Fernando Diaz · 14 March 2018 · 4 min read
“¿Y si pudiéramos predecir qué pasará mañana? ¿O pudiéramos saber qué decisión es, estadísticamente, más oportuna para mi empresa?”
Gracias a la tecnología, podemos: a través de los modelos predictivos.
Pero ¿qué es un modelo predictivo? Cuando hablamos de modelos predictivos nos referimos a un conjunto de técnicas de análisis estadístico gracias a las cuales podemos anticipar o prever situaciones futuras.
Entre otros campos, los modelos predictivos llevan años utilizándose en la industria financiera como base para el trading algorítmico.
“Sad photo of Wall Street traders reacting as stock market plunges.” Binyamin Appelbaum, 5 de febrero de 2018
Sin embargo, tienen todavía muy poca repercusión en otras industrias donde ese conocimiento aventajado resultaría muy útil, por ejemplo, para aumentar las ventas.
Para que entiendas cómo funcionan los modelos predictivos en detalle y puedas decidir si aplicarlos en tu campo de negocio, me gustaría explicarte cuáles son las fases que los componen.
¡Empecemos!
Cómo se crea un modelo predictivo
Los modelos predictivos se crean en base a cuatro fases de trabajo.
Fase 1: Obtención de los datos
La primera fase de un modelo predictivo se centra en la obtención de datos: cuantos más, mejor. Sin embargo, no podemos equivocarnos: no nos vale cualquier cosa.
Para que nuestro modelo predictivo sea eficaz, es imprescindible que las series de datos que adquiramos sean:
- Históricas, para poder aprender cómo se ha comportado un registro durante largos periodos de tiempo.
- Actualizadas, para comparar los datos reales con nuestras predicciones, corregir el error y mejorar progresivamente el desempeño del modelo.
- Homogéneas, obtenidas con metodologías uniformes para que los datos sean objetivos y las variables se puedan comparar entre sí.
Este trabajo de búsqueda, documentación, formateo y limpieza de datos suele ser el más tedioso. Por eso lo automatizamos desde Datary, ofreciendo un catálogo de datos curados y listos para usar.
Open Data Market, plataforma de datos abiertos desarrollada por Datary.
Fase 2: Evaluación de dependencias
Si queremos predecir el resultado del próximo partido del F. C. Barcelona, la variable “¿juega Messi?” tendrá mucha más influencia en nuestra predicción que la variable “número de zurdos que hay en el campo”.
Lógico, ¿no?
Este es un ejemplo sencillo, pero es clave para entender que, de cara a realizar una predicción, no todos los factores tienen la misma repercusión en la ecuación final.
Igual de lógico, y también igual de relevante, es entender que no basta con analizar los resultados históricos del mismo hecho, sino que es imprescindible analizar también nuevas variables que puedan influir sobre su resultado.
Si no lo entendemos así, cometeremos un error muchas veces repetido en el pasado:
- “Do you know anyone using Netflix?”
- “Investor concern over the threat of new technologies is overstated”, informe de Blockbuster, 1999.
El crecimiento de Netflix y la caída de Blockbuster. / Drift
Imaginemos que queremos predecir los niveles de polen en España para la próxima primavera. Lo correcto sería no solo fijarnos en los niveles ambientales de polen históricos, sino también en variables como:
- La temperatura y la precipitación, que condicionan el momento de floración y, por tanto, el inicio de la temporada de polen.
- La masa forestal: un incendio reciente puede tener muchos efectos secundarios, como la existencia de menos polen en el ambiente.
La cantidad de olivos que hay en Jaén influye no solo en su producción de aceite, sino también en los picos de niveles ambientales de Olea año a año. / Cadenaser.com
- El viento, responsable del transporte de las partículas de polen de unas zonas a otras.
Fase 3: Modelado
Ya tenemos datos históricos, actualizados y homogéneos de aquellas variables que hemos determinado que influyen en nuestra predicción. Ahora llega la hora de ejecutar el modelado estadístico.
Siguiendo con el ejemplo citado, el objetivo es definir una fórmula con la que obtengamos el número de partículas de polen en el aire en función del valor que adquieran las otras variables que influyen sobre la predicción.
¿Suena complejo? Realmente lo es.
Por eso, en vez de reinventar la rueda con cada modelo, se hace uso de fórmulas ya definidas en el campo de la estadística. En función del tipo de datos y de la dependencia funcional entre las variables, aplicaremos una técnica de modelado u otra.
Para conocer más sobre las técnicas de modelado predictivo, te recomendamos consultar esta introducción.
Fase 4: Correcciones
Una vez definido nuestro modelo, es importante corregirlo para que mejore progresivamente el desempeño de la predicción.
Esta corrección se puede realizar de forma manual, por ejemplo definiendo nuevas dependencias funcionales, o se puede dotar al sistema de la capacidad de aprender por sí mismo a corregir su error. Esta última técnica se conoce con el nombre de machine learning.
El machine learning, según Gartner, marcará una nueva era. / Berkeley Labs Media
No nos liaremos más: de machine learning hablaremos en detalle en futuros artículos. Si te ha gustado este, acuérdate de compartirlo y no dejes de comentar tus opiniones.
¡Un abrazo!