Deje que los algoritmos decidan (y actúen) por su empresa

En un futuro próximo, el simple hecho de tener modelos predictivos que sugieran lo que se podría hacer no bastará para mantenerse por delante de la competencia. En cambio, las organizaciones inteligentes están llevando la analítica a un nivel aún más profundo en los procesos empresariales: para tomar decisiones operativas en tiempo real, a diario. Estos análisis operativos están integrados, son prescriptivos, automatizados y se ejecutan a escala para impulsar directamente las decisiones empresariales. No solo predicen cuál es la siguiente mejor acción, sino que también hacen que la acción se lleve a cabo sin la intervención humana. Puede que eso suene radical al principio, pero en realidad no lo es. De hecho, se trata simplemente de permitir que la analítica siga la misma evolución por la que pasó la fabricación durante la revolución industrial.

Hace siglos todo se fabricaba a mano. Si necesitara un martillo, por ejemplo, alguien le produciría uno manualmente. Si bien la fabricación manual de todos los artículos bajo demanda permite una personalización precisa, no permite la escala ni la coherencia. La revolución industrial permitió la producción en masa de martillos con una calidad constante y un coste inferior. No cabe duda de que se perdieron algunos toques personales y de personalización. Sin embargo, las ventajas de la producción en masa superan esas pérdidas en la mayoría de los casos. Sigue siendo posible comprar artículos personalizados cuando el gasto se considere apropiado, pero normalmente esto solo tiene sentido en situaciones especiales, como cuando el comprador desea una pieza única.

La misma revolución se está produciendo en la analítica. Históricamente, el análisis predictivo ha sido en gran medida un esfuerzo artesanal y personalizado. Todos los modelos los creó minuciosamente un profesional de la analítica como yo, que puso extremo cuidado, precisión y personalización en la creación del modelo. Esto dio lugar a modelos muy potentes y altamente optimizados que se utilizaban para predecir todo tipo de cosas. Sin embargo, el coste de estos esfuerzos solo tiene sentido para problemas y decisiones empresariales de gran valor. ¿Qué hay de las innumerables decisiones de menor valor a las que se enfrentan las empresas cada día? ¿No hay forma de aplicar el análisis predictivo de manera más amplia?

La hay.

Los análisis operativos reconocen la necesidad de implementar el análisis predictivo de manera más amplia, pero a un precio diferente. Una línea de montaje requiere renunciar a la personalización y la belleza para conseguir un producto económico y coherente. Además, los análisis operativos requieren renunciar a cierta potencia analítica y a la personalización para crear procesos de análisis que puedan aumentar los resultados en situaciones en las que un modelo predictivo totalmente personalizado simplemente no tiene sentido. En estos casos, es mejor tener un modelo muy bueno que se pueda implementar para generar valor que no tener ningún modelo, ya que solo se aceptará un modelo óptimo.

Permítame ilustrar la diferencia con un ejemplo común. Un uso popular de los modelos predictivos es identificar la probabilidad de que un cliente determinado compre un producto específico o responda a una oferta determinada. Una organización puede tener modelos personalizados y muy sólidos para sus 10 a 20 productos u ofertas principales. Sin embargo, no es rentable crear modelos de la manera tradicional para productos u ofertas que están muy por debajo de la lista de popularidad. Al aprovechar lo aprendido de esos 10 a 20 modelos personalizados, es posible crear un proceso automatizado que cree un modelo razonable para cientos o miles de productos u ofertas, en lugar de solo los más comunes. Esto permite que el análisis predictivo tenga un impacto más profundo en la empresa.

Los análisis operativos ya forman parte de nuestras vidas hoy en día, nos demos cuenta o no. Los bancos utilizan algoritmos automatizados para identificar posibles fraudes, los sitios web personalizan el contenido en tiempo real y las compañías aéreas determinan automáticamente cómo cambiar la ruta de los pasajeros cuando se producen retrasos por mal tiempo, teniendo en cuenta innumerables factores y restricciones. Todos estos análisis se realizan rápidamente y sin intervención humana. Por supuesto, las personas tenían que diseñar, desarrollar, probar e implementar los procesos de análisis. Pero, una vez activados, los algoritmos toman el control e impulsan acciones. Además de simplemente predecir el mejor movimiento o el mejor producto que sugerir, los procesos de análisis operativo lo llevan al siguiente nivel, ya que prescriben lo que se debe hacer y, a continuación, hacen que esa acción se lleve a cabo automáticamente.

El poder y el impacto de la analítica operativa integrada y automatizada apenas están empezando a hacerse realidad, al igual que los desafíos a los que se enfrentarán las organizaciones a medida que evolucionen e implementen dichos procesos. Por ejemplo, los análisis operativos no sustituyen a los análisis tradicionales, sino que se basan en ellos. Del mismo modo que todavía es necesario diseñar, crear prototipos y probar un nuevo producto antes de que una línea de montaje pueda producirlo a escala, también es necesario diseñar, crear prototipos y probar un proceso de análisis antes de que pueda ponerse en funcionamiento. Las organizaciones deben dominar los métodos de análisis tradicionales antes de poder evolucionar hacia la analítica operativa. No hay atajos.

No cabe duda de que también hay cuestiones culturales que abordar. Puede que los ejecutivos no se sientan cómodos al principio con la perspectiva de dejar las decisiones diarias en manos de un montón de algoritmos. También será necesario acostumbrarse a supervisar el funcionamiento de un proceso de análisis operativo analizando el historial de las decisiones que ha tomado, en lugar de aprobar por adelantado una serie de decisiones que el proceso recomienda. Superar estos temas será un paso necesario en el camino hacia el éxito.

Las herramientas, tecnologías y metodologías necesarias para crear un proceso de análisis operativo también variarán un poco de las que se utilizan para crear los procesos por lotes tradicionales. Uno de los impulsores de estas diferencias es el hecho de que, en lugar de centrarse en relativamente pocas decisiones (y a menudo estratégicas), los análisis operativos suelen centrarse en una enorme escala de decisiones tácticas diarias. Esto hace que sea necesario agilizar un proceso para que pueda ejecutarse bajo demanda y, luego, tomar medidas en un abrir y cerrar de ojos.

Quizás la parte más difícil de aceptar de la analítica operativa, especialmente para los profesionales de la analítica, sea el hecho de que el objetivo no es encontrar el mejor o el más potente modelo predictivo como estamos acostumbrados. Cuando sea asequible y las decisiones que se tomen sean lo suficientemente importantes como para justificarlo, seguiremos esforzándonos por encontrar el mejor modelo. Sin embargo, habrá muchos otros casos en los que utilizar un modelo predictivo decente para mejorar la calidad de las decisiones sea suficiente. Si un proceso automatizado puede mejorar los resultados, se puede utilizar con confianza. Perder el sueño por la potencia adicional que se podría conseguir en el proceso con mucha personalización no servirá de nada en situaciones en las que simplemente no sea posible, debido a los costes y la escala, dedicarse realmente a esa personalización.

Si su organización aún no se ha unido la revolución de la analítica, ya es hora de que lo haga. Los análisis predictivos aplicados por lotes solo a problemas de gran valor ya no bastarán para mantenerse por delante de la competencia. Es necesario evolucionar hacia procesos de análisis operativo integrados, automatizados y prescriptivos. ¡Hacer que los análisis sean operativos no es opcional!