El Big Data se analiza usando tres tipos de análisis: descriptivo, predictivo y prescriptivo, cada uno responde una pregunta diferente para ayudarte a tomar mejores decisiones.
El día que Liverpool no supo por qué se llenó de clientes
Era un martes de noviembre. La tienda Liverpool en Perisur registró un aumento del 340% en ventas de ropa de invierno. Los gerentes de piso estaban contentos, pero nadie sabía exactamente por qué había pasado. ¿Fue un influencer? ¿Una promoción viral? ¿El frío repentino? Sin el análisis correcto, ese éxito era solo un golpe de suerte que no se podía repetir.
Ahí está el problema central del Big Data sin análisis: los datos solos no valen nada. Una empresa puede almacenar millones de registros en su data lake, como aprendiste en la lección anterior, y aun así tomar decisiones a ciegas. El análisis es el paso que convierte esos datos en respuestas útiles.
Lo fascinante es que no existe un solo tipo de análisis. Existen tres niveles, y cada uno te lleva más lejos en tu capacidad de decidir. La diferencia entre usarlos bien o mal puede representar millones de pesos en ventas.
Los tres niveles del análisis de datos
Piensa en estos tres niveles como las preguntas que le haces a tus datos. El primer nivel pregunta: ¿qué pasó? El segundo pregunta: ¿qué va a pasar? El tercero pregunta: ¿qué debo hacer?
Cada pregunta requiere técnicas distintas, herramientas distintas y produce resultados distintos. Ninguno es mejor que otro. Son complementarios.
Análisis descriptivo: entender el pasado
El análisis descriptivo responde la pregunta más básica: ¿qué ocurrió?
Este tipo de análisis toma datos históricos y los resume de forma clara. Es el más común y el punto de partida de cualquier estrategia de datos. Cuando ves un reporte de ventas mensual, un dashboard con visitas a una página web, o una gráfica de productos más vendidos, estás viendo análisis descriptivo.
Volvamos a Liverpool. Después de ese martes de noviembre, el equipo de datos revisó las transacciones. Descubrieron que el 68% de las compras de ropa de invierno se realizaron entre las 6 y las 9 de la noche. También descubrieron que el 80% de los compradores habían visitado la sección de electrónicos primero. Eso es análisis descriptivo: no explica el por qué, pero describe con precisión lo que pasó.
Las herramientas más usadas para este análisis son tableros visuales como Power BI o Tableau. También se usan consultas en bases de datos con lenguajes como SQL. El objetivo es siempre el mismo: convertir millones de filas de datos en una imagen comprensible.
El análisis descriptivo es el equivalente a revisar el espejo retrovisor mientras manejas. Indispensable, pero no suficiente.
Análisis predictivo: anticipar el futuro
El análisis predictivo usa datos del pasado para calcular qué es probable que pase en el futuro.
Aquí entran técnicas más avanzadas: algoritmos de machine learning, modelos estadísticos y redes neuronales. El sistema aprende patrones en los datos históricos y los aplica a situaciones nuevas. No adivina. Calcula probabilidades con base en evidencia.
Mercado Libre usa análisis predictivo constantemente. Cuando ves la sección "También te puede interesar", un algoritmo ya calculó, con base en tu historial de navegación y el comportamiento de millones de usuarios similares a ti, cuáles productos tienen mayor probabilidad de que los compres. Según datos públicos de la empresa, este sistema aumenta el valor promedio de cada orden en un 23%.
Para una empresa mediana en México, el análisis predictivo puede verse así: una cadena de restaurantes en la CDMX analiza tres años de ventas y descubre que cada vez que baja la temperatura 5 grados, el consumo de sopas aumenta 40%. El sistema ahora predice automáticamente esas semanas frías y le avisa al área de compras con cinco días de anticipación. Resultado: menos desperdicio de ingredientes y menos desabasto.
Lo que hace poderoso al análisis predictivo no es que sea infalible. Es que te da ventaja. Pasar de reaccionar a anticipar puede marcar la diferencia entre ganar o perder mercado.
Análisis prescriptivo: saber qué hacer
El análisis prescriptivo es el nivel más avanzado. No solo dice qué pasó ni qué va a pasar. Te dice exactamente qué debes hacer.
Este tipo de análisis combina predicciones con reglas de negocio y simulaciones para recomendar acciones concretas. Es como tener un asesor que analiza todas las opciones posibles y te entrega la mejor.
FEMSA aplica esto en su logística de distribución. Sus sistemas analizan en tiempo real el inventario de miles de tiendas Oxxo, las rutas de los camiones repartidores, el clima, los eventos locales y los patrones de consumo por zona. El resultado no es solo una predicción de qué se va a vender. Es una instrucción precisa: "lleva 200 refrescos adicionales de 600ml a la tienda de Insurgentes antes del mediodía del viernes porque habrá un partido de fútbol americano en el estadio cercano". Eso es análisis prescriptivo en acción.
Según estimaciones del sector logístico en México, las empresas que implementan este nivel de análisis reducen sus costos de distribución entre un 15% y un 28%. En una operación del tamaño de FEMSA, eso representa cientos de millones de pesos al año.
Volviendo a Liverpool un año después
Regresa a aquella tienda en Perisur. Después de ese noviembre exitoso pero misterioso, el equipo de datos implementó los tres tipos de análisis.
El análisis descriptivo les mostró que el pico de ventas coincidió con una caída de temperatura de 8 grados ese día y con una mención masiva en redes sociales de un influencer de moda. El análisis predictivo les permitió crear un modelo que detecta automáticamente cuando baja la temperatura y cuando hay menciones relevantes en redes. El análisis prescriptivo ahora les dice, con tres días de anticipación, cuántas prendas de invierno subir al piso de ventas y en qué talla concentrar el inventario visible.
El siguiente noviembre, Liverpool Perisur no solo repitió el éxito. Lo superó. Y esta vez, sabía exactamente por qué.
Por qué el orden importa
Un error frecuente es querer saltar directo al análisis predictivo o prescriptivo sin tener bien establecido el análisis descriptivo. Es como intentar predecir el clima sin tener termómetros confiables.
El análisis descriptivo limpia y organiza la base. Sin datos históricos bien estructurados, los modelos predictivos aprenden patrones equivocados y producen resultados inútiles. En el mundo del análisis de datos existe una frase que los profesionales repiten: "basura entra, basura sale". Si los datos de entrada son malos, el análisis de salida también lo será.
La buena noticia es que hoy existen herramientas accesibles para cada nivel. Google Looker Studio es gratuito y sirve para análisis descriptivo. Plataformas como BigQuery o AWS SageMaker permiten hacer análisis predictivo y prescriptivo a costos que una empresa mediana puede pagar, desde $3,500 al mes dependiendo del volumen de datos.
La decisión que los datos no pueden tomar por ti
Hay algo que ningún análisis, por avanzado que sea, puede reemplazar: el criterio humano.
Los datos te dicen qué es probable, qué pasó y qué deberías considerar. Pero la decisión final siempre tiene un componente humano. Un modelo puede recomendar subir el precio de un producto porque la demanda lo permite. Pero tú decides si eso encaja con los valores de tu marca o con la relación que quieres tener con tus clientes.
El análisis de Big Data no elimina la incertidumbre. La reduce. Y en los negocios, reducir la incertidumbre es una ventaja enorme.