¿Cúales son las claves del éxito?

Lo necesario para que la adopción de la inteligencia analítica sea un éxito

Icons Freepik from Flaticon

Muchas veces se limita el rol del analytics a la componente predictiva del problema que se aborda. Sin embargo, adoptar analytics implica unir Negocio + Matemáticas + Tecnología. Tener cuidado en todas y cada una de las etapas del proceso del dato al valor es primordial.

Algunas tareas que podemos destacar son:

  • Enriquecer los datos, el ingrediente fundamental, para ser utilizados en los modelos analíticos. Por ejemplo:

    • Hacer uso de información de múltiples fuentes, tanto internas como externas: social calendar, weather, economy, etc.
    • Tratar los datos atípicos y los datos faltantes - missings -.
    • Transformar los datos para poner en evidencia la relación entre las variables.
    • Disponer de un datamart con los datos tratados, que pueden ser utilizados en varias iniciativas analíticas.
  • Disponer de más datos aumentan nuestras posibilidades de usar algoritmos más complejos para hacer nuestras previsiones. Pero, más allá del volumen, calidad y tratamiento de los datos, seleccionar el mejor algoritmo para cada caso de uso es una de las claves de éxito.

Disponer de toneladas de datos no nos obliga a usar redes neuronales o deep learning. La selección del algoritmo a ser aplicado debe tener en cuenta:

  • Granularidad y frecuencia de los datos,
  • Número de previsiones, recomendaciones que deben otorgarse,
  • Frecuencia en que el sistema analítico debe ser actualizado,
  • Coste computacional,
  • etc.

Por poner un ejemplo, en el mismo sistema de previsión de demanda, podemos usar modelos tradicionales de series temporales para la demanda a nivel cliente y usar redes neuronales y/o ensamblaje de modelos para la demanda a nivel regional.

De allí que contar con un buen sistema de diagnosis y analizar el nivel de acierto /precisión de los resultados es un ingrediente obligatorio.

  • Otro ingrediente es el sistema tecnológico, en sí mismo. Algunas de las características deseables son:

    • Flexible para datos y tecnología
    • Procesos automatizados
    • Reducir trabajo manual
    • Capaz de conectarse a otros sistemas de la empresa
  • Un último ingrediente, pero quizás más importante es la relación directa con los objetivos de negocio. Los analistas, de la mano de los ejecutivos, deben conocer cada caso de uso y ser capaces de identificar oportunidades futuras. Este trabajo conjunto facilita la interpretación de la información, el descubrimiento de errores en los datos, construir sistemas de modelos capaces de contestar un gran número de preguntas y servir como herramientas de simulación del futuro. En resumen, ayuda a rentabilizar el dato.

Avatar
Romy Rodriguez-Ravines
Going beyond data | Statistics + Machine Learning

Entender, Modelizar, Predecir = Aprender y extraer valor de los datos para personas y organizaciones.

Related