Data Anlytics - Tipos de análisis de datos | Comunicación Numérica
Summary
TLDREl 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
📊 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.
🧐 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.
📈 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.
🔍 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.
Mindmap
Keywords
💡Data analytics
💡Análisis descriptivos
💡Análisis predictivos
💡Análisis prescriptivos
💡Regresión
💡Machine learning
💡Promedio
💡Cambio
💡Correlación
💡Regresión lineal
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
Browse More Related Video
AboutIT: Análisis Predictivo en los Negocios
Modelos Predictivos: Análisis Predictivo para Optimizar Estrategias Comerciales en las Empresas
Análisis de Datos
BIG DATA en Ecommerce. Modelos Predictivos de Consumo y Segmentación mediante Técnicas Analíticas
Como aprender estatística de forma fácil
Análisis HORIZONTAL de estados financieros
5.0 / 5 (0 votes)