ANALÍTICA DE DATOS

Analítica de datos:

La analítica de datos se refiere a la respuesta de preguntas o decisiones de negocio formuladas a partir de datos históricos o creados por medio de técnicas de modelamiento y análisis.

No es quien tiene los datos, es lo que haces con ellos y como los interpretas.
Más que estadística, la analítica de datos o big data es una oportunidad o problema de liderazgo…

  1. Requiere de decisiones de negocio.
  2. De resolver problemas reales.
  3. Resuelve problemas de inversión.
  4. La analítica debe ser planeada.
  5. Permite centrarse en la rentabilidad.

Beneficios de la analítica de datos:

  • Se genera valor a partir de la información ya disponible.
  • Decisiones inteligentes y con sustento más científico, menos intuición o ‘feeling’.
  • Resolución de problemas basándonos en hechos reales.
  • Comprensión de los datos para tomar decisiones.
  • Transformar los datos en respuestas o decisiones de negocio (ahorro de dinero, productividad, tiempo).
  • Agilidad estratégica.
  • Permite idear y desarrollar iniciativas de negocio.

¿Cuál es el proceso de la analítica de datos?

  1. Definición de la decisión a tomar: oportunidad o problema de negocio, objetivo de la investigación.
  2. Determinar al equipo de seguimiento interno y externo.
  3. Conocer el contexto de la información disponible.
  4. Realización de la analítica: descriptiva, predictiva y prescriptiva.
  5. Determinar qué variables explican y cuales predecir.
  6. Seleccionar posibles modelos y algoritmos (formulas) a utilizar.
  7. Determinar el mejor modelo para predecir y encontrar respuestas.
  8. Resultados y toma de decisiones.

¿Por qué Ideas Frescas…?

  • 25 años de experiencia.
  • Líderes de proyectos especializados en el tema, las decisiones y entorno de negocio.
  • El modelo de negocio de pago por suscripción permite más ahorros para el cliente.
  • Este modelo genera más de 80% de ahorro para el contratante.
  • La suscripción permite trabajar y tomar decisiones de negocio basados en analítica de manera continua.
Ejemplos de la aplicación de la analítica de datos o big data
1 Ventas a crédito Ayuda a conocer:

1.     El perfil ideal quien solicita crédito.

2.     Características que ayudan a predecir que el solicitante es buen candidato.

3.     Características que ayudan a predecir que es mal candidato al crédito.

4.     Calificación de quien aplica a crédito.

5.     Rechazo a los malos candidatos en base a históricos.
2 Ventas de vivienda 1.     Da calificación predictiva de los candidatos o prospectos a comprar una casa.

2.     Ayuda a predecir la calidad de los prospectos de vivienda: quien cumple con requisitos de comprador, quien es muy probable que no termine de pagar el enganche a plazos, quien no cumple los requisitos y mal prospecto.

3.     Asigna los mejores candidatos a los mejores vendedores.

4.     Estimar y predecir precios de vivienda en el mercado.

5.     Determina las condiciones de mercado: si mejoran o empeoran con el fin de tomar decisiones de competitividad.

6.     Predecir la mejor posición competitiva para el desarrollador.
3 Recursos humanos 1.     Determina las características del perfil presentes en los empleados o vendedores más productivos.

2.     Mejora la eficiencia del reclutamiento.

3.     Determina probabilidad y características de empleados a permanecer en la planta.

4.     Que características del perfil del trabajador genera mayor productividad antes de contratar.
4 Ventas al detalle 1.     Determina el tamaño de mercado.

2.     Identifica el potencial para nuevas sucursales en una nueva ciudad.

3.     Identifica las características ideales que tienen las ubicaciones y sucursales exitosas.

4.     Identifica las características presentes en sucursales de bajo desempeño.

5.     Genera un semáforo para nuevas ubicaciones.

6.     Ayuda a determinar el formato de sucursal con la ubicación seleccionada.
5 Hotelería 1.     Califica a los prospectos de tiempo compartido.

2.     Predice el producto ideal para cada candidato.

3.     Ayuda a predecir si el prospecto es buen comprador, mal prospecto, o bien, si es alguien que dejará de pagar.
6 Gasolineras 1.     Desarrolla una fórmula que ayuda a maximizar el precio.

2.     Determina cuáles vendedores tienen efecto sobre las ventas de las bombas.
7 Inversión e impacto de medios 1.     Identifica cuáles son los medios que tienen mayor impacto e influencia en las ventas.

2.     Ayuda a conocer qué medios no tienen influencia en las compras de los clientes.

3.     Predecir cuál anuncio tiene más probabilidad de ser visto por algún cliente, y publicar el mejor.
8 Retención de clientes 1.     Predecir cuáles clientes son los más propensos a dejar de adquirir productos con nuestra empresa y tomar acciones para retenerlos
9 Producción y mermas 1.     Determina cuándo existe un cambio en la tendencia de mermas.

2.     Ayuda a predecir y mejorar los programas de mantenimiento.
10 Identificación de riesgos de salud sin hacer pruebas médicas Predecir quien de los aplicantes tiene alto riesgo de algunas enfermedades para calcular primas de seguro
11 Sector Alimentario 1.     Identificar y predecir patrones de consumo alimentario de los consumidores.

2.     Medición del gasto en el consumo de alimentos y bebidas fuera del hogar.
12 Sector servicios (restaurants, bancos, supermercados) 3.     Predicción de llegada y salida de clientes dentro de un rango de tiempo. Útil para optimizar la cantidad de personal que atiende al cliente en el negocio.
13 Predicción de embarazo Predecir cuáles clientas tendrán un bebé en los siguientes meses y hacerles ofertas relevantes.
14 Detección de fraude Predecir cuáles transacciones o aplicaciones serán fraudolentas y hacer algo al respecto.

Ejemplo: venta de inmuebles