Principales ejemplos de análisis predictivo: análisis para el éxito empresarial.El análisis predictivo espera intentar adivinar eventos o acciones futuros desconocidos basados en la extracción de datos , estadísticas, modelado, aprendizaje profundo e inteligencia artificial y aprendizaje automático . Los modelos predictivos se aplican a las actividades comerciales para comprender mejor a los clientes, con el objetivo de predecir patrones de compra, riesgos potenciales y oportunidades probables.
De todas las formas de análisis, quizás ninguna sea más riesgosa que el análisis predictivo, porque es esencialmente adivinación, aunque es una versión altamente sofisticada. Business Intelligence, su predecesor en análisis, es una mirada hacia atrás. ¿Quiénes fueron nuestros mejores clientes? ¿Cuáles fueron los días de ventas lentas? Sin embargo, en la era de la computación en la nube , esta mirada hacia atrás ya no es suficiente, de ahí la demanda del mercado de herramientas de análisis predictivo.
El análisis predictivo se refleja hoy en Big Data Trends , y sus herramientas son esencialmente Big Data Technologies . La demanda del mercado de software de análisis predictivo se corresponde con un conjunto de herramientas estrechamente relacionado, Big Data Analytics Tools .
Aplicaciones
Los usos comunes para el análisis predictivo incluyen, entre otros:
- Optimización de campañas de marketing para determinar las respuestas de los clientes a campañas de marketing o patrones de compra.
- Mejorar las operaciones para administrar mejor el inventario y otros recursos, o para establecer precios para servicios basados en cosas como la estacionalidad.
- Detección de fraude . Los análisis pueden monitorear la actividad y observar o detectar actividades inusuales o fuera de la actividad ordinaria del cliente, a menudo en tiempo real.
- Reduce el riesgo . Los comerciantes, como los concesionarios de automóviles, utilizan más que un puntaje de crédito ahora para determinar si aprueban un préstamo. También analizan cosas como reclamos de seguros y registros de manejo para determinar si el comprador es un riesgo.
- Ejemplos de análisis predictivo
Cada industria y sector pone el análisis predictivo a trabajar de diferentes maneras. Los desglosamos por industria y caso de uso.
Al por menor
Probablemente el sector más grande en utilizar análisis predictivos, el comercio minorista siempre busca mejorar su posición de ventas y forjar mejores relaciones con los clientes. Uno de los ejemplos más ubicuos son las recomendaciones de Amazon. Cuando realiza una compra, muestra una lista de otros artículos similares que otros compradores compraron.
Gran parte de esto se encuentra en el área de preventa, con cosas como pronósticos de ventas y análisis de mercado, segmentación de clientes, revisiones de modelos comerciales, alineación de TI a unidades comerciales, administración de inventario para tener en cuenta la estacionalidad y encontrar las mejores ubicaciones minoristas. Pero también actúa después de la venta, actuando para reducir las devoluciones, lograr que el cliente regrese y extender las ventas de garantía.
Salud
Uno de los primeros intentos fue Google Flu Trends (GFT). Al monitorear en línea los comportamientos de seguimiento de salud de millones de usuarios y compararlo con un nivel de referencia histórico de actividad de influenza para una región correspondiente, Google esperaba predecir los patrones de gripe. Pero sus números demostraron ser demasiado exagerados, debido a la información menos que ideal de los usuarios.
Pero hay otros usos, como predecir epidemias o problemas de salud pública basados en la probabilidad de que una persona vuelva a sufrir la misma dolencia. O predecir las posibilidades de que una persona con enfermedad conocida termine en Cuidados Intensivos debido a cambios en las condiciones ambientales. También puede predecir cuándo y por qué los pacientes son readmitidos y cuándo un paciente también necesita atención de salud conductual.
Deportes
El ejemplo más famoso es Bing Predicts, un sistema de predicción del motor de búsqueda Bing de Microsoft. Se ha anotado en el percentil 80 para concursos de canto como American Idol, el alto porcentaje de los 90 en las carreras de la Cámara de Representantes y el Senado de los EE. UU., Y obtuvo 15 de 15 en la Copa Mundial 2014. Utiliza estadísticas y sentimientos en las redes sociales para realizar sus evaluaciones.
Otro ejemplo es lo que se conoce como «Moneyball», basado en un libro sobre cómo el equipo de béisbol de Oakland Athletics usó datos analíticos y basados en evidencia para formar un equipo competitivo. Abandonó los viejos predictores de éxito, como las carreras maltratadas, por las que se pasaron por alto, como en la base. Llevó al Atletismo a dos playoffs consecutivos.
Clima
El pronóstico del tiempo ha mejorado a pasos agigantados gracias a los modelos de análisis predictivo. El pronóstico de cinco días de hoy es tan preciso como el pronóstico de un día de la década de 1980. Ahora son posibles pronósticos de nueve a 10 días, y más importante, las predicciones de 72 horas de las huellas de huracanes son más precisas que las predicciones de 24 horas de hace 40 años.
El vórtice polar extremo que redujo las temperaturas en Wisconsin y Minnesota a -50 grados Fahrenheit se predijo varios días después. Todo esto se hace gracias a los satélites que monitorean la tierra y la atmósfera. Alimentan esos datos en modelos que representan mejor nuestros sistemas atmosféricos y físicos.
Seguros / Evaluación de riesgos
A pesar de algunos desastres terribles en 2017, las compañías de seguros disminuyeron las pérdidas dentro de las tolerancias de riesgo, gracias a los análisis predictivos. Les ayudó a establecer precios competitivos en la suscripción, analizar y estimar pérdidas futuras, captar reclamaciones fraudulentas, planificar campañas de marketing y proporcionar mejores conocimientos sobre la selección de riesgos.
Modelamiento financiero
El modelado predictivo para servicios financieros ayuda a optimizar la estrategia comercial general, la generación de ingresos, la optimización de recursos y la generación de ventas. El análisis automatizado de servicios financieros puede permitir a las empresas ejecutar miles de modelos simultáneamente y ofrecer resultados más rápidos que con el modelado tradicional.
Lo hace mediante el análisis de inversiones comerciales estratégicas, mejorar las operaciones diarias, aumentar la productividad y predecir cambios en el mercado actual y futuro. La forma más común de análisis predictivo en los servicios financieros es el sistema de calificación crediticia utilizado para aprobar o rechazar préstamos, a menudo en cuestión de minutos.
Energía
El análisis en las plantas de energía puede reducir las fallas inesperadas del equipo al predecir cuándo podría fallar un componente, lo que ayuda a reducir los costos de mantenimiento y mejorar la disponibilidad de energía.
Las empresas de servicios públicos también pueden predecir cuándo los clientes pueden recibir una factura alta y enviar alertas a los clientes para advertirles que están acumulando una factura grande ese mes. Los medidores inteligentes permitieron a las empresas de servicios públicos advertir a los clientes sobre los picos en ciertos momentos del día, ayudándoles a saber cuándo reducir el consumo de energía.
Análisis de redes sociales
Las redes sociales en línea son un cambio fundamental en la forma en que se produce la información, particularmente en relación con las empresas. El seguimiento de los comentarios de los usuarios en los medios sociales permite a las empresas obtener comentarios inmediatos y la oportunidad de responder rápidamente.
Nada hace que un negocio local salte como una mala crítica en Yelp, o hace que un comerciante responda como una mala crítica en Amazon. Esto significa recopilar y clasificar grandes cantidades de datos de redes sociales y crear los modelos correctos para extraer los datos útiles.
Alertas y Monitoreo
Esto cubre una amplia gama. Solo en el transporte, los automóviles modernos tienen más de 100 sensores y algunos se están acercando rápidamente a 200 sensores. Esto proporciona un informe mucho más preciso que la antigua luz genérica Check Engine.
Las aeronaves modernas tienen cerca de 6,000 sensores que generan más de 2TB de datos por día, que los seres humanos no pueden analizar con ninguna conveniencia. El aprendizaje automático para reconocer el comportamiento normal, así como los signos que conducen a la falla, pueden ayudar a predecir una falla mucho antes de que ocurra.
Internet de las Cosas
IDC estima que se está analizando menos del 1 por ciento de los datos generados hoy, y que la inundación solo aumentará a medida que se conecten más dispositivos IoT, como los automóviles inteligentes.
Se necesitan análisis predictivos para ayudar a clasificar lo que está llegando para eliminar datos inútiles y encontrar lo que necesita para tomar acciones inteligentes. En un ejemplo, Cisco y Rockwell Automation ayudaron a un fabricante japonés de equipos de automatización a reducir el tiempo de inactividad de sus robots de fabricación a casi cero mediante la aplicación de análisis predictivo a los datos operativos.
Leer también:Fundamentos de la analítica predictiva; Diferencias entre inferencia y predicción; Tipos de análisis de datos para mejorar la toma de decisiones
This post is also available in:
Español
