Compañías de diversas industrias están hoy en día recurriendo a la inteligencia artificial para resolver sus problemas de negocio de un modo más táctico y estratégico, mediante la analítica predictiva.
“Se plantea que las compañías que no están considerando la inteligencia artificial en sus estrategias están de alguna forma condenadas al fracaso en los próximos meses, porque el dato está trayendo para sí mucha información novedosa y complementaria al juicio experto de las personas en las organizaciones”, indicó Cristián Figueroa, docente del diplomado en Business Intelligence que dicta la unidad de Educación Ejecutiva (UEjecutivos), en el marco del encuentro Pronóstico y planeación de demanda, usando IA en escenarios industriales dinámicos y complejos.
Simplificando la analítica predictiva con inteligencia artificial
Durante la actividad, desarrollada a fines de julio, Figueroa explicó que la inteligencia artificial plantea poder incorporar más datos, “lo que implica considerar eventos ocultos con efectos no explicados, los cuales puedan disminuirse y, al mismo tiempo, se descubran y reconozcan patrones, que se hagan visibles frente al ojo del algoritmo de la inteligencia artificial”.
Descubrir y explorar patrones ocultos es una característica fundamental en los procesos de analítica predictiva, basados en data mining, lo que se simplifica gracias al uso de algoritmos desarrollados a partir de inteligencia artificial, aseguró el experto.
“Para ejecutar la analítica predictiva necesitamos construir repositorios de datos que acumulativamente vayan incorporando informaciones nuevas y que vaya siendo un proceso de enriquecimiento, donde los algoritmos predictivos de Machine Learning justamente vayan aprendiendo de los patrones históricos”, expresó Figueroa.
La analítica predictiva se debe tratar de tal forma que se genere un programa de gobierno de los mismos que permita ir perfeccionando la estrategia para que las compañías se conviertan en entidades que se guíen más por los datos que por el juicio experto.
Transformando datos en información valiosa
Junto con incorporarse en un algoritmo de inteligencia artificial, esta integración de un conjunto de datos debe tener una metodología como Knowledge Discovery in Databases (KDD), que obtiene conocimiento útil y previamente desconocido a partir de grandes volúmenes de datos, con distintas etapas que permitan transformar datos en bruto en información valiosa, en virtud de los casos de uso.
Para lograr información más precisa en la analítica predictiva, es necesario “comparar los clásicos algoritmos estadísticos con los algoritmos de inteligencia artificial que plantean dos cosas: un aumento significativo de la precisión, es decir, bajar el error de pronóstico y también incorporar adicionalmente variables externas que un modelo estadístico clásico no soporta, porque la cantidad de información, que de alguna forma contiene, tiene una capacidad más finita”, concluyó Cristián Figueroa.
