El análisis predictivo ahora forma parte del sistema analítico de las organizaciones, de hecho, se ha convertido en un área sumamente relevante y cada mas solicitado como parte de las soluciones de BI. Aunque este tipo de análisis se encuentra en una etapa de adopción inicial, esta siendo parte elemental para complementar los modelos analíticos de las empresas. Como cualquier otro tipo de modelos analíticos, los modelos predictivos tienen sus desafíos, estos incluyen habilidades, soporte técnico, infraestructura, sistemas de información, software, entre otros elementos.
Es sumamente recomendable poner en practicas en medida de lo posibles los análisis predictivos en las organizaciones y sus modelos analíticos existentes, por supuesto abordándolo con la combinación de tecnologías y competencias necesarias, las cuales se detallan a continuación.
Desarrollo de habilidades
En ocasiones las organizaciones suelen estar preocupadas por las habilidades para implementar un modelo predictivo. Este conjunto de habilidades incluye como comprender un modelo, interpretar el resultado y determinar que algoritmo utilizar en determinada circunstancia. Aunque suene un tanto complicado, todo lo anterior se puede resumir en estos aspectos:
- Saber sobre modelos estadísticos (de forma básica ya que la mayoría de las herramientas los opera de manera automática).
- Interpretar resultados, en cuanto exactitud y precisión (saber leer errores).
- Conocer las series de tiempo, sus componentes básicos como ciclicidad y estacionalidad.
Estas habilidades normalmente pueden ser adquiridas con mucha facilidad y pueden llegar a ser desarrolladas por los empleados actuales, haciendo que la contratación de empleados externos no sea necesaria. Como se mencionó anteriormente muchos sistemas y herramientas de análisis predictivo contienen inteligencia integrada, lo que facilita mucho la creación de un modelo por parte de los usuarios. Vale la pena mencionar que este tipo de tecnologías no suelen ser accesibles para pequeñas empresas, al menos no a nivel de escalabilidad muy alto.
Despliegue del modelo
Para poder hacer el despliegue correcto de un modelo predictivo es buscando un adecuado caso de uso, es decir, un escenario adecuado en donde el análisis predictivo realmente represente una variable importante para la toma de decisiones estratégicas.
Teniendo un caso de uso bien estructurado es mucho más fácil lograr implementar un modelo de forma adecuada, ahora bien, que debería tener este caso de uso.
- Información histórica de no menos de 5 años del fenómeno a analizar (ventas, demanda, etc.).
- Horizonte el cual se quiere predecir (3 meses, 12 meses, 3 años, etc.). En este punto es importante entender que el horizonte es cambiante, ya que cada nuevo periodo que se agrega al histórico vuelve afectar el horizonte del pronóstico.
- Datos externos bien definidos (datos de conversión, calendario de eventos atípicos, etc.).
Infraestructura
En la mayoría de los casos lo más importante de la infraestructura son los datos, su calidad y en donde están almacenados, junto con la tecnología que se use, siendo esta última dependiente de las capacidades del usuario. Quiere decir que, no importa que se tenga la mejor tecnología o software para análisis predictivo si quien efectué el modelo no tiene conocimiento o experiencia, es preferible tener un software modesto pero un nivel de experiencia alto.
Es importante que la arquitectura de datos que se tenga pueda admitir y convivir con este tipo de análisis, con el fin que se tenga todo en un solo ecosistema, es decir, se trabaje todo como conjunto. Por último, se debe de asegurar que el equipo en donde se vayan a estar corriendo los modelos predictivos tengas las especificaciones técnicas (hardware) necesarias para funcionar de manera eficiente, ya que estas suelen consumir bastante recurso del equipo.
Fuente: TDWI, Practical Predictive Analytics, By: Fern Halper