Entrevista sobre Modelos Predictivos a Dr. Hanns de la Fuente

El pasado día Viernes 17 de Mayo, el Dr. Hanns de la Fuente Mella fue entrevistado en la Radio UCV para el programa "Es Tema a las 12", en que destacados investigadores de nuestra Universidad dan a conocer sus opiniones, a partir de los resultados de sus trabajos de investigación a la comunidad general.

 

A continuación se presenta un extracto de la entrevista. Para escuchar la entrevista completa, haga click aquí.

------------

CV Resumido / Hanns de la Fuente-Mella

Ingeniero Civil Industrial de la PUCV y profesor adjunto de la Escuela de Comercio, Hanns de la Fuente-Mella, es Doctor en Economía y Gestión de las Organizaciones de la Universidad de Zaragoza, España, cuenta con un Diploma de Estudios Avanzados en Economía y Gestión de las Organizaciones, de esta misma casa de estudios. Además, es Magíster en Ingeniería Industrial, mención Gestión de nuestra Universidad, y posee cuatro estancias postdoctorales en U.S. y Europa. En su rol como investigador, posee una vasta trayectoria en el desarrollo de proyectos de investigación y publicaciones de artículos científicos.

Tema 1: Modelos predictivos que ayudan en la toma de decisiones

El análisis de pronóstico, o los modelos predictivos para la toma de decisiones, agrupan una variedad de técnicas estadísticas (modelos estadísticos), aprendizaje automático y minería de datos que analiza los datos actuales e históricos reales para hacer predicciones acerca del futuro o acontecimientos no conocidos.

El Análisis Predictivo es una de las herramientas que forman parte de un conjunto de técnicas más amplio conocido como "Business Intelligence". Por citar un ejemplo, la demanda de especialistas en Análisis Predictivo ha crecido en U.S. a un ritmo de 27% anual (según un trabajo desarrolado por la UOC), cuando la media en dicho país para el resto de demandas es del 11%. Una cifra que ilustra perfectamente la enorme importancia que administraciones, empresas y organizaciones están otorgando al Análisis Predictivo. Esta tendencia al uso del Análisis Predictivo es consecuencia de la nueva cultura que se ha generalizado con respecto a los datos. La capacidad real de almacenar y procesar grandes conjuntos de datos, ligada a los avances experimentados por las TI, ha permitido generar archivos masivos de datos de todo tipo, susceptibles de ser analizados en busca de tendencias.

En el ámbito de la economía/negocios/business intelligence/accounting data analysis, los modelos predictivos extraen patrones de los datos históricos y transaccionales para identificar factores determinantes, riesgos, conductas y oportunidades. Es así como los modelos predictivos identifican relaciones entre diferentes factores que permiten valorar riesgos o probabilidades asociadas sobre la base de un conjunto de condiciones, permitiendo al tomador de decisiones objetivar sus tareas con mayor grado de eficiencia/eficacia.

El resultado esperado de este tipo de metodologías es que el análisis predictivo provea una puntuación o una probabilidad de ocurrencia para cada "id" o "sección transversal" en realidad sujetos en una muestra (cliente, empleado, paciente, producto, vehículo, componente, máquina, unidad de negocio, etc.), con el objeto de determinar, informar o influir procesos en la organización en el que participen un gran número de sujetos, tal y como ocurre en el marketing, en la evaluación de riesgo de crédito, en la detección de fraudes, en la fabricación de productos, en la salud, operaciones gubernamentales, temas sociales, etc.

Tema 2: Ejemplos de modelos predictivos en los que ha participado el investigador

Para llevar los modelos predictivos a mi campo disciplinar, y como lo he mencionado, el Data Science, podríamos definirlo como: "Conjunto de métodos y herramientas que apoyan a la toma de decisiones en las áreas de Finanzas, Contabilidad y Tributación, utilizando la matemática y la estadística.", que es particularmente como lo definimos en nuestra Unidad Académica. Algunos ejemplos donde hemos aplicado este tipo de técnicas son:

Modelamiento predictivo econométrico de los factores determinantes del rendimiento académico de los estudiantes de una carrera en Chile: En esta investigación se analizaron los determinantes del rendimiento académico de los estudiantes de una carrera en Chile, a través del uso de un modelo econométrico, para ayudar a la aplicación de medidas correctivas o mejoras en el proceso de retención de los estudiantes, los factores estudiados están relacionados con los datos de ingreso de los estudiantes (determinantes personales: motivación, género, formación académica previa, puntaje de acceso, notas de enseñanza media; determinantes sociales: estudios de los padres, lugar de prodecencia, tipo de establecimiento educacional, entre otros). Con los resultados fue posible pronosticar el rendimiento académico de primer año de los estudiantes, lo que permitió generar medidas correctivas para aquellos estudiantes que tuvieran pronosticado un rendimiento deficitario.

Experiencias en U.S. (UNLV) y Spain (UNIZAR): En estancias postdoctorales he participado en proyectos de diversa índole, donde el análisis predictivo para la toma de decisiones ya es una realidad, por ejemplo se han desarrollado: Regresiones logísticas multinomiales para estimar y predecir las percepciones de los usuarios de la infraestructura de bicicletas y transporte, en un área metropolitana en expansión en Las Vegas; Una investigación de los efectos de la geografía y el clima sobre el deterioro de los pavimentos de aeropuertos en las instalaciones de la Fuerza Aérea de U.S.; Modelamiento estocástico de los gastos en carreteras y satisfacción del cliente en el Estado de Nevada U.S.; Predicción de series financieras para el departamento de transporte de Nevada utilizando metodologías deterministas y estocásticas; Análisis de los determinantes del crecimiento económico para los países miembros de la OCDE utilizando modelos econométricos y fronteras estocásticas; Predicción del comportamiento del turista en Aragón. Participación del turista e implementación y gestión del E-WOM.

En fin, y como conclusión es posible mencionar que los modelos predictivos para la toma de decisiones ya es una realidad en los países desarrollados, que poco a poco entra con fuerza en países emergentes, como apoyo a la toma de decisiones, no solo para instituciones del ámbito privado sino que para el sector público también. Sólo me queda agradecer a la Vicerrectoría de Investigación y Estudios Avanzados, por la oportunidad que nos brinda a los investigadores de la Universidad para difundir a la comunidad los resultados de nuestros trabajos de investigación.