![\"analitica-predictiva\"](\"http:\/\/websinergia.com.mx\/blog\/wp-content\/uploads\/2017\/03\/analitica-predictiva-300x183.jpg\")
Toda organizaci\u00f3n aspira hoy en d\u00eda sacar partido de sus procesos y de las relaciones con sus clientes. Una de las principales v\u00edas para conseguirlo pasa por acceder y analizar la informaci\u00f3n valiosa que radica en sus sistemas, para as\u00ed obtener conclusiones y ponerlas en pr\u00e1ctica.<\/p>\n
Los datos revelan hechos sobre nuestros clientes.<\/strong> Por ejemplo, nos permiten identificar qui\u00e9nes cancelan sus contratos y se marchan a la competencia, en qu\u00e9 \u00e1rea geogr\u00e1fica se mueven o en qu\u00e9 fuente de ingresos se sit\u00faan aquellas personas que han contactado con nuestro call center tres o m\u00e1s veces en los \u00faltimos seis meses.<\/p>\n <\/p>\n El an\u00e1lisis de estos datos nos pueden ayudar a entender mejor el comportamiento del cliente, c\u00f3mo prever posibles cuellos de botella en materia log\u00edstica o determinar la efectividad de una iniciativa.<\/p>\n Para obtener el mayor provecho posible de estas ideas, resulta necesario extender estas averiguaciones a todas las l\u00edneas de actividad de la organizaci\u00f3n, empleando la anal\u00edtica predictiva.<\/p>\n Gracias a esta tecnolog\u00eda podremos identificar d\u00f3nde se producen posibles retrasos en los procesos, tomar medidas para aliviar futuras incidencias o predecir el comportamiento del cliente.<\/p>\n Qu\u00e9 hacer y qu\u00e9 no hacer con la anal\u00edtica predictiva<\/strong><\/p>\n Para que los proyectos de anal\u00edtica predictiva alcancen resultados satisfactorios y consigan integrarse en el seno de los procesos de negocio, se han de priorizar numerosos aspectos y sortear diversos obst\u00e1culos. A continuaci\u00f3n se expone qu\u00e9 debemos y no debemos hacer con relaci\u00f3n a la anal\u00edtica predictiva:<\/p>\n Ser proactivos a la hora de tomar decisiones:<\/strong> Los resultados de la anal\u00edtica predictiva proporcionan ideas sobre posibles comportamientos. Gracias a esta valiosa informaci\u00f3n, las organizaciones podr\u00e1n valorar las iniciativas positivas que emprendan y reducir el impacto de las negativas.<\/p>\n \nFallar al poner el foco en una iniciativa de negocio espec\u00edfica:<\/strong> Concentrarse en un proyecto de negocio espec\u00edfico reduce la posibilidad de que se produzca la denominada \u201cpar\u00e1lisis en el an\u00e1lisis\u201d, consistente en malgastar esfuerzos a la hora de casar averiguaciones anal\u00edticas con objetivos indefinidos.<\/p>\n \nConcentrarse en proyectos que impacten directamente en el negocio, es decir, que aumenten la rentabilidad o que reduzcan los costos:<\/strong> Estos proyectos son m\u00e1s tangibles y cuentan con m\u00e1s posibilidades de ser aprobados, ya que facilitan a las organizaciones la capitalizaci\u00f3n de los datos capturados.<\/p>\n \nIgnorar fases cruciales, como la preparaci\u00f3n y el acceso a los datos:<\/strong> Al desplegar proyectos de anal\u00edtica predictiva, numerosas organizaciones pasan por alto etapas importantes del proceso. Las grandes \u201colvidadas\u201d suele ser la preparaci\u00f3n y el acceso a los datos, aunque, en realidad, deber\u00edan ser las iniciativas en las que hacer mayor hincapi\u00e9.<\/p>\n \nAsumir una visi\u00f3n amplia del proceso y desplegar una visi\u00f3n hol\u00edstica de la soluci\u00f3n:<\/strong> Si s\u00f3lo ponemos el foco en un aspecto \u2013por ejemplo, capturar un conjunto espec\u00edfico de datos\u2013, es posible que no estemos lo suficientemente preparados como para sacar partido del proyecto en el momento oportuno.<\/p>\n \nEmplear demasiado tiempo evaluando modelos:<\/strong> Las compa\u00f1\u00edas suelen evaluar en exceso. A\u00f1aden nuevas variables a los modelos para aumentar su fiabilidad, lo que habitualmente repercute en el redise\u00f1o del sistema con retrasos en el despliegue y en obst\u00e1culos que impiden sacar provecho a las posibilidades que puede ofrecer la anal\u00edtica predictiva.<\/p>\n \nDesarrollar un proceso de colecci\u00f3n y exploraci\u00f3n directa de los datos:<\/strong> Identificar incidencias en la calidad de los datos, recabar conclusiones iniciales y detectar subconjuntos relevantes, no s\u00f3lo ayuda al usuario a familiarizarse con los datos, sino que tambi\u00e9n garantiza que los an\u00e1lisis realizados sean m\u00e1s eficientes y precisos.<\/p>\n \nInvertir en herramientas que apenas proporcionan retorno de la inversi\u00f3n:<\/strong> Cuando hablamos de un ambiente computacional, las organizaciones suelen implementar dos tipos de sistemas: uno de anal\u00edtica predictiva y otro de reporting para extraer resultados. Esto genera costos adicionales e innecesarios en hardware, soporte y mantenimiento. Combinar ambos sistemas en un \u00fanico entorno simplificar\u00eda y abaratar\u00eda el proyecto.<\/p>\n \nPreparar incorrectamente los datos:<\/strong> Debemos ser cuidadosos a la hora de seleccionar los datos relevantes cuando se escogen tablas, registros y atributos procedentes de diversas fuentes. Posteriormente, los datos deben ser transformados, fusionados, agregados, divididos, analizados y calificados para optimizar los resultados.<\/p>\n \nErrar a la hora de industrializar las averiguaciones:<\/strong> Si no se utilizan las conclusiones que nos ha proporcionado la anal\u00edtica predictiva para construir y desplegar una aplicaci\u00f3n o para aplicar un cambio tangible en el sistema, los esfuerzos destinados a preparar y crear un modelo, o a recolectar y analizar los datos, habr\u00e1n sido en vano.<\/p>\n \nSeleccionar y aplicar varias t\u00e9cnicas de modelado:<\/strong> Adem\u00e1s de haber preparado de manera \u00f3ptima sus datos, debe asegurarse de usar las t\u00e9cnicas de an\u00e1lisis m\u00e1s acordes con sus prop\u00f3sitos. Algunas t\u00e9cnicas pueden ilustrar los patrones subyacentes con datos que ofrecen un \u00e1ngulo m\u00e1s \u00fatil que otros, y, en consecuencia, comparar los resultados de varios m\u00e9todos de modelado.<\/p>\n \nEvitar estos errores habituales de planificaci\u00f3n y adoptar las mejores pr\u00e1cticas subrayadas anteriormente condicionar\u00e1n la diferencia entre desarrollar con \u00e9xito o no un proyecto de anal\u00edtica predictiva.<\/p>\n Toda organizaci\u00f3n aspira hoy en d\u00eda sacar partido de sus procesos y de las relaciones con sus clientes. Una de las principales v\u00edas para conseguirlo pasa por acceder y analizar la informaci\u00f3n valiosa que radica en sus sistemas, para as\u00ed obtener conclusiones y ponerlas en pr\u00e1ctica. Los datos revelan hechos sobre nuestros clientes. Por ejemplo, […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[25],"tags":[],"_links":{"self":[{"href":"https:\/\/websinergia.com.mx\/blog\/wp-json\/wp\/v2\/posts\/1555"}],"collection":[{"href":"https:\/\/websinergia.com.mx\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/websinergia.com.mx\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/websinergia.com.mx\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/websinergia.com.mx\/blog\/wp-json\/wp\/v2\/comments?post=1555"}],"version-history":[{"count":1,"href":"https:\/\/websinergia.com.mx\/blog\/wp-json\/wp\/v2\/posts\/1555\/revisions"}],"predecessor-version":[{"id":1557,"href":"https:\/\/websinergia.com.mx\/blog\/wp-json\/wp\/v2\/posts\/1555\/revisions\/1557"}],"wp:attachment":[{"href":"https:\/\/websinergia.com.mx\/blog\/wp-json\/wp\/v2\/media?parent=1555"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/websinergia.com.mx\/blog\/wp-json\/wp\/v2\/categories?post=1555"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/websinergia.com.mx\/blog\/wp-json\/wp\/v2\/tags?post=1555"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
\nFuente: CIO Por\u00a0Jos\u00e9 Luis Becerra Pozas<\/a><\/h6>\n","protected":false},"excerpt":{"rendered":"