¿Cómo utilizar los datos para tomar decisiones inteligentes?
En la actualidad la mayoría de las organizaciones, desde emprendimientos pequeños hasta empresas multinacionales, utilizan sistemas o herramientas para gestionar el trabajo del día a día. Las tareas que se realizan varían según el rubro: manejo de facturación, control de stock, seguimiento de pedidos o entregas y atención al cliente; éstas son algunas de las más comunes, sin embargo existen una infinidad de actividades distintas. El común denominador, entre dichas actividades, es el uso de herramientas digitales para almacenar los datos relacionados a las mismas y llevarlas a cabo de manera ordenada. En general, las empresas más grandes tienen a su disposición sistemas personalizados que resuelven la mayoría de sus necesidades mientras que a las organizaciones más pequeñas les basta con organizarse con planillas de cálculo y documentos.
A pesar de que la mayoría utiliza los datos para el trabajo diario, son pocos los que sacan provecho de todo el volumen de información que tienen para tomar decisiones. En este punto es donde aparecen términos como Big Data, Business Intelligence, Data Science, AI, Machine Learning, entre otros. Pero… ¿a qué hacen referencia?
Todas estas disciplinas comparten la misma base: analizar datos históricos para poder responder algún interrogante. ¿Cuál fue la cantidad de pedidos en Marzo del año pasado? ¿Cuál será la facturación esperada para el año próximo? ¿Cuál es la mejor forma de repartir mis pedidos? Estos son solo algunos ejemplos de preguntas comunes pero las interrogantes suelen ser específicos para cada rubro, además de más complejas.
Para responder este tipo de preguntas, dependiendo de la necesidad de cada organización, se hacen tres tipos de análisis de los datos.
Descriptivo
Este tipo de análisis está orientado a entender los datos, visualizarlos de manera ordenada y evidenciar patrones en los mismos. En el rubro de retail, por ejemplo, un análisis de datos descriptivo sobre los consumos podría arrojar qué productos — como la leche y sus derivados — están incluídos en la mayoría de las compras. A partir de esta conclusión, se pueden tomar acciones específicas como ubicar los lácteos lejos de la entrada de los mercados y así asegurarse de que los clientes recorran todo el comercio.
Predictivo
Como su nombre lo indica, está orientado a predecir el futuro en base a datos históricos. Además, permite evidenciar correlaciones y causalidades entre los mismos. Esto es utilizado por el sector financiero para predecir cuál va a ser el comportamiento de un cliente y hasta qué punto respetará los pagos si se le otorgara un crédito.
Prescriptivo
Este es el tipo de análisis más complejo — y el más rico también — ya que apunta a encontrar la mejor forma de hacer una tarea específica. En general, llegar al resultado óptimo es muy difícil ya que una misma tarea se puede realizar en una infinidad de formas. Entonces, para acercarse a la solución ideal se arman modelos matemáticos a partir de los datos que se tienen y luego se utilizan dichos modelos para llegar a un resultado suficientemente bueno. Volviendo al ejemplo del supermercado, se podría hacer un análisis para determinar cuál es la mejor forma de ubicar los productos para maximizar las ventas. La cantidad de formas distintas de ubicar los productos es inmensamente grande y hacer pruebas de algunas de ellas con clientes toma mucho tiempo y, posiblemente, sea muy costoso. En este tipo de casos, hacer un análisis prescriptivo podría dar como resultado combinaciones de productos impensadas de otro modo y significar un aumento en las ventas a la empresa sin necesidad de hacer pruebas concretas con clientes.
Analizar los datos disponibles puede ser de utilidad tanto para empresas grandes como para pequeños emprendimientos. Los objetivos, el alcance y las preguntas que se respondan serán distintos para cada organización, ya que cuánto más complejo sea el análisis se requerirá mayor nivel de inversión de tiempo y dinero. Sin embargo, en el caso más básico, con solo ordenar y visualizar los datos de manera correcta se pueden obtener conclusiones interesantes para cualquier negocio.
Las nuevas tecnologías y los avances en Data Science permiten que estas técnicas estén cada vez más al alcance de cualquier organización. Lo que antes sólo podía ser llevado a la práctica por las grandes empresas ahora, gracias al desarrollo tecnológico, puede ser aplicado por cualquier emprendimiento lo que le permitirá entender mejor su negocio, ser más rentable y crecer tomando decisiones inteligentes.
Matías Dinota, Desarrollador Web/Mobile | Partner @ Eryx
mdinota@eryx.co
