3 ventajas de usar simulación en análisis predictivo

El análisis predictivo es un tema que genera gran expectativa y gran esperanza en el cuidado de la salud y otras industrias. A medida que este área de la ciencia de datos madure, es importante recordar que el análisis predictivo no está definido por una tecnología o técnica, aunque se puede dividir en dos enfoques: reconocimiento de patrones y simulación.

El reconocimiento de patrones es el enfoque más común, la base del aprendizaje automático muy publicitado y la inteligencia artificial. La simulación es otra alternativa más humana para comprender los problemas comerciales, predecir las tendencias futuras y recomendar decisiones óptimas. En este blog, explico los elementos esenciales de la simulación y destaco tres de sus ventajas.

Reconocimiento de patrones vs. simulación

El reconocimiento de patrones está intrínsecamente centrado en los datos. Lanzas un montón de datos a un algoritmo, encuentra patrones en los datos y mapea las tendencias futuras. Esta es la columna vertebral de la minería de datos, el aprendizaje automático y la IA. En igualdad de condiciones, cuanto mayor sea el conjunto de datos, mayor será la precisión de las predicciones. Por lo tanto, los grandes datos son altamente deseados.

La simulación, en cambio, está centrada en el modelo. Comienza utilizando el conocimiento humano de causa y efecto para crear un modelo del sistema en el que opera el problema. A continuación, conecta los datos que tiene disponibles con ese modelo para obtener una proyección futura. Por ejemplo, para predecir las ventas futuras, modelaría sus factores causales clave, como la experiencia del personal de ventas, la calidad del producto, diversos factores de mercado y cómo se relacionan entre sí. En igualdad de condiciones, cuanto mayor sea la experiencia de los humanos involucrados, mayor será la precisión de las predicciones.

La diferencia fundamental entre los dos enfoques es que el reconocimiento de patrones se basa en la correlación, mientras que la simulación se basa en el conocimiento humano de la causalidad.

Ventajas de la simulación

Si bien el reconocimiento de patrones y la simulación pueden ser enfoques efectivos para el análisis predictivo, aquí hay tres ventajas clave del enfoque de simulación.

1. La simulación integra señales que faltan en los datos

A menudo, los factores causales clave no están presentes en sus datos. Por ejemplo, los factores suaves, como la presión del tiempo, la moral y la reputación, pueden tener un efecto significativo en los resultados deseados, pero rara vez son capturados por los sistemas de información. En la simulación, todo lo que se sabe sobre los factores faltantes se puede incluir en el modelo, y se pueden estimar los factores desconocidos. Las proyecciones resultantes tomarán en cuenta estos factores y cuantificarán el grado de incertidumbre.

 2.La simulación tiene costos relativamente bajos de adquisición y procesamiento de datos

A diferencia del reconocimiento de patrones, que se basa en grandes volúmenes de datos de alta calidad, la simulación utiliza los datos disponibles y los complementa con conocimiento. Además, la simulación no requiere todos los datos que “podrían estar relacionados” con el problema para buscar correlaciones significativas. Las causas del problema ya están integradas en el modelo. Por lo tanto, la simulación a menudo tiene una etapa de adquisición de datos que consume menos tiempo y es más costosa.

3.La precisión de las predicciones de simulación es altamente confiable

Uno de los desafíos con el reconocimiento de patrones es que la correlación no siempre refleja la causalidad. A menudo, los datos contendrán correlaciones que parecen ser causas, pero no lo son. Tales correlaciones falsas, que son comunes con el análisis de big data, conducen a predicciones fallidas. La simulación comienza con la comprensión experta de causa y efecto, que se basa en el conocimiento científico y produce resultados confiables. La simulación también emplea una fase de prueba y ajuste modelo que mejora la precisión predictiva y mejora nuestra comprensión de causa y efecto.

Con estas claras ventajas, podría preguntarse por qué la simulación ha recibido tan poca atención durante esta ola de exageraciones en torno al análisis predictivo. Hasta ahora, los principales defensores de la simulación han sido académicos y firmas de consultoría especializadas que han implementado aplicaciones en una amplia gama de industrias. Dimensional Insight reconoce el poder predictivo de la simulación y explora posibles aplicaciones de atención médica en asociación con Ventana Systems, una empresa con profundas raíces de MIT y más de 30 años de experiencia en soluciones predictivas. Lo invitamos a obtener más información durante nuestro seminario web “Exploración de aplicaciones de atención médica para la plataforma Diver”, el martes 30 de enero a las 11 a.m. ET. Pulse aquí para registrarse.

Haga clic aquí para leer mi publicación anterior sobre ¿Porqué es el momento adecuado para el análisis predictivo en el cuidado de la salud? O bien, si desea obtener más información sobre el análisis predictivo y la simulación, puede descargar nuestro libro electrónico de simulación ahora.