[MÚSICA] [MÚSICA] [MÚSICA] Te doy la bienvenida a la lección 1 de este módulo. En este video vamos a identificar y reconocer el ciclo de valor de la información, asà como entender y explorar los distintos grados de inteligencia analÃtica para la toma de decisiones. Empecemos por entender, ¿qué es el ciclo de valor de la información? Este se puede definir como el conjunto de actividades y procesos, que deben ser aplicados para transformar datos en información que tenga como objetivo tomar decisiones asertivas, y que por lo tanto, generen valor. Para poder tomar una decisión en un contexto particular, en primer lugar, se deben recolectar datos disponibles de una o diversas fuentes de información. Luego, los datos obtenidos deben ser purados y estructurados con el objetivo de contar con una base de datos que pueda ser procesada. El paso siguiente consiste en llevar a cabo el análisis de datos pertinente de acuerdo con el alcance de la decisión a tomar. Esto último nos permita generar insights o conclusiones, que serán reportados para la toma de decisiones. Para comunicar los resultados, dichos reportes deben ser visualizados, de manera que contribuya a su adecuada socialización, lo cual es fundamental para mejorar la toma de decisiones. Finalmente, una vez se encuentran sintetizados los resultados relevantes, podemos empezar a tomar decisiones informadas y sustentadas en la información analizada. En definitiva dichas decisiones generan nuevos datos, que deben ser recolectados para alimentar de nuevo todo el proceso y generar aprendizaje. Es por esta razón que podemos referirnos al ciclo de valor de la información como un proceso que se refuerza asà mismo y genera aprendizaje. Ahora, fÃjate que el proceso de toma de decisiones a partir del ciclo de valor de la información se puede hacer de múltiples maneras, desde una menos sofisticadas donde se utilizan menos datos y análisis básicos hasta a unas más sofisticadas que utilizan técnicas avanzadas de análisis de grandes volúmenes de datos, que permite generar hasta predicciones o incluso prescripciones de cómo es la mejor manera de tomar la decisión. Lo anterior es lo que conocemos como grados de atención analÃtica para la toma de decisiones. Recordándolo lo aprendido en el módulo anterior, Analytics representa el análisis y uso de datos de manera estadÃstica, cuantitativa y explicativa con el fin de apoyar el proceso de toma de decisiones. En ese sentido es importante entender que el uso de Analytics responde a una serie de preguntas que debe hacerse las personas y las organizaciones a la hora de tomar decisiones. Entre más inteligencia analÃtica tenga el proceso de toma de decisión, se espera que las decisiones a tomar sean más acertadas, y por lo tanto, la organización adquirirá mayor ventaja competitiva en el mercado, generando asà más valor. Para acceder al grado mÃnimo de inteligencia analÃtica, lo primero con lo que debe contar una organización es con un proceso de recolección de información. Una vez la organización cuenta con cierta cantidad de datos, esta puede empezar a generar reportes y alertas, que permiten responder preguntas como, ¿qué pasó? ¿Qué tan seguido, dónde y cuántas veces ocurrieron los fenómenos observados? Para entrar mayor detalle, la organización también podrÃa preguntarse. ¿Dónde está el problema y en qué tipo de escenarios ocurrió? Estas primeras preguntas componen lo que serÃa el grado de inteligencia de tipo descriptivo de una organización. Si bien la inteligencia descriptiva permite caracterizar el estado actual de un escenario, no permite explicarle el por qué de los resultados observados, de las causas que los generan. Es aquà donde entramos al grado de inteligencia inquisitiva. El cual consiste en la capacidad de hacer cruces entre variables, con el fin de entender a través de modelos estadÃsticos básicos como por ejemplo, correlaciones, cuáles son los posibles factores y variables asociados a los resultados identificados. Por ejemplo, si retomamos el caso del supermercado, mencionado en el módulo anterior. Supongamos que se observan que los adultos mayores compran con mayor frecuencia pan fresco que los adultos jóvenes. Esto es un grado descriptivo de la situación. Al interesarnos en entender por qué sucede esto, estarÃamos pasando a un grado inquisitivo. ImagÃnate que gracias a las cámaras del supermercado o al programa de puntos de fidelización, tuviéramos acceso a la información que nos muestra los horarios de ingreso al supermercado por rango de edad. Después de depurar y analizar los datos, nos damos cuenta de que la razón detrás de estas tendencias de compra, es que los adultos mayores suelen ir más temprano al supermercado, y es precisamente a esa hora que sale el pan fresco. De esta forma podemos empezar a hacer asociaciones que nos permiten entender posibles razones detrás de los fenómenos observados, y por consiguiente, empezar a desarrollar estrategias sobre los horarios en los que nuestro supermercado va a empezar a producir el pan fresco. Esto podrÃa contribuir al objetivo de aumentar las ventas de pan ampliando al mercado al segmento de jóvenes adultos. Al contar con las posibles explicaciones a un fenómeno observado, es posible acceder a un grado de inteligencia superior que permita no solamente entender la razón detrás de un fenómeno observado, sino también entender, qué pasa si las tendencias asociadas al fenómeno continúan. Entiendo dichas tendencias podrÃamos a empezar a predecir el futuro con cierta probabilidad. A este grado de inteligencia lo llamamos, inteligencia predictiva. A partir de los modelos predictivos, los cuales en su mayorÃa son basados en la estadÃstica, podemos llegar a entender, por ejemplo, en el caso de nuestro supermercado, cuál es la probabilidad de que una persona de cierta edad compre pan fresco de acuerdo con el horario determinado de ingreso al establecimiento si los horarios de producción de pan y el tráfico del supermercado continúan comportándose como el histórico. Lo anterior nos permite establecer escenarios futuros y alternativas de decisión con el fin de aumentar la probabilidad de que los consumidores compren el pan. Incluso podemos realizar escenarios simulados ajustando los horarios de producción del pan con el fin de aumentar dicha probabilidad sin tener que realizarnos en el supermercado hasta que no encontremos escenarios beneficiosos. Si bien, dicha tarea se puede hacer de una forma manual, un grado de inteligencia superior al predictivo, nos puede llegar a automatizar dicho proceso y llegar a un óptimo, potencializando asà la toma de decisiones. FÃjate que nuestro supermercado no cuenta todavÃa con un sistema capaz de establecer y organizar los horarios de producción del pan con el fin de minimizar los costos de producción y aumentar las ventas. Para lograr lo anterior, se debe acceder a un grado de inteligencia que se conoce como prescriptivo. Emplear técnicas de prescripción, consiste por ejemplo, en utilizar modelos de optimización con las cuales podemos encontrar de forma sistemática, cuál es el mejor escenario de ventas y costos. El grado de inteligencia prescriptiva es un grado de inteligencia analÃtica alto, pues no solo genera nueva información para que las personas tomen mejores decisiones sino que provee los mejores escenarios para optimizar el uso de recursos. Finalmente, existe un grado de inteligencia más alto, la inteligencia cognitiva. En este grado de inteligencia las decisiones son automatizadas. Por los cual, los mismos modelos son capaces de tomar decisiones a través de un aprendizaje automatizado minimizando la necesidad de una intervención humana en el ciclo de la información. Volviendo a nuestro ejemplo del supermercado, supón que cuando una persona ingresa al supermercado, una serie de cámaras y sensores capturan su rostro, determinan su edad aproximada, y un algoritmo calcula cuál es la probabilidad de que esa persona compre pan fresco. Acumulando las probabilidades de diversos clientes que acceden en la franja horaria y mediante la optimización, el algoritmo decide si prender el horno y empezar a producir pan, de tal forma que los clientes lo compren o no. Una vez terminada la jornada, el algoritmo determina cuál fue el éxito del proceso. Es decir, si los clientes que se esperarÃa compraran pan, efectivamente lo hicieron, y con dicha información el modelo calcula qué tan acertada fue su estimación de los clientes que iban a comprar pan versus los que realmente lo hicieron. Asà a partir de revisar las caracterÃsticas de los clientes de los cuales se pudo predecir acertadamente su comportamiento versus a aquellos que no, en este caso, la edad y su hora de llegada, el algoritmo procede a calibrar sus estimaciones y vuelve a iterar en la siguiente jornada, modificando la asignación de horarios. Asà sucesivamente, se va generando inteligencia artificial. En este video entendimos cuáles son los distintos grados de inteligencia analÃtica. Te invito a que realices las actividades siguientes, en las cuales estudiaremos y analizaremos en detalle cuáles son los elementos necesarios para poder implementar una estrategia analÃtica con diferentes grados de inteligencia en las organizaciones. [MÚSICA] [MÚSICA] [MÚSICA] [MÚSICA] [MÚSICA] [MÚSICA]
