Analítica Prescriptiva
La Analítica Prescriptiva es la gran promesa de la analítica que parece que nunca termina de aterrizar.
Tiene un tremendo potencial para ser una fuerza disruptiva en las empresas. Porque aunque la Analítica Predictiva puede aportar un conocimiento muy valioso sobre lo que puede ocurrir en el futuro, el mayor valor lo encontramos en cómo la Analítica Prescriptiva es capaz de utilizar esta información para automatizar decisiones y alcanzar objetivos marcados por las áreas de negocio. Como recomendar el producto con mayor posibilidad de compra, seleccionar las campañas comerciales de mayor retorno, la ruta óptima con el menor coste, minimizar el uso de recursos garantizando los plazos de entrega, etc. Soluciones capaces de decidir qué acciones son las mejores para alcanzar los objetivos de negocio y agilizar la toma de decisiones, que hacen que las empresas sean más eficientes y competitivas. Es, por tanto, una de las disciplinas analíticas que más valor diferencial puede ofrecer a una compañía.
Gartner define la Analítica Prescriptiva como «la combinación de optimización, reglas y datos que mejora la analítica al sugerir la forma óptima de manejar una situación futura y puede aplicarse a decisiones estratégicas, tácticas y operacionales». En otras palabras, mientras que todos los enfoques analíticos apuntan a mejorar la toma de decisiones, sólo la Analítica Prescriptiva recomienda (es decir, «prescribe») el mejor camino.
En esencia, las soluciones basadas en analítica prescriptiva ayudan a limitar el riesgo, aumentar la eficiencia y cumplir los objetivos empresariales. Tomando las mejores decisiones para el negocio a pesar de la incertidumbre y las condiciones cambiantes, apoyando decisiones operativas, tácticas y estratégicas críticas. La Analítica Prescriptiva permite desarrollar sistemas que permiten simular la probabilidad de varios resultados y mostrar la probabilidad de cada uno. Ayudando a las organizaciones a comprender mejor el nivel de riesgo e incertidumbre al que se enfrentan.
Pongamos un ejemplo que utiliza Analítica Prescriptiva. El coche de auto-conducción de Google. Durante cada viaje, toma decisiones múltiples sobre qué hacer basado en predicciones de resultados futuros. Al acercarse a una intersección el coche necesita analizar el contexto de ese instante: vehículos y personas detectadas, posiciones, trayectorias, distancia, y opciones sobre posibles trayectorias de cada uno de los actores. El coche debe evaluar todas las opciones y tomar la mejor decisión posible para cumplir con el objetivo inmediato de pasar la intersección, sin incumplir ninguna norma de circulación y por supuesto, evitando cualquier tipo de incidencia. Por lo tanto, el coche anticipa sus decisiones evaluando el efecto de cada una de las opciones posibles antes de tomar realmente esa decisión.
La analítica prescriptiva, se apoya principalmente en tres disciplinas:
- Investigación operativa
- Sistemas de gestión de reglas de negocio
- Procesamiento complejo de eventos
Investigación Operativa
Esta disciplina matemática tiene sus orígenes en los años 60-70. Consiste en el uso de optimización matemática (programación lineal, programación entera mixta, programación por restricciones y algoritmos heurísticos) para resolver problemas complejos, teniendo en cuenta múltiples objetivos de maximización o minimización, y todas las restricciones y limitaciones del modelo. El propósito del modelo matemático es, por tanto, comprender el impacto de las distintas posibles decisiones y cuantificar las compensaciones de cada decisión, para seleccionar el resultado que cumple con los objetivos marcados.
Los modelos de optimización ayudan a tomar decisiones cruciales: estrategias de cobertura, optimización de inventario, selección de la mejor ruta de transporte, opcionalidad del producto, mezcla y optimización de portafolios.
Pongamos un caso de uso: planificar de forma óptima las operaciones de mantenimiento de la flota de aviones de una compañía. Durante el proceso de programación de todas las tareas de mantenimiento de cada avión, necesitaremos materiales de repuesto y herramientas específicas (cuyo uso es compartido y su disponibilidad limitada). Además estas tareas se realizarán en distintas localizaciones (hangares, pie de pista, incluso en vuelo) y por personal especializado que debe cumplir con una serie de capacidades, disponibilidad horaria, cumplimiento de convenios, etc. Y además debemos tener en cuenta los planes de vuelo fijados de cada avión. Dada la competitividad de precios existente en el sector de transporte aéreo, las compañías están obligadas a minimizar los costes de las operaciones (entre ellas las de mantenimiento). Para lo cual, deben maximizar el uso de los recursos de que disponen (que suelen ser escasos) y cumplir con los requerimientos legales exigidos para su actividad. Garantizando la seguridad de los vuelos y el cumplimiento de tiempos de las tareas necesarias de toda la flota. Como podemos ver, la complejidad de las decisiones que deben tomarse, se apoya en modelos matemáticos de investigación operativa capaces de analizar toda la información disponible, contemplar todas las restricciones del proceso (planes de vuelo, tareas de mantenimiento, niveles de inventario, disponibilidad de equipos) y garantizar los horizontes temporales exigidos para cada uno de los aviones de la flota.
Sistemas de gestión de Reglas de Negocio
Disciplina de la informática que trata de automatizar lógicas de negocio, mediante procesos de toma de decisiones en los que se sabe de antemano el resultado, donde las reglas de negocio implican cierta complejidad. Los sistemas basados en reglas de negocio (BRMS) son sistemas colaborativos que centralizan las políticas de decisión de una organización para una implementación más fácil y sencilla. Algunos incluso en lenguaje natural, proporcionan una serie de ventajas en cuanto a legibilidad, transparencia y trazabilidad de las lógicas de negocio, además de agilizar su mantenimiento. Por ello, hacen de estas herramientas unos potentes aliados en procesos de negocios regulados.
Los BRMS están ampliamente extendidos en sectores como el financiero o el asegurador, para facilitar la toma de decisiones en procesos como el cálculo de la tarifa para un producto determinado o procesos de suscripción y gestión del riesgo, entre otros.
Procesamiento Complejo de Eventos
El Procesamiento de Eventos Complejos es otra disciplina de prescripción, en la que la tecnología proporciona capacidades para analizar flujos de datos de múltiples fuentes. Identifica los eventos y patrones más significativos de un proceso, analiza su impacto y permite actuar sobre ellos en tiempo real. Por tanto, son soluciones que automatizan la toma de decisiones, apoyándose en soluciones de arquitectura de software que procesan un gran volumen de información, de una gran variedad de fuentes de datos. Por eso, aunque su historia se remonta a los años 90, ha tomado un gran impulso con las iniciativas Big Data y todo lo relacionado con IoT.
Podemos ver un claro ejemplo en el modelo “Pay as you Drive«. Y profundizar un poco más sobre esta técnica en este artículo.
Analítica Cognitiva
Computación Cognitiva o análisis cognitivo es un término que ha popularizado principalmente la empresa IBM para aglutinar todo un conjunto de técnicas analíticas englobadas dentro de la Inteligencia Artificial. ¿Pero de qué se trata? La Computación Cognitiva tiene como fin simular el proceso de pensamiento y racionalización de los seres humanos en un modelo computarizado. Tratando de imitar el modo deductivo que utiliza el cerebro humano para extraer conclusiones e identificar patrones a partir de la información y la base de conocimiento que disponemos, gestionando el grado de incertidumbre que existe en cada decisión. Por eso, como ya hemos comentado, en algunos sitios podremos ver incluido el aprendizaje automático como una disciplina de la Analítica Cognitiva.
Para procesar la información, es necesario previamente dar sentido a datos que proceden de distintas fuentes. Y para ello, la Analítica Cognitiva se apoya en otra disciplina, el procesamiento del lenguaje natural o NLP. Que tiene como objetivo, no solo entender y comprender la información que recibe, sino que también la sitúa dentro de un contexto, interpretando así el lenguaje natural que utilizamos los seres humanos para comunicarnos.
Las plataformas de Computación Cognitiva como Watson, combinan además del aprendizaje automático y NLP, el razonamiento y procesamiento de voz e imágenes, para hacer más naturales las interacciones entre los seres humanos y las maquinas. El objetivo de la Computación Cognitiva es crear sistemas informáticos automatizados que sean capaces de resolver problemas sin necesidad de asistencia humana y usando un interfaz lo más natural y humano posible.
Las organizaciones tienen puesto su interés en esta tecnología, por su capacidad de extraer conocimiento de los datos y su capacidad de mejorar las decisiones empresariales.
Teóricamente, no hay límite para el desarrollo cognitivo que estos sistemas pueden lograr, aprovechando los beneficios de la computación paralela / distribuida masiva y su poder de cálculo.
Esta tecnología puede aplicarse en la asistencia médica para ayudar a recopilar todo el conocimiento existente sobre una sintomatología. Incluyendo el historial del paciente, publicaciones científicas, pruebas de diagnóstico, etc. Actuando como un asistente virtual del facultativo y apoyando las posibles opciones de tratamiento, para poder tomar las mejores decisiones sobre el tratamiento a aplicar.
Este mismo proceso se podría aplicar en cualquier campo donde haya un gran volumen de información que necesita ser procesada y analizada para resolver problemas. Entre las áreas del negocio de gran impacto, están la ciberseguridad, el comportamiento de los consumidores, los Chatbots de recomendación de productos, bots de apoyo a usuarios y clientes, agentes de viajes, etc.
