“No tenemos una bola de cristal para ver el futuro”, es una frase típica que los altos ejecutivos de las empresas lanzan cuando se les interroga respecto a los resultados esperados de una iniciativa concreta. Pero la sofisticación y el crecimiento de Business Analytics (BA) podría muy pronto volver obsoleta esa respuesta, en especial cuando se trata de Prescriptive Analytics.
La Analítica Prescriptiva es un método de optimizar una secuencia de decisiones con el fin de alcanzar un resultado deseado para cada escenario posible. Esta tendencia es la tercera y final fase de BA, categoría que también incluye a Descriptive Analytics y Predictive Analytics.
La mejor forma de entenderla es destacando sus diferencias al interior de BA. El primer nivel corresponde a Descriptive Analytics, que observa los comportamientos históricos del negocio para entender su desempeño y encontrar las razones detrás de un éxito o un fracaso. Este tipo de análisis post-mortem es el que más se realiza actualmente en compañías de todo tipo de tamaños y rubros.
El siguiente paso es Predictive Analytics: ¿qué va a pasar en el futuro, con base en esta información histórica, estas reglas de comportamiento y estos algoritmos predictivos? La analítica predictiva intenta determinar el futuro probable de un escenario o un evento particular, para así ayudar a las organizaciones a tomar mejores decisiones.
Un paso más allá está Prescriptive Analytics. Este método no solo anticipa qué pasará y cuándo pasará, sino también por qué. A diferencia de la predictiva, la Analítica Prescriptiva imagina los múltiples escenarios posibles, con las múltiples variables que pueden afectarlos, y sugiere la mejor decisión no solo para un momento específico, sino que tomando en cuenta cuál es la meta final que se quiere conseguir.
Un ejemplo clarificador: un escalador de montaña necesita llegar desde el piso hasta la cima y para eso tiene una serie de caminos posibles. En cada paso debe tomar una decisión que lo lleve de forma segura hacia su objetivo. La analítica predictiva es capaz de sugerirle cuál de sus siguientes acciones es más confiable para subir, o sea, dónde debe poner sus piernas y sus manos para ir un paso más allá. Pero el paso inmediato más seguro no es necesariamente el más conveniente para alcanzar la cima: solo se limita a ese punto específico en el tiempo, no considera el escenario final que se espera. Prescriptive Analytics, en cambio, tiene siempre presente los objetivos finales, por lo que diseñará una serie de decisiones que combinen la ruta más segura para llegar al resultado proyectado en el menor tiempo posible.
Otra característica que define a Prescriptive Analytics es que recibe e integra información de forma constante. Esto le permite re-predecir y re-prescribir cada vez que el escenario se vea afectado por una nueva variable, con esto mejora la precisión de cada predicción y asegura que se estará tomando la mejor decisión, aún cuando la situación cambie. En el ejemplo del escalador, Prescritive Analytics sumaría a su análisis en cada paso el desgaste muscular, las variables climáticas o incluso el ánimo del sujeto en su afán por tocar la cima.
Es importante remarcar que la información integrada por este tipo de analítica es tanto estructurada como desestructurada, así que puede aplicarse a todo tipo de bases de datos en un sinnúmero de rubros.
De acuerdo a un estudio de Market Research Future, el negocio global de Prescriptive Analytics alcanzará $2,470 millones de dólares para el año 2022; esto empujaría su penetración en el mercado de analíticos de un 10% actual a 35%, por lo que es crucial que los tomadores de decisiones comiencen a entender y experimentar cuanto antes con esta categoría de analítica avanzada.
Los actuales proveedores más relevantes del mercado de Prescriptive Analytics son Ayata (que patentó el término), IBM (que bautizó la tendencia), FICO, Angoss y River Logic.
