Si Biff Tannen, el súper villano de Volver al futuro, logró hacerse millonario, fue porque desde el presente en el que vivía regresó a 1955 y se entregó a sí mismo un anuario de resultados deportivos: sus apuestas, desde ese momento, fueron a parar irremediablemente a los ganadores, aun cuando el desenlace de un juego fuera insólito. En el mundo de los negocios no existe una ventaja tan clara y plena de certidumbre, pero la inteligencia artificial (IA) y el análisis predictivo de datos evolucionan, mejoran sus pronósticos y generan un poco más de certidumbre en medio de un presente turbulento, en el que disrupciones inéditas generadas por la propia tecnología, la pandemia, los conflictos bélicos o un largo etcétera potencial del que aún no estamos enterados generan o pueden generar cambios abruptos en el consumo, la demanda, el mercado o la competencia.

Solo el mercado de herramientas analíticas moverá, según la consultora Precedence Research, unos US$346.000 millones en 2030, una cifra que multiplica casi por 10 la alcanzada en 2022, cercana a los U$S40.000 millones.

Sin embargo, para aprovechar esta capacidad de los datos de mostrarnos el camino, no basta con acumular. Es necesario dar una serie de pasos que implican invertir en las tecnologías adecuadas, entender de qué manera los datos pueden aportar al negocio y, lo más importante, hacer el cambio cultural adecuado.

"Los modelos de análisis predictivo utilizan técnicas estadísticas y de aprendizaje automático para analizar datos históricos y detectar patrones que puedan ayudar a predecir eventos futuros o identificar relaciones entre variables", explica Daniel Menal, director y head de Data & Analytics de NTT DATA Argentina. "Esto permite a las empresas tomar decisiones basadas en datos en lugar de confiar en la intuición o en el sesgo de una persona particular de la compañía", agrega.

"La mayoría de las organizaciones cuentan con grandes volúmenes de datos que provienen de sus estrategias de marketing, canales de ventas, de logística o de pagos, pero no necesariamente tienen una mirada holística de, por ejemplo, qué resultado de venta tuvo una interacción con un consumidor durante una campaña o si se cumplen los plazos de entrega de productos o servicios", enumera Natalia Scaliter, gerenta General de Google Cloud Argentina. "Analizar esa información a gran escala en tiempo real y procesarla con herramientas de IA permite interpretar los datos y obtener una visión completa de forma automatizada y en menos tiempo", agrega.

Nostradamus, pero con datos

"No es adelantarse al futuro en sí: se crea en base a la lógica y las acciones correspondientes de predicción para que las marcas ofrezcan soluciones más personalizadas, con la oportunidad de mejorar las relaciones con sus consumidores, generar savings de presupuestos, reducir el margen de error humano, controlar la ejecución de una estrategia de marketing y entender la situación del negocio, en tiempo real, a un login de distancia", cuenta Sofía Cano, cofundadora y CEO de la consultora de transformación digital UTAG, especializada en análisis de datos aplicado a estrategias creativas, de comunicación y marketing digital y creadora de iMetriq, plataforma capaz de predecir resultados en función de patrones históricos.

Uno de los grandes desafíos para las empresas que ingresen en el mundo del pronóstico de escenarios es la gestión de las expectativas: aquí no hay magia ni adivinación y el margen de error tiene una presencia notable.

"El encuadre de la tarea a resolver es clave: si se trata de un proyecto de optimización, donde los objetivos de negocio son claros y concretos, o de uno de innovación, donde el valor se adquiere mediante la exploración", explica Carlos Lizarralde, CEO de 7Puentes. "Dependiendo del grado de innovación y riesgo, los proyectos pueden no alcanzar las expectativas iniciales y eso no es un fracaso, ya que a priori no se contaba con las certezas necesarias y es un proceso de aprendizaje", remata. 7Puentes provee servicios de consultoría en ciencia e ingeniería de datos en base a una metodología que conjuga los aspectos del descubrimiento de conocimiento (CRISP-DM, siglas en inglés por cross industry standard process for data mining) y del desarrollo de software ágil.

El cambio de paradigma está en marcha. "Actualmente más del 80 por ciento de las personas que toman decisiones en las empresas lo siguen haciendo por intuición y esto no se debe a una falta de inversión en tecnología o porque no se tengan almacenados los datos necesarios: el problema es que cada vez que necesitan acceder a un dato concreto de manera rápida, se sigue dependiendo de otras personas para la gestión del informe o la obtención de la información deseada", cuenta Fernando Manjarin, CEO de Quales, creadora del asistente virtual Quallie, que se dedica precisamente a entregar el dato adecuado a la persona indicada en el momento justo.

Y para qué lo vas a usar

Los casos de uso de las herramientas de análisis predictivo son innumerables y van desde analizar los patrones de comportamiento de los clientes y anticipar sus necesidades hasta predecir la demanda para optimizar la fabricación, la distribución y la logística, pasando por estimar cuánto tiempo tardará una persona en realizar una compra después de visitar un sitio web para optimizar la estrategias de marketing y ventas y mejorar las conversiones. Incluso aparecen verticales muy puntuales que van desde la seguridad hasta la salud.

"Contar con información en tiempo real y on demand resulta un activo clave para el seguimiento y la eficientización de recorridos, mejorar conductas de manejo, eficientizar el mantenimiento de los vehículos, evitar accidentes y, a la vez, cuidar y recuperar sus vehículos en caso de robo o hurto", enumera Juan Pierro, gerente de Productos Corporativos de Strix By LoJack, cuyo producto orientado a la gestión de flotas vehiculares ofrece distintas capacidades predictivas, como el tipo de mantenimiento que va a requerir la unidad después de determinado periodo o la probabilidad de siniestralidad de acuerdo a datos horarios y geográficos. La compañía procesa 2200 millones de señales por mes.

"Entrenar a una computadora para que pueda detectar determinadas imágenes o determinados patrones puede ayudar a un médico a que en segundos vea una patología, algo impensado 20 años atrás", cuenta Flavio Sánchez médico especialista en diagnóstico por imágenes, teleradiología y director General de Telerad. "El costo aún sigue siendo alto, pero como toda implementación, luego hará su curva de descenso", aclara. "Las aplicaciones ligadas a la salud, los avances tecnológicos de IA, la evolución en la seguridad de los datos y el acceso a la información de los pacientes serán avances importantes en la práctica médica", concluye.

Con las personas en el centro

Uno de los casos de uso más explorados está relacionado con el mundo de los recursos humanos. "Nuestra solución explica el comportamiento actual y futuro de la organización, con una mirada concreta sobre los posibles escenarios de, por ejemplo, los niveles de rotación y el movimiento particular de ejecutivos dentro del organigrama", cuenta Ezequiel Kieczkier, socio y director de Olivia y business partner de Deepple, una HRTech que combina data analítica tradicional, inteligencia artificial y machine learning con los aspectos de socialización de las personas en un cosistema determinado a partir de las herramientas propias de la psicología social y las neurociencias. "Esto también ayuda a lograr mejores fits en posiciones de sucesión y comprender de antemano el peso que puede tener ese cambio en las personas que integran el sociograma que da vida a la organización". El experto asegura que esta herramienta "mejora el rendimiento de los equipos de venta y permite analizar la integración de las áreas del negocio", ya que entienden cómo obtener mejores resultados en los procesos que las unen.

"Los datos conductuales ayudan a identificar patrones y tendencias en el comportamiento de sus clientes internos y externos y a obtener información valiosa sobre hábitos, preferencias y necesidades para mejorar la estrategia", cuenta Jaime Díaz, CEO de PDA HRTech, una herramienta de análisis predictivo enfocada en recursos humanos que otorga más de 150 data points de las personas. "Entre otros beneficios, aumenta la eficacia de los procesos de selección, identifica la fuga de talento no deseada o predice la rotación", cuenta Díaz. Su algoritmo está validado por el Instituto Americano de Psicología Empresarial (AIOBP), el Instituto 2E de España (Unión Europea) y EEOC de los Estados Unidos. "Las personas son seres integrales: considerar el contexto y su situación es primordial. Los datos aislados pueden llevar a conclusiones equivocadas e interpretación sesgadas", agrega.

¿El sector público puede capitalizar la explotación de los datos? Claudia Esteban, directora de la subárea de Investigación, desarrollo e innovación tecnológica del Poder Judicial de Córdoba, sostiene que sí: la entidad implementó DACIA (Despacho Automatizado con Inteligencia Artificial), herramienta apoyada en Microsoft Azure Cognitive Services, Docker y otras tecnologías, que hoy se aplica en el Fuero de Ejecución Fiscal de la ciudad de Córdoba y otras sedes del interior de la provincia. "Se inició para los juicios ejecutivos fiscales, procedimientos expeditivos para cobro de tributos, porque tienen un trámite lineal, previsible y no complejo y porque representan un gran volumen dentro del stock de expedientes: el 25 por ciento del total de las causas que se inician en Córdoba capital", cuenta Esteban. "En apenas un año, el procesamiento de estas demandas se redujo e redujo de 49 a 15, mientras que el tiempo promedio del resto de los trámites se redujo en 55 por ciento, gracias a la reasignación de los recursos humanos", completa Esteban.

Los beneficios de anticiparse

Las empresas que logren utilizar los datos y las herramientas analíticas para anticipar escenarios podrían lograr múltiples beneficios. "El principal es que es posible sacar conclusiones de contextos complejos de forma mucho más efectiva de lo que un grupo de personas podría resolver en el mismo periodo de tiempo", destaca Menal.

"Que las organizaciones puedan sumar certidumbre sobre la dinámica de sus equipos, cambiar el paradigma de trabajo actual que se dedica a revisar reportes para pasar a liberar el potencial de sus individuos, de sus colaboradores y de todo el conjunto por medio de las posibilidades que ofrece la tecnología de avanzada para alimentar y sostener la toma de decisiones de sus ejecutivos en forma preventiva y no solamente reactiva", aporta Yoel Kluk, chief Product Officer de Deepple.

"La lista de beneficios incluye ahorros en el manejo de inventario, la disponibilidad de los productos en el canal adecuado en el momento en que el cliente lo necesita (con el consecuente incremento de la rentabilidad) y, lo más importante, el hecho de que habilita un nuevo enfoque empresarial centrado en la planificación estratégica y la máxima productividad", enumera Jorge Linares Soler, chief Revenue Officer de Nubiral, desarrolladora de la solución Intelligent Forecasting (IF), que aprovecha los datos estructurados y no estructurados, almacenados y centralizados, independientemente del entorno, con los que una empresa cuenta sobre las transacciones efectuadas o históricas, le suma variables externas de contexto en el caso de ser necesario y, sobre eso, aplica algoritmos de machine learning para generar una planificación de demanda de altísima precisión.

Estar un paso adelante

Para acceder a estos beneficios, las empresas necesitan ajustar unas cuantas tuercas. "Los esfuerzos intelectuales de análisis, creatividad, innovación y empatía que se requieren para llevar adelante estas iniciativas consumen muchísimo tiempo y requieren mucho foco y dedicación por parte de las organizaciones", señala Luis Eduardo Ladera, director de Redes Escalables y Contenido del proveedor de infraestructura digital Cirion Technologies, quien destaca la importancia de una buena plataforma de base para capitalizar los datos.

"Es necesario hacer foco en la alfabetización en datos de toda la organización, así como también implementar gobernanza de los datos, su calidad y estrategias para evitar problemas o condicionantes éticos", apunta Fredi Vivas, CEO de RockingData y autor del libro ¿Cómo piensan las máquinas?. "Los buenos casos llegarán si las bases tecnológicas son firmes, si existe una estrategia y si las personas están involucradas con una cultura de toma de decisiones basadas en datos", agrega.

Entre las soluciones brindadas por RockingData destacan un modelo predictivo de 2020 para anticipar la cantidad de personas que llegarían a un hospital con casos de COVID en los siguientes 15 días (con una precisión que estuvo siempre por encima del 80 por ciento) o, en el mercado de contenido audiovisual, un algoritmo capaz de identificar oportunidades de publicidad no tradicional tomando como único insumo el guion de un capítulo de una serie o de una película.

"La relevancia de los datos es tal que recientemente ha surgido un nuevo rol, el chief of Data Officer (CDO), para liderar el área de análisis", cuenta Joel Rodríguez, consultor de inteligencia artificial y machine learning de SAP Latinoamérica. "Una de sus responsabilidades es desarrollar una ingeniería de datos para saber qué sistemas interconectar, cómo armar modelos y de qué manera explotarlos", agrega. La solución SAP Analytics Cloud de la compañía incluye modelos de algoritmos preconstruidos que permiten generar, y sin necesidad de código, tres tipos de predicciones: time forecasting, regresión lineal y clustering de datos, mediante el que agrupa datos según patrones definidos.

El error que no adivinamos

El camino hacia la capacidad de predecir el futuro en base a datos también está plagado de errores. Ladera destaca dos. El primero, "utilizar una cantidad de datos insuficiente que genere un sesgo o que, ante cambios bruscos del entorno, produzcan desvíos importantes en los resultados de análisis después de pasar por algoritmos de AI". El segundo, "utilizar algoritmos no adecuados a la situación o al caso de uso o no brindar seguridad sobre los datos que pudieran luego ser alterados por extraños o personas mal intencionadas".

Augusto Chesini, CTO de avenida+, que ofrece el concepto de marketplaces as a service y que incorpora en su solución herramientas de análisis predictivo suma "no planificar ni estabilizar la toma y el formato de la información: es un proceso que lleva tiempo para generar resultados". También advierte que puede resultar perjudicial "no tener un equipo especialista en analizar e interpretar los datos, elaborar estrategias y acompañar el constante desarrollo de los modelos". Díaz agrega que "las empresas a menudo recopilan grandes cantidades de datos sin tener una estrategia clara de cómo utilizarlos, lo que lleva a una falta de dirección en cuanto a qué datos se deben recopilar y cómo se deben analizar".

"El error más frecuente suele ser metodológico: el acceso al dato ya no es el desafío más grande (de hecho tenderá a ser un commodity), sino la creación de modelos que permitan darle un sentido, y sobre todo, una aplicación práctica", cuenta Juan Pablo Daniello, fundador de HORSE. "Paralelamente, todavía hay una gran barrera cultural en el uso de datos para la toma de decisiones con la intuición o la experiencia prevaleciendo sobre cualquier evidencia empírica", agrega. La consultora de inteligencia de mercado basada en big data desarrolló tecnología propia para recoger millones de datos provenientes de fuentes públicas y entregar conocimiento sobre movimientos del mercado, tendencias o competencia.

"El dato por el dato sin una acción atrás no nos lleva a nada", coincide Diego Akris, líder de data y reporting de Compre Ahora, un marketplace que permite a almacenes, autoservicios, kioscos y comercios minoristas de la Argentina acceder a productos online de distintas categorías y marcas con descuentos. "Todo lo que hacemos, lo que construimos, debe tener un por qué detrás que luego pueda ser medido y optimizado", agrega.

El futuro nos qué tan importante se volverán las empresas de análisis predictivo para las organizaciones. Aunque, pensándolo bien, es probable que ya exista un algoritmo de IA que lo sepa.

Esta nota se publicó originalmente en el número 353 de revista Apertura.