Todas las compañías tienen a su alcance soluciones de análisis de datos tan avanzadas y sencillas de usar que no saber lo que sucederá dentro de seis meses es pecado mortal.
El análisis predictivo es “un cambio en el juego de los negocios”. La afirmación sería el resumen perfecto del último informe de Forrester Research con su clasificación anual de las mejores soluciones de análisis predictivo para empresas. Ya no hay excusas. Todas las compañías del mundo tienen a su alcance soluciones de análisis de datos tan avanzadas y sencillas de usar que no saber lo que sucederá dentro de seis meses es pecado mortal.
El gran desarrollo de la analítica avanzada es la facilidad con la que los grandes ejecutivos de las compañías, al margen del trabajo que ya realizan otro perfiles como el científico de datos y el analista de datos, pueden hacer predicciones y entender el futuro de sus equipos.
Este impulso en la accesibilidad tiene dos puntos clave:
El uso de la APIs: las compañías de sectores como el financiero, el retail o el energético usan interfaces de programación de aplicaciones para construir modelos predictivos y extraer valor de los datos para:
– Sacar conclusiones de los datos para tomar decisiones.
– Predecir el comportamiento de los clientes para ajustar oferta y precios. También conocer su opinión sobre productos o servicios.
– Conocer cómo se puede aumentar la productividad y el rendimiento.
– Prevenir o detectar el fraude.
La irrupción del Predictive Model Markup Language (PMML): es un lenguaje de marcado de texto XML desarrollado por Data Mining Group (DMG). Este lenguaje estándar se emplea para representar modelos predictivos. Es lo que permite que una misma solución se pueda compartir por distintas aplicaciones compatibles con PMML.
Este tipo de lenguaje ofrece una verdadera interoperabilidad a los jugadores del análisis predictivo como IBM, SAS, SAP,Oracle, Microsoft, Alteryx o KNIME.
Las soluciones de los mejores del mercado
1.- IBM: este es uno de los grandes referentes dentro del mercado del análisis predictivo. Esta compañía cuenta con varias soluciones:
– Analítica de clientes: IBM dispone de una herramienta para anticiparse a los grados de satisfacción o enfado de los clientes, retenerlos e incrementar ingresos. Con esta herramienta, las compañías pueden hacer ofertas personalizadas en distintos canales, prever que clientes están a punto de cambiar de proveedor, detectar tendencias de mercado en redes sociales, técnicas de venta cruzada…
– Analítica operacional: la idea es que las empresas tengan herramientas para evaluar costes operativos, velocidad, flexibilidad y calidad a través de la recolección, almacenamiento y análisis de datos. Buscar valor en ellos en tiempo real.
– Analítica predictiva para Big Data: la mayoría de compañías disponen de una gran cantidad de datos. El problema es que son datos no estructurados o semiestructurados y la toma de decisiones en ese escenario es imposible. La clave es disponer de herramientas que organicen los datos, extraigan relaciones y hagan proyecciones sin tener conocimientos técnicos elevados.
Esto se consigue con herramientas que combinen los datos no estructurados de forma sencilla, elabore resúmenes visuales y de lenguaje plano para que el analista de negocio (no de datos) entienda el valor de la información, establecer proyecciones de demanda y perfiles personales de clientes. Las soluciones predictivas de IBM son abiertas y soportan la tecnología Hadoop.
– Análisis de amenazas y fraude: los modelos predictivos ayudan a anticiparse a cualquier amenaza o fraude en las compañías. Estas herramientas detectan patrones inusuales en la información con técnicas de minería y análisis de datos.
2.- SAS: SAS Visual Statistics es una plataforma para analizar de forma sencilla una gran cantidad de datos almacenados en Hadoop. La interfaz de usuario de la herramienta permite a cualquier directivo arrastrar y soltar variables para obtener cuadros de mando.
La herramienta de SAS tiene algunas características interesantes en analítica:
– SAS Analytics Visual Explorer: crea modelos de forma interactiva a partir de variables múltiples. Para generar visualizaciones con esos variables sólo es necesario arrastrar y soltar: gráficos de barras, histogramas, diagramas de caja, mapas de calor, mapas geográficos, burbujas, diagramas de dispersión… Es muy visual.
– Técnicas interactivas de modelado descriptivo.
– Construcción de modelos predictivos con técnicas como la regresión lineal, modelos lineales generalizados, regresión logística y árboles de clasificación.
– Comparación de modelos con la creación de resúmenes: gráficos de elevación, gráficos ROC, estadísticas de concordancia y tablas de clasificación errónea.
3.- SAP: esta compañía dispone de una de las soluciones más conocidas del mercado, SAP HANA, que aúna las capacidades de una base de datos y una plataforma de aplicaciones en una única solución en memoria. En el caso de la creación de modelos predictivos, la plataforma proporciona bibliotecas de procesamiento de texto y procesamiento espacial y análisis de negocio en una única arquitectura. ¿Qué ventaja tiene? Es capaz de procesar un gran volumen de datos en tiempo real sin latencia. SAP destaca mucho la velocidad y escalabilidad de HANA:
– Escanea hasta 319.000 millones de símbolos por segundo y núcleo.
– SAP HANA estableció un nuevo récord como el mayor almacén de datos del mundo: 12.1 petabytes de datos, cuatro veces más grande que el registro anterior.
4.- Oracle: Oracle Advanced Analytics es una herramienta que integra en una única plataforma la base de datos de Oracle y el análisis avanzado de datos de Oracle R Enterprise y Oracle Data Mining. La solución de la compañía proporciona análisis de datos en tiempo real en campos tan importantes como la predicción de abandono de los clientes, las recomendaciones de productos o la alerta temprana del fraude.
– Oracle R Enterprise ofrece bibliotecas de R, el lenguaje de programación usado en estadística, para analizar los datos contenidos en cualquier base de datos.
– Oracle Data Mining ofrece algoritmos de minería de datos de gran alcance para construir, evaluar, compartir y desplegar modelos de análisis predictivo.
5.- RapidMiner: RapidMiner Studio es una plataforma de análisis predictivo, aprendizaje automático, minería de datos y análisis de negocio. Permite la carga, la transformación y el modelado de grandes cantidades de datos a partir de fuentes como Excel, Access, Oracle, IBM DB2, Microsoft SQL, SAP Sybase, Ingres, MySQL, Postgres, SPSS, dBase y también cualquier fuente de texto plano. Además, cualquier empresa puede integrar en RapidMiner su propio algoritmo relacionado con datos a través de sus APIs abiertas.
6.- Alteryx: Alteryx 7.1. es una plataforma que permite el acceso, la gestión y el análisis predictivo de los datos en la misma herramienta. Es una solución que integra todas las funcionalidades del lenguaje de programación R para el estudio estadístico, pero sin que el usuario necesite tener unos conocimientos avanzados en estadística.
Gracias a Alteryx, una compañía puede manejar grandes volúmenes de datos ser capaz de interpretarlos gracias al análisis espacial. Además, como otras herramientas de análisis predictivo, los usuarios pueden arrastrar y soltar variables para crear sus propios modelos.
7.- Microsoft: las soluciones de SQL Server, la plataforma de bases de datos de la compañía de Redmond, ofrecen a los clientes la obtención de información de valor del análisis predictivo de los datos mediante la integración de tecnología en memoria y de alto rendimiento con el Procesamiento de Transacciones En Línea.
SQL Server usa un conjunto de herramientas para implementar y administrar bases de datos en la nube y en entornos locales que permite a sus clientes el diseño de soluciones de análisis predictivo en dos sentidos:
– El analista de negocio puede usar técnicas de minería de datos con herramientas como el Excel con Data Mining Add-inspara extraer patrones, hacer visualizaciones y gráficos con los datos y generar resúmenes visuales.
– Los desarrolladores pueden usar SQL Server Management Studio para crear soluciones ad-hoc de minería y análisis predictivo de datos.
8.- KMINE: KNIME Analytics Platform es una plataforma de minería de datos para la creación de modelos predictivos visuales. Es una solución desarrollada sobre Eclipse y está escrita en el lenguaje de programación Java. Con esta herramienta se puede, por ejemplo:
– Hacer visualizaciones de datos en histogramas, mapas…
– Crear modelos estadísticos: árboles de decisión, regresiones…
– Elaborar informes personalizados.
– Incorporar funcionalidades escritas en Python o R.
Esta es una solución de código abierto, bajo licencia GPL (General Public License). La herramienta se puede combinar también con las soluciones comerciales. De todas formas, cualquier usuario puede descargar la plataforma gratuita y empezar a usarla sin problemas.
Fuente: http://bbvaopen4u.com/
