Aprendizaje supervisado · no supervisado
Supervised / Unsupervised Learning
¿Qué es el aprendizaje supervisado?
- Supervisado = aprender con datos que tienen respuesta
- No supervisado = descubrir patrones sin respuesta
- Los dos métodos del aprendizaje automático
Cuál de los dos usar no es una cuestión de preferencia por el algoritmo, sino que primero se define el cronograma del proyecto y el costo de la mano de obra. En cuanto se elige el aprendizaje supervisado, «quién etiqueta, cuántos casos y con qué criterio» pasa a ocupar la mitad de todo el esfuerzo. Si se elige el no supervisado, el costo de etiquetado desaparece, pero «la tarea de juzgar si el resultado sirve» recae por completo en el área de negocio. Por eso, la primera pregunta de la primera reunión no es qué modelo usar, sino si nuestra base de datos tiene una columna que corresponda a la respuesta correcta.
El aprendizaje supervisado se divide en clasificación (abandono/permanencia, defectuoso/bueno) y regresión (demanda del próximo mes, precio unitario estimado). Un modelo de clasificación útil en la práctica suele necesitar de cientos a miles de etiquetas por clase, y en datos desbalanceados, donde los clientes que se dan de baja son solo el 3%, aparece un modelo que logra 97% de exactitud diciendo solamente «todos son normales». El aprendizaje no supervisado se usa mucho, además de para el agrupamiento, en la reducción de dimensionalidad y la detección de anomalías. Cuando solo hay unos cientos de etiquetas, el aprendizaje semisupervisado mezcla ambos enfoques, y el autosupervisado, que genera preguntas y respuestas a partir de los propios datos, cubre el espacio intermedio. Aprendizaje por refuerzo se distingue de ellos porque, en lugar de respuestas correctas, recibe una recompensa por haberlo hecho bien.
En la práctica, el punto donde más a menudo se desvían los proyectos es la decisión de «como no hay etiquetas, vamos con el no supervisado». Los resultados de la agrupación son solo bloques numerados: la razón para llamar «sensible al precio» al grupo 3 la tiene que construir una persona, no el modelo. Y si cambia el número de grupos de 4 a 6, el segmento del informe del mes pasado desaparece por completo. En cambio, en el aprendizaje supervisado el sesgo de las etiquetas históricas se replica tal cual. Si entrenas el modelo con registros en los que el equipo de ventas marcó por intuición «este cliente parece que se va pronto», el modelo no predice la fuga, sino que reproduce el hábito de juicio de un vendedor específico.
John KimAutor de «Diseño de marketing B2B» y CEO de Nanum Consultoría, instructor John Kim
Jaryong KooDoctor en marketing y referente en IA, análisis de datos y marca personal| Diferencias | Aprendizaje supervisado | Aprendizaje no supervisado |
|---|---|---|
| Datos | Con respuesta (etiqueta) | Sin respuesta asignada |
| Objetivo | Predicción (clasificación y regresión) | Descubrimiento de patrones y estructuras |
| Sí | Predicción de abandono | Agrupamiento de clientes |
Es una clasificación básica establecida desde los inicios del aprendizaje automático. Es un marco que separa los métodos de aprendizaje según si los datos tienen respuesta correcta (etiqueta) o no.
Veamos un caso hipotético. A, una distribuidora de consumibles industriales con 240 colaboradores y ventas anuales de KRW 110,000,000,000, (≈ US$82,331,600) gestiona 8,400 clientes de suministro periódico. Desde hace dos años, su tasa mensual de fuga no baja del 2.8%, y la dirección de ventas solo repetía que «no sabemos dónde está el riesgo». Tres personas del equipo de datos asumieron este problema como un proyecto de cuatro meses.
- El equipo de datos, a cargo del gerente Kim, extrajo de su ERP las transacciones de los últimos 24 meses y encontró que solo 1,900 de 8,400 clientes tenían registrado si se dieron de baja. La columna de respuestas apenas estaba completa en una cuarta parte.
- Reunimos a los líderes de cinco equipos de ventas y unificamos el criterio: «sin pedidos durante tres meses consecutivos equivale a fuga». Luego, durante dos semanas, asignamos retroactivamente 6,200 etiquetas a los datos históricos.
- Tras completar las etiquetas, al ejecutar con aprendizaje supervisado un modelo de predicción de fuga, 214 de los 300 clientes con mayor riesgo ya seguían el proceso de salida, lo que dio una tasa de acierto del 71%.
- Al agrupar los mismos datos sin etiquetas por ciclo de pedidos, número de artículos y precio unitario promedio, salieron 6 grupos, y el director comercial dijo: «Nunca hemos gestionado por separado el grupo 4».
- Al grupo 4, con 1,120 clientes de bajo volumen y muchos productos, le asignamos un responsable de atención al cliente exclusivo, y a los 300 clientes en riesgo les programamos visitas.
- Seis meses después, la tasa mensual de fuga bajó del 2.8% al 1.6%, y las ventas perdidas por fuga, en términos anuales, se redujeron de unos KRW 3,400,000,000 (≈ US$2,544,800) a KRW 1,900,000,000 (≈ US$1,422,100).