Dos aplicaciones de la analítica predictiva que pueden mejorar tus negocios

Actualizado: 13 may

Depurar procesos y hacerlos lo menos engorrosos y rápidos posible. Esa es una manera simple y sucinta de explicar el objetivo de la excelencia operacional: un concepto vinculado a la gestión de los negocios que data de los años 50, y que ha alcanzado enorme relevancia en los últimos años ante las posibilidades que ofrece la tecnología y el análisis de datos.





Si tengo una fábrica de chocolate o miles de autos que usan las autopistas a los que les debo cobrar el tag, la excelencia operacional puede traducirse en un menor costo unitario por barra producida o bien, una mayor eficiencia y recuperación de la cobranza. Dos ejemplos que apuntan hacia el mismo objetivo: optimizar y disminuir los desperdicios.


Para conseguirlo existen diversas estrategias desde la analítica de datos que se pueden aplicar hoy mismo en los negocios, y pueden generar considerables ganancias: Primero, hay que recoger y guardar una cantidad de datos relevante. Segundo, hay que construir modelos de entendimiento que permitan correlacionar esos datos e ir reconociendo patrones de comportamientos hasta ahora invisibles, y, por último, identificar espacios donde se puede optimizar y predecir escenarios futuros. En el caso de una fábrica, estos datos son cruciales para gestionar la cantidad de materias primas, la dotación y rendimiento de personas y equipos, y la cantidad y calidad de productos terminados, para lo cual existe una solución específica llamada programación predictiva de la producción.


El ejemplo de cereales y barras de cereal

“La pregunta es cómo puedo lograr que en una fábrica de cereales y barras de cereal, el producto terminado tenga la mezcla de ingredientes necesaria para cumplir con la tabla nutricional y sea considerado como un producto dentro de norma, y al mismo tiempo, que su costo sea el mínimo que puede ser”, dice Waldo Fishwick, subgerente general de Alaya Digital Solutions. “Eso es difícil de lograr cuando tienes que gestionar 5 ó 6 variables al mismo tiempo, de forma manual”. En esos casos, la programación predictiva puede ser una gran aliada, así como los gemelos digitales para monitorear el proceso productivo y alertar a operadores y supervisores de eventuales desconfiguraciones.


¿De qué se trata? Primero que todo hay que tener claro que los procesos productivos son secuencias de operaciones y de etapas que transforman un montón de materias primas en un producto terminado. Cada una de esas etapas –con sus máquinas y equipos– tienen una cierta capacidad, que si no es observada de forma integral puede generar pérdidas, al no estar produciendo en su máximo potencial. Para eso, existen modelos predictivos que pueden replicar la fábrica de forma completa y hacer simuladores de producción (gemelos digitales). Estos pueden predecir, por ejemplo, cuánto va a producir la fábrica en los próximos 30 minutos, y también, cuál será el costo de que una máquina u otra tengan un desperfecto y por ejemplo, no funcione en su máximo potencial.


En el proceso de fabricación de cereales y barras de cereal se utilizan máquinas “extrusoras”, en las que el tiempo de residencia de las materias primas, materiales y productos en proceso es solo de 4,5 segundos, por lo que cualquier cambio de configuración en la receta generará cambios en la tabla nutricional y en la calidad del producto. Esto significa que la desatención o no atención inmediata de las variables productivas que se desconfiguran generará una gran cantidad de producto defectuoso.


Soluciones para mejorar la cobranza

En el mundo de los servicios también se puede utilizar la analítica predictiva para resolver problemas de negocios. Pongamos el ejemplo de las autopistas, basados en un caso real. Cada autopista tiene un número de clientes importante, entre 2 millones de clientes personas y empresas. Esto implica que hay 2 millones de facturas que tienen que emitir y cobrar cada 30 días.


¿Cómo hacerlo con un alto grado de eficiencia? Gracias al análisis de datos es posible agrupar a los tipos de clientes, identificando sus similitudes y patrones de comportamiento respecto del crédito, y de ese modo, diseñar una estrategia que sepa exactamente cuándo comenzar a cobrar y cuándo redoblar los esfuerzos. “Así la cobranza puede ser manejada de forma muy especializada”, dice Waldo Fishwick. “La empresa de autopistas puede saber exactamente cuál va a ser su flujo de caja, según estos patrones”.


Otro caso exitoso es la analítica aplicada a la fiscalización, por ejemplo, los organismos que deber de verificar que los empleadores cumplan con las obligaciones que tienen respecto de sus trabajadores. El cumplimiento de las empresas a lo largo del tiempo permite ir construyendo una base histórica, la que facilita tipificar a las compañías, controlar el cumplimiento cotidiano y diseñar un sistema que orienta mejor los esfuerzos de fiscalización, al identificar a las más riesgosas. “Pasamos de una tasa de éxito del 27% a una tasa del 90% con el sistema de analítica”.