La marcha de un cliente a la competencia, el fallo de una pieza o el abandono estudiantil son situaciones donde predecir cuánto tiempo queda para que ocurra un evento crítico es crucial para la toma de decisiones estratégicas. Analizar el tiempo hasta que suceda un evento de interés, así como las causas asociadas, nos permite anticipar y reaccionar adecuadamente, comprendiendo mejor el ciclo de vida de estos acontecimientos y mejorando nuestra capacidad de respuesta.
En este escenario surge el Análisis de Supervivencia, el cual comprende tanto un conjunto de técnicas estadísticas clásicas como de aprendizaje automático donde se trata de estimar el tiempo hasta que ocurre un determinado evento. Este puede abarcar problemas como la entrada en default de una línea de crédito, la fuga de un cliente, la compra de una vivienda o la aparición de un síntoma tras un tratamiento, entre otros. Gracias a este análisis podemos conocer mejor las probabilidades y tiempos para eventos de interés, lo que ayuda a tomar decisiones más informadas y efectivas.
Durante la charla se detallarán las ventajas de usar esta modelización tan común en el mundo académico, pero menos recurrente en el empresarial. Demostraremos que su uso en distintos casos reales aporta un gran valor en comparación con las técnicas más comunes utilzando Python y algunas de sus librerías open-source.
Esta charla está diseñada para un público con conocimientos básicos de estadística y programación básica en Python. No se requiere experiencia previa en análisis de supervivencia.