LAVERIX

Complejidad de aplicaciones que incorporan Analítica Predictiva

Complejidad de aplicaciones que incorporan Analítica Predictiva

¿Cómo evitar esta complejidad y concentrarse en el negocio?

El Aprendizaje automático (a.k.a Machine Learning) y los paquetes de ciencia de datos (Ej. Python, R, Spark) ofrecen un cojunto de herramientas potentes para construir sistemas complejos de una manera eficiente y rápida. Sin embargo, pensar que esto permite construir aplicaciones que generen valor en el negocio es un error.

Investigaciones y la práctica de empresas que han incursionado en este mundo ofrecen experiencias importantes que ayudarán a las siguientes entusiastas evitar estos errores. Una de las lecciones más importantes es concentrarse en las decisiones del negocio y cómo éstas se beneficiarán de los datos. El costo de mantener estos sistemas puede llegar a ser muy alto y ppuede tomar tiempo construir la arquitectura mínima para que funcionen. El témino técnico utilizado para definir este problema es “technical debt”, introducido por primera vez por Ward Cunninghamm en 1992.

Las compañías enfrentar recurrentemente el desafío de adaptar sus productos y servicios de una manera rápida y efectiva. Muchos piensan que el problema está en la construcción del algoritmo y se olvidan de la complejidad de gestionar sistemas complejos que requieren el mantenimiento y adaptación del código, los datos y los modelos. Las industrias siguen diseñando métodos para lidiar con esta complejidad, muchas empresas ofrecen soluciones que lidian con partes de este problema. El reto es conocer qué combinación de soluciones es la mejor para tu problema y como integrarlas pensando en reducir su costo de mantenimiento.

El resultado suele seguir la siguiente cadena de eventos. Esfuerzos iniciales que parecía alcanzables, se vuelven inmanejables y finalmente se desechan. Ejecutivos inicialmente entusiasmados por las bondades de utilizar analítica avanzada, se vuelven reacios al cambio y prefieren continuar con procesos tradicionales. En el mediano plazo, se ven abrumados por competidores que han logrado incorporar analítica en sus decisiones más importantes y escalar sus operaciones con costos marginales cercanos a cero.

El desafío es cambiar esta realidad entendiendo desde un principio las complejidades subyacentes de iniciar este camino hacia la era de las “decisiones digitalizadas” en donde las decisiones más importantes de la organización se encuentren soportadas por datos, y la elementos críticos de la operación del negocio puedan ser automatizadas y poder enfrentar nuevos clientes con sistemas robustos que no dependen enteramente de personas para que funcionen.

Antes de emprender en este camino, te recomendamos realizar reuniones donde se pueda entender la totalidad de lo que implica construir y mantener este tipo de soluciones. En próximos artículos, profundizaremos en metodologías que logran este propósito.

 

Hernán Viscarra A.

Cofounder - Laverix

Twitter: hviscarra