Definition

Analítica predictiva o análisis predictivo

Contribudor(es): Margaret Rouse

La analítica predictiva es una forma de análisis avanzado que utiliza datos nuevos e históricos para predecir la actividad futura, el comportamiento y las tendencias. Implica la aplicación de técnicas de análisis estadístico, consultas analíticas y algoritmos automáticos de aprendizaje automático a conjuntos de datos para crear modelos predictivos que sitúen un valor numérico o puntuación en la probabilidad de que ocurra un evento particular.

Las aplicaciones de software de análisis predictivo utilizan variables que pueden medirse y analizarse para predecir el comportamiento probable de individuos, maquinaria u otras entidades. Por ejemplo, es probable que una compañía de seguros tenga en cuenta las posibles variables de seguridad de conducción como la edad, el sexo, la ubicación, el tipo de vehículo y el historial de conducción al momento de fijar el precio y emitir pólizas de seguro de automóvil. Las variables múltiples se combinan en un modelo predictivo capaz de evaluar las probabilidades futuras con un nivel aceptable de fiabilidad. El software se basa en gran medida en algoritmos avanzados y metodologías tales como regresiones logísticas, análisis de series de tiempo y árboles de decisión.

La analítica predictiva ha crecido en prominencia junto con la aparición de los sistemas de grandes volúmenes de datos, o big data. A medida que las empresas han acumulado grupos de datos más grandes y más amplios en los clústeres Hadoop y otras grandes plataformas de datos, han creado mayores oportunidades para que exploten esos datos para obtener información predictiva. El mayor desarrollo y comercialización de herramientas de aprendizaje automático por parte de los proveedores de TI también ha ayudado a expandir las capacidades de análisis predictivo.

Las áreas de marketing, los servicios financieros y las compañías de seguros han sido notables adoptantes de la analítica predictiva, al igual que los grandes motores de búsqueda y los proveedores de servicios en línea. La analítica predictiva también se utiliza comúnmente en industrias como la sanitaria, el comercio minorista y la fabricación.

Las aplicaciones empresariales para el análisis predictivo incluyen la orientación de anuncios en línea, señalización de transacciones financieras potencialmente fraudulentas, identificación de pacientes con riesgo de desarrollar condiciones médicas particulares y detección de fallas inminentes de piezas en equipos industriales antes de que se produzcan.

El proceso del análisis predictivo

La analítica predictiva requiere un alto nivel de experiencia con métodos estadísticos y la capacidad de construir modelos predictivos de datos. Como resultado, es típicamente el dominio de los científicos de datos, estadísticos y otros expertos en análisis de datos. Son apoyados por ingenieros de datos, quienes ayudan a recopilar datos relevantes y prepararlos para el análisis, y por desarrolladores de software y analistas de negocio, que ayudan con la visualización de datos, paneles de control e informes.

Los científicos de datos utilizan modelos predictivos para buscar correlaciones entre diferentes elementos de datos en los datos de clickstream de sitios web, registros de salud de los pacientes y otros tipos de conjuntos de datos. Una vez que se recogen los datos a analizar, se formula un modelo estadístico, se capacita y se modifica según sea necesario para producir resultados precisos; el modelo se ejecuta entonces contra los datos seleccionados para generar predicciones. Los conjuntos de datos completos se analizan en algunas aplicaciones, pero en otros, los equipos de análisis utilizan el muestreo de datos para agilizar el proceso. El modelo predictivo se valida o revisa a medida que se dispone de datos adicionales.

El proceso de análisis predictivo no siempre es lineal, y las correlaciones a menudo se presentan donde los científicos de los datos no están buscando. Por esa razón, algunas empresas están llenando posiciones de científicos de datos al contratar a personas que tienen formación académica en física y otras disciplinas científicas duras y, de acuerdo con el método científico, se sienten cómodos donde los datos los llevan. Incluso si las empresas siguen el camino más convencional en la contratación de científicos de datos capacitados en matemáticas, estadística y ciencias de la computación, una mente abierta en la exploración de datos es un atributo clave para tener un análisis predictivo eficaz.

Una vez que el modelado predictivo produce resultados accionables, el equipo analítico los comparte con los ejecutivos de negocios, usualmente con la ayuda de paneles e informes que presentan la información y destacan futuras oportunidades de negocio basadas en los hallazgos. Los modelos funcionales también pueden incorporarse en aplicaciones operativas y productos de datos para proporcionar capacidades analíticas en tiempo real, como un motor de recomendación en un sitio web minorista en línea que dirige a los clientes a determinados productos en función de su actividad de navegación y opciones de compra.

Aplicaciones del análisis predictivo

El marketing en línea es un área en la cual el análisis predictivo ha tenido un impacto significativo para el negocio. Los minoristas, los proveedores de servicios de marketing y otras organizaciones utilizan herramientas de análisis predictivo para identificar las tendencias en el historial de navegación de un visitante del sitio web para personalizar los anuncios. Los minoristas también usan análisis de clientes para tomar decisiones más informadas sobre qué tipos de productos debe almacenar el minorista.

El mantenimiento predictivo está emergiendo como una valiosa aplicación para los fabricantes que monitorean una pieza de equipo en busca de señales de algo que puede estar a punto de descomponerse. A medida que se desarrolla el internet de las cosas (IoT), los fabricantes están conectando sensores a la maquinaria en el piso de la fábrica ya los productos mecatrónicos, como los automóviles. Los datos de los sensores se usan para pronosticar cuando se deben realizar trabajos de mantenimiento y reparación para evitar problemas.

IoT también permite usos de análisis predictivo similares para monitorear oleoductos y gasoductos, plataformas de perforación, granjas de molinos de viento y varias otras instalaciones industriales de IoT. Los pronósticos meteorológicos localizados para los agricultores, basados ​​parcialmente en datos recopilados en estaciones de datos meteorológicos equipados con sensores instalados en campos de cultivo, son otra aplicación de modelado predictivo impulsada por IoT.

Herramientas y técnicas de análisis

Una amplia gama de herramientas y técnicas se utiliza en la predicción de modelos y análisis. IBM, Microsoft, el SAS Institute y muchos otros proveedores de software ofrecen herramientas analíticas predictivas, incluyendo software de aprendizaje automático y tecnologías relacionadas que soportan aplicaciones de aprendizaje profundo.

Además, el software de código abierto juega un papel importante en el mercado del análisis predictivo. El lenguaje de código abierto R se utiliza comúnmente en aplicaciones de análisis predictivo, al igual que los lenguajes de programación Python y Scala. También están disponibles varias plataformas de análisis predictivo y de aprendizaje automático de código abierto, incluyendo una biblioteca de algoritmos incorporados al motor de procesamiento Spark.

Los equipos de análisis pueden utilizar las ediciones base de código abierto de R y otros idiomas de análisis o pagar por versiones comerciales ofrecidas por proveedores como Microsoft. Las herramientas comerciales pueden ser costosas, pero vienen con el soporte técnico del proveedor, mientras que los usuarios de liberaciones de código abierto puro suelen estar solos cuando tratan de resolver problemas con la tecnología.

Este contenido se actualizó por última vez en abril 2017

Profundice más

PRO+

Contenido

Encuentre más contenido PRO+ y otras ofertas exclusivas para miembros, aquí.

Inicie la conversación

Envíenme notificaciones cuando otros miembros comenten sobre este artículo.

Enviando esta solicitud usted acepta recibir correos electrónicos de TechTarget y sus socios. Si usted reside afuera de Estados Unidos, esta dando autorización para que transfiramos y procesemos su información personal en Estados Unidos.Privacidad

Por favor cree un Nombre de usuario para poder comentar.

- ANUNCIOS POR GOOGLE

File Extensions and File Formats

Powered by:
Close