Introducción a la analítica empresarial y herramientas de análisis de datos

Existe una necesidad cada vez mayor de sistemas avanzados de apoyo a la toma de
decisiones e información en el feroz entorno competitivo global. La rentabilidad y el
negocio en general se pueden gestionar mejor con acceso a herramientas predictivas:
para predecir, incluso aproximadamente, los precios de mercado de las materias
primas utilizadas en producción, por ejemplo. La analítica empresarial implica, entre
otras, técnicas cuantitativas, estadísticas, tecnología de la información (TI),
herramientas de análisis y datos y modelos econométricos. Puede empujar
positivamente desempeño empresarial más allá de la experiencia ejecutiva o la simple
intuición. La analítica empresarial (o analítica avanzada para el caso) también puede
incluir variables no financieras, en lugar de los parámetros tradicionales que pueden
basarse únicamente en el desempeño financiero. La analítica empresarial puede
ayudar a las empresas de forma eficaz, por ejemplo, a detectar fraudes con tarjetas de
crédito, identificar clientes potenciales, canalizar o predecir la rentabilidad por cliente,
ayudando a las empresas de telecomunicaciones a lanzar los más rentables planes de
telefonía móvil y pólizas de seguro flotantes que pueden dirigirse a un segmento
designado de clientes.
De hecho, las técnicas analíticas avanzadas ya se están utilizando con eficacia en todos
estos campos y en muchos más.
Este capítulo cubre los conceptos básicos que se requieren para comprender todas las
técnicas analíticas utilizadas en este libro.
Business Analytics, la ciencia de las decisiones basadas en datos Haciendo
Muchas técnicas analíticas son intensivas en datos y requieren que los tomadores de
decisiones comerciales tengan un Comprensión de las herramientas estadísticas y de
otras herramientas analíticas. Estas técnicas invariablemente requieren nivel de
conocimientos de TI y bases de datos. Organizaciones que utilizan técnicas de análisis
empresarial en la toma de decisiones.
También necesitan desarrollar e implementar un enfoque basado en datos en sus
operaciones diarias, planificación y elaboración de estrategias. Sin embargo, en un
gran número de casos, las empresas no tienen otra opción que implementar un
enfoque de toma de decisiones basado en datos debido a la feroz competencia y las
presiones de reducción de costos. Esta hace de la analítica empresarial una elección
profesional lucrativa y gratificante. Este puede ser el momento adecuado para que
ingrese en este campo porque la cultura de la analítica empresarial aún se encuentra
en su etapa incipiente en la mayoría de las organizaciones mundo y está a punto de
explotar con respecto a las crecientes oportunidades.

Definición de Business Analytics

La analítica empresarial se trata de datos, metodologías, TI, aplicaciones, técnicas
matemáticas y estadísticas y las habilidades necesarias para obtener nuevos
conocimientos empresariales y comprender el rendimiento empresarial. Utiliza
iterativo y exploración metódica de datos pasados para respaldar decisiones
comerciales.
La analítica empresarial tiene como objetivo aumentar la rentabilidad, reducir los
gastos de garantía, adquirir nuevos clientes, retener a los clientes, realizar ventas
adicionales o cruzadas, supervisar la cadena de suministro, mejorar las operaciones o
simplemente reducir la tiempo de respuesta a las quejas de los clientes, entre otros.
Las aplicaciones de la analítica empresarial son numerosas. y en las verticales de la
industria, incluidas la fabricación, las finanzas, las telecomunicaciones y el comercio
minorista. La banca global y La industria financiera ha sido tradicionalmente uno de los
usuarios más activos de técnicas analíticas. Lo típico Las aplicaciones en la vertical de
finanzas detectan fraudes con tarjetas de crédito, identifican morosos de préstamos,
adquieren nuevos clientes, identificar a los que responden a las campañas de correo
electrónico, predecir el valor de la relación o la rentabilidad de clientes y el diseño de
nuevos productos financieros y de seguros. Todos estos procesos utilizan una gran
cantidad de datos y cálculos e interpretaciones estadísticos bastante complicados.
Cualquier aplicación de análisis empresarial implica un esfuerzo considerable para
definir el problema.
y la metodología para resolverlo, recopilación de datos, limpieza de datos,
construcción de modelos, validación de modelos y la
interpretación de resultados. Es un proceso iterativo, y es posible que los modelos
deban construirse varias veces antes
finalmente son aceptados. Incluso un modelo establecido necesita ser revisado /
reconstruido periódicamente para cambios en
los datos de entrada o los cambios en las condiciones comerciales (y supuestos) que se
utilizaron en el modelo original
edificio.
Cualquier sistema de apoyo a la toma de decisiones significativo que utilice análisis de
datos requiere, por tanto, desarrollo y implementación de una cultura sólida basada en
datos dentro de la organización y todas las entidades externas que apoyarlo.
Tomemos un ejemplo de un sitio web minorista popular que tiene como objetivo
promocionar un producto de lujo. Para hacer eso,
El sitio web minorista desea saber a qué segmento de clientes debe dirigirse para
maximizar las ventas de productos.
con dólares promocionales mínimos. Para hacer esto, el sitio web necesita recopilar y
analizar los datos de los clientes.
Es posible que el sitio web también desee saber cuántos clientes lo visitaron y a qué
hora; su género, ingresos
paréntesis y datos demográficos; qué secciones del sitio web visitaron y con qué
frecuencia; sus
patrones de compra y navegación; el navegador web que utilizaron; las cadenas de
búsqueda que usaron para ingresar al sitio web;
y otra información similar.
Si se analizan correctamente, estos datos presentan una enorme oportunidad para
obtener información empresarial útil.
sobre los clientes, lo que brinda la oportunidad de reducir los costos de promoción y
mejorar las ventas generales. Negocio
Las técnicas de análisis son capaces de trabajar con múltiples y una variedad de
fuentes de datos para construir los modelos.
que pueden derivar en valiosos conocimientos empresariales que antes no eran
posibles. Esta rica base de hechos derivada se puede utilizar
para mejorar las experiencias de los clientes, agilizar las operaciones y, por lo tanto,
mejorar la rentabilidad general. En
En el ejemplo anterior, es posible, mediante la aplicación de técnicas de análisis de
negocios, orientar el producto a un
segmento de clientes que es más probable que lo compren, minimizando así los costos
promocionales.
Los parámetros convencionales de rendimiento empresarial se basan principalmente
en indicadores financieros como
como ingresos netos y beneficios netos. Pero hay más en el desempeño de una
empresa que solo
parámetros financieros. Medidas como la eficiencia operativa, la motivación de los
empleados, el empleado medio
el salario, las condiciones de trabajo, etc., pueden ser igualmente importantes. Por
tanto, el nmero de parmetros que son
utilizados para medir o predecir el desempeño de una empresa se han incrementado
aquí. Estos parámetros
aumentar la cantidad de datos y la complejidad de analizarlos. Esto es sólo un ejemplo.
El puro volumen
de datos y número de variables que deben manejarse para analizar el comportamiento
del consumidor en una red social.
El sitio web de medios, por ejemplo, es inmenso. En tal situación, la sabiduría
convencional y las herramientas de informes pueden
fallar. Las técnicas de modelado predictivo de análisis avanzado ayudan en tales casos.
Los capítulos siguientes de este libro se ocuparán de la analítica de datos. Estadístico y
cuantitativo
técnicas utilizadas en análisis avanzado, junto con TI, brindan información empresarial
mientras manejan una amplia
cantidad de datos que no era posible hasta hace unos años. Las potentes máquinas
informáticas y
software (como SAS) se encarga de todas las laboriosas tareas de codificación de
algoritmos analíticos y libera al analista
trabajar en las importantes tareas de interpretación y aplicar los resultados para
obtener conocimientos empresariales.
¿Es Advanced Analytics la solución para usted?
Cualquiera que se encuentre en un entorno empresarial competitivo y enfrente
desafíos como los siguientes, o casi
cualquier problema para el que haya datos disponibles, podría ser un candidato
potencial para aplicar análisis avanzados
técnicas:
• Análisis de patrones de compra del consumidor
• Mejorar la satisfacción general del cliente
• Predecir los plazos de entrega en la cadena de suministro
• Optimización de costes de garantías
• Dimensionamiento adecuado u optimización de la fuerza de ventas
• Modelado de precios y promociones
• Predecir la respuesta del cliente a la promoción de ventas
• Análisis de riesgo crediticio
• Identificación de fraude
• Identificación de posibles morosos de préstamos
• Descubrimiento de medicamento
• Análisis de datos clínicos
• Análisis de sitios web
• Análisis de texto (por ejemplo, en Twitter)
• Análisis de redes sociales
• Identificar genes responsables de una enfermedad en particular.
Como se discutió, la analítica empresarial es una cultura que debe desarrollarse,
implementarse y, finalmente,
integrado como forma de vida en cualquier organización con respecto a la toma de
decisiones. Muchas organizaciones alrededor
el mundo ya ha experimentado y se ha dado cuenta del potencial de esta cultura y está
optimizando con éxito
sus recursos aplicando estas técnicas.
EJEMPLO
Compensaciones tales como volúmenes de ventas versus puntos de precio y los costos
de llevar inventario versus
las posibilidades de que las existencias no estén disponibles bajo demanda son
siempre parte de la toma de decisiones del día a día para
gerentes. Muchas de estas decisiones comerciales son muy subjetivas o se basan en
datos disponibles que no
que relevante.
En uno de esos ejemplos, el análisis de una empresa encontró que la fuerza impulsora
de los sentimientos de los clientes en
Los sitios clave de redes sociales no son sus comerciales de televisión, sino la
interacción con los centros de llamadas de la empresa.
La calidad del servicio brindado por la empresa, y la calidad de la interacción del centro
de llamadas, fue en gran parte
afectando el impacto de la marca. Con base en estos conocimientos, la empresa
decidió desviar parte del gasto
en comerciales de televisión para mejorar los niveles de satisfacción del centro de
llamadas. Los resultados fueron claramente visibles;
Las encuestas de satisfacción del cliente mejoraron considerablemente y hubo un
aumento significativo en
base e ingresos.
Simulación, modelado y optimización
Esta sección (y el capítulo, en general) explica la terminología y los conceptos básicos
para construir una base para
los próximos capítulos, que serán de naturaleza más específica y técnica.
Simulación
Hay varios tipos de simulaciones. En el contexto de la analítica, las simulaciones por
computadora, un término de uso frecuente,
es más relevante. Algunos sistemas o escenarios del mundo real pueden ser complejos
y difíciles de comprender o predecir. Predecir una tormenta de nieve o predecir los
precios de las acciones son ejemplos clásicos. Dependen de varios
variables o factores, que son prácticamente imposibles de predecir. Los precios diarios
de las acciones, por ejemplo, pueden ser
afectados por las condiciones políticas actuales, los principales acontecimientos del
día, el entorno empresarial internacional,
precios en dólares, o simplemente el estado de ánimo general en el mercado.
Puede haber varios niveles de simulaciones, desde programas simples que son unos
cientos de líneas de código.
que son complejos y millones de líneas de código. Las simulaciones por computadora
utilizadas en las ciencias atmosféricas son
Otro ejemplo clásico en el que se utilizan complejos sistemas informáticos y software
para la predicción del tiempo y
pronóstico.
Las simulaciones por computadora utilizan varios modelos estadísticos en análisis.
Modelado
Un modelado es simplemente la lógica matemática y los conceptos que entran en un
programa de computadora. Estos modelos,
junto con los datos asociados, representan los sistemas del mundo real. Estos modelos
se pueden utilizar para estudiar la
efecto de diferentes componentes y predecir el comportamiento del sistema. Como se
discutió anteriormente, la precisión con la que
un modelo representa un sistema del mundo real puede variar y depende de las
necesidades y recursos del negocio
disponible. Por ejemplo, una precisión del 90 por ciento en la predicción podría ser
aceptable en aplicaciones bancarias.
como la identificación de morosos de préstamos, pero en sistemas que involucran
vidas humanas, por ejemplo, confiabilidad
modelos en aplicaciones aeroespaciales: se desea una precisión del 100 por ciento, o lo
más cercano a ella.
Mejoramiento
La optimización es un término relacionado con las simulaciones por computadora. El
único objetivo de algunas simulaciones por computadora
puede ser simplemente para asegurar la optimización, que en términos simples se
puede explicar como minimización o
maximización de una función matemática, sujeta a un conjunto dado de restricciones.
En problemas de optimización, un
Es posible que sea necesario seleccionar un conjunto de variables de una gama de
alternativas disponibles para minimizar o maximizar un
función matemática mientras se trabaja con restricciones. Aunque la optimización se
analiza aquí en su forma más
forma simple, hay mucho más que eso.
Un ejemplo de un problema de optimización simple es maximizar el tiempo de trabajo
de una máquina, mientras
mantener los costos de mantenimiento por debajo de un cierto nivel. Si hay suficientes
datos disponibles, este tipo de problema puede
ser resuelto utilizando técnicas analíticas avanzadas. Otro ejemplo de un problema
práctico de optimización es
fábricas de procesos químicos, donde un ingeniero puede necesitar ajustar un
conjunto dado de parámetros de proceso para
para obtener el máximo rendimiento de una planta de reacción química, al mismo
tiempo que mantiene los costos dentro del presupuesto. Avanzado
Las técnicas analíticas también pueden ser una alternativa aquí.