Tipos de Analítica

Para las empresas, el análisis de sus datos es fundamental. Pues orienta sobre sus decisiones estratégicas a corto, mediano o largo plazo.

Cada vez el uso de la analítica es mayor debido a:

• Menor inversión, dada la disminución de costos de tecnología, hardware y de las soluciones analíticas de BI/BA en el mercado.
• Aceleración de la digitalización de las empresas para tratamiento de calidad de sus datos y desarrollo de bases de datos propias.
• Bases de datos unificadas, de fácil acceso en sistemas integrales y globales de gestión para múltiples herramientas.
• Competencia digital y aceleración de tiempos de reacción de los mercados.

Anteriormente se llevaba a cabo una analítica descriptiva, donde se analizaba la base de datos de históricos de la empresa y a partir se buscaba extraer conclusiones estadísticas de acciones pasadas (analítica diagnóstica), que pudieran justificar una decisión estratégica con algún grado de certidumbre o de una alta confianza.

Eventualmente se intentó dar respuesta predicción de escenarios hipotéticos y poder contar con capacidad en ellos, para analizar la mejor toma de decisiones. Desarrollándose diferentes sistemas de analítica predictiva y analítica prescriptiva.

Analítica Descriptiva. 

• ¿Qué sucedió?
• Utiliza los datos históricos.
• Identifica comportamientos y direcciones.
• Cómo hoy se están haciendo las cosas.
• Representación a nivel empresarial para su análisis

Descripción: representación de la realidad y la situación de negocio hasta la fecha. Es el tipo de analítica más usada. Permite visualizar, indicar, detectar, analizar, identificar y medir. Se consultan diferentes indicadores de negocio de cara a obtener una visión de lo que ha pasado y de lo que sucede al momento, ayudada de representaciones que eficientizan el mensaje de la analítica descriptiva.

Objetivo: realizar una representación de la situación actual para un ambiente empresarial, para su análisis y una mejor la toma decisiones. Basada en el pasado y lo que se puede realizar hoy.

Ejemplos:

Representaciones históricas, informes, resultados e indicadores de número de clientes del último mes, estados de resultados, volúmenes de venta semanal, vendedores o comisionistas con mejores resultados por trimestres. Tasa de devoluciones, productos con mayor movimiento anual o por temporadas, ganancias, margen de utilidad, etc.

A partir de diversas fuentes, proporciona información valiosa sobre el pasado. Pueden indicar que los resultados son positivos o negativos, pero no resuelve o explica el porqué.

Los resultados arrojados de ella se implementan más fácilmente y tienen un análisis más superficial, sin llegar a una alta investigación que otros tipos de analítica.

Muchas organizaciones combinan la analítica descriptiva con otros tipos de analítica de datos. Se apoya de la minería de datos y agregación de datos.

Analítica Diagnóstica. 

• ¿Por qué sucedió?
• Datos históricos contra otros datos.
• Problemáticas particulares.
• Causa – efecto de resultados.
• Análisis profundo.

Descripción: enfrentamiento de los datos históricos contra otros datos para dar solución a preguntas con un enfoque causa-efecto. Profundiza, indaga, consulta, identifica y aísla patrones. Descubre relaciones, causa raíz, revela valores atípicos, da respuesta a conjeturas o preguntas que no se habían formulado. Requiere de una analítica descriptiva previa.

“Detección, desglose y análisis de correlación”

Objetivo: comparar eventos, mediciones, resultados, indicadores, direcciones para identificar y determinar su razón. Suele indicar de manera amplia su explicación integrando contexto probabilístico, de conjetura y/o un resultado distribuido.

Detalla en un mayor nivel de investigación el descubrimiento de problemas, situaciones atípicas o ciertos resultados, lo desglosa permite su comprensión en beneficio de la empresa.

Ejemplos:

• Diagnósticos contra ciertos medicamentos, permite medir el riesgo a ciertos efectos o necesidad de tratamientos.
• Elección de productos o servicios contra comportamientos de consumo de otros productos, servicios o tiempos de para una segunda compra.
• Identificación de inusual comportamiento de venta por eventos o sucesos recientes de implementación de materiales, nuevas normativas, cambios en estrategias, canales de venta o promoción.
• Empresa determina el número de clientes aumentará en una temporada determinada, para decidir aumentar personal durante ese periodo para estar preparado y brindar un mejor servicio.

Junto con la analítica descriptiva permiten tener un enfoque reactivo ante problemáticas, indicadores y oportunidades comerciales.

Analítica predictiva. 

• ¿Qué es más probable que pase?
• “Predicción” (estimación) por matemática avanzada.
• Previsión de información faltante.
• Identificación de tendencias, aumentos, disminuciones y oportunidades.

Descripción: estimación basada en el uso de matemática avanzada para la predicción de datos faltantes. Haciendo uso de la analítica descriptiva y diagnóstica a partir de los resultados, descubrimientos y tendencias identificadas en ambas teorías. Creando previsiones o pronósticos futuros a un corto, mediano o largo plazo.

Objetivo: influir de manera importante en los resultados comerciales dado su enfoque proactivo, genera la oportunidad de preparar acciones, estrategias, cambios, alternativas a los escenarios futuros estimados.

Esta predicción a pesar de todo el posible beneficio que puede generar y el nivel de complejidad que requiere, debe ser considerada como una estimación y no valorarlo como una certidumbre o con veracidad absoluta. Al momento ningún análisis asegura exactamente qué sucederá a futuro y se debe manejar con precaución el grado de confianza e incertidumbre de estas estimaciones.

Las variables que puede influir en la precisión de la estimación dependerán directamente de la calidad, tratamiento de los datos, estabilidad de la situación y optimización continua.

Ejemplos:

• Descubrimiento de que productos son los que tengan más probabilidad de quedarse sin vender, para preparar estrategias de cambio de precios es esos artículos.
• Identificación de en que medida suscriptores de servicios son los que más probablemente no continuarán suscritos, para generar campañas de retención de clientes o beneficios por permanencia dirigida.
• Evaluación de riesgos, tolerancia de perdidas y precios competitivos de suscripción en empresas aseguradoras para hacer frente al pronóstico de los niveles de: riesgo, perdidas, casos de fraude y extensión de servicios.

Enfocada para la predicción de la información más relevante, pero sin llegar a algún nivel de automatización. ¿Qué tendencias? ¿En qué medida? ¿Qué pasará? ¿Cuándo? Son preguntas que busca resolver por estimaciones la analítica predictiva. Se apoya de la minería de datos y machine learning.

Analítica prescriptiva. 

• ¿Qué hacer si pasa…? ¿Qué acciones se deben realizar?
• Soluciones ante situaciones que se pueden presentar.
• Facilitar la automatización en cierto nivel la toma de decisiones.
• Optimización de recursos y tiempo de respuesta con analítica avanzada.

Descripción: conjunto de acciones de analítica avanzada, estimación de escenarios futuros, optimización de recursos en respuestas rápidas para poder dar opciones de solución a oportunidades, problemáticas y variables comerciales. Ofrece alternativas de soluciones para las predicciones (estimaciones), con el fin de aumentar ganancias, disminuir perdidas y aprovechar las oportunidades comerciales. Al igual que la analítica predictiva no debe considerarse su veracidad al 100% al tratarse de estimaciones.

Objetivo: prescribir las acciones que se deben de tomar para minimizar, resolver o evitar problemas a futuro y de manera opuesta para obtener en el máximo posible beneficio de oportunidades, tendencias o indicadores prometedores. Busca automatizar en cierta medida la toma de decisiones.

Ejemplos:

• Compra de material con proveedores por anticipado antes de subida de precio por aumento de la demanda.
• Inversión en renovación o implementación de cierta tecnología para poder cubrir un alza en la operación en un periodo que antes no estaba considerado.
• Creación en algoritmos en empresas financieras con base en históricos para medición de riesgos y dimensionamiento de operaciones probables (averiguar cómo y cuándo colocar mejor sus operaciones.) para maximizar el rendimiento.
• Descontinuación de productos por malas ventas en ciertos periodos y el cálculo de comportamiento el inicio del periodo actual para la toma de decisión.

Requiere de analítica descriptiva, predictiva, datos avanzados e información externa dados los algoritmos, tecnología, herramientas, aprendizaje automático, reglas de negocio y variables.

Su implementación lleva un alto grado de complejidad considerando todos los esfuerzos y recursos que conlleva. Se recomienda comparar y llevar a cabo un análisis exhaustivo sobre los beneficios esperados contra todo lo que conlleva la analítica prescriptiva.

Busca la optimización de recursos para aumentar la eficiencia operativa y el tiempo de respuesta de la organización y no debe verse desde una sola acción sino como el resultado de múltiples acciones y procesos más complejos.

Suele ser el último nivel de analítica que se implementa al haber desarrollado las analíticas anteriores y al igual de que analítica predictiva debe cuestionarse el nivel de confianza e incertidumbre de la misma.

Empresas y elección de analítica

Estos tipos de analítica, sumado a las herramientas BI, proporcionan un acceso a las empresas independientemente del nivel de conocimiento, presupuesto o del departamento de TI o BI para poder proporcionar respuestas, mejor toma de decisiones. Revelar aquello que resulte o pueda afectar a la organización, y traducirlo en oportunidades. Los diferentes tipos de analítica pueden proporcionar diferentes cantidades de valor a una empresa. Resolver cómo el análisis de datos puede averiguar los puntos clave para una mejor toma de decisiones resulta clave hoy más que nunca.

Las organizaciones cuentan con la posibilidad de elegir qué tipo de analítica de datos satisface mejor sus necesidades y cumple con sus objetivos ya sea comerciales, operativas, financieras o de cualquier área. Así como la combinación de ellas puede generar una mayor comprensión del cliente, organización, mercado, más oportunidades y respuestas.

Pudiendo optar por técnicas analíticas con un enfoque más reactivo, como la analítica descriptiva y diagnóstica. O aquellas que permiten ser más proactiva como la analítica predictiva o prescriptiva.

En resumen

Los diferentes tipos de analítica proveen de maneras más eficientes de extraer valor de la información que se obtiene a diario en finanzas, operación, logística, marketing, recursos humanos o cualquier otra área que brinde datos que puedan explotarse en beneficios de la organización.

Sustentas decisiones, directrices, agilizan tiempos, procesos y comunicación. Y en general el accionar de la empresa para aumentar ingresos, disminuir uso de recursos, solucionar problemáticas y aprovechar oportunidades.

Sumado a todas la herramientas, tecnología y recursos que son cada día de más fácil acceso. Suministran a las empresas respuestas para servirse de su pasado (analítica descriptiva), resolver situaciones en el presente (analítica diagnóstica), preparase para lo que ya se puede estimar con mayor exactitud pase en un futuro (analítica predictiva) y tener las respuestas listas para hacer frente (analítica prescriptiva).

Conclusiones  

La cantidad de datos que se generan por día va en aumento año con año. Se estima que generamos alrededor de más de 2 trillones de bytes al día. Y algunos estudios indican que más de la mitad de los datos corporativos no llegan a utilizarse con fines analíticos.

Lo que se puede interpretar en oportunidades no aprovechadas para aumentar indicadores clave, reducir pérdida de clientes, optimización de procesos, mejor toma de decisiones y/o cualquier beneficio para la empresa que pueda surgir de datos que se producen y recopilan a diario, pero que no se direccionan hacia mejores resultados.

La aceleración digital, las innovaciones para analítica, disminución de inversión en tecnología y herramientas de BI/BA crean oportunidades donde antes no se podían identificar, medir, estimar resultados para transformarlos en el éxito de las empresas que dan uso a toda la información que obtienen a diario.

Siguenos en linkedin 

Otros temas de interés:

• Tipos de Data Warehouse
• Data Warehouse vs Data Lake
• Metodologías de Data Warehouse

#analiticadedatos #gravitar #dataanalytics #businessintelligence #Empresas #analitica