26 DIC 2017

Análisis predictivo, analizar los datos para predecir las tendencias del futuro

El análisis predictivo es una mezcla de análisis de datos que se refieren a fénomenos obervados en pasado integrados a modelos predictivos y de aprendizaje automático con el objectivo de predecir tendencias futuras. El análisis predictivo moderno se centra siempre más en los datos, en los Big Data, volúmenes de datos amplios y que se pueden segmentar para diferentes variables.

El proceso de análisis predictivo consiste principalmente en identificar los datos que se consideran significativos y adecuados para describir el fenomeno que se tiene que estudiar para analizar después estos datos para buscar tendencias o modelos que permitan entender cuáles porciones de estos datos son necesarias. En esta fase hay que realizar uno o más modelos que se usan para describir el fenomeno. Estos modelos, luego, son la base para el análisis predictivo verdadero.

Modelos predictivos, modelos descriptivos y modelos de decisión: diferencias e interacciones

Existen algunas diferencias entre modelos predictivos, descriptivos y de decisión. Vamos a explicarlas con un ejemplo.

Tenemos una tienda que vende coches usados y queremos estimar el precio de uno usado. Basándonos  en los precios de los coches usados que hemos vendido hasta ahora, podemos construir un modelo, descriptivo, que relaciona las características del coche (marca y modelo, kilometraje, condiciones generales, accesorios) a su precio. Usando este modelo descriptivo, si nos proponen comprar un coche (que volveremos a vender) usado, podemos evaluar el precio al que podríamos venderlo (modelo predictivo). Un modelo de decisión, en cambio, es lo que nos ayuda a tomar decisiones una vez que hemos comprendido el fenomeno: en nuestro caso, un simple modelo de decisión podría ser: “si el precio al que nos ofrecen el coche es inferior de almenos 1.000 euros que el precio al que estimamos que podemos revenderlo, lo compramos, en otros casos, no”.

Los 3 modelos, usandos en secuencia como hemos visto en el ejemplo, son una buena integración para poder hacer una estimación o una previsión a nivel de negocios. ¿Pero cuáles pueden ser las aplicaciones del Análisis Predictivo para las empresas?

Las aplicaciones del Análisis Predictivo pueden ser usadas en ámbitos diferentes, del marketing a la prevención del fraude de seguros, de la estimación de los riesgos operativos a la estimación de los valores bursátiles.

Algoritmos predictivos y Big Data, dependencias y posibilidades

Los algoritmos predictivos basan su eficacia en la disponibilidad de datos de calidad, posiblemente en cantidad. Gracias a los Big Data se pueden estimar fenomenos aparentemente no conectados porque se poseen datos.

En un famoso estudio, Google demostró lograr prever el mapa de difusión de las influencias antes de la organización mundial de la salud, simplemente observando la frecuencia de los usuarios, divididos en sus propias áreas geograficas, en hacer búsquedas relacionadas con la influencia, como “síntomas influencia”, “remedios influencia” y “medicamientos influencia”.

Poseer grandes volúmenes de datos y saberlos analizar, permite tener las bases necesarias para desarollar modelos predictivos realisticos y afidables que se tienen que evaluar basándose en el contexto de referencia y en la fuente de procedencia de los Big Data, además que en la búsqueda de estos.

Análisis Predictivo, programas y modelos para el análisis

El análisis predictivo se realiza usando grandes volúmenes de datos que se analizan con programas diseñados ad hoc. Alternativamente se usan lenguajes matemáticos de modelado o lenguajes de programación tradicionales, juntos a librerías software especializadas, para producir aplicaciones ad hoc basándose en las esigencias especificas de los clientes para el análisis de los datos.

El más conocido programa para el análisis predictivo es IBM Watson que incluso batió unos concursantes humanos a Jeopardy!, un conocido programa de juegos en los Estados Unidos.

Elaborado por Lucia D’Adamo, en colaboración con Luigi Laura, supervisado por Marco Pirrone