En este artículo explicamos la diferencia entre la Analítica Predictiva y la Prescriptiva y, dentro de esta última, la diferencia también entre un Sistema basado en Reglas de Negocio y uno basado en Optimización.
Analítica Predictiva
La analítica predictiva es la aplicación de técnicas matemáticas avanzadas, tales como la estadística o el aprendizaje automático para predecir datos que faltan. La analítica predictiva respondería, pues, a preguntas como:
- Dada una secuencia histórica de ventas de un producto, ¿cuánto espero vender de este producto en los próximos 15 días?
- Dada una cartera de clientes con su historial de compras, ¿puedo calcular las características que son relevantes en los clientes de cara a predecir los artículos que les van a interesar?
- A partir de datos históricos de reparaciones que he tenido que realizar sobre mis equipos, ¿puedo encontrar relaciones que me permitan predecir las averías que van a ocurrir en el corto plazo?
- A partir del historial de impago de mi cartera de clientes, ¿puedo deducir características de los mismos que me permitan identificar cuáles de ellos, aunque no lo hayan cometido, son más propensos a cometer impago?
En general, podemos responder a preguntas del tipo: A partir de la información de que dispongo, ¿puedo deducir información de la que no dispongo?
Analítica Prescriptiva
Ahora bien, y al margen de la mera curiosidad, ¿para qué se necesita esta información? La respuesta es simple: esta información se necesita de cara a dar soporte a la toma de una decisión posterior:
- El cálculo de la previsión de ventas de un producto se utiliza, entre otras cosas, para poder calcular los pedidos de reposición de la mercancía.
- La propensión de compra de un cliente para ciertos artículos se puede utilizar para calcular qué campañas es más conveniente lanzar sobre este cliente.
- Es interesante predecir las averías que van a producirse en mis equipos de cara a realizar mantenimientos preventivos en el momento más adecuado.
- La propensión al impago de un cliente es importante a la hora de valorar el concederle un crédito.
En algunas ocasiones, esta decisión se podrá tomar de forma manual. Es decir, un ser humano podrá analizar toda la información de la que dispone (incluida la predictiva), y tomar la decisión correcta. Pero este proceso se hace cada vez más complicado: la cantidad de información es mayor, la información en sí es cada vez más compleja, y las exigencias de calidad y urgencia en la toma de decisiones son cada vez más elevadas.
La Analítica Prescriptiva es la parte de la analítica que se dedica a la automatización de la toma de decisiones, apoyándose principalmente en dos disciplinas esenciales:
Aun siendo dos disciplinas con un mismo fin, son en su fondo y en su forma muy diferentes, y creo que es importante entender en qué se distinguen.
Después de más de 14 años de experiencia desarrollando soluciones basadas en ambas vertientes, concluimos que la mejor manera de distinguir en qué caso aplica cada una de ellas, es fijarse no tanto en la naturaleza de la decisión a tomar, sino en el proceso que se sigue para tomar esta decisión.
Sistemas de Gestión de Reglas de Negocio
En muchas ocasiones este proceso de toma de decisiones es sistemático. Es decir, ante unos datos de entrada (edad, sexo, años con carnet de conducir, etc.,) se sabe exactamente la decisión que hay que tomar (precio del seguro de automóvil).
Es importante notar aquí que el hecho de que el proceso sea sistemático no significa necesariamente que sea sencillo. Las reglas de negocio involucradas en este proceso pueden ser muy complejas, y pueden formar parte de complejos flujos de decisión. Pero, en cualquier caso, estas reglas son conocidas de antemano, y el flujo también lo es.
Los Sistemas de Gestión de Reglas de Negocio permiten implementar estas políticas de decisión de una forma sencilla, y muchos de ellos permiten hacerlo incluso en lenguaje natural. En el ejemplo del precio del seguro del automóvil, una de estas reglas podría parecerse a:
Si la edad del tomador es inferior a 25 años entonces sumar 100 € a la prima anual base
Podríamos tener múltiples Reglas de Negocio definidas para tomar acciones distintas ante condiciones distintas, y las mismas podrían ir ubicadas en distintos puntos del flujo de decisión. Pero lo importante del proceso es que estas reglas y ubicaciones son conocidas de antemano.
Claramente, en el ejemplo que estamos planteando, la regla que aumenta 100 € el seguro del coche para conductores con edad inferior a 25 años proviene de un análisis estadístico previo, que adjudica a estas personas un riesgo mayor de accidente.
Optimización Matemática
En otras ocasiones, el proceso de decisión no es sistemático. La decisión a tomar se enmarca en un contexto definido por una serie de restricciones. Estas restricciones marcan las condiciones para que una decisión sea válida, pero existen multitud de decisiones válidas en este mismo contexto.
Normalmente, a la hora de tomar estas decisiones está implícita una forma de valorar la calidad de una decisión frente a otra, una función objetivo que permite distinguir entre una solución válida mejor y otra, también válida, pero que es peor.
Tomemos el ejemplo de un problema de distribución de mercancías de almacén a tienda. El responsable de tomar esta decisión sabe qué mercancía debe distribuir. Así mismo, dispone de una serie de camiones para hacerlo, cada uno de ellos con unas características distintas. Sabe además que, por ejemplo, los alimentos refrigerados tienen que ir en un camión frigorífico, mientras que los no refrigerados se pueden transportar en otro tipo de camiones. Conoce las normas del tráfico, y sabe por qué calles no pueden circular determinados camiones. Toda esta información define el contexto (restricciones) de su problema.
Pero existen múltiples formas de realizar la distribución en este contexto. Para tomar la decisión, necesita tener un criterio para valorarlas, para decidir cuál es mejor. Entre estos criterios podrán estar el consumir menos combustible, el hacerlo en el menor tiempo posible, o recorriendo la menor distancia. Quién sabe. Pero lo que es seguro es que tiene uno o varios criterios (función objetivo) que le permiten distinguir cuándo una posible decisión es mejor que otra.
La Optimización Matemática es un conjunto de técnicas y algoritmos que permiten representar el contexto (restricciones) a tener en cuenta en la toma de este tipo de decisiones, y que están especializados en la búsqueda de las mejores decisiones dentro de este contexto, en función de los criterios de bondad que se hayan definido.
Conclusiones
Existen múltiples técnicas que permiten dar soporte a la toma de decisiones. Entre las más sofisticadas, se encuentran las enmarcadas dentro de la Analítica Predictiva y Prescriptiva.
La Analítica Predictiva es la aplicación de técnicas matemáticas avanzadas, tales como la estadística o el aprendizaje automático para predecir datos que faltan. Proporciona una información muy valiosa de cara a dar soporte a la toma de decisiones, aunque no automatiza la toma de decisiones en sí.
La Analítica Prescriptiva es la encargada de automatizar la toma de decisiones. Bien sea mediante el uso de Sistemas de Gestión de Reglas de Negocio, cuando el proceso de decisión es sistemático, o bien algoritmos de Optimización Matemática, cuando el proceso no lo es, proporciona una enorme ayuda en el proceso de decisión, mejorando la eficiencia operativa de las compañías que la utilizan, y diferenciándolas de sus competidores en un mercado cambiante y competitivo como el actual.
Si quieres saber más sobre analítica avanzada de datos o sobre decide4AI, no dudes en contactarnos. También puedes seguirnos en las redes sociales (Linkedin, Twitter, Youtube).