El análisis predictivo, también conocido como análisis estadístico, es la evolución lógica del simple análisis de negocio y de su versión más básica, la modalidad descriptiva. Representa el desplazamiento del foco estratégico del business intelligence al business analytics, que no es sino la desafiante transición de la estabilidad al dinamismo sostenido (y sostenible). Entender en qué consiste el análisis predictivo es saber diferenciarlo del machine learning o del forecasting, pero también conocer las áreas donde se complementan, aportando a la organización esa visión, fuente de conocimiento y de generación de valor.
Esta forma de analytics, la prediciva, sigue siendo user driven, es decir, implica la interacción humana, necesita de la guía de un experto que:
- Confirme hipótesis.
- Determine los requisitos de los datos.
- Establezca prioridades.
Un paso más allá del análisis predictivo se encuentra el machine learning, aprendizaje automático, que para muchos es el núcleo de donde parte predictive analytics. Sin embargo, en este caso el impulsor no es la mente humana y su expertise sino que son los propios datos. En base a ellos, y solamente a ellos, se generan hipótesis, se profundiza en la información y se obtienen predicciones individuales.
El machine learning requiere muchísima menor preparación de los datos, y también menos supuestos. Además está totalmente orientada a resultados, algo que facilita su monitorización en un entorno de negocio.
Es habitual la confusión entre analítica predictiva y machine learning, pero también es frecuente suponerla equivalente a un pronóstico, cuando, en realidad predictive analytics es mucho más que el simple forecasting.
El análisis predictivo es algo completamente distinto, más allá de la previsión normalizada que se centra en asignar una puntuación de predicción para cada cliente o cualquier otro elemento organizativo que se busque valorar. Por el contrario, la previsión ofrece estimaciones agregadas globales, tales como el número total de las adquisiciones del trimestre entrante o los beneficios que se espera generar en un periodo de un año.
Mediante técnicas de forecasting se puede, por ejemplo, estimar el número total de automóviles que se venderán en una determinada región, mientras que gracias al análisis predictivo es posible profundizar en esta información para conocer las características de los clientes individuales más propensos a comprar un coche.
Si predictive analytics se consideraba una rama del aprendizaje automático, el pronóstico es, sin duda, un componente de cualquier modelo predictivo. Ambos elementos esenciales para inspirar el cambio con dosis de realidad. De ahí el poder de Business Analytics, que se refiere a la exploración de los datos históricos de muchos sistemas de origen a través de análisis estadísticos, análisis cuantitativo, minería de datos, modelado predictivo y otras técnicas de análisis predictivo que, de un modo u otro, hacen posible identificar tendencias y comprender la información que puede impulsar el cambio empresarial y el apoyo sostenido a prácticas corporativas de éxito.
Post relacionados: