Soluciones Inteligentes de Diseño de Negocios: Procesos más Analítica

 En el MBE aspiramos a enfrentar el diseño de los negocios con modelos formales que permitan representar las opciones de estructuras de procesos que  llevan a  la práctica una estrategia y un modelo de negocio asociado. Asimismo, para cada proceso de la estructura o arquitectura queremos generar modelos, también formales, que representen el diseño de los componentes de tal proceso. Para ello utilizamos BPMN, el cual  permite detallar las actividades, el flujo y la lógica de un proceso. Pero BPMN no permite diseñar lógica algorítmica compleja para ejecutar las tareas internas de cada actividad, particularmente las que pretenden dar un apoyo automático a decisiones  complejas. Aquí es donde aparece la oportunidad de usar métodos analíticos que permiten el desarrollo de  una lógica que optimiza tales decisiones, por ejemplo, modelos matemáticos de optimización o modelos de Data Mining. La unión del enfoque de diseño de procesos y tales métodos analíticos genera la posibilidad de una nueva clase de diseño de negocios, que llamaremos soluciones inteligentes. Éstas se diferencias de las soluciones tradicionales -que sólo mejoran los manejos de información en un proceso, como lo hacen típicamente los ERP, o racionalizan los procesos, eliminando actividades innecesarias o mejorando las existentes con lógicas basadas en la experiencia- en cuanto a abordar a fondo y de manera rigurosa las decisiones que existen dentro de un proceso. Para proveer apoyos a tales decisiones se utiliza la Analítica. En el MBE tenemos una experiencia acumulada importante de integración de procesos y Analítica, la cual nos ha permitido incorporar en los patrones que utilizamos tal integración. Resumimos, a continuación, algunos de los casos importantes, desarrollados en tesis del MBE, que han hecho uso de tal integración y los resultados conseguidos.En un uno de los más grandes bancos de la plaza se diseñó un nuevo proceso de atención al cliente en sucursales que perseguía alinearse con una política de mejora de servicio; al hacer tal diseño se vislumbró la posibilidad de que, aprovechando el contacto con el cliente, se generara la posibilidad de ofrecerle algún producto de manera proactiva. Por las características de los clientes se eligió el producto seguro como opción. Ahora, para hacer esto más eficiente y efectivo se optó por hacer Data Mining sobre los datos históricos del tipo de clientes para establecer cuáles podrían estar interesados en el producto. Se concluyó que habían grupos definidos con gran precisión por medio de reglas que eran potenciales compradores. Entonces aplicando tales reglas a los clientes que llegan a sucursales se puede establecer a cuáles ofrecerles un seguro. El resultado de este diseño fue que, además de disminuir el  tiempo de atención al cliente en 35 %, la tasa de éxito de las oferta se estableció era de 18%.En un proyecto de rediseño del proceso de desarrollo de software en una empresa del rubro servicios informáticos, se formalizaron las tareas introduciendo buenas prácticas provenientes de CMMI y de Gestión de Proyectos. El aspecto que originó el uso de Analítica fue la asignación de especialistas a proyectos, lo cual se hizo por medio de una heurística originada en un modelo de Programación Matemática Discreta. Este proyecto, además de conseguir los resultados esperables en cuanto asegurar plazos de los proyectos de software, permitió un mejor uso de los recursos humanos de desarrollo. Un proyecto similar en cuanto a estructura se está desarrollando en el procesamiento de pólizas en una compañía de seguros, donde el problema de asignación es de especialistas a las pólizas en proceso, el cual se está resolviendo con un modelo de Programación Lineal Discreta.En el Ministerio del Trabajo se diseñó un nuevo proceso para gestionar las fiscalizaciones de empresas con el fin de asegurar que los escasos recursos humanos se aplican a aquéllas que realmente son potenciales infractoras de las leyes laborales, maximizando con esto el beneficio social asociado al corregir  las situaciones que originan las infracciones. Para ello se utilizó Data Mining con datos históricos de empresas fiscalizadas para agruparlos en categorías de acuerdo al número y gravedad  de infracciones cometidas. Para tales grupos se desarrollaron árboles de decisión que permiten precisar las reglas que definen  a los infractores; tales reglas, definidas en base a los atributos de las empresas, se pueden aplicar a las bases de datos del Servicio para establecer las empresas que deben ser fiscalizadas y que tienen una mayor probabilidad de ser infractoras, centrando los esfuerzos de los inspectores dónde realmente se necesita corregir problemas. Esto se está utilizando regularmente para generar planes de inspección  en el Ministerio del Trabajo.En hospitales públicos está trabajando un grupo de más de diez tesistas del MBE, financiados con recursos de un proyecto Mecesup,  en el diseño de procesos claves que determinan la calidad del servicio y el uso de los recursos en estas organizaciones. Los temas donde se ha dado la integración de procesos y Analítica es  la gestión de capacidad de los servicios de urgencia y la gestión de listas de espera de cirugía y de los pabellones en que éstas se realizan. Dentro del diseño del proceso de gestión de capacidad, se ha determinado la necesidad de pronosticar la demanda de servicios de urgencia, para lo cual se han usado los métodos analíticos de redes neuronales y support vector regression, con resultados muy precisos (errores de pronóstico del orden de 5%). Esto permitió determinar la capacidad necesaria para satisfacer la demanda y compararla con la disponible, como base para tomar acciones de asignación de recursos, lo cual se está apoyando con un modelo de Programación Lineal Entera. Este proceso rediseñado se utilizó como base para decidir cómo enfrentar la campaña de Invierno de 2010 en el Hospital Calvo Mackenna. En pabellones se ha diseñado un proceso que incluye la programación de éstos con una heurística, asignando los pacientes en lista de espera respetando una serie de restricciones –por ejemplo, disponibilidad de pabellones, horarios de médicos, especialidad que requiere una operación, etc.- y tratando de maximizar el uso de las instalaciones. Los resultados hasta este momento muestran que es posible incrementar el uso de pabellones en un rango de a lo menos 10% a 15%; pero eliminando una serie de restricciones originadas en prácticas históricas no indispensables, la utilización podría incrementarse hasta en un 50% en algunos hospitales.Además hay varios proyectos más antiguos que están documentados en el libro Ingeniería de Negocios (Capítulos 8 y 9) el cual se puede ver en blog.obarros.cl. Se trata de: el diseño del proceso de gestión de riesgo operacional en un banco usando modelos analíticos para cuantificar tal riesgo, el diseño del proceso de generación de la programación televisiva en un canal público usando modelos matemáticos de estimación de rating y el diseño del proceso de evaluación y recalibración de modelos matemáticos de scoring en un banco; estos dos últimos casos se encuentran documentados es detalle en la sección de tesis de blog.obarros.cl.Hay otros casos interesantes que mezclan Analítica y procesos,  en desarrollo en el MBE,  que resumimos a continuación.En una aerolínea internacional  se está rediseñando el proceso de planeamiento y ejecución de campañas de venta y promoción, el cual se basa en un modelo matemático que pronostica la demanda por vuelos en cada uno de los tramos que vuela esta empresa. En este rediseño se está perfeccionando el modelo de pronóstico probando nuevos  métodos analíticos que mejoren la precisión de la estimación.En un banco de la plaza se está diseñando un proceso para llevar a la práctica un nuevo producto orientado a pequeñas empresas. El proceso requiere un modelo de scoring especialmente orientado a estas empresas, el cual se está desarrollando con técnicas de Data Mining.En una empresa que comercializa productos tecnológicos para soluciones documentales se está diseñando un proceso para cambiar el modelo de negocio desde venta pasiva, a requerimiento de los clientes, a  venta proactiva.  Para este nuevo enfoque se requiere la capacidad de modelar el comportamiento de los clientes para establecer quiénes, de acuerdo a determinadas características, serían potenciales compradores de las soluciones que la empresa puede configurar. Este comportamiento se está analizando con técnicas analíticas de Data Mining con el fin de establecer clusters de clientes que sean potenciales compradores de particulares soluciones.En resumen, el MBE se ha convertido en un laboratorio de innovación en el uso de métodos analíticos en  el contexto de procesos, mostrando con casos prácticos que es posible masificar su uso consiguiendo resultados de optimización de toma de decisiones para el mejor manejo de las operaciones y recursos. Este Magíster está abierto a trabajar con empresas innovadoras que quieran plegarse a este enfoque, enviando sus profesionales  al MBE o auspiciando alumnos de Ingeniería Industrial que se incorporan al mismo para que realicen proyectos similares a los arriba resumidos. La experiencia de las muchas empresas que han participado es que se pueden lograr resultados muy significativos y a bajo costo, los cuales, por la exigencia del Magíster, deben quedar implementados, a lo menos a un nivel piloto, en tales empresas.

Comments are closed.