Estás leyendo
Organizaciones de todo el mundo adoptan Qlik AutoML para llevar la potencia del machine learning a los equipos de analítica

Organizaciones de todo el mundo adoptan Qlik AutoML para llevar la potencia del machine learning a los equipos de analítica

  • Organizaciones de todo el mundo están adoptando Qlik AutoML para predecir mejor la pérdida de clientes, impulsar la eficiencia, y captar y retener a los clientes mediante el modelado de resultados probables y estrategias de pivoteo basadas en predicciones
Qlik

Desde que se lanzó al mercado a principios de este otoño, organizaciones de todos los sectores han adoptado Qlik AutoML para  mejorar su capacidad de toma de decisiones  con la potencia del machine learning aplicado al 90% de los casos de uso que no requieren de la profunda experiencia de los científicos de datos.

El machine learning se utiliza en todos los sectores, pero su adopción y más amplio se han visto limitados por la falta de ancho de banda y recursos de los científicos de datos. Qlik AutoML está llenando ese vacío aportando una forma sencilla para que los usuarios y de analítica de aprovechen esta tecnología para entrenar modelos, hacer predicciones y planificar decisiones en sus casos de uso actuales. Con Qlik AutoML, las organizaciones pueden explorar datos predictivos y probar escenarios hipotéticos directamente en Qlik Sense®, lo que les permite tener alertas y automatizaciones en las distintas acciones que se desarrollan en todo el negocio.

Organizaciones de todo el mundo están adoptando Qlik AutoML para predecir mejor la pérdida de clientes, impulsar la eficiencia, y captar y retener a los clientes mediante el modelado de probables y estrategias de pivoteo basadas en predicciones. Un ejemplo es Polygon Research, que proporciona a la industria hipotecaria con inteligencia de mercado accionable. Polygon utiliza Qlik AutoML para realizar predicciones en áreas como la devolución de préstamos para ayudar a los prestamistas a realizar las intervenciones adecuadas ofreciendo opciones de refinanciación o modificación de préstamos.

Aquí es donde AutoML brilla de verdad.Se puede llegar a los préstamos individuales, ver los porcentajes de cada una de las variables y, a continuación, ver la decisión acumulada: ¿este prestatario va a pagar por adelantado o no? ¿Cuál es la predicción y cuál es su certeza?Greg Oliven, CTO de Polygon Research

Hay casos de uso comunes de AutoML en todos los departamentos de una organización: ventas (previsión/retorno/retención), marketing ( del tiempo de vida del cliente y previsión de la demanda), finanzas (gestión del riesgo y optimización de la inversión), RRHH (retención/satisfacción/captación de empleados) o incluso la cadena de suministro (predicciones de inventario/cuellos de botella u optimización del transporte) pueden beneficiarse de mejores predicciones que impulsen un engagement proactivo.

La analítica moderna, cuando se potencia con el machine learning, puede eliminar las conjeturas y ayudar a los responsables de la toma de decisiones a saber qué es probable que ocurra, por qué y, fundamentalmente, qué cambios influirán en el resultado. Qlik AutoML está ayudando a las organizaciones a obtener más de sus y a empoderar a sus para que miren todas las casuísticas a la hora de tomar decisiones que impacten en los resultados.Josh Good, vicepresidente de marketing de productos de Qlik

 

 

 

Utilizamos cookies para facilitar la relación de los visitantes con nuestro contenido y para permitir elaborar estadísticas sobre las visitantes que recibimos. No se utilizan cookies con fines publicitarios ni se almacena información de tipo personal. Puede gestionar las cookies desde aquí.    Ver Política de cookies
Privacidad