Los 3 tipos de analítica de datos – COLUMNA DE OPINIÓN

La analítica de datos hoy en día se utiliza mundialmente con diversos usos, ya sea en la función pública o el sector privado. El INEGI y el Banco de México son dos ejemplos de instituciones que hacen uso del análisis de datos. Por otro lado, el sector privado tiene muchos ejemplos desde Meta, Google, Apple y Microsoft. Un ejemplo puntual de estas empresas y caso de uso, es de la empresa de la manzana, que en sus dispositivos cuenta con una herramienta para medir el rendimiento de la persona. Esta herramienta describe el uso que se le ha dado al dispositivo, este tipo de análisis es el descriptivo.

Tiempo de pantalla de Apple

Así como estos ejemplos, existen muchos más que nos ayudan a describir, predecir o, mejor aún, prescribir qué deberíamos hacer en el futuro para cuidar nuestras operaciones. En esta columna definiremos y ahondaremos en 3 tipos de analítica que te podrán servir para avanzar en tus proyectos de datos.

** También te puede interesar: A/B Testing para experimentar con datos y tecnología

Analítica Descriptiva

El análisis descriptivo (o de informes) se refiere a saber qué está sucediendo en la organización y comprender algunas tendencias subyacentes y las causas de tales ocurrencias. En primer lugar, esto implica la consolidación de las fuentes de datos y la disponibilidad de todos los datos relevantes en una forma que permita la elaboración de informes y análisis adecuados. A partir de esta infraestructura de datos, podemos desarrollar informes, consultas, alertas y tendencias apropiados utilizando diversas herramientas y técnicas de generación de informes.

Una tecnología significativa que se ha convertido en un actor clave en esta área es la visualización. Usando las últimas herramientas de visualización en el mercado, ahora podemos desarrollar conocimientos poderosos en las operaciones de nuestra organización.

Analítica Predictiva

El análisis predictivo tiene como objetivo determinar qué es probable que suceda en el futuro. Este análisis se basa en técnicas estadísticas, así como en otras técnicas desarrolladas más recientemente que caen dentro de la categoría general de minería de datos. El objetivo de estas técnicas es poder predecir si es probable que el cliente cambie a un competidor («abandono»), qué es probable que el cliente compre a continuación y cuánto, a qué promociones respondería un cliente, si esto el cliente es un riesgo digno de crédito, y así sucesivamente. Se utilizan varias técnicas para desarrollar aplicaciones analíticas predictivas, incluidos varios algoritmos de clasificación.

Empresas de venta en linea usan análisis predictivo

Un caso de uso de analítica predictiva aplicada es en Amazon, por ejemplo, cualquier búsqueda de productos en Amazon.com da como resultado que el minorista también sugiera otros productos similares en los que un cliente pueda estar interesado.

Analítica prescriptiva

El objetivo del análisis prescriptivo es reconocer lo que está sucediendo, así como el pronóstico probable y tomar decisiones para lograr el mejor rendimiento posible. Este grupo de técnicas ha sido históricamente estudiado bajo el paraguas de las OR o ciencias de la gestión y generalmente están encaminadas a optimizar el rendimiento de un sistema. El objetivo aquí es proporcionar una decisión o una recomendación para una acción específica. Estas recomendaciones pueden adoptar la forma de una decisión específica de sí o no para un problema, una cantidad específica (por ejemplo, el precio de un artículo específico o el pasaje aéreo a cobrar) o un conjunto completo de planes de producción.

Un caso aplicado para este tipo de análisis es una ferretería, que suministra barras de acero configuradas a medida para sus clientes. Estas barras se pueden cortar en formas o tamaños específicos y pueden tener requisitos únicos de material y acabado. La empresa adquiere materias primas de todo el país y las guarda en su almacén. Cuando un posible cliente llama a la empresa para solicitar una cotización de las barras especiales que cumplen con los requisitos específicos del material (composición, origen del metal, calidad, formas, tamaños, etc.), el vendedor generalmente tiene poco tiempo para envíe dicha cotización que incluya la fecha en que se puede entregar el producto y, por supuesto, los precios, etc. Debe tomar decisiones de disponibilidad para prometer, que determinan en tiempo real las fechas en las que puede prometer la entrega de los productos que los clientes solicitaron durante la etapa de cotización.

Anteriormente, un vendedor tenía que tomar tales decisiones analizando informes sobre el inventario disponible de materias primas. Es posible que parte de la materia prima disponible ya se haya comprometido con el pedido de otro cliente. Por lo tanto, es posible que el inventario en stock no sea realmente el inventario libre disponible.

** Te puede interesar: Algoritmos Supervisados

Una ferretería aunque suele ser pequeñas, venden gran cantidad de materiales.

Por otro lado, puede haber materia prima que se espera entregar en un futuro cercano que también podría usarse para satisfacer el pedido de este posible cliente. Finalmente, incluso podría haber una oportunidad de cobrar una prima por un nuevo pedido al reutilizar el inventario previamente comprometido para satisfacer este nuevo pedido mientras se retrasa un pedido ya comprometido. Por supuesto, tales decisiones deben basarse en los análisis de costo-beneficio de retrasar un pedido anterior. Por lo tanto, el sistema debería poder extraer datos en tiempo real sobre inventario, pedidos comprometidos, materia prima entrante, restricciones de producción, etc. Para respaldar estas decisiones, se desarrolló un DSS (Sistemas de soporte a decisiones) en tiempo real para encontrar una asignación óptima del inventario disponible y para respaldar análisis hipotéticos adicionales. El DSS utiliza un conjunto de modelos de programación de enteros mixtos que se resuelven mediante software comercial.

Hasta aqui la columna de hoy. Síguenos en nuestras redes para estar enterad@ de la nueva temporada de podcast y recomendarnos nuevas temáticas que te gustaría explorar para este blog.

Equipo Datlas

– Keep it weird –

Fuente de imagen de portada: https://gravitar.biz/bi/tipos-analitica/

Deja una respuesta

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Salir /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Salir /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Salir /  Cambiar )

Conectando a %s

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.