Su guía completa de análisis prescriptivo para 2021

Analítica prescriptiva

Hoy en día, la mayoría de las empresas utilizan big data para comprender el futuro de sus negocios y establecer objetivos. Si bien el big data puede no ser tan específico como para brindarle los números ganadores de la lotería, ayuda a las empresas a identificar problemas y comprender la razón detrás de esos problemas. Luego, las empresas pueden usar factores respaldados por datos para encontrar recetas para los problemas comerciales.

¿Qué es el análisis prescriptivo?

Mientras que el análisis predictivo le informa sobre posibilidades y probabilidades, el análisis prescriptivo le dice qué hacer. El análisis prescriptivo utiliza datos de análisis descriptivos y predictivos para crear escenarios e identificar los resultados más factibles. Por ejemplo, si el jefe de un equipo de marketing quiere saber cuántos dólares deben invertir en un canal de marketing como los anuncios de Google, el análisis predictivo muestra cómo le va a Google en comparación con otros canales, mientras que el análisis prescriptivo muestra cuántos dólares invertir en anuncios de Google. Los analistas utilizarán diferentes escenarios hipotéticos para encontrar respuestas específicas a las limitaciones comerciales.

El análisis prescriptivo es el análisis sistemático de datos que aconseja sobre los posibles resultados en acciones que probablemente mejoren los resultados de una empresa. El análisis aplica simulación y optimización para responder a la pregunta: "¿Cuál debería ser el próximo paso comercial?"

Los analistas simulan el futuro bajo varios supuestos para generar diferentes escenarios. Cuando el análisis de escenarios se combina con técnicas de optimización, las empresas o los analistas pueden crear recetas para los problemas comerciales. A partir de la definición de analítica prescriptiva, esta forma de análisis sistemático busca explorar posibles acciones y dar sugerencias a partir de los resultados y los datos de la analítica descriptiva y predictiva.

El análisis prescriptivo se basa en los datos recopilados por una empresa y las reglas comerciales. Los datos pueden ser internos, de las operaciones de una empresa, o externos, recopilados de los clientes en las redes sociales y otras plataformas. Las reglas comerciales se refieren a las mejores prácticas comerciales, los límites y las restricciones dentro de una empresa. Aquí hay un modelo obtenido de Wikipedia que puede ayudarlo a visualizar la idea del análisis prescriptivo.

Modelos matemáticos aplicados en Prescriptive analytics:

• Procesamiento natural del lenguaje
• Estadísticas
• Aprendizaje automático
• La investigación de operaciones

Una cosa que podría complicar el análisis prescriptivo es el hecho de que cada una de las disciplinas anteriores tiene subdisciplinas y variantes. Por ejemplo, en Investigación Operativa se aplican técnicas como simulación, optimización y análisis de decisiones.

Esta guía busca simplificar los conceptos de análisis prescriptivo.

Enfoques analíticos prescriptivos

El análisis prescriptivo se divide en dos enfoques diferentes;

• Toma de decisiones automatizada basada en heurística
• Toma de decisiones basada en la optimización

Toma de decisiones basada en la optimización

La optimización se ha utilizado durante mucho tiempo para resolver problemas operativos, como la planificación logística. Hoy en día, la tecnología facilita el modelado de problemas más grandes de toda la industria para ofrecer soporte para análisis basados ​​en escenarios, y la optimización permite el análisis de una mejor toma de decisiones.

Hoy en día, los modelos de optimización avanzados reúnen las finanzas y las cadenas de valor, incluidas las restricciones comerciales, para brindar mejor información que la que ofrecen los modelos predictivos. Los modelos de optimización también garantizan la coherencia de los datos internos y ayudan a identificar resultados que pueden no ser factibles.

Con los modelos de optimización, los analistas pueden realizar análisis únicos, como el costeo basado en actividades, el margen de contribución y los estados financieros proforma. Estos análisis ayudan a los usuarios a tomar las decisiones más ideales en los negocios. Este es un ejemplo de una de esas declaraciones, analizando el precio de las camisetas y el margen de beneficio con las diferentes cantidades.

(Crédito de la imagen: Openstax)

Las empresas pueden utilizar la optimización para resolver problemas comerciales que involucran más de veinte restricciones, compensaciones y objetivos. El uso de análisis prescriptivos permite a los analistas clasificar diferentes factores para encontrar la ruta que permita a una empresa alcanzar la mayoría de sus objetivos.

La optimización utiliza algoritmos matemáticos complejos que maximizan o minimizan las funciones objetivas sin dejar de considerar las realidades comerciales para producir planes factibles.

¡Pon a prueba tu SEO en 60 segundos!

Diib es una de las mejores herramientas de SEO del mundo. Diib utiliza el poder de los grandes datos para ayudarlo a aumentar rápida y fácilmente su tráfico y clasificaciones. Incluso le informaremos si ya merece una clasificación más alta para ciertas palabras clave.

• Herramienta SEO automatizada fácil de usar
• Monitoreo de palabras clave y backlinks + ideas
• Velocidad, seguridad, + seguimiento de Core Vitals

• Sugiere inteligentemente ideas para mejorar el SEO
• Más de 250,000k miembros globales
• Comparación integrada y análisis de la competencia

Por ejemplo “www.diib.com”

Regístrate gratis

Utilizado por más de 250 000 empresas y organizaciones:

• 
• 
• 
• 

sincroniza con

Toma de decisiones basada en heurística

Esto también se conoce como toma de decisiones basada en reglas. Implica decisiones automáticas basadas en un conjunto o reglas predefinidas. Estas reglas las hacen los analistas utilizando su conocimiento del negocio y las mejores prácticas, y no las matemáticas.

A diferencia de la optimización, la toma de decisiones Basada en Heurísticas no ofrece una respuesta fuera de las reglas predeterminadas. Aquí, los analistas aplican estadísticas y algoritmos simples para proporcionar recetas. Por ejemplo:

(Crédito de la imagen: Slideshare)

El análisis prescriptivo ofrece valor transformacional que respalda la toma de decisiones. A diferencia de otros análisis que le muestran probabilidades, el análisis prescriptivo ofrece sugerencias.

EL VALOR TRANSFORMADOR DEL ANÁLISIS PRESCRIPTIVO

Durante mucho tiempo, el análisis prescriptivo se ha utilizado para resolver problemas complejos como la programación, la dotación de personal y el enrutamiento. Tales problemas fueron abordados por científicos de datos y no por líderes empresariales. Hoy en día, el análisis prescriptivo es menos una herramienta de TI y ciencia de datos y más una herramienta dentro de la unidad de negocios. El análisis prescriptivo es ahora una herramienta para los líderes empresariales. Muchos factores han contribuido al cambio en el uso del análisis prescriptivo en las operaciones comerciales diarias: Estos factores incluyen:

• La disponibilidad de mejores y más diversos datos
• Disponibilidad de herramientas tecnológicas de análisis prescriptivo donde los líderes empresariales no dependen de científicos de datos
• Los líderes empresariales tienen una lista de problemas del día a día que pueden utilizar herramientas de optimización avanzadas
• La mayoría de las medianas y grandes empresas están utilizando análisis prescriptivos y se están convirtiendo en una herramienta "imprescindible" y no en una "buena adición".

Es posible obtener hasta 20 veces el retorno de la inversión cuando los líderes toman las decisiones más factibles. Si bien la cantidad de ROI depende del enfoque que adopte un líder empresarial y el tipo de problema abordado, el análisis prescriptivo ofrece mejores perspectivas y mejora del modelo comercial que la mayoría de las otras formas de análisis. Mejor aún, el análisis prescriptivo utiliza datos de todas las demás formas de análisis para ofrecer recomendaciones y sugerencias basadas en datos. A continuación se presentan algunos de los beneficios que los líderes empresariales pueden obtener del análisis prescriptivo.

Cree planes sólidos con mayor confianza

Los líderes empresariales ahora tienen más confianza en sus planes. Por definición, los planes basados ​​en la optimización son factibles, por lo que inspiran más confianza a los líderes empresariales. Por otro lado, los planes basados ​​en heurísticas pueden o no ser factibles; esto depende de la naturaleza del problema y qué tan bien se establecieron las reglas.

Las empresas que utilizan la toma de decisiones basada en la optimización tienen la probabilidad de lograr resultados positivos porque la operación y el flujo financiero de una empresa se tienen en cuenta en el proceso de toma de decisiones. El análisis prescriptivo brinda a las empresas la comprensión de las acciones necesarias para llevar a cabo un plan y la capacidad de entregar el plan. Cuando un gerente presenta un plan con confianza, se gana el respeto y puede implementar más cambios en el negocio.

Rendimiento empresarial mejorado

El análisis prescriptivo brinda información procesable que ayuda a los líderes empresariales a mejorar el rendimiento operativo y financiero de una empresa. Cuando se aplica en operaciones que anteriormente dependían de la intuición u otras herramientas poco confiables como Excel, el análisis prescriptivo puede optimizar las operaciones.

Los impactos en las empresas incluyen:

• Mejora de la eficacia en el logro de los objetivos comerciales.
• Aumenta la eficiencia de las operaciones comerciales, es decir, una empresa hace más con los recursos disponibles
• Maximice los rendimientos de las inversiones comerciales, por ejemplo, optimizando la asignación de recursos a diferentes canales de inversión.

Agilice el proceso de toma de decisiones

Las decisiones difíciles pueden llevar semanas o incluso meses. A veces, las empresas confían en consultores externos, y esto puede costarle mucho dinero a la empresa. Las decisiones menores que se toman semanalmente nunca se les da la consideración y el tiempo que se les da a las decisiones importantes. Nuevamente, estas decisiones semanales pueden no presentar suficiente tiempo para que los líderes empresariales realicen los análisis. El análisis prescriptivo mejora el conocimiento organizacional sobre las diferentes funciones del impacto comercial entre sí y, al hacerlo, recomienda un camino que aumenta la capacidad de una empresa para evaluar diferentes escenarios hipotéticos para ofrecer un proceso de toma de decisiones más rápido.

Reducir el riesgo de inversión

Los riesgos vienen en forma de finanzas u operaciones. Es posible que estos riesgos no reflejen cómo operan las empresas. El análisis prescriptivo ayuda a los líderes empresariales a identificar y cuantificar los riesgos que conllevan los procesos de toma de decisiones a corto y largo plazo. De esta manera, los líderes pueden desarrollar estrategias de mitigación de riesgos.

Aumente los rendimientos de las inversiones existentes

El análisis prescriptivo brinda información sobre cómo aprovechar la inversión existente en herramientas como la planificación de recursos electrónicos, ERP, software para ofrecer nuevos datos sobre estas inversiones. Debido a que el análisis prescriptivo muestra el mejor camino a seguir, los empleados tienen la oportunidad de tener un impacto en el progreso de un negocio y ascender en la escala profesional.

Abordar los desafíos de planificación comercial

El análisis prescriptivo ayuda a los líderes empresariales a encontrar soluciones a desafíos complejos que otras formas de análisis no brindan.

Cómo funcionan los análisis prescriptivos

Hay dos categorías de algoritmos aplicados en el análisis prescriptivo:

• Algoritmos heurísticos (basados ​​en reglas)
• Algoritmos exactos

Los algoritmos heurísticos no ofrecen respuestas específicas, pero cuando están bien diseñados, ofrecen una ruta más corta para encontrar soluciones factibles en un corto período de tiempo. Los algoritmos exactos, por otro lado, garantizan respuestas específicas, pero una empresa necesita tiempo para encontrar una solución, especialmente si el problema es considerable. Los algoritmos exactos también se conocen como optimización. Para que la optimización ofrezca respuestas específicas a problemas comerciales específicos, se deben aplicar técnicas científicas comprobadas. El enfoque basado en reglas, el enfoque heurístico, no necesita la misma prueba matemática. Para el enfoque heurístico, no es posible saber si puede proporcionar la mejor respuesta en algunos escenarios.

Una solución de análisis prescriptivo se basa en la heurística o la optimización. A veces, las dos soluciones se pueden aplicar simultáneamente, pero esto es menos común. No hay un enfoque que sea mejor que el otro; los líderes empresariales necesitan identificar el enfoque más apropiado, para que sepan dónde aplicar cualquiera de los enfoques.

Determinación del mejor enfoque en el análisis prescriptivo

Al considerar el enfoque a utilizar, tenga en cuenta los siguientes factores:

• Naturaleza del problema : algunos problemas se ajustan mejor a la heurística que a la optimización, como se verá más adelante en esta guía.
• Complejidad del problema : los problemas conocidos pueden ser difíciles de resolver mediante la optimización. En algunos casos, encontrar una respuesta rápidamente es más importante y, por lo tanto, un enfoque basado en reglas es mejor que la optimización.
• Urgencia : si necesita una respuesta hoy, utilice un enfoque heurístico. Si está dispuesto a esperar la respuesta, un enfoque de optimización podría ser la mejor opción.
• Frecuencia : si tiene que tomar una decisión muchas veces al día, es posible que no tenga tiempo para un enfoque de optimización y, por lo tanto, un enfoque heurístico resulta útil.

HEURÍSTICA Y MODO DE TRABAJO

Las heurísticas son reglas relacionadas con el problema en cuestión. Si puede definir un problema de forma limitada, o si el problema es operativo, puede aplicar la heurística. Nuevamente, estas reglas son aplicables cuando se debe tomar una decisión cientos de veces al día.

Si bien es posible que las heurísticas no le den una respuesta exacta, aún aplican técnicas especializadas que aprovechan aspectos específicos de un problema. Los analistas pueden desarrollar un conjunto de funciones matemáticas como f(x) = y, o un conjunto de escenarios como "Si esto... entonces..."; y a veces ambos.

Imagínese caminando en un nuevo vecindario en busca de un edificio que nunca ha visto pero del que solo ha oído hablar. La persona que te envió te dio instrucciones simples como “dirígete hacia el este hasta que llegues a un cruce con una gran fuente de agua”. Así que empiezas a caminar. Debido a que es posible que no tenga un mapa y no tenga GPS o instrucciones precisas que incluyan el tiempo y las distancias, debe confiar en las reglas: puede confiar en su conocimiento del tráfico y su intuición para encontrar la fuente. Aquí, no puedes tomar la ruta más corta, porque no sabes lo que te espera. Podría terminar caminando diez minutos más que si supiera la ubicación exacta del edificio. Sin detalles adicionales, es posible que ni siquiera llegue al edificio. Este escenario refleja un problema basado en la heurística.

Una de las herramientas que puede utilizar para tomar decisiones comerciales es Excel. Esta herramienta utiliza características como funciones IF para hacer una hipótesis sobre una respuesta factible. Cuando ingresa valores, una solución aparece inmediatamente. A menos que utilice un enfoque de optimización, no se sabe si la respuesta devuelta es la mejor.

Algunos problemas y decisiones se adaptan mejor a la heurística que a la optimización. Algunos de estos problemas y escenarios incluyen:

• Compra: la compra de materias primas, por ejemplo, cuando una empresa quiere comprar primero al proveedor más barato.
• Asignación: asignación de recursos, por ejemplo, asignar a la línea uno, luego dos, en adelante, independientemente del costo de operación.
• Marketing: Marketing, por ejemplo, ofreciendo a los clientes descuentos y promociones en función de la compra previa o cualquier otra regla.
• Cumplimiento de la demanda: Cumplimiento de la demanda, por ejemplo, una regla para satisfacer las demandas de los clientes de nivel 1 mientras otros clientes esperan.

Los pros y los contras de la heurística

El enfoque es ideal para la automatización de decisiones, ya que proporciona soluciones de inmediato. Los líderes empresariales pueden usar la heurística para problemas comerciales complicados, como la programación. A diferencia de la optimización, las heurísticas son más fáciles de implementar y es posible que solo requieran las herramientas que ya tiene una empresa.

Incluso con los beneficios anteriores, el enfoque aún ofrece beneficios mínimos para la toma de decisiones holística. Peor aún, las respuestas son "suficientemente buenas", pero no están garantizadas, ya que las heurísticas no analizan todos los escenarios. Si las instrucciones no son claras, el enfoque no encontrará la solución adecuada.

Cuando se utilizan para la toma de decisiones estratégicas o tácticas, los planes pueden ser inviables. Esto es especialmente así porque las reglas se vuelven obsoletas.

Esperamos que este artículo le haya resultado útil.

Si desea obtener más información interesante sobre el estado de su sitio, obtener recomendaciones y alertas personales, escanee su sitio web por Diib. Solo toma 60 segundos.

Ingrese su sitio web

Por ejemplo “www.diib.com”

Regístrate gratis

Realmente disfruto de SEO y otras formas de optimización de sitios web para mi sitio de contrato KoffeeKlatch. Nunca pensé que diría todas esas palabras. Disfruto de las actualizaciones periódicas por correo electrónico sobre mis números y las tareas para mejorarlos. Me encanta obtener números que sean relevantes y que pueda entender Y hacer algo al respecto.

Annabel Kaye
Revisor verificado de 5 estrellas de Google

MEJORAMIENTO

La optimización aplica modelos matemáticos y algoritmos para encontrar la solución más factible a un problema comercial. Debe comenzar a definir el problema escribiendo una ecuación matemática en una plataforma de modelado de negocios. Una vez que se crea un modelo, pasa por un algoritmo altamente especializado que resuelve el problema.

Un problema de optimización consta de tres partes:

• Preguntas : Estos son los problemas que enfrenta el negocio y cuyas respuestas se necesitan. Los problemas complejos pueden presentar millones de problemas y decisiones. Estas preguntas pueden estar relacionadas con la cantidad de materias primas a comprar, la cantidad de horas a dedicar a las líneas de producción, la cantidad de productos a vender a ciertos mercados, la cantidad de inversión a realizar en canales de comercialización específicos, etc.
• Datos : Los datos disponibles, también conocidos como coeficientes, se refieren a la singularidad del problema y con qué tiene que trabajar el algoritmo. Los datos pueden incluir precios y rendimientos. Por ejemplo, a partir de las preguntas anteriores, los datos pueden ser en términos del costo de cada tonelada de materia prima, el costo de operar una línea de producción, el tamaño del mercado de diferentes mercados y el costo de inversión en diferentes canales de comercialización.
• Restricciones comerciales : también se conocen como realidades comerciales o restricciones. Incluyen las políticas de la empresa y las leyes físicas. Las preguntas en esta sección pueden incluir la disponibilidad de materias primas, la capacidad de trabajo de una línea de producción y la demanda en un mercado determinado.

Para obtener la respuesta más factible, se debe ingresar un objetivo para minimizar o maximizar una métrica. Las métricas incluyen ganancias, costos, volumen, utilización de personal y más. Los usuarios también pueden incluir el nivel de especificidad necesario y cuánto tiempo están dispuestos a esperar por la solución. A partir de los datos proporcionados, el algoritmo ejecuta la respuesta.

Con la optimización, puede abordar los siguientes problemas:

• Transporte
• Determinar cuándo reemplazar el equipo
• Asignación de personal a diferentes equipos.
• mezcla de gasolina

La disponibilidad de herramientas tecnológicas avanzadas permite a las empresas abordar problemas multifuncionales para aplicaciones valiosas como:

• Rentabilidad del cliente
• Precios
• Planificación de inversiones de activos
• Creación de mezclas, mezclas y sustitutos de productos.
• Planificación de la fuerza laboral
• Capacitación
• Negocio de mercancía

Diferentes industrias tienen diferentes formas de aplicar la optimización. El siguiente es un ejemplo de un modelo de optimización.

(Crédito de la imagen: DZone Big Data)

Pros y contras de la optimización

A diferencia de la heurística, la optimización proporciona las soluciones más factibles con valores de oportunidad. De esta manera, los líderes empresariales pueden tomar decisiones complejas para generar mejores rendimientos.

La técnica está probada y ha estado en uso durante décadas. Aún mejor, hay tantas herramientas para ayudar con los algoritmos.

El principal desafío con la optimización es que se necesita tiempo para dar la mejor respuesta. Si su empresa utiliza paquetes de software tradicionales, es posible que necesite habilidades especializadas para escribir ecuaciones matemáticas.

Elegir el enfoque correcto

Debe comprender cómo funcionan tanto la heurística como la optimización para elegir el enfoque correcto. Las tecnologías y el enfoque que elija deberían otorgarle la flexibilidad para realizar análisis de escenarios hipotéticos. Considere todas las decisiones que tomará después de la decisión actual. Nuevamente, considere la disponibilidad de datos y la definición del problema. Cuando el problema está bien definido, la optimización funciona mejor.

HERRAMIENTAS DE ANÁLISIS PRESCRIPTIVO Y CONJUNTOS DE HABILIDADES

Cuando lanza una iniciativa, las habilidades y roles estándar, como gerente de proyecto, líder de iniciativa y comité directivo, son importantes. Sin embargo, también se necesitan habilidades especiales para implementar análisis prescriptivos en los siguientes campos:

Configuración del modelo

Un analista comercial calificado debe poder crear modelos analíticos prescriptivos a partir de la fecha proporcionada. Con tantas herramientas de análisis prescriptivo en la actualidad, no es necesario un científico de datos o un especialista en investigación de operaciones. Un analista de negocios que haya trabajado con hojas de Excel complejas debería poder configurar modelos. Cualquiera en el campo de la ingeniería, la economía, la contabilidad, las matemáticas, el actuario y la gestión de operaciones comerciales puede hacerlo.

Definición del problema

La definición del problema requiere de alguien que comprenda el problema comercial en cuestión. El experto puede ser un profesional experimentado que pueda describir el problema en detalle. El profesional puede ser un planificador o un analista.

Diseño de aplicaciones

Un diseñador de aplicaciones incorpora el modelo analítico prescriptivo en una aplicación que se integra con el proceso de planificación empresarial. El rol del diseñador incluirá la integración de datos, la gestión de datos y la configuración del flujo de trabajo. Esto lo puede hacer un arquitecto de soluciones, pero si la interfaz de usuario requiere habilidades especiales, se puede contratar a un experto en inteligencia empresarial.

Finanzas

Un profesional de finanzas se asegura de que los modelos analíticos prescriptivos representen las finanzas correctas como se ve en los estados financieros, incluidos el flujo de caja, la contabilidad de costos y la contribución marginal, entre otros.

Herramientas de análisis prescriptivo

Al comprar una herramienta de análisis prescriptivo, existen dos enfoques tecnológicos principales:

• Aplicaciones empaquetadas
• Plataformas de optimización

Una aplicación empaquetada es un programa completamente funcional que usted compra e instala o se suscribe y luego configura sin codificación adicional. El programa ofrece respuestas tanto heurísticas como basadas en la optimización. Es posible que deba realizar algunas configuraciones, como elegir qué módulo instalar. Algunas aplicaciones también le permiten personalizarlas para cumplir requisitos específicos.

En la mayoría de los casos, las aplicaciones empaquetadas se dirigen a nichos o áreas comerciales bien definidas. El proveedor crea una aplicación que ya funciona para el problema que necesita resolver, los datos que tiene y la solución que está buscando. Un ejemplo de estas aplicaciones incluye Supply Chain Guru de Llmasoft, que se ocupa de la optimización de la red y Manufacturing Planning de JDA, que se ocupa de los procesos de fabricación.

A diferencia de una aplicación empaquetada que viene lista para usar, una plataforma de optimización lo ayuda a crear aplicaciones y puede requerir mucha personalización. La mayoría de las plataformas se ejecutan en Linux o Windows y necesita una licencia para ejecutar una. Mientras que una aplicación empaquetada lo ayuda a administrar el inventario, una plataforma de optimización le permite crear aplicaciones para el inventario, la demanda, la capacidad y cualquier otro uso.

Una plataforma de optimización puede requerir que usted cree las matemáticas. Ejemplos de dichas plataformas incluyen CPLEX Optimization Studio de IBM y el Sistema de Modelado Multidimensional Interactivo Avanzado, AIMMS.

Las aplicaciones empaquetadas y las plataformas de optimización utilizan algoritmos especializados, conocidos como solucionadores de optimización, para encontrar soluciones factibles a los problemas comerciales. Algunos de los solucionadores líderes en el mercado incluyen Gurobi, Xpress de FICO y CPLEX de IBM. En una aplicación empaquetada, los solucionadores no están visibles en la interfaz de usuario, pero todas las plataformas deben interactuar con los solucionadores de forma explícita.

La siguiente figura destaca la diferencia entre los dos enfoques. Los dos cuadros de la izquierda comprenden algunos de los proveedores que venden soluciones y plataformas de modelado de optimización. El cuadro de la derecha enumera algunas áreas temáticas principales relacionadas con el negocio atendidas por el software de aplicación empaquetado.

Plataformas comunes de modelado de optimización

• OBJETIVOS
• AMPL
• focos
• S.A.S.
• lógica del río
• IBM
• Decisiones de cartera

Solucionadores de optimización populares

• Conopt
• FICO Express
• Gurobí
• IBM CPLEX
• Knitro
• SAS/OR

Aplicaciones de optimización

• Márketing
• Precios
• Logística
• Cadena de suministro
• Gobierno
• Planificación estratégica
• Operaciones

Tenga en cuenta que una plataforma de optimización y solucionadores le permiten crear aplicaciones. Por otro lado, las aplicaciones empaquetadas vienen listas para usar donde el proveedor ha hecho todo por usted. Debe comprender los pros y los contras de cada uno, como se explica a continuación.

Aplicaciones empaquetadas definidas con más detalle

La mayoría de las aplicaciones empaquetadas de análisis prescriptivo están basadas en la nube. La principal ventaja del software como servicio, SaaS, y la plataforma como servicio, PaaS, es que solo paga por el hardware y el software que utiliza mientras el proveedor realiza el mantenimiento. Nuevamente, como cliente, tiene acceso inmediato a las últimas actualizaciones.

Con una aplicación empaquetada, solo se necesita una configuración, capacitación, integración y soporte simples para comenzar. La configuración incluye configurar una cuenta de usuario y definir las fuentes de datos. La integración puede incluir el uso de plantillas proporcionadas por el proveedor para cargar archivos de datos.

La mayoría de las aplicaciones se conectan directamente a fuentes de datos fuera del sistema ya otros programas. Esto es bueno si tiene datos fuera del banco de datos comerciales. Sin embargo, puede ser un problema si su empresa no permite el paso de datos externos a través del firewall.

Si una aplicación requiere que escriba ecuaciones matemáticas, entonces no cumple con la definición de análisis prescriptivo de una aplicación empaquetada. Una buena aplicación empaquetada no requiere que escriba matemáticas. Una vez más, el proveedor nunca expondrá su código propietario.

Soluciones empaquetadas populares

• Optimización de marketing de Angoss
• Soluciones JDA para industrias manufactureras, minoristas y de servicios
• Optimización de la red de Llamasoft
• Solución de análisis de clientes de Manthan
• Profitect soluciones minoristas
• River Logic, una plataforma basada en Microsoft Azure
• Soluciones prescriptivas de mantenimiento de Rockwell Automation
• Optimización de precios Zilliant

Ventajas y desventajas de las aplicaciones empaquetadas

Si un problema está bien definido, por ejemplo, el precio de un producto, una aplicación empaquetada resulta útil. También es ideal para grandes industrias con muchas empresas, como la industria minorista.

Debido a que la mayoría de las aplicaciones empaquetadas están basadas en la web, no requieren ninguna instalación y estarán listas y funcionando en unas pocas horas. No solo son fáciles de iniciar, sino que tampoco requieren que escribas ecuaciones matemáticas y utiliza recursos limitados de la empresa.

Sin embargo, estas aplicaciones también tienen algunos contratiempos. Hay menos aplicaciones para pequeñas industrias y para problemas complejos. Una vez más, es posible que estas aplicaciones no cumplan con todos sus requisitos y confíe en el proveedor para corregir errores.

Plataformas de optimización

Como se mencionó anteriormente, las plataformas de optimización consisten en una plataforma de modelado y un solucionador. Una plataforma de modelado lo ayuda a escribir las matemáticas que necesita para definir el problema. Puede escribir matemáticas codificando o mediante la funcionalidad de arrastrar y soltar. Después de ingresar las matemáticas, los solucionadores encuentran la solución exacta que necesita.

Los nombres de los programas vienen con palabras como desarrollador, estudio, modelador, caja de herramientas o variaciones similares. Estos programas funcionan en los sistemas operativos Windows y Linux. También necesita una licencia, que puede vincularse a un usuario, una máquina o una organización. Hoy en día, hay al menos 50 plataformas en el mercado.

Plataformas de optimización populares hoy en día:

• AIMMS: lenguaje de modelado y entorno de desarrollo
• AMPL - lenguaje de modelado algebraico
• COINOR: lenguaje de modelado de código abierto
• FICO Xpress: desarrollo de modelos y solucionador
• Frontline: un solucionador para Excel
• GAMS: desarrollo de modelos para programación matemática
• Gurobi: solucionador con muchos lenguajes de modelado
• IBM CPLEX: lenguaje de modelado algebraico
• LINDO –lenguaje de modelado algebraico
• Mathematica : utilizado para matemáticas computacionales simbólicas
• MATLAB: caja de herramientas de optimización con muchos algoritmos y técnicas
• MOSEK: solucionador de problemas a gran escala
• River Logic: desarrollo de modelado de arrastrar y soltar sin código

Pros y contras de las plataformas de optimización y solucionadores

La optimización es útil si necesita una solución personalizada para una empresa especializada o para resolver problemas complejos. También es una opción ideal cuando la política de TI de su empresa requiere que todo esté detrás del firewall de la empresa. La mayoría de los proveedores anteriores existen desde hace más de 30 años.

Los programas requieren un experto en OR que escribirá matemáticas. También necesitan otro experto para construir una interfaz de usuario.

¿Qué tecnología comprar?

La tecnología que elija debe permitir que la empresa cumpla con sus objetivos mientras mitiga los riesgos. Es esencial considerar tanto el problema en cuestión como la visión a más largo plazo del negocio. Debe considerar el valor que el análisis prescriptivo aportará al proceso de planificación y toma de decisiones de una empresa. Algunas de las características clave a considerar deben incluir el modelado, la interfaz de usuario, la gestión de datos y la arquitectura.

Modelado

La plataforma de modelado o la aplicación empaquetada debe satisfacer las necesidades de una empresa. Aquí, debe considerar las restricciones clave que necesita usar para obtener una solución factible. Considere si utilizará proporciones, mezclas, conjuntos ordenados sociales, mínimos condicionales y proporciones financieras. También debe prestar atención a la flexibilidad de la plataforma para cambios futuros. La tecnología también debería respaldar las finanzas comerciales como entradas y salidas.

Elija siempre un programa que sea fácil de aprender, configurar e implementar para el personal. Una funcionalidad de arrastrar y soltar es más fácil para el analista de negocios interno.

Interfaz de usuario

Una interfaz de usuario intuitiva permite que diferentes partes interesadas en un negocio interactúen con el programa. La interfaz de usuario debe admitir el ingreso de información y la visualización de las entradas. También debería permitir que un usuario defina, configure y ejecute diferentes escenarios hipotéticos. Los informes deben admitir la visualización correcta y la interfaz de usuario debe ser configurable sin necesidad de programación.

Gestión de datos

El análisis prescriptivo requiere una gran cantidad de datos, y los datos necesitan limpieza y aprobación antes de su uso. Al comprar, necesita una plataforma con herramientas para incorporar datos, transformarlos y ejecutar comprobaciones para identificar enlaces faltantes. La plataforma también debe admitir el flujo de trabajo en el que un usuario recibe los datos, otro los revisa o edita y otro los aprueba. Por último, considere la compatibilidad de la plataforma con las aplicaciones.

Arquitectura

Algunas de las preguntas que debe hacer aquí incluyen: ¿Ofrece servicios basados ​​en la nube? ¿Necesita tiempo para instalar? ¿Cuánta escalabilidad proporciona? Nuevamente, asegúrese de que el proveedor haya implementado medidas de alta seguridad.

ANALÍTICA PRESCRIPTIVA VS. ANÁLISIS PREDICTIVO

Para comprender la principal diferencia entre el análisis prescriptivo y el análisis predictivo, imagine al gerente de una empresa de productos empaquetados (llamémosla Davina) y un analista de negocios (llamémoslo Ed).

Davina acude a Ed y le pide que cree paneles que recopilen datos para responder preguntas que podrían ayudar en la toma de decisiones. Si la gerente, Davina, tiene problemas con su presupuesto, Ed puede compilar paneles que la ayuden a realizar un seguimiento de sus gastos y enviarle notificaciones cada vez que se acerque a su presupuesto mensual. Para que Ed cree el tablero para Davina, debe crear un informe que actualice sus gastos en promociones, anuncios, ferias comerciales y cualquier otra categoría de gastos. Además de las notificaciones, Ed también crea gráficos y elementos visuales que muestran los datos de gastos en tiempo real de Davina. Este es un ejemplo de Business Intelligence, que forma la base para el análisis empresarial.

Análisis predictivo

Del ejemplo anterior, Davina puede ceñirse a un presupuesto, siguiendo los paneles que crea Ed. A través de Business Intelligence, Davina puede indicar las campañas, las iniciativas de canal y las personas principales que han generado los mayores ingresos de la empresa. Sin embargo, BI aún no es suficiente para optimizar la empresa, ya que los conocimientos recibidos no ofrecen una imagen completa además del seguimiento de los gastos.

Después de hacer un seguimiento de sus gastos, problemas como la pérdida de clientes siguen afectando al negocio. Para el análisis descriptivo, Ed, el analista comercial, necesita recopilar datos de marketing y ventas. Los datos comprenden información sobre cierres de tratos, pérdidas, administración de sitios web, participación en las redes sociales, comportamiento del cliente, información de campañas y participación de la marca.

Con los datos recopilados, Ed puede crear modelos predictivos para predecir la probabilidad de los resultados. Para ello, el analista utiliza análisis de regresión, coincidencia de patrones, estadísticas multivariadas y pronósticos. Las predicciones ayudarán a Davina a mejorar su desempeño de marketing.

Con el análisis predictivo, los líderes empresariales predicen la probabilidad de que los clientes abandonen e intervienen antes de que ocurra el daño. Con una tasa de abandono reducida, los márgenes de beneficio empresarial aumentan. Este es un ejemplo de análisis predictivo.

¿Dónde entra la analítica prescriptiva?

Incluso con el análisis predictivo, todavía quedan algunas preguntas sin respuesta. Los análisis descriptivos muestran los canales que generan la mayor cantidad de ingresos y ayudan a predecir los resultados, pero los análisis no le dicen qué hacer.

Por ejemplo, si entiende que el canal de marketing A genera la mayor cantidad de ingresos, ¿cuánto dinero debe gastar en este canal para obtener la mayor cantidad de ganancias? Those in marketing might need to understand the exact dollar to allocate for optimal return on investment.

When precise answers on what to do are needed, prescriptive analytics come in. Business analysts collect data on business processes, rules, objectives, preferences, constraints, policies, boundaries, best practices, revenue, and costs. Using the data and a set of algorithms, analysts are able to find the way forward. Prescriptive analytics tells you what to do – you enter the math to define a problem and a set of algorithms find the most feasible solution. Here is a great image that helps to understand how these two analytical tools work together.

(Image credit: SMatstraffic)

Implementing the Prescriptive Analytics Initiative

Once you understand what is prescriptive analytics and the tools available, you can now implement an initiative. When doing so, you need to:

• Establish your vision
• List the critical process steps
• Ensure you have the right skills

Your vision is the overall opportunity that prescriptive analytics presents. The vision includes how the business seeks to make its decisions now and in the future, how these decisions will affect business performance, and a roadmap of the steps to follow. The roadmap contains key steps that the organization needs to follow to achieve its objectives. Education should be part of the vision as prescriptive analytics is seen as a niche that only Operations Research PhDs understand.

The key processes from evaluation to implementation include:

• Team assignment – find a team
• Value discovery – interviews and workshops to define the problem
• Proof of concept, POC – identify a subset of problems to run a proof of concept
• Implementation – this is the design and model building process
• Data management and workflow management, user interface development, technical testing, and user acceptance training
• Expansion – leverage the initial win and identify the next areas of problems

Resumen

Prescriptive analytics by definition shows that it is a set of analyses that seeks to answer the question; What to do? How much to invest? What to do first? While other analytics give you so much data to help you make the right decision, prescriptive analytics points you to the exact direction of the decision.

Prescriptive analytics is either heuristics-based or optimization-based. Heuristics based analytics uses a set of what-if rules to prescribe solutions. These solutions may not be feasible. Optimization-based prescriptive analytics applied math and algorithms to find the most feasible solution. There are many tools to use, but they all fall into two categories; modeling platforms and packaged applications. Packaged applications are ready-to-use out of the box and only require a few configurations and settings while modeling platforms help you create applications.

Diib Will Team with You to Improve Performance

You'll have no need to purchase a packaged application for your prescriptive analytics needs when you partner with Diib. In the land of prescriptive analytics and performance analysis, Diib leads the market in both technology and expert staff. Our software compiles data from countries all over the world as well as in the United States. We take this data and give you actionable insights for improvement and performance enhancement. Here is what sets Diib apart from the rest:

• Supervisión y reparación de la tasa de rebote
• Integración y rendimiento de las redes sociales.
• Páginas rotas donde tienes backlinks (verificador 404)
• Herramientas de monitoreo y seguimiento de palabras clave, backlinks e indexación
• Experiencia de usuario y optimización de la velocidad móvil
• Seguimiento técnico SEO

Haga clic aquí para obtener su escaneo gratuito o simplemente llame al 800-303-3510 para hablar con uno de nuestros expertos en crecimiento.