En el siglo 17, John Dryden escribió: “El que quiera encontrar perlas debe sumergirse a profundidad.” A pesar de que el autor no tenía al análisis de datos avanzados en mente, la cita describe perfectamente su esencia.

Existen cuatro tipos de Data Analytics. ScienceSoft presentó del más básico al más complejo, cada uno de estos aportando un mayor valor a la organización. A continuación se resume cada uno de ellos y se brindan ejemplos concretos de su aplicación.

Descriptive analytics

La analítica descriptiva, también conocida como ‘Business Intelligence’, busca responder qué sucedió. Por ejemplo, un proveedor de atención médica medirá cuántos pacientes fueron hospitalizados el mes pasado; un minorista revisará el volumen de ventas por categorías; un fabricante, la tasa de los productos devueltos durante el mes pasado, etc.

El análisis descriptivo hace malabares con los datos en bruto de múltiples fuentes de datos para proporcionar información valiosa sobre el pasado. En el mundo de hoy, las empresas tienen gran cantidad de datos históricos sobre sus operaciones y clientes; y las unidades de negocio pueden aprovechar esto para (i) tomar rápidas decisiones de negocio y (ii) hacer que los equipos de data science se concentren más en tareas de predictive/descriptive analytics. El tomar decisiones en base a los datos en unidades de negocios es una práctica común en empresas tech como Airbnb, Uber, Facebook y Amazon; y permite que estas organizaciones avancen a otra velocidad.

Diagnostic analytics

En esta etapa, los datos históricos se miden con otros datos para entender por qué sucedió algo. Gracias a la analítica de diagnóstico, existe la posibilidad de profundizar, averiguar las dependencias e identificar patrones. Las empresas optan por el análisis de diagnóstico, ya que proporciona información detallada sobre un problema en particular.

Por ejemplo; un proveedor de atención médica compara la respuesta de los pacientes a una campaña de promoción en diferentes regiones.

Predictive analytics

El análisis predictivo ayuda a determinar lo que probablemente suceda. Utiliza los hallazgos del análisis descriptivo y de diagnóstico para detectar tendencias, agrupaciones y excepciones, para así predecir tendencias futuras, lo que lo convierte en una herramienta valiosa para la previsión. A pesar de las numerosas ventajas que aporta el análisis predictivo, es esencial comprender que la previsión es solo una estimación, cuya precisión depende en gran medida de la calidad de los datos y la estabilidad de la situación, por lo que requiere un tratamiento cuidadoso y una optimización continua.

Gracias al análisis predictivo una empresa de telecomunicaciones, por ejemplo, puede identificar a los suscriptores que tienen más probabilidades de reducir su gasto y desencadenar actividades de marketing específicas para remediarlo; un equipo de administración puede estimar los riesgos de invertir en la expansión de una empresa en función del análisis y pronóstico de flujo de efectivo.

Prescriptive analytics

El propósito de la analítica prescriptiva es prescribir literalmente qué acción tomar para eliminar un problema futuro o aprovechar al máximo una tendencia prometedora.

Este tipo de análisis de datos de última generación requiere no solo datos históricos, sino también información externa debido a la naturaleza de los algoritmos estadísticos. Además, el análisis prescriptivo utiliza herramientas y tecnologías sofisticadas, como el aprendizaje automático (machine learning), reglas del negocio y algoritmos, lo que hace que su implementación y administración sean sofisticadas. Es por eso que, antes de decidir adoptar un análisis prescriptivo, una empresa debe comparar el esfuerzo requerido con el valor agregado esperado.

¿Por qué es importante esto?

Con varios tipos de business analytics, las empresas son libres de elegir la profundidad a la que deben sumergirse en el análisis de datos. El análisis descriptivo es fundamental para la toma de decisiones ágiles en las unidades de negocio, y las empresas deben buscar ser sólidas en esta área al mismo tiempo que desarrollan habilidades en campos más sofisticados de business analytics. Por otro lado, el análisis predictivo y prescriptivo hace que las empresas sean proactivas en el uso de los datos y en muchos casos permiten generar ventajas competitivas.

Si quieres recibir más información sobre Business Skills y Mindsets para una Economía Digital suscríbete al Newsletter aquí.



Saludos!

KURIOS- Tech Business School

[email protected]


PD: artículo elaborado por Kurios, en parte con bases de artículo original de ScienceSoft.