Analítica de

gestión

Autor: Alberto Waisman

Contenido

1.INTRODUCCIÓN..................................................................................................................... 3

2.PROCESO DE GESTIÓN DEL DESEMPEÑO..................................................................... 4

3.LA UTILIZACIÓN DE INDICADORES NO FINANCIEROS PARA EXPLICAR EL

RENDIMIENTO FINANCIERO.................................................................................................. 6

3.1. Ejemplos de medidas de desempeño no financieras.............................................. 7

4.ANÁLISIS PREDICTIVOS A TRAVES DE LA ANALÍTICA DE DATOS........................... 9

4.1. Proceso para ejecutar el análisis predictivo........................................................... 11

5.ESCALANDO EN EL ANÁLISIS........................................................................................... 12

6.TIPOS DE MODELOS PREDICTIVOS................................................................................ 14

6.1. Aplicaciones del análisis predictivo.......................................................................... 15

Bibliografía................................................................................................................................... 17

2
 La analítica como soporte a la
medición del desempeño

1. INTRODUCCIÓN

La gestión del rendimiento y la medición del rendimiento son dos procesos clave que no se pue-
den separar entre sí, ya que ambos proceden y se siguen.

La gestión del desempeño es un proceso estratégico e integrado que se enfoca en mejorar de ma-
nera sostenida las capacidades competitivas. Es un término genérico que integra un conjunto de
conocimientos de diversas disciplinas y se utiliza en todos los niveles de la organización. Refleja el
enfoque que una empresa tiene hacia el desempeño e incluye varias actividades en la definición
de la estrategia (planificación / establecimiento de objetivos/mapa estratégico) y la implementa-
ción posterior (diseño de iniciativas/medición del desempeño).

Por lo tanto, la medición del rendimiento es un subproceso de la gestión del rendimiento, que se
enfoca en la identificación, seguimiento y comunicación de los resultados del desempeño me-
diante el uso de indicadores. Se ocupa de la evaluación de los resultados, mientras que la gestión
del rendimiento se ocupa de tomar medidas basadas en los resultados de la evaluación y garanti-
zar que se logren los objetivos.

Recuerda

Las medidas de rendimiento dan información cuantitativa sobre los

productos, servicios y los procesos que los producen. Son una he-
rramienta para ayudar a comprender, administrar y mejorar el des-
empeño de la organización. Por lo tanto, la medición del desempeño
es imprescindible y se requiere imperiosamente para gestionar el
rendimiento.

3
Si bien la medición del desempeño es un subproceso que se ocupa del seguimiento y la evalua-
ción, la gestión del desempeño crea un contexto más amplio para planificar, organizar, coordinar,
comunicar y controlar el desempeño. Puede aplicarse en tres niveles: gestión de desempeño es-
tratégico, operacional e individual.

El proceso tiene una secuencia de 9 pasos, de acuerdo con el siguiente gráfico.

2. PROCESO DE GESTIÓN DEL DESEMPEÑO

Gráfico 1: Proceso de gestión del desempeño

Evaluación
Análisis de 9 Medidas
situación correctivas con
modelo
1
8

Estrategia Medición:
Análisis del
2 Desempeño
GESTIÓN DEL 7
DESEMPEÑO
EMPRESARIAL

Objetivos
Iniciativas
3 estratégicas
6
Mapa
estratégico/
Prueba de Indicadores
hipótesis y metas
4 5

Se ha observado que la gestión de desempeño es un proceso continuo; sin embargo, la secuencia

tiene un punto de inicio con el análisis de la situación inicial y el diseño de la estrategia competiti-
va, donde se evalúan riesgos, oportunidades, fortalezas y debilidades y se determina la estrategia
competitiva.

4
Se fijan los objetivos y se establecen las relaciones causales, a través de las cuales se explican de
qué manera los objetivos no financieros provocarán los resultados financieros. Posteriormente,
se prueban estas hipótesis antes de establecer indicadores y metas para la medición. Durante la
etapa de medición del desempeño se analiza y se evalúan las medidas correctivas apropiadas,
según el modelo financiero creado previamente.

Las organizaciones que implementan sistemas de medición del desempeño pueden obtener be-
neficios sustanciales. El sistema de medición del desempeño es un proceso que, mediante el
aprendizaje y la mejora continua, avanza hacia el logro de la misión, visión y objetivos de las
compañías. Es un intento equilibrado y sistemático de evaluar la efectividad de las operaciones
organizacionales.

La medición del desempeño proporciona la retroalimentación esencial para mejorar la toma de

decisiones en todos los niveles: estratégico, operativo o individual. Como proceso, la medición del
rendimiento no trata simplemente de recopilar datos asociados con un objetivo de rendimiento
predefinido.

La medición del rendimiento es considerada como un sistema de gestión general preventivo para
lograr el alineamiento del producto o servicio con los requisitos del cliente. Se preocupa por la op-
timización continua de los procesos a través de una mayor eficiencia y efectividad de los mismos.

Recuerda

La esencia del control de gestión y medición del desempeño es vin-

cular perfectamente los resultados no financieros al desempeño
financiero, a través de la elección de los medidores correctos, la fi-
jación de los objetivos apropiados para esos indicadores y el alinea-
miento de los recursos necesarios.

5
3. LA UTILIZACIÓN DE INDICADORES NO FINANCIEROS PARA EXPLICAR EL RENDIMIENTO
FINANCIERO

Es común ver un balance de una compañía o un informe financiero que explica el estado financie-
ro actualizado de una organización. Pero no muchos están familiarizados con cómo se determina
el éxito de una empresa sin enfocarse en las finanzas.

Una forma sencilla de definir el concepto de las medidas de rendimiento no financieras es expli-
car lo que no son. Los KPI no financieros no son expresados en valores monetarios. Se centran
en otros aspectos del negocio alineados generalmente a aspectos cualitativos. Estas métricas
pueden subir o bajar como consecuencia de acciones o iniciativas implementadas. El tiempo de
reacción del medidor a las iniciativas tomadas lo define entre dos categorías.

Por un lado, están las métricas LEAD, las que, según sea su movimiento positivo o negativo, cau-
sarán un efecto en otro (s) objetivo (s) encadenado hacia adelante. A estas métricas se les llaman
prospectivas.

Por otro lado, se encuentran las métricas LAG o rezagadas, que implican un resultado positivo o
negativo a partir de la influencia causal de las métricas LEAD. Por ejemplo, los resultados finan-
cieros de una empresa son generalmente métricas LAG, porque son el resultado de una variedad
de métricas relacionadas con clientes, productos, procesos o recursos de diferente tipo.

Las habilidades o capacidades de los empleados generalmente son las mayores contribuyentes al
desempeño no financiero. Si bien es cierto que las métricas (KPI) no financieras generalmente no
están asociadas de manera directa con las finanzas, eso no significa que no puedan ser numéricas.
Este tipo de medidas pueden ser cuantitativas o cualitativas.

Hay dos razones principales por las que los KPI no financieros son importantes. Primero, como ya
se mencionó, ayudan a explicar los KPI financieros. Las medidas financieras suelen ser indicadores
LAG, que son bastante fáciles de recopilar y analizar porque son retrospectivas. Las medidas de
retraso informan lo que ya sucedió, como los ingresos generados o los pedidos cumplidos durante
un período de tiempo específico.

Pero las finanzas no siempre proporcionan la historia completa. ¿Por qué los ingresos por ventas
cayeron drásticamente en mayo? ¿Por qué saltó el flujo de caja operativo en el segundo trimes-
tre? Estas medidas de desempeño no financiero pueden llenar los vacíos y dar respuestas sobre
las fluctuaciones financieras o monetarias. Por ejemplo, si los esfuerzos de marketing no alcanza-
ron la marca un trimestre, se puede esperar que las ventas sean lentas el próximo trimestre.

En segundo lugar, los KPI no financieros son más fáciles de vincular a ciertos aspectos de la es-
trategia general. Más específicamente, la mayoría de las organizaciones no tienen declaraciones
de misión y visión basadas en finanzas. Si su misión es proporcionar el mejor servicio al cliente en
la industria, los números de ingresos no son una buena manera de rastrear eso, pero sí lo son los
puntajes de satisfacción del cliente.

No hay duda de que el seguimiento de los KPI financieros es crítico para el éxito de la empresa,
pero eso no significa que se deben minimizar otros KPI. En conclusión, las compañías deben rea-
lizar un seguimiento de las medidas de rendimiento no financieras por lo siguiente:
6
- Ayuda a conocer las fortalezas y debilidades. Si tiene largos tiempos de espera para responder
a los reclamos de clientes, eso se mostrará en una encuesta como un KPI no financiero. Estos
medidores pueden revelar las competencias básicas, pero también resaltar otras áreas que tal
vez se desconocía que estaban teniendo un mal desempeño.

- I.mpactan en el desempeño financiero del negocio. El buen o mal rendimiento finalmente se mos-
trará en los estados financieros; sin embargo, se podrá rastrear el resultado hasta el origen a
través de medidas de rendimiento no financieras. Por ejemplo, si el presupuesto de recluta-
miento de recursos humanos se disparó, se puede explicar debido a la alta tasa de rotación de
empleados y al costo elevado (en tiempo y recursos) de la contratación.

- Ofrece a los empleados una mejor retroalimentación sobre cómo cumplir con los objetivos estraté-
gicos. Cuando se construyen adecuadamente, los KPI no financieros son específicos, medibles
y se adaptan a la estrategia general de la organización. Los miembros del equipo pueden ver
exactamente lo que necesitan hacer para alcanzar sus objetivos y también entienden por qué
necesitan medir el resultado del mismo indicador cada mes para ver cómo llegar a la producti-
vidad requerida. A través de los indicadores no-financieros, existe una conexión clara entre las
tareas diarias y la dirección estratégica.

. on mejores para ajustarse a factores externos. Cada negocio enfrenta riesgos externos fuera de
- S
su control que pueden impactar negativamente en medidas como ingresos y gastos. Las rece-
siones, las guerras comerciales y las catástrofes naturales son inevitables desde las posibilidades
de control. Pero las medidas de desempeño no financieras están en gran medida bajo su control
y pueden proporcionar una perspectiva diferente y más integral. Si se obtienen buenas califica-
ciones por la cultura de la empresa y la satisfacción del cliente durante una guerra comercial, se
está teniendo éxito en partes clave de la estrategia, y eso debería ser rentable a largo plazo.

3.1. Ejemplos de medidas de desempeño no financieras

Se ha conocido el enfoque del Cuadro de Mando Integral (Balanced Scorecard). Se debe recordar
que hay cuatro perspectivas involucradas en la gestión de la estrategia: Finanzas, Cliente, Proce-
sos Internos (operaciones) y Aprendizaje y Crecimiento (RR. HH.).

A continuación, se presentan una variedad de ejemplos de KPI de rendimiento no financiero.

Estos ejemplos son los siguientes:

1. Clientes:

- Tasa de conversión: porcentaje de interacciones que resultan en una venta. Fórmula: (Interac-
ciones con ventas cerradas) / (Interacciones totales con clientes).

- Tasa de retención de clientes: la parte de los consumidores que siguen siendo clientes durante
un período de tiempo. Fórmula: (Clientes perdidos en un período determinado) / (Número de
clientes al comienzo de un período).

- Contactos por canal: el número de solicitudes de soporte por teléfono y correo electrónico.
Esto permite a la organización no solo comparar qué método prefieren los clientes, sino tam-
bién hacer un seguimiento de la cantidad de solicitudes de soporte de mes a mes.
7
 - Índice de satisfacción del cliente: indicador del éxito de una empresa para satisfacer las nece-
sidades de los clientes.

- Índice de recomendación neta: la probabilidad de que los clientes recomienden la marca a

otros. Generalmente se usa un puntaje entre 1-10. Los promotores son calificados con 9-10
y los detractores con calificaciones menores de 6. Fórmula: (Cantidad de promotores) - (Can-
tidad de detractores).

2. Procesos internos:

- Pedidos de atención al cliente: se puede subdividir en cantidad de pedidos nuevos, cantidad

de pedidos resueltos y tiempo de resolución.

- Porcentaje de defectos del producto: representa el porcentaje de productos defectuosos en

un período de tiempo específico. Fórmula: (Número de unidades defectuosas en un período
dado) / (Número total de unidades producidas en un período dado).

- Índice de puntualidad: el porcentaje de tiempo en que los productos se entregaron puntual-

mente según lo programado. Fórmula: (Número de unidades a tiempo en un período dado) /
(Número total de unidades enviadas en un período dado).

- Medida de eficiencia: este KPI común variará según la industria. Por ejemplo, la industria ma-
nufacturera puede medir la eficiencia analizando cuántas unidades se producen por hora y el
porcentaje de tiempo de actividad de la planta.

3. Aprendizaje y crecimiento:

- Ratio de competitividad salarial: la competitividad de los salarios que paga la empresa. Fórmu-
la: (Salario promedio de la compañía) / (Salario promedio ofrecido por la industria).

- Tasa de productividad de los empleados: eficiencia de la fuerza laboral medida a lo largo del
tiempo. Fórmula: (Ingresos totales de la empresa) / (Número total de empleados).

- Tasa de retención de empleados de alto desempeño: el éxito de los esfuerzos de retención para
los mejores empleados y los planes para el reemplazo del talento. Fórmula: (Número de em-
pleados de alto desempeño que partieron el año pasado) / (Total de empleados de alto des-
empeño identificados).

- Tiempo promedio de contratación: la eficiencia del proceso de contratación medida por el

tiempo de reclutamiento, entrevista y contratación.

- Tasa de promoción interna: la retención exitosa y el crecimiento de los mejores. (Número de

individuos promocionados) / (Número total de empleados).

8
4. ANÁLISIS PREDICTIVOS A TRAVES DE LA ANALÍTICA DE DATOS

Concepto

El análisis predictivo es la rama del análisis avanzado que se utiliza

para hacer predicciones sobre eventos futuros desconocidos.

El análisis predictivo utiliza tecnología de información y muchas técnicas de análisis de minería

de datos, estadísticas, modelado, aprendizaje automático e inteligencia artificial para analizar los
datos actuales y hacer predicciones sobre el futuro. Los patrones encontrados en los datos histó-
ricos y transaccionales se pueden utilizar para identificar riesgos y oportunidades para el futuro.

En el siguiente gráfico se puede ver cómo funciona esquemáticamente el proceso de análisis

predictivo.

Gráfico 2: Analítica predictiva

Analítica Predictiva

TIEMPO

Informes/ Análisis
DATOS Monitoreo
Análisis predictivo

¿Qué pasó? ¿Qué esta ¿Qué va a

¿Por qué pasó? pasando pasar en
ahora? el futuro?

ACCIÓN

9
Las empresas recurren al análisis predictivo para ayudar a resolver problemas difíciles y descubrir
nuevas oportunidades. Los usos comunes incluyen lo siguiente:

Marketing: El análisis predictivo ayuda a las compañías a atraer, retener y hacer crecer a sus
clientes más rentables. El análisis predictivo puede ayudar a responder las siguientes preguntas:

- ¿Qué publicidad será más efectiva? ¿Qué campañas de marketing, canales, comportamientos
y datos demográficos están contribuyendo al resultado comercial?

- ¿A qué segmento, prueba o personalización es más probable que responda un usuario?

- .¿Dónde está el punto de rendimiento decreciente para nuevas acciones de marketing?

- ¿Qué probabilidad existe de que los usuarios hagan clic en un anuncio, respondan un correo
electrónico o respondan a una oferta?

- ¿Qué leads se convertirán en clientes?

- .¿Qué clientes comprarán uno o más productos si se sigue una estrategia de venta cruzada?

- ¿Qué cantidad de compras o ingresos ocurrirán en el futuro?

- ¿Qué clientes tendrán un valor de vida alto, medio o bajo?

- ¿Cuál será la rotación de consumidores?

Operaciones: Se usan modelos predictivos para pronosticar el inventario y administrar los re-
cursos. Las aerolíneas utilizan análisis predictivos para establecer los precios de los boletos. Los
hoteles intentan predecir la afluencia de personas para maximizar la ocupación y aumentar los
ingresos.

Reducción de riesgos: Se utilizan para evaluar la probabilidad de incumplimiento de un compra-

dor. Un puntaje de crédito es un número generado por un modelo predictivo que incorpora todos
los datos relevantes para analizar la solvencia de una persona.

Las compañías de seguro utilizan estos modelos predictivos para analizar el riesgo de reclamos
por siniestros.

Los modelos de análisis predictivos capturan las relaciones entre muchos factores para evaluar
el riesgo. Mediante la aplicación exitosa de análisis predictivos, las empresas pueden interpretar
gran cantidad de datos de manera efectiva.

10
La minería de datos y el análisis de texto, junto con las estadísticas, permiten a los usuarios em-
presariales crear inteligencia predictiva al descubrir patrones y relaciones, tanto en datos estruc-
turados como no estructurados. Los datos que se pueden usar fácilmente para el análisis son
datos estructurados (por ejemplo: edad, sexo, estado civil, ingresos, ventas). Los datos no estruc-
turados son textuales (por ejemplo: notas de un centro de atención telefónica, contenido en redes
sociales u otro tipo de texto abierto, los cuales deben extraerse del texto, junto con el sentimien-
to y luego usarse en el proceso de construcción del modelo).

El análisis predictivo permite que las organizaciones se vuelvan proactivas con visión de futuro,
anticipando resultados y comportamientos basados en los datos y no en una corazonada o supo-
siciones. El análisis prescriptivo va más allá y sugiere acciones para beneficiarse de la predicción
y también proporciona opciones de decisión para beneficiarse de las predicciones y sus implica-
ciones.

Los datos y los análisis están cambiando las bases de la competencia. Las empresas líderes están
utilizando sus capacidades no solo para mejorar sus operaciones principales sino también para
lanzar modelos de negocio completamente nuevos.

4.1. Proceso para ejecutar el análisis predictivo

A continuación, se puede visualizar un esquema de trabajo para ejecutar el proceso del análisis
predictivo.

1. Definir el resultado deseado:

Por ejemplo, se podría ofrecer a los clientes productos adicionales de interés. Asimismo, de-
finir los resultados, los entregables, el alcance, los objetivos comerciales, identificando los
grupos de datos que se utilizarán.

2. Recolección de datos:

Recopilar los datos que se necesitarán de múltiples fuentes para el análisis (por ejemplo, datos
de seguimiento del sitio de comercio electrónico, registros de CRM, etc.). Según sea necesa-
rio, se deben preparar los datos de cada fuente, luego combinar los diferentes conjuntos de
datos. Esto proporciona una vista completa de las interacciones con los clientes.

3. Análisis de datos:

El análisis de datos es el proceso de inspección, limpieza, transformación y modelado de datos

con el objetivo de descubrir información útil y llegar a conclusiones.

4. Estadísticas:

Es necesario realizar modelos de análisis predictivos, utilizando análisis estadísticos. El aná-

lisis estadístico permite validar las suposiciones, hipótesis y probarlas utilizando modelos es-
tadísticos estándar.

11
 5. Aplicar los modelos al negocio:

El modelado predictivo proporciona la capacidad de crear automáticamente modelos predic-

tivos precisos sobre el futuro. También hay opciones para elegir la mejor solución con la eva-
luación de modelos múltiples. Se deben revisar los modelos para asegurarse de que funcionen
correctamente.

Existe software de análisis fácil de usar que puede hacer que estos pasos sean accesibles para
usuarios comerciales y no técnicos. La aplicación de un software adecuado puede ayudar a
simplificar la preparación y combinación de datos, y la construcción de modelos de análisis
predictivos intuitivos.

6. Despliegue:

La implementación del modelo predictivo brinda la opción de implementar el resultado analí-

tico en el proceso diario de toma de decisiones para obtener resultados e informes mediante
la automatización de las decisiones basadas en el modelado.

5.ESCALANDO EN EL ANÁLISIS

Una empresa puede encarar diversos tipos de análisis según sea la necesidad de profundidad del
mismo. Así, se pueden describir tres tipos de análisis de acuerdo con la complejidad y su contri-
bución de valor agregado al proceso decisorio:

- Analítica descriptiva

La analítica descriptiva responde a la pregunta de qué sucedió. Por ejemplo, un proveedor de

atención médica sabrá cuántos pacientes fueron hospitalizados el mes pasado; un minorista: el
volumen de ventas semanal promedio; un fabricante: una tasa de los productos devueltos duran-
te el último mes, etc.

El análisis descriptivo recolecta datos de múltiples fuentes para proporcionar información valiosa
sobre el pasado. Sin embargo, estos hallazgos simplemente indican que algo está mal o bien, sin
explicar por qué. Por esta razón, las compañías altamente basadas en datos no se contentan solo
con análisis descriptivos y prefieren combinarlo con un análisis de mayor valor que es el diagnós-
tico.

Con el diagnóstico, los datos históricos se pueden medir con otros datos para responder a la pre-
gunta: por qué sucedió algo. Gracias al análisis de diagnóstico, existe la posibilidad de profundizar,
descubrir dependencias e identificar patrones.

Por ejemplo, un minorista puede desglosar las ventas y las ganancias brutas en diferentes cate-
gorías para descubrir por qué no alcanzaron su objetivo de ganancias netas. En la industria de la
salud, la segmentación de clientes, junto con varios filtros aplicados (como diagnósticos y medica-
mentos recetados) permite medir el riesgo de hospitalización.

12
- Analítica predictiva

Como ya ha sido señalado, el análisis predictivo expresa lo que es probable que suceda. Utiliza los
resultados de los análisis descriptivos para predecir tendencias futuras, lo que lo convierte en una
herramienta valiosa para el pronóstico.

A pesar de las numerosas ventajas que aporta el análisis predictivo, es esencial comprender que
el pronóstico es solo una estimación, cuya precisión depende, en gran medida, de la calidad de
los datos y la estabilidad de la situación, por lo que requiere un tratamiento cuidadoso y una op-
timización continua.

Una compañía de telecomunicaciones, por ejemplo, puede identificar a los suscriptores que tie-
nen más probabilidades de reducir su gasto y podría iniciar actividades de marketing específicas
para remediarlo. Otro análisis predictivo puede permitirle a una empresa de bienes de consumo
predecir lo que podría esperar después de cambiar el posicionamiento de su marca.

- Analítica prescriptiva

El propósito del análisis prescriptivo es sugerir qué medidas tomar para eliminar un problema
futuro o aprovechar al máximo una tendencia favorable. Dice lo que se debiera hacer para que la
situación sea mejor que la actual.

La analítica prescriptiva utiliza herramientas y tecnologías avanzadas, como aprendizaje automá-

tico, reglas y algoritmos comerciales, lo que hace que su implementación y administración sean
sofisticadas. Es por eso que, antes de decidir adoptar análisis prescriptivos, una empresa debe
comparar los esfuerzos requeridos con el valor agregado esperado.

Gráfico 3: Tipos de análisis

Analítica
Prescriptiva
VALOR AGREGADO
CONTRIBUCIÓN DE

Analítica
Predictiva

Analítica
Descriptiva

COMPLEJIDAD

13
6.TIPOS DE MODELOS PREDICTIVOS

Cada uno de los distintos tipos de modelos predictivos tiene un uso particular y responde a una
pregunta específica o usa un cierto tipo de conjunto de datos.

Se tienen los siguientes modelos predictivos:

- Mínimos cuadrados ordinarios

- Modelos lineales generalizados (GLM)

- Regresión logística

- Árboles de decisión

- Redes neuronales

- Ejes de regresión adaptativa multivariante (MARS).

Cada uno de estos tipos tiene un uso particular y responde una pregunta específica o usa un
cierto tipo de conjunto de datos. A pesar de las diferencias metodológicas y matemáticas entre
los tipos de modelos, el objetivo general de cada uno es similar: predecir resultados futuros o
desconocidos en base a datos sobre resultados pasados.

Beneficios del análisis predictivo

Los modelos y tecnologías predictivos prometen enormes beneficios, pero eso no significa que
estos beneficios se obtengan sin problemas. De hecho, el modelado predictivo presenta una serie
de desafíos en la práctica. Estos desafíos incluyen lo siguiente:

- Conjuntos de datos suficientemente grandes y completos;

- adaptabilidad de modelos a nuevos problemas.;

- organización de datos;

- privacidad y seguridad de datos.

14
6.1. Aplicaciones del análisis predictivo

El análisis predictivo extrae información de grupos de datos para descubrir relaciones comple-
jas, reconocer patrones desconocidos, pronosticar tendencias reales, encontrar asociaciones, etc.
Esto permite anticipar el futuro y tomar las decisiones correctas.

Las aplicaciones del análisis predictivo en inteligencia de negocios son incontables. Roberto López
de la empresa Artelnics aporta algunos casos de aplicación del análisis predictivo:

1. Segmentación de clientes

Permite a las empresas dirigir con precisión los mensajes de marketing personalizados a los clien-
tes que tienen más probabilidades de comprar sus productos. Se ha demostrado que el análisis
predictivo puede identificar clientes potenciales mucho mejor que las técnicas tradicionales.

La aplicación del método se utilizó con campañas de marketing directo (llamadas telefónicas) de
una institución bancaria. El objetivo fue predecir si el cliente suscribiría un depósito a plazo. Los
atributos incluyen información relacionada con el cliente, la empresa, el producto, el contacto o
el contexto socioeconómico.

Las ventajas para el banco fueron: una mejor comunicación con el cliente, un ahorro considerable
de dinero en marketing y un gran aumento de la rentabilidad.

2. Evaluación del riesgo

La evaluación de riesgos les permite a los usuarios analizar posibles problemas asociados con un
negocio determinado. Un ejemplo en el sector bancario es determinar qué clientes se harán cargo
de un crédito. Aquí usaron diferentes tipos de información para seleccionar si un solicitante es
adecuado para recibir un crédito. Más específicamente, evaluaron la probabilidad de que un clien-
te determinado no pague un préstamo, mitigando así el impacto del riesgo de incumplimiento.

3. Prevención de pérdida de clientes

Tiene como objetivo predecir qué clientes, cuándo y por qué terminan su relación con la empresa.
Esta situación puede ser muy costosa, ya que el costo de retener a un cliente existente es mucho
más bajo que el de adquirir uno nuevo. Las compañías pueden desarrollar modelos predictivos
que permitan una intervención proactiva antes de que sea demasiado tarde. Una empresa de
telecomunicaciones realizó un estudio para predecir la pérdida de clientes de en función de la
información sobre su cuenta.

4. Pronóstico de Ventas

El examen de la historia previa, la estacionalidad, los eventos de movimiento del mercado, etc., ha
dado como resultado una predicción de ventas realista, que es la piedra angular de la planificación
de una empresa.

15
En este sentido, la minería de datos podría anticipar la respuesta del cliente y las actitudes cam-
biantes al observar todo tipo de factores. El pronóstico de ventas se puede aplicar al pronóstico
a corto, mediano o largo plazo. En este caso, la aplicación fue predecir con precisión la demanda
de energía en la industria eléctrica.

5. Análisis de Mercado

El análisis de las encuestas de mercado ayuda a las empresas a abordar los requisitos de los clien-
tes, aumentando sus ganancias y reduciendo la tasa de deserción.

Una bodega lo utilizó para modelar la calidad del vino. Las entradas incluyen pruebas fisicoquí-
micas (por ejemplo, valores de pH) y la salida se basa en datos sensoriales (mediana de al menos
3 evaluaciones realizadas por expertos en vinos). Cada experto calificó la calidad del vino entre 0
(muy malo) y 10 (muy excelente).

Una vez que se ha diseñado el modelo predictivo, el productor de vino puede explotarlo para
buscar esos atributos que se ajusten al gusto del consumidor.

Existen otras formas en las que el uso del análisis predictivo puede proporcionar valor. Estas for-
mas son las siguientes:

- Planificación de la fuerza laboral y análisis de rotación;

- pronóstico de factores externos;

- análisis de competidores;

- mantenimiento de flota o equipo.

El futuro del modelado predictivo está, sin duda, estrechamente relacionado con la inteligencia
artificial. A medida que la potencia informática aumenta, la recopilación de datos aumenta expo-
nencialmente y nacen nuevas tecnologías y métodos, las computadoras serán las más afectadas
cuando se trate de crear modelos.

16
Bibliografía

Lera, E. (7 de febrero de 2017). Matemáticas para desnudar la mente. (Recuperado el 17 de no-

viembre de 2019). Obtenido de: http://www.diariodevalladolid.es/noticias/innovadores/mate-
maticas-desnudar-mente_79000.html

17