¿Cómo afrontar las preguntas que habitualmente nos hacemos en las organizaciones? ¿cuánto voy a vender? ¿podemos ser más eficientes? ¿cómo conocer mejor a nuestros clientes?
Hoy en toda organización se generan diariamente una elevada cantidad de datos de diversa índole. La información se almacena de forma incontrolada y es difícil extraer una clara utilidad aplicable a los procesos de negocio.
Un análisis eficiente mediante herramientas de minería de datos y Big Data contribuye a la mejora de procesos, aumento de beneficios, incremento de productividad, predicción de comportamientos y tendencias, sobre los que resulte necesario activar algún plan de contingencia. En definitiva, confiere a esta información un papel esencial en la toma de decisiones.
Estos proyectos se construyen sobre arquitecturas Big Data que soportan variabilidad, rápido procesamiento, almacenamiento masivo y analítica avanzada de información. A partir de ésta y con la agregación de fuentes externas que se clasifican según su relevancia, se pueden aplicar técnicas de machine learning que permiten predecir el comportamiento de las variables.
El proyecto tiene una primera fase de análisis de fuentes de información, tras la que se marcan distintos objetivos: energéticos, sociales, comerciales, PRL, ambientales, etc.
En la fase de desarrollo se definen data-warehouse, arquitectura de sistemas, frameworks involucrados, etc. Se incluyen también nuevas fuentes externas y las que provengan de entornos no estructurados como dispositivos IOT. Después se realiza el trabajo principal de minería de datos, que identifica complejas correlaciones en un entorno multivariable con un objetivo final: conocer los “insights” de las observaciones.
Por último, se entrenan los modelos de aprendizaje automático que permitan realizar predicciones a futuro, con el fin de clasificar comportamientos, conocer la probabilidad de fuga de clientes o realizar un forecasting de nuestros presupuestos, entre otros. Para su aplicación, se crean y publican las visualizaciones por medio de herramientas BI o plataformas web que ayudan a interpretar los resultados requeridos (KPIs), en tiempo real y adaptados al perfil de cada usuario dentro de la organización.
Usando diferentes fuentes y distintos tipos de datos (estructurados o no estructurados), explorando series temporales o anomalías y aplicando algoritmos de aprendizaje supervisado y no supervisado que permitan realizar predicciones, podemos generar un modelo digital de nuestro negocio sobre el que será mucho más fácil mejorar los resultados.
