Predicción y causalidad: dos preguntas distintas que la analítica puede responder

La analítica aplicada a los negocios responde, en esencia, a dos tipos de preguntas: predictivas y causales. La distinción entre ambas determina qué herramientas usar, cómo evaluar los resultados y qué decisiones se pueden tomar a partir de ellos.

Preguntas predictivas

Las preguntas predictivas buscan estimar el valor futuro de una variable de interés. Un score de crédito estima la probabilidad de que un deudor pague; un modelo de demanda estima cuántas unidades de vivienda se venderían en un proyecto inmobiliario; un modelo de cobranza estima cuánto se recaudará el próximo mes de un portafolio castigado. En cada caso, lo que se evalúa es la precisión de la estimación frente a los datos observados.

Los modelos de machine learning, supervisados y no supervisados, están diseñados para optimizar dicha predicción. El desempeño de estos modelos se mide mediante métricas que capturan la calidad de la predicción: KS, curva ROC, coeficiente de Gini, matrices de confusión, sensibilidad y especificidad. Los modelos de lenguaje (LLM) operan bajo la misma lógica: predicen la respuesta más probable a partir de una secuencia de entrada.

Preguntas causales

Las preguntas causales buscan establecer cómo un factor específico afecta a una variable de interés. En el ejemplo del crédito, la pregunta ya no es si una persona pagará, sino qué factores determinan si pagará o no. Por ejemplo, ¿en cuánto incide el historial de pago de servicios de telefonía en la probabilidad de pago de una deuda financiera? Este tipo de pregunta es relevante para ampliar la población objetivo a la que una institución financiera podría otorgar créditos, manteniendo niveles aceptables de mora.

En un proyecto inmobiliario o en el proceso de admisión de una universidad, la pregunta causal clave es cómo reaccionan las ventas o las admisiones al precio —es decir, se requiere estimar elasticidades que permitan maximizar la variable de interés. En la cobranza de cartera castigada, si se lanzó una campaña de refinanciamiento, la pregunta causal es cuál fue el impacto de esa campaña en la recuperación. La econometría se ha especializado en este tipo de problemas, desarrollando métodos de identificación que permiten distinguir entre la correlación y la causalidad.

La diferencia no es solo técnica

Responder una pregunta causal requiere condiciones en el proceso de generación de datos que permitan interpretar una correlación estimada como una relación de causa y efecto. Estas condiciones no se satisfacen automáticamente por la disponibilidad de datos ni por la complejidad de un modelo.

Un error frecuente ilustra la diferencia. Se estima un modelo logístico de la probabilidad de pago y se evalúa la significancia estadística de las variables predictoras. Se concluye que las variables no significativas no afectan la probabilidad de pago. Esto es incorrecto; el modelo está diseñado para predecir, no para identificar relaciones causales. Las correlaciones capturadas en los coeficientes del modelo pueden presentar sesgos que invalidan la prueba de significancia como herramienta de inferencia causal. Para responder una pregunta causal se requiere un diseño previo en el que se evalúe la estructura del proceso de generación de datos, se expliciten los supuestos de identificación, se provea evidencia que los respalde y, recién entonces, se interprete la relación de causa y efecto.

Predicción y causalidad en conjunto

En la práctica, ni las preguntas predictivas ni las causales aportan valor al negocio de forma aislada. La mayoría de las aplicaciones requieren combinar ambos tipos de análisis en casos de uso con objetivos definidos.

Para presentar un ejemplo conceptual, supongamos que un retail omnicanal enfrenta deserción de clientes digitales y una baja efectividad en sus campañas de marketing. Una suite analítica para este problema podría estructurarse en tres etapas. La primera etapa aplica modelos de clustering para identificar segmentos de alto valor comercial. La segunda etapa utiliza un modelo predictivo para estimar la probabilidad de deserción en la segunda compra. La tercera etapa estima elasticidades-precio para diseñar campañas personalizadas que impulsen la recompra. Esta combinación permitiría a la empresa redirigir su gasto de marketing hacia segmentos de mayor retorno, mejorar la tasa de recompra y reducir la deserción temprana.