Dentro del mundo del data science, es importante entender el rol que juega el analytics al momento de desarrollar insights valiosos. Esta tarea no es simple, pero bien hecha puede entregar información clave para las estrategias de nuestros negocios. Una manera de facilitar esta misión es comenzar a partir del paradigma que divide las capas de analytics en cuatro dimensiones, las que se presentan como cuatro etapas, cada una más compleja y profunda que la anterior.
A continuación te detallamos cada una de ellas, comenzando por la más simple y progresando hasta la fase final de esta herramienta.
Tipo descriptivo: ¿Qué está pasando?
Esta es la forma más común de todas. Le permite al analista una visión de las métricas más relevantes dentro del negocio.
Un ejemplo de este tipo, podría ser una declaración de utilidades y pérdidas en un mes, o la información demográfica que se presenta como “el 30% de nuestros clientes se encuentra desempleado”.
Tipo diagnóstico: ¿Por qué está pasando?
Es la siguiente etapa, en complejidad. En complemento con la analítica descriptiva, las herramientas de diagnóstico analítico permiten a un analista descifrar la raíz de algún problema.
Los paneles con información de negocios (B.I. por sus siglas en inglés), incorporando series de tiempo y filtros por atributos, pueden ayudar en estos análisis.
Tipo predictivo: ¿Qué es lo que podría pasar?
La analítica predictiva está vinculada a la prevención. Su objetivo es determinar qué tan probable es que ocurra un evento, estimar un monto cuantificable o aproximar el momento en que ocurrirá algún cambio.
Los modelos predictivos usualmente se valen de múltiples tipos de datos para arrojar una predicción. La variabilidad en la composición de los datos tiene relación con lo que se desee predecir. Por ejemplo, una persona mayor es más susceptible a sufrir un ataque cardíaco, por lo que podríamos decir que la edad tiene una correlación linear con el riesgo de infarto. Estos datos son compilados de acuerdo a un puntaje o predicción.
En un mundo de gran incertidumbre, ser capaz de anticiparse a los hechos hace que uno pueda tomar mejores decisiones. Este tipo de modelos son ampliamente utilizados en muchos campos diferentes.
Tipo prescriptivo: ¿Qué necesito hacer?
La última etapa, en términos de valor y complejidad, consiste en el modelo prescriptivo, el que se basa en comprender los hechos, sus causas y una serie de situaciones predictivas para determinar cuál es el mejor curso de acción a futuro. La analítica prescriptiva no surge de una acción individual, sino, por el contrario, emerge del conjunto de varias acciones.
Un buen ejemplo de esto es una app sobre tráfico vehicular, que le ayuda a elegir al usuario la mejor ruta a su casa, considerando la distancia recorrida en cada caso, la velocidad alcanzable en cada carretera y, fundamentalmente, las restricciones de tráfico actuales.
Para más información, contáctanos y sigue nuestras noticias en redes sociales.