Llegamos a ustedes gracias a:



Reportajes y análisis

Análisis de datos: Resultados sorprendentes

[26/07/2013] En pocas palabras, los datos son el alma en Express Scripts, una empresa de Administración de Beneficios de Farmacia (PBM) de 44 millones de dólares y con base principal en St. Louis.
La empresa Fortune 100 procesa alrededor de 1,5 mil millones de recetas médicas para aproximadamente 300 millones de consumidores al año; analizando, al mismo tiempo, la gran cantidad de información que acompaña a cada pedido.
A medida que le hacemos el seguimiento a una receta médica a través de los datos disponibles y el proceso de la farmacia hasta la entrega o despacho, estamos rastreando toda clase de información que luego será entregada a un equipo de análisis enfocado en la mejora de procesos, señala Jim Lammers, director de tecnología. Así es como la compañía, internamente, acelera la entrega y distribución y disminuye errores, explica.
Pero Express Scripts también procesa más de mil millones de reclamaciones de seguros farmacéuticos al año, y representan una mina de oro de información que podría ayudar a reducir los costos y localizar el problema sanitario de millones de dólares originado por personas que no quieren tomar las medicinas indicadas en las recetas médicas, agrega Lammers.
Las computadoras, los teléfonos móvil, las tabletas, los sensores, los tweets, los textos y las publicaciones en las redes sociales, sin mencionar la común y corriente venta al por menor y las  transacciones de registro en línea, están generando -todas juntas- datos potencialmente valiosos. Un montón de datos. Así, IDC (International Data Corporation) estima que para el año 2020, el número de transacciones en línea de negocio a negocio (B2B, business-to-business) y negocio a consumidor (B2C, business-to-consumer) alcanzaran los 450 mil millones por día.
Le echamos un vistazo a tres organizaciones que están delante de la curva estadística, es decir mucho más avanzadas que las demás en la creación de un gran valor empresarial a partir de grandes cantidades de datos y tecnología de análisis. El primer punto en la lista de lecciones aprendidas está el de que una cultura de análisis profundamente arraigada y un riguroso enfoque en la rentabilidad y mejora de los procesos, son invaluables.
Lo que se gana: Reducción de los costos de atención sanitaria/sanitarios
En Express Scripts, los datos sobre reclamos pueden mostrar si los pacientes están cumpliendo con lo planteado en sus recetas médicas de la manera más eficiente en costos, que es frecuentemente con pedidos por correo. Si no lo están haciendo, Express Scripts puede intervenir, con bastante molestia, cobrándole al paciente un costo adicional por información y ofreciéndole cambiar los métodos de cumplimiento de entrega.
Si están tomando medicinas para estabilizar el colesterol alto, pero las están comprando en una farmacia minorista, sabemos que si empiezan a pedirlas por mail, podrían ahorrar, señala Lammert. Enviaríamos mails proactivos, guiaríamos al paciente hacia nuestra página web y usaríamos mensajería específica y especializada para lograr que tomen una [un pedido por mail] decisión.
Todo el proceso se reduce a "hacer el análisis de datos, crear la interacción y obtener el mensaje adecuado para cambiar la decisión del paciente, y que se incline por lo que nosotros ofrecemos, explica Lammers. Uno de los principios clave es que si le ofrecemos a la gente la decisión correcta, ellos solos tomaran el camino correcto.
Suena fácil, pero detrás de esa redirección o toma del camino correcto, aparentemente sin esfuerzo, hay una cantidad masiva de tecnología, sin mencionar la presencia de una estricta cultura de análisis que posibilita todas las operaciones hechas por Express Scripts.
Una de las mayores inversiones de la empresa en TI fue en el software de Gestión de Datos Maestros (MDM) de IBM, el cual fue crucial en la creación de un único registro que conecta todas las acciones de los consumidores, sin importar si la transacción fue realizada vía mail, en la web, por teléfono o en persona en una farmacia minorista.
Uno de los retos más grandes es conectar toda la información de las diversas fuentes, comenta Lammers. Hemos hecho fuertes inversiones en la gestión de datos (MDM). Hemos invertido desde el principio y hemos pasado por dos o tres iteraciones.
La empresa Express Scripts también creó lo que Lammers llama un modelo Federated Analytics, que incluye un equipo de análisis de negocio en cada operación funcional clave, como finanzas, ventas y cadena de suministros. Asimismo, Lammers explica que otras dos claves para el éxito de la compañía en análisis, son contar con un único centro y gobierno centralizado de datos. Con un núcleo centralizado, todos mirarían los mismo datos, plantea Lammers.
Con un modelo de gobierno de datos probado y una base para la gestión de datos bien posicionada y en su lugar, Express Scripts se expandió recientemente al análisis predictivo, introduciendo una aplicación llamada Screen Rx, que está diseñada para reducir el problema de la falta de adherencia de los pacientes a las recetas médicas para condiciones crónicas, como diabetes y colesterol alto. De esta manera, la falta de adherencia es el problema más caro relacionado  con la salud en los Estados Unidos, con un costo de más de 317 mil millones de dólares anuales, según Express Scripts.
Por ejemplo, omitir o saltarse dosis de un medicamento recetado para el colesterol, puede desencadenar ataques al corazón en algunos pacientes. Usando los modelos de predicción o la modelación predictiva, como la ubicación del paciente, la situación de la familia y el número o cantidad de medicamentos involucrados, Express Scripts puede identificar e intervenir proactivamente con los pacientes que podrían estar propensos a saltarse dosis de medicamentos. De esta forma, las intervenciones podrían incluir un recordatorio oportuno para que el paciente tome sus medicamentos o una derivación a un programa de asistencia al paciente para que lo ayuden con los gastos en medicinas. Asimismo, una tercera opción sería una derivación a un farmacéutico clínico que pueda asistir y despejar las posibles dudas y preocupaciones sobre los efectos secundarios de los medicamentos.
Este es uno de los puntos clave por el que hemos estado trabajando -cambiar el comportamiento, señala Lammers. También, añade que el esfuerzo de promover comportamientos saludables en los pacientes es especialmente importante en vista de la inminente reforma de salud, ya que millones de personas han logrado, por primera vez, acceder a asistencia médica estable.
Tenemos que entrenarlos para que se hagan cargo de sí mismos, señala Lammers. Poniendo un Screen Rx dentro de una población que no ha tenido un acceso constante a los servicios de sanidad, podríamos darles el material adecuado de inmediato.
Lo que se logra: Ahorro de combustible y mejora de la seguridad del conductor
La gran empresa de logística y transporte United Parcel Service (UPS), cuenta con un ingreso anual de 54 mil millones de dólares, invierte aproximadamente mil millones de dólares por año en tecnologías de la información (TI) y una porción considerable de este dinero es dedicado al análisis de datos, según el vicepresidente de servicios de información, Juan Pérez. La meta -por ahora- es mejorar los procesos empresariales, disminuir costos y aumentar la eficacia.
El esfuerzo ha sido un éxito. Por el hecho de analizar un flujo continuo de datos de los sensores de los miles de camiones de reparto, la empresa global ha eliminado 5,3 millones de millas de sus rutas, ha reducido el tiempo inactivo o en reposo de los motores en casi 10 millones de minutos, ha ahorrado 650 mil galones de combustible y reducido las emisiones de carbono en más de 6.500 toneladas métricas.
Al centro de estas llamativas métricas está ORION, que significa On-Road Integrated Optimization and Navigation, un sistema intensivo de datos que establece las rutas más eficientes para que los choferes entreguen la carga, con una serie de algoritmos complejos. Adicionalmente, el sistema usa los datos de los sensores para predecir cuándo alguna parte del camión va a fallar, para que el mantenimiento preventivo sea programado y completado.
ORION también permite que los gerentes de la UPS (United Parcel Service) miren de cerca los hábitos de los conductores, señalando con precisión, por ejemplo, el número de veces que el conductor retrocede o da una vuelta en U. Esta información puede ser usada para identificar si algunos conductores necesitan más entrenamiento.
Tenemos sensores que capturan información sobre el vehículo y el comportamiento del chofer. Luego, combinamos esa información con la de distribución y adquisición, y podemos conseguir un perfil completo de cómo el chofer, día tras día, está desempeñando su labor, señala Pérez. Eso tiene consecuencias increíbles en la forma en la que gestionamos el negocio en todos los ámbitos.
Ahora, el hambre de datos de la empresa se está extendiendo hacia afuera. Su meta es llegar a estar cerca -mucho más cerca- de sus millones de clientes con otro servicio de análisis intensivo llamado UPS My Choice, el cual permite que las personas establezcan sus propias preferencias de cómo interactuar con la compañía.
Los clientes que usan este servicio, dentro de otras cosas, pueden dar instrucciones específicas sobre cómo y dónde entregar los pedidos. Pueden ser direcciones determinadas, desviar pedidos si es que cambian de ubicación, y registrarse para recibir alertas de estado.
Lo que hemos hecho es tomar un nuevo enfoque para la gestión de cadenas personales de suplementos. Tener ese nivel de conectividad con los clientes va a cambiar nuestro negocio ahora y en los próximos años, también. La integración con los clientes es lo que está permitiendo el aumento de ingresos, señala Pérez. En el primer año en el que UPS My Choice estuvo disponible, más de dos millones de clientes se registraron para obtener el servicio, y fueron entregados más de 25 millones de paquetes bajo su auspicio.
Los datos sobre las preferencias de distribución y entrega de los clientes ayudan a que UPS siga mejorando los procesos internos que actúan en respuesta a esas preferencias, y así poder crear una experiencia mucho más personal, señala Pérez.
Pero aún más importante es el conocimiento que los datos proporcionan sobre qué nuevo producto y servicio ofrecer.
Todos los avisos [de rastreo y entrega] que ofrecemos y cómo los clientes responden ante estos, nos muestran lo que quieren y así podemos crear los productos y servicios que los satisfagan. Son un montón de datos los que se necesitan para definir y crear nuevos productos y servicios.
El próximo paso, según Pérez, es unir todo y crear una imagen gráfica de los múltiples sistemas de datos que contiene UPS, para que así la compañía pueda descubrir nuevos usos para estos -y así obtener el máximo valor empresarial.
Todo comienza con mejoras en el proceso, pero una vez que comienzas a unir toda la información y datos adicionales generados, puede significar enormes cambios en el negocio, señala Pérez. Eso es lo que estamos consiguiendo.
Lo que se logra: Millones de dólares en ventas adicionales
La Inteligencia de Negocio tradicional aún está activa en Intel, pero la gran extracción de datos y el análisis predictivo son las fuerzas que hacen que el diseño y la fabricación sean eficaces, y que se descubrieran nuevas fuentes de ingresos que sumaron decenas de millones de dólares solo en el 2012.
Todo comienza con la convicción de que se pueden cambiar los resultados, señala Kim Stevenson, CIO del fabricante de chips. Afirma que esa convicción es lo que hace que no se le dé tanta importancia a las preguntas históricas, que es de lo que el ámbito de la Inteligencia de Negocio (BI) tradicional se trata, sino enfocarse más en el futuro, que es en lo que el análisis predictivos se enfoca.
Predecir el futuro en Intel, compañía de 53 mil millones de dólares, requiere el análisis de cantidades masivas de datos para discernir entre los distintos patrones, y luego aplicar algoritmos predictivos para resolver los problemas más importantes del negocio.
En el 2012, por ejemplo, el departamento de TI de Intel creó una herramienta de distribución que ayudaba a incrementar la ganancia de los fabricantes de chips permitiendo que su equipo de ventas identificara, y luego se enfocara en, revendedores de volúmenes mayores. El nuevo software extrae grandes conjuntos de datos internos y externos, luego aplica un algoritmo predictivo para localizar con precisión a los revendedores más convenientes y prometedores. Según Stevenson, hasta ahora, ha ayudado a identificar revendedores con alto potencial en la región de Asia y el Pacifico tres veces más rápido de los que se hubieran descubierto usando métodos manuales. Esto se traduce en aproximadamente 20 millones de dólares en posibles nuevas ventas y ventas incrementales. Se espera que los beneficios aumenten, ya que las herramientas están siendo usadas en otros continentes y lugares.
En el ámbito de la fabricación, Intel está haciendo uso de las herramientas de análisis predictivo para reducir el tiempo de prueba del microprocesador. La empresa ha logrado ahorrar cerca de tres millones de dólares en pruebas durante el periodo de prueba del concepto. Stevenson espera que para el 2014, cuando la herramienta este mejor implementada, reduzca los gastos de toda la compañía en unos 30 millones de dólares.
El éxito de los análisis de Intel ha sido sumamente rápido. Stevenson señala que la clave es atacar los grandes problemas de dinero con pequeños equipos de rápida acción.
Para hacer que el negocio se enfoque en las preguntas futuras que conllevarán a mejores resultados, supimos que teníamos que tomar acción rápidamente, señala. Salíamos de un entorno de Inteligencia de Negocio (BI) tradicional, en donde la solución de datos maestros es un problema sin solución. La gente trabaja constantemente en ello y, la mayoría de las veces, el negocio no ve los verdaderos resultados.
Por esto Stevenson apareció con la regla de los seis meses y 10 millones de dólares. Un problema de 10 millones de dólares completamente resuelto en seis meses es importante. Cualquier gerente general diría que estaría dispuesto a invertir seis meses si pudiéramos hacer que ahorren 10 millones de dólares, comenta. (En Intel, los gerentes de empresas deben apoyar y financiar proyectos de TI.)
Stevenson formó grupos de cinco personas, cada uno conformado por un experto en los negocios, un estadístico, un modelador predictivo, un experto en Machine Learning y un científico de datos. Cada integrante del equipo tenía un perspectiva diferente del problema que estábamos tratando de resolver. Solucionar el problema en seis meses fue nuestra manera de ganar el derecho de comprobar que la capacidad de cambiar la forma en la que hacemos las cosas estaba ahí, agrega.
Además de los proyectos que reducían el tiempo de prueba y localizaban con precisión a los revendedores lucrativos, otros 13 proyectos de análisis han sido completados y resueltos usando el mismo enfoque. Es así que Stevenson ha subido la apuesta inicial encontrando problemas de 100 millones de dólares y desafiando a los equipos a que los resuelvan.
Otros de los procesos que están en marcha son el de un motor predictivo para simplificar el diseño y el proceso de depuración de los chips, y otro para predecir amenazas contra la seguridad de la información.
Pero Stevenson advierte a las empresas no subestimar las habilidades necesarias o requeridas para las iniciativas de análisis, y el tiempo que puede tomar nutrir y alimentar esas habilidades.
Cuando pienso acerca de nuestra curva de aprendizaje con Hadoop y otros estratos de presentación más avanzados que son diferentes del SAP o del BI tradicional, quiero destacar que hay una línea de aprendizaje sobre habilidades técnicas que no es para nada insignificante, advierte Stevenson.
Stevenson da otro consejo que es el de desarrollar un gusto o una inclinación por la experimentación, especialmente porque la tecnología del análisis está en constante evolución y crecimiento. Los ganadores y perdedores en el ámbito de la tecnología no están completamente definidos, agrega. Mantengan la mente abierta.
Julia King, Computerworld (EE.UU.)