La IA va a cambiar la regla 80/20
Por Michael Schrage
Harvard Business Revew
Innovación
Muchas organizaciones de alto rendimiento siguen siendo apasionadas por Vilfredo Pareto, el incisivo ingeniero y economista italiano. Siguen inspirándose en su principio 80/20, la idea de que el 80% de los efectos (ventas, ingresos, etc.) provienen del 20% de causas (productos, empleados, etc.). A medida que el aprendizaje automático y la innovación algorítmica AI transforman la analítica, apuesto a que los algoritmos de próxima generación superpondrán el paradigma empírico provocativo de Pareto. Aquí hay tres maneras importantes de que la IA y el aprendizaje automático redefinirán la forma en que las organizaciones utilizan el principio de Pareto para impulsar digitalmente la innovación rentable a niveles más allá de la analítica convencional.
Harvard Business Revew
Innovación
Muchas organizaciones de alto rendimiento siguen siendo apasionadas por Vilfredo Pareto, el incisivo ingeniero y economista italiano. Siguen inspirándose en su principio 80/20, la idea de que el 80% de los efectos (ventas, ingresos, etc.) provienen del 20% de causas (productos, empleados, etc.). A medida que el aprendizaje automático y la innovación algorítmica AI transforman la analítica, apuesto a que los algoritmos de próxima generación superpondrán el paradigma empírico provocativo de Pareto. Aquí hay tres maneras importantes de que la IA y el aprendizaje automático redefinirán la forma en que las organizaciones utilizan el principio de Pareto para impulsar digitalmente la innovación rentable a niveles más allá de la analítica convencional.
Smart Paretos
En primer lugar, los volúmenes más grandes y la variedad de datos garantizan que los algoritmos obtengan el entrenamiento que necesitan para ser más inteligentes. Por lo tanto, las redes digitales se convierten en plataformas de Pareto que transforman los vectores vitales de las variables en un nuevo valor.
Por ejemplo, los nuevos análisis del lugar de trabajo significan que más organizaciones pueden identificar más fácilmente el 20% de los empleados que aportan el 80% del valor a un producto, proceso o experiencia del usuario. La digitalización continua de los procesos de negocio, las plataformas y las experiencias de los clientes también invita a las perspectivas creativas de Pareto: ¿Qué 20% de la actualización de la plataforma genera el 80% de su impacto? ¿Qué 20% de la experiencia del cliente evoca el 80% de placer o aversión? Los C-suites serios quieren que las preguntas dirigidas a los datos se aborden algorítmicamente.
En primer lugar, los volúmenes más grandes y la variedad de datos garantizan que los algoritmos obtengan el entrenamiento que necesitan para ser más inteligentes. Por lo tanto, las redes digitales se convierten en plataformas de Pareto que transforman los vectores vitales de las variables en un nuevo valor.
Por ejemplo, los nuevos análisis del lugar de trabajo significan que más organizaciones pueden identificar más fácilmente el 20% de los empleados que aportan el 80% del valor a un producto, proceso o experiencia del usuario. La digitalización continua de los procesos de negocio, las plataformas y las experiencias de los clientes también invita a las perspectivas creativas de Pareto: ¿Qué 20% de la actualización de la plataforma genera el 80% de su impacto? ¿Qué 20% de la experiencia del cliente evoca el 80% de placer o aversión? Los C-suites serios quieren que las preguntas dirigidas a los datos se aborden algorítmicamente.
Super Paretos
En segundo lugar, las distribuciones tradicionales han cambiado disruptivamente. El pequeño secreto de productividad de los grandes datos es que la percepción 80/20 de Pareto se ha decaído en un anacronismo empírico. Las empresas analíticamente agresivas ven cada vez más las proporciones de Pareto cerca de 10/90, 5/50, 2/30 y 1/25. Dependiendo de la rigurosidad con la que los datos son cortados digitalmente, cortados en trozos y definidos, 1/50, 5/75, y, sí, 10/150 Paretos emergen. Los "pocos vitales" de Pareto se convierten en "menos vitales".
Las distribuciones extremas trascienden y dominan la industria. Menos del 10% de los bebedores, por ejemplo, representan más de la mitad del licor duro vendido. Aún más extremo, menos del 0,25% de los jugadores móviles son responsables de la mitad de todos los ingresos en el juego.
Sin embargo, la identificación y el encasillamiento de los "super-Paretos" no son suficientemente analíticos; El mercado y el crecimiento del mercado exigen que esas estadísticas descriptivas conduzcan a estadísticas predictivas y prescriptivas. En otras palabras, convierta esos conjuntos de datos en "conjuntos de entrenamiento" para algoritmos inteligentes.
Las organizaciones necesitan identificar las propensiones de Pareto, también - necesitan rajarse algorítmicamente el código en los pequeños ajustes que promueven los impactos del orden de magnitud del negocio. Los gerentes y sus equipos de ciencias de la información deben reorganizarse en torno a potenciales y posibilidades extremas de Pareto, no sólo más y mejores datos.
Por ejemplo, una compañía de equipos industriales de varios miles de millones de euros con más de 2.000 SKU determinó que menos del 4% de sus ofertas eran responsables de un tercio de las ventas y aproximadamente la mitad de la rentabilidad. Pero ampliar el análisis para incluir el servicio y el mantenimiento reveló que aproximadamente 100 productos eran responsables de más de dos tercios de la rentabilidad. Eso impulsó a la empresa a repensar fundamentalmente la fijación de precios y las estrategias de agrupación.
Un análisis más fino de Pareto en torno a los atributos y características del producto, y no sólo a los propios productos, ofreció ideas más provocativas. Los equipos de ingeniería y cuentas de la compañía exploraron los rediseños basados en datos alrededor de las características y conjuntos de funciones deseados en lugar de los propios productos. El procesamiento de una unidad de análisis diferente dio lugar a ideas aún más valiosas de Pareto. La eliminación selectiva de características, por ejemplo, no sólo redujo los costes, sino que también condujo directamente a experiencias de usuario perceptiblemente mejores que, a su vez, aumentaron la participación en un creciente segmento de clientes.
Supra-Paretos
En tercer lugar, a medida que los datos se vuelven más granulares y los algoritmos procesan patrones complejos de maneras más inteligentes, la gestión de la cartera de Pareto ha cambiado. Los analíticos y operativamente astuto ya gestionan los portafolios de Pareto, es decir, una serie de ideas diferentes de Pareto en toda la empresa. Si los paneles KPI no facilitan los datos basados en datos en la información clave de Pareto, la gente está ciega ante futuras oportunidades de optimización y creación de valor.
Cuando los propietarios de procesos individuales, los gerentes de productos y los equipos de ventas enfatizaron una vez que optimizaban su propio núcleo Paretos, ahora empujan, exploran y juegan con Paretos de otras personas. Los gerentes y ejecutivos serios se descomponen y salen de los silos analíticos. Reconocen que sus Paretos pueden intersecarse analíticamente, superponerse y recombinarse productivamente con Paretos en toda la empresa.
Cada vez más, la manera más segura de repensar y revitalizar un Pareto es vincularlo a otro Pareto. A medida que las empresas ricas en datos y algorítmicamente conscientes pasan de manejar individualmente una docena de indicadores clave de Pareto a supervisar cientos, incluso miles, de KPIs empresariales, surgirán nuevos y valientes conjuntos de Pareto. ¿Qué conjuntos ofrecerán las mejores ideas y oportunidades para la nueva creación y captura?
Redes Paretos se ha convertido en una de las iniciativas analíticas más emocionantes y productivas que veo. ¿Qué 10% de los clusters de KPI podrían explicar el 90% de nuevos clientes, crecimiento o márgenes? El reto de la creatividad supra-Pareto requiere una colaboración interfuncional basada en datos. Los gerentes e intrapreneurs sofisticados a través de la empresa quieren fundir innovador sus fews vitales.
En una de las telecomunicaciones globales, se habían desarrollado analíticas de Pareto de todo tipo - descriptivas, predictivas y prescriptivas - para anticipar, prevenir y minimizar el churn. El equipo de gestión de churn había realizado un trabajo excelente para identificar y retener literalmente a millones de clientes en riesgo. Pero los rendimientos decrecientes se habían establecido; El rendimiento se había estabilizado.
Todo cambió cuando el grupo decidió ir de par en par. En lugar de enfatizar las ideas de Pareto acerca de la satisfacción del cliente, las quejas o el servicio, descubrieron varios conjuntos de datos de ventas y marketing de Pareto enfatizando el upselling: el 20% de los clientes que representaron el 80% de los nuevos servicios adquiridos; El 25% de los clientes responsables del 75% de las nuevas líneas o planes de datos.
Analíticamente armados con estos Paretos, el equipo de churn preguntó si realmente podrían invertir a sus clientes, no sólo retenerlos. Análisis de regresión directa y técnicas de modelado basadas en agentes simples encontraron correlaciones de perfil significativas entre Pareto churners y Pareto "upsellees".
Escribir guiones y probar experimentalmente las ofertas resultó bastante rápido, simple y barato. Si bien los resultados finales no fueron revolucionarios, fueron más allá de lo incremental. No sólo los números de retención mejoraron, sino que el equipo de churn gastó menos para mantenerlos y logró superar con éxito un por ciento o dos.
Pero este conjunto de Pareto también generó una bonificación por casualidad, aunque obvia, de negocios. El nuevo Paretos de la churn team resultó útil para las ventas y la función de mercadotecnia. Sus innovadores conjuntos aumentaron la satisfacción del cliente y los números NPS al tiempo que reducían sus propias tasas de churn. Todo el mundo ganó.
El éxito preliminar de los conjuntos de Pareto recuerda la visión crítica de la competencia del Premio Netflix: Los mejores resultados no se obtuvieron de la mejora del rendimiento del modelo individual sino de la creación de conjuntos en los que los mejores atributos fueron amplificados colectivamente. Irónicamente, pero apropiadamente, la analítica de Pareto podría determinar los conjuntos más valiosos.
La lección aquí es que tener un montón de modelos es útil para los resultados incrementales necesarios para ganar competiciones, pero, prácticamente, los sistemas excelentes pueden ser construidos con sólo unos pocos modelos bien seleccionados.
La aplicación rigurosa de la analítica de Pareto a la analítica de Pareto parece obvia, pero pocas organizaciones demuestran esa disciplina todos los días. Eso debe cambiar. La capacidad de predecir mejor los pocos vitales de mañana, la oportunidad de combinar combinadamente KPIs de toda la empresa, se convertirá en fuentes no sólo de mayores eficiencias, sino también de determinantes de las perturbaciones creación de valor.
Cuanto más inteligentes sean sus algoritmos, más necesitan - y su organización - estar aprendiendo de y con Pareto.
Michael Schrage, investigador del Centro de Negocios Digitales del MIT Sloan School, es el autor de los libros Serious Play (HBR Press), ¿Quién quiere que sus clientes se conviertan? (HBR Press) y la hipótesis del innovador (MIT Press).
En segundo lugar, las distribuciones tradicionales han cambiado disruptivamente. El pequeño secreto de productividad de los grandes datos es que la percepción 80/20 de Pareto se ha decaído en un anacronismo empírico. Las empresas analíticamente agresivas ven cada vez más las proporciones de Pareto cerca de 10/90, 5/50, 2/30 y 1/25. Dependiendo de la rigurosidad con la que los datos son cortados digitalmente, cortados en trozos y definidos, 1/50, 5/75, y, sí, 10/150 Paretos emergen. Los "pocos vitales" de Pareto se convierten en "menos vitales".
Las distribuciones extremas trascienden y dominan la industria. Menos del 10% de los bebedores, por ejemplo, representan más de la mitad del licor duro vendido. Aún más extremo, menos del 0,25% de los jugadores móviles son responsables de la mitad de todos los ingresos en el juego.
Sin embargo, la identificación y el encasillamiento de los "super-Paretos" no son suficientemente analíticos; El mercado y el crecimiento del mercado exigen que esas estadísticas descriptivas conduzcan a estadísticas predictivas y prescriptivas. En otras palabras, convierta esos conjuntos de datos en "conjuntos de entrenamiento" para algoritmos inteligentes.
Las organizaciones necesitan identificar las propensiones de Pareto, también - necesitan rajarse algorítmicamente el código en los pequeños ajustes que promueven los impactos del orden de magnitud del negocio. Los gerentes y sus equipos de ciencias de la información deben reorganizarse en torno a potenciales y posibilidades extremas de Pareto, no sólo más y mejores datos.
Por ejemplo, una compañía de equipos industriales de varios miles de millones de euros con más de 2.000 SKU determinó que menos del 4% de sus ofertas eran responsables de un tercio de las ventas y aproximadamente la mitad de la rentabilidad. Pero ampliar el análisis para incluir el servicio y el mantenimiento reveló que aproximadamente 100 productos eran responsables de más de dos tercios de la rentabilidad. Eso impulsó a la empresa a repensar fundamentalmente la fijación de precios y las estrategias de agrupación.
Un análisis más fino de Pareto en torno a los atributos y características del producto, y no sólo a los propios productos, ofreció ideas más provocativas. Los equipos de ingeniería y cuentas de la compañía exploraron los rediseños basados en datos alrededor de las características y conjuntos de funciones deseados en lugar de los propios productos. El procesamiento de una unidad de análisis diferente dio lugar a ideas aún más valiosas de Pareto. La eliminación selectiva de características, por ejemplo, no sólo redujo los costes, sino que también condujo directamente a experiencias de usuario perceptiblemente mejores que, a su vez, aumentaron la participación en un creciente segmento de clientes.
Supra-Paretos
En tercer lugar, a medida que los datos se vuelven más granulares y los algoritmos procesan patrones complejos de maneras más inteligentes, la gestión de la cartera de Pareto ha cambiado. Los analíticos y operativamente astuto ya gestionan los portafolios de Pareto, es decir, una serie de ideas diferentes de Pareto en toda la empresa. Si los paneles KPI no facilitan los datos basados en datos en la información clave de Pareto, la gente está ciega ante futuras oportunidades de optimización y creación de valor.
Cuando los propietarios de procesos individuales, los gerentes de productos y los equipos de ventas enfatizaron una vez que optimizaban su propio núcleo Paretos, ahora empujan, exploran y juegan con Paretos de otras personas. Los gerentes y ejecutivos serios se descomponen y salen de los silos analíticos. Reconocen que sus Paretos pueden intersecarse analíticamente, superponerse y recombinarse productivamente con Paretos en toda la empresa.
Cada vez más, la manera más segura de repensar y revitalizar un Pareto es vincularlo a otro Pareto. A medida que las empresas ricas en datos y algorítmicamente conscientes pasan de manejar individualmente una docena de indicadores clave de Pareto a supervisar cientos, incluso miles, de KPIs empresariales, surgirán nuevos y valientes conjuntos de Pareto. ¿Qué conjuntos ofrecerán las mejores ideas y oportunidades para la nueva creación y captura?
Redes Paretos se ha convertido en una de las iniciativas analíticas más emocionantes y productivas que veo. ¿Qué 10% de los clusters de KPI podrían explicar el 90% de nuevos clientes, crecimiento o márgenes? El reto de la creatividad supra-Pareto requiere una colaboración interfuncional basada en datos. Los gerentes e intrapreneurs sofisticados a través de la empresa quieren fundir innovador sus fews vitales.
En una de las telecomunicaciones globales, se habían desarrollado analíticas de Pareto de todo tipo - descriptivas, predictivas y prescriptivas - para anticipar, prevenir y minimizar el churn. El equipo de gestión de churn había realizado un trabajo excelente para identificar y retener literalmente a millones de clientes en riesgo. Pero los rendimientos decrecientes se habían establecido; El rendimiento se había estabilizado.
Todo cambió cuando el grupo decidió ir de par en par. En lugar de enfatizar las ideas de Pareto acerca de la satisfacción del cliente, las quejas o el servicio, descubrieron varios conjuntos de datos de ventas y marketing de Pareto enfatizando el upselling: el 20% de los clientes que representaron el 80% de los nuevos servicios adquiridos; El 25% de los clientes responsables del 75% de las nuevas líneas o planes de datos.
Analíticamente armados con estos Paretos, el equipo de churn preguntó si realmente podrían invertir a sus clientes, no sólo retenerlos. Análisis de regresión directa y técnicas de modelado basadas en agentes simples encontraron correlaciones de perfil significativas entre Pareto churners y Pareto "upsellees".
Escribir guiones y probar experimentalmente las ofertas resultó bastante rápido, simple y barato. Si bien los resultados finales no fueron revolucionarios, fueron más allá de lo incremental. No sólo los números de retención mejoraron, sino que el equipo de churn gastó menos para mantenerlos y logró superar con éxito un por ciento o dos.
Pero este conjunto de Pareto también generó una bonificación por casualidad, aunque obvia, de negocios. El nuevo Paretos de la churn team resultó útil para las ventas y la función de mercadotecnia. Sus innovadores conjuntos aumentaron la satisfacción del cliente y los números NPS al tiempo que reducían sus propias tasas de churn. Todo el mundo ganó.
El éxito preliminar de los conjuntos de Pareto recuerda la visión crítica de la competencia del Premio Netflix: Los mejores resultados no se obtuvieron de la mejora del rendimiento del modelo individual sino de la creación de conjuntos en los que los mejores atributos fueron amplificados colectivamente. Irónicamente, pero apropiadamente, la analítica de Pareto podría determinar los conjuntos más valiosos.
La lección aquí es que tener un montón de modelos es útil para los resultados incrementales necesarios para ganar competiciones, pero, prácticamente, los sistemas excelentes pueden ser construidos con sólo unos pocos modelos bien seleccionados.
La aplicación rigurosa de la analítica de Pareto a la analítica de Pareto parece obvia, pero pocas organizaciones demuestran esa disciplina todos los días. Eso debe cambiar. La capacidad de predecir mejor los pocos vitales de mañana, la oportunidad de combinar combinadamente KPIs de toda la empresa, se convertirá en fuentes no sólo de mayores eficiencias, sino también de determinantes de las perturbaciones creación de valor.
Cuanto más inteligentes sean sus algoritmos, más necesitan - y su organización - estar aprendiendo de y con Pareto.
Michael Schrage, investigador del Centro de Negocios Digitales del MIT Sloan School, es el autor de los libros Serious Play (HBR Press), ¿Quién quiere que sus clientes se conviertan? (HBR Press) y la hipótesis del innovador (MIT Press).
Editores originales conservan todos los derechos.
No hay comentarios:
Publicar un comentario