La analítica prescriptiva es una forma de análisis empresarial que sugiere opciones de decisión sobre cómo aprovechar una oportunidad futura o mitigar un riesgo futuro, y muestra las implicaciones de cada opción de decisión. Permite a una empresa considerar "el mejor curso de acción a tomar" a la luz de la información derivada de la analítica descriptiva y predictiva . [1]
La analítica prescriptiva es la tercera y última fase de la analítica empresarial, que también incluye la analítica descriptiva y predictiva. [2] [3] Conocida como la "última frontera de las capacidades analíticas", [4] la analítica prescriptiva implica la aplicación de las ciencias matemáticas y computacionales y sugiere opciones de decisión sobre cómo aprovechar los resultados de las fases descriptiva y predictiva.
La primera etapa del análisis empresarial es el análisis descriptivo, que todavía representa la mayoría de los análisis empresariales actuales. [5] El análisis descriptivo analiza el rendimiento pasado y lo comprende extrayendo datos históricos para buscar las razones detrás del éxito o el fracaso pasados. La mayoría de los informes de gestión, como los de ventas , marketing , operaciones y finanzas , utilizan este tipo de análisis post mortem.
La siguiente fase es el análisis predictivo. El análisis predictivo responde a la pregunta de qué es probable que suceda. Aquí es donde los datos históricos se combinan con reglas, algoritmos y, ocasionalmente, datos externos para determinar el resultado futuro probable de un evento o la probabilidad de que ocurra una situación.
La fase final es el análisis prescriptivo, [6] que va más allá de predecir resultados futuros, sino que también sugiere acciones para beneficiarse de las predicciones y muestra las implicaciones de cada opción de decisión. [7]
La analítica prescriptiva utiliza algoritmos y modelos de aprendizaje automático para simular diversos escenarios y predecir los resultados probables de diferentes decisiones. [8] Luego sugiere el mejor curso de acción en función del resultado deseado y las limitaciones de la situación. La analítica prescriptiva no solo anticipa lo que sucederá y cuándo sucederá, sino también por qué sucederá. [8] Además, la analítica prescriptiva sugiere opciones de decisión sobre cómo aprovechar una oportunidad futura o mitigar un riesgo futuro y muestra la implicación de cada opción de decisión. La analítica prescriptiva incorpora datos estructurados y no estructurados , y utiliza una combinación de técnicas y disciplinas analíticas avanzadas para predecir, prescribir y adaptar. Puede tomar continuamente nuevos datos para volver a predecir y prescribir, mejorando así automáticamente la precisión de la predicción y prescribiendo mejores opciones de decisión. La analítica prescriptiva eficaz utiliza datos híbridos, una combinación de datos estructurados (números, categorías) y no estructurados (videos, imágenes, sonidos, textos) y reglas comerciales para predecir lo que se avecina y prescribir cómo aprovechar este futuro predicho sin comprometer otras prioridades. [9] Basu sugiere que sin una entrada de datos híbrida, los beneficios del análisis prescriptivo son limitados. [1] [a]
Además de esta variedad de tipos de datos y el creciente volumen de datos, los datos entrantes también pueden evolucionar con respecto a la velocidad, es decir, se generan más datos a un ritmo más rápido o variable. Las reglas de negocio definen el proceso de negocio e incluyen objetivos, restricciones, preferencias, políticas, mejores prácticas y límites. Los modelos matemáticos y los modelos computacionales son técnicas derivadas de las ciencias matemáticas, la informática y disciplinas relacionadas, como la estadística aplicada, el aprendizaje automático, la investigación de operaciones , el procesamiento del lenguaje natural , la visión artificial , el reconocimiento de patrones, el procesamiento de imágenes, el reconocimiento de voz y el procesamiento de señales. La correcta aplicación de todos estos métodos y la verificación de sus resultados implica la necesidad de recursos a gran escala, incluidos los humanos, los computacionales y los temporales, para cada proyecto de análisis prescriptivo. Para ahorrar el gasto de docenas de personas, máquinas de alto rendimiento y semanas de trabajo, se debe considerar la reducción de recursos y, por lo tanto, una reducción en la precisión o confiabilidad del resultado. La ruta preferible es una reducción que produzca un resultado probabilístico dentro de límites aceptables. [ cita requerida ]
Las tres fases de análisis pueden realizarse a través de servicios profesionales o tecnología, o una combinación de ambos. Para poder escalar, las tecnologías de análisis prescriptivo deben poder adaptarse para tener en cuenta el creciente volumen, velocidad y variedad de datos que pueden producir la mayoría de los procesos críticos y sus entornos.
Una crítica a la analítica prescriptiva es que su distinción con la analítica predictiva está mal definida y, por lo tanto, mal concebida. [10]
Si bien el término análisis prescriptivo fue acuñado por primera vez por IBM , [3] y luego fue registrado por la empresa Ayata con sede en Texas, [11] [12] los conceptos subyacentes han existido durante cientos de años. La tecnología detrás del análisis prescriptivo combina sinérgicamente datos híbridos , reglas comerciales con modelos matemáticos y modelos computacionales . Las entradas de datos para el análisis prescriptivo pueden provenir de múltiples fuentes: internas, como dentro de una corporación; y externas, también conocidas como datos ambientales. Los datos pueden ser estructurados, lo que incluye números y categorías, así como datos no estructurados , como textos, imágenes, sonidos y videos. Los datos no estructurados difieren de los datos estructurados en que su formato varía ampliamente y no se pueden almacenar en bases de datos relacionales tradicionales sin un esfuerzo significativo en la transformación de datos. [13] Más del 80% de los datos del mundo hoy en día no están estructurados, según IBM. [14]
La marca registrada de Ayata fue cancelada en 2018. [12]
La energía es la industria más grande del mundo (6 billones de dólares). Los procesos y decisiones relacionados con la exploración, desarrollo y producción de petróleo y gas natural generan grandes cantidades de datos. Muchos tipos de datos capturados se utilizan para crear modelos e imágenes de la estructura de la Tierra y las capas a 5.000 - 35.000 pies por debajo de la superficie y para describir las actividades alrededor de los pozos mismos, como las características de deposición, el rendimiento de la maquinaria, los caudales de petróleo, las temperaturas y presiones del yacimiento. [15] El software de análisis prescriptivo puede ayudar tanto con la localización como con la producción de hidrocarburos [16] al tomar datos sísmicos, datos de registros de pozos, datos de producción y otros conjuntos de datos relacionados para prescribir recetas específicas sobre cómo y dónde perforar, completar y producir pozos con el fin de optimizar la recuperación, minimizar los costos y reducir la huella ambiental. [17]
Como el valor del producto final está determinado por la economía mundial de las materias primas, la base de la competencia para los operadores en exploración y producción upstream es la capacidad de utilizar eficazmente el capital para localizar y extraer recursos de manera más eficiente, eficaz, predecible y segura que sus pares. En los yacimientos de recursos no convencionales, la eficiencia y la eficacia operativas se ven disminuidas por las inconsistencias de los yacimientos y la toma de decisiones se ve perjudicada por los altos grados de incertidumbre. Estos desafíos se manifiestan en forma de factores de recuperación bajos y amplias variaciones de rendimiento.
El software de análisis prescriptivo puede predecir con precisión la producción y prescribir configuraciones óptimas de variables controlables de perforación, terminación y producción mediante el modelado simultáneo de numerosas variables internas y externas, independientemente de la fuente, la estructura, el tamaño o el formato. [18] El software de análisis prescriptivo también puede proporcionar opciones de decisión y mostrar el impacto de cada opción de decisión para que los gerentes de operaciones puedan tomar de manera proactiva las medidas apropiadas, a tiempo, para garantizar el desempeño futuro de la exploración y la producción, y maximizar el valor económico de los activos en cada punto durante el curso de su vida útil. [19]
En el ámbito del mantenimiento de equipos petrolíferos, el análisis prescriptivo puede optimizar la configuración, anticipar y prevenir tiempos de inactividad no planificados, optimizar la programación del campo y mejorar la planificación del mantenimiento. [20] Según General Electric , hay más de 130.000 bombas sumergibles eléctricas (ESP) instaladas en todo el mundo, lo que representa el 60% de la producción mundial de petróleo. [ 21] El análisis prescriptivo se ha implementado para predecir cuándo y por qué fallará una ESP y recomendar las acciones necesarias para prevenir la falla. [22]
En el área de salud, seguridad y medio ambiente, el análisis prescriptivo puede predecir y prevenir incidentes que pueden provocar pérdidas financieras y de reputación para las empresas de petróleo y gas.
Los precios son otro tema de interés. Los precios del gas natural fluctúan drásticamente en función de la oferta, la demanda, la econometría , la geopolítica y las condiciones climáticas. Los productores de gas, las empresas de transmisión por gasoductos y las empresas de servicios públicos tienen un gran interés en predecir con mayor precisión los precios del gas para poder fijar condiciones favorables y al mismo tiempo cubrir el riesgo de caídas. El software de análisis prescriptivo puede predecir con precisión los precios modelando variables internas y externas simultáneamente y también proporcionar opciones de decisión y mostrar el impacto de cada opción de decisión. [23]
Las Reglas Estructurales Comunes para Graneleros y Petroleros (administradas por la organización IACS) utilizan intensivamente el término " requisitos prescriptivos " como una de las dos clases principales de cálculos comprobables mediante herramientas numéricas y algoritmos dedicados para verificar la seguridad de la construcción del casco del buque.
Existen múltiples factores que impulsan a los proveedores de servicios de salud a mejorar drásticamente sus procesos y operaciones comerciales a medida que la industria de la salud de los Estados Unidos emprende la necesaria migración de un sistema basado principalmente en el pago por servicio y el volumen a un sistema basado en el pago por desempeño y el valor. La analítica prescriptiva está desempeñando un papel clave para ayudar a mejorar el desempeño en una serie de áreas que involucran a diversas partes interesadas: pagadores, proveedores y compañías farmacéuticas.
El análisis prescriptivo puede ayudar a los proveedores a mejorar la eficacia de la prestación de atención clínica a la población que atienden y, en el proceso, lograr una mayor satisfacción y retención de los pacientes. Los proveedores pueden mejorar la gestión de la salud de la población identificando modelos de intervención adecuados para la población estratificada por riesgo combinando datos de los episodios de atención en el centro y la telemedicina domiciliaria.
El análisis prescriptivo también puede beneficiar a los proveedores de atención médica en su planificación de capacidad al utilizar el análisis para aprovechar los datos operativos y de uso combinados con datos de factores externos como datos económicos, tendencias demográficas de la población y tendencias de salud de la población, para planificar con mayor precisión futuras inversiones de capital, como nuevas instalaciones y utilización de equipos, así como comprender las compensaciones entre agregar camas adicionales y expandir una instalación existente versus construir una nueva. [24]
Los análisis prescriptivos pueden ayudar a las compañías farmacéuticas a acelerar el desarrollo de sus medicamentos al identificar las cohortes de pacientes más adecuadas para los ensayos clínicos en todo el mundo: pacientes que se espera que cumplan con el tratamiento y no abandonen el ensayo debido a complicaciones. Los análisis pueden indicar a las compañías cuánto tiempo y dinero pueden ahorrar si eligen una cohorte de pacientes en un país específico en lugar de otra.
En las negociaciones entre proveedores y aseguradoras, los proveedores pueden mejorar su posición negociadora con las aseguradoras de salud desarrollando una sólida comprensión de la utilización futura de los servicios. Al predecir con precisión la utilización, los proveedores también pueden asignar mejor el personal.
{{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace )