Análisis predictivo: convertir datos en decisiones

La mayoría de los proyectos de análisis producen un panel. Una buena produce una decisión. La diferencia es el punto central, y es ahí donde muchos esfuerzos fracasan silenciosamente.

¿Qué es el análisis predictivo, en términos sencillos?

El análisis predictivo utiliza sus datos históricos para estimar lo que probablemente sucederá a continuación, de modo que una persona o un sistema pueda actuar antes de que lo haga. Es el paso más allá de informar. Los informes le dicen lo que ya sucedió. El análisis predictivo le indica lo que está por venir y le da tiempo para hacer algo al respecto, mientras todavía hay una decisión que tomar.

Una predicción sin acción es un hobby

Es satisfactorio pronosticar qué clientes podrían irse o cuántas existencias necesitará el próximo trimestre. Sólo tiene valor si ese pronóstico cambia lo que alguien hace el lunes por la mañana. Antes de construir un modelo, decida qué acción desencadenará su resultado. Si no puede nombrar la acción, no está listo para construir el modelo, y un panel en el que nadie actúa es simplemente una forma costosa de sentirse informado.

¿Cómo se crean análisis que la gente realmente usa?

La forma confiable de crear análisis útiles es comenzar por el final, con la decisión, y trabajar hacia atrás hasta los datos.

1. Nombre la decisión. ¿Qué decisión desea tomar mejor y quién la toma? Un propietario designado y una elección determinada mantienen el proyecto honesto.
2. Defina el umbral. ¿En qué número cambia la decisión? Una puntuación de abandono de 0,8 no significa nada hasta que haya acordado lo que sucede en 0,8 y no sucede en 0,6.
3. Luego elige el modelo. Sólo una vez que conozcas la decisión y el umbral, la pregunta de qué técnica utilizar tendrá sentido.

Este orden importa. Los equipos que parten de los datos y buscan algo interesante tienden a encontrar algo interesante e inútil. Los equipos que parten de la decisión construyen el modelo más pequeño que la mueve.

¿Por qué la confianza es el producto real?

Sólo se actúa sobre un pronóstico si las personas que lo utilizan confían en él, y confianza no es lo mismo que precisión. Se gana de tres maneras. Al ser honesto acerca de la incertidumbre, el usuario sabe cuándo el modelo está adivinando. Acertando con la suficiente frecuencia como para importar, medido en función de la decisión y no de una tabla de clasificación. Y al ser explicable, la persona en el gancho puede defender la decisión que tomó. Se utilizará un modelo que diga "la renovación es poco probable y he aquí por qué". Una caja negra que emite un número simple será silenciosamente ignorada, sin importar cuán buenas sean las matemáticas detrás de ella.

Aquí la calibración importa tanto como la precisión bruta. Un modelo que acierta el setenta por ciento de las veces y señala honestamente su incertidumbre es más útil que uno que acierta el setenta y cinco por ciento de las veces pero que suena igual de seguro acerca de todo, porque el primero le dice al usuario cuándo mirar más de cerca y el segundo no. Saber cuándo desconfiar del modelo es parte de utilizarlo bien.

¿Dónde da sus primeros frutos el análisis predictivo?

Las victorias más rápidas comparten una forma: una decisión que se toma con frecuencia, en una fecha límite, donde llegar temprano vale dinero real. Algunos ejemplos recurrentes:

• Curn. Detectar a los clientes a punto de irse mientras todavía hay tiempo para retenerlos.
• Demanda y existencias. Previsión de lo que necesitará para no quedarse sin efectivo ni acumular dinero en los estantes.
• Mantenimiento y riesgo. Marcar el activo, reclamo o cuenta que está a punto de convertirse en un problema, antes de que lo haga.

Cada uno de ellos es un pronóstico adjunto a una acción clara, que es exactamente la razón por la que dan resultados. Si su empresa se basa en años de registros que nunca ha utilizado realmente, esa brecha entre los datos y las decisiones es una de las señales más claras de que es hora de actuar en consecuencia. Convertir un modelo en un sistema que su equipo ejecuta todos los días es su propia disciplina y es donde el trabajo pasa del asesoramiento a algo en producción. También es el corazón de lo que nuestro trabajo de análisis predictivo se propone hacer.

La comida para llevar

Un buen análisis predictivo no se trata del algoritmo más inteligente. Se trata de cerrar la brecha entre un número en una pantalla y una mejor decisión en la sala. Empiece por la decisión, gánese la confianza y el modelo se cuidará solo.