https://www.facebook.com/wilber.carrion.1 - Twitter: @wilbercarrion  
  Su apoyo es bienvenido, cuenta: BBVA Continental- 0011 0175 0200256843  

jueves, 15 de diciembre de 2016

tecnología

Econometría versus Machine Learning



FORBES- 15 de diciembre de 2016
Gracias a la tecnología y el flujo de datos, las técnicas estadísticas han cambiado. Los modelos predictivos estáticos, deben complementarlos con modelos predictivos y prescriptivos dinámicos.
A principios de este año el CEO de Microsoft, Satya Nadella, definió que “los Datos son la Nueva Electricidad”. De hecho, mencionó explícitamente que las empresas deben escavar en esos datos y transformarlos en descubrimientos, inteligencia y acción. La buena noticia para las compañías es que todos los datos que han estado guardando durante años ahora pueden convertirse en una ventaja competitiva.

Pero los tiempos han cambiado. En el pasado, las pocas empresas que sustentaban sus decisiones de negocios en datos, habitualmente utilizaban modelos predictivos estadísticos estáticos. Habitualmente utilizando data histórica, con cero capacidad de aprender con una nueva observación empírica. Pero esto ha cambiado en los últimos años gracias al machine learning o aprendizaje automático.

Hoy los equipos comerciales utilizan el aprendizaje automático para optimizar las promociones, la compensación y los descuentos, logrando así impulsar el comportamiento deseado en los canales de venta. Predecir la propensión a comprar en todos los canales, hacer recomendaciones personalizadas a los clientes, predecir la lealtad del cliente a largo plazo y anticipar los posibles riesgos crediticios de los proveedores y compradores son estrategias y procedimientos que hoy se pueden hacer con un costo marginal cercano a cero, gracias a los datos que poseen las empresas.

En un estudio realizado por MIT Sloan Management Review y Accenture Institute for High Performance se encontraron algunos resultados interesantes:

El 76% dice que está apuntando a un mayor crecimiento de las ventas con el aprendizaje automático. Obtener una mayor exactitud predictiva al crear y optimizar modelos de propensión para guiar la venta ascendente y la venta cruzada es donde el aprendizaje automático está haciendo contribuciones a las estrategias de venta omnichannel hoy en día.

Al menos el 40% de las empresas encuestadas ya están usando el aprendizaje automático para mejorar el desempeño de ventas y marketing. Dos de cada cinco empresas ya han implementado el aprendizaje automático en ventas y marketing.

38% reconoce la importancia del aprendizaje automático para mejorar las métricas de rendimiento de ventas. Las métricas del estudio realizado incluyen nuevos clientes potenciales, upsells y ciclos de ventas por un factor de 2 o más, mientras que otro 41% creó mejoras por un factor de 5 o más.

Varios bancos europeos están incrementando las ventas de nuevos productos en 10%, mientras que reducen el churn 20%. Un reciente estudio de McKinsey encontró que una docena de bancos europeos están reemplazando las técnicas de modelado estadístico con el aprendizaje automático. Los bancos también están aumentando las puntuaciones de satisfacción del cliente y el valor de la vida del cliente también.

El beneficio de machine learning para escalar a través del amplio espectro de gestión de contratos, servicio al cliente, finanzas, legal, ventas, calidad, precios y desafíos de producción es atribuible a su capacidad de aprender y mejorar continuamente. Los algoritmos de aprendizaje automático son de naturaleza iterativa, aprenden constantemente y buscan optimizar los resultados. Cada vez que se realiza un error de cálculo, los algoritmos de aprendizaje corrigen el error y comienzan otra iteración del análisis de datos. Estos cálculos ocurren en milisegundos, lo que hace que el machine learning sea excepcionalmente eficiente para optimizar las decisiones y predecir los resultados.

El proceso de complementar (y cuido mucho de mencionar “abandonar”) la econometría con el aprendizaje automático en América Latina viene bastante lento. Las empresas aun no se han dado cuenta que el proceso de acceder a este tipo de factor diferencial, determinante de ventaja competitiva, es totalmente viable, y hasta cierto punto, crítico para el éxito en un mundo cada vez más, determinado por la data.




Diego Vallarino-Director de Bexton Research. Colaborador en Innovación Estratégica y Competitividad en empresas y gobiernos de América Latina. Autor del libro “Innovando desde el Sur” y profesor invitado en MBA.

No hay comentarios: