糖心vlog官网观看

Read in English. (Leer en ingl茅s.)

"Es un error capital teorizar antes de tener datos. Insensiblemente, uno empieza a tergiversar los hechos para adaptarlos a las teor铆as, en lugar de que las teor铆as se adapten a los hechos", proclama Sherlock Holmes en Un esc谩ndalo en Bohemia, de Sir Arthur Conan Doyle.

Esta idea est谩 en la base del an谩lisis de datos. Cuando podemos extraer el significado de los datos, nos permite tomar mejores decisiones. Y vivimos en una 茅poca en la que tenemos m谩s datos que nunca a nuestro alcance.

Las empresas se est谩n dando cuenta de las ventajas de aprovechar los datos. El an谩lisis de los datos puede ayudar a un banco a personalizar las interacciones con los clientes, a un sistema sanitario a predecir las necesidades futuras de salud o a una empresa de entretenimiento a crear el pr贸ximo gran 茅xito de streaming.

El Informe sobre el Futuro de los Empleos 2020 del Foro Econ贸mico Mundial sit煤a a los cient铆ficos y analistas de datos como el principal empleo emergente, seguido inmediatamente por los especialistas en IA y aprendizaje autom谩tico, y los especialistas en big data [].

Proceso de an谩lisis de datos

A medida que los datos de los que disponen las empresas siguen creciendo tanto en cantidad como en complejidad, tambi茅n lo hace la necesidad de un proceso eficaz y eficiente para aprovechar el valor de esos datos. El m茅todo de an谩lisis suele pasar por varias fases iterativas. Veamos cada una de ellas con m谩s detalle:

• Identifica la pregunta empresarial a la que deseas responder. 驴Qu茅 problema intenta resolver la empresa? 驴Qu茅 necesitas medir y c贸mo lo har谩s?

• Recopila los conjuntos de datos brutos que necesitar谩 para ayudarle a responder a la pregunta identificada. La recopilaci贸n de datos puede proceder de fuentes internas, como el software de gesti贸n de relaciones con los clientes (CRM) de una empresa, o de fuentes secundarias, como los registros gubernamentales o las interfaces de programaci贸n de aplicaciones (API) de las redes sociales.听

• Limpia los datos para prepararlos para el an谩lisis. Esto suele implicar la eliminaci贸n de datos duplicados y an贸malos, la conciliaci贸n de incoherencias, la estandarizaci贸n de la estructura y el formato de los datos y el tratamiento de los espacios en blanco y otros errores de sintaxis.

• Analiza los datos. Al manipular los datos utilizando diversas herramientas y t茅cnicas de an谩lisis de datos, podr谩s empezar a encontrar tendencias, correlaciones, valores at铆picos y variaciones que empiezan a contar una historia. Durante esta etapa, puedes utilizar la miner铆a de datos para descubrir patrones dentro de las bases de datos o el software de visualizaci贸n de datos para ayudar a transformar los datos en un formato gr谩fico f谩cil de entender.

• Interpreta los resultados de tu an谩lisis para ver en qu茅 medida los datos responden a tu pregunta original. 驴Qu茅 recomendaciones puedes hacer bas谩ndote en los datos? 驴Cu谩les son las limitaciones de tus conclusiones?聽

Mira este v铆deo para saber qu茅 es el an谩lisis de datos y c贸mo lo define Kevin, Director de An谩lisis de datos de Google.

Aprende m谩s: 驴Qu茅 hace un analista de datos? Una gu铆a profesional

Tipos de an谩lisis de datos (con ejemplos)

Los datos pueden utilizarse para responder a preguntas y respaldar decisiones de distintas maneras. Puede ser 煤til agrupar estos tipos de an谩lisis en cuatro categor铆as de uso com煤n en este campo. Vamos a ver cada uno de estos m茅todos de an谩lisis de datos, junto con un ejemplo de c贸mo puede aplicarse cada uno de ellos en el mundo real.

An谩lisis descriptivo

El an谩lisis descriptivo nos dice lo que ha ocurrido. Este tipo de an谩lisis ayuda a describir o resumir los datos cuantitativos mediante la presentaci贸n de estad铆sticas. Por ejemplo, el an谩lisis estad铆stico descriptivo podr铆a mostrar la distribuci贸n de las ventas entre un grupo de empleados y la cifra media de ventas por empleado.

El an谩lisis descriptivo responde a la pregunta "驴qu茅 ha pasado?".

An谩lisis diagn贸stico

Si el an谩lisis descriptivo determina el "qu茅", el an谩lisis de diagn贸stico determina el "por qu茅". Digamos que un an谩lisis descriptivo muestra una afluencia inusual de pacientes en un hospital. Si se profundiza en los datos, se puede descubrir que muchos de estos pacientes comparten los s铆ntomas de un determinado virus. Este an谩lisis de diagn贸stico puede ayudarte a determinar que un agente infeccioso鈥攅l "por qu茅"鈥攑rovoc贸 la afluencia de pacientes.

El an谩lisis de diagn贸stico responde a la pregunta "驴por qu茅 ha ocurrido?"

An谩lisis predictivo

Hasta ahora, hemos visto tipos de an谩lisis que examinan y sacan conclusiones sobre el pasado. El an谩lisis predictivo utiliza los datos para formar proyecciones sobre el futuro. Utilizando el an谩lisis predictivo, puedes observar que un determinado producto ha tenido sus mejores ventas durante los meses de septiembre y octubre de cada a帽o, lo que te lleva a predecir un punto alto similar durante el pr贸ximo a帽o.

El an谩lisis predictivo responde a la pregunta "驴qu茅 podr铆a pasar en el futuro?".

An谩lisis prescriptivo

El an谩lisis prescriptivo toma toda la informaci贸n obtenida de los tres primeros tipos de an谩lisis y la utiliza para formular recomendaciones sobre c贸mo debe actuar una empresa. Utilizando nuestro ejemplo anterior, este tipo de an谩lisis podr铆a sugerir un plan de mercado para aprovechar el 茅xito de los meses de altas ventas y aprovechar nuevas oportunidades de crecimiento en los meses m谩s lentos.

El an谩lisis prescriptivo responde a la pregunta "驴qu茅 debemos hacer al respecto?".

En este 煤ltimo tipo es donde entra en juego el concepto de toma de decisiones basada en datos.

驴Qu茅 es la toma de decisiones basada en datos (DDDM)?

La toma de decisiones basada en datos, a veces abreviada como DDDM por sus siglas en ingl茅s, puede definirse como el proceso de tomar decisiones empresariales estrat茅gicas basadas en hechos, datos y m茅tricas en lugar de en la intuici贸n, la emoci贸n o la observaci贸n.

Esto puede parecer obvio, pero en la pr谩ctica, no todas las organizaciones est谩n tan orientadas a los datos como podr铆an estarlo. Seg煤n la empresa de consultor铆a de gesti贸n global McKinsey Global Institute, las empresas que se basan en los datos son mejores a la hora de captar nuevos clientes, mantener su fidelidad y lograr una rentabilidad superior a la media [].

Preguntas frecuentes (FAQ)

Empieza con 糖心vlog官网观看

Si est谩s interesado en una carrera en el campo de alto crecimiento de la anal铆tica de datos, puedes comenzar a construir habilidades laborales con el Certificado profesional de Google Data Analytics. Prep谩rate para un trabajo de nivel inicial mientras aprendes de los empleados de Google, sin necesidad de tener experiencia ni t铆tulo. Una vez que termines, podr谩s presentar tu candidatura directamente a m谩s de 30 empleadores de M茅xico (incluido Google).