Análisis Prescriptivo en la Supply Chain
A partir de la conectividad, a cada segundo de tiempo se generan miles de datos útiles. Los consumidores cada día envían miles de millones de mensajes a través de aplicaciones de mensajería instantánea, redes sociales y buscadores web, a través de sus dispositivos móviles y computadoras. Sin embargo, es tal la cantidad, que se hace imposible analizarlos de la forma en la que venimos acostumbrados y esta información cruda no genera valor. Así surge el concepto de Big Data, que en reiterados post hemos comentado.
Por supuesto que el objetivo del Big Data es crear valor, pero éste se encuentra en la capacidad analítica que se tenga para identificar qué sucede, por qué ocurre y, lo más deseado, qué podría pasar.
Para las dos primeras interrogantes ya existe, desde hace muchos años, mecanismos de análisis llamados descriptivos y predictivos. Pero para intentar predecir el futuro, aparece el análisis prescriptivo. Veamos sus diferencias:
Analítica Descriptiva. Proporciona una visión retrospectiva del rendimiento pasado. Utiliza datos históricos, que pueden provenir de hace unos minutos o algunos años, e identifica comportamientos para mostrar cómo está el negocio hasta la fecha. Es la analítica más usada y su objetivo es identificar lo que ha pasado y está sucediendo.
Analítica Predictiva. Aborda lo que ocurrirá en el futuro si se toman acciones específicas. Mediante la creación de modelos determina cómo serán las direcciones futuras a través de escenarios hipotéticos basados en variables explicativas. Su propósito es hacer pronósticos y está basada en métodos matemáticos y estadísticos que, mediante patrones, modelos o tendencias, ayuden a acertar con situaciones futuras.
Analítica Prescriptiva. Analiza los datos para encontrar cuál es la solución entre una gama de variantes. Su tarea es optimizar recursos y aumentar la eficiencia operativa. Usa técnicas de simulación y optimización, logrando señalar cuál es el camino que conviene realmente elegir. Informa acerca de lo que debiera suceder, buscando mejorar el resultado y proporcionando recomendaciones para maximizar los indicadores de negocio. Puede emplear técnicas como la IA (Inteligencia Artificial) y el aprendizaje automático.
Para los procesos de planificación de la supply chain que necesitan ser ágiles en la toma de decisiones se recomienda el análisis prescriptivo. Por ejemplo, UPS analiza cientos de datos de distintas fuentes y puede impulsar la optimización de las rutas de toda su flota, ahorrando dinero en combustibles y mejorando el tiempo de entregas. Algunos retails y CPG (Consumer Packaged Goods) utilizan el análisis prescriptivo para aumentar las ventas, determinando oportunidades de participación en redes sociales, como la mejor hora del día para publicar contenido de forma tal de llegar al mercado objetivo. Con el análisis prescriptivo se puede identificar qué artículos reordenar y cuándo. Los análisis apuntan a la demanda de los clientes, determinan los mejores productos para mostrar y la cantidad de inventario con el que se debe contar para satisfacer la demanda en las tiendas y de e-commerce.
El futuro de la analítica prescriptiva facilitará un mayor desarrollo analítico complementando las decisiones humanas con la toma de decisiones automatizada. Por supuesto que aún la analítica prescriptiva es relativamente difícil de administrar y la mayoría de las empresas no la están usando de forma habitual. Sin embargo, cuando se implementa correctamente, puede tener un gran impacto en la forma de tomar decisiones y en rentabilidad de las empresas.