White Paper. Real Time Analytics
Anuncio
White Paper: Real Time Analytics – Optimal Operation Tool PAASEL BUSINESS ANALYTICS Mayo 2012 Contenido Oportunidad. Analítica de negocios para procesos operativos ............................................. 2 Casos concretos. Alertas sobre la observación de datos atípicos .......................................... 2 Solución. Implementación de modelos analíticos .................................................................. 3 Fundamento. Actualización de parámetros en tiempo real .................................................. 5 Analítica Avanzada Paasel. Soluciones operativas ................................................................. 6 Beneficios ............................................................................................................................... 7 Plataformas tecnológicas de analítica avanzada .................................................................... 7 Oportunidad. Analítica de negocios para procesos operativos Se comenta mucho sobre el uso de la analítica de negocios para la toma de decisiones estratégicas, sin embargo, existe un campo muy amplio que abarca el análisis de información sistemático para la toma de decisiones operativas. Al apoyar la operación con un proceso inteligente, se pueden obtener grandes resultados que afectan directamente la rentabilidad del negocio. Generalmente los resultados de la operación diaria, no son utilizados de forma sistemática para cambiar el curso de las acciones de días posteriores, inclusive cuando son evidentes los aprendizajes observados. Gran parte de la toma de decisiones sobre las actividades del negocio depende principalmente de la experiencia e intuición de los operadores, sin embargo, la competitividad del mercado obliga a las empresas a mejorar el desempeño de sus procesos de forma eficiente y oportuna. La posibilidad de aprovechar la información de los resultados diarios no se ha explotado suficiente, existen grandes áreas de oportunidad en las empresas para optimizar la toma de decisiones operativas en tiempo real. Casos concretos. Alertas sobre la observación de datos atípicos Los datos atípicos arrojan información sobre eventos que deben ser tomados en cuenta, ya que representan aprendizajes latentes sobre el negocio. Utilizar datos en el momento adecuado permite aprovechar oportunidades y reducir pérdidas por fallas operativas. Uno de los casos que recibe mayor atención en las industrias, es el fraude, pues representa pérdidas millonarias para las industrias. Este fenómeno, se observa en la operación diaria de las empresas y por esto, es vital contar con herramientas que lo detecten en el momento de su ejecución para reaccionar de forma oportuna. 2 Específicamente en el sector financiero, de acuerdo a la Asociación de Bancos de México (ABM), las pérdidas por fraudes con tarjetas superan los 800 millones de pesos anuales, valor que representa el 0.15% de la facturación anual de la industria. Otra oportunidad para mejorar el desempeño operativo con base en información diaria, se observa en la toma de decisiones sobre producto en anaquel. Para determinar el pedido sugerido óptimo, se debe tomar en cuenta información histórica sobre las ventas del producto y su desempeño más reciente, de esta manera se pueden percibir cambios significativos para actuar de forma oportuna. Al incluir la información más actual, se pueden detectar valores atípicos que generalmente marcan tendencias del mercado local. Por ejemplo, nuevos establecimientos o productos competencia, días feriados, cambios en la dinámica de los productos, promociones y otros factores que pueden influir de manera positiva o negativa en la compra. Además, los procesos logísticos son complejos y específicos para cada industria y empresa, por esto, se vuelve evidente la necesidad de tomar en cuenta la información más reciente, para lograr marcar la diferencia en el mercado. La gran oportunidad para las industrias se centra en mejorar el desempeño de la operación con base en la información más actual. Esto implica contar con procesos de toma de decisiones sistematizados en herramientas que capturen y procesen datos en tiempo real. El impacto que se puede obtener al transformar la toma de decisiones operativas en procesos inteligentes es muy grande. Si una empresa busca ser líder, innovadora y generadora de tendencias, está obligada a cambiar de paradigma en la forma de tomar decisiones. Necesita obtener directrices cuantitativas que lo apoyen en la generación de nuevas oportunidades. Solución. Implementación de modelos analíticos Es evidente la oportunidad de explotar los datos más actuales para beneficio de los resultados operativos, sin embargo, los esfuerzos para implementar soluciones analíticas deben estar correctamente dirigidos para que realmente generen un impacto directo en los resultados. La aplicación de herramientas de analítica avanzada tiene como objetivo generar insumos a través de la selección de variables relevantes, para poder simular escenarios, predecir eventos y optimizar decisiones. Sin embargo, antes de llevar a cabo la implementación, es vital contar con un esquema claro del problema que se está abordando y de qué forma se resolverá a través de la herramienta. En seguida se muestra el proceso sugerido por Gartner para la implementación de una aplicación de Analítica Avanzada: 1. 2. 3. 4. Determinar una estrategia y planificar Definir la arquitectura de la solución Seleccionar la solución Operar y evolucionar 3 Estrategia y Planificación Para una solución de Analítica Avanzada en tiempo real, el proceso sigue de forma similar estos pasos pero con algunas particularidades en la calibración de los modelos implementados, como se puede observar en el Diagrama 1. · · 1. Objetivos Comprensión del problema Determinación de: · Metas específicas · Factores actualizados en tiempo real · Aplicabilidad de herramientas 2. Consolidación de base de datos · · · · Ventana de tiempo Selección de variables Procesamiento de datos Depuración de datos 3. Modelación · · · · · · · Análisis exploratorio Selección del modelo Algoritmo de actualización en tiempo real Parametrización Diseño de métricas Pruebas Calibración Calibración de parámetros · Solución Arquitectura Calibración periódica 4. Implementación Operación y Evolución 5. Fase piloto 6. Lanzamiento Sistema · Arquitectura · Diseño de tablero de control · Programación de interfaz · Conectividad · Pruebas de funcionamiento simulado · Pruebas de calidad · Operación · Diseño de proceso de toma de decisiones en tiempo real · Integración y actualización de procesos operativos · Capacitaciones: operación y manejo de tablero de control · · · Inicialización de ventana de observación Pruebas de funcionamiento real Evaluación de desempeño por métricas · Inicialización de operación de herramienta de toma de decisiones en tiempo real Actualización de parámetros en tiempo real Monitoreo de métricas Monitoreo de funcionamiento general · · · Optimización de rutinas Diagrama 1. Proceso de implementación de herramientas analíticas para la toma de decisiones en tiempo real A simple vista el proceso es muy similar a la aplicación de una herramienta de analítica de negocios, sin embargo, la diferencia radica en la actualización del modelo en tiempo real, a través de la conectividad con la base de datos que registra los movimientos transaccionales en el momento que éstos ocurren. En el siguiente diagrama se observan las características de la forma de procesar información para la toma de decisiones por cortes de tiempo. 4 Tiempo t t+n Mes 1 Mes 2 Mes 3 … Transacciones Base de datos histórica Toma de decisiones Análisis Diagrama 2. Modelo estático: Proceso de toma de decisiones operativas por cortes de información. El cambio de paradigma en el proceso de toma de decisiones de cortes de tiempo a tiempo real, está dado por el tiempo en que se generan y aplican los análisis. En el siguiente diagrama se observan las características de la forma de procesar información para la toma de decisiones en tiempo real. Tiempo: t Transacciones Análisis Toma de decisiones Por transacción Por grupo de transacciones Diagrama 3. Modelo transaccional: Proceso de toma de decisiones operativas en tiempo real. Como se puede observar, en un sólo instante se generan y analizan las transacciones, éstas pueden llegar a ser de miles o inclusive millones. Un sistema de análisis en tiempo real permite automatizar el uso de esta información, y de esta manera se obtiene un proceso de toma de decisiones operativas mucho más eficiente y controlado. Fundamento. Actualización de parámetros en tiempo real Los movimientos en la operación generan información de gran escala (Big Data), por lo tanto, la analítica en tiempo real debe estar diseñada con base en estructuras que permitan minimizar el tiempo de ejecución de los modelos. 5 En específico, la técnica estadística sugerida para reducir los requerimientos de almacenaje y mejorar la precisión de las estimaciones es la modelación dinámica bayesiana. La estadística bayesiana se basa en la idea de obtener probabilidades de ocurrencia de un evento de forma causal, esto admite información a priori sobre los eventos observados. Adicionalmente, los modelos dinámicos consideran que la forma en cómo se comportan los eventos puede ir cambiando de acuerdo a distintos factores, contrario a lo que se supone en un modelo tradicional basado en el análisis estático de una ventana en el tiempo. Una de las ventajas más importantes de los modelos bayesianos es que las estimaciones de los parámetros solamente utilizan la información actual y la estimación a priori, y por lo tanto, no se requiere almacenar o procesar grandes volúmenes de información para la actualización de los modelos, esto ayuda a que el análisis sea realmente ágil y aplicable en la operación. En seguida se resumen las ventajas de utilizar modelos dinámicos bayesianos. Enfoque Tradicional Modelo Estático Enfoque Bayesiano Modelos Dinámicos · Considera como supuesto que la distribución de los datos no cambia. · El ajuste de un modelo depende del comportamiento de los datos en un sólo intervalo del tiempo. Las estimaciones pierden precisión conforme pasa el tiempo · Considera como supuesto que la distribución de los datos sí cambia. · El modelo aprende y mejora sus estimaciones con el tiempo. · Utiliza el conocimiento previo del fenómeno para hacer valoraciones a priori de las hipótesis. · · · Mejores estimaciones Más confiabilidad Menor inversión a mediano plazo Actualización en el tiempo (predicción) Actualización de la medición (corrección) Principio básico Diagrama 4. Ventajas de los modelos dinámicos bayesianos Analítica Avanzada Paasel. Soluciones operativas Los esfuerzos destinados para lograr obtener una fuerte inteligencia y analítica de negocios no deben ser subestimados, el conocimiento sobre las herramientas y técnicas es importante pero también se debe tomar en cuenta la experiencia de saber aplicarlas, así como los volúmenes de información. Paasel ofrece servicios de consultoría de analítica avanzada para apoyar a las empresas en la obtención de información que requiere de una modelación matemática de múltiples variables del propio negocio y de su entorno. Como valor agregado, Paasel implementa sus soluciones en plataformas tecnológicas para que sean utilizadas en tiempo real y de esta manera se pueda generar un proceso de toma de decisiones inteligente y oportuno para lograr anticiparse a las oportunidades. 6 Beneficios Como menciona Gartner, la maximización del impacto de las decisiones incrementa la eficiencia en todos los niveles de una empresa, pues contribuye con las metas de crecimiento al permitir a los recursos concentrarse en tomar decisiones destinadas a la obtención de resultados. Los beneficios que pueden obtenerse son múltiples, sin embargo, para maximizar el impacto de las decisiones, el negocio debe implementar procesos que impulsen la obtención y monitoreo de resultados medibles en sus distintas áreas de forma conjugada. Algunos de los beneficios de la implementación de herramientas analíticas son: Beneficio Toma de decisiones operativas en tiempo real Anticipación de oportunidades ante competidores Soporte cuantitativo para la estrategia Prevención de eventos negativos Optimización de escenarios exitosos Indicador de impacto Eficiencia Participación de mercado Rentabilidad Costos Ingresos Para mantener la ventaja competitiva en términos de la operación, las empresas deben impulsar herramientas tecnológicas de analítica avanzada operadas en tiempo real y de esta manera automatizar la toma de decisiones para maximizar los esfuerzos destinados a la gestión de la oferta de sus productos o servicios. Plataformas tecnológicas de analítica avanzada · · · · · R Statistical Software Oracle SAS IBM Matlab 7