La inteligencia artificial generativa está en auge, la economía submit-Covid sigue tambaleándose y la crisis climática está creciendo. En medio de esta disrupción, ¿qué problemas prácticos están tratando de resolver las empresas globales en 2023?
Cada año, el proyecto ultimate del MIT Sloan Grasp of Business Analytics Capstone asocia a los estudiantes con empresas que buscan resolver un problema empresarial con análisis de datos. El programa ofrece una visión única y cercana de lo que enfrentaban las empresas a principios de 2023. Este año, los estudiantes trabajaron en 41 proyectos diferentes con 33 empresas diferentes. Los proyectos ganadores analizaron medir la innovación a través de patentes para Accenture y utilizar inteligencia synthetic para mejorar la seguridad de los medicamentos para Takeda.
«Esta tradición anual es una profunda revisión de la ‘lista de deseos de datos’ de los principales líderes en análisis de la industria», dijo el profesor Sloan del MIT.
Aquí hay tres preguntas que las empresas buscan responder con análisis.
1. ¿Cómo pueden los datos ayudarnos a identificar el crecimiento en regiones geográficas específicas?
Las empresas que buscan abrir nuevas ubicaciones o invertir en bienes raíces están utilizando datos para encontrar áreas que estén preparadas para crecer.
Comprender la urbanización es importante para empresas como JPMorgan Chasecuyo objetivo es llegar a nuevos clientes y atender a los clientes existentes mediante la apertura de nuevas sucursales bancarias en ciudades de EE. UU. Para saber qué áreas es possible que crezcan en el futuro, la compañía está utilizando imágenes satelitales (incluida la segmentación de la cobertura del suelo de Google) para predecir las tasas de urbanización e identificar puntos críticos.
Las pequeñas y medianas empresas representan alrededor del 99% de las empresas estadounidenses, pero sólo el 40% de la economía estadounidense. Utilizando datos históricos de transacciones y datos del censo de EE. UU., Visa está analizando qué partes de EE. UU. tienen mayor potencial para el crecimiento de las PYMES y qué palancas puede utilizar para ayudar a desarrollar esas áreas, como ayudar a las empresas a aceptar transacciones digitales.
La empresa de gestión de activos Columbia Threadneedle quiere identificar áreas prometedoras para la inversión inmobiliaria en Europa mediante la creación de una herramienta predictiva para el crecimiento de la ubicación, utilizando factores como factores económicos, habitabilidad, conectividad y demografía. Los estudiantes de MBAn crearon una herramienta que predice el potencial de crecimiento a largo plazo para más de 600 ciudades e identifica factores clave utilizados para hacer esas predicciones.
2. ¿Cómo pueden los datos ayudarnos a empoderar a los trabajadores de primera línea?
Los empleados que trabajan directamente con los clientes o en el campo a menudo tienen que hacer conjeturas y tomar decisiones rápidas. Las empresas están recurriendo al análisis de datos para crear herramientas de soporte que mejorarán la eficiencia, la precisión y las ventas.
Bebidas Coca-Cola Suroeste busca mejorar la forma en que los trabajadores de primera línea evalúan el inventario de la tienda y crean pedidos, un proceso que ahora requiere mucho tiempo y es propenso a errores. Utilizando datos demográficos, tendencias de consumo, datos históricos de ventas e información de falta de existencias, un algoritmo de pronóstico de ventas mejorará los pronósticos, aumentará las ventas y simplificará las operaciones.
Manejar world wideuna empresa de tecnología de la cadena de suministro de atención médica, busca ayudar a los hospitales a estimar la asignación presupuestaria y los gastos de funds para dispositivos médicos, dada la rotación de activos, las variaciones en tipos y modelos, y las fusiones y adquisiciones entre fabricantes y sistemas hospitalarios. La empresa busca desarrollar una herramienta de apoyo a la toma de decisiones que utilice datos históricos para tomar mejores decisiones de compra.
3. ¿Cuál es la mejor manera de aprovechar al máximo conjuntos de datos grandes o difíciles de manejar?
Si bien el análisis de datos puede producir resultados potentes, algunos datos siguen siendo difíciles de procesar, como los datos no estructurados (datos que no se ajustan a un formato específico) o grandes conjuntos de datos. Las empresas están buscando formas de procesar y obtener información de manera eficiente a partir de este tipo de datos, cuyo procesamiento puede llevar mucho tiempo y ser ineficiente.
Artículos relacionados
Los datos sobre los precios de los seguros médicos ahora están disponibles para las empresas competidoras, gracias a una nueva regulación del gobierno de EE. UU. Pero no es fácil acceder a esta información debido al gran volumen de datos, el incumplimiento por parte de las aseguradoras de los requisitos de divulgación y los datos que se dividen en varias categorías diferentes. Wellmark Cruz Azul y Escudo Azul busca crear una herramienta de transparencia de la tasa de cobertura que recomiende precios y áreas de negociación para ayudarlo a mantener una ventaja competitiva y obtener ganancias óptimas.
empresa de servicios de informacion Wolters KluwerLa unidad de negocios de cumplimiento ayuda a las empresas a cumplir con los requisitos reglamentarios mientras gestionan el riesgo y aumentan la eficiencia. Pero verificar documentos gubernamentales, como registros de vehículos, puede ser un proceso propenso a errores y que requiere mucho tiempo, y los documentos tienen una alta tasa de rechazo. La empresa busca crear un sistema de clasificación de documentos utilizando procesamiento de lenguaje all-natural y visión por computadora que haga que el papeleo que generalmente se maneja manualmente sea más preciso y más fácil de procesar.
CogniSure AI se creó en 2019 para utilizar la tecnología para resolver el problema de los datos no estructurados, que dificultan la digitalización de la industria de suscripción de seguros. La empresa busca crear una herramienta genérica de aprendizaje automático para procesar documentos que aún no están automatizados, como las ejecuciones de pérdidas (historiales de reclamaciones de pérdidas pasadas) que tienen formatos y estructuras complejos y variados.
Ver todos los proyectos finales
