¿Cómo nos afecta la ciencia de los datos?

Los líderes de datos y análisis pueden usar estos ejemplos para comunicar mejor los beneficios empresariales.

Ciencia de los datos y aprendizaje automático están teniendo profundas repercusiones en las empresas, y se están convirtiendo rápidamente en fundamentales para la diferenciación y, a veces, para la supervivencia. Ser capaz de clasificar rápidamente los impactos potenciales en una de las cinco categorías, y comunicar su potencial, ayudará líderes de datos y análisis conducir mejores resultados. Director de investigación de Gartner Erick Brethenoux explica las cinco categorías de impacto y proporciona ejemplos del mundo real tomados de los mundos de gobierno, deporte y negocios.

Innovación: fomentar nuevas ideas y perturbaciones empresariales basadas en la ciencia de los datos

Con su capacidad para enmarcar problemas complejos de negocios como problemas de aprendizaje automático o de investigación de operaciones, científicos de datos mantener la clave para desvelar mejores soluciones a los viejos problemas. Incluso pueden revelar nuevos problemas y enfoques que antes se desconocían.

Un ejemplo, popularizado por la película y el libro Bola de dinero , mostró cómo las viejas maneras de evaluar el rendimiento en el béisbol fueron superadas por la aplicación de la ciencia de datos. Un equipo de béisbol utilizó técnicas de ciencia de datos para superar su desventaja financiera. Esto se logró mediante el uso de análisis para identificar jugadores de alto rendimiento que otros equipos habían pasado por alto utilizando métodos tradicionales y, por lo tanto, adquirieron sus servicios a un costo relativamente bajo. El resultado fue que el equipo regularmente venció a los competidores de mayor gasto en su liga.

Otro ejemplo es el de una empresa multinacional de entrega de paquetes, UPS. Su sistema de optimización y navegación integradas en carretera (ORION) utilizó la ciencia de los datos para averiguar cómo cambiar significativamente el enrutamiento de sus camiones de entrega utilizando muchas nuevas fuentes de datos. El impacto fue cientos de millones de dólares de ahorro y una mejor experiencia del cliente.

Exploración: Explora patrones transformadores desconocidos en los datos

Se debe alentar a los científicos de datos a realizar "expediciones de grandes datos" donde no hay otro objetivo claro que explorar los datos para el valor previamente no descubierto. Por ejemplo, los científicos de datos de un proveedor japonés de servicios marítimos se dieron cuenta de que, al prestar sus servicios tradicionales para la clasificación de buques, estaban recopilando un valioso almacén de datos que tenían un gran potencial en otras esferas. Aplicando el análisis adecuado a estos datos, los operadores de buques podrían reducir los fallos del equipo y los costes de mantenimiento durante toda la vida en un 10%. Esto permitió a la organización aumentar rápidamente su cuota de mercado en un 20% al ofrecer este servicio de valor añadido a los clientes.

Prototipado: Desafía el status quo con nuevas soluciones radicales

La toma de decisiones humanas es cada vez más inadecuada en un nuevo mundo digital con un universo de datos en constante expansión. La ciencia de los datos y especialmente el aprendizaje automático sobresalen en la solución del tipo de problemas ricos en datos altamente complejos que abruman incluso a la persona más inteligente. La lista de retos empresariales o gubernamentales que la ciencia de los datos puede abordar es potencialmente interminable.

“La ciencia de los datos ya está cambiando vidas para mejor, o incluso salvarlas”

Un ejemplo es un departamento de policía con sede en EE.UU. que necesitaba una manera automatizada eficiente para extraer información procesable de un enorme volumen de datos sobre delitos. La solución analítica predictiva puesta en marcha generó "previsiones" del crimen que optimizaron el despliegue de las fuerzas policiales, reduciendo la tasa de asesinatos en un 35% y robos en un 20% año tras año. El ROI estimado de estos impactos fue del 863%. El análisis automatizado de varios síntomas de enfermedades y datos de pruebas médicas es otro área común donde la aplicación de la ciencia de datos ya está cambiando vidas para mejor, o incluso salvarlas.

Refinación: Mejorar continuamente los procesos y productos existentes

Esta es quizás la aplicación más común de la ciencia de los datos. La mayoría de los científicos de datos trabajan en la parte de producción de su negocio y han establecido modelos para refinar procesos y productos de acuerdo con los datos que su organización recopila. Ejemplos comunes serían la segmentación de la comercialización, los minoristas ajustando los modelos dinámicos de precios o los bancos ajustando sus modelos de riesgo financiero.

“Una inmersión más profunda por un equipo de ciencia de datos puede descubrir algo interesante acerca de lo que realmente está sucediendo”

Uno ejemplo reciente es el de Zurich Insurance, que redujo las ineficiencias en torno a la tramitación de las reclamaciones por daños mediante el uso de un inteligencia artificial (AI) solución para automatizar completamente las evaluaciones de los informes de lesiones. Apalancaba la IA para automatizar plenamente la evaluación del informe médico de modo que los agentes humanos pudieran centrarse en actividades de valor añadido, como la negociación con la contraparte. El tiempo para evaluar un informe médico se redujo de una hora a sólo unos segundos, ahorrando 5 millones de dólares al año.

Lucha contra incendios: Identificar los conductores de ciertas situaciones indeseables

Esta categoría es muy similar a la categoría de exploración en términos de sus métodos, pero se aplica en un contexto diferente. A veces las organizaciones desencadenan una iniciativa de ciencia de datos en respuesta a crisis en las que los síntomas son evidentes, por ejemplo, un aumento de las quejas de los clientes o una rápida disminución de la rentabilidad. En estos casos estrechos, el equipo de ciencia de datos tiene que identificar sólo la causa, lo que limita el rango de conjuntos de datos que necesita analizar.

A veces descubrimiento de datos básicos o Inteligencia empresarial de autoservicio (BI) es suficiente, pero a menudo una inmersión más profunda por un equipo de ciencia de datos puede descubrir algo interesante acerca de lo que realmente está sucediendo. Ejemplos comunes son los minoristas en línea que investigan por qué los clientes devuelven mercancías a pesar de que los precios son inigualables, de que las entregas son puntuales y de que la calidad es buena, o de que los fabricantes llevan a cabo investigaciones abiertas sobre las fluctuaciones de la calidad.

Cumbre de datos y análisis de Gartner

Únete a la reunión más importante del mundo de líderes de datos y análisis junto con expertos de Gartner y adaptate al papel cambiante de los datos y análisis.