¿Cuál es la diferencia entre herramientas de análisis predictivo e inteligencia procesable?

El análisis predictivo es el aprovechamiento de los datos históricos y las tendencias comerciales para anticipar la probabilidad de que ocurran ciertos escenarios, lo que idealmente ayuda a estimar la posibilidad de un resultado futuro basado en patrones de datos históricos.

En realidad, existen cuatro tipos de herramientas de análisis: los análisis descriptivos, los diagnósticos, los predictivos y los prescriptivos. En términos sencillos, el análisis descriptivo es “qué sucedió”, el análisis de diagnóstico es “por qué sucedió”, el análisis predictivo es “qué sucederá” y el análisis prescriptivo (inteligencia accionable) es “qué debo hacer”. Técnicamente, los cuatro tipos analizan grandes volúmenes de datos para identificar tendencias comerciales y “eventos” que podrían influir en las decisiones empresariales.

Sin embargo, el análisis predictivo requiere que los usuarios o trabajadores comprendan y sepan cómo interpretar “el futuro”. Mientras que, la inteligencia procesable es análisis para todos (incluyendo aquellos en el borde) con un enfoque en el rendimiento futuro a través de la identificación de factores controlables y proporcionando oportunidades procesables que ofrecen resultados.

¿Qué es la inteligencia procesable?

La inteligencia procesable es una de las formas más avanzadas de análisis empresarial. Utiliza aprendizaje automático y reglas de detección de patrones, así como algoritmos, para identificar anomalías en las operaciones de una empresa y, a continuación, prescribe una acción correctiva para optimizar el resultado. Esa última parte es lo que hace tan valiosa la inteligencia accionable: puede prescribir de manera inteligente la acción que alguien debe tomar para optimizar un resultado comercial en particular.

Puede analizar los datos de una empresa y decirle:

• ¿Qué está sucediendo?
• ¿Por qué sucedió? (causa raíz).
• ¿A quién debe responder?
• Cómo deben responder para impactar positivamente en los ingresos

Obtenga más información sobre Actionable Intelligence en nuestras preguntas frecuentes dedicadas a ¿Qué es Actionable Intelligence? 

¿Cuáles son las principales diferencias?

Análisis predictivo es un modelo de análisis que tiene en cuenta patrones en datos históricos y líneas de tiempo históricas para informarle y predecir lo que sucederá a continuación, mientras que Inteligencia procesable simula diferentes acciones que podría tomar en función de un objetivo que desea lograr (por ejemplo, aumentar las ventas, reducir el desperdicio) para descubrir el resultado más optimizado.

¿Cuáles son los ejemplos de análisis predictivo e inteligencia procesable?

Ejemplos reales de cómo se puede utilizar la inteligencia predictiva y actívase pueden ser:

Preservar la calidad del producto

Un comercio minorista de ropa utilizó inteligencia procesable y IA pragmática para identificar y resolver una oportunidad de devolución única. Un nuevo producto presentaba una alta tasa de devoluciones en la mayoría de las tiendas durante los primeros días de venta, además de una elevada tasa de productos dañados. Esta oportunidad le fue enviada al comerciante con las recomendaciones de (1) evaluar la calidad del producto, (2) revisar la etiqueta y (3) comunicarse con el proveedor para solicitar un aumento en la bonificación o un producto de reemplazo. Res resultó que al producto le faltaban las instrucciones de lavado correctas en la etiqueta de cuidado; las instrucciones reales en la etiqueta dañarían el artículo. Como resultado, se creó una acción para que las tiendas coloquen una etiqueta actualizada de cuidado de la ropa a la mercancía afectada restante. Se envió una notificación similar al fabricante con las instrucciones de cuidado correctas. En última instancia, las devoluciones de productos disminuyeron un 78 por ciento en las semanas posteriores a la acción correctiva y estas acciones ayudaron a salvar el estilo.

Gestión de proveedores

Un comerciante minorista utilizó inteligencia procesable para identificar un aumento significativo en los daños de huevos grandes en un subconjunto de tiendas dentro de una región específica. El departamento de mercadotecnia contactó al proveedor para averiguar por qué esto estaba sucediendo. Resulta que el proveedor sufrió un incendio en la planta que producía las cajas para huevos grandes, por lo que comenzó a utilizar cajas medianas para enviar los huevos grandes. Estos cartones eran demasiado pequeños, lo que provocó una fricción adicional que dañó los huevos grandes. Sin identificar y corregir la anomalía, la tienda podría no haber notado el exceso de daños, ni haber sido capaz de rastrear la causa raíz y obtener un crédito de su proveedor.

Hacer coincidir perfiles de clientes

Un comercio minorista de moda utilizó inteligencia procesable para reducir con éxito el inventario obsoleto y aumentar las ventas al ofrecer artículos próximos al final de la temporada a hogares que coincidían con el estilo y el rango de edad de un posible comprador, según los patrones de compra de hogares leales. Por ejemplo, se podría enviar una promoción dirigida para una falda blanca ofrecida a una mujer de entre 25 y 30 años con un 30% de descuento, atrayéndola a acudir a la tienda para actuar ahora y poder usar la falda hasta el final del verano. Sin inteligencia procesable, muchos comercios minoristas esperan y luego rebajan el artículo al 75% de descuento para todos y esperan que esa misma compradora vuelva, pero ahora han perdido ganancias.

Compre pensando en la demanda

Un patrón de acción prescriptiva identificó un producto específico que tenía un Costo para el Proveedor (costo para entregar el producto al cliente dentro del plazo prometido) más alto. La oportunidad fue enviada al centro de distribución para su resolución. Notaron rápidamente que los productos en cuestión se compraron en una unidad de medición y con un embalaje que no se ajustaba a la demanda del cliente ni al procesamiento del centro de distribución. La acción tomada fue notificar al comprador para que creara órdenes específicas para el comercio electrónico. Esto mejoró la velocidad de operación omnicanal del centro de distribución. ¡La comunicación a través de canales mejora el rendimiento!

Aumente el tamaño del carrito mediante la identificación de patrones de compra con otros usuarios

Un comerciante minorista utilizó inteligencia artificial pragmática con inteligencia procesable para identificar que cuando los compradores específicos adquirían brócoli también compraban bananas. Este hallazgo se comunicó a la empresa junto con acciones prescriptivas para aprovecharlo. Los gerentes de tienda recibieron instrucciones de reorganizar los exhibidores para que las bananas y el brócoli estuvieran a la distancia adecuada entre sí, con el fin de aumentar la cantidad de canastas que incluyan bananas y también de impulsar las compras por impulso.

Recompense la lealtad, no las actividades fraudulentas

Un gran comerciante minorista con un popular programa de tarjeta de fidelización utilizó inteligencia procesable para descubrir un problema del que ni siquiera eran conscientes. Gracias a las herramientas de análisis, pudieron descubrir que los compradores estaban utilizando sus puntos de recompensa para obtener beneficios gratuitos. El sistema anterior de su comercio minorista no monitoreaba el escaneo de puntos hasta el final de cada día, por lo que, si un cliente llevaba su recibo a varias tiendas en un solo día, era fácil recibir muchas más veces puntos de recompensa de los que debían haberse otorgado. La solución de inteligencia procesable detectó la recurrencia y sugirió el seguimiento en tiempo real para garantizar que los recibos solo pudieran ser escaneados una vez por puntos, lo que ahorra hasta $100 por comprador, lo que significa millones para los resultados finales.

Aumente los artículos por transacción - ¿Por qué comprar solo uno?

La inteligencia accionable fue utilizada por un comerciante minorista para identificar las tiendas con una alta tasa de transacciones de artículos individuales, así como los asociados que estaban impulsando este comportamiento. Se envió a las tiendas una oportunidad para reasignar a estos asociados con quienes suelen registrar varios artículos por transacción, de modo que los asociados aprendieran a realizar ventas adicionales. Los resultados fueron un aumento inmediato en las ventas, los artículos por transacción y la capacitación entre pares. Una gran solución de ganar-ganar para la organización. 

Aumente la lealtad a la marca

Un comerciante tenía una clientela estable que realizaba una compra grande (más de $120) y una o más compras más pequeñas por semana. Cuando un competidor se instaló cerca, el comerciante de comestibles experimentó una disminución en las visitas más cortas y complementarias. Con inteligencia procesable, la tienda identificó las familias que habían dejado de hacer los viajes más cortos, así como los productos específicos que compraban en otros lugares (por ejemplo, carne o verduras). Con esta información, el comercio minorista pudo enviar ofertas dirigidas a esos hogares, incentivando su regreso. En última instancia, el comercio minorista recuperó a muchos de esos clientes, lo que llevó a un aumento de las ganancias.

Estos son solo algunos ejemplos de cómo los líderes del comercio minorista pueden utilizar la inteligencia artificial práctica para analizar críticamente las operaciones comerciales y tomar medidas para obtener beneficios. Ya sea que haya demoras en el envío, quejas de los clientes sobre la durabilidad del producto o un incidente aparentemente aislado de mercancía rota, la inteligencia artificial práctica y la inteligencia procesable van más allá de las complicadas tablas de datos para ofrecer información procesable. A través de esa perspectiva, la IA pragmática es el siguiente paso natural para la adopción de herramientas de análisis.