Implementación de Analítica Avanzada

Para este masterclass recibimos a Víctor Aldo Valadez, ingeniero industrial con un MBA en Administración de empresas y certificado como Master Black Belt y miembro del Equipo de Mentores en Mentoría Banregio. 

Con más de 20 años de experiencia en analítica avanzada, ha participado en la creación desde cero del área de datos y analítica avanzada para dos bancos, dos startups, y una multinacional.

Actualmente su enfoque es la optimización de la vida útil de datos científicos a través de flujos automatizados en la nube, así como generar el interés de las compañías en la gobernanza de datos y promover el uso de la inteligencia artificial en la Industria Bancaria de México.

¿Qué es la Analítica?

La analítica avanzada es una herramienta para optimizar la toma de decisiones en base a datos relevantes de tu organización y el mercado. Existen 5 niveles de la Analítica:

• Descriptivo: (¿Qué paso?) Aquí es donde empieza el proceso analítico y su enfoque es en el pasado, el origen del problema que se busca resolver. 
• Cognitivo: En ese nivel se profundiza sobre el problema a través del análisis de perfiles de clientes, expectativas y resultados, y factores involucrados. En este se quedan muchas empresas. 
• Predictivo: (¿Qué pasará?) A este es el nivel al que se busca llegar en el análisis si la empresa busca crecer. Se trata de usar datos para poder predecir tendencias en el futuro. Esto puede empezar con herramientas simples de predicción estadística y puede llegar al uso de Inteligencia Artificial, Big Data y Machine Learning.
• Prescriptivo: Este nivel requiere los servicios de expertos matemáticos, estadísticos, y de informática para hacer análisis con algoritmos avanzados para poder analizar en que variable debemos enfocarnos y como la podríamos utilizar para cumplir nuestras metas. Esto requiere un nivel computacional muy alto. Llegar a este punto no es esencial ya que puede tardar de dos a tres años, pero puede traer muchos beneficios.
• Aumentado: Esto requiere productos analíticos pesados y volverlos parte de las operaciones diarias. Toma mucho más tiempo, tecnología y capital, y puede no ser  redituable sobre todo para escalas menores.

La mayoría de las PYMES muchas veces se quedan en el nivel descriptivo o cognitivo. Para poder en verdad sacar provecho al análisis, es necesario poder llegar a un nivel predictivo. Vamos a ver cómo podemos llegar a eso.

¿Cómo hacer Proyectos Analíticos en su Negocio?

Es importante antes de empezar cualquier proyecto saber:

• Cuáles son las fases del proyecto
• Cuáles son las tareas de cada fase
• Cuáles son las necesidades para cada tarea (equipo, materiales, habilidades)
• Distribuir los roles en cada equipo

En el caso de un Proyecto Analítico, las fases y sus necesidades se describen a continuación:

Fase 1: Preparación y Manejo de Datos

Antes de hacer analítica, es necesario tener una gobernanza de datos.

Esto se refiere a la organización y administración de los datos de la empresa para que estos sean seguros, confiables, de calidad, vigentes, accesible, etc. Solo una vez que tenemos esto, es que podemos empezar a hacer analítica de datos.

¿Se puede hacer analítica sin recopilación de datos? Si, pero es más tardado. Al tener una buena gobernanza de datos, se pueden planear y ejecutar proyectos de analítica de datos de manera más rápida y eficiente siempre que sea necesario.

Para este proceso vas a necesitar:

• Ingeniero de datos
• Modelador de datos
• Data Wranglers

Estos miembros del equipo se dedican a preparar y organizar la información de una manera que sea más fácil de analizar para quien lo necesite. Prepara los datos para el siguiente paso.

Fase 2: Analítica

Este es el proceso que ya se comentó anteriormente. Una vez que los datos están preparados se alimentan a las herramientas y procesos necesarios para interpretar los resultados.

Para este proceso vas a necesitar:

• Analista
• Científico de Datos 

No es necesario tener los dos. Todo depende de su presupuesto y del nivel al que quieren llegar. Si buscan llegar hasta un nivel Predictivo, esto lo puede hacer un Analista. Si quieren llegar a un nivel prescriptivo y crear un producto con Machine learning van a necesitar un científico de datos.

Un científico de datos puede ser mejor (y más caro) que un Analista. Muchas veces estos pueden ser contratado por fuera, pero si en tu empresa ya tienes un buen científico de datos, es recomendable hacer lo posible por retenerlo.

Fase 3: Conexión con el Negocio

Una vez que los datos han sido analizados, se necesita alguien que pueda traducir los resultados del análisis a decisiones que debería tomar la empresa.

Para este proceso vas a necesitar:

• Traductor de Datos
• Desarrollador

Muchas veces este mismo rol es absorbido por el analista o científico de datos, pero requiere un conocimiento de administración de negocios.

Armando el Equipo

Cuáles de estos roles y cuantas personas voy a necesitar para cubrirlos es caso por caso, muchas veces las tareas de estos roles pueden ser asignadas de manera interna para ir creando un equipo de análisis.

Si buscas crear un equipó de análisis interno habrá ciertas tareas que requerirían inversión de tiempo y entrenamiento (especialmente si buscan un científico de datos), pero puede dar mejores resultados a la larga. Esto es especialmente cierto de científicos de datos que, al ya tener conocimiento de las operaciones del negocio, pueden fungir también como traductores de datos. 

A veces el tiempo es un factor importante. Si la urgencia o escala del proyecto son muy grandes es recomendable conseguir servicios externos ya que estos contaran ya con preparación y experiencia para ejecutar el proyecto de una manera mas optima y acertada.

El ciclo de vida de un proyecto Analítico de Machine Learning

• Tiene que nacer de un requerimiento del negocio. Se tiene que buscar un problema o necesidad de la empresa y luego involucrar al equipo de análisis para resolverle.
• Ya definida la necesidad comienza la exploración y limpieza de datos. Se modelan los datos de una manera que sean útiles para el científico de datos.
• Se definen un grupo de variables naturales y a partir de este se desarrollan variables sintéticas.
• Existen diferentes algoritmos para análisis de datos, una vez desarrolladas las variables sintéticas estas se utilizan para el entrenamiento y selección del mejor modelo analítico.
• Ya de aquí comienza la adaptación de del resultado en el negocio, lo que es decir, empezamos a utilizar el algoritmo para hacer predicción y se evalúan estas predicciones durante un periodo.
• Finalmente llegamos al despliegue a producción y monitoreo de desempeño donde vamos a buscar que el proceso se automatice lo más posible.

¿Qué vas a lograr con un Producto Analítico?

Visto de la manera más simple, un producto analítico tiene que hacer una de tres cosas:

• Traer un peso más
• Ahorrar un peso más
• Que el negocio viva un día más

 Si no hace ninguna, no sirve.

Por otro lado, si el producto analítico funciona, esto puede generar mayores ingresos o ahorros que permiten inversiones otros proyectos analíticos y alimentando el crecimiento exponencial de tu negocio. Eso sí, para que esto sea posible, es necesario crecer de manera organizada. 

Piensa en una bola de nieve. Al rodar cuesta abajo está comienza a acumular masa generando mayor momento. Sin embargo, esto solo es posible porque la aceleración de la bola de nieve es constante, lo cual, es decir, la velocidad a la que va aumenta de manera gradual y en relación a la masa. 

Si la bola de nieve crece muy rápido corre el riesgo de detenerse o desmoronarse, así que es mejor mantener un paso constante.

El Análisis Avanzado de datos es un proceso complejo que puede ser intimidante, sobre todo para PYMES. Aprendan más sobre el proceso viendo la Masterclass de Víctor Aldo Valadez aquí y si buscan apoyo consideren participar en el programa de mentoría Banregio.