Durante casi 50 años, Cabela's ha estado vendiendo sus productos para la caza, la pesca, y el aire libre a través de catálogos de pedido por corre; actualmente produce más de 100 catálogos diferentes, y envía 130 millones de copias al año. Sin embargo, la empresa con sede en Sidney, Nebraska, ha estado intentando reducir el envío de correspondencia a personas que es poco probable que compren a medida que el precio del papel y los gastos de envío han aumentado.

Así que durante el último par de años, Cabela's ha dependido fuertemente del software de análisis predictivo que se ha basado en la montaña de datos que la empresa ha generado a partir de los compradores en su portal web mundial y en sus 30 tiendas en América del Norte. Usando las herramientas de SAS Institute, una empresa privada, Cabela's ha construido un modelo que clasifica a los clientes desde los que tienen el mejor historial de compra hasta los que tienen el peor. A continuación, añade más de 15 variables predictivas, incluyendo las categorías de productos preferidas de un cliente y su código postal. A cada cliente se le asigna una puntuación de 1 a 100--cuanto más alto es su "número de estrellas," mayor es la proyección de ingresos. La puntuación determina si y cuando Cabela's cada uno de sus catálogos a un cliente determinado.

El objetivo es "determinar la cantidad que cada cliente se va a gastar con nosotros durante los próximos 12 meses", indica Corey Bergstrom, director de investigación y análisis de mercado de la empresa de 2.6 mil millones de dólares. Algunos clientes de alto valor obtienen beneficios especiales, tales como un soporte telefónico más sofisticado. "Si usted se merece el tratamiento de tipo de guante blanco", Bergstrom añade, "tenemos que saber quién es para que poder hacer un esfuerzo adicional para usted."

Desde la introducción del modelo, Cabela's ha cuadruplicado la tasa de respuestas a su catálogo. En otras palabras, en este momento, las personas que lo reciben es cuatro veces más probable que compren algo. Ha llegado a un punto, afirma Bergstrom, donde "podemos predecir qué es lo próximo que comprará un cliente en concreto." Por ejemplo, un cliente que compró señuelos de pato podría estar buscando un kit de limpieza de escopeta.

Nunca antes las empresas habían podido reunir una cantidad tal de datos sobre sus clientes. Sin embargo, el software de análisis predictivo representa una parte bastante pequeña del mercado mundial de 1,4 mil millones dólares del software de inteligencia de negocio, según la empresa de investigación de mercado IDC. Esto es probablemente debido a que la aplicación eficaz de este tipo de software requiere un compromiso de todos los trabajadores, desde el director general hasta las personas de servicio al cliente, señala Bergstrom: "Se trata de construir una cultura de aprovechamiento de uno de los mayores activos de que disponen la mayoría de las empresas--la información."

El análisis predictivo trabaja minando los datos capturados por las empresas. En primer lugar, se utilizan unos sofisticados algoritmos de ordenador o ecuaciones matemáticas para crear un modelo estadístico. Se introducen unas variables seleccionadas como la edad, el sexo, y los informes de puntuación de crédito, y estos algoritmos calculan automáticamente las relaciones predictivas potenciales--patrones que apuntan al futuro. Armadas con esta información, las empresas pueden anticiparlo todo más fácilmente, desde los vacíos de inventario y las devoluciones de productos al nivel de ventas y la pérdida de negocio--profecías que pueden aumentar la línea de fondo de una empresa.

El análisis predictivo también puede revelar verdades ocultas sobre los clientes--verdades que pueden influir en los procesos de negocio. El año pasado, XO Communications, una empresa de telecomunicaciones con sede en Herndon, Virginia, tuvo problemas para entender por qué muchos de sus suscriptores de voz sobre IP terminaban su contrato durante el primer año, recuerda Cris Payne, director de inteligencia de clientes.

Usando el software de análisis de la unidad de negocios SPSS de IBM, la empresa hizo un descubrimiento sorprendente: muchos de sus clientes estaban sufriendo errores de facturación que les llevaba a abandonar la empresa tan pronto como sus contratos vencían. El modelo mostró que los clientes tenían más probabilidades de abandonar el barco si habían recibido un aviso de suspensión de cuenta equivocado. Después de que el error fuera solucionado, los clientes aún enojados esperaban a que terminara el resto de su contrato y no lo renovaban. Pese a las quejas que los centros de llamadas de XO recibían acerca de los errores de facturación, la empresa simplemente no habría hecho la conexión sin la herramienta de análisis predictivo, afirma Payne.

Para rectificar la situación, XO Communications presentó una revisión de la primera factura, en la que un representante de atención al cliente repasa los detalles de sus prácticas y procedimientos de facturación con cada nuevo cliente. Según Payne, el resultado fue una reducción del 60 por ciento de "la pérdida de clientes", que sobrepasó la inversión de 750.000 dólares en el nuevo software en el primer año de su implementación.

"Si no hubiéramos usado el análisis predictivo, probablemente aún estaríamos luchando por obtener más altas que nuestras bajas", afirma Payne. "Realmente nos ha permitido tapar un agujero y crecer".

Sin embargo, las historias como esta pueden ayudar a explicar por qué tan pocas empresas usan el análisis predictivo. Eric King, presidente de Modeling Agency, una consultora de modelos de predicción, señala que no todas las empresas están interesadas en una evaluación honesta de cómo sus procesos de negocio normales están funcionando. Él lo llama el efecto Jack Nicholson--¡Usted no puede soportar la verdad!--y advierte que "si no podemos aplicar el asesoramiento que proporciona un modelo de predicción, el proyecto perderá su sentido".

Los modelos de predicción tampoco ayudan mucho si las empresas no los ajustan para reflejar los cambios en el mercado o en su base de clientes. Cabela's ha modificado recientemente uno de sus modelos, la reclasificación de sus destinatarios potenciales de un catálogo como "hogares" en lugar de "individuos". Anteriormente, la empresa enviaba catálogos únicamente a aquellos clientes que habían realizado como mínimo una compra por año--una estrategia que a menudo alienaba otros miembros del hogar que eran clientes leales, pero se quedaban por debajo del umbral. Mediante la combinación de los clientes en una clasificación por hogares, señala Bergstrom, el nuevo modelo ha aumentado la tasa de respuesta en un 20 por ciento.

Todo esto proporciona una buena razón para proteger los datos confidenciales de los usuarios: la ventaja competitiva que ofrece a las empresas como XO y Cabela's. "En última instancia cada organización va a tener que hacer del análisis predictivo una parte habitual de sus prácticas de inteligencia de negocio", afirma King. "No hacerlo resultará demasiado caro."