S3-waze

Ejemplo:

Modelo Waze

Comenzar

Modelo Waze-¿Qué es?

Gestión de la información

Dispositivo electrónico

Analítica de datos

Waze es una aplicación orientada a personas que conducen vehículos, que captura información de ubicación y velocidad de sus usuarios para estimar condiciones de tráfico y sugerir rutas. Waze cuenta con mapas detallados de vías, oficinas comerciales, puntos de atención, etcétera, que le permiten a una persona buscar su destino de interés y obtener las indicaciones para llegar allí.

Interacción con el usuario

Activación de algoritmos

Modelo Waze-¿Cómo funciona?

Internamente, Waze describe las vías como una red de puntos que representan las intersecciones viales, conectados por enlaces que representan las calles que van de una intersección a otra.

Modelo Waze-¿Cómo funciona?

Este modelo se conoce como un grafo, y permite representar un conjunto de puntos interconectados. Para alimentar este modelo, es necesario nutrirlo con información sobre la distancia de cada vía, y muy especialmente el tiempo que toma recorrerla. Como este tiempo depende de las condiciones de tráfico, y cambia constantemente, Waze observa las velocidades reportadas por sus usuarios para determinar la velocidad promedio en cada vía. Con esta información, Waze puede responder un gran número de consultas.

Modelo Waze

Haz clic en cada botón para conocer profundidad los tipos de analítica de datos.

DESCRIPTIVA

Estas consultas las clasificaremos de acuerdo con el tipo de analítica necesaria para resolverlas: descriptiva, predictiva o prescriptiva.

PREDICTIVA

PRESCRIPTIVA

DESCRIPTIVA

PREDICTIVA

PRESCRIPTIVA

Analítica descriptiva

Con este tipo de analítica queremos describir una realidad que capturan los datos. Para esto hacemos uso de herramientas estadísticas que representan de manera concisa una gran cantidad de datos. Por ejemplo, en este caso Waze nos indica que la velocidad promedio en una vía de interés es de 5.7 km/h, resumiendo en un valor las observaciones de múltiples vehículos. En general, este tipo de resumen, si bien es informativo, no es suficiente.

DESCRIPTIVA

PREDICTIVA

PRESCRIPTIVA

Analítica descriptiva

Es importante revisar medidas de dispersión, como la varianza o los percentiles de los datos, que nos den más información sobre los datos. En el caso de Waze, por ejemplo, un valor muy interesante puede ser la tendencia de la velocidad. Si la velocidad actual es baja, pero tiene una tendencia creciente, es posible que el tráfico se encuentre mejorando y pronto la velocidad vuelve a valores aceptables. Por el contrario, si la tendencia es decreciente, el problema puede ser más permanente y se vuelve necesario evitar esta vía.

DESCRIPTIVA

PREDICTIVA

PRESCRIPTIVA

Analítica descriptiva

Aquí es importante hacer énfasis en la importancia del análisis descriptivo. Debido a que en un primer acercamiento que parece sencillo, tiende a subestimarse al compararse con métodos predictivos y prescriptivos. Sin embargo, un buen análisis descriptivo es fundamental para entender apropiadamente los datos y construir buenos modelos predictivos y prescriptivos.

Analítica predictiva

En este caso estamos interesados en predecir el valor de una variable de interés cuyo valor es desconocido a partir de otras variables a las que tenemos acceso. En el caso de Waze, podemos usar la opción que nos ofrece para determinar el tiempo que nos tomará realizar un viaje el próximo fin de semana. Para estimar este valor, Waze emplea los históricos de tiempos observados de los usuarios, considerando el día y hora del viaje, de tal manera que la predicción sea lo más cercana a la realidad, dada la información histórica disponible.

DESCRIPTIVA

PREDICTIVA

PRESCRIPTIVA

Analítica predictiva

Predicción

Pronóstico

Vs.

Es importante no confundir el término predicción con el de pronóstico, pues en el caso de la predicción el valor de la variable no tiene que ser futuro, como en el caso del pronóstico, sino que puede referirse a una variable actual para la cual simplemente no tenemos información.

DESCRIPTIVA

PREDICTIVA

PRESCRIPTIVA

Analítica predictiva

Un ejemplo de esto es el interés de un cliente por adquirir un producto. Aunque no sabemos si el cliente está interesado o no en el producto, queremos saber si lo está a partir de otras variables que pueden ser relevantes. Si el producto de este ejemplo es un juguete para niños entre 3 y 5 años, por ejemplo, seguramente tener información sobre la edad del cliente y si tiene o no hijos es relevante. También lo es el tipo de productos que adquiere, ya que estos pueden señalar si también está interesado en el nuevo producto y así podríamos generar una recomendación personalizada. En el ejemplo del juguete para niños, si el cliente compra habitualmente otros juguetes o productos para niños, podríamos inferir que tiene mayor probabilidad de adquirir este nuevo producto que un cliente sin ese historial.

DESCRIPTIVA

PREDICTIVA

PRESCRIPTIVA

Analítica predictiva

Los pronósticos se pueden considerar como un caso particular de predicción, en los que estamos interesados en estimar el valor de una variable en el futuro. Un ejemplo común es el de predecir el precio de un bien transado en un mercado, como una moneda, un criptoactivo, o un commoditiy. Teniendo en cuenta los valores pasados del precio y de otras variables relevantes, por ejemplo, macroeconómicas, buscamos estimar el valor de la variable en el futuro.

DESCRIPTIVA

PREDICTIVA

PRESCRIPTIVA

Analítica predictiva

Un tipo de análisis complementario al descriptivo y predictivo es el diagnóstico, donde buscamos identificar las razones por las que se observó un resultado. En el caso de la planeación de proyectos, el análisis predictivo busca determinar el tiempo que tomará realizar el proyecto, mientras que el análisis diagnóstico busca determinar las razones por las que se obtuvo un cierto resultado (por ejemplo, un tiempo de ejecución excesivamente prolongado). En el caso de la empresa de retail con múltiples tipos de clientes, el análisis predictivo busca determinar la probabilidad con la que un cliente compra un producto dadas sus características, mientras un análisis diagnóstico busca determinar por qué un cliente compró o no ese producto.

DESCRIPTIVA

PREDICTIVA

PRESCRIPTIVA

Analítica prescriptiva

La analítica prescriptiva la podemos ver en el uso más común que hacemos de Waze, donde le pedimos instrucciones para llegar a nuestro destino seleccionado. Waze toma su información actual e histórica y genera una ruta recomendada como la mejor, es decir, la de menor duración. A partir de allí Waze nos orientará sobre la ruta, diciéndonos en cada intersección qué dirección tomar. En otras palabras, el algoritmo detrás de esta funcionalidad de Waze prescribe la mejor ruta de acuerdo con algún criterio de evaluación de alternativas. El poder de este algoritmo radica en su capacidad de evaluar un gran número de opciones, considerar incertidumbres en las condiciones, así como posibles ajustes en tiempo real, y tomar una decisión sobre la mejor opción disponible.

DESCRIPTIVA

PREDICTIVA

PRESCRIPTIVA

Analítica prescriptiva

Para realizar esta labor de prescripción, es necesario contar con métodos de optimización, que seleccionan la mejor opción posible considerando las múltiples restricciones del problema.

En el ejemplo que mencionamos anteriormente sobre selección de proyectos, la analítica prescriptiva puede ser precisamente la herramienta adecuada para determinar las mejores opciones de inversión. Otro caso en el que la analítica prescriptiva es importante es para el problema de recomendación, como en servicios de streaming, donde se busca recomendar a cada usuario películas que mejor se adaptan a su perfil. En estos casos se busca determinar la selección de ítems que tienen mayor probabilidad de resultar llamativos a un cliente en particular, debido, por ejemplo, a que ítem les ha gustado a personas con perfiles similares.

DESCRIPTIVA

PREDICTIVA

PRESCRIPTIVA

Analítica prescriptiva

En muchos casos, la analítica prescriptiva hace parte de un ciclo de toma de decisiones en el que se involucran personas que usan las recomendaciones del modelo para tomar la decisión final. Este tipo de operación se conoce como human in the loop, y contrasta con casos 100 % automáticos, donde la decisión del modelo es adoptada inmediatamente. La selección de una u otra opción depende del contexto de aplicación específico.

DESCRIPTIVA

PREDICTIVA

PRESCRIPTIVA