Concepto y análisis de la estadística multivariada

En la actualidad, el análisis estadístico está adquiriendo cada vez más relevancia en la toma de decisiones en las empresas. Se habla de decisiones data driven, que son las decisiones basadas y apoyadas en el análisis de datos. Concretamente, las áreas de business intelligence canalizan esta información a través de análisis descriptivos de datos reales e históricos, donde establecen con algoritmos unos patrones predictivos concretos de comportamiento de los datos y pronostican qué va a pasar por la probabilidad de que suceda una determinada acción. La ventaja es que, al usarse para entender los resultados y los datos reales de CRM o bases de datos internas de la empresa, su uso se encuentra mucho más extendido en las empresas que las técnicas prescriptivas pertenecientes al big data. 

Tanto las áreas de investigación de mercados como las de business intelligence son las encargadas de realizar este tipo de análisis. Esto permite, entre otras cosas, revisar qué ha pasado con el presupuesto ejecutado al final del año o pronosticar las ventas del próximo año. 

Un ejemplo concreto de la aplicación de estas técnicas multivariantes para la toma de decisiones es la optimización de los presupuestos de marketing. A través de la regresión lineal, podemos analizar hasta qué punto la variable ventas reales se encuentra explicada por cada una de las variables de marketing con la idea de ver cuánto impacta cada campaña en mis ventas. Cada variable de marketing representa una campaña realizada en el año y sus costes asociados; a más variables más fiable será el modelo. La regresión lineal nos permite crear una relación entre las variables dependientes e independientes, donde serán los pesos o carga beta resultantes del modelo los que nos indicarán qué campañas son las más exitosas en términos de ventas y cuáles no. Además, se trabaja estadísticamente con los errores originados de la regresión lineal para validar el modelo y verificar cuál es el que más se acerca a la realidad. Recordemos que el error en estadística está asociado a esa desviación entre lo que se «predijo» estadísticamente y el valor real.

El análisis me permite incluso relacionar esto con el ROI de marketing, ya que al determinar qué ventas trae cada campaña, se puede aplicar la ratio de rentabilidad relacionando así los costes e ingresos de la campaña y obteniendo específicamente el retorno de esta. 

Este es un claro ejemplo de cómo nos ayudan las técnicas multivariantes en la toma de decisiones y de que, con un correcto registro de los datos reales de la empresa, se pueden tomar decisiones aislando la incertidumbre con la que se trabajaba históricamente.

La business intelligence complementa la visión de la investigación de mercados y al big data en la toma de decisiones de la empresa y concretamente en el área de marketing, ya que puede tener muchas aplicaciones prácticas tanto a nivel estratégico como en el día a día de la toma de decisiones.