Los modelos analíticos se han convertido en un elemento clave para la toma de decisiones en las organizaciones. Sin embargo, para conseguir una modelización óptima, es necesario tener presente una serie de consideraciones y buenas prácticas. Joaquín María Núñez Varo, Analista del Departamento de Evaluación del ICEX España, nos acompañó a mi compañero Francisco Vílchez, consultor de Analytics, y a mí en nuestro webinar ‘Ask The Expert: Buenas prácticas para mejorar tus modelos analíticos’, para hablar sobre las recomendaciones que se deben seguir a la hora de desarrollar nuevos modelos y cómo las han implementado en la realización de su proyecto: el cuadro de mando sobre género e internacionalización del ICEX.

Un repaso por las buenas prácticas para la mejora de los modelos analíticos

Durante el webinar, Francisco y yo nos encargamos de exponer y demostrar las buenas prácticas que recomendamos implementar en cada una de las fases del ciclo analítico para favorecer el desarrollo y la implementación de los modelos y reducir los riesgos inherentes a la modelización. Aunque en este post no nos adentraremos a fondo en cada una de ellas, sí haremos un breve repaso para recordarlas y tenerlas en mente antes de adentrarnos en el caso de uso.

En primer lugar, debemos mencionar las tres fases del ciclo analítico: la captura y preparación del dato, la fase de analítica y testeo y, por último, la validación y puesta en producción de los modelos.

Para llevar a cabo la primera fase de una forma efectiva, es necesario establecer un flujo de trabajo claro entre los equipos implicados, tener un acceso centralizado a los datos, garantizar la calidad del dato y asegurarse de tener una correcta representatividad de la muestra.

Por otro lado, en la fase de analítica y testeo, es aconsejable organizar el análisis exploratorio de una forma ordenada, analizar el sesgo y la información sensible y comenzar con un modelo inicial rápido que sirva de referencia y punto de partida para ir ajustándolo y mejorándolo.

Para la última fase, es importante poder garantizar la utilidad del modelo para los usuarios finales, así como cuidar la simplicidad para la puesta en producción del modelo y monitorizarlo periódicamente para detectar la posible degradación de las métricas.

La buena noticia es que la plataforma SAS Viya facilita la ejecución de cada una de estas prácticas, fomentando el desarrollo ético, responsable y eficiente de los modelos y reduciendo el tiempo de elaboración de los mismos.

ICEX: impulsando la internacionalización de empresas lideradas por mujeres

Después de este repaso rápido, pudimos ver cómo el ICEX España aplica estas prácticas para su proyecto, consiguiendo así resultados impactantes.

ICEX España Exportación e Inversiones es una entidad pública empresarial de ámbito nacional que promueve la internacionalización de las empresas españolas y la atracción y promoción de la inversión extranjera en España. Para apoyar a la empresa internacionalizada, buscaron descubrir los aspectos que influyen en la competitividad de las empresas y en su evolución en el tiempo y crearon un sistema de recomendación para empresas basado en datos.

En su camino, la entidad española se enfrentó a un interrogante fundamental: ¿es necesario brindar un apoyo diferenciado por género? A raíz de esta pregunta, el ICEX empezó a introducir la perspectiva de género en la internacionalización empresarial.

Para conseguirlo, descargaron de Informa D&B los datos de todos los cargos funcionales de todas las empresas que hay en España y de sus correspondientes accionistas. Después, tuvieron que inferir el género de los accionistas, para lo que se apoyaron en el módulo de preparación de datos de SAS, poniendo en práctica las recomendaciones a seguir para la primera etapa del ciclo analítico. Posteriormente, realizaron un análisis para detectar sesgos, observar los efectos directos e indirectos y ver cómo se interrelacionaban. Un ejemplo de las buenas prácticas que Fran y yo describimos para la segunda fase del ciclo analítico.

Gracias a ello, el ICEX llegó a la conclusión de que existen menos empresas lideradas por mujeres o propiedad de mujeres interesadas en el mercado internacional. Sin embargo, aquellas que sí están interesadas en la internacionalización parecen tener el mismo comportamiento que las empresas lideradas o propiedad por el género opuesto. Al evaluar los efectos indirectos, encontraron una asociación clara entre el género de quien lidera o de quien es propietario de la empresa y aquellos tipos de empresa que tienen menos probabilidades de convertirse en exportadoras regulares, lo que podría implicar una menor potencia de exportación. En este sentido, las empresas lideradas por mujeres exportan menos anualmente. Sin embargo, cuando se observa la titularidad, no hay una variación tan grande.

Estos resultados, combinado con el análisis de las rutas de exportación, donde se ve que hay algunas diferencias en el caso del género del líder de la empresa, pero no así cuando atendemos al género del titular, pueden ser compatibles con los techos de cristal y, a su vez, demuestran que en las mujeres no existe la aversión al riesgo que ciertos estudios les atribuyen.

En este caso concreto, contemplar el género y las interrelaciones que existen es clave para eliminar el sesgo. De no hacerlo, se podría concluir que las empresas lideradas por mujeres o propiedad de mujeres se desempeñan peor, lo que puede traer consecuencias negativas a la hora de conseguir créditos o poder participar en ciertos programas de apoyo. Al modelizar correctamente y comprender los efectos directos e indirectos, el ICEX es capaz de asegurar que el trato que ofrecen a cualquier tipo de empresa no se encuentra sesgado por una relación que en el fondo es indirecta.

Con esta información el ICEX ha construido un cuadro de mando donde se pueden explorar características de las empresas según múltiples variables. Los modelos son reentrenados cada dos años y se hace seguimiento de su rendimiento para garantizar que se encuentran dentro de los criterios de validez. Así pues, se puede utilizar para realizar recomendaciones de carácter predictivo tomando en cuenta factores como quién es el titular de la empresa, qué tipo de producto exporta y cuál es su punto de partida para conocer la probabilidad de que entre o se mantenga en determinados mercados geográficos, lo que es de gran utilidad para la empresa. De esta forma se demuestra la aplicación de las mejores prácticas para la última fase del ciclo analítico, lo que completa el desarrollo ético, responsable y eficiente de los modelos.

¿Quieres conocer todo lo que puedes hacer con SAS Viya?