Para la presente edición, el especialista de la UNI, Juan Carlos Canchano hace entrega para nuestros lectores un artículo sobre las formas de analizar los datos. Recordemos que en la edición anterior (aquí) y a nuestra solicitud trató qué es y cuáles son las aplicaciones de la Ciencias de los Datos, esperamos que esta segunda parte cubra a plenitud la inquietud de muchos de ustedes. Canchano comienza diciendo que el Análisis de Datos es el proceso de explorar y entender los datos con un fin concreto, principalmente relacionado al sector empresarial.
Ciencia de Datos: ¿Cuáles son las formas de analizar los datos?
Cuatro maneras de examinar los datos son los más recurrentes para trabajarlos menciona el articulista, esta metodología es utilizada actualmente por corporaciones mundiales con mucho éxito.
(americasistemas.com.pe. Lima, Perú – 06 de octubre 2021) Con esta herramienta las empresas pueden estar mejor asistidas al momento de tomar decisiones de nivel estratégico. Así es que uno de los aspectos más importantes para los analistas y científicos de datos es la capacidad de traducir datos en información, que sea clara e importante para las personas que toman las decisiones.
Para esto, es de suma importancia entender los diferentes tipos de análisis de datos, que pueden dividirse en cuatro tipos o formas:
Analítica descriptiva
La analítica descriptiva busca responder a la pregunta: ¿Qué ha pasado?
El análisis descriptivo realiza una exploración de los datos sin procesar, de múltiples fuentes de datos, para proporcionar información valiosa sobre el pasado. No obstante, estas evidencias simplemente indicarán que algo es correcto o incorrecto, sin explicar el por qué es así. Por esta razón, las organizaciones que priorizan altamente los datos no se encuentran tranquilas únicamente con analíticas descriptivas y prefieren utilizarlas con otros tipos de análisis de datos. Este análisis puede mostrar por ejemplo la cantidad de clientes perdidos, cuantos clientes tiene la empresa en la capital, entre otras variables posibles, sin explicar los motivos a gran detalle.
Analítica diagnóstica
La analítica diagnóstica busca responder a la pregunta: ¿Por qué ha pasado?
En esta etapa los datos históricos se pueden medir con otros datos para responder a la pregunta de por qué sucedieron los hechos. El análisis de diagnóstico permite la posibilidad de averiguar las relaciones entre variables importantes e identificar patrones y valores atípicos en base a los datos. Las organizaciones apuestan por este análisis, ya que proporciona información detallada sobre un problema en particular. Aquí se hace uso de reportes con gráficos para que la alta dirección tenga una visión global sobre el suceso en la empresa. Este análisis puede mostrar por ejemplo la pérdida de clientes, debido a que el motivo de sus retiros fue que no recibieron una oportuna atención.
Analítica predictiva
La analítica predictiva busca responder a la pregunta: ¿Qué va a pasar?
El análisis predictivo enuncia lo que es probable que suceda. Utiliza lo explorado durante el análisis descriptivo y de diagnóstico para identificar tendencias, agrupaciones, y poder predecir tendencias futuras, lo que lo hace ser una herramienta importante para realizar proyecciones. A pesar de los numerosos beneficios que aporta este análisis, es importante comprender que la predicción es una estimación, cuya precisión dependerá en gran magnitud de la calidad de los datos, por lo que requiere un tratamiento y balance cuidadoso de estos datos. Aquí tenemos de ejemplo, que se responden preguntas como: ¿Cuándo y qué será la próxima compra del cliente? ¿Cómo será el crecimiento de la empresa en los próximos años?
Analítica prescriptiva
La analítica prescriptiva busca responder a la pregunta: ¿Qué hacer para que ocurra?
El objetivo del análisis de tipo prescriptivo es planear las acciones que se deben tomar para eliminar un problema futuro o aprovechar una tendencia novedosa.
Este tipo de análisis de datos necesita no solo a los datos históricos, sino también información adicional, obtenida mediante algoritmos estadísticos. Asimismo, el análisis prescriptivo utiliza herramientas, como el aprendizaje automático, y algoritmos de clasificación, lo que lo hace sofisticado de implementar. Por esto, antes de decidir utilizar este análisis, la empresa debe comparar los esfuerzos necesarios para su implementación.
Aquí tenemos de ejemplo, que se responden preguntas como: ¿Cómo aumentamos la probabilidad de vender nuestro servicio? ¿Cómo reducimos la fuga de clientes?
¿Qué tipo de análisis prefieren las empresas?
Según la encuesta de BI Trend Monitor del 2017, 2.800 ejecutivos compartieron su perspectiva sobre la creciente importancia del análisis predictivo y prescriptivo, colocando a estos dos como líderes, esto porque estos tipos de análisis hace que los usuarios sean proactivos, y también porque mediante estos análisis se puede predecir, y así prevenir problemas futuros.
Who is who: Juan Carlos Canchano Vizcarra, autor del presente artículo es especialista en Ciencia de Datos de las canteras de la Escuela de Ingeniería de Sistemas de la UNI y también miembro del PMI Lima Perú Chapter con certificaciones en Ciencia de Datos, Analítica de datos y en Dirección de Proyectos.