¿Qué es la analítica predictiva? En esta clase se definirá qué es la analítica predictiva, se verán ejemplos de su utilización y se revisarán brevemente los pasos involucrados en su implementación. En esta clase revisaremos los siguientes temas: objetivo de la analítica predictiva, aplicación de la analítica predictiva y etapas en la analítica predictiva. La analítica predictiva se ocupa principalmente de responder la pregunta: ¿qué es lo que probablemente pasará? Para responder a esta pregunta, la analítica predictiva muchas veces construye sobre la analítica descriptiva, ya que para intentar predecir lo que ocurrirá en el futuro se debe tener una noción de lo que ocurrió en el pasado. Con esta noción del pasado y el uso de probabilidades y variables aleatorias, se intenta dar respuesta a lo que probablemente ocurrirá hacia adelante. Puede que algunas técnicas utilizadas en la analítica descriptiva también se utilicen en la analítica predictiva, por lo que para diferenciarlas siempre es importante determinar cuál es la pregunta que se quiere responder. Esto nos permitirá definir qué tipo de analítica estamos utilizando, predominantemente. En palabras del Dr. Michael Wu, científico del Lithium Technologies, con sede en San Francisco, en entrevista con Information Week: "El propósito del análisis predictivo no es determinar lo que sucederá en el futuro". La analítica predictiva no puede hacer eso. De hecho, ningún análisis puede hacerlo. "La analítica predictiva solo puede pronosticar lo que podría suceder en el futuro porque todos los análisis predictivos son de naturaleza probabilística". La analítica predictiva se utiliza con frecuencia en empresas privadas, por ejemplo, Netflix, constantemente predice y asigna una determinada probabilidad para que una serie sea compatible con tus gustos. La compañía registra automáticamente qué es lo que uno está reproduciendo y si nos gustó el contenido o no. En base a esa información se buscan usuarios que en el pasado hayan tenido un comportamiento similar y se revisa qué contenidos consumieron a continuación y qué tan satisfechos quedaron con el mismo. Un proceso similar se utiliza con las recomendaciones de compra de muchas páginas de venta en línea, como, por ejemplo, Amazon. Las entidades financieras también utilizan la analítica predictiva frecuentemente, estudian el riesgo crediticio de sus clientes y deciden a quiénes ofrecer o no un crédito. Una empresa puede utilizar la analítica predictiva para mejorar sus campañas de marketing, haciendo un mejor uso de sus recursos, obteniendo una ventaja competitiva frente a sus competidores al entregar servicios más personalizados o pronosticar si algún cliente tiene intenciones de dejar de utilizar el producto y crear alguna estrategia para retenerlo. Sumado a lo anterior, este tipo de analítica también se utiliza en organizaciones públicas, por ejemplo, en el área de la salud puede ayudar a determinar si un paciente debe realizarse un test de diagnóstico o no, disminuyendo los costos asociados a pruebas innecesarias. Esta es la base para comprender los modelos utilizados en la analítica predictiva, que ayudan a tomar mejores decisiones bajo incertidumbre. Por lo general, la implementación de este tipo de analítica comienza con la definición de algún objetivo de negocio que se desea alcanzar, para luego continuar con la recolección de datos y creación de un modelo que permita generar predicciones acerca de una variable aleatoria de interés. Además, desde que se comienza utilizar el modelo, siempre es bueno monitorear su desempeño y realizar ajustes en caso de ser necesario. Esto último, permite mejorar la definición de futuros objetivos que utilicen la analítica predictiva ya que aumenta la experiencia de la organización con este tipo de modelos, generando un ciclo virtuoso de mejora continua. A continuación, te invitamos a responder la siguiente pregunta. Todos estos pasos de la implementación de la analítica predictiva se ilustran en la siguiente figura. Definición de un objetivo, recolección de datos, creación de un modelo, generación de predicciones, monitorización del desempeño, realización de ajustes. Cada uno de los pasos es relevante y algunos se relacionan íntimamente entre ellos. Por ejemplo, resulta difícil imaginar que un modelo funciona a la perfección la primera vez que se diseña, por lo que un monitoreo constante se vuelve de suma importancia para ir realizando ajustes que mejoren las predicciones. A continuación, te invitamos a responder la siguiente pregunta. En esta clase definimos analítica predictiva, revisamos algunos ejemplos de su utilización y mencionamos los pasos involucrados en su implementación. Esta es la base para comprender los modelos utilizados en analítica predictiva que ayudan a tomar mejores decisiones bajo incertidumbre.
