El análisis predictivo permite a su organización estimar escenarios posibles que permitan planificar y llevar a cabo estrategias que mejoren la toma de decisiones.
La mayoría de las corporaciones logra convertir sus datos en información para realizar un análisis estadístico de lo que ha sucedido, pero muy pocas de éstas logran usar la información para pronosticar o predecir, para encontrar agrupaciones o relaciones entre datos que permitan transformar dicha información en conocimiento.
Con el análisis predictivo es posible modelar grandes volúmenes de datos que lleven al descubrimiento de patrones de información desconocida acerca de lo que sucede dentro del negocio que ayudará a crear e implementar estrategias que permitan a la empresa ser más competitivos al mejorar la calidad de sus productos y servicios.
En ésta presentación usted conocerá en qué áreas de negocio es posible implementar el análisis predictivo como por ejemplo:
• Qué valor tiene el análisis predictivo para las áreas de negocio
• Mantenimiento predictivo de los activos de la empresa
• Antes de diseñar una campaña de marketing ¿Cómo analizar el comportamiento de nuestro clientes?
• ¿Cómo pronosticar la demanda de tus clientes? Evitando así el sobre inventario en el almacén y la optimización en el servicio al cliente
• Conocer qué opinan los clientes
Presentador: José Mondragon
Información de las soluciones de Business Analytics: informacion@nexolution.com
2. ¿Qué es el Análisis Predictivo?
¿Cómo funciona?
Objetivo
¿Cómo se aplica al negocio?
Tipos de análisis
Aplicación en industria
Conclusiones y consideraciones
3.
4. Son una serie de técnicas que permiten descubrir patrones de
comportamiento en grandes volúmenes de datos. Una
definición más formal sería:
El Data Mining es un proceso que permite extraer conclusiones confiables sobre las condiciones
presentes y los eventos futuros, a través de la aplicación de métodos estadísticos, matemáticos y
de reconocimiento de patrones.
Gartner Group
Fuente: “Datamining: Torturando los datos hasta que confiesen”
¿Que áreas?
• Estadística
• Inteligencia Artificial
• Computación Gráfica
• Bases de Datos
7. 7
PROCESO
ANALÍTICO
Establecimiento de objetivos
Recopilación de datos
Análisis exploratorios
Calidad de datos
1.
2.
3. Selección de datos
Agregaciones
Nuevas variables
Formato
Valores perdidos
4. Selección de técnicas
Construcción de modelos
5. Evaluación de resultados
6. Integración con procesos
operativos
Mantenimiento
8. Línea de tiempo para el DesarrolloPasado Futuro
Período de Observación
Ej:2 años
Información al Punto de Observación
Período de Desempeño
Ej:6meses
BuenoMalo
Modelo
Modelo
Información
al Día de Hoy
Prob.
Alta
Prob.
Baja
BuenoMalo
ENTRENAMIENTO COMPROBACION
PROCESO DE DESAROLLO
9.
10. 10
Encontrar reglas
que caracterizan la
propensión a un
determinado
comportamiento
Múltiples tipos de
datos de entrada
Churn risk high
…
If female
And % usage out net > 45
And avg bill size [23 to 35]
And Web: searched “transfer”
And service calls > 0
And used “handset”
(sentiment NEGATIVE)
…
Churn risk low
…
If male
And age > 50
And % usage out net < 25
And avg bill size [0 to 13]
And # extensions = 2
…
Churn risk high
…
If % usage peak > 52
And % roaming > 10
And avg bill size [over 35]
And on optimal plan = NO
…
PROCESO
ANALÍTICO
11. 11
• Identificación de
grupos de registros
similares
• Sin conocimiento
previo sobre cómo se
componen los grupos
y sus características
PROCESO
ANALÍTICO
12. 12
• cerveza <= lata_veg & congelados (173, 17,0%, 84%)
PROCESO
ANALÍTICO
Relacionar una determinada
conclusión (la compra de un
producto dado) con un
conjunto de condiciones (la
compra de otros productos)
13. 13
Predecir los valores de una o varias series a
lo largo del tiempo
PROCESO
ANALÍTICO
14. 14
Categorizar los conceptos que aparecen en
una serie de registros/archivos de texto no
estructurado.
PROCESO
ANALÍTICO
15. 15
El resultado de la ejecución del modelo predictivo a toda la
base de clientes es el proceso conocido como scoring
• Indica, para cada registro,
la propensión a que suceda
el comportamiento que se
está modelando
• Es el punto de partida para
las actuaciones proactivas
posteriores
RESULTADOS
16.
17. Industria Problema Aplicación
Telcos Churning
Fraude
Customer Relationship Management
• Abandono de clientes
• Prevención de fraudes
• Rentabilidad, campañas de marketing, lealtad
Finanzas/Retail
Consumo/Telco/
Educación
Customer Relationship Management (CRM) • Patrones de uso del servicio o producto
• Respuesta a campañas de marketing
• Predicción de ventas
• Market Basket Analysis
• Segmentación,
• Perfil de clientes
Educación/Recursos
Humanos
Retención de alumnos/empleados, Análisis
de desempeño
• Perfiles de alumnos/empleados
• Retención de los mejores alumnos/empleados
Consumer/ Distribución Logística y planeación •Niveles de inventarios
•Pronósticos de venta, compra de insumos, demanda
Finanzas (seguros) Contratación de seguros
Análisis de cobranza de seguros
Cancelación de seguros
•Identificación de patrones de riesgo
•Fraude en reclamaciones
•Retención de clientes
Finanzas (Bancos) Análisis transacciones •Fraude con tarjetas de crédito y débito
• Análisis de morosidad en pagos
• Score de Crédito
• Prevención y Análisis de Lavado de dinero
Gobierno
Manufactura
Análisis de usuarios
Seguridad
Falla en las líneas de producción
Perfil evasores fiscales
Predicción y Prevención de Crimenes
Mantenimiento Predictivo
Aplicaciones en diversas industrias
18.
19. 19
No es un producto, un software o un algoritmo
Es un proceso de negocio que necesita una cierta tecnología
No es un modelo, una segmentación o un conjunto de reglas
Esos son algunos de los outputs de un proceso de Análisis Predictivo
Es un método de extracción de conocimiento en grandes volúmenes de
información para pasar a la acción
No es un producto final en sí mismo
Es un proceso iterativo que debe ser integrado a la estrategia de negocio y
que debe ir mejorando