La analítica prescriptiva es la tercera y última fase de la analítica empresarial , que también incluye analítica descriptiva y predictiva . [1] [2]
Conocida como la "última frontera de las capacidades analíticas" [3], la analítica prescriptiva implica la aplicación de las ciencias matemáticas y computacionales y sugiere opciones de decisión para aprovechar los resultados de la analítica descriptiva y predictiva. La primera etapa de la analítica empresarial es la analítica descriptiva, que todavía representa la mayoría de todas las analíticas empresariales en la actualidad. [4] El análisis descriptivo analiza el rendimiento pasado y comprende ese rendimiento mediante la extracción de datos históricos para buscar las razones detrás del éxito o fracaso pasado. La mayoría de los informes de gestión, como ventas , marketing , operaciones y finanzas. - utiliza este tipo de análisis post-mortem.
La siguiente fase es el análisis predictivo . El análisis predictivo responde a la pregunta de qué es probable que suceda. Esto es cuando los datos históricos se combinan con reglas, algoritmos y ocasionalmente datos externos para determinar el resultado futuro probable de un evento o la probabilidad de que ocurra una situación. La fase final es la analítica prescriptiva, [5] que va más allá de predecir resultados futuros al sugerir también acciones para beneficiarse de las predicciones y mostrar las implicaciones de cada opción de decisión. [6]
La analítica prescriptiva no solo anticipa lo que sucederá y cuándo sucederá, sino también por qué sucederá. Además, el análisis prescriptivo sugiere opciones de decisión sobre cómo aprovechar una oportunidad futura o mitigar un riesgo futuro y muestra la implicación de cada opción de decisión. El análisis prescriptivo puede incorporar continuamente nuevos datos para volver a predecir y recetar, mejorando así automáticamente la precisión de la predicción y prescribiendo mejores opciones de decisión. El análisis prescriptivo ingiere datos híbridos, una combinación de datos estructurados (números, categorías) y no estructurados (videos, imágenes, sonidos, textos) y reglas comerciales para predecir lo que se avecina y prescribir cómo aprovechar este futuro predicho sin comprometer a otros. prioridades. [7]
Las tres fases de análisis se pueden realizar a través de servicios profesionales o tecnología o una combinación. Para escalar, las tecnologías analíticas prescriptivas deben ser adaptables para tener en cuenta el volumen, la velocidad y la variedad crecientes de datos que pueden producir la mayoría de los procesos de misión crítica y sus entornos.
Una crítica a la analítica prescriptiva es que su distinción con la analítica predictiva está mal definida y, por lo tanto, mal concebida. [8]
Historia
El análisis prescriptivo incorpora datos estructurados y no estructurados, y utiliza una combinación de técnicas y disciplinas analíticas avanzadas para predecir, prescribir y adaptar. Si bien el término análisis prescriptivo fue acuñado por primera vez por IBM [2] y luego registrado por Ayata, [9] los conceptos subyacentes han existido durante cientos de años. La tecnología detrás de la analítica prescriptiva combina sinérgicamente datos híbridos , reglas comerciales con modelos matemáticos y modelos computacionales . Las entradas de datos para el análisis prescriptivo pueden provenir de múltiples fuentes: internas, como dentro de una corporación; y externos, también conocidos como datos ambientales. Los datos pueden estar estructurados, lo que incluye números y categorías, así como datos no estructurados , como textos, imágenes, sonidos y videos. Los datos no estructurados se diferencian de los estructurados en que su formato varía ampliamente y no se pueden almacenar en bases de datos relacionales tradicionales sin un esfuerzo significativo en la transformación de datos. [10] Más del 80% de los datos del mundo en la actualidad no están estructurados, según IBM.
Además de esta variedad de tipos de datos y el creciente volumen de datos, los datos entrantes también pueden evolucionar con respecto a la velocidad, es decir, se generan más datos a un ritmo más rápido o variable. Las reglas comerciales definen el proceso comercial e incluyen objetivos, restricciones, preferencias, políticas, mejores prácticas y límites. Los modelos matemáticos y los modelos computacionales son técnicas derivadas de las ciencias matemáticas, ciencias de la computación y disciplinas relacionadas como estadística aplicada, aprendizaje automático, investigación de operaciones, procesamiento del lenguaje natural, visión computarizada, reconocimiento de patrones, procesamiento de imágenes, reconocimiento de voz y procesamiento de señales. La correcta aplicación de todos estos métodos y la verificación de sus resultados implica la necesidad de recursos a escala masiva incluyendo humanos, computacionales y temporales para cada proyecto de Analítica Prescriptiva. Para ahorrar el gasto de decenas de personas, máquinas de alto rendimiento y semanas de trabajo, se debe considerar la reducción de recursos y, por lo tanto, una reducción en la precisión o confiabilidad del resultado. La ruta preferible es una reducción que produzca un resultado probabilístico dentro de límites aceptables. [ cita requerida ]
Aplicaciones en petróleo y gas
La energía es la industria más grande del mundo (6 billones de dólares en tamaño). Los procesos y decisiones relacionados con la exploración, el desarrollo y la producción de petróleo y gas natural generan grandes cantidades de datos. Se utilizan muchos tipos de datos capturados para crear modelos e imágenes de la estructura y las capas de la Tierra entre 5,000 y 35,000 pies debajo de la superficie y para describir las actividades alrededor de los pozos mismos, como las características de depósito, el desempeño de la maquinaria, las tasas de flujo de petróleo, las temperaturas y presiones del yacimiento. . [11] El software de análisis prescriptivo puede ayudar tanto a localizar como a producir hidrocarburos [12] al tomar datos sísmicos, datos de registros de pozos, datos de producción y otros conjuntos de datos relacionados para prescribir recetas específicas sobre cómo y dónde perforar, completar y producir pozos para optimizar la recuperación, minimizar los costos y reducir la huella ambiental. [13]
Desarrollo de recursos no convencionales
Con el valor del producto final determinado por la economía global de los productos básicos, la base de la competencia para los operadores en E&P upstream es la capacidad de desplegar capital de manera efectiva para ubicar y extraer recursos de manera más eficiente, efectiva, predecible y segura que sus pares. En los juegos de recursos no convencionales, la eficiencia y la eficacia operativas se ven disminuidas por las inconsistencias del yacimiento y la toma de decisiones se ve afectada por altos grados de incertidumbre. Estos desafíos se manifiestan en forma de factores de recuperación bajos y amplias variaciones de rendimiento.
El software Prescriptive Analytics puede predecir con precisión la producción y prescribir configuraciones óptimas de variables controlables de perforación, terminación y producción modelando numerosas variables internas y externas simultáneamente, independientemente de la fuente, estructura, tamaño o formato. [14] El software de análisis prescriptivo también puede proporcionar opciones de decisión y mostrar el impacto de cada opción de decisión para que los gerentes de operaciones puedan tomar las acciones apropiadas de manera proactiva, a tiempo, para garantizar el desempeño futuro de exploración y producción y maximizar el valor económico de los activos en cada punto. a lo largo de su vida útil. [15]
Mantenimiento de equipos para yacimientos petrolíferos
En el ámbito del mantenimiento de equipos de yacimientos petrolíferos, Prescriptive Analytics puede optimizar la configuración, anticipar y prevenir el tiempo de inactividad no planificado, optimizar la programación del campo y mejorar la planificación del mantenimiento. [16] Según General Electric, hay más de 130.000 bombas eléctricas sumergibles (ESP) instaladas en todo el mundo, lo que representa el 60% de la producción mundial de petróleo. [17] Se ha implementado Prescriptive Analytics para predecir cuándo y por qué fallará un ESP, y recomendar las acciones necesarias para prevenir la falla. [18]
En el área de salud, seguridad y medio ambiente , la analítica prescriptiva puede predecir y anticiparse a incidentes que pueden generar pérdidas financieras y de reputación para las empresas de petróleo y gas.
Precios
El precio es otra área de interés. Los precios del gas natural fluctúan drásticamente según la oferta, la demanda, la econometría , la geopolítica y las condiciones climáticas. Los productores de gas, las empresas de transmisión por gasoductos y las empresas de servicios públicos tienen un gran interés en predecir con mayor precisión los precios del gas para que puedan cerrarse en términos favorables mientras cubren el riesgo a la baja. El software de análisis prescriptivo puede predecir precios con precisión modelando variables internas y externas simultáneamente y también proporcionar opciones de decisión y mostrar el impacto de cada opción de decisión. [19]
Aplicaciones en salud
Múltiples factores están impulsando a los proveedores de atención médica a mejorar drásticamente los procesos y las operaciones comerciales a medida que la industria de la salud de los Estados Unidos se embarca en la migración necesaria de un sistema basado en gran medida en el volumen de servicios a un sistema basado en el valor de pago por desempeño. La analítica prescriptiva está desempeñando un papel clave para ayudar a mejorar el desempeño en una serie de áreas que involucran a varias partes interesadas: pagadores, proveedores y compañías farmacéuticas.
La analítica prescriptiva puede ayudar a los proveedores a mejorar la efectividad de su atención clínica a la población que administran y, en el proceso, lograr una mejor satisfacción y retención del paciente. Los proveedores pueden hacer una mejor gestión de la salud de la población identificando modelos de intervención apropiados para la población estratificada por riesgo, combinando datos de los episodios de atención en establecimientos y telesalud domiciliaria.
El análisis prescriptivo también puede beneficiar a los proveedores de atención médica en su planificación de capacidad mediante el uso de análisis para aprovechar los datos operativos y de uso combinados con datos de factores externos, como datos económicos, tendencias demográficas de la población y tendencias de salud de la población, para planificar con mayor precisión futuras inversiones de capital como nuevas la utilización de instalaciones y equipos, así como comprender las compensaciones entre agregar camas adicionales y expandir una instalación existente versus construir una nueva. [20]
La analítica prescriptiva puede ayudar a las compañías farmacéuticas a acelerar el desarrollo de sus medicamentos al identificar las cohortes de pacientes que son más adecuadas para los ensayos clínicos en todo el mundo: pacientes que se espera que cumplan con los requisitos y que no abandonen el ensayo debido a complicaciones. La analítica puede indicar a las empresas cuánto tiempo y dinero pueden ahorrar si eligen una cohorte de pacientes en un país específico frente a otro.
En las negociaciones entre proveedor y pagador, los proveedores pueden mejorar su posición negociadora con las aseguradoras de salud desarrollando una sólida comprensión de la utilización futura de los servicios. Al predecir con precisión la utilización, los proveedores también pueden asignar mejor al personal.
Ver también
|
|
Referencias
- ^ Evans, James R. y Lindner, Carl H. (marzo de 2012). "Business Analytics: la próxima frontera para las ciencias de la decisión". Línea de decisión . 43 (2).
- ^ a b http://www.analytics-magazine.org/november-december-2010/54-the-analytics-journeyLustig, Irv, Dietrich, Brenda , Johnson, Christer y Dziekan, Christopher (noviembre-diciembre de 2010). "El viaje de la analítica". Analítica .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ "Copia archivada" . Archivado desde el original el 2 de abril de 2016 . Consultado el 29 de octubre de 2014 .CS1 maint: copia archivada como título ( enlace )
- ^ Davenport, Tom (noviembre de 2012). "Los tres '..tivos' de la analítica empresarial; predictiva, prescriptiva y descriptiva". Foro empresarial de CIO .
- ^ Haas, Peter J .; Maglio, Paul P .; Selinger, Patricia G .; Tan, Wang-Chie (2011). "Los datos están muertos ... sin modelos hipotéticos". Actas de la Dotación VLDB . 4 (12): 1486–1489. doi : 10.14778 / 3402755.3402802 . S2CID 6239043 .
- ^ Stewart, Thomas. R. y McMillan, Claude, Jr. (1987). "Modelos descriptivos y prescriptivos para el juicio y la toma de decisiones: implicaciones para la ingeniería del conocimiento". Senes AS1 de la OTAN, juicio experto y sistemas expertos . F35 : 314–318.CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Riabacke, Mona; Danielson, Mats; Ekenberg, Love (30 de diciembre de 2012). "Obtención de peso de criterios prescriptivos de última generación" . Avances en Ciencias de la Decisión . 2012 : 1–24. doi : 10.1155 / 2012/276584 .
- ^ Bill Vorhies (noviembre de 2014). "Análisis prescriptivo versus predictivo: ¿una distinción sin diferencia?" . Tiempos de análisis predictivo .
- ^ "Marca registrada de PRESCRIPTIVE ANALYTICS - Número de registro 4032907 - Número de serie 85206495 :: Justia Trademarks" .
- ^ Inmon, Bill; Nesavich, Anthony (2007). Aprovechando los datos no estructurados . Prentice Hall. ISBN 978-0-13-236029-6.
- ^ Basu, Atanu (noviembre de 2012). "Cómo la analítica prescriptiva puede remodelar la fracturación hidráulica en los campos de petróleo y gas". Informado por datos .
- ^ Basu, Atanu (diciembre de 2013). "Cómo el análisis de datos puede ayudar a los frackers a encontrar petróleo". Datanami .
- ^ Mohan, Daniel (agosto de 2014). "Máquinas que prescriben recetas de 'cosas', tierra y personas". Inversor en petróleo y gas .
- ^ Basu, Mohan, Marshall y McColpin (23 de diciembre de 2014). "El viaje a Designer Wells". Inversor en petróleo y gas .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Mohan, Daniel (septiembre de 2014). "Tus datos ya saben lo que tú no". Revista E&P .
- ^ Presley, Jennifer (1 de julio de 2013). "ESP para ESP". Exploración y producción .
- ^ { http://www.ge-energy.com/products_and_services/products/electric_submersible_pumping_systems/}
- ^ Wheatley, Malcolm (29 de mayo de 2013). "Análisis subterráneo". DataInformed .
- ^ Watson, Michael (13 de noviembre de 2012). "Análisis avanzado en la cadena de suministro: ¿qué es y es mejor que el análisis no avanzado?" . SupplyChainDigest .
- ^ Foster, Roger (mayo de 2012). "Big data y salud pública, parte 2: Reducción de servicios injustificados". TI de salud gubernamental .
Otras lecturas
- Davenport, Thomas H. , Kalakota, Ravi, Taylor, James, Lampa, Mike, Franks, Bill, Jeremy, Shapiro, Cokins, Gary, Way, Robin, King, Joy, Schafer, Lori, Renfrow, Cyndy y Sittig, Dean, Predicciones de análisis en 2012 International Institute for Analytics (15 de diciembre de 2011)
- Bertolucci, Jeff, Prescriptive Analytics and Data: Next Big Thing? InformationWeek. (15 de abril de 2013).
- Basu, Atanu, Cinco pilares de la analítica prescriptiva Analítica de éxito . (Marzo / abril de 2013).
- Laney, Douglas y Kart, Lisa (20 de marzo de 2012). El papel emergente del científico de datos y el arte de la ciencia de datos Gartner .
- McCormick Northwestern Engineering El análisis prescriptivo se trata de permitir decisiones inteligentes basadas en datos .
- Evento de información de análisis de negocios , I2SDS y Departamento de Ciencias de la Decisión, Escuela de Negocios, Universidad George Washington (10 de febrero de 2011).
- "La diferencia entre la investigación operativa y el análisis empresarial" O Exchange / Informs (abril de 2011).
- Farris, Adam, "Cómo los macrodatos están cambiando la industria del petróleo y el gas" Análisis. (Noviembre / diciembre de 2012).
- Venter, Fritz y Stein, Andrew Análisis de "Imágenes y vídeos: Reall Big Data" . (Noviembre / diciembre de 2012).
- Venter, Fritz y Stein, Andrew "La tecnología detrás del análisis de imágenes" Análisis. (Noviembre / diciembre de 2012).
- Horner, Peter y Basu, Atanu, Analytics and the Future of Healthcare Analytics. (Enero / febrero de 2012).
- Ghosh, Rajib, Basu, Atanu y Bhaduri, Abhijit, De la atención 'enferma' a la analítica de la atención 'Salud' . (Julio / agosto de 2011).
- Fischer, Eric, Basu, Atanu, Hubele, Joachim y Levine, Eric, anuncios de televisión, Dilema y análisis de análisis de Wanamaker . (Marzo / abril de 2011)
- Basu, Atanu y Worth, Tim, Predictive Analytics Formas prácticas de impulsar el servicio al cliente, Looking Forward Analytics. (Julio / agosto de 2010).
- Brown, Scott, Basu, Atanu y Worth, Tim, Análisis predictivo en Field Service, Maneras prácticas de impulsar el Field Service, Análisis prospectivo . (Noviembre / diciembre de 2010).
- Pease, Andrew Bringing Optimization to the Business , SAS Global Forum 2012, documento 165-2012 (2012).
- Wheatley, Malcolm "Análisis subterráneo: el valor de predecir cuándo falla una bomba de aceite" DataInformed, 29 de mayo de 2013.
- Presley, Jennifer "ESP para ESPs Exploration & Production Magazine, 1 de julio de 2013
- Basu, Atanu "How Prescriptive Analytics Can Reshape Fracking in Oil & Gas" DataInformed, 10 de diciembre de 2013.
- Basu, Atanu "What The Frack: US Energy Prowess with Shale, Big Data Analytics" Blog WIRED. (Enero 2014).
- Logan, Amy "Science Fiction Now a Fact in the E&P World" Unconventional Oil & Gas Center, 2 de junio de 2014.
- Mohan, Daniel "Tus datos ya saben lo que tú no" Revista Exploration & Production, septiembre de 2014.
- van Rijmenam, Mark "¿El futuro de los macrodatos ? Tres casos de uso de análisis prescriptivo" Datafloq, 29 de diciembre de 2014.
enlaces externos
- INFORMS 'revista digital bimensual sobre la profesión analítica
- Menon, Jai "Por qué son importantes los datos: más allá de la predicción" IBM