Glosario de IA Strategy & Business
¿Qué es el analytics predictivo?
← Todos los términos del glosarioUso de datos históricos, estadística y machine learning para estimar qué es probable que pase: demanda, bajas de clientes, averías, fraude o ventas.
Explicación
El analytics predictivo usa datos históricos junto con modelos estadísticos y de machine learning para estimar resultados futuros o valores desconocidos. Las preguntas típicas son cuánta demanda habrá el mes que viene, qué clientes es probable que se vayan, qué máquina puede averiarse o qué transacción parece fraudulenta. El resultado suele ser una probabilidad o una previsión, que sirve para actuar antes: ajustar el stock, llamar a un cliente o programar un mantenimiento. Está entre la analítica descriptiva, que explica lo que pasó, y la prescriptiva, que recomienda qué hacer.
Cómo funciona
- Define qué resultado quieres predecir y cómo se va a usar la predicción.
- Reúne datos históricos en los que ese resultado se conoce y construye las variables de entrada.
- Entrena un modelo, como una regresión, árboles con gradient boosting o una red neuronal, y valídalo con datos que no ha visto.
- Intégralo en el proceso donde se toman las decisiones, no solo en un informe.
- Vigila la precisión con el tiempo y reentrena cuando cambien los datos o el negocio.
Usos habituales
- Previsión de demanda y de ventas.
- Bajas de clientes y propensión a comprar.
- Mantenimiento predictivo de equipos.
- Puntuación de fraude y de riesgo de crédito.
- Planificación de plantilla y capacidad en contact centers u hospitales.
- Estimación de la gravedad de siniestros y de reservas en seguros.
Qué hace que funcione
El modelo rara vez es lo difícil. Lo que decide el resultado es si hay suficientes datos históricos fiables, si la predicción llega a tiempo para cambiar una decisión y si alguien responde de actuar con ella.
Además, los modelos pierden calidad cuando cambian las condiciones, así que vigilar la deriva forma parte del trabajo. Y cuando las predicciones afectan a personas, como en crédito o seguros, hay que pensar desde el principio en equidad, explicabilidad y regulación.
Preguntas frecuentes
¿Qué es el analytics predictivo, explicado fácil?
Es usar lo que ha pasado antes para estimar lo que es probable que pase después. Un modelo aprende patrones de los datos históricos y los aplica a los casos actuales para dar una previsión o una probabilidad.
¿Qué diferencia hay entre analítica predictiva y prescriptiva?
La analítica predictiva estima qué es probable que ocurra. La prescriptiva va un paso más allá y recomienda la mejor acción, a menudo combinando predicciones con optimización y reglas de negocio.
¿El analytics predictivo es lo mismo que el machine learning?
No exactamente. El machine learning es una de las técnicas principales del analytics predictivo, junto a la estadística clásica. El analytics predictivo es la disciplina de negocio; el machine learning, parte de sus herramientas.
¿Qué datos necesitas para hacer analytics predictivo?
Registros históricos en los que se conozca el resultado que quieres predecir, más las variables que pueden explicarlo. Los datos tienen que estar razonablemente completos, ser coherentes en el tiempo y estar disponibles cuando se necesita la predicción.
¿Qué precisión tiene el analytics predictivo?
Depende del problema, de los datos y de lo estables que sean las condiciones. Antes de fiarte de un modelo, valídalo siempre con datos que no ha visto y compáralo con una referencia sencilla, como las cifras del año anterior.
Cómo llevarlo a la práctica
Dónde aparece en Thinkia
Para seguir leyendo
Términos relacionados
Fuentes
- Google Cloud · What is predictive analytics? (en inglés)
- AWS · What is predictive analytics? (en inglés)
Actualizado: 2026-10-21