5 empresas que utilizan inteligencia artificial para predecir el futuro y las ganancias

En la primera entrega de esta serie sobre análisis predictivos basados ​​en IA, exploramos la funcionalidad de esta tecnología, junto con su potencial para crear estrategias comerciales más efectivas.

El análisis predictivo se puede definir como una forma de minería de datos que usa modelos estadísticos para analizar patrones históricos y luego usa estos modelos para proyectar resultados futuros. El despliegue de inteligencia artificial permite que las tecnologías analíticas detecten relaciones entre variables que los humanos simplemente son incapaces de ver.

En este artículo, queremos darle vida a esa teoría con cinco casos de uso de análisis predictivo.

Ha habido algunas historias de interés periodístico en este campo, en particular los titulares de "Target sabe cuando estás embarazada" que atrajeron tanta atención hace unos años.

Las cosas se han desarrollado bastante desde entonces. La evolución de las plataformas de análisis ampliamente disponibles y accesibles ha proporcionado acceso a modelos estadísticos sofisticados para empresas de todos los tamaños. Más allá de la hipérbole de las predicciones de embarazo ligeramente espeluznantes, las grandes y pequeñas empresas suelen utilizar big data para mejorar sus funciones diarias.

Al definir los problemas que quieren resolver, obtener los datos correctos, contratar personas con las habilidades para dar sentido a los datos y empoderarlos con la tecnología adecuada, cualquier empresa puede comenzar hoy con el rentable campo de la analítica predictiva.

Hay demasiados contendientes para considerar cada ejemplo dentro del alcance de un artículo, por lo que hemos intentado proporcionar una muestra representativa de análisis efectivos basados ​​en IA en un amplio espectro de estudios de casos.

1. Optimización de la cadena de suministro: Walmart

Comenzamos con un ejemplo de peso pesado, pero que brinda inspiración a todos los minoristas.

Mientras tantos otros minoristas 'heredados' están luchando, Walmart ha publicado cifras de crecimiento durante los últimos 11 trimestres consecutivos. En particular, esto ha sido impulsado por un aumento interanual del 63% en las ventas en línea.

Walmart ha recibido muchos elogios por su voluntad de adaptarse a la era digital y está apostando por su capacidad para vincular los mundos online y offline para competir con Amazon.

La inteligencia artificial y el análisis predictivo están en el corazón de este impulso. Walmart toma datos instantáneamente de sus sistemas de punto de venta y los incorpora dentro de sus pronósticos para evaluar qué productos es probable que se agoten y cuáles han tenido un rendimiento inferior.

Combinado con patrones de comportamiento en línea, esto proporciona una gran cantidad de puntos de datos (más de 40 petabytes de ellos) para ayudar a Walmart a prepararse para un aumento o caída en la demanda de productos.

Foto de chuttersnap en Unsplash

Los datos se administran en la nube a través del "Data Cafe" de Walmart, que es mantenido por el equipo de Walmart Labs en Silicon Valley. Es una operación sofisticada a gran escala que se adapta a la cantidad de variables necesarias para que una empresa de este tamaño realice proyecciones precisas a partir de datos fiables.

No obstante, los beneficios que aporta también pueden ser buscados por empresas más pequeñas.

Por ejemplo, el uso de inteligencia artificial y análisis predictivo de Walmart es invaluable para la administración de inventario, ya que los gerentes pueden almacenar adecuadamente sin correr el riesgo de tener que realizar costosos ajustes de último minuto para cubrir brechas cuando la demanda supera la oferta.

Estos pronósticos también permiten a Walmart personalizar su presencia en línea, mostrando productos a clientes específicos en función de su probabilidad prevista de realizar una compra.

La disciplina y el rigor que aporta este enfoque significa que Walmart puede ceñirse a fechas de entrega estrictas, ya que cada paso de su cadena de suministro se ha optimizado mediante el uso de análisis predictivos. Todas estas áreas pueden ser mejoradas por cualquier empresa a través de tecnología accesible como Google y Adobe.

Es revelador que Walmart también ofrece incentivos a los clientes en forma de reducciones de precio o privilegios de salto de cola si recogen sus compras en una tienda física. Incluso con todos los beneficios que los análisis basados ​​en inteligencia artificial pueden aportar a la empresa, competir con Amazon en los costos de envío sigue siendo una tarea ardua.

2. Pronóstico de tendencias de precios: Hopper

La industria de viajes es notoriamente competitiva, con picos y valles volátiles en la demanda y muchas rutas de bajo margen. Esto puede dejar a los viajeros en la oscuridad, sin saber cuál es el mejor momento para reservar. A veces es mejor reservar con anticipación, en otras ocasiones es mejor esperar hasta más cerca de la fecha de salida.

Esto lo convierte en un campo propicio para el poder de la analítica predictiva impulsada por IA, un hecho que ha hecho que la aplicación de viajes Hopper crezca drásticamente en popularidad desde 2015.

Hopper se mantiene un paso por delante al predecir patrones de precios futuros y alertar a los viajeros sobre los horarios más baratos para comprar vuelos a sus destinos preferidos.

Para ello, observa miles de millones de precios todos los días y, basándose en los datos históricos de cada ruta, anticipa cómo se desarrollará la tendencia. Los usuarios pueden configurar notificaciones para recordarles que reserven cuando se produzcan estas bajadas de precios.

Aunque no es la única compañía que brinda este servicio, Hopper informa una tasa de precisión del 95% con sus predicciones y afirma que les ahorra a los clientes un promedio de más de $ 50 por vuelo.

La siguiente captura de pantalla muestra cómo funciona este proceso. Acompañado por un adorable conejito con anteojos, selecciono la ruta de vuelo de Nueva York a Honolulu para esas merecidas vacaciones.

Según mis fechas seleccionadas, el conejito sorprendentemente mandón me dice que reserve ahora, ya que los boletos para esta ruta solo se volverán más costosos con el tiempo.

Hopper proporciona un gran ejemplo de una empresa que toma el aprendizaje automático y el análisis predictivo como principios centrales de su estrategia empresarial. Sin análisis predictivo, no habría Hopper.

Sin embargo, los modelos estadísticos que utiliza con tanto éxito ofrecen lecciones para todas las empresas. El éxito de Hopper proviene esencialmente de su fiabilidad como plataforma objetiva de asesoramiento al consumidor. Como tal, muchas otras empresas podrían asumir esta función mediante el uso de estadísticas para proporcionar pronósticos que sean en el mejor interés del cliente, en lugar de solo sus propios resultados finales.

3. Crecimiento de pequeñas empresas: Point Defiance Zoo & Aquarium

Una encuesta realizada por SAP a finales de 2016 encontró que más del 70% de los líderes de las pequeñas empresas sentían que todavía estaban en las "primeras etapas" para obtener conocimientos de sus datos.

Un zoológico en Tacoma, Washington, rompió esa tendencia al asociarse con el Servicio Meteorológico Nacional para identificar los factores que causaron que las cifras de asistencia subieran y bajaran de manera tan impredecible. Esto generó problemas para la administración, que siempre contaba con personal en el parque para atender a una gran audiencia, pero a menudo terminaba gastando demasiado en los salarios debido a la asistencia insuficiente.

Intuitivamente, podríamos asumir que la asistencia es mayor en los días cálidos y secos, pero menor cuando hace frío o húmedo. Sin embargo, al incorporar los datos del Servicio Meteorológico Nacional en la plataforma Watson impulsada por IA de IBM, el zoológico pudo identificar exactamente qué condiciones hicieron que más personas realizaran una visita.

Este conocimiento se utilizó luego para modelar patrones futuros de visitantes, utilizando cifras históricas de asistencia y estadísticas meteorológicas proyectadas.

El proyecto fue un gran éxito y ahora es una parte central de la planificación comercial del zoológico. Point Defiance puede predecir las cifras de asistencia con una precisión superior al 95%, lo que permite a los gerentes dotar de personal al parque de manera adecuada. Esto no tiene un impacto negativo en la forma en que los visitantes experimentan el parque (quizás incluso lo contrario) y crea algunas eficiencias comerciales vitales.

Las aplicaciones de esta metodología van mucho más allá de las cifras de asistencia, por supuesto. Port Defiance puede monitorear cómo los visitantes interactúan con el zoológico, lo que ayuda a brindar una mejor experiencia al cliente. También existen planes para utilizar análisis predictivos impulsados ​​por inteligencia artificial para monitorear los datos de salud y diagnosticar problemas con los animales del parque para brindar un tratamiento preventivo.

4. Retención de personal: IBM

El atractivo fundamental de la analítica predictiva es el potencial de ofrecer mejores resultados frente a los objetivos de la organización. A menudo, estos se basan abiertamente en las ganancias, pero el análisis predictivo también puede ayudar a identificar problemas de retención de personal y sugerir soluciones.

Al cargar un archivo de datos estructurados (como en la captura de pantalla siguiente), Watson puede detectar los factores comunes que contribuyen al desgaste del personal. Esto luego alimenta la generación de un 'puntaje de calidad' para cada empleado, basado en su probabilidad proyectada de dejar la empresa pronto.

Donde esto realmente entra en juego es en su capacidad para responder a las solicitudes de lenguaje natural de los usuarios. De manera similar a la nueva función de análisis de Google, que obtendrá datos en respuesta a las preguntas de los usuarios, Watson puede responder a consultas específicas y crear visualizaciones de datos basadas en las preferencias del usuario.

Este es un gran ejemplo de una plataforma que pasa rápidamente del análisis exploratorio y de diagnóstico al ámbito del análisis predictivo. Cualquier propietario o gerente de una empresa puede hacer uso de estas herramientas para identificar con precisión qué es lo que hace que el personal se vaya, pero también puede ver qué hay detrás de esos factores y poner en práctica medidas preventivas para apaciguar cualquier posible salida. Dado el costo de contratar personal nuevo frente a retener a los actuales de alto desempeño, esto conduce directamente a una disminución de los costos operativos.

5. Extensión de audiencia: Under Armour

La extensión de la audiencia es otra área de marketing que se beneficia significativamente del uso de inteligencia artificial y análisis predictivo. Al comprender las características cuantitativas de los clientes de alto valor existentes, es posible identificar a personas similares y dirigirse a ellas con mensajes personalizados que probablemente tengan repercusión.

Saber dónde gastar su presupuesto publicitario es fundamental, pero también lo es saber dónde no gastarlo. El análisis predictivo permite a empresas como Under Armour concentrarse en las áreas que generarán los mayores retornos y reinvertir el presupuesto que de otro modo se habría gastado de manera inexacta.

Under Armour utiliza la inteligencia artificial para realizar tareas como el análisis de sentimientos y la escucha social para comprender qué piensan los clientes de la marca y dónde están las brechas en el mercado. Esto ha llevado a la compañía a enfocarse en convertirse en una marca digital de fitness, una iniciativa que la ha visto forjarse un nuevo nicho en un mercado saturado.

Under Armour produce productos de acondicionamiento físico, pero también aplicaciones y dispositivos portátiles para unir los mundos digital y sin conexión. Cuantas más personas utilicen los productos, más datos podrá recopilar Under Armour para mejorar su oferta. Y con más de 200 millones de usuarios registrados y más de 10 mil millones de interacciones digitales por año, no hay escasez de datos.

Siga leyendo hasta la última entrega de esta serie: IA y análisis predictivo: ¿Qué nos depara el futuro?