Un model predictiu és un tipus de model estadístic que, aplicat a la realitat empresarial, ens permet inferir la probabilitat que tinguin lloc determinats successos abans que es donin.
Actualment, les aplicacions que més es demanen per a aquest tipus de models són les que poden predir quins clients tenen més probabilitat d’abandonar una companyia o de cometre un frau, quantificar la satisfacció dels clients, identificar oportunitats comercials segons les tendències del mercat o distingir perfils de consumidors sobre la base de patrons de comportament.
D’aquesta forma, el que aconsegueixen els models predictius és aconseguir una visió prèviament inaccessible i disposar d’informació de valor, que ens ajudi a definir accions de manera proactiva o reactiva, anticipant-nos a determinats esdeveniments i corregint situacions o comportaments indesitjats. “Per exemple, amb un model predictiu real es poden trobar gairebé deu vegades més clients amb el risc de fugida, gràcies a la informació desestructurada obtinguda a partir de trucades telefòniques”, matisa José Luis Cortina, president de Neovantas.
En els models predictius s’empra una metodologia que distingeix una sèrie d’accions preliminars a dur a terme, abans d’entrar a desenvolupar el model i que permeten, a partir d’un diagnòstic inicial, la identificació d’aspectes crítics i patrons diferencials per a la posterior categorització de la informació amb eines d’Analytics. D’aquesta fase prèvia s’obté una visió general de la situació de partida que resulta fonamental, no només a l’hora de la creació de variables amb un alt valor predictiu, sinó també de cara a traçar un mapa conceptual que aporti un elevat grau de coneixement sobre el funcionament de l’entitat, estalviï temps i eviti incórrer en errors.
Una vegada finalitzada aquesta primera fase, es procedeix a elaborar el model predictiu en si, emprant com a base d’entrenament les dades històriques que constitueixen la informació d’interès i en els quals es coneix l’existència d’un determinat fet. En la predicció de fugida de clients, la base d’entrenament per al model en aquest cas estaria composta pel llistat de totes les trucades telefòniques amb clients que s’hagin realitzat en un període de temps determinat, i el registre de les baixes associades a aquestes trucades. A continuació, utilitzant Machine Learning, s’identifiquen patrons i interaccions subjacents en el conjunt de dades en els quals es va donar el fet en qüestió, en aquest cas, en aquelles trucades que tinguessin associades una baixa d’un client.
El següent pas consisteix a realitzar una predicció fora de mostra. Per a això, s’extrapola la funció calculada en la base d’entrenament sobre la resta de les dades, per als quals no es disposa de cap mena d’informació relacionada amb el fet focus de l’anàlisi. D’aquesta forma, el que obtindríem seria un scoring amb el qual mesurar el risc de fugida dels clients, en aquelles trucades en les quals no coneixem l’existència de baixes.
Abans de res, com podem tangibilitzar, com a entitat, les aplicacions derivades d’un model predictiu com aquest? “És prioritari que aquesta informació tan valuosa sigui accessible a tots els nivells d’una companyia, mostrant-la d’una forma ràpida, gràfica i visual i incloent iniciatives de millora predeterminades. Gràcies a això facilitem que ja no només siguin figures com les del Data Scientist aquelles capaces d’analitzar els resultats de l’analítica avançada, sinó que ajudem a universalitzar-los perquè puguin ser interpretats de forma autònoma i eficient per tots els membres d’una organització, tenint sempre en compte els protocols de seguretat i nivells d’autorització depenent del tipus d’usuari”, indica el president de Neovantas.
Això no només permet distribuir intel·ligència de cara a la presa de decisions, tant en l’àmbit estratègic com operatiu, sinó que, a més, contribueix a difondre i consolidar la cultura de dades en una organització, ja que qualsevol que formi part d’ella ara pot entendre i veure directament la utilitat de la informació i l’analítica avançada.
José Luis Cortina conclou, “tant grans com petites empreses coincideixen que els models predictius han arribat per quedar-se, i cada vegada tenen més assumit que incorporar-los com una part indispensable dels seus models de negoci, tant en l’àmbit de processos com de clients, ha passat de ser una font d’avantatge competitiu per passar a convertir-se en una pura qüestió de supervivència en el mercat”.
