Deja que los algoritmos decidan - y actúen - por ti

Estos análisis de operaciones están incrustados, automatizados y funcionan a escala para controlar directamente las decisiones empresariales. No sólo predicen cual es la mejor acción a seguir, sino que también hacen que la acción ocurra sin la intervención humana. Esto puede sonar radical al principio, pero en realidad no lo es. De hecho, se trata simplemente de permitir que el análisis siga la misma evolución que el sector manufacturero pasó durante la revolución industrial. 

Hace siglos todo era fabricado a mano. Si necesitabas un martillo, por ejemplo, alguien producía manualmente uno para ti. Mientras que la fabricación de forma manual de cada artículo permite la personalización precisa, no permite fabricar a escala o con consistencia. La revolución industrial permitió la producción en masa de martillos con una calidad consistente y un menor coste. Ciertamente, parte de la personalización y los toques personales se perdieron. Pero las ventajas de la producción en masa son mayores que las pérdidas en la mayoría de los casos. Sigue siendo posible aún comprar artículos por encargo cuando el gasto se considere oportuno, pero esto por lo general sólo tiene sentido en situaciones especiales, tales como cuando el comprador quiere una pieza única en su tipo.

La misma revolución está ocurriendo en la analítica. Históricamente, el análisis predictivo ha sido en gran medida artesanal, un esfuerzo personalizado. Cada modelo era cuidadosamente construido por un profesional de la analítica poniendo sumo cuidado, precisión y personalización en la creación del modelo. Esto dio lugar modelos muy potentes, altamente optimizados, que se utilizaron para predecir todo tipo de cosas. Sin embargo, el coste de estos esfuerzos sólo tiene sentido para los problemas y decisiones de negocio de alto valor. ¿Qué pasa con las innumerables decisiones de menor valor que las empresas enfrentan cada día? ¿No hay manera de aplicar el análisis predictivo en términos más generales?

Ahí esta la cuestión.

Los analistas de operaciones reconocen la necesidad de desplegar el análisis predictivo en términos más generales, pero a un precio diferente. Una cadena de montaje requiere renunciar a la personalización y la belleza con el fin de lograr un producto barato y consistente. Así, también, los analistas de operaciones requieren renunciar a un poder de análisis y personalización para crear procesos analíticos que pueden aumentar los resultados en situaciones en las que un modelo totalmente personalizado predictivo simplemente no tiene sentido. En estos casos, es mejor tener un muy buen modelo que realmente se pueda implementar para obtener algún valor, que no tener ningún modelo en absoluto porque sólo un modelo óptimo será aceptado.

Permíteme ilustrar la diferencia con un ejemplo común. Un uso popular de los modelos predictivos es identificar la probabilidad de que un determinado cliente vaya a comprar un producto específico o responder a una oferta determinada. Una organización puede tener, modelos altamente robustos personalizados para los 10-20 mejores productos u ofertas. Sin embargo, no es rentable construir modelos de la manera tradicional para los productos u ofertas que están muy abajo en la lista de popularidad. Mediante el aprovechamiento del aprendizajes de los 10-20 modelos personalizados, es posible crear un proceso automatizado que construya un modelo razonable para cientos o miles de productos u ofertas en lugar de sólo los más comunes. Esto permite al análisis predictivo impactar en el negocio más profundamente. 

Los análisis de operaciones ya forman parte de nuestras vidas hoy en día, nos demos cuenta o no. Los bancos ejecutan algoritmos automatizados para identificar posibles fraudes, los sitios web personalizan el contenido en tiempo real, y las líneas aéreas determinan automáticamente cómo derivar a los pasajeros cuando las demoras climáticas impiden su partida, teniendo en cuenta multitud de factores y limitaciones. Todos estos Análisis ocurren rápidamente y sin intervención humana. Por supuesto, los procesos de análisis tuvieron que ser diseñados, desarrollados, probados y desplegados por gente. Pero, una vez que se encienden, los algoritmos toman el control y conducen acciones. Además de simplemente predecir el mejor movimiento para realizar o sugerir un producto, los procesos de análisis operacionales te llevan al siguiente nivel mediante la realidad de prescribir lo que debe hacerse y luego haciendo que la acción se produzca automáticamente. 

El poder de los análisis de operaciones automatizados sólo está empezando a hacerse realidad, al igual que los retos a los que las organizaciones se enfrentarán a medida que evolucionen y pongan en práctica este tipo de procesos. Por ejemplo, el análisis de operaciones no reemplaza a los análisis tradicionales, sino que se basa en ellos. Del mismo modo que sigue siendo necesario diseñar, crear prototipos y probar un nuevo producto antes de que una línea de montaje pueda producir el tema a escala, sigue siendo necesario diseñar, crear prototipos y probar un proceso de análisis antes de que pueda comenzar a funcionar. Las organizaciones deben ser competentes con los métodos de análisis tradicionales antes de que puedan evolucionar para realizar análisis de operaciones automatizados. No hay atajos. 

Etiquetas: algoritmo