empresas
Big Data facilita la toma de decisiones de los diferentes niveles gerenciales y operativos de la empresa. Su valor radica en la posibilidad de combinar múltiples fuentes de información en grandes volúmenes con gran capacidad de procesamiento de manera de disponer del estado de sus clientes, su portfolio financiero, sus inversiones y de esa manera poder ofrecer servicios personalizados alineados con su perfil, por ejemplo, de consumo y/o de preferencias de inversión. Es así como Big Data es un componente esencial en la posibilidad de ofrecer una experiencia de usuario enriquecida.
Es importante destacar que las instituciones toman sus decisiones de cuatro maneras:
1. Análisis descriptivo: permite responder a preguntas tales como ¿Qué sucursal tuvo más reclamos? ¿Cómo se distribuyeron las ventas este último mes?, etc. Básicamente brinda un estado en un momento dado del tiempo sobre una o más variables del negocio. Tiene baja complejidad de elaboración y su aporte, si bien puede ser clarificador, no es de gran valor para decisiones estratégicas.
2. Análisis de Diagnóstico o de “espejo retrovisor”: permite analizar los hechos pasados para ver qué acciones podemos tomar para mejorar en el futuro. ¿Por qué vendimos un 10% menos el mes pasado?, ¿Cuáles son las razones por un éxodo masivo de clientes en la zona de mayor venta? Trabajar con los datos en un análisis causa/efecto para decidir acciones de mejoras son actividades típicas de este estadio. La elaboración de esta información es de nivel mayor de complejidad, pero tiene un aporte significativo de valor dado que permite mejorar a futuro evitando errores o situaciones no deseadas de manera recurrente.
3. Análisis Predictivo: Cuando la empresa llega a este nivel de madurez puede decirse que ha transitado casi todo el camino y se encuentra con grandes ventajas competitivas frente a su competencia. Utilizando su información histórica es capaz de predecir un determinado comportamiento de sus consumidores o el grado de penetración de un nuevo producto. Es capaz de identificar qué variables del negocio deberían ser ajustadas para lograr mejorar la performance organizacional en cada caso. Desde el punto de vista de complejidad el análisis predictivo requiere de tecnología que soporte importantes volúmenes de información y complejos modelos estadísticos sumados a una estrategia robusta de gobierno de datos que asegure consistencia de la información en todo momento. El valor que aporta al negocio es importante dado que le permite predecir los resultados y anticipar ajustes para alcanzar las metas deseadas.
4. Análisis Prescriptivo: Si bien el análisis predictivo, permite responder a la pregunta ¿Qué puede pasar?, el análisis prescriptivo nos permite definir qué es lo que queremos que pase. Es el nivel más alto al que debe aspirar una organización que pretende llegar a una cultura guiada por los datos. Este es el concepto de Analytics que, aplicando complejos algoritmos tales como máquinas de aprendizaje e Inteligencia Artificial, el negocio puede definir un comportamiento esperado para un nuevo producto o anticipar determinados comportamientos de los clientes y ofrecer opciones para que cambien su percepción e intereses.
¿Pero cuál es el valor real que esto da a la empresa?
Básicamente en los estadios 1 y 2 la organización es reactiva, actúa sobre hechos consumados y eso implica mayores costos en toda la cadena de valor cada vez que debe resolver un problema o encarar un nuevo desarrollo de productos o servicios. En los estadios 3 y 4 la empresa tiene un cambio radical dado que es proactiva, anticipando y/o previendo soluciones y mejoras que le aportan mayores ventajas competitivas a bajo costo y en un clima de trabajo mucho menos estresante. Un CEO debe entender esto para ver los beneficios que puede obtener cuando le llegan las bondades de la tecnología de Big Data.
Algunos de los beneficios reales para el sector financiero, que se pueden desarrollar en el Análisis Predictivo y Prescriptivo son los siguientes:
1. Usar big data y analytics para análisis de fraude, de riesgo crediticio, análisis de comportamiento para identificar grupos candidatos para una nueva línea de préstamos.
2. Motores de recomendación de productos financieros y de inversiones.
3. Motores de simulación para que los clientes puedan armar su propia oferta crediticia.
4. Máquinas de aprendizaje para análisis de sentimiento de clientes para anticipar la fuga a otras entidades.
Recorrer este camino no es solo cuestión de tecnología, se necesita una cultura de gestión basada en datos e información. Al no ser un camino sencillo de recorrer, la incorporación de la tecnología debe ir en paralelo con un cambio cultural del negocio en donde el foco este puesto en gerenciar y tomar decisiones basadas en hechos objetivos.
Por Alejandro Bianchi
Presidente de Liveware, organización ganadora del Premio Sadosky - Mención Especial a la Calidad 2017. Reconocimiento otorgado por la Industria del Software (CESSI).
