Estado actual del análisis prescriptivo
El proceso de business analytics incluye tres fases principales:
Modelos Descriptivos, Modelos Predictivos y una tercera fase, Prescriptive Analytics, entendida como el paso natural después del modelamiento predictivo.
La Minería de Datos aplicada en Inteligencia de Negocios puede ser usada en diferentes formas como, por ejemplo, crear grupos de clientes actuales, estudiar su comportamiento de compra, predecir si dejará la compañía o simplemente anticipar necesidades para ofrecer lo necesario en el momento preciso.
La segunda rama o fase son los Modelos Predictivos o Predictive Analytics. Modelos que pretenden aprender patrones latentes en los datos. El objetivo es predecir un resultado basado en la historia conocida. Por ejemplo, si los clientes responderán positiva o negativamente a acciones comerciales determinadas. Predecir la probabilidad de un cliente de abandonar el servicio o producto basado en el estudio de las características de los clientes que ya abandonaron. Otro ejemplo, es poder determinar qué clientes se interesarán en determinadas campañas que se quieren ofrecer, poder determinar la mejor oferta para cada cliente, esto es conocido como cross selling y up selling.
Finalmente el análisis prescriptivo se encarga de recomendar mejores acciones, basado en los resultados de modelos predictivos y descriptivos; y además presentando el potencial impacto de los resultados de las acciones recomendadas.
El análisis prescriptivo aúna e integra conceptos de Big Data ya que se hace cargo de la ejecución y funcionamiento mediante reglas y sugerencias de acciones posibles y evaluando el resultado final de realizar estas acciones. El conocimiento generado por medio de los modelos descriptivos y predictivos se puede capitalizar implementando análisis prescriptivo optimizando el proceso de toma de decisiones.
Las organizaciones emplean herramientas que describen y predicen, pero no utilizan aquellas que permiten a quienes deciden, tomar decisiones basadas en datos. Un reciente estudio de PwC de 1.100 altos ejecutivos concluyo que "l datos y análisis 'es el tercer factor más importante a la hora de tomar decisiones importantes; detrás de la propia intuición y la experiencia de los demás casos parecidos.
- La mayoría de las organizaciones
Recopilan datos (Big Data - estructurados y no estructurados)
Analizan los datos y describen lo que ha sucedido, lo que está sucediendo ahora y por qué (análisis descriptivo)
- Menos organizaciones
Están usando una herramienta o software para identificar ideas, tendencias y patrones en los datos y crear predicciones de lo que sucederá después - incluyendo algunas visualizaciones graficas (análisis predictivo) Gartner estima que sólo el 30% de la industria utilizan alguna forma de análisis predictivo
- Muy pocas organizaciones
Toman decisiones verdaderamente basadas en datos
Utilizan aprendizaje automático, inteligencia artificial o herramientas algorítmicas adaptables que proporcionen recomendaciones prácticas en base a los conocimientos proporcionados (análisis prescriptivos) Gartner predice una adopción del 3% de la analítica prescriptiva
Este nivel de adopción no es ninguna sorpresa ", Gartner sitúa el análisis preceptivo en el pico de expectativas infladas; los primeros usuarios están experimentando una mezcla de éxitos y fracasos desalentadores, pero la mayoría de las organizaciones deciden no adoptarlo aun .
. 
Según Gartner el Análisis prescriptivo, finalmente, va a cambiar la forma de hacer negocios. Esto es lo que tiene que cambiar para que esto suceda:
Los avances en IA y el aprendizaje de las técnicas adecuadas
Muchos empleados aún no tienen confianza en las máquinas para tomar decisiones críticas de negocio. Los empleados confían en las máquinas para representar los datos de una manera que ayude a tomar decisiones de negocio, pero no mucho más. Es una precaución razonable, el negocio es contextual; un mundo que combina la tecnología, las matemáticas, la psicología conductual y la incertidumbre - un juego que los humanos creen que pueden ganar y que pueden, pero no sin ayuda.
Los avances en el aprendizaje automático mejorarán en gran medida la capacidad de las máquinas para aprender y adaptarse a las vastas cantidades de datos que reciben. Mientras tanto, la madurez de la "economía del algoritmo 'verá gran competencia (y mejoras) en proveedores de algoritmos que ayuden a resolver problemas de negocios. Cuanto antes estos avances se produzcan, más pronto los análisis prescriptivos se convertirán en un estándar de la industria y de confianza integral.
El hombre vs, la máquina
Un estudio reciente de la Universidad de Queensland identificó que los humanos la capacidad de procesar y comprender las variables dentro del proceso de toma de decisiones se limita a cuatro variables, con problemas de cinco vías que se realizan no es mejor que el azar. A pesar de esto, la parte más compleja y significativa del proceso analítico; "¿Qué vamos a hacer ahora?" Se lleva a cabo en gran medida por los seres humanos, se entienden y actioned a sólo pequeñas partes de las grandes decisiones.
Naturalmente, los tomadores de decisiones serán obstinada a abandonar el poder y el temor de la redundancia es un gran desafío para todas las tecnologías de 'semi-completo' automatizados - especialmente cuando se compite directamente con los tomadores de decisiones de alto nivel. Quienes toman las decisiones actuales (que tienden a dejar emergente científicos de datos trato con las matemáticas y tecnologías de análisis actuales) se convertirán en científicos de decisión. Un término acuñado por los que poseen experiencia en la tecnología, las matemáticas, las decisiones de negocios y ciencias de la conducta. Estos, híbridos conocimientos recién definidos faciliten los procesos de toma y tomar medidas frente a la incertidumbre (ver teoría de la decisión) con un sesgo centrada en los datos desprende de las herramientas prescriptivas que ayudan a construir.
Para análisis preceptivos para convertirse en la norma, las organizaciones también tendrán que adquirir y adoptar: conjuntos de datos más grandes, los sistemas que procesan datos estructurados y no estructurados, análisis predictivos y prescriptivos sinérgicos, algoritmos que se adaptan y líderes que confían. Cuando una organización es capaz de aprovechar todo lo anterior de manera efectiva, van a descubrir que tienen una ventaja sobre sus competidores - y análisis precep