Definición:

Un modelo predictivo es una representación matemática o computacional que aprende relaciones a partir de datos para estimar un resultado desconocido. Puede calcular un valor, asignar una categoría, ordenar casos o estimar una probabilidad.

El resultado puede referirse al futuro, como la demanda del próximo mes, o a una variable que ya existe pero todavía no se conoce, como si una operación es fraudulenta. Una predicción no es una certeza: depende de los datos, del método y de las condiciones en las que se utiliza el modelo.

El modelo es una pieza del proceso de analítica predictiva. La analítica incluye además la definición del problema, la preparación de datos, la evaluación, la interpretación y el seguimiento de los resultados.

Funcionamiento del modelo

El desarrollo comienza con una pregunta que pueda traducirse a una variable objetivo. El objetivo determina qué datos, método y métrica son adecuados; no basta con aplicar un algoritmo a una colección de registros.

Definir el resultado: concretar qué se quiere estimar, en qué unidad o clase y para qué decisión se utilizará.
Preparar los datos: seleccionar observaciones y variables, tratar ausencias, codificar categorías y evitar información que no estaría disponible al predecir.
Entrenar el modelo: ajustar sus parámetros con una parte de los datos mediante estadística o machine learning.
Evaluación externa: medir el rendimiento con datos que no se usaron para ajustar el modelo.
Desplegar y vigilar: integrar la predicción en un proceso y comprobar si el rendimiento cambia con nuevos datos.

Una evaluación separada ayuda a detectar el sobreajuste. La validación cruzada permite repetir esa comparación sobre distintas particiones, aunque debe adaptarse a la estructura temporal o agrupada de los datos.

Tipos de modelos predictivos

Los modelos se distinguen por el tipo de resultado que producen. Cuatro familias cubren muchas aplicaciones habituales:

Regresión: estima un valor numérico, como ventas, tiempo o importe. La regresión lineal es un ejemplo básico.
Clasificación: asigna una clase o una probabilidad de pertenencia, como fraude o no fraude. El umbral convierte una puntuación en una decisión.
Series temporales: estima valores futuros respetando el orden cronológico, la tendencia, la estacionalidad y otras dependencias temporales.
Ranking y propensión: ordena personas, productos o eventos según una puntuación, por ejemplo la probabilidad estimada de responder a una acción.

La complejidad no garantiza mejores predicciones. Un modelo sencillo puede ser preferible si ofrece un rendimiento suficiente, es más estable y permite explicar con mayor claridad cómo se obtiene el resultado.

Cómo se evalúa

La métrica debe corresponder al objetivo. En regresión pueden utilizarse errores absolutos o cuadráticos; en clasificación son habituales precisión, exhaustividad, tasa de falsos positivos, AUC y medidas de calibración. Se necesitan métricas adecuadas a los costes del error.

El modelo debe compararse con una referencia sencilla, como la media histórica o una regla existente. Una mejora estadística puede carecer de valor operativo si es pequeña, llega tarde o exige datos demasiado costosos.

La evaluación inicial no basta. La degradación puede aparecer cuando cambia la población, la forma de medir una variable o la relación entre entradas y resultado. Por eso se controlan calidad de datos, distribución de variables, errores y resultados posteriores al despliegue.

Ejemplos de aplicación

Un modelo predictivo puede apoyar decisiones cuando el resultado es medible y existe información comparable. Sus aplicaciones incluyen:

estimar demanda, ventas o abandono de clientes;
detectar transacciones anómalas o clasificar mensajes como spam;
prever fallos y priorizar mantenimiento;
calcular propensión de conversión o respuesta a una campaña.

En marketing, la puntuación puede servir para ordenar audiencias o asignar revisiones. El marketing predictivo aplica estos métodos a decisiones comerciales, pero no es un tipo independiente de algoritmo.

Límites de la predicción

El modelo predictivo es el artefacto que genera una estimación; el modelado es el trabajo de construirlo y la analítica predictiva es el proceso más amplio que utiliza sus resultados. Son niveles distintos, por lo que las decisiones del diseño no deben atribuirse al algoritmo.

Una asociación útil para predecir no demuestra que una variable cause el resultado. Cambiar una entrada no producirá necesariamente el efecto estimado. Predicción y causalidad responden a preguntas diferentes, por lo que las decisiones de intervención pueden requerir experimentos u otros métodos causales.

Los errores pueden afectar de forma desigual a distintos grupos, y las variables pueden revelar o aproximar información sensible. Una revisión responsable debe incluir representatividad, privacidad, sesgo y explicabilidad. El trabajo de un científico de datos no termina al entrenar el modelo: también debe documentar supuestos, límites y condiciones de uso.