Está en la página 1de 7

Indicadores clave HSE

Los indicadores clave en HSE, nos van a arrojar mejores resultados frente a los indicadores clásicos, y más aún
si hacemos uso de técnicas de análisis predictivo.

Es una realidad, que cada vez son más demandadas las herramientas que permiten realizar este tipo de
análisis, incluyendo la información en tiempo real de las mediciones de los indicadores clave HSE.

Es más, los indicadores clásicos para la medición de incidentes o lesiones, no son suficientes para reducir los
accidentes, riesgos o eventos indeseados al máximo, por lo que un motivo más, por lo que realizar este tipo de
análisis, está más que justificado para la gran mayoría de organizaciones.

Este tipo de análisis, suelen combinar novedosas metodologías, incluidas las de la Industria 4.0, como el machine
learning, la IA (inteligencia artificial), además de complejos algoritmos.

Mediante estas metodologías, se pueden analizar todos los datos y, sobre todo, es posible acceder de manera
inmediata a los más recientes, por lo que la predicción de riesgos o accidentes potenciales se ve optimizada
considerablemente.

En estos casos, como ya he adelantado, se suele hacer uso de dispositivos móviles o de aplicaciones integradas,
que combinan funcionalidades, usabilidad y accesibilidad, de manera que es posible acceder a dashboards
interactivos donde ver reflejados los datos en tiempo real.

De esta manera, los responsables y coordinadores de HSE pueden mejorar el tiempo empleado en las tareas
del puesto, por lo que tienen mayor disponibilidad para realizar monitoreo, identificación de tendencias, gestión
de incidentes y predicción de accidentes o riesgos, mejorando la seguridad y salud en el entorno laboral.
¿Qué es el análisis predictivo?

Cuando hablamos de análisis predictivo, se nos viene a la cabeza mucha información, como, por ejemplo,
tratamiento estadístico de datos, predicción de comportamientos, qué es probable que suceda y que está presente
realmente, en todos los aspectos de nuestra vida.

De esta manera, el análisis predictivo, pone en valor el poder de los datos.

Está relacionado con el Big Data, la minería de datos, el Business Intelligence, Business Anallitics, mucha
información con la que se persigue el objetivo de gestionarla para aportar valor a la organización, en forma de
predicciones que permita tomar decisiones a las organizaciones.

Es más, toda esta información, afecta a todas y cada una de las decisiones que se toman en una empresa a lo largo
de cada día.

Como ejemplo, bancos, empresas, políticos, organizaciones las utilizan para convencernos de que necesitamos
adquirir sus productos o servicios.

Un ejemplo claro, es cuando nosotros realizamos búsquedas en internet y después nos bombardean con
información relacionada, y eso es porque disponen de una gran base de datos que trabaja mediante técnicas
analíticas predictivas.

En el caso del artículo de hoy, el análisis predictivo, lo voy a orientar a la seguridad y salud y el medio ambiente,
poniendo como dato de entrada principal, los indicadores clave HSE.

Variables en el análisis predictivo

El análisis predictivo nos dice qué es probable que suceda, y para ello hace uso de tres variables fundamentales,
que dependen mucho de la descripción de los hechos que tienen lugar.

La primera de estas variables es el tiempo.

Cuando hablamos de tiempo, hablaremos del tiempo pasado, el tiempo presente y el tiempo futuro.

• Tiempo pasado: nos va a describir todos los eventos pasados, es decir, si hubo o no determinados riesgos o
incidentes y por qué tuvieron lugar, por lo que tendremos que analizar qué es lo que pasó, para que no se vuelva
a repetir.
• Tiempo presente: tenemos que ser conscientes de qué está pasando en nuestra organización ahora, lo que nos
va a ayudar a predecir mediante datos estadísticos, el futuro.
• Tiempo futuro: Son las predicciones que se pueden hacer mediante los datos analizados mediante estadística
predictiva.

Otra de estas variables, es el valor que aporta a las organizaciones el análisis predictivo, es decir:

• El conocimiento, a partir de la información.


• Mejora en la toma de decisiones.
• Ayuda a la realización de predicciones.
• La optimización y poder actuar en consecuencia, las acciones más específicas.
La tercera variable es la clasificación por el problema del negocio, es decir, qué es lo que queremos hacer.

¿Cómo ayuda la analítica predictiva a la predicción de accidentes?

Según la mayoría de investigaciones, los datos que se adquieren a la hora de realizar inspecciones, son una
gran herramienta para predecir futuros accidentes.

Básicamente se trata de reformular la forma en la que se gestiona la información, para desarrollar un plan de
trabajo que facilite el conocimiento y el manejo de las propias capacidades, dando lugar a una cultura realmente
preventiva y eficaz.

Para ello, existen 4 factores a tener en cuenta:

• A mayor número de inspecciones de seguridad, menor número de incidentes.


• La probabilidad de que haya un incidente disminuye cuantas más inspecciones se realizan y por mayor
diversidad de personas.
• Un número elevado de inspecciones con resultados positivos, dan lugar a un mayor riesgo de incidente.
• Si las condiciones inseguras detectadas se mantienen en el tiempo, habrá un mayor riesgo de incidente.

Indicadores clave en HSE

En general, en HSE se pueden clasificar los indicadores en dos grupos:

Indicadores de impacto

Estos indicadores miden esfuerzos realizados en el pasado con objeto de medir el desempeño y comparando
con gestiones pasadas para mejorar en el futuro, por lo que son indicadores reactivos.

Algunos ejemplos son ausentimos, LTIF (Índice de Frecuencia de Incidentes con Tiempo Perdido) o índice de
frecuencia.

Indicadores de acción

Son los esenciales para la toma de decisiones frente a cualquier estrategia, ya que permiten medir la
eificiencia y eficacia de cualquier proceso y de la estrategia.

Algunos ejemplos son los índices de inspecciones, de observaciones preventivas o de capacitación.

Software HSE

El Software HSE de ISOTools permite realizar cualquier tipo de análisis mediante herramientas de Business
Intelligence, reportes e indicadores actualizados en tiempo real, pudiendo integrarse con cualquier otro sistema.

Que no te miedo tomar decisiones, porque la herramienta, ya la ponemos nosotros.

https://www.isotools.org/2020/05/21/analisis-predictivo-y-tendencias-en-indicadores-clave-hse/
marzo 23, 2020

El análisis predictivo es el uso de métodos estadísticos y de aprendizaje automático para hacer estimaciones sobre
resultados futuros, y encontrar soluciones a problemas anticipándose a errores y sus consecuencias. Aunque las
técnicas de modelado predictivo han sido investigadas durante mucho tiempo, en los últimos años se han vuelto
cada vez más comunes con aplicaciones en los negocios, impactando cada faceta de nuestras vidas.

Se están aplicando nuevos métodos para la toma decisiones, sustentados en estos análisis de áreas como la
seguridad, prevención de delitos, gestión de infraestructura, ciberseguridad, transporte inteligente, atención
médica y bioinformática, detección de fraude, redes sociales y soporte de decisiones para tareas complejas como
fusiones y adquisiciones de compañías.

La variedad de técnicas estadísticas, de minería de datos, modelado y aprendizaje automático que usa el analiśis
predictivo, analizan hechos actuales e históricos para hacer estimaciones sobre eventos futuros explotando
patrones en los datos para identificar riesgos y oportunidades.

Capturan las relaciones entre muchos factores y evalúan el riesgo asociado con un conjunto de condiciones,
guiando así la toma de decisiones. Típicamente el resultado del análisis es un puntaje (probabilidad) para cada
individuo (cliente, empleado, paciente de atención médica, SKU del producto, vehículo, componente, máquina u
otra unidad) para determinar, informar o influir en los procesos y resultados.

En entornos organizacionales, el análisis predictivo ha ganado aceptación en los últimos 10 años a medida que
las empresas buscan "competir en análisis". En la era de Big Data, el volumen, la velocidad, la variedad y la
veracidad de los datos generados por los sensores, las transacciones, los clics y las tecnologías de comunicación,
precipitan la necesidad de que el análisis predictivo se ejecute más rápido (en tiempo real), con mayor precisión
y utilizando múltiples fuentes de información de diversa calidad de datos y complejidad.

Además, estamos viendo análisis predictivos aplicados en los niveles de granularidad "micro" y "macro". Por
ejemplo, se están desarrollando nuevas formas de análisis predictivo para anticipar el comportamiento humano,
la dinámica social, los resultados políticos, las tendencias del mercado financiero y los problemas relacionados
con la seguridad a nivel individual, grupal, comunitario, nacional e internacional. Estas diferencias en el alcance
de la predicción, junto con las dimensiones de Big Data, presentan una variedad de alternativas.
Ejemplos y aplicaciones del análisis predictivo

El analista moderno diría: "dame suficientes datos y puedo predecir cualquier cosa". La forma en que los modelos
predictivos producen valor es simple en concepto: permiten tomar decisiones más correctas, más rápidamente y
con menos gastos. Los bancos fueron los primeros en adoptarlos, pero hoy en día, la gama de aplicaciones y
organizaciones que utilizan análisis predictivos con éxito se ha multiplicado.

En el marketing y las ventas, los clientes potenciales que ingresan desde el sitio web de una empresa pueden
puntuar para determinar la probabilidad de una venta y establecer la prioridad de seguimiento adecuada. Así, las
campañas pueden dirigirse a los candidatos con mayor proyección de compra.

En cuanto al manejo de relaciones con el cliente, se puede investigar el comportamiento y sesgo de dichos clientes;
por ejemplo, contratos de teléfonos móviles y tarjetas de crédito. Los modelos de desgaste o "abandono" ayudan
a las empresas a establecer estrategias para reducir las tasas de abandono y sus consecuencias, a través de
comunicaciones y servicios especiales u ofertas.

En torno a la optimización de precios, con suficientes datos, la relación entre demanda y precio puede modelarse
para cualquier producto y luego usarse para determinar la mejor estrategia de precios.

En el tema de la salud, los modelos relacionan los síntomas, consecuencias y los tratamientos con los resultados.
Por ejemplo, un modelo puede predecir la probabilidad de que un paciente que presenta un cierto conjunto de
síntomas en realidad sufra un ataque cardíaco.

En el sector de aseguradoras, el análisis predictivo permite conocer la probabilidad de fraudes. Muchos tipos de
fraude tienen patrones predecibles y pueden identificarse con el uso de modelos estadísticos con fines de
prevención, de investigación posterior y recuperación. Sobre la recaudación de impuestos, se detectan probables
casos de impuestos en deuda debido a errores, sesgos, información falsa y reembolsos inflados.
Acércate a nosotros para conocer cómo mediante machine learning, business intelligence y big data podemos
ayudarte a predecir los puntos clave de tu negocio. Recuerda, contar con un aliado de tecnología con la
experiencia y el conocimiento necesario, te ayudará a lograr tus objetivos comerciales, te invitamos a visitar
https://www.kionetworks.com/es-mx/

Fuentes:

Edwards, John. CIO. (2019). ¿Qué es el análisis predictivo? Transformar los datos en conocimientos
futuros https://www.cio.com/article/3273114/what-is-predictive-analytics-transforming-data-into-future-
insights.html consultado febrero, 2020.
SAS. (s/a). Análisis predictivo. Qué es y por qué importa
https://www.sas.com/en_us/insights/analytics/predictive-analytics.html consultado febrero, 2020.

https://www.kionetworks.com/blog/data-center/aplicacion-analisis-predictivo-en-negocios

También podría gustarte