Las empresas más competitivas optimizan sus decisiones con modelos predictivos

La precisión de los pronósticos ha mejorado sustancialmente en la última década  en prácticamente todas las áreas del conocimiento humano.

 Atrás quedaron los tiempos en los que era difícil obtener con precisión la información para tomar decisiones.  Actualmente, la combinación de las herramientas estadísticas tradicionales con algoritmos de Machine Learning permite construir modelos predictivos de alta precisión que combinan y analizan información de múltiples fuentes. Si las empresas saben cuánto van a vender en el futuro pueden, por ejemplo, optimizar sus flujos de caja determinando niveles óptimos de endeudamiento, definir nivel óptimo de inventarios y mejorar la planeación de inversiones, entre otros.

 

Hoy en día, ya las empresas poseen la combinación de asequibles computadores, abundancia de fuentes información, internas y externas y  nuevos métodos de procesamiento y análisis de datos, que permiten desarrollar modelos predictivos para optimizar prácticamente cualquier proceso que tenga información para ser analizado. Ya es posible saber con precisión cómo diseñar una estrategia de mercadeo, de afiliaciones, de donantes, de nuevos clusters ó de talento humano.  Si estas decisiones se toman sin desarrollar modelos predictivos, es muy posible que estén desperdiciando esfuerzos, tiempo y recursos en actividades que no generan el mayor retorno posible a las organizaciones.

 

Gallup recomienda a los tomadores de decisiones concentrarse en el análisis de la información disponible y no distraerse en elementos que son accesorios pero no necesarios para comenzar a construir un modelo predictivo de gran impacto. Hay tres mitos que alejan a los tomadores de decisiones de comenzar a tomar decisiones informadas:

Mito

Explicación

1.       En mi organización no tenemos toda la información completa y depurada para construir un modelo predictivo 

Un modelo predictivo se puede comenzar a construir con información parcial para evaluar su utilidad inicial. Fuentes adicionales de información se pueden incluir posteriormente en el refinamiento del modelo. La construcción misma de un modelo predictivo implica depuración de la información.

2.       Mi organización no cuenta con recursos para comprar licencias de software especializado que nos permitan analizar la información 

El mayor número de modelos predictivos disponibles para analizar la información está disponible en software libre que no requiere la compra de ninguna licencia. El software libre adicionalmente permite que las organizaciones construyan soluciones personalizadas para cada empresa gracias a su flexibilidad.

3.       Los computadores de mi organización no tienen la capacidad de procesamiento necesaria para correr modelos predictivos 

Una cantidad significativa de problemas analíticos no requieren el uso de Big Data y se pueden resolver en la mayoría de los casos con la infraestructura de equipos de cómputo existentes.


Una vez superados los tres mitos comunes que dilatan la implementación de un modelo predictivo, Gallup recomienda a las organizaciones comenzar con proyectos pilotos que se puedan escalar en el futuro y que tengan un claro retorno de inversión para la empresa.

 

 

DAVID LLANOS 
Senior Data Scientist

david_llanos@gallup.com

GALLUP®

 

facebook icon