¿Qué es el análisis de datos? (Con ejemplos)

Read in English. (Leer en inglés.)

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

Esta idea está en la base del análisis de datos. Cuando podemos extraer el significado de los datos, nos permite tomar mejores decisiones. Y vivimos en una época en la que tenemos más datos que nunca a nuestro alcance.

Las empresas se están dando cuenta de las ventajas de aprovechar los datos. El análisis 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 próximo gran éxito de streaming.

El Informe sobre el Futuro de los Empleos 2020 del Foro Económico Mundial sitúa a los científicos y analistas de datos como el principal empleo emergente, seguido inmediatamente por los especialistas en IA y aprendizaje automático, y los especialistas en big data [1].

Proceso de análisis de datos

A medida que los datos de los que disponen las empresas siguen creciendo tanto en cantidad como en complejidad, también lo hace la necesidad de un proceso eficaz y eficiente para aprovechar el valor de esos datos. El método de análisis suele pasar por varias fases iterativas. Veamos cada una de ellas con más detalle:

• Identifica la pregunta empresarial a la que deseas responder. ¿Qué problema intenta resolver la empresa? ¿Qué necesitas medir y cómo lo harás?

• Recopila los conjuntos de datos brutos que necesitará para ayudarle a responder a la pregunta identificada. La recopilación de datos puede proceder de fuentes internas, como el software de gestión de relaciones con los clientes (CRM) de una empresa, o de fuentes secundarias, como los registros gubernamentales o las interfaces de programación de aplicaciones (API) de las redes sociales. 

• Limpia los datos para prepararlos para el análisis. Esto suele implicar la eliminación de datos duplicados y anómalos, la conciliación de incoherencias, la estandarización 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 técnicas de análisis de datos, podrás empezar a encontrar tendencias, correlaciones, valores atípicos y variaciones que empiezan a contar una historia. Durante esta etapa, puedes utilizar la minería de datos para descubrir patrones dentro de las bases de datos o el software de visualización de datos para ayudar a transformar los datos en un formato gráfico fácil de entender.

• Interpreta los resultados de tu análisis para ver en qué medida los datos responden a tu pregunta original. ¿Qué recomendaciones puedes hacer basándote en los datos? ¿Cuáles son las limitaciones de tus conclusiones? 

Mira este vídeo para saber qué es el análisis de datos y cómo lo define Kevin, Director de Análisis de datos de Google.

Aprende más: ¿Qué hace un analista de datos? Una guía profesional

Tipos de análisis de datos (con ejemplos)

Los datos pueden utilizarse para responder a preguntas y respaldar decisiones de distintas maneras. Puede ser útil agrupar estos tipos de análisis en cuatro categorías de uso común en este campo. Vamos a ver cada uno de estos métodos de análisis de datos, junto con un ejemplo de cómo puede aplicarse cada uno de ellos en el mundo real.

Análisis descriptivo

El análisis descriptivo nos dice lo que ha ocurrido. Este tipo de análisis ayuda a describir o resumir los datos cuantitativos mediante la presentación de estadísticas. Por ejemplo, el análisis estadístico descriptivo podría mostrar la distribución de las ventas entre un grupo de empleados y la cifra media de ventas por empleado.

El análisis descriptivo responde a la pregunta "¿qué ha pasado?".

Análisis diagnóstico

Si el análisis descriptivo determina el "qué", el análisis de diagnóstico determina el "por qué". Digamos que un análisis 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 síntomas de un determinado virus. Este análisis de diagnóstico puede ayudarte a determinar que un agente infeccioso—el "por qué"—provocó la afluencia de pacientes.

El análisis de diagnóstico responde a la pregunta "¿por qué ha ocurrido?"

Análisis predictivo

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

El análisis predictivo responde a la pregunta "¿qué podría pasar en el futuro?".

Análisis prescriptivo

El análisis prescriptivo toma toda la información obtenida de los tres primeros tipos de análisis y la utiliza para formular recomendaciones sobre cómo debe actuar una empresa. Utilizando nuestro ejemplo anterior, este tipo de análisis podría sugerir un plan de mercado para aprovechar el éxito de los meses de altas ventas y aprovechar nuevas oportunidades de crecimiento en los meses más lentos.

El análisis prescriptivo responde a la pregunta "¿qué debemos hacer al respecto?".

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

¿Qué 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 inglés, puede definirse como el proceso de tomar decisiones empresariales estratégicas basadas en hechos, datos y métricas en lugar de en la intuición, la emoción o la observación.

Esto puede parecer obvio, pero en la práctica, no todas las organizaciones están tan orientadas a los datos como podrían estarlo. Según la empresa de consultoría de gestión 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 [2].

Preguntas frecuentes (FAQ)

Empieza con Coursera

Si estás interesado en una carrera en el campo de alto crecimiento de la analítica de datos, puedes comenzar a construir habilidades laborales con el Certificado profesional de Google Data Analytics. Prepárate para un trabajo de nivel inicial mientras aprendes de los empleados de Google, sin necesidad de tener experiencia ni título. Una vez que termines, podrás presentar tu candidatura directamente a más de 30 empleadores de México (incluido Google).