Olvídate de la bola de cristal: ingeniería inversa con Machine Learning

Los modelos de Machine Learning son estimadores, lo que significa que se pueden utilizar no solo para predecir incógnitas en tu negocio, sino también para aplicar ingeniería inversa a procesos empresariales complejos.

A lo largo de este artículo, aprenderás cómo identificar estos posibles puntos de mejora, priorizarlos y crear modelos para estimarlos.

Identificación

¿Cómo descubres tu dependencia actual de indicadores externos del mercado? Comienza enumerando todos los servicios de terceros o externos que utilizas para obtener indicadores externos, el volumen de consultas, los costes asociados a cada uno, una valoración cualitativa de cuánto valor te genera y qué procesos empresariales dependen de esos indicadores. Esto te ayudará a determinar qué servicios son más relevantes para tu negocio.

Algunos ejemplos incluyen:

• Inmobiliario y construcción: precios de listado por segmento de zona, puntos de interés

• Retail: depreciación de artículos por segmento (por ejemplo, automóvil o teléfono móvil por año, marca y modelo)

• FinTech: crecimiento esperado por empresa

Priorización de datos

Tu siguiente objetivo es entender cómo puedes dejar de depender de estos terceros y cuáles son más fáciles de reemplazar. Para esto, por cada proceso, identifica los factores clave y las variables que influyen en el resultado del proceso. Enumera todas las fuentes de datos disponibles internamente, las que puedes adquirir y las que puedes comprar (y cuáles son los costes asociados).

Algunos ejemplos de fuentes de datos que se pueden utilizar para determinar los servicios mencionados anteriormente son:

• Inmobiliario y construcción: páginas de listados inmobiliarios, datos geográficos abiertos (OpenStreetMaps)

• Retail: páginas de listados, subastas, anuncios clasificados (por ejemplo, Craigslist)

• FinTech: redes sociales, noticias, publicaciones de empleo en LinkedIn

Profundizamos más en la identificación y priorización de fuentes de datos como parte de nuestra metodología Data Ignite.

Curso

Building Great Datasets

Aprende cómo identificar y priorizar fuentes de datos

Más información

Determina el tamaño de la oportunidad

A continuación, mide los trade-offs entre continuar usando una solución de terceros o construir una solución personalizada propia. Aquí querrás entender qué ganancia económica realista obtendrías al utilizar tu solución personalizada en un período de tiempo fijo, asumiendo que solo puedes replicar el rendimiento hasta cierto grado.

Para garantizar una transición eficiente y rentable, recomendamos invertir hasta el 10% de ese valor en crear una Prueba de concepto. Esto te permitirá verificar la viabilidad de la idea en un entorno controlado. También debes priorizar la lista de ideas por su valor esperado, viabilidad técnica, facilidad de integración empresarial y riesgos potenciales de fracaso. Si te preguntas cómo hacerlo, tenemos la herramienta perfecta para ayudarte. ¡Reserva una reunión con nosotros para profundizar en este proceso!

Recopila datos y entrena un modelo

En este punto, debes comenzar a recopilar o comprar los datos que necesitas para replicar el proceso externo, junto con los indicadores de mercado asociados. Enfócate primero en los datos que están más disponibles y tienen mayor impacto, para desarrollar la Prueba de concepto.

Cuando tengas los datos disponibles, utiliza Machine Learning para entrenar un modelo basado en los datos recopilados, comprados e internos. Este modelo aprende los patrones y relaciones dentro de los datos, replicando efectivamente el proceso empresarial observado.

Realiza una simulación empresarial

Después de tener tu primer modelo, debes traducir el rendimiento del modelo en una métrica empresarial. Las métricas técnicas, a las que llamamos "Side-kicks", son útiles para estimar qué tan bueno es el modelo de reemplazo, pero es importante traducirlo a un KPI que los stakeholders puedan entender, nuestro "Hero".

Has construido un aproximador a tus indicadores externos del mercado que, sin duda, no será tan preciso como el valor original. Lo que debes considerar en este punto es si existe la posibilidad de que tu error sea lo suficientemente bajo para que ya tengas un resultado positivo, o si necesitas iterar más. ¡Puedes obtener fácilmente beneficios de modelos mediocres de IA!

Reemplaza el proceso original

En este punto, puedes reemplazar el proceso empresarial original. Monitorea los KPIs que dependen de ese indicador externo del mercado y ten una solución alternativa si observas que la simulación empresarial y los resultados en la vida real no están adecuadamente alineados.

Ya no dependerás de un proveedor tercero para darte los datos que utilizabas para ejecutar tu negocio. ¡Ese ya es un gran avance!

Resumen

En este artículo, hemos cubierto los varios pasos para aplicar ingeniería inversa a indicadores de mercado: identificar posibles puntos de mejora, priorizarlos por tamaño de oportunidad y esfuerzo, crear modelos para estimarlos y determinar si los modelos son lo suficientemente buenos para ser reemplazos.

Si una alta dependencia de indicadores externos del mercado es algo que has estado enfrentando en tu negocio, contacta conmigo y puedo ayudarte a descubrir cómo abordarlo.

¿Quieres profundizar en esta idea?

Reserva una reunión con Rafael Cavalheiro

Conocer a Rafael Más información