7 Razones para Usar Hoy El Analisis Predictivo

Con el tiempo el análisis predictivo ha llegado a su madurez y se
ha convertido en una práctica corporativa esencial y necesaria

para mantener la ventaja sobre la competencia. Esta tecnología
representa una fase completamente nueva en la evolución
empresarial en tanto que lleva a escena el aprendizaje
organizativo, que hace que el negocio crezca puesto que
implementa una sola forma de gestión de riesgos basada en
datos a través de diversos escenarios. Este informe presenta
siete objetivos estratégicos que solo podrán alcanzarse
absolutamente haciendo uso del análisis predictivo, a saber,
Competir, Crecer, Consolidar, Mejorar, Satisfacer, Aprender y
Actuar.
Una nueva fase en la evolución empresarial:

Aprendizaje Organizativo Aplicado
Los datos empresariales son un activo estratégico incalculable

porque representan la experiencia acumulada de una organización,
Análisis predictivo: la verdadera historia de sus interacciones con los clientes. Toda
Tecnología de inteligencia respuesta del cliente (o la falta de ella), compra, decisión,
empresarial que produce adquisición, abandono absoluto, fraude, falta de crédito o queja por
una puntuación predictiva un producto defectuoso proporciona a la empresa una experiencia
para cada cliente u otro de la que aprender.
elemento organizativo. El análisis predictivo hace prospecciones en la rica veta de la
Asignar esta puntuación experiencia y luego la explota generando modelos predictivos
predictiva es el cometido automáticamente. Los principales métodos analíticos maximizan el
de un modelo predictivo rendimiento de los modelos puesto que los perfeccionan mediante
datos de instrucción. De este modo la generación de modelos se
que a su vez se ha convierte en un acto de aprendizaje a partir de la experiencia que se
instruido a partir de los encuentra codificada en los datos; el modelo en sí mismo es el
datos de su empresa. producto resultante y a la vez el objeto aprendido.
………… La empresa materializa el valor potencial de negocio del proceso de

aprendizaje cuando aplica lo que se ha aprendido. Esto se consigue
Con el análisis cuando se actúa basándose en la puntuación obtenida de cada
predictivo la empresa cliente mediante un modelo predictivo. Por ejemplo, un modelo
concreto marca aquellos clientes de mayor riesgo asignándoles una
aprende de su elevada puntuación predictiva; si se elabora una oferta específica de
experiencia permanencia, como un descuento solamente para tales clientes, se
obtiene una enorme ganancia en el balance final.
acumulada (datos), y
actúa en función de lo El aprendizaje organizativo aplicado hace que la empresa
que ha aprendido. evolucione. Este proceso organizativo colectivo que permite
aprender de la experiencia acumulada y aplicar lo aprendido -en
todas las funciones empresariales- ofrece una oportunidad sin
precedentes para crecer. Si su empresa tiene la intención de
sumarse a esta emergente y rauda fase de evolución empresarial, el
análisis predictivo es la tecnología para hacerlo.
2
© 2010 Prediction Impact, Inc. Reservados todos los derechos.
Gestionar los riesgos: lo que toda organización
debería aprender de las compañías de seguros
Los métodos actuariales que permiten que una compañía de seguros

lleve a cabo su negocio principal realizan exactamente la misma
función que los modelos predictivos: clasificar a los clientes por la
probabilidad de resultado positivo o negativo. Los modelos predictivos
mejoran los métodos actuariales estándar puesto que incorporan la
automatización de análisis adicionales y abarcan un conjunto más
amplio de variables de cliente. Para afianzar estas ventajas muchas
compañías de seguros están ampliando sus prácticas al integrar los
análisis predictivos con el fin de mejorar sus decisiones en cuanto a
selección y tarificación.
Al igual que en el sector de las aseguradoras, todo negocio consiste,

básicamente, en un ejercicio de gestión de riesgos. Cualquier decisión
que tome una empresa, cualquier paso que dé, repercute en los
riesgos que ésta debe afrontar, tales como el abandono de un cliente,
la no respuesta a una cara y atractiva publicidad, el gasto que supone
Al igual que las un descuento de permanencia aun cuando no logre su fin, el de no ser
seleccionado para una solicitación telefónica que hubiera comportado
aseguradoras, todo una venta, la comisión de fraude, convertirse en un "cliente perdido"
al modo de un mal deudor o un titular de póliza de seguros con un
negocio se elevado número de quejas.
beneficiaría del
Por tanto, al igual que las compañías de seguros, todos los negocios
cálculo de riesgos en deberían beneficiarse de la medición, seguimiento y cálculo de riesgos
tanto que proceso en tanto que proceso esencial. El medio que se basa en los datos para
calcular los riesgos -de cualquier tipo de resultado negativo en
esencial general- es el análisis predictivo. Con los clientes clasificados por el
…………………………… nivel de riesgo, la empresa puede gestionar los riesgos de forma más
precisa, transformando eficazmente el riesgo en oportunidad.
El análisis predictivo Aprenda de sus errores, analíticamente. Lo que la empresa aprende
ofrece un sistema con el análisis predictivo es, de hecho, cómo reducir los riesgos. Cada
exhaustivo basado en resultado negativo que se produce representa una oportunidad de la
que aprender, sistemáticamente. Con este fin, los datos de los que
datos para la gestión aprenden los modelo predictivos incluyen los ejemplos negativos y
de riesgos. también los positivos, tanto los éxitos como los "errores" inevitables.
Cada uno de estos dos tipos de experiencia proporciona casos
importantes de los que aprender. Aun cuando los datos de instrucción
contengan muchos más de los unos que de los otros -como el caso de
la correspondencia directa, que a menudo representa solamente un
pequeño porcentaje de respuesta positiva-, los métodos analíticos
pueden aprovechar el 100% de los datos con el fin de aprender de
todos los resultados que ha experimentado una empresa.
3
La empresa integra la puntuación del modelo predictivo con el fin
de actuar según lo aprendido. En cada paso dado, la puntuación
predictiva prevé dónde se puede “meter la pata” incurriendo en
un riesgo innecesario y, por tanto, ayuda a la empresa a evitarlo.
De modo que el análisis predictivo ofrece un exhaustivo sistema
basado en datos para la gestión de los riesgos.
La era del análisis predictivo: una actividad madura
El análisis predictivo ha emergido como una práctica empresarial

consolidada y dominante, tal como lo prueban los hechos
siguientes:
Tecnología analítica probada. Surgida en los laboratorios de

investigación y basada en ciencias matemáticas, cálculo de
probabilidades, estadísticas y tecnologías de bases de datos, la
disciplina de los modelos predictivos, conocida como aprendizaje
automático en el ámbito académico, ha sido científicamente
probada y se ha beneficiado de décadas de avances. Para saber
más sobre esta importante tecnología, consulte la Sección 6.
La capacidad de los Valor de negocio consolidado. Los descubrimientos de los

laboratorios de investigación tienen efecto en el "mundo real". En
modelos predictivos una encuesta, el 90% de los encuestados consiguió una
ha sido rentabilidad positiva gracias a su exitosa implementación de
científicamente análisis predictivos; más de la mitad lo consiguió igualmente aun
con una implementación no tan exitosa.1 En otra encuesta, “Entre
probada y se beneficia los encuestados que han implementado análisis predictivos, el 66%
de décadas de dice que proporcionan un valor de negocio ‘muy elevado’ o
‘elevado’.”2 Las iniciativas que se sirven de los análisis predictivos
avances. muestran una rentabilidad media del 145%, en contraste con el
………………………… 89% de media de otros métodos inteligentes no predictivos.3 Otra
encuesta reveló que “Los usuarios de análisis predictivos... han
Con un permanente conseguido una mejora del 1% en los márgenes de beneficio con
respecto al último año, y un aumento anual del 6% en
historial de éxitos, el conservación de los clientes. Los encuestados que aún no han
análisis predictivo adoptado las tecnologías predictivas experimentaron un descenso
presume de probadas del 2% en los márgenes de beneficio, y una caída del 1% en su tasa
de conservación de clientes."4 Con un permanente historial de
soluciones de éxitos, el análisis predictivo presume de probadas soluciones de
software que ofrecen software que ofrecen esta tecnología a la empresa moderna, y a la
vez se integra con ella.
esta tecnología a la
empresa moderna, y a
la vez se integra con
ella.
4
Crecimiento del sector. La carrera ha empezado y el análisis
predictivo va por delante a toda velocidad, con un índice de
crecimiento anual estimado del 8-10%.5 En una encuesta, el 85% de
los encuestados prevé desplegar nuevos análisis predictivos en
cinco años; el 51,5% en seis meses.6 En otra, el 79% de las grandes
empresas prevé desplegar análisis predictivos.7 “A más largo plazo,
el objetivo principal para entre dos tercios y tres cuartos de los
ejecutivos es desarrollar la capacidad de sistematizar y prever
comportamientos hasta tal punto que las decisiones individuales
puedan tomarse en tiempo real, basándose en los análisis que se
tienen a mano.”8
Adquisiciones e inversiones en el sector. Cada año surgen, se

adquieren o se invierte en numerosos y pequeños proveedores de
software de análisis, pero el evento más rompedor en este frente ha
sido la adquisición por parte de IBM de SPSS por 1.200 millones de
dólares; un anuncio que se hizo en medio de la recesión de 2009.9
Eventos del sector. La creciente popularidad de los eventos

El análisis predictivo exclusivos y consolidados del sector que se centran en el despliegue
va por delante a toda comercial de análisis predictivos demuestra la buena salud y
penetración en el mercado del sector. En estos eventos se incluye la
velocidad, con un conferencia Predictive Analytics World
índice de (http://www.predictiveanalyticsworld.com) dirigida a todos los
proveedores, y los eventos organizados por los proveedores como
crecimiento anual el IBM Business Analytics Forum (http://www-
estimado del 01.ibm.com/software/data/2010-conference/business-analytics/). Los
8-10%. programas de estos eventos se llenan cada vez más de casos
prácticos y de historias de éxito de marcas comerciales.
…………………………
El análisis predictivo alcanza los objetivos
Su organización estratégicos en todas las funciones
necesita análisis empresariales
predictivos porque
Si se aplican los análisis predictivos en todas las funciones
estos siete objetivos empresariales, la empresa puede alcanzar múltiples objetivos
estratégicos pueden estratégicos. Tal como se muestra en la Figura 1, los modelos
alcanzarse predictivos generados a partir de los datos de la empresa se integran
en las unidades de negocio de toda la organización, incluidas las
absolutamente solo secciones de marketing, ventas, detección de fraude, el centro de
si se implementan. llamadas y el negocio principal (p. ej. ensamblaje de productos).
Su organización debería implementar el análisis predictivo porque

los siguientes objetivos estratégicos solamente pueden alcanzarse
de forma absoluta mediante su implementación. Cada uno de estos
siete objetivos se trata en las siguientes siete secciones de este
informe.
5
Siete razones por las que necesita el análisis predictivo —
Objetivos estratégicos clave conseguidos:
1. Competir – Asegurar el baluarte más poderoso y singularmente competitivo

2. Crecer – Aumentar las ventas y conservar los clientes de forma competitiva
Estos objetivos 3. Consolidar – Mantener la integridad del negocio gestionando el fraude
estratégicos pueden 4. Mejorar – Hacer progresar la capacidad del negocio principal de forma
alcanzarse competitiva
absolutamente solo 5. Satisfacer – Satisfacer las expectativas cada vez más exigentes del
si se implementan consumidor de hoy en día
análisis predictivos. 6. Aprender – Implementar los análisis más avanzados actualmente
7. Actuar – Hacer que la inteligencia del negocio y los análisis sean
verdaderamente operativos
Figura 1. Una empresa implementa el análisis predictivo en diversas unidades de negocio. Los dígitos
del 1 al 7 insertados en un círculo indican dónde se ha alcanzado el objetivo estratégico de los
citados más arriba.
6
1. Competir – Asegurar el baluarte más poderoso y
singularmente competitivo
Las altas
probabilidades “En un tiempo en que las empresas de muchos sectores
señaladas por un ofrecen productos similares y utilizan tecnologías
modelo predictivo comparables, los procesos de negocio de alto rendimiento
constituyen uno de los últimos recursos de diferenciación.”
componen una lista de
contactos Competing on Analytics: The New Science of Winning
personalizada y (Competencia en análisis: la nueva ciencia del triunfo),
T. Davenport and J. Harris
propietaria.
Cuando los productos que ofrece una empresa –al igual que los que se
………………………… emplean internamente- llegan a ser de consumo masivo, la ventaja
Un modelo predictivo competitiva dependerá de las mejores que se realicen en los procesos
The top prospects
distingue los
de negocio. Aplique el análisis predictivo, cuya propuesta de valor
consiste en tomar decisiones empresariales con mayor prontitud y en
flagged by a predictive
microsegmentos de hacer progresar sus funciones con el aprendizaje organizativo aplicado.
model compose
clientes que eligen su
Este proceso de aprendizaje proporciona una ventaja competitiva única
y revela los puntos débiles de la competencia. Los resultados de las
aempresa
customized,
de aquellos encuestas demuestran que un "entorno competitivo más duro" es con
proprietary
que se pasancontact
a la diferencia la razón de mayor peso por la que las organizaciones
adoptan el análisis predictivo.10
list
competencia. De este
modo, su organización
………………………………
La afilada punta de lanza de la competitividad. El análisis predictivo
ofrece una poderosa, singular y cualitativa diferenciación al
identifica exactamente proporcionar a su empresa un recurso propietario de inteligencia
Adepredictive model
qué adolece su empresarial con la que puede competir en ventas y en preservación de
distinguishes the
competidor, sus clientes. Un modelo predictivo generado a partir de los datos de su
empresa se sirve de la experiencia de la que solo ésta es conocedora,
microsegments
puntos débiles. of ya que es única tanto para la lista de prospecciones como para el
customers who choose mensaje del producto y de marketing al que los clientes deben dar
respuesta (tanto positiva como negativa). Por tanto, la perspicacia y la
your company from inteligencia del modelo están fuera del alcance del conocimiento
those who defer común, y las altas probabilidades que marca componen una lista de
contactos personalizada y propietaria.
or defect to a
competitor. In Conocer los puntos débiles de la competencia antes que ella. En
this way, your contraste con las tendencias más extendidas que pueden medirse a
gran escala, un modelo predictivo consigue patrones y tendencias de
organization identifies compra más refinados en forma de microsegmentos de clientes. Puesto
exactly where your que los datos por los que se instruye el modelo incluyen las ventas (y su
defecto) a clientes que presumiblemente tienen conocimiento no
competitor falls short, solamente de sus productos y marketing, sino también de los de la
its weaknesses. competencia, el proceso de modelado aprende a distinguir eficazmente
los microsegmentos de clientes que eligen su empresa de aquellos que
se pasan a la competencia. De este modo, su empresa identifica
exactamente de qué adolece su competidor, sus puntos débiles, tal
como revelan las tendencias de comportamiento que se encuentran
7
codificadas en sus datos. La empresa promueve entonces este
conocimiento, actuando en función de estas oportunidades y llevando a cabo actividades de ventas y

marketing con un enfoque más preciso.
2. Crecer – Aumentar las ventas y conservar los clientes de forma competitiva
Las aplicaciones de marketing y ventas de los análisis predictivos constituyen las principales propuestas de
valor, proporcionando valor de manera uniforme en distintos sectores. Cada cliente recibe una puntuación
predictiva en lo que respecta al comportamiento relacionado con las ventas, ya sean compras, respuestas,
fugas y clics. Las puntuaciones determinan entonces las operaciones empresariales con respecto al
comportamiento en marketing, ventas, atención al cliente y sitio web. De este modo, el análisis predictivo
ofrece su ventaja competitiva única a determinadas actividades que incluyen el trato directo con el cliente.
Predecir la respuesta al marketing directo, la aplicación empresarial mejor establecida del análisis predictivo,
aporta una enorme rentabilidad. La propuesta de valor es simple. Al suprimir aquellos clientes con menor
probabilidad de respuesta, los costes se reducen drásticamente y los beneficios crecen. Si el 40% de los
clientes identificados como los de mayor probabilidad de respuesta incluye el 80% del total de los que
responden, se puede eliminar una buena parte del otro 60%, lo que permite ahorrar sobremanera en los
costes de las campañas; y el balance final asciende vertiginosamente. Por ejemplo, el First Tennessee Bank
redujo sus costes de mailing directo en un 20% y aumentó el índice de respuesta en un 3,1% al implementar
patrones de respuesta y otras mejoras en procesos basados en análisis. Puede obtener más información
sobre este y otros casos prácticos en http://tinyurl.com/PAExamples. Para obtener más detalles sobre cómo
funciona el análisis predictivo y cómo mejorar los beneficios, consulte el artículo Gestión de la Información,
“Predictive Analytics with Data Mining: How It Works.”11
La creación de modelos de fuga de clientes puede ser la aplicación empresarial más atractiva del análisis
predictivo. Puesto que conservar los clientes es el principal objetivo de muchas organizaciones, los incentivos
para lograr conservarlos de forma eficiente, como las ofertas de descuentos, pueden ser bastante costosos.
La ganancia se consigue cuando una oferta semejante se dirige solamente a aquellos clientes con mayor
probabilidad de fuga. Con una estrategia de conservación de clientes bien dirigida, la tasa de crecimiento de
su base de clientes se acrecienta y se amplía. Para obtener más detalles, consulte el artículo BeyeNETWORK,
“Six Ways to Lower Costs with Predictive Analytics,”12 y el artículo Gestión de la información, “Predictive
Analytics' Killer App: Retaining New Customers.”13
El análisis predictivo ofrece su ventaja

competitiva única a ciertas actividades
que incluyen el trato directo con el
cliente.
8
Más aplicaciones. Las aplicaciones de ventas y marketing del
análisis predictivo incluyen también ejemplos de puntuación para
seleccionar los recursos de ventas, recomendaciones de producto
para aumentar las ventas de gama alta y complementarias,
selección específica de clientes basada en el comportamiento para
sacar el máximo partido a los clics de publicidad online, análisis de
encuestas de estudios de mercado, puntuación de los canales de
ventas y otras aplicaciones B2B, clasificación de recopilaciones,
selección de objetivos para el correo electrónico, beneficio
incrementado de la recaudación de fondos mediante puntuación de
los donantes, y selección de clientes con un valor de ciclo de vida
mayor para adquisiciones, ventas de productos de gama superior y
atención a los clientes de segmentos superiores.
Para obtener más información sobre el modo en que ofrecen valor

diversas aplicaciones empresariales de análisis predictivo, consulte
el artículo BeyeNETWORK, “Predictive Analytics Delivers Value
El análisis predictivo Across Business Applications”14
sirve también para
reducir drásticamente Reducir los costes. El análisis predictivo sirve también para reducir
drásticamente los costes. Muchas aplicaciones indicadas más arriba
los gastos. pueden dirigirse para lograr este fin, p. ej., reducir el gasto en
campañas mediante la predicción de clientes que no van a
………………………… responder o bien no dando a conocer las ofertas de permanencia a
los clientes que se van a quedar de todos modos. Para más
Puntuar y clasificar las información, consulte el artículo BeyeNETWORK,
transacciones con un “Six Ways to Lower Costs with Predictive Analytics.”15
modelo predictivo 3. Consolidar – Mantener la integridad del negocio

aumenta sobremanera gestionando el fraude
la detección de
fraudes. Cuando las transacciones crecen considerablemente en número y se
automatizan, se multiplican las oportunidades de delinquir. En
todos los sectores, las transacciones fraudulentas relacionadas con
facturas, compras con tarjeta de crédito, devoluciones de
impuestos, reclamaciones de pólizas de seguros, llamadas de
teléfonos móviles, clics sobre publicidad online y cheques bancarios
de clientes incurren en enormes costes.
Puntuar y clasificar las transacciones con un modelo predictivo

sirviéndose de la experiencia recopilada por la empresa en relación
con el fraude contribuye a aumentar sobremanera la detección del
fraude. Puesto que un equipo de investigadores solamente puede
inspeccionar un número fijo de transacciones sospechosas por
semana, el hecho de ofrecer una base mejor depurada de
transacciones sospechosas –con menos “falsas alarmas” (falsos
positivos)- hace que su tiempo cunda más, que se detecten más
fraudes y que se impidan más pérdidas o que se recuperen. Por
ejemplo, la detección de fraudes en las reclamaciones de seguros de
9
automóviles ha multiplicado por 6,5 veces su capacidad de
detección si la comparamos con lo que se consigue sin medios para
clasificar y puntuar las reclamaciones de seguros.
De forma análoga, el análisis predictivo se extiende también a la

seguridad de la información con la detección de intrusiones online por
parte de hackers y virus, así como a la identificación de criminales
exigida por ley.
4. Mejorar – Hacer progresar la capacidad del

negocio principal de forma competitiva
Después de aumentar las ventas y consolidar la integridad de las

transacciones empresariales, queda aún una frontera por rebasar
mediante el análisis predictivo: mejorar el producto de la empresa y la
eficiencia con la que se produce. Ya se trate de fabricar productos o de
prestar servicios, el cometido central de la empresa es producir y
suministrar cada vez con mayor eficacia. A este respecto, la predicción
desempeña un papel clave en el progreso de la actividad principal del
La predicción negocio.
desempeña un papel
clave en el progreso En el sector de los seguros, tal como se ha esgrimido en la sección
“Gestionar los riesgos”, el valor y la posición competitiva de los
de la actividad productos de la empresa -pólizas de seguros- dependen de la
principal del negocio. puntuación predictiva en función del riesgo. Si se identifica de forma
más precisa a aquellos solicitantes con un riesgo mayor de dar curso a
…………………………… cuantiosas reclamaciones, los proveedores de seguros pueden llevar a
cabo una selección más eficaz y tomar decisiones asimismo eficaces en
El análisis predictivo relación con los precios con el fin de minimizar el porcentaje de
pérdidas.16
mejora la fabricación,
inspección y Las entidades crediticias como los bancos gestionan los riesgos de forma
reparación de similar, puesto que lo predicen puntuando a los solicitantes de
préstamos y de tarjetas de crédito de acuerdo con su probabilidad de
productos. que eventualmente no cumplan los pagos.
El análisis predictivo mejora la fabricación, inspección y reparación de

productos de distintas maneras. Durante la producción los artículos
defectuosos son detectados en la cadena de montaje. Una vez puestos
los productos en circulación, la creación de modelos de fiabilidad
determina qué componentes tienen mayor probabilidad de fallar o, en
respuesta a las llamadas de los clientes, cuáles probablemente van a
necesitar ser reparados, para que puedan ser cargados en un vehículo
de asistencia. Al responder las llamadas relacionadas con la reparación
de automóviles, un proveedor de asistencia en carretera tomará
decisiones más acertadas en cuanto si debe enviar o no un vehículo de
asistencia.
10
Se acerca una ola prácticamente sin límites de nuevas “aplicaciones
rompedoras”. Las recientes innovaciones continúan ampliando la
gama de aplicaciones de análisis predictivo, en tanto que mejoran su
capacidad esencial y hacen progresar la actividad principal de las
empresas de distintos tipos de negocios. Otros ejemplos incluyen la
optimización de la cadena de suministro con predicción de la
demanda según el inventario, procesamiento de solicitudes mediante
la predicción de aprobaciones y denegaciones, rendimiento de
recursos humanos y creación de modelos de las bajas de personal
que servirán de base a la hora de seleccionar nuevas incorporaciones,
El análisis predictivo contrataciones y retención del capital humano, marketing sanitario
hace progresar proactivo mediante la predicción de riesgos relacionados con la salud,
comercialización algorítmica (caja negra) mediante la predicción de
también las actividades mercados, y puntuación de electores políticos para la predicción de
principales de las los votantes probables o indecisos con vistas a optimizar las
empresas en lo que campañas políticas. Si nos trasladamos a otros campos vemos que las
aplicaciones para ingeniería, ciencia, diagnosis médica y
atañe a optimización farmacéuticas (descubrimiento de fármacos) utilizan en buena
de la cadena de medida las mismas técnicas analíticas esenciales, aunque el concepto
suministro, toma de análisis predictivo en general se reserva para aplicaciones
empresariales.
decisiones sobre
RRHH, puntuación de 5. Satisfacer – Satisfacer las expectativas cada vez más
electores políticos para exigentes del consumidor de hoy en día
optimizar las
Durante más de una década se ha dicho que la experiencia del
campañas políticas, y consumidor será el “próximo campo de batalla para ganar en
mucho más. competitividad.”17 Dando por supuesta la agudeza de la competencia,
el análisis predictivo será el medio con el que mantenerse de pie en
…………………………… este campo. Las ventajas que proporciona a la empresa –de las que
ya hemos hablado en este informe- suponen un “reverso” no menos
Con el análisis próspero: ventajas para el consumidor que consigue más por menos,
predictivo el de forma más fácil y fiable.
consumidor consigue I. Mayor relevancia mediante un marketing que selecciona sus
más por menos, de objetivos de forma más precisa. Los consumidores siempre
forma más fácil y fiable. demandan un mayor grado de relevancia. A medida que pasa el
tiempo cada vez se tolera menos la publicidad por correo y el SPAM.
……………………………… Las recomendaciones sobre productos son cada vez más visibles, se
valoran más e incluso se esperan. El análisis predictivo constituye un
El análisis predictivo punto de venta explícito para el consumidor final, tal como se aprecia
en el asunto de los correos electrónicos en una campaña sobre
constituye un punto de recomendaciones de productos realizada por un conocido sitio web
venta para el de comercio electrónico: “Creemos que esto será de su interés.”18
consumidor final:
II. Mejores productos y servicios mejorando la capacidad esencial
“Creemos que esto será del negocio. Las mejoras que ofrecen el control de calidad analítico,
de su interés.” la creación de modelos de fiabilidad, los servicios perfeccionados y el
rápido procesamiento de las aplicaciones satisfacen las demandas
11
cada vez más exigentes del consumidor. Los consumidores finales, al
igual que los clientes corporativos B2B, siempre se inclinarán hacia un
mayor conocimiento, agilidad y un gusto refinado. Crecen las
opciones para elegir proveedores, productos y servicios y los
consumidores se sienten confiados gracias a un conocimiento
exhaustivo, como el que se obtiene online.
III. Integridad mejorada de las transacciones mediante la detección

del fraude. A medida que aumentan los niveles de fraude, los
consumidores permanecen expectantes ante el grado de protección,
y además son cada vez más sensibles a los inconvenientes que
conllevan las advertencias de fraude que resultan ser "falsas alarmas"
y que interrumpen el procesamiento de las transacciones de pago.
IV. Precios más baratos mediante una mayor eficiencia. Con una
fuerza competitiva asegurada, el éxito genera éxito. El crecimiento
empresarial comporta nuevos ahorros, tanto en la propia ejecución
de análisis predictivos como en la productividad de la empresa en
El “arte” hace general.
que el análisis 6. Aprender – Implementar los análisis más avanzados
predictivo actualmente
funcione; la La inteligencia empresarial estándar y los métodos de emisión de
ciencia informes proporcionan valor a su capacidad de resumir el pasado. Las
técnicas de elaboración de informes empresariales, incluidas las
demuestra que tarjetas de resultados, paneles de control, indicadores de
rendimiento, procesamiento analítico en línea, consultas ad hoc y
funciona. segmentación estándar de marketing como el método RFM, ofrecen
un análisis retrospectivo.
……………………
La capacidad del análisis predictivo para aprender de la experiencia
Lectura adicional: es lo que hace que esta tecnología sea predictiva, distinguiéndola de
Para acceder a una otros sistemas de inteligencia artificial y técnicas analíticas. Los
introducción sobre modelos predictivos se han diseñado de forma excepcional para
optimizar las predicciones más inmediatas, como la fuga de clientes.
cómo funciona esta Este proceso de optimización constituye un acto de aprendizaje
tecnología, puesto que para tener éxito debe pergeñar generalizaciones a partir
de datos en forma de patrones y pautas matemáticas, y estas
consulte: “Predictive generalizaciones deben confirmarse cuando se apliquen a próximos
Analytics with Data casos aún no conocidos. La obtención de un sólido modelo predictivo
Mining: a partir de datos de la organización es un verdadero acto de
How It Works”19 aprendizaje a partir de la experiencia.
El arte antecede a la ciencia en esta "mágica” habilidad para

generalizar a partir de ejemplos. Aun cuando existan multitud de
datos, con millones o billones de registros, el diseño de un método
por el cual la máquina puede generalizar, encontrando patrones que
12
se dan no sólo en los datos disponibles sino en general (conocido también como inducción), recae en la
intuición y las ideas humanas. Afortunadamente, la ciencia sirve para hacer que estas ideas sean
formales y para medir el grado de eficacia en que generaliza realmente el modelo predictivo resultante.
El “arte” hace que funcione; la ciencia demuestra que funciona.
Los métodos establecidos de análisis predictivo son competentes y sólidos, en tanto que producen
modelos predictivos que funcionan. Estos métodos incluyen árboles de decisiones, regresión logística,
Naïve Bayes y redes neuronales. Para acceder a una introducción sobre cómo funciona esta tecnología
esencialmente, consulte el artículo Gestión de la información, “Predictive Analytics with Data Mining:
How It Works.”19 Para obtener un estudio técnico sobre métodos, consulte el Handbook of Statistical
Analysis and Data Mining Applications.20 Para obtener un libro de texto académico con exhaustivos
cálculos matemáticos y de probabilidades: Machine Learning, de T. Mitchell (McGraw Hill, 1997).
Integración de análisis de textos y datos sociales. El análisis predictivo integra y aprovecha las potentes
fuentes de datos como los datos sociales y el texto no estructurado. Una gran empresa de
telecomunicaciones duplicó el rendimiento de los modelos de fuga de clientes integrando datos sociales,
ya que si los amigos de un subscriptor de llamadas cambian de operador de telefonía móvil, es muy
probable que el subscriptor lo haga también. De forma análoga, una gran compañía de
telecomunicaciones de Norteamérica ha demostrado que los clientes que ya han realizado una
cancelación en su red de telefonía tienen una probabilidad del 600% de volver a hacerlo.21 Una
importante universidad online se centra en los amigos de los actuales estudiantes, puesto que las
probabilidades de que éstos también se matriculen es del 320%.22 Una empresa internacional de
tecnología perteneciente al grupo Fortune 500 creó modelos de fiabilidad para predecir qué
componentes debería cargar en los camiones de reparación y suministros mediante el análisis de los
datos textuales a partir de las notas de un agente de atención al cliente.23 Obtenga una visión general
del análisis de textos en: "Text Analytics 2009: User Perspectives on Solutions and Providers." 24
7. Actuar – Hacer que la inteligencia del negocio y los análisis sean

verdaderamente operativos
“Saber no es suficiente; debemos actuar.”

- Johann Wolfgang von Goethe
“El valor se obtiene cuando el conocimiento adquirido a partir del análisis se lleva a la práctica para
tomar decisiones mejores. La mejor práctica es usar la gestión de decisiones para incluir modelos
de análisis predictivo en sistemas operativos."
- James Taylor, coautor de “Smart (Enough) Systems”25
Los profundos conocimientos que se obtienen a partir de los sistemas estándar de inteligencia
empresarial y de elaboración de informes no son inmediatamente procesables; primero deben ser
llevados a la práctica por medio del juicio humano. Los métodos de medición, los informes, los paneles de
control y otros análisis retrospectivos son componentes importantes de la inteligencia empresarial, pero
su ejecución será apropiada en tanto que esté claro a priori qué tipo de acciones o decisiones se
recomiendan, si es que se recomienda alguna.
El análisis predictivo está específicamente

diseñado para generar imperativos de acciones
concluyentes.
13
En cambio, el análisis predictivo está específicamente diseñado para
generar imperativos de acciones concluyentes. Toda puntuación
predictiva de un cliente lleva a realizar una acción con respecto a ese
cliente. De este modo, el análisis predictivo se convierte, por su
diseño, en el modelo de mayor capacidad de procesamiento de la
inteligencia empresarial.
Impulsar las decisiones en toda la empresa. El análisis predictivo

ofrece una suculenta ganancia global en tanto que impulsa millones de
decisiones operativas, tales como si conviene enviar un correo, llamar,
ofrecer un descuento, recomendar un producto, mostrar un anuncio
publicitario o dedicar recursos de ventas en una iniciativa. En cuanto a
la gestión de fraudes, el modelo predictivo fomenta las decisiones para
llevar a cabo auditorías, investigaciones o impedir los fraudes. Y en el
caso de aplicaciones empresariales esenciales, las decisiones basadas
en modelos analíticos incluyen si conviene inspeccionar un artículo o
sistema por si presenta defectos, cargar un componente en un camión
de reparaciones, enviar asistencia, realizar un rápido seguimiento de
Toda puntuación una aplicación o comprar activos.
predictiva de un Para obtener más información sobre el análisis de acciones, consulte el
cliente lleva a artículo DestinationCRM, "Driven with Business Expertise, Analytics
Produces Actionable Predictions."26
realizar una accción
con ese cliente. De Adquirir conocimientos estratégicos. Los modelos predictivos le
este modo, el hablan sobre sus clientes, le revelan intenciones, preferencias y las
causas de su comportamiento. Además de impulsar las decisiones con
análisis predictivo las puntuaciones resultantes, un modelo predictivo ofrece valor en una
es, por su diseño, el segunda manera: inspeccionando las reglas o patrones internos del
modelo a menudo se descubren conocimientos estratégicos. Aunque
modelo de mayor por naturaleza son apropiados para su fin, tales conocimientos son un
capacidad de bien común y proporcionan un saber selectivo, puesto que todo
modelo predictivo se optimiza para un objetivo de predicción
procesamiento de la concreto. Por ejemplo, un modelo de fuga de clientes reveló que los
inteligencia usuarios con intentos fallidos de inicio de sesión –posiblemente por
haber olvidado su contraseña- tenían un alto riesgo de abandono.
empresarial. Saber esto da lugar a la creación de un programa asistente con
recordatorios de contraseña, con lo que potencialmente se ahorran los
………………………… costosos descuentos de permanencia que dichos clientes recibirían si
solo se utilizara la puntuación predictiva. Los conocimientos sobre
Si los negocios son modelos que adquirió una prestigiosa red social en línea hicieron que
un “juego de identificara los factores clave para garantizar la permanencia desde un
principio, tales como si el usuario había cargado una fotografía, y que
números,” el implicaron acciones que doblaron la permanencia de los clientes de
análisis predictivo una y dos semanas. Un estudio mostró un mejor comportamiento
crediticio entre consumidores cuyas compras indicaban que pecaban
es el modo en que de cautelosos, como comprar ciertos productos destinados a la
hay que jugar. seguridad física.27
14
Conclusiones
El análisis predictivo proporciona abundantes oportunidades para la evolución de la empresa. Aun cuando su
empresa ya utilice esta tecnología, ésta presenta una gama tan amplia de propuestas de valor que siempre
existirá un nuevo terreno donde implementarla. Defina el nuevo modo en que desea que su empresa
evolucione aprendiendo sistemáticamente a partir de la experiencia organizativa y aplicando lo que ha
aprendido. Si los negocios son un “juego de números”, el análisis predictivo es el modo en que hay que jugar.
Para saber más - Recursos adicionales
 Seminario de formación: Predictive Analytics for Business, Marketing and Web, un seminario
intensivo de dos días de duración impartido por Prediction Impact, Inc.
http://www.businessprediction.com
 Curso online: Predictive Analytics Applied, acceso inmediato, a petición en cualquier momento
http://www.predictionimpact.com/predictive-analytics-online-training.html
 Conferencia: Predictive Analytics World, el evento internacional centrado en los negocios para los
profesionales del análisis predictivo, gestores y agentes comerciales. Aprenda de líderes en el
sector, profesionales expertos, casos prácticos y talleres.
http://www.predictiveanalyticsworld.com
 Guía online: The Predictive Analytics Guide. Artículos, portales y otros recursos.
http://www.predictiveanalyticsworld.com/predictive_analytics.php
Acerca del autor

Eric Siegel, Ph.D. es el presidente de Prediction Impact, Inc. (http://www.predictionimpact.com), y
preside la conferencia del Predictive Analytics World (http://pawcon.com). Como experto en análisis
predictivo y en minería de datos, el Dr. Siegel es un veterano profesor de ciencias de la computación
en la Universidad de Columbia, donde ganó el premio de la escuela de ingeniería por la excelencia en
la enseñaza, y realizó cursos de postgrado sobre aprendizaje automático, el concepto académico para
la creación de modelos predictivos. Después de Columbia, el Dr. Siegel cofundó dos empresas de
software para la creación de perfiles de clientes y minería de datos, y a continuación fundó Prediction
Impact en 2003, ofreciendo servicios de análisis predictivo y formación a empresas medianas y
empresas del grupo Fortune 100. El Dr. Siegel es el instructor del aclamado programa de formación,
Predictive Analytics for Business, Marketing and Web (http://businessprediction.com), y de su versión
online, Predictive Analytics Applied. Ha publicado más de 20 informes y artículos en investigaciones
de minería de datos y en la enseñanza de ciencias de la computación.
PREDICTION IMPACT, INC. – San Francisco, CA

(415) 683 - 1146 – www.PredictionImpact.com
Este informe de Prediction Impact está patrocinado por IBM.
15
Acerca de IBM Business Analytics
El software de IBM Business Analytics ofrece información exhaustiva, coherente y precisa en la que confían los responsables de tomar
decisiones para mejorar el rendimiento empresarial. Un paquete completo de inteligencia empresarial, análisis avanzados, rendimiento
financiero, gestión de estrategias y aplicaciones analíticas le proporciona una visión clara, inmediata y procesable del rendimiento
actual y la capacidad de predecir futuros resultados.
En combinación con otras valiosas soluciones del sector, acreditadas prácticas y servicios profesionales, las organizaciones de cualquier
tamaño pueden impulsar la mayor productividad de la TI y obtener mejores resultados.
Para obtener más información

Para obtener más información, vaya a http://www.ibm.com/software/analytics/spss. Para solicitar una llamada o plantear una pregunta,
vaya a http://www.ibm.com/software/analytics/spss/contactus. Un representante de IBM SPSS responderá a su consulta.
1
Predictive Analytics World survey: http://www.predictiveanalyticsworld.com/Predictive-Analytics-World-Survey-Report-Feb-2009.pdf
2
Informe TDWI: Predictive Analytics: Extending the Value of Your Data Warehousing Investment, de Wayne Eckerson, TDWI
3
Informe IDC: “Predictive Analytics and ROI: Lessons from IDC's Financial Impact Study,” septiembre, 2003.
4
"Predictive Analytics: The Right Tool for Tough Times," de David White. Un informe de Aberdeen Group. Febrero, 2010.
5
Informe IDC: “Predictive Analytics and ROI: Lessons from IDC's Financial Impact Study” septiembre, 2003.
6
Encuesta de Predictive Analytics World: http://www.predictiveanalyticsworld.com/Predictive-Analytics-World-Survey-Report-Feb-
2009.pdf
7
“Predictive Analytics: The BI Crystal Ball,” Aberdeen Group, mayo, 2008.
8
“Why Predictive Analytics Is A Game-Changer,” Dave Rich y Jeanne G. Harris, Forbes. http://www.forbes.com/2010/04/01/analytics-
best-buy-technology-data-companies-10-accenture.html
9
"IBM to Acquire SPSS, Adding to Acquisitions," Wall Street Journal, 30 de julio de 2009.
http://online.wsj.com/article/SB124878176796786611.html
10
"Predictive Analytics: The Right Tool for Tough Times," de David White. Un informe de Aberdeen Group. Febrero, 2010.
11
http://www.information-management.com/specialreports/20050215/1019956-1.html
12
http://www.b-eye-network.com/view/12269
13
http://www.information-management.com/issues/20070201/1086401-1.html
14
15
16
Para consultar otros informes relacionados con los seguros y la creación de modelos predictivos, vaya a
http://www.aicpcu.org/doc/predictivemodelingwhitepaper.pdf
17
“The Customer Experience,” Fast Company, 30 de septiembre de 1999. http://www.fastcompany.com/magazine/nc01/012.html
18
Correo electrónico recibido por el autor, 8 de marzo de 2010.
19
http://www.information-management.com/specialreports/20050215/1019956-1.html
20
Handbook of Statistical Analysis and Data Mining Applications, R. Nisbet, J. Elder, G. Miner, Elsevier Publishing, 2009.
http://www.tinyurl.com/bookERI
21
Gracias a Michael Driscoll, Dataspora (http://www.dataspora.com) por este caso práctico. Para obtener más información, consulte
http://blog.summation.net/2009/11/birds-of-a-feather-use-the-same-phone-service-provider.html
22
Gracias a Rapleaf (http://www.rapleaf.com) por este caso práctico.
23
Gracias a Dean Abbott, Abbott Analytics (http://www.abbottanalytics.com) por este caso práctico.
24
"Text Analytics 2009: User Perspectives on Solutions and Providers," de Seth Grimes (http://sethgrimes.com).
http://www.slideshare.net/SethGrimes/text-analytics-2009-user-perspectives-on-solutions-and-providers
25
James Taylor, CEO y asesor principal, Decision Management Solutions (http://www.decisionmanagementsolutions.com). “Smart
(Enough) Systems: How to Deliver Competitive Advantage by Automating Hidden Decisions,” de J. Taylor and N. Raden. Prentice Hall,
2007.
26
"Driven with Business Expertise, Analytics Produces Actionable Predictions," Con análisis CRM funciona como una actividad
empresarial, los resultados se pueden procesar en el marco operativo de su empresa y repercutirán enormemente en el modelo de negocio
de su empresa – DestinationCRM, 29 de marzo de 2004. http://www.destinationcrm.com/Articles/Web-Exclusives/Viewpoints/Driven-
with-Business-Expertise-Analytics-Produces-Actionable-Predictions-44224.aspx
27
"What Does Your Credit-Card Company Know About You?" New York Times, 12 de mayo de 2009.
http://www.nytimes.com/2009/05/17/magazine/17credit-t.html YTW03080-ESES-05
16

7 Razones para Usar Hoy El Analisis Predictivo

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

7 Razones para Usar Hoy El Analisis Predictivo

Cargado por

Copyright:

Formatos disponibles

Con el tiempo el análisis predictivo ha llegado a su madurez y se

ha convertido en una práctica corporativa esencial y necesaria

Una nueva fase en la evolución empresarial:

Los datos empresariales son un activo estratégico incalculable

………… La empresa materializa el valor potencial de negocio del proceso de

Los métodos actuariales que permiten que una compañía de seguros

Al igual que en el sector de las aseguradoras, todo negocio consiste,

La era del análisis predictivo: una actividad madura

El análisis predictivo ha emergido como una práctica empresarial

Tecnología analítica probada. Surgida en los laboratorios de

La capacidad de los Valor de negocio consolidado. Los descubrimientos de los

Adquisiciones e inversiones en el sector. Cada año surgen, se

Eventos del sector. La creciente popularidad de los eventos

Su organización debería implementar el análisis predictivo porque

1. Competir – Asegurar el baluarte más poderoso y singularmente competitivo

conocimiento, actuando en función de estas oportunidades y llevando a cabo actividades de ventas y

2. Crecer – Aumentar las ventas y conservar los clientes de forma competitiva

El análisis predictivo ofrece su ventaja

Para obtener más información sobre el modo en que ofrecen valor

modelo predictivo 3. Consolidar – Mantener la integridad del negocio

Puntuar y clasificar las transacciones con un modelo predictivo

De forma análoga, el análisis predictivo se extiende también a la

4. Mejorar – Hacer progresar la capacidad del

Después de aumentar las ventas y consolidar la integridad de las

El análisis predictivo mejora la fabricación, inspección y reparación de

III. Integridad mejorada de las transacciones mediante la detección

El arte antecede a la ciencia en esta "mágica” habilidad para

7. Actuar – Hacer que la inteligencia del negocio y los análisis sean

“Saber no es suficiente; debemos actuar.”

El análisis predictivo está específicamente

Impulsar las decisiones en toda la empresa. El análisis predictivo

Para saber más - Recursos adicionales

Acerca del autor

PREDICTION IMPACT, INC. – San Francisco, CA

Este informe de Prediction Impact está patrocinado por IBM.

Para obtener más información

También podría gustarte