José Mondragón, experto en SPSS, afirma que el análisis predictivo son técnicas de minería de datos que "permiten extraer conclusiones sobre condiciones presentes y eventos futuros a través de la aplicación de diferentes técnicas tanto estadísticas como matemáticas y de inteligencia artificial"."El objetivo es tener un reconocimiento de patrones", indica el experto.
Mondragón añade que se trata de "ver el patrón de comportamiento de la base datos". La base de datos puede ser "información de clientes, de ventas o demográfica". "Se trata de llegar a conclusiones para generar información y conocimiento con el objetivo de definir estrategias de negocio para saber hacia donde dirigir o encaminar nuestro negocio", puntualiza.
El experto apunta que las áreas que componen la minería de datos "son la estadística, la inteligencia artificial, la computación básica y las bases de datos". "Todo ello para buscar un patrón de comportamiento que en el caso de un producto o servicio es similar al personal o al que desarrollamos en el trabajo; todo ello se va viendo reflejado", añade.
En el caso de los negocios se puede analizar "a los clientes para ver el comportamiento de compra de ciertos productos, o el comportamiento de uso de ciertos servicios, por ejemplo un móvil, y, a partir de ahí, determinar cierta campaña o hacerle un ofrecimiento mayor para que pueda contratar servicios adicionales o que pueda incrementar los servicios que actualmente tiene", aclara Mondragón.
"Esa es la idea de analizar toda esta información con la minería de datos para obtener ese patrón de comportamiento", indica el experto.
Metodología
"Todas las empresas tienen una estrategia de negocio, un proceso, unas técnicas así como un conocimiento de mercado y de las técnicas. En el caso de la minería de datos hay una metodología abierta que si se analiza se puede aplicar a muchos procesos", explica Mondragón.
El experto señala que "lo primero que se ha de hacer es establecer los objetivos, después se han de validar los datos porque de la calidad de los datos depende que el resultado del análisis predictivo sea el correcto. Las variables derivadas ayudaran a hacer que el modelo predictivo sea mejor".
Dentro de la parte del modelado entran las técnicas.
"Son fases de la metodología que están ligadas al negocio así como al modelo predictivo que se quiere definir. El modelo se tiene que probar antes de llevarlo a producción. Después se han de evaluar y finalmente se han de implementar", aclara Mondragón.
En este punto, se han de evaluar los "clientes rentables" para determinar que "se les puede ofrecer y a los no rentables hacerlos rentables; también hay que definir si estas estrategias de negocio son viables, son medibles y son alcanzables; es decir, hay que usar estos resultados siempre y cuando se puedan valorar el beneficio para usar los resultados deseados", indica el experto.
Modelos predictivos
"Siempre que entra un cliente nuevo es muy difícil saber cómo se va a comportar a través del tiempo dentro del negocio" apunta Mondragón.
"Existe un período de observación que es la información histórica que se recopila en las bases de datos, después se obtiene la parte del desempeño donde se puede calificar al cliente como un cliente bueno o un cliente malo pero eso también depende mucho del tipo de negocio; en función de la definición del negocio" explica.
Tras el período de desempeño entra la "fase de análisis" para evaluar si el modelo es bueno o no lo es. "Se comprueba si el modelo predictivo es bueno y, desde ahí, se llega a este modelo para poder calificar a nuevos clientes y calcular una probabilidad de que el cliente sea bueno, malo, cancele o compre. Y, a partir de ahí, determinar el tipo de cliente", señala el experto.
