Optimización matemática: gran estrategia que genera un gran rendimiento financiero a las empresas
Ya hemos observado las grandes posibilidades que pueden surgir con el uso adecuado (y ético) de las tecnologías de inteligencia artificial y de los algoritmos de reconocimiento de patrones a partir de los datos. Las aplicaciones exitosas no faltan: desde la gestión del riesgo de crédito y cobranza en los bancos, la analítica de deserción en operadores de telefonía y aseguradoras, hasta los procesos sofisticados de previsión de demanda en el comercio minorista, y la predicción de fallas de equipo en la industria. Estos y muchos otros, constituyen un amplio espectro de posibilidades que, cuando se utilizan y operan en la forma adecuada, generan un gran potencial de rendimiento para las empresas de todos los tamaños y sectores.
Cada vez que los datos se analizan, se pueden considerar tres variantes importantes: analítica descriptiva, analítica predictiva y analítica prescriptiva. En la analítica descriptiva, básicamente observamos lo que sucedió en el pasado a través de tableros de control, segmentaciones y descripciones. En la analítica predictiva, el objetivo es saber lo que sucederá en el futuro (y es ahí donde encontramos la mayoría de los algoritmos de aprendizaje automático, como la regresión lineal y logística, las redes neuronales y los bosques aleatorios). Por último, la analítica prescriptiva abarca mucho más que la predicción del futuro, pues permite a las empresas determinar la mejor decisión que deben tomar. Es ahí donde residen las grandes oportunidades para mejorar la eficiencia de los procesos de decisión de las compañías.
La analítica prescriptiva también permite desarrollar modelos predictivos y presenta un carácter propositivo, popularmente conocido como optimización matemática, ya que, a través de métodos de investigación de operaciones, los solucionadores matemáticos (que definen una solución para cada problema de negocio diferente) encuentran la mejor decisión entre millones de posibilidades distintas. La optimización, cuya función es buscar las mejores decisiones a partir de restricciones y condiciones de negocio previamente definidas, tiene el gran potencial de generar rendimiento para las empresas y, como se dice comúnmente, ayuda a no dejar dinero sobre la mesa, lo que significa ser más eficientes en sus decisiones. Pero ¿cómo complementa la optimización a los métodos de aprendizaje automático?
De manera objetiva, podemos decir que la optimización consume los hallazgos e información generados por los algoritmos de aprendizaje automático. Por ejemplo, en un proyecto de optimización de límites de crédito en el sector financiero, es fundamental entender cuál es la reacción esperada del cliente ante cada oferta generada por el banco, así como el posible rendimiento (ingreso) derivado del uso de un producto —información determinada por los modelos predictivos de aprendizaje automático—.
Esos hallazgos enriquecen considerablemente el contexto del análisis y pueden utilizarse para aplicar distintos algoritmos de optimización (programación lineal, no lineal, lineal entera, lineal entera mixta, estocástica, cuadrática, etc.) con base en las características de cada problema que se requiere resolver. Innumerables aplicaciones y casos de éxito utilizan la optimización matemática para generar un rendimiento financiero para las empresas. Algunas de esas aplicaciones son:
– Comercio minorista: optimización diaria de precios, optimización de promociones, optimización de procesos de liquidación de existencias, optimización de inventario, optimización de existencias de piezas de repuesto, optimización de planeación de productos.
– Telecomunicaciones: optimización de campañas de marketing y cobranza, optimización de distribución de carga en los departamentos de cobranza, optimización de tráfico de red, optimización de equipos de campo.
– Seguros: optimización de precios de pólizas nuevas y en proceso de renovación, optimización de grúas, flotas y equipos de campo.
– Bancos y financieras: optimización de líneas de crédito, optimización de precios, optimización de campañas de marketing y cobranza, optimización de distribución de carga en los departamentos de cobranza, optimización del proceso de gestión de dinero en cajeros automáticos, optimización de precios (rendimiento) para depósitos, optimización de contraofertas en propuestas de financiamiento automotriz.
– Industria en general: optimización de logística, optimización de reserva de vuelos, optimización de flotas y equipos de campo, entre muchas aplicaciones más.
En cuanto a los resultados esperados de la optimización, muchas empresas que han invertido en proyectos de esa naturaleza han mejorado, y continúan haciéndolo de manera importante, en su eficiencia operativa (reducción de costos), en la rentabilidad de las operaciones y en la participación del mercado, gracias a políticas más rigurosas de prospección de clientes nuevos.
*Por Marcelo Fernandes, gerente de Desarrollo de Negocios de Telecomunicaciones, Seguros y Optimización en FICO América Latina