Es noticia estos días que Lenovo ha introducido en una de sus plantas un sistema de planificación de la producción basado en AI y analítica prescriptiva que le ha reportado mejoras de un 20% en la tasa de procesamiento de pedidos, un 18% en productividad y ha reducido el tiempo de planificación de producción de 6 horas a 90 segundos.
Aunque parezca espectacular, esta mejora no es excepcional, sino lo habitual en proyectos de analítica prescriptiva.
No hay proyecto que obtenga luz verde sin un análisis previo de su rentabilidad. Este análisis es tanto más necesario cuando más adverso sea el contexto y cuanto más comprometida sea la situación de la empresa.
En particular, los proyectos de analítica avanzada (predictiva y prescriptiva, por ejemplo) también deben presentar buenas perspectivas de ROI.
Para tener una buena estimación de la rentabilidad necesitamos prestar atención al resultado esperado con la realización del proyecto y, naturalmente, al coste de ese proyecto. Empecemos por el coste.
Coste
No es posible estimar un coste genérico para un proyecto a medida de analítica prescriptiva. El alcance puede ser de muy diferente entidad según el caso; en particular, según la complejidad matemática del problema, los requisitos de integración con otros sistemas, el impacto sobre los procedimientos de la organización, etc.
En cualquier caso, incluso en los casos de mayor entidad, siempre es posible descomponer el alcance en fases, donde cada fase ofrece resultados con impacto inmediato y que permiten abordar las siguientes con menos riesgo. Cada fase se puede alinear funcionalmente con las prioridades de tu proyecto, otorgando un elemento adicional de control respecto a soluciones off the shelf.
Estas fases pueden tener una duración de dos a cinco meses, muy lejos de las implantaciones de sofisticados sistemas de información que requieren un extenso periodo de parametrización y de rodaje de la herramienta hasta que está en condiciones de ser utilizado, y no siempre de forma totalmente satisfactoria.
De esta manera el coste queda contenido dentro de la ejecución de cada fase que, a su vez, ofrece resultados medibles en línea con tus prioridades y que sirve de validación para acometer nuevas fases que permitan aprovechar al máximo los resultados que la analítica prescriptiva puede ofrecer en cada caso.
Retorno
Ahora vamos con la segunda parte, ¿cómo estimamos la mejora esperada que nos permita evaluar si el coste del proyecto está justificado?
El Dr. Raúl Pulido llevó a cabo este análisis en su tesis doctoral titulada “Analysing the complexity of the model-based decision making processes within the industrial management context” en la que analizó rigurosamente los resultados de 56 proyectos reales con impacto contrastado.
Para encontrar proyectos contrastados, el Dr. Pulido revisó 56 artículos publicados en la revista Interfaces entre 2013 y 2015. La misión de dicha revista (ahora International Journal on Applied Analytics) es publicar manuscritos sobre las prácticas de organizaciones en diferentes áreas como Operaciones, Sistemas de Información, Estrategia, Gestión de Cadena de Suministro, etc. Es importante resaltar que uno de los requisitos para la publicación es una carta de verificación de parte de la compañía en la que se llevó a cabo el trabajo.
¿Cómo se mide la mejora?
La medida de la mejora variaba en función del proyecto. En algunos casos se comparó su resultado con el plan original, en otros con los resultados del año previo o con previsiones de resultados. La magnitud a medir variaba en función del sector y del proyecto: vidas salvadas en el caso de algún proyecto del sector sanitario, ahorros económicos o tiempo empleado en llevar a cabo ciertas tareas.
En general, la media de los proyectos que reportaban ahorros económicos fue del 15,95% conuna desviación típica de 9,06, y valores entre el 3% y el 37%.
Conclusión
Si estás considerando adoptar analítica prescriptiva para mejorar tus procesos, un estudio riguroso de la experiencia muestra que dispones de un margen de mejora de entre el 10% y el 20%.
