Data Science Advisory
¿Quiere innovar o solucionar problemas con ciencia de datos en su organización y no sabe cómo? Use nuestro paso a paso.
Data science puede responder muchas cuestiones, anticipar tendencias y problemas antes de que sucedan. Puede evolucionar previsiones, optimizar reposición y stock, estimar el crecimiento de mercado, analizar curvas de ventas, sugerir combinación de productos óptimos, segmentar y clasificar automáticamente clientes y productos o también optimizar campañas de marketing, planes de producción y logística.
Pero, ¿cómo iniciar esa jornada? Nuestro primer paso para ayudarlo es sumergirnos en su organización, entendiendo cuáles son los principales desafíos de negocio y su nivel de madurez en las dimensiones de tecnología y ciencia de datos. Nuestro servicio de advisory aporta metodología y nuestra experiencia en ciencia de datos, usted entra con su experiencia en los negocios para que entendamos juntos cuáles de los sus desafíos podrían ser apalancados con los datos actualmente disponibles en su empresa. Juntos, construimos un programa, un roadmap de evolución, alineado, consensual, consistente y de impacto.
- Negocio: entramos en la operación de su negocio para levantar el real beneficio económico/financiero de cada oportunidad listada. Además, identificamos la complejidad y el esfuerzo para abordar cada desafío en las dimensiones procesos, estructura y personas;
- Tecnología: además de la dimensión negocio, también identificamos la complejidad del cambio tecnológico en infraestructura, arquitectura y aplicaciones necesarias para abordar cada uno de los desafíos de negocio mapeados;
- Ciencia de datos: finalmente, identificamos cuáles son los datos, su disponibilidad, calidad, volumen, así como cuál es la experiencia organizacional para aprovechar cada oportunidad.
Como resultado, generamos un mapa de oportunidades con evaluación de esfuerzo (eje x), impacto (eje y) e inversión (tamaño) en diferentes áreas de la organización (color):
Cada una de estas oportunidades se detalla en una ficha de oportunidad, como, por ejemplo:
Iniciativa: Modificar Metodología de Previsión de Demanda
Objetivo: Modificar metodología de un abordaje bottom-up para metodología top-down de previsión, con base en la desagregación histórica por categoría-color.
Disfunciones:
- Metodología bottom-up ‘infla’ la previsión;
- No hay tiempo para ajuste de la previsión.;
- Previsión no se evalúa en los ingresos.
Oportunidades:
- Reducir el sesgo de previsión con metodología combinada bottom-up y top-down;
- Incluir verificación de consistencia del número en los ingresos con marketing
Ganancias cualitativas:
- Mayor integración vertical por medio de la discusión de un plan único en volumen e ingresos.
Resultados esperados:
- Reducción de los sesgos de previsión.
Seguimiento
Después de finalizar esta etapa, podemos participar en la evolución organizacional en ciencia de datos de diferentes formas:
Creación de una estructura de evolución
Instituimos una estructura de gestión con procesos, estructura, roles y responsabilidades, pauta, dinámica de actuación y foros periódicos en los cuales podemos actuar como facilitadores o entonces asesores externos en transformación organizacional, ciencia de datos y tecnología. En esa estructura, garantizamos la ejecución adecuada de las iniciativas planeadas en el programa, reduciendo riesgos y acelerando la generación de valor.
Formación en gestión de proyectos para transformación digital
Podemos estructurar y capacitar líderes y equipos de proyectos en diferentes metodologías, como: gestión de proyectos para ciencia de datos, design thinking, rapid prototyping u otras metodologías para la solución creativa de problemas. Además, abordamos técnicas de facilitación de grupos multifuncionales para garantizar una mayor probabilidad de éxito en cada uno de los proyectos individuales.
Son diferentes ejemplos de iniciativas que pueden surgir de nuestro servicio de Advisory, como aplicaciones de:
- Procesamiento de lenguaje natural: desde la creación de bots en interfaces de chat automático hasta la interacción vía voz con el consumidor, el procesamiento de lenguaje natural reduce la fricción entre organización y consumidor de forma eficiente. Además, aplicaciones de análisis automática de documentos, combinadas con la clasificación automática y machine learning pueden automatizar procesos en los cuales están presentes un elevado número de documentos no estructurados, como por ejemplo, evaluación de proveedores, procesamiento de facturas, evaluación de currículos, procesos jurídicos etc.
- Análisis de sentimiento: en tiempos de redes sociales y evaluación de productos on-line, reaccionar tempestivamente a revisiones, críticas o sugerencias puede hacer la diferencia entre una marca idónea o mal vista. El análisis de sentimiento ayuda a filtrar y cualificar revisiones, textos, críticas en grandes masas, haciendo posible ganar productividad en ese proceso.
- Big data: personas conectadas continuamente vía celular o entonces sensores IoT generan grandes cantidades de datos que solo pueden tratarse con nuevas tecnologías de procesamiento, el big data. Ejemplos de aplicaciones son la maximización de rutas vía telemetría de vehículos o el mantenimiento predictivo vía telemetría de máquinas.
- Modelos predictivos: se puede argumentar que toda decisión organizacional se toma con base en una previsión, sea explícita o no. Una de las áreas más prolíficas de aplicación de ciencia de datos y machine learning es la previsión. Utilizando grandes cantidades de datos, este abordaje permite identificar estándares complejos reduciendo el error y permitiendo mejores decisiones. Aplicaciones se extienden desde la previsión de demanda/ventas hasta la previsión de incumplimiento y comportamiento del consumidor.
- Simulación: en una economía inestable, la simulación permite la preparación organizacional para diferentes contextos. Entre las aplicaciones están la simulación de Monte Carlo para estimativa de riesgos financieros, simulación de eventos discretos para flujos productivos o logísticos, simulación de dinámica de sistemas aplicada a la dinámica de innovaciones o entonces la simulación multiagentes para simulación del mercado.
- Optimización: es común que se busquen decisiones que minimizan el costo, maximizan los ingresos, el resultado o el nivel de servicio, respetando restricciones operacionales. Para ese tipo de problema se aplican modelos de programación lineal, no lineal, entera y mixta. Tradicionalmente aplicados a planes de producción, distribución y stock, estos modelos se han combinado con modelos predictivos para optimizar palancas de ingresos, resultando en atributos máximos de portafolio o en una combinación excelente de precio y promociones.
- Machine learning y deep learning: con aplicaciones principalmente en el reconocimiento de imagen y voz, algoritmos de aprendizaje profundo se pueden utilizar para, por ejemplo, identificación y clasificación de consumidores, identificación automática de fallas o riesgo de crédito.
Por medio del ciclo de evolución en ciencia de datos, se pueden resolver diferentes problemas con el objetivo de generar ingresos, reducir riesgos o costos. Como por ejemplo:
- Soluciones descriptivas: estas soluciones ayudan a la organización a describir su realidad con mayor eficiencia. En un mundo invadido por datos, la capacidad de identificar la real situación del negocio con foco en el cliente final es un desafío. Son modelos descriptivos que nos permiten, por ejemplo, identificar automáticamente tiendas, consumidores, regiones, productos cuyo comportamiento haya mudado y merezcan, por lo tanto, una acción organizacional. Además, los modelos descriptivos modernos son capaces de rastrear el comportamiento del consumidor en internet y redes sociales, colocando el termómetro organizacional en su principal foco, además de clasificar potenciales consumidores con relación a su futuro comportamiento (riesgo de incumplimiento).
- Soluciones de diagnóstico: una vez que se identifican los potenciales problemas o situaciones anormales, son las soluciones diagnósticas automáticas, basadas en técnicas de correlación, que permiten identificar las razones, los porqué de la situación en cuestión. Ejemplos relacionan la identificación automatizada de razones de una venta fuera de lo normal, costos elevados o eficiencia deteriorada.
- Soluciones predictivas: entendido el porqué, la decisión puede exigir una visión de posibles futuros de la organización. Para esa función se puede contar con soluciones predictivas basadas en aprendizaje de máquina que ayudan, a partir de un conjunto de variables de escenario, a prever posibles futuros organizacionales. Las principales aplicaciones de estas soluciones relacionan inteligencia de mercado, previsión de demanda, mantenimiento predictivo, sugerencia de compra para el consumidor.
- Soluciones prescriptivas: con escenarios montados, resta tomar un conjunto de decisiones que maximice una función de resultado. Es en esa función que soluciones de simulación y maximización son útiles, sugiriéndonos el conjunto de decisiones más adecuado para la situación y el contexto en manos. Ejemplos de estas soluciones relacionan optimización de la combinación de marketing, optimización de la producción, stock y de la malla logística.
- Soluciones de planeamiento: con un conjunto de escenarios y de decisiones en manos, es importante entender el impacto financiero en el resultado organizacional. Para eso, es necesario integrar las soluciones descriptas anteriormente en la solución de planeamiento organizacional. Con eso, finaliza el ciclo de toma de decisiones, capaz de maximizar resultado y minimizar riesgos.
- Innovaciones: además de las soluciones citadas, se puede probar con ciencia de datos agregando funcionalidades de valor para el cliente en el producto o servicio de la organización. En este caso, además de contar con la plataforma tecnológica, se puede contar también con la metodología de innovación de nuestro laboratorio. Ejemplo de innovaciones implican agregar inteligencia cognitiva, por ejemplo nuevas formas de interacción, entre el consumidor y su producto, reconocimiento de imágenes etc.
Cuente con CTI Global para innovar y solucionar problemas con Data Science: Comuníquese con nosotros: