Data Anlytics - Tipos de análisis de datos | Comunicación Numérica

Summary

El guion del video explica los diferentes tipos de análisis de datos: descriptivos, predictivos y prescriptivos. Utiliza metáforas sencillas, como el espejo retrovisor del auto para el análisis descriptivo y lo que está frente al auto para los análisis predictivo y prescriptivo. Aborda la importancia de no fijarse solo en promedios y buscar cambios y relaciones entre indicadores. Destaca que el análisis descriptivo, aunque menos complejo, resuelve el 80-90% de las inquietudes en data analytics, mientras que los análisis predictivos y prescriptivos, más avanzados, requieren conocimientos estadísticos más profundos.

Takeaways

• 📊 El análisis de datos se puede dividir en tres tipos principales: descriptivo, predictivo y prescriptivo.
• 🔍 El análisis descriptivo se enfoca en el pasado y describe eventos que ya han ocurrido.
• 🔮 El análisis predictivo mira hacia el futuro y busca predecir eventos basándose en datos pasados y presentes.
• 💡 El análisis prescriptivo también se enfoca en el futuro, pero más que predecir, busca sugerir acciones para lograr resultados específicos.
• 🚗 Una metáfora utilizada para explicar estos tipos de análisis es la conducción de un auto: el espejo retrovisor (descriptivo), lo que ves frente al auto (predictivo y prescriptivo).
• 👨‍⚕️ Otra metáfora es la del doctor, donde el diagnóstico (descriptivo), la predicción de la evolución de la enfermedad (predictivo) y las recomendaciones para el tratamiento (prescriptivo) son análogos a los tipos de análisis.
• ⚠️ Los análisis predictivos pueden ser complejos y requieren técnicas avanzadas como el análisis de regresión.
• 📈 El análisis descriptivo es el más accesible y se puede realizar con herramientas básicas de visualización y estadísticas.
• 📉 No se debe confiar únicamente en promedios al realizar análisis descriptivos, ya que pueden ocultar información importante.
• 🔄 Es importante buscar cambios y relaciones entre indicadores para obtener una comprensión más profunda de los datos.
• 📊 El análisis de correlación puede ser una herramienta útil para entender la relación entre diferentes variables y predecir tendencias.

Q & A

¿Qué es el análisis de datos y por qué es importante?

El análisis de datos es el proceso de examinar, limpieza, transformación y modelo para extraer información útil de una gran cantidad de datos. Es importante porque permite a las empresas y a los individuos tomar decisiones basadas en evidencia y mejorar la eficiencia y el rendimiento.

¿Cuáles son los tres tipos principales de análisis de datos mencionados en el guion?

Los tres tipos principales de análisis de datos mencionados son: análisis descriptivos, análisis predictivos y análisis prescriptivos.

¿Qué es el análisis descriptivo y qué revela?

El análisis descriptivo se refiere a la exploración y resumir datos existentes para comprender y describir los patrones y tendencias pasados. Revela información sobre eventos y condiciones que ya han ocurrido.

¿Cómo se describe el análisis predictivo en el guion?

El análisis predictivo se describe como el tipo de análisis que mira hacia el futuro para predecir qué va a pasar. Se basa en patrones pasados para hacer predicciones sobre eventos futuros.

¿Qué es el análisis prescriptivo y qué hace diferente al predictivo?

El análisis prescriptivo es el tipo de análisis que no solo predice qué va a pasar sino que también proporciona recomendaciones sobre cómo actuar en el futuro. A diferencia del análisis predictivo, que solo hace predicciones, el prescriptivo ofrece acciones concretas para influir en los resultados.

¿Qué es la regresión y cómo se relaciona con el análisis predictivo?

La regresión es una técnica estadística utilizada para modelar y analizar cómo una variable dependiente cambia en respuesta a una o más variables independientes. Se relaciona con el análisis predictivo porque permite predecir valores futuros basándose en relaciones pasadas.

¿Qué consejo se da sobre el uso de promedios en el análisis de datos?

El guion aconseja no guiarse solo por promedios, ya que pueden simplificar la comprensión de los datos pero también pueden perderse detalles importantes que están dentro del rango de los datos que componen el promedio.

¿Cómo se sugiere buscar cambios en los análisis de datos?

Se sugiere buscar cambios indexando los datos o comparando relativos a un punto de referencia, en lugar de mirar solo los cambios absolutos. Esto ayuda a identificar tendencias y cambios que de otro modo podrían pasar desapercibidos.

¿Qué es la correlación y cómo se utiliza en el análisis descriptivo?

La correlación es una medida estadística que indica la relación entre dos variables. Se utiliza en el análisis descriptivo para determinar si hay una relación y la dirección y fortaleza de esa relación, lo que puede ayudar a entender cómo se relacionan diferentes variables en los datos.

¿Por qué es importante buscar relaciones entre indicadores en el análisis de datos?

Buscar relaciones entre indicadores es importante porque puede revelar cómo diferentes variables influyen entre sí y pueden ayudar a identificar factores clave que afectan los resultados. Esto puede ser crucial para la toma de decisiones estratégicas.

Outlines

00:00

📊 Introducción a los tipos de análisis de datos

Este párrafo introduce el tema de Data analytics, destacando la importancia de entender los distintos tipos de análisis que se pueden realizar. Se mencionan tres tipos principales: análisis descriptivos, predictivos y prescriptivos. Se utiliza la analogía de conducir un auto para explicar cada tipo: el análisis descriptivo mira hacia atrás, el predictivo hacia adelante, y el prescriptivo ofrece recomendaciones sobre qué hacer. Además, se sugiere que estos tipos de análisis son fundamentales para las empresas y se invita a Rodrigo a comprender mejor estos conceptos.

05:01

🧐 Explicación detallada de los análisis predictivos y prescriptivos

En este párrafo se profundiza en los análisis predictivos y prescriptivos, comparándolos con una visita al doctor. Se explica que el análisis predictivo se basa en síntomas y observaciones pasadas para predecir el futuro, mientras que el prescriptivo ofrece recomendaciones para influir en los resultados futuros. Se introduce el concepto de regresión, explicando cómo una línea recta puede predecir valores futuros basándose en coeficientes y la pendiente. Se menciona la importancia de manejar grandes volúmenes de datos y la complejidad de estos análisis, sugiriendo que el machine learning está involucrado en este tipo de procesos.

10:03

📈 Consejos para el análisis de datos descriptivos

Este párrafo ofrece consejos para mejorar el análisis de datos descriptivos. Se enfatiza la importancia de no confiar únicamente en promedios, ya que pueden ocultar información valiosa. Se sugiere buscar cambios y relaciones entre indicadores, utilizando técnicas como la indexación de datos y la regresión simple para entender mejor los datos. Se destaca la utilidad de visualizar datos de maneras que permitan identificar tendencias y cambios, y se aconseja buscar correlaciones entre variables para obtener una comprensión más profunda de los datos.

15:03

🔍 Análisis de correlaciones y su importancia en la toma de decisiones

Finalmente, se explora el análisis de correlaciones, explicando cómo la r cuadrada puede indicar la fortaleza y dirección de la relación entre variables. Se da ejemplos de cómo estas relaciones pueden influir en decisiones empresariales, como la correlación entre volumen de ventas y comisiones de vendedores. Se resalta la importancia de entender estas correlaciones para tomar decisiones informadas y se cierra el tema del análisis descriptivo, subrayando su utilidad para resolver la mayoría de los problemas de Data analytics.

Keywords

💡Data analytics

Data analytics se refiere al proceso de examinar, limpieza, transformación y modelo de datos para extraer información útil, descubrir información oculta, sugerir tendencias y ayudar a la toma de decisiones. En el video, se menciona que hay diferentes tipos de análisis de datos dentro de este campo, y se utiliza para ilustrar cómo se pueden usar para entender y predecir comportamientos pasados y futuros.

💡Análisis descriptivos

El análisis descriptivo es una técnica de análisis de datos que busca describir y resumir características de los datos recolectados. En el guion, se utiliza para referirse a la observación de eventos pasados, como mirar hacia atrás en el espejo retrovisor de un automóvil para entender lo que ha ocurrido.

💡Análisis predictivos

El análisis predictivo utiliza modelos y algoritmos para predecir eventos futuros basándose en datos pasados. En el video, se compara con mirar hacia adelante en un automóvil para anticipar lo que está por venir, y se utiliza para hablar sobre cómo las empresas pueden usar este tipo de análisis para planificar su futuro.

💡Análisis prescriptivos

El análisis prescriptivo es un tipo de análisis de datos que sugiere acciones para mejorar los resultados futuros. En el guion, se menciona que este análisis es como recibir recomendaciones de un doctor, donde se indica qué hacer para mejorar la situación actual.

💡Regresión

La regresión es una técnica estadística utilizada para modelar y analizar la relación entre una variable dependiente y una o más variables independientes. En el video, se discute cómo la regresión se puede usar en análisis predictivos para entender cómo diferentes factores pueden afectar un resultado específico.

💡Machine learning

El aprendizaje automático es una rama de la inteligencia artificial que se centra en el desarrollo de algoritmos que permiten a las máquinas aprender y mejorar a través de la experiencia. En el guion, se menciona cómo el machine learning puede ser utilizado en análisis predictivos para hacer recomendaciones basadas en patrones encontrados en los datos.

💡Promedio

El promedio, o media, es una medida de tendencia central que representa el valor central de un conjunto de datos. En el video, se advierte sobre la dependencia excesiva en los promedios, ya que pueden distorsionar la comprensión real de los datos al no reflejar la variabilidad o la distribución del conjunto de datos.

💡Cambio

El cambio se refiere a la diferencia o la variación en los datos a lo largo del tiempo. En el guion, se sugiere buscar formas de visualizar el cambio, como mediante el uso de índices o la comparación relativa de los datos, para obtener una comprensión más profunda de las tendencias y los patrones.

💡Correlación

La correlación es una medida que indica la fuerza y la dirección de la relación entre dos variables. En el video, se utiliza para hablar sobre cómo se pueden usar análisis de correlación para entender cómo diferentes variables están relacionadas y para hacer predicciones basadas en esas relaciones.

💡Regresión lineal

La regresión lineal es un tipo de análisis predictivo que busca establecer la relación entre una variable dependiente y una o más variables independientes mediante una línea recta. En el guion, se describe cómo se puede usar para predecir valores futuros basándose en la tendencia de los datos pasados.

Highlights

Data analytics es un campo amplio que incluye diferentes tipos de análisis de datos.

Existen tres tipos principales de análisis: descriptivos, predictivos y prescriptivos.

Análisis descriptivos se refiere a examinar datos pasados.

Análisis predictivos se enfoca en predecir eventos futuros.

Análisis prescriptivos ofrece recomendaciones para alcanzar resultados deseados.

El análisis descriptivo es similar a mirar hacia atrás en un espejo retrovisor mientras conduces.

El análisis predictivo y prescriptivo es como mirar hacia adelante a través del parabrisas del auto.

Análisis descriptivos involucran síntomas y observaciones, como los síntomas descritos al médico.

El análisis predictivo es como cuando el médico predice el curso de una enfermedad.

El análisis prescriptivo es similar a las recomendaciones del médico para mejorar la condición.

El análisis predictivo puede incluir técnicas de regresión para predecir valores futuros.

La regresión lineal simple y múltiple son técnicas utilizadas en análisis predictivos.

Machine learning es una evolución más compleja de análisis predictivos.

El análisis prescriptivo requiere una gran cantidad de datos y puede involucrar simulaciones.

Los análisis descriptivos pueden resolver el 80-90% de las inquietudes de análisis de datos.

Los análisis predictivos son más complejos y requieren conocimientos estadísticos avanzados.

No se debe guiar solo por promedios al analizar datos, ya que pueden perderse detalles.

Es importante buscar cambios y generar relaciones entre indicadores para un análisis más profundo.

La correlación y la regresión pueden ayudar a entender la relación entre variables y predecir resultados.

Transcripts

pues este tema del Data analytics como

que se dice unas son dos palabritas Pero

hay mucho adentro de ello y hay muchos

tipos de análisis de datos que tú puedes

hacer y quiero platicarte de ellos no es

mi propósito entrar así una formación de

esto simplemente es como decimos aquí en

México es una embarradita que hay

adentro de analítica y en primer lugar

Cuántos tipos de atanalitis te puedes

encontrar puedes encontrar

describete de analytics que es análisis

creativos puedes encontrar predictic

analytics que es análisis predictivos y

puedes encontrar prescrita analytics que

es análisis prescriptivos entonces

Rodrigo Qué significa todo esto y esto

Cómo cómo se mastica Entonces vamos a

encontrar una forma más sencilla de cómo

explicar Qué significa este tipo de

análisis de datos todo está dentro del

paraguas de Data analytics Imagínate tú

que estás conduciendo y en este camino

pues lo que ves tú en el carro en el

espejo retrovisor ahí serían cosas que

ya corrieron ya las pasaste eso ya lo

recorriste estás viendo hacia el pasado

en cambio lo que está enfrente del auto

Eso estaría en tus análisis predictivos

y prescriptivos esto no ha pasado esto

aún ocurre entonces queremos ver qué va

a pasar todo tipo de empresas está

deseosa que me platique es bueno y esto

para dónde va Qué es lo que vamos a

hacer ahora en adelante otra forma de

explicartelo Imagínate que vas al doctor

y te sientes mal y lo que haces al

doctor le empiezas a platicar Sabes qué

Pues tengo mucho flujo nasal Tengo

cuerpo cortado me siento muy cansada al

final de cuentas es Pues todo esto me

está ocurriendo con esa información el

doctor dice Sabes qué Lo que pasa que es

un cachorro común entonces va a pasar

nada no te preocupes no se va a

complicar finalmente te recomienda el

doctor Sabes qué Vete a casa hidrátate y

descansa Espera a que te sientas mejor

regresando al tipo de análisis análisis

descriptivos sería pues todas aquellas

cosas con las cuales le describí al

doctor cómo me siento Entonces ese

análisis de síntomas y observaciones que

estuve estuve viendo antes de venir con

él el doctor con esa información predice

que sabes que todo está normal No te

preocupes no es nada grave y finalmente

prescribe y si no sabes qué Pues yo digo

que si haces esto ocurrirá esto si haces

lo que yo te digo que es descansar

hidratarte lo que va a ocurrir Entonces

es que te vas a sentir mejor es decir

como que ya te hace recomendaciones para

que ocurran ciertas cosas tenemos que

cosas que deben ser pasado información

que hay al futuro lo que ve al pasado

son análisis descriptivos esto ya

ocurrió lo que ve al futuro son análisis

predictivos esto no ha pasado y queremos

predecir que es qué va a ocurrir hacia

adelante y finalmente el análisis

prescriptivo Serían como simulaciones es

decir si haces esto va a ocurrir esto en

nuestro primer caso lo que tienes que

hacer es observar que está pasando en el

segundo predecir le siente inducir hace

esto para que ocurra esto si lo vemos en

términos de datos

esto sería un típico análisis estoy

viendo los históricos y estoy viendo que

una tendencia creciente año a año está

mejorando este mundo el análisis

predictivo entonces bueno hacia el

futuro qué podría pasar en base esta

información que tenemos lo que puede

pasar es que siga creciendo o que siga o

que se mantenga estable o que empiece a

decrecer entonces ofrezco posibilidades

y lo más probable es que ocurra eso

predigo que esto va a ocurrir el

análisis prescriptivo sería Sabes qué Si

haces ABC continuidad sin cambios se

haces de y F va a crecer al principios

pero se va a caer Pero en cambio Si

haces ghi vas a notar que hay una caída

Pero al final va a volver a crecer qué

es lo que estamos buscando dar esa como

visión total de qué me dicen los datos

el aspecto de análisis descriptivos te

puedo decir que ahí tenemos las gráficas

de

aquí lo que tenemos es estos son los

tipos de análisis que vas a encontrar en

restrictivos créeme que todos estamos

metidos en este tipo de análisis

volviendo a análisis este predictivos

ese tipo de análisis ya es más complejo

y no voy a meter mucho a ello pero

quisiera nomás dejarte muy claro porque

es complejo decía nill que predicciones

es difícil Especialmente cuando se trata

el futuro porque cuando queremos

predecir futuro estamos apoyando mucho

en una cosa que llamamos análisis de

regresión para entender análisis

regresión hablemos primero de una línea

recta que tiene una línea recta que nos

puede ayudar a predecir valores la línea

recta tiene una ecuación como esta dónde

la cociente a es donde esta línea está

cruzando el eje y es decir donde la x

vale cero

tiene un cociente un coeficiente B que

es la pendiente de esa línea puede ser

positivo o negativa y finalmente

entonces con estos números para cierto

número x te puedo predecir con mucha

exactitud Cuál es el número y vuelve

otro número x con mucha exactitud te

predigo Cuál es el número entonces Esto

es lo que estoy logrando con esta parte

de la línea recta el mundo real no es

así en el mundo real lo que yo tengo son

muchos valores no hay mucha información

entonces esos valores no hace una línea

recta Pero lo que sí puedo hacer es

construir una línea recta una línea

recta imaginaria la ecuación de esta

línea recta imaginaria es la la

tendencia pues no funciona como esta

funciona ecuación algo parecida esto es

coeficientes también tiene un beta-0 que

te marca Dónde está línea imaginaria

cruce el eje y la x vale cero la

pendiente de esta línea la Beta uno que

es también positiva o negativa y tienen

coeficiente de error

Qué es este coeficiente error que a fin

de cuentas Por qué existe por qué esta

línea es maquinaria esta línea es una

línea tal cual donde esas distancias de

los puntos esa línea es la más corta

posible para todos los puntos

su cálculo es robusto no es tan

sencillito pero una vez que tienes tú

este análisis hecho ya podrías decir

para cierto valor X cuál es el valor y

soy muy fácil no como que esto no tiene

ningún conflicto pero la verdad es que

cuando hablamos de regiones tenemos

diferentes tipos tenemos la región

lineal simple que es qué va a pasar para

este valor Qué tipo de valor ya puedo

encontrar no depende la puntualidad de

los empleados En qué afecta el resultado

dos puedo tener lineal múltiple la

puntualidad la calidad de producto la

cantidad de clientes muchas cosas cómo

afectan el resultado de la empresa puedo

tener una parte de lineal multivariante

que es si el empleado no llega puntual

En qué le afecta a diferentes resultados

o finalmente que el que muchas entradas

O sea que puntualidad mala calidad pocos

clientes Cómo afecta resultados

rentabilidad

costos todo este tipo de cosas muchas a

muchas Entonces el punto es se empieza a

volver complicado estas cosas que te

acabo de mostrar tú lo bajo lo has

escuchado más con un hombre mucho más

rimbombante como Machine learning que a

final de cuentas es mucha información y

está trabajando con estas cosas la

agresiones lineal simple y multivariante

lineal multivariante lineal múltiple

multivariante entonces cosas

evolucionando más complejo para que

cuentas esto es machine learning Qué es

lo que está en tu Netflix que al final

de cuentas es bueno te da esta

sugerencias de películas y lo que quiere

decir Bueno yo tengo Pues gente que ve

las películas de Star Wars entonces en

las películas de Star Wars de repente

hay personas que también van a estar las

películas de Star Wars tienen

alienígenas tienen espaciales tienen

este robots y Star treks también tiene

alienígenas tiene espaciales tiene

robots

todas las personas que de alguna forma

las que sí terminaron viendo de Star

Wars terminaron viendo de Star trek y

aquellas que no querían Star Wars pero

no finalmente

asesorales de región y te puede predecir

para cierto perfil Si tú cumples cuando

veas Star Wars en automáticamente te voy

a sugerir que veas

es una manera muy simplista pero lo que

quiero es que comprender esta parte de

lo que es más en cuenta Son regiones

estamos hablando de análisis predictivos

me está hablando más del futuro el

tercer tipo de análisis análisis

prescriptivo Pues también del futuro

Entonces qué diferencia tenemos con el

otro Uno te dice qué va a pasar y el

otro te induce comportamientos te habla

de recomendaciones en el primero son las

regresiones que hay que estudiarlas hay

que ver con funcional y te va a ofrecer

Cuál es la probabilidad más alta para

que esto pase en el otro también son

regresiones pero te dice si haces a pasa

x si haces B pasajé si haces si hoy es

sencillo el punto es que para ser

prescriptivos análisis percriptivos

requieres un demonial de datos y ahí

tienes que meterte en estos temas de

y manejar otro tipo de plataformas que

te permitan controlar todos estos

números Pero al final de cuentas estos

son los tres tipos de análisis básicos

hay que hay hay quien comenta que hay

cuatro con análisis diagnósticos pero al

fin de cuentas empezó con estos tres el

foco es obviamente Vas a agregar mayor

valor pero al fin de cuentas también

requiere mayor dificultad los tres tipos

de análisis con el primero observas en

el descriptivos con el segundo perdices

análisis predictivos y con el segundo

induce resultados análisis prescriptivos

en el último en el verde tú requieres

conocimientos de estadística avanzada ya

no el Excel no te sirve tienes que irte

asomo especializados y manejar temas de

dictada análisis descriptivos requieres

estadística intermediavanzada y tal vez

lo puedas lograr con el

y el análisis descriptivo sería pues las

visuales con gráficas que usamos todos

los días y estadística básica no te

quiero desanimar porque te quiero decir

algo con el azul estamos resolviendo

prácticamente el ochenta noventa por

ciento de sus inquietudes de Data

analytics los podemos resolver Con este

equipo de análisis

activos es la Gráfica de todos los días

y aquí me gustaría nomás darte algunos

consejos en las gráficas todos los días

Entonces mi consejo es no te guíes solo

por promedios todos y muchos de los

capis que usamos son promedios promedio

de ventas por vendedor promedio de

utilidad por producto promedio de

empleados por unidad de negocio Entonces

eso tenemos promedios cuando hablo de no

te guíes solo por promedios me refiero a

que cuando estamos analizando

información sacamos promedio Entonces

esto lo que estamos haciendo esta

gráfica es el promedio de lo que gana un

becerro en cuatro grupos distintos

Cuánto gana el mesero a que es el que

gana más en promedio el promedio de

grupo B grupo c y grupo Díme cero a pero

me equivoqué ese grupo grupo de personas

entonces Esto es lo que solemos hacer

con mayor regularidad sacamos promedios

y es lo que estamos analizando cuánto

fue el promedio para simplificar qué

está pasando sin embargo cuando sacamos

por medios perdemos de vista todos

aquellos datos que integran el promedio

nomás me estoy quedando con esa Barrita

azul que está marcada la segunda gráfica

y todos los puntitos que hablan de

promedio pues me los No sé qué está

pasando te fijas en el grupo a que es el

mayor hay poca cantidad de meseros y el

grupo de que es el segundo grupo que le

sigue hay una cantidad endemoniada

Entonces tenemos que eso estoy perdiendo

de vista qué está pasando por el

promedio

mi siguiente caso es Busca lo que cambie

cuando tengas análisis creativos que

nuevamente estamos hablando cosas que

van al pasado tienes tendencias y esas

tendencias de alguna manera sean planas

pareciera que no hay cambios Aquí tengo

la cantidad de empleados a lo largo del

año en cuatro unidades de negocios

distintas Y pareciera que todo esté de

plano no nada cambia todo sigue igual y

aquí mi sugerencia es sabes que busca la

forma de ver el cambio Cómo puedes

hacerle indexa los datos Por ejemplo si

yo aquí hablo y lo que me refiero Sabes

qué en lugar de hablar del número

absoluto del número relativo relativo a

que Rodrigo relativo al primer mes de la

c Entonces veo cómo cambian los los

meses de la cantidad de empleados perdón

de febrero contra enero de marzo contra

enero de abril contra enero y puedo ver

que las cosas cambian inclusive si te

fijas La Línea Amarilla es la que más

plana sería pero resulta ser la que más

está cambiando con

relativo a su primer mes de la serie ve

cómo puedes tú estar buscando como se

han cambiado las cosas Por lo cual es

importante es analiza cambio absoluto y

cambia rápido finalmente el tercer

consejo para cerrar esta parte de

análisis Busca siempre relaciones entre

los indicadores

Tenemos aquí el análisis con relación

que yo le puedo llamar como una

regresión Live Recuerda que te hablé de

este cálculo robusto matemático complejo

pero al fin de cuentas es que te da este

tipo de variables robustas y complejas

Aquí vamos a buscar algo Tal vez un

poquito más sencillo porque no me

interesa a mí meterme a esos niveles ni

es mi información personal y la verdad

es que no tengo ni el tiempo ni el foco

de hacer esas cosas esta correlación que

es una gráfica de expresión tienes dos

variables dos columnas del Excel dos una

columna donde el eje x una columna va en

el eje y tengo toda esta serie de puntos

y aquí lo que me interesa ver de este

tipo de análisis son dos cosas el

coeficiente correlación y el coeficiente

de determinación que dicho de manera

simple uno me dice la dirección y otro

me dice la fortaleza

y tienen su cálculo robusto pero

finalmente afortunadamente Tenemos aquí

el Excel que lo hace muy simple Entonces

no sé el Excel nos puede dar la línea de

tendencia y eso me dice la dirección si

va hacia abajo es tendencia negativa si

va hacia arriba es tendencia positiva y

me dice la r cuadrada que es la

fortaleza y me da la fórmula de la línea

recta Para qué me sirve esta fórmula

Pues recuerda que cuando yo le meto un

valor hago esa fórmula Y entonces puedo

sugerir un resultado futuro entonces me

están diciendo Oye cuál va a ser el

número del siguiente mes por si yo tengo

los últimos 36 meses puedo si los 36

meses se comportaron de la misma forma

pues probablemente el mes 37 se va a

comportar igual que los anteriores 36

entonces puedo usar esa fórmula y para

Oye para este resultado probablemente va

a ocurrir el siguiente o sea para para

esta esta variable va a ocurrir el

siguiente resultado

hablando de correlaciones estamos

hablando que es un análisis visual y

estadístico la r cuadrada es muy

importante porque te dice la fortaleza

la relación que pocas palabras podemos

decirle como que el grado de confianza

esto sería por relación perfecta o no

existe correlación casi es Cero en el

mundo real tenemos correlación positiva

o correlación negativa fuerte tenemos

correlación positiva o correlación

negativa débil de qué nos sirve de esto

O sea qué podríamos usar este tipo de

análisis imagínate el siguiente caso

entra un vendedor a compañía y de alguna

manera Está inquieto porque quiere saber

Qué acciones tiene que hacer para ganar

comisiones Bueno yo no sé qué hacer o

sea no sé qué sugerirte Pero lo que sí

puedo sugerirte es veamos los datos de

los vendedores que hay tenemos 100

vendedores entonces veamos una relación

entre el volumen que genera un vendedor

contra la comisión que gana

vamos la relación de los clientes que

tiene un vendedor contra la comisión que

gana veamos una relación de la

antigüedad de la empresa que tiene

vendedor contra las comisiones que hay y

así están los números en el primer caso

la correlación leve cuadrada es alta

punto 77 casos setenta y siete por

ciento lo cual es muy buena lo que te

dice es si quieres ser dinero esta

empresa si quieres ganar comisiones

definitivamente tienes que ser volumen

el que hace más volumen gana más

comisión tener clientes hay correlación

positiva sin embargo es muy baja de

punto quince entonces sabes qué pues no

la verdad es que más que tengas muchos

clientes ten buenos clientes finalmente

la antigüedad la antigüedad la

correlación prácticamente no hay es

decir no importa si en esta compañía

tienes un año cuatro años diez años la

antigüedad no te va a hacer buen

vendedor son otras habilidades que te

van a ser vendedor y ganar comisiones

entonces con esto quiero cerrar este

tema de análisis descriptivos Entonces

primero es te hablé de que había

diferentes tipos de análisis de Data

analytics tenemos descrita analytics

previtis analytics y prescription

analytics que el primero el primero ve

al pasado cosas que ya ocurrieron y los

otros dos Ven al futuro pero eso es

difícil y se paga muy bien por ver el

futuro entonces créeme que sí demanda

tiempo que tú puedes desarrollar estas

habilidades como probablemente tú estés

en otro tipo de formación profesional no

te interesa el tema estadístico entonces

ves que sigue trabajando con el primero

análisis y recuerda que con esto

resuelves el 80 90 por ciento sus

problemas y son las gráficas de todos

los a estos gráficas normales pero ojo

algunos consejos para profundizar más en

el análisis Entonces es no tieso por

promedios Aunque todos son promedios

simplifica entender los datos pero te

pierdes de que está corriendo entre

todos los números que forman el promedio

Busca el cambio no te conformes con las

líneas rectas si no Busca otra forma de

ver el cambio y generar relaciones entre

indicadores con esta regresión light con

el análisis de correlación para alguna

manera veas si tú podrías agarrar y ver

algún comportamiento