El rápido avance de la tecnología en el mundo del big data ha generado oportunidades sin precedentes para las organizaciones de servicios financieros, en la medida en que estas pueden acceder ahora a enormes cantidades de información sobre sus clientes y mercados objetivo. Sin embargo, este gran volumen resulta inservible sin las herramientas adecuadas para extraer información significativa.
¿Por qué utilizar el Análisis Predictivo?
El análisis predictivo combina técnicas de inteligencia artificial, machine learning, modelización y minería de datos para crear previsiones increíblemente útiles. No se trata de predecir el futuro con absoluta certeza, sino de visualizar resultados probables. Esto tiene, a su vez, enormes aplicaciones para la segmentación de audiencias, la anticipación al riesgo y el marketing, entre otras.
Los cuadros de mando interactivos proporcionan una de las mejores formas para ofrecer análisis predictivos, a medida que estas aplicaciones móviles ponen en manos de los responsables de la toma de decisiones información en tiempo real en cualquier lugar. Esto es solo uno de los estilos de lo que se denomina Inteligencia de Negocio de Autoservicio – una capacidad que permite a los empleados a lo largo de la empresa conectarse de forma sencilla y analizar cualquier dato, liberando a los equipos de TI de esta tarea y permitiéndoles centrarse en otros asuntos críticos para el negocio. Este tipo de herramientas permiten que sea el propio empleado el que importe y modele los datos, construya cuadros de mando interactivos y cree informes acordes a sus propias necesidades.
Según la consultora Aberdeen Group, los análisis predictivos incrementan en un 10 % las oportunidades de captar nuevos clientes, un 11 % el crecimiento de la base de clientes y un 8 % las posibilidades de venta cruzada y sobreventa. Por tanto, queda claro que aporta beneficios demostrables. Eso sí, siempre y cuando se implemente en un entorno controlado.
El papel clave del gobierno del dato
Normalmente los datos son almacenados en silos departamentales a lo largo de la organización. Por ejemplo, el departamento de marketing puede recopilar datos de la web y las redes sociales y usarlos de alguna forma para cumplir sus objetivos; por su parte, el de ventas utilizará sus datos para impulsar el incremento de los ingresos; y TI los estudiará con vistas a mejorar el rendimiento de la infraestructura. El big data se categoriza como estructurado (datos del rendimiento de la web y las ventas) o desestructurado (datos sobre clientes).
Los problemas surgen cuando todos los departamentos en una organización fallan a la hora de comunicarse unos con otros por el bien colectivo de la compañía. Con una estrategia adecuada de gobierno, los datos pueden ser organizados, controlados y compartidos entre los usuarios de negocio – permitiéndoles extraer su propia información sin el riesgo de corromperla para otros departamentos. El gobierno del dato establece procesos para asegurar que todos los equipos en la organización – desde ventas, a marketing, finanzas, TI – se adhieren a una estricta higiene de datos evitando su manipulación no intencionada, que puede conllevar consecuencias desastrosas.
Con la creciente popularidad de las herramientas analíticas de auto-servicio, la necesidad de una gestión del dato adecuada es más urgente que nunca. La firma analista Gartner ha reconocido este hecho al destacar el papel del Chief Data Officer (CDO) en los últimos años. La principal preocupación del CDO es eliminar los almacenes internos y crear una única vista de los datos que pueda ser accesible a través de todos los departamentos.
No todas las organizaciones pueden contratar a un CDO, pero sí pueden beneficiarse del poder del análisis predictivo, independientemente de su tamaño. Anteriormente, las herramientas más sofisticadas de análisis eran confinadas al dominio del departamento de TI, pero hoy en día, son lo suficientemente intuitivas para el usuario de negocio. Ahora, las empresas pueden utilizar el dispositivo que les resulte más útil para acceder fácilmente a dichas herramientas y averiguar cómo distintos factores pueden impactar potencialmente al rendimiento del negocio.
Las limitaciones de la previsión
Una vez que se ha puesto en marcha la estructura cultural y tecnológica para utilizar el análisis predictivo dentro de la organización es esencial comprender los retos de interpretar los datos. ¿Qué es lo que realmente nos puede decir en análisis predictivo?
En primer lugar, es importante comprender que el análisis predictivo ayuda a las empresas a obtener claridad sobre lo que probablemente vaya a ocurrir, no lo que pasará definitivamente. Por ejemplo, si una compañía de servicios financieros sabe que el 60 % de los residentes en un área determinado estarían probablemente interesados en un descuento en sus productos o servicios, el departamento financiero puede realizar predicciones de ingresos en base al ratio proyectado de residentes que están interesados frente a los que no. Sin embargo, no debería tomar esas predicciones como una garantía de ingresos para el trimestre.
Los problemas en torno al análisis predictivo provienen frecuentemente de la preparación de los datos, el gobierno y el exceso de confianza en la validez de los resultados, en vez de en el análisis por sí solo. Una de las áreas donde esto puede suceder es la de planificación financiera, donde la escasez de la calidad de los datos puede impactar en los resultados. Por ejemplo, si los datos han sido preparados o combinados de forma incorrecta se puede llegar a concusiones falsas o erróneas.
La incorporación del análisis predictivo en la estrategia de business intelligence
Antes de seleccionar una solución de análisis predictivo, las organizaciones necesitan, en primer lugar, establecer sus objetivos. Una vez entendidas sus necesidades específicas y el conocimiento que quieren obtener, pueden buscar un proveedor que cumpla sus expectativas y proporcione la solución tecnológica adecuada. Para asegurar el éxito a largo plazo, es crítico que este proporcione tanto la tecnología como el soporte técnico necesario.
Las empresas que deseen ser más ágiles y orientadas a datos necesitan un enfoque innovador en la toma de decisiones. Estas entidades, acostumbradas a mirar los datos históricos, tienen ahora la oportunidad para anticiparse a los resultados futuros. Con la estrategia adecuada, la tecnología y el gobierno del dato, el análisis predictivo, sin duda, proporciona una verdadera ventaja competitiva.
Hugh Owen
Vicepresidente senior de producto de MicroStrategy
