Domingo Noviembre, 2021

Concepto de analítica prescriptiva:

La analítica prescriptiva se refiere al análisis que busca brindar recomendaciones óptimas durante el proceso de toma de decisiones. A diferencia de la analítica descriptiva o el análisis predictivo, los análisis prescriptivos predicen lo que ocurrirá, cuándo ocurrirá y las razones por las que ocurrirá y las formas en que los procesos de negocios deben evolucionar o ser modificados.

Esto es posible con la utilización de data para la generación de proyecciones y predicciones las cuales respondan que sucederá en el futuro, esto con la utilización de modelos estadísticos y algoritmos de Machine Learning para determinar las posibilidades de ocurrencia y recomendaciones. Estos modelos son capaces de encontrar patrones en Big Data las cuales serian imposibles para un humano analítico encontrar.

Podría decirse que es un aprendizaje que se adapta para conseguir ofrecer el mejor resultado

posible en cada situación real que se debe afrontar. Toma y comprende los datos de "lo que sabemos" (análisis descriptivo) y predice lo que podría suceder basándose en ellos (análisis predictivo) para simular diferentes enfoques de todos estos resultados para que finalmente pueda sugerir el mejor curso de acción.

El análisis prescriptivo se basa en:  Investigación de operaciones.  Análisis predictivos.  Técnicas matemáticas y estadísticas.

Importancia del análisis prescriptivo

Gracias a la información obtenida a través del análisis prescriptivo, es posible que las empresas tomen decisiones futuras como:

● Calcular las ventas previas de un producto con el propósito de determinar el número de reposiciones. ● Conocer la tendencia de los clientes sobre ciertos productos para lanzar las campañas de marketing, según las necesidades de los usuarios. ● Predecir los fallos en el equipo, lo que previene a realizar mantenimientos en el momento oportuno. ● Conocer los hábitos de compra y la puntualidad de pago de los clientes para determinar si es adecuado otorgarle un crédito. Estos resultados se traducen a:

● Optimización de procesos, campañas y estrategias. ● Reduce al mínimo las necesidades de mantenimiento y las entrelaza a mejores condiciones. ● Reduce los costos sin afectar el rendimiento. ● Aumenta la probabilidad de que las empresas enfoquen y planifiquen de forma adecuada el crecimiento interno.

Como la analítica prescriptiva funciona:

La inteligencia artificial (Artificial Intelligence, AI) tiene mucho peso en el análisis prescriptivo, sobre todo en las subcategorías de AI las cuales se especializan en los algoritmos y modelos matemáticos las cuales permiten al sistema la toma de decisiones basado en información estadística y patrones.

Un ejemplo de esto sería, el Bayes Classifier un algoritmo de machine learning el cual usa un modelo llamado Bayes Theorem el cual determina las probabilidades de ocurrencia de que un evento ocurra. Otro modelo utilizado (Aunque no estadístico) es el ID3, el cual crea una rama de decisiones (Decision Tree) el cual estructura una gráfica con las posibles ocurrencias de un conjunto de datos (dataset). En ambos casos, cuando es un modelo estadístico y cuando no lo es, el objetivo es el de crear un modelo el cual procese información ya generada y registre nuevos datos y pueda producir posibles resultados. Dentro de las herramientas mas utilizadas se encuentran: IBM Prescriptive Analytics : IBM es un proveedor de almacenamiento de datos y BI que está dirigido principalmente a empresas, educación superior y corporaciones multinacionales con grandes almacenes de datos.

Alteryx: Las soluciones de inteligencia empresarial combinan datos de bases de datos, aplicaciones, software empresarial como CRM y ERP, y archivos individuales, y están disponibles en las instalaciones y en la nube. Knime: Es un software de código abierto que ayuda a los científicos de datos a combinar y crear rápidamente flujos de trabajo visuales para una preparación y análisis rápidos de datos. El software viene con miles de flujos de trabajo disponibles para un inicio rápido en el análisis o la generación de ideas. A continuación, ejemplos de implementación de diferentes modelos: Modelo 1: Prescriptivo + Alertas El modo de análisis prescriptivo inicial aconseja a las personas qué se debe hacer para prevenir o reducir el riesgo. Lo hace aprovechando una base de conocimientos que ha procesado opciones y ha determinado una acción correctiva, como estrategias de mantenimiento optimizadas. Automatiza la entrega de la acción prescriptiva a una persona o personas que luego pueden ejecutar el trabajo.

Un buen ejemplo es el uso de análisis para respaldar el enrutamiento para el trabajo de campo. Los análisis se emplean continuamente para optimizar una ruta en tiempo real. Se puede considerar cualquier número de factores externos estáticos y dinámicos. Modelo 2: Prescriptivo + Automatización A medida que el equipo se ha vuelto “más inteligente”, es cada vez más capaz de ajustar su rendimiento y configuración y, cuando corresponde, de auto curarse. La analítica prescriptiva puede aprovechar este equipo inteligente y conectado.

En este modo prescriptivo, la solución utiliza primero un análisis predictivo. Combina ese análisis con una base de conocimientos para determinar cuál es la acción correcta para un dispositivo o equipo. Luego entrega este consejo a los sistemas de control o al propio equipo, que luego ajusta el comportamiento del dispositivo según el resultado deseado.

Modelo 3: Prescriptivo + Optimización El tercer modo ofrece el enfoque más integrado y de mayor alcance para la resolución de problemas. Debido a esa integración, también requiere la administración más sofisticada de procesos y datos en recursos humanos, sistemas, dispositivos, activos y, cuando corresponda, clientes. En este modo, la acción prescriptiva se optimiza, ya que la solución entrega la acción correctiva en el momento adecuado en el lugar, equipo, dispositivo, sistema o persona idónea para llevarla a cabo. En sus usos más avanzados, este modo puede extenderse mucho más allá del proceso analizado para incluir componentes externos como las cadenas de suministro y la experiencia del cliente.

Los casos de uso de este modo son actualmente poco comunes en entornos industriales, pero se emplean en industrias orientadas al consumidor. Considere la posibilidad de que un cliente de televisión por cable interactúe con un agente del centro de llamadas para reducir o cancelar el servicio. Una vez completada la llamada, el agente ingresa información en un sistema de atención al cliente, que luego envía los datos a una solución de análisis.

Como se puede medir estos análisis La analítica prescriptiva se apoya en dos disciplinas esenciales: los sistemas de gestión de reglas de negocio y los algoritmos de optimización matemática. Este conjunto de técnicas y algoritmos matemáticos permiten automatizar la toma de decisiones complejas, mejorando la eficiencia operativa de las compañías que los utilizan. En este mercado cambiante y competitivo, la aplicación de este tipo de técnicas de analítica prescriptiva ayuda a las empresas a destacar y liderar sus mercados.

Aplicaciones del análisis prescriptivo:

 Calcular los pedidos de reposición en el momento óptimo, minimizando el stock y maximizando la disponibilidad de producto en todo momento

 Automatizar y planificar óptimamente campañas comerciales en busca de la mayor eficiencia y resultado

 Planificar mantenimientos preventivos que minimizan el coste de mantenimiento y maximizan el nivel y la calidad de servicio

 Planificar el personal de manera óptima para minimizar el coste laboral y maximizar el nivel y la calidad del servicio, a la vez que se tiene en cuenta la satisfacción del empleado

Las soluciones de analítica prescriptiva se pueden aplicar a sectores tan diversos como salud, servicios financieros, seguros, fabricación, transporte, logística, retail, y en áreas tan diversas como la comercial o fuerza de ventas, el marketing, la cadena de suministro, la producción o los recursos humanos.

Casos de uso en la implementación de la Analítica Prescriptiva

Aplicación de la analítica predictiva en los negocios

Cosmética Las empresas dedicadas a vender productos necesitan conocer las necesidades de sus consumidores y las tendencias de manera constante, así como los hábitos de compra de sus consumidores. Las del mercado de cosméticos no son diferentes. Utilizan la analítica predictiva para realizar simulaciones de comportamiento y descubrir posibles preferencias para el incremento de sus ventas. Por ejemplo, puede ser que deban enfocar sus estrategias y esfuerzos en productos específicos como delineadores de colores en vez del tradicional negro debido a la alta tendencia y demanda que están teniendo estos primeros.

Sector salud Utiliza la analítica predictiva para registrar los datos, operacionales combinándolos con factores políticos, económicos, sociales, etc., así como datos demográficos de la población y tendencias de salud. De esta forma, realizan planificaciones con mayor precisión a futuro como construcciones de nuevos centros de salud o inversión en nuevos equipos.

Telecomunicaciones En el caso de las llamadas de emergencia durante accidentes o desastres naturales, estas comparten de manera inmediata la información sobre las ubicaciones más afectadas. Con la información recaudada, se identifican las rutas más rápidas y el tipo de equipo a utilizar para atender cada caso.

Sector energético Un ejemplo clave de uso de los modelos prescriptivos en las Smart Cities puede ser el sector energético. A través de este tipo de análisis, las empresas pueden gestionar sus activos, ubicaciones y equipamientos. Además, pueden adaptar los planes financieros a la demanda del usuario, reduciendo el riesgo y los costes aplicados.

A través de los patrones de consumo, las empresas dedicadas al sector energético pueden detectar y prevenir. Esto tiene un doble beneficio: por un lado, reducir las acciones fraudulentas y por otro maximizar la eficiencia de los recursos y la gestión energética en las grandes ciudades.

En conclusión La conclusión es que el análisis prescriptivo puede ayudar a aumentar la eficiencia, limitar el riesgo, cumplir los objetivos comerciales, prevenir el fraude y crear clientes más leales. Cuando se usa de manera efectiva, puede ayudar a las empresas a tomar decisiones inteligentes en lugar de tomar decisiones instintivas basadas en conclusiones mal informadas....