¿Qué es el análisis prescriptivo?
El análisis prescriptivo es un tipo de análisis de datos: el uso de tecnología para ayudar a las empresas a tomar mejores decisiones a través del análisis de datos sin procesar. Específicamente, la analítica prescriptiva factoriza la información sobre posibles situaciones o escenarios, recursos disponibles, desempeño pasado y desempeño actual, y sugiere un curso de acción o estrategia. Se puede utilizar para tomar decisiones en cualquier horizonte temporal, de inmediato a largo plazo.
Lo opuesto a la analítica prescriptiva es la analítica descriptiva, que examina las decisiones y los resultados después del hecho.
Cómo funciona la analítica prescriptiva
La analítica prescriptiva se basa en técnicas de inteligencia artificial, como el aprendizaje automático, la capacidad de un programa de computadora, sin aportes humanos adicionales, para comprender y avanzar de los datos que adquiere, adaptándose todo el tiempo. El aprendizaje automático hace posible procesar la enorme cantidad de datos disponibles en la actualidad. A medida que se dispone de datos nuevos o adicionales, los programas de computadora se ajustan automáticamente para usarlos, en un proceso que es mucho más rápido y más completo de lo que las capacidades humanas podrían administrar.
Numerosos tipos de empresas y agencias gubernamentales con uso intensivo de datos pueden beneficiarse del uso de análisis prescriptivos, incluidos aquellos en los sectores de servicios financieros y atención médica, donde el costo del error humano es alto.
El análisis prescriptivo funciona con otro tipo de análisis de datos, el análisis predictivo, que implica el uso de estadísticas y modelos para determinar el rendimiento futuro, en base a datos actuales e históricos. Sin embargo, va más allá: utilizando la estimación de análisis predictivo de lo que es probable que suceda, recomienda qué curso futuro tomar.
Los pros y los contras de la analítica prescriptiva
El análisis prescriptivo puede cortar el desorden de la incertidumbre inmediata y las condiciones cambiantes. Puede ayudar a prevenir el fraude, limitar el riesgo, aumentar la eficiencia, cumplir con los objetivos comerciales y crear clientes más leales.
Sin embargo, el análisis prescriptivo no es infalible. Solo es efectivo si las organizaciones saben qué preguntas hacer y cómo reaccionar ante las respuestas. Si los supuestos de entrada no son válidos, los resultados de salida no serán precisos.
Sin embargo, cuando se usa de manera efectiva, el análisis prescriptivo puede ayudar a las organizaciones a tomar decisiones basadas en hechos altamente analizados en lugar de llegar a conclusiones poco informadas basadas en el instinto. La analítica prescriptiva puede simular la probabilidad de varios resultados y mostrar la probabilidad de cada uno, ayudando a las organizaciones a comprender mejor el nivel de riesgo e incertidumbre que enfrentan de lo que podrían depender de los promedios. Las organizaciones pueden obtener una mejor comprensión de la probabilidad de los peores escenarios y planificar en consecuencia.
Para llevar clave
- La analítica prescriptiva hace uso del aprendizaje automático para ayudar a las empresas a decidir un curso de acción basado en las predicciones de un programa informático. La analítica prescriptiva funciona con la analítica predictiva, que utiliza datos para determinar los resultados a corto plazo. Cuando se utiliza de manera efectiva, la analítica prescriptiva puede ayudar a las organizaciones a tomar decisiones basado en hechos y proyecciones ponderadas por la probabilidad, en lugar de saltar a conclusiones poco informadas basadas en el instinto.
Ejemplos de análisis prescriptivo
Numerosos tipos de empresas y agencias gubernamentales con uso intensivo de datos pueden beneficiarse del uso de análisis prescriptivos, incluidos aquellos en los sectores de servicios financieros y atención médica, donde el costo del error humano es alto.
El análisis prescriptivo podría usarse para evaluar si un departamento de bomberos local debería exigir a los residentes que evacuen un área en particular cuando se está quemando un incendio forestal cerca. También podría usarse para predecir si un artículo sobre un tema en particular será popular entre los lectores en función de los datos sobre búsquedas y acciones sociales para temas relacionados. Otro uso podría ser ajustar un programa de capacitación de trabajadores en tiempo real en función de cómo el trabajador está respondiendo a cada lección.
Análisis prescriptivo para hospitales y clínicas
Del mismo modo, la analítica prescriptiva puede ser utilizada por hospitales y clínicas para mejorar los resultados para los pacientes. Pone en contexto los datos de atención médica para evaluar la rentabilidad de varios procedimientos y tratamientos y para evaluar los métodos clínicos oficiales. También se puede usar para analizar qué pacientes del hospital tienen el mayor riesgo de reingreso para que los proveedores de atención médica puedan hacer más, a través de la educación del paciente y el seguimiento del médico para evitar los constantes retornos al hospital o la sala de emergencias.
Análisis prescriptivo para aerolíneas
Suponga que usted es el CEO de una aerolínea y desea maximizar las ganancias de su empresa. El análisis prescriptivo puede ayudarlo a hacer esto ajustando automáticamente el precio y la disponibilidad del boleto en función de numerosos factores, incluidos la demanda del cliente, el clima y los precios de la gasolina. Cuando el algoritmo identifica que las ventas de boletos antes de Navidad de este año de Los Ángeles a Nueva York están rezagadas el año pasado, por ejemplo, puede bajar los precios automáticamente, mientras se asegura de no bajarlos demasiado a la luz de los precios del petróleo más altos de este año.
Al mismo tiempo, cuando el algoritmo evalúa la demanda más alta de lo normal de boletos de St. Louis a Chicago debido a las condiciones de la carretera helada, puede aumentar los precios de los boletos automáticamente. El CEO no tiene que mirar una computadora todo el día para ver qué sucede con las ventas de boletos y las condiciones del mercado y luego instruir a los trabajadores a iniciar sesión en el sistema y cambiar los precios manualmente; un programa de computadora puede hacer todo esto y más, y también a un ritmo más rápido.
