Qué es el análisis prescriptivo?
La analítica prescriptiva es un tipo de analítica de datos, es decir, el uso de la tecnología para ayudar a las empresas a tomar mejores decisiones mediante el análisis de los datos brutos. En concreto, la analítica prescriptiva toma en consideración la información sobre posibles situaciones o escenarios, los recursos disponibles, el rendimiento pasado y el actual, y sugiere un curso de acción o estrategia. Puede utilizarse para tomar decisiones en cualquier horizonte temporal, desde lo inmediato hasta el largo plazo.
Lo contrario de la analítica prescriptiva es la analítica descriptiva, que examina las decisiones y los resultados a posteriori.
Cómo funciona el análisis prescriptivo
La analítica prescriptiva se basa en técnicas de inteligencia artificial, como el aprendizaje automático, es decir, la capacidad de un programa informático, sin intervención humana adicional, para comprender y avanzar a partir de los datos que adquiere, adaptándose en todo momento. El aprendizaje automático permite procesar una enorme cantidad de datos disponibles en la actualidad. A medida que se dispone de datos nuevos o adicionales, los programas informáticos se ajustan automáticamente para utilizarlos, en un proceso que es mucho más rápido y completo de lo que podrían gestionar las capacidades humanas.
Numerosos tipos de empresas con gran cantidad de datos y organismos públicos pueden beneficiarse del uso de la analítica prescriptiva, incluidos los sectores de servicios financieros y de atención sanitaria, en los que el coste del error humano es elevado.
El análisis prescriptivo trabaja con otro tipo de análisis de datos, el análisis predictivo, que implica el uso de estadísticas y modelos para determinar el rendimiento futuro, basándose en datos actuales e históricos. Sin embargo, va más allá: Utilizando la estimación del análisis predictivo de lo que es probable que ocurra, recomienda qué curso futuro tomar.
Ventajas y desventajas del análisis prescriptivo
La analítica prescriptiva puede cortar el desorden de la incertidumbre inmediata y las condiciones cambiantes. Puede ayudar a prevenir el fraude, limitar el riesgo, aumentar la eficiencia, cumplir los objetivos empresariales y crear clientes más fieles.
Sin embargo, el análisis prescriptivo no es infalible. Sólo es eficaz si las organizaciones saben qué preguntas hacer y cómo reaccionar ante las respuestas. Si los supuestos de entrada no son válidos, los resultados de salida no serán precisos.
Sin embargo, cuando se utiliza de forma eficaz, la analítica prescriptiva puede ayudar a las organizaciones a tomar decisiones basadas en hechos muy analizados en lugar de sacar conclusiones poco informadas basadas en el instinto. El análisis prescriptivo puede 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 de lo que podrían confiar en los promedios. Las organizaciones pueden comprender mejor la probabilidad de los peores escenarios y planificar en consecuencia.
Puntos clave
- El análisis prescriptivo hace uso del aprendizaje automático para ayudar a las empresas a decidir un curso de acción basado en las predicciones de un programa informático.
- El análisis prescriptivo funciona con el análisis predictivo, que utiliza los datos para determinar los resultados a corto plazo.
- Cuando se utiliza eficazmente, el análisis prescriptivo puede ayudar a las organizaciones a tomar decisiones basadas en hechos y proyecciones ponderadas por la probabilidad, en lugar de sacar conclusiones poco informadas basadas en el instinto.
Ejemplos de análisis prescriptivo
Numerosos tipos de empresas con gran cantidad de datos y organismos públicos pueden beneficiarse del uso de la analítica prescriptiva, incluidos los sectores de los servicios financieros y la atención sanitaria, donde el coste del error humano es elevado.
La analítica prescriptiva podría utilizarse para evaluar si un departamento de bomberos local debe exigir a los residentes que evacúen una zona concreta cuando un incendio forestal esté ardiendo en las proximidades. También podría utilizarse para predecir si un artículo sobre un tema concreto será popular entre los lectores, basándose en datos sobre búsquedas y acciones sociales de temas relacionados. Otro uso podría ser el de ajustar el programa de formación de un trabajador en tiempo real, basándose en la respuesta del trabajador a cada lección.
Análisis prescriptivo para hospitales y clínicas
Del mismo modo, los hospitales y las clínicas pueden utilizar el análisis presencial para mejorar los resultados de los pacientes. Pone en contexto los datos sanitarios para evaluar la rentabilidad de diversos procedimientos y tratamientos y evaluar los métodos clínicos oficiales. También puede utilizarse para analizar qué pacientes del hospital tienen el mayor riesgo de reingreso, de modo que los proveedores de atención sanitaria puedan hacer más, a través de la educación del paciente y el seguimiento del médico, para evitar los constantes regresos al hospital o a la sala de urgencias.
Analítica prescriptiva para aerolíneas
Supongamos que usted es el director general de una compañía aérea y quiere maximizar los beneficios de su empresa. El análisis prescriptivo puede ayudar a conseguirlo ajustando automáticamente los precios y la disponibilidad de los billetes en función de numerosos factores, como la demanda de los clientes, el clima y los precios de la gasolina. Cuando el algoritmo identifica que las ventas de billetes prenavideños de este año de Los Ángeles a Nueva York son inferiores a las del año pasado, por ejemplo, puede reducir automáticamente los precios, asegurándose de no bajarlos demasiado a la vista del aumento de los precios del petróleo de este año.
Al mismo tiempo, cuando el algoritmo evalúa la demanda de entradas más alta de lo habitual de St. Louis a Chicago por el estado de las carreteras heladas, puede aumentar el precio de los billetes automáticamente. El director general no tiene que estar todo el día mirando un ordenador para ver lo que ocurre con las ventas de billetes y las condiciones del mercado y luego dar instrucciones a los trabajadores para que entren en el sistema y cambien los precios manualmente; un programa informático puede hacer todo esto y más, y además a un ritmo más rápido.