Durante años, bien porque la normativa legal así lo establecía, o bien por decisión empresarial, las organizaciones han venido almacenando grandes volúmenes de datos provenientes de todos sus procesos transaccionales, ya sean internos o relacionados con terceros. Hasta hace poco tiempo, buena parte de estos datos permanecían almacenados sin que se les diera ninguna utilidad, más allá de alguna consulta puntual.

Con la evolución tecnológica y la aparición de capacidades  para el procesamiento masivo de información, las empresas comenzaron a explotar estos datos para poder entender el porqué de las incidencias en su organización, qué había influido en la consecución de los volúmenes de negocio esperados o por qué algunas filiales funcionaban mejor desde el punto de vista de la rentabilidad.

De un tiempo a esta parte estamos viviendo importantes avances en ámbitos como las soluciones y tecnologías de almacenamiento, las capacidades de procesamiento en tiempo real o, incluso, el modo en que este tipo de analítica avanzada puede integrarse en los procesos empresariales. Y todo ello a unos precios muy razonables. Ahora, la tecnología se ha convertido en un claro habilitador para sacar partido a toda esta información.

Aprovechando estas posibilidades, hace aproximadamente tres años que desde Seidor quisimos dar un giro al uso que se estaba dando a los datos; nos planteamos que, además de conocer los resultados de las acciones, también podíamos prever, a partir del histórico almacenado, qué es lo que va a pasar. Básicamente se trata de la aplicación de modelos estadísticos más o menos sofisticados a los conjuntos de datos. Hablamos de una nueva analítica avanzada que puede aplicarse en diferentes ámbitos, como, por ejemplo, en lo relacionado con la atención al cliente y el marketing (diferentes niveles de segmentación, venta cruzada y efectividad de las promociones, análisis del sentimiento…); en el área de ventas (optimización de precios, reducción de stocks, patrones de devolución…); o, incluso, en producción, aportando información relativa al mantenimiento y el control de la calidad.

En nuestra experiencia, el margen de error de estas predicciones ronda entre el 3% y el 15%

La importancia del histórico

Este tipo de analítica avanzada, basada en la estadística no sirve para cualquier proceso de negocio, puesto que, como premisa principal, requiere un gran volumen de información para que el cálculo probabilístico tenga rigor y, por tanto, acierte con la mayor precisión posible. Sin estos datos no será posible sacar partido de esta aproximación. Por ejemplo, solo si contamos con información acerca de las incidencias que se producen en las plantas productivas, una vez analizados todos los factores que entran en juego es posible conocer de antemano qué día de la semana es el que registrará un mayor número de ellas, en qué línea de producción, con qué tipo de proceso, etc.

Así pues, no se trata de una bola de cristal, sino de pura matemática cuya aplicación hoy es posible gracias a la potencia de procesamiento que aporta la tecnología.

Según nuestra experiencia en diferentes sectores y tamaños de empresa, con el paso de los años, y dependiendo del volumen de datos históricos con que cuente la organización, el margen de error de estas predicciones ronda la horquilla comprendida entre el 3% y el 15%. Esto supone una importante mejora, considerando que se venía de márgenes muy superiores para la misma inversión de tiempo, sin disponer además de ningún tipo de políticas de optimización o ajuste automático.

Conocimiento

Identificar qué procesos son más susceptibles de beneficiarse de esta analítica avanzada resulta esencial si no queremos desperdiciar recursos. Uno de los ejemplos más claros y que mayor provecho ofrecen es la gestión del stock de producto; pero para ello es muy importante conocer de forma clara el modelo de negocio y detectar dónde se puede aplicar esta nueva analítica.

La forma adecuada de desarrollar estos proyectos comienza con un estudio previo a partir de los datos existentes en el histórico y del conocimiento del negocio para tener una idea de las posibilidades que puede ofrecer el análisis predictivo. A partir de ahí, se desarrolla un MVP (minimum viable product), un modelo inicial que permita ver de forma rápida las posibilidades de éxito que tendrá. A continuación, se plantean una serie de ciclos de mejora iterativa, calibrando el tiempo y los recursos empleados y la mejora de resultados. Por último, se realiza una adaptación del proceso para que se ejecute, aprenda y mejore de manera automática, adaptándose a la evolución de los modelos de información.

Cualquier tipo de empresa puede beneficiarse de las ventajas que aporta la analítica avanzada

Cualquier empresa

Basándonos en la experiencia que tenemos en la aplicación de este nuevo enfoque, podemos constatar que la analítica avanzada no es algo exclusivo de las grandes empresas del IBEX, en absoluto. Independientemente del volumen de facturación, o del número de empleados de una organización, algunos de los procesos de negocio pueden tener una mejora evidente si se aplica esta analítica predictiva.

Po ejemplo, si recolectamos toda la información de los últimos años, la cruzamos con la procedente de las líneas de producción y con las áreas de ventas y/o devoluciones, es posible estimar, con bastante exactitud, qué volumen de producción es el más adecuado para no acumular un sobrestock que, a la postre, termina desperdiciándose. Sencillamente, se trata de generar un modelo de predicción de demanda que permite reducir los costes de stock y también acomodar relativos a la fabricación o, incluso, a los de distribución.

Los procesos de contratación de personal son otro buen ejemplo para el uso de este tipo de analítica. Por ejemplo, si analizamos qué estudios habían cursados los empleados, cuáles eran sus características y qué desempeño tuvieron en la empresa a posteriori, existen muchas más posibilidades de encontrar al mejor candidato para un determinado puesto.

Para muchas empresas, la analítica avanzada se ha convertido en una de las “joyas de la corona”. Como si se tratara de la fórmula de la Coca-Cola, las organizaciones guardan en el más absoluto de los secretos de qué modo aplican la probabilidad a su registro histórico de datos. Es la nueva arma para ganar competitividad.