Análisis prescriptivo
¿Qué es la analítica prescriptiva?
El análisis prescriptivo es un tipo de análisis de datos: el uso de tecnología para ayudar a las empresas a tomar mejores decisiones mediante el análisis de datos sin procesar. Específicamente, el análisis prescriptivo factoriza la información sobre posibles situaciones o escenarios, recursos disponibles, desempeño pasado y desempeño actual, y sugiere un curso de acción o estrategia. Se puede utilizar para tomar decisiones en cualquier horizonte temporal, desde el inmediato hasta el largo plazo.
Lo opuesto a la analítica prescriptiva es la analítica descriptiva, que examina las decisiones y los resultados después de los hechos.
Cómo funciona la analítica prescriptiva
El análisis prescriptivo se basa en técnicas de inteligencia artificial, como el aprendizaje automático, la capacidad de un programa informático, sin intervención humana adicional, para comprender y avanzar a partir de los datos que adquiere, adaptándose todo el tiempo. El aprendizaje automático hace posible procesar una enorme cantidad de datos disponibles en la actualidad. A medida que se dispone de datos nuevos o adicionales, los programas de computadora se ajustan automáticamente para hacer uso de ellos, en un proceso que es mucho más rápido y más completo de lo que las capacidades humanas podrían manejar.
Numerosos tipos de empresas y agencias gubernamentales con uso intensivo de datos pueden beneficiarse del uso de análisis prescriptivos, incluidos los de los sectores de servicios financieros y atención médica, donde el costo del error humano es alto.
La analítica prescriptiva funciona con otro tipo de analítica de datos, la analítica predictiva, que implica el uso de estadísticas y modelos para determinar el rendimiento futuro, basándose en datos actuales e históricos. Sin embargo, va más allá: utilizando la estimación del análisis predictivo de lo que es probable que suceda, recomienda qué curso futuro tomar.
Pros y contras de la analítica prescriptiva
La analítica prescriptiva puede eliminar el desorden de la incertidumbre inmediata y las condiciones cambiantes. Puede ayudar a prevenir el fraude, limitar el riesgo, aumentar la eficiencia, cumplir los objetivos comerciales y crear clientes más leales.
Sin embargo, la analítica prescriptiva no es infalible. Solo es eficaz si las organizaciones saben qué preguntas hacer y cómo reaccionar ante las respuestas. Si las suposiciones de entrada no son válidas, los resultados de salida no serán precisos.
Sin embargo, cuando se usa de manera efectiva, la analítica prescriptiva puede ayudar a las organizaciones a tomar decisiones basadas en hechos altamente analizados en lugar de saltar a conclusiones poco informadas basadas en el instinto. El análisis prescriptivo puede simular la probabilidad de varios resultados y mostrar la probabilidad de cada uno, lo que ayuda a las organizaciones a comprender mejor el nivel de riesgo y la incertidumbre que enfrentan de lo que podrían estar confiando en los promedios. Las organizaciones pueden comprender mejor la probabilidad de los peores escenarios y planificar en consecuencia.
Conclusiones clave
- La analítica prescriptiva utiliza el aprendizaje automático para ayudar a las empresas a decidir un curso de acción basado en las predicciones de un programa informático.
- La analítica prescriptiva funciona con la analítica predictiva, que utiliza datos para determinar resultados a corto plazo.
- Cuando se usa de manera efectiva, la analítica prescriptiva puede ayudar a las organizaciones a tomar decisiones basadas en hechos y proyecciones ponderadas por probabilidad, en lugar de saltar a conclusiones poco informadas basadas en el instinto.
Ejemplos de análisis prescriptivo
Numerosos tipos de empresas y agencias gubernamentales con uso intensivo de datos pueden beneficiarse del uso de análisis prescriptivos, incluidos los de los sectores de servicios financieros y atención médica, donde el costo del error humano es alto.
Se podrían usar análisis prescriptivos para evaluar si un departamento de bomberos local debe exigir a los residentes que evacuen un área en particular cuando un incendio forestal está ardiendo cerca. También podría usarse para predecir si un artículo sobre un tema en particular será popular entre los lectores en función de los datos sobre las búsquedas y las redes sociales de temas relacionados. Otro uso podría ser ajustar un programa de capacitación de trabajadores en tiempo real en función de cómo el trabajador está respondiendo a cada lección.
Análisis prescriptivo para hospitales y clínicas
De manera similar, los hospitales y las clínicas pueden utilizar la analítica prescriptiva para mejorar los resultados para los pacientes. Pone en contexto los datos sanitarios para evaluar la rentabilidad de diversos procedimientos y tratamientos y para evaluar los métodos clínicos oficiales. También se puede utilizar para analizar qué pacientes del hospital tienen el mayor riesgo de reingreso para que los proveedores de atención médica puedan hacer más, a través de la educación del paciente y el seguimiento del médico para evitar retornos constantes al hospital o sala de emergencias.
Análisis prescriptivo para aerolíneas
Suponga que es el director ejecutivo de una aerolínea y desea maximizar los beneficios de su empresa. El análisis prescriptivo puede ayudarlo a hacer esto al ajustar automáticamente los precios y la disponibilidad de los boletos en función de numerosos factores, incluida la demanda de los clientes, el clima y los precios de la gasolina. Cuando el algoritmo identifica que las ventas de boletos antes de Navidad de este año desde Los Ángeles a Nueva York están retrasadas el año pasado, por ejemplo, puede bajar los precios automáticamente, mientras se asegura de no bajarlos demasiado a la luz de los precios más altos del petróleo de este año.
Al mismo tiempo, cuando el algoritmo evalúa la demanda más alta de lo habitual de boletos de St. Louis a Chicago debido a las condiciones heladas de las carreteras, puede aumentar los precios de los boletos automáticamente. El CEO no tiene que estar todo el día mirando una computadora mirando lo que está sucediendo con la venta de boletos y las condiciones del mercado y luego instruir a los trabajadores para que inicien sesión en el sistema y cambien los precios manualmente; un programa de computadora puede hacer todo esto y más, y también a un ritmo más rápido.