SAP Predictive Analytics (1 / 2)

En este artículo hablaremos sobre SAP Predictive Analytics empezando por explicar qué es el análisis predictivo.

Con el nacimiento del Internet de las cosas, la interconexión digital de nuestros objetos cotidianos con internet, la generación de datos ha aumentado de forma exponencial.

Esta gran cantidad de datos, procesados adecuadamente, nos puede proporcionar información útil que se puede aprovechar para mejorar el rendimiento de nuestros negocios, de tal manera que, por ejemplo, conozcamos más a fondo a nuestros clientes y así podamos ofrecer ofertas a medida y mejor adaptadas a las necesidades de cada uno.

Es aquí, donde esta necesidad, hace que aparezcan y tomen importancia los análisis de datos del tipo avanzado, donde destacan los análisis predictivos.

¿Qué es el análisis predictivo?

El Análisis Predictivo es el estudio que consiste en aplicar técnicas matemáticas y estadísticas a gran cantidad de datos para crear modelos que reflejen las relaciones implícitas entre ellos y con la finalidad de descubrir patrones, tendencias y reglas útiles.

El objetivo principal es obtener un Modelo Predictivo* que proporcione resultados, estimaciones, predicciones, asociaciones, recomendaciones que nos sean útiles, es decir, que logren producir beneficios, prevenir errores, simplificar situaciones, etc.

*Consideramos un Modelo Predictivo como una representación matemática, generalmente un conjunto de ecuaciones donde los parámetros vienen estimados utilizando técnicas matemáticas a partir de la observación de los datos.

SAP Predictive Analytics, modelo predictivo

Tipos de aplicaciones

Según los objetivos, las preguntas a las que se quiera responder o el tipo de información que se quiera obtener, dividiremos el análisis predictivo entre los siguientes tipos de aplicaciones:

  • Análisis de Outliers: sirven para la búsqueda de valores inusuales e inesperados. Responden a las preguntas ¿Qué anomalías o valores inusuales pueden existir? ¿Son errores o son cambios de conducta reales?
  • Series Temporales: a partir de patrones históricos tratan de predecir valores futuros. Nos dan información sobre, ¿Cuáles son las tendencias, tanto históricas como emergentes? ¿Cómo pueden continuar y evolucionar?
  • Análisis de Clasificación y Regresión: tratan de predecir los valores de una variable a partir de los valores que afectan a otras variables con las que tiene relación. Nos ayudan a descubrir, ¿Cuáles son las características que propician que ocurra un suceso u otro?
  • Análisis Clúster: ayudan a agrupar los datos con atributos similares en clústeres. Dan respuesta a ¿Hay grupos de individuos determinados en función de las características comunes?
  • Análisis de Asociación: sirven para encontrar reglas de asociación entre objetos. Obtienen información sobre ¿Cuáles son las correlaciones en los datos? ¿Qué sucesos ocurren habitualmente a la vez?

Líneas de negocio

Sin embargo, aunque haya multitud de tipos de análisis predictivos, donde de verdad reside la importancia de estos estudios es en la cantidad de posibles aplicaciones que existen.

En estos últimos años las líneas de negocio donde se han implantado proyectos de análisis predictivo se ha expandido enormemente. Por ejemplo:

  • Marketing: Entender que están diciendo, que opiniones tienen tus clientes sobre ti y tus servicios y como te valoran, utilizando el análisis de sentimientos en las redes sociales.
  • Finanzas: Predecir movimientos de dinero, gestionar recaudaciones y préstamos, identificar el riesgo en operaciones de negocio, detectar alteraciones y cambios inusuales en del mercado.
  • Producción: Monitorizar y analizar todos los cambios y las cuestiones de calidad de los procesos de producción. Desde detectar y predecir los fallos, hasta entender el porqué de éstos pudiendo así mejorar el proceso.
  • Cadena de suministros: Control inmediato de cambios en las demandas y suministros.
  • TICs: Análisis de support/call centers, utilización de activos, planificación de demandas y procedimientos, estudio de la deslealización de un cliente.
  • Ventas: Aproximar, en tiempo real, las ventas futuras mejorando las fuentes de información sobre las previsiones de ingresos. Agrupar a los clientes en función de sus perfiles pudiendo optimizar las ofertas y recomendaciones para cada tipo de cliente.
  • Soporte al cliente: Proporcionar las ofertas correctas y el nivel de servicio adecuado a cada cliente. A partir del estudio de las relaciones entre los productos estudiar oportunidades de cross-sell.

Análisis predictivo en SAP

SAP Predictive Analytics

Por supuesto, SAP no se queda atrás en esta tendencia y proporciona una herramienta, SAP Predictive Analytics, que nos permite realizar análisis predictivos completos. Además, gracias a su tecnología SAP HANA se ha convertido en una de las herramientas más potentes del mercado.

En el siguiente artículo trataremos esta herramienta y las ventajas que nos ofrece.

Esta entrada fue publicada en SAP, SAP BI - Business Intelligence, SAP España, SAP HANA. Guarda el enlace permanente.
Si te ha gustado...Compártelo!

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *