I. Introducción Los datos lo son todo. En nuestro mundo cada vez más digitalizado, la mayor moneda son los datos. Hubo oro, luego petróleo y ahora tenemos datos. La existencia diaria exige la toma de decisiones en varios puntos y, para tomar las mejores decisiones, necesitamos aprovechar los datos. ¿Cómo aprovechamos estos datos?, te preguntarás. Ahí es donde entra en juego el análisis de datos. En los próximos párrafos, responderé esa pregunta mientras lo guío a través de lo que se trata el análisis de datos. II. ¿Qué es el análisis de datos? Definir cualquier cosa es difícil. Antes de decir qué es el análisis de datos, permítanme decir primero lo que no es: ciencia de datos. Aunque relacionados, se trata de dos procesos diferentes. La combinación de ambos es la razón por la que me tomó tanto tiempo profundizar en el mundo de la analítica. La ciencia de datos es un campo amplio que contiene varios aspectos del análisis de datos, pero su alcance también se extiende al aprendizaje automático y el modelado predictivo, así como a la utilización de técnicas estadísticas, ¡lo que me aseguró que mantuviera una distancia saludable! El análisis de datos, por otro lado, se centra más en examinar datos para respaldar decisiones tácticas y mejorar las operaciones diarias. Ambos campos son esenciales para aprovechar los datos para impulsar el éxito empresarial, pero no son lo mismo. Examinar datos y sacar conclusiones de ellos es de lo que se trata la analítica. Estas conclusiones tienden a centrarse en la optimización del rendimiento, la eficiencia y las ganancias del negocio. Efectivamente, cada vez que interpreta datos para tomar decisiones guiadas estratégicamente, se pone el sombrero de analista de datos. Para pintar una imagen simple para la comprensión, piense en ello como la fórmula secreta que usa Netflix para evitar que duermamos toda la noche. Existen varios enfoques para el análisis de datos; en general, hay 4 tipos de análisis de datos que incluyen observar qué sucedió (análisis descriptivo), por qué sucedió algo (análisis de diagnóstico), qué sucederá (análisis predictivo) y qué se debe hacer a continuación. (Análisis Prescriptivo). Además, como analista de datos, utilizaría varios métodos y técnicas analíticos para procesar datos y extraer información. Un método popular es el análisis de regresión, que implica inspeccionar la conexión entre variables que dependen unas de otras para determinar cómo un cambio en una podría afectar a otra. A pesar de todo lo que se habla hoy sobre datos en tecnología, se le perdonaría pensar que todo esto es nuevo, pero el análisis de datos no comenzó a existir ayer, a pesar de que gran parte del campo se centra en desarrollos modernos. Está el rico contexto histórico que ha evolucionado y se remonta a los siglos XVIII y XIX con los primeros análisis estadísticos. Observando la evolución histórica desde la Era de la Computación Temprana de mediados del siglo XX, pasando por la introducción de software de hojas de cálculo como Microsoft Excel en la década de 1980 hasta el big bang que fue Internet y Big Data alrededor del cambio de milenio, hasta el final. Hasta el análisis predictivo actual a través de los dones de la ciencia de datos, el aprendizaje automático y la inteligencia artificial (IA), vemos la transición provocada por los avances tecnológicos y cómo el campo se ha ampliado enormemente. III. Los fundamentos de los datos Los datos son una colección de hechos. La calidad de los datos es un aspecto crítico del trabajo con datos, y se trata de cuán precisos, consistentes, completos, confiables y relevantes sean nuestros datos para la tarea en cuestión. Imagine los datos como los componentes básicos de nuestro proceso de toma de decisiones. Cuando nuestros datos son de alta calidad (es decir, están libres de errores, se mantienen consistentes a lo largo del tiempo, no tienen lagunas y provienen de fuentes confiables), se sienta una base sólida para decisiones informadas y procesos eficientes. Piense en ello como si tuviera un GPS confiable para su viaje de negocios. Los datos limpios no solo le ahorran tiempo y esfuerzo en la limpieza de datos, sino que también generan confianza entre su equipo y las partes interesadas, lo que hace que todos tengan más confianza en los conocimientos y decisiones que los datos pueden proporcionar. Además, es una herramienta para ahorrar dinero y evitar errores costosos en inversiones, marketing y operaciones. Además, tener datos limpios es como perfeccionar sus herramientas de análisis: garantiza que sus modelos y predicciones sean precisos y confiables. Además, en algunas industrias, es imprescindible cumplir con los requisitos de cumplimiento y mantener prácticas de datos éticas. IV. El proceso de análisis de datos El ciclo de vida del análisis de datos representa la serie de etapas y actividades involucradas en un proyecto típico de análisis de datos. Describe los pasos desde la definición del problema hasta la entrega de conocimientos prácticos. El curso de análisis de datos de Google establece 6 pasos: preguntar, preparar, procesar, analizar, compartir y actuar. V. Herramientas y tecnologías Una forma de distinguir los campos es a partir de sus herramientas. Los médicos tienen estetoscopios, bisturíes y termómetros, mientras que los analistas tienen hojas de cálculo, SQL y herramientas de visualización. Estas son algunas herramientas comunes de análisis de datos. La hoja de cálculo es un software para calcular y organizar datos. Excel es la aplicación de hoja de cálculo más común. Lenguaje de consulta estructurado: SQL (pronunciado 'secuela') es un lenguaje de programación creado para administrar bases de datos. R es un lenguaje de programación diseñado para informática estadística que también tiene capacidades de visualización de datos. Python es una alternativa popular a R porque, además de la computación estadística, tiene muchos otros usos. Además, existen herramientas de visualización que hacen que comprender conjuntos de datos complejos, facilitar la interacción de datos y descubrir conocimientos sea mucho más conveniente que en el pasado. La visualización de datos implica transformar datos sin procesar en representaciones visuales, por lo que herramientas especializadas como Tableau y Power BI son esenciales. VI. Caso de estudio Quiero resaltar la importancia del análisis de datos en el mercado de contenidos, utilizando Netflix. Considere este pseudoexamen: cuando escribe "Juego de Tronos" en la barra de búsqueda de Netflix, se completan las palabras antes de que termine de escribir, aunque no tienen el programa, pero Netflix sigue adelante para devolver sus programas. Para mí, el primer resultado es “The Witcher”. ¿Por qué crees que es? ¿Por qué sugerir otro programa de fantasía, basado en una serie de libros de ficción diferente, ambientado en un mundo de magia y espadas de inspiración medieval? ¿Por qué no sugerir “El naranja es el nuevo negro”? Eso es análisis de datos en juego. Más allá de la sugerencia de contenido, es una suposición segura que los productores y ejecutivos de Los Gatos anticiparon una superposición entre los espectadores de GOT y aquellos que lanzarían una moneda a The Witcher antes de firmar millones de dólares para producir el original de Netflix. Estaban los datos, se analizaban y en base a eso se tomaba una decisión. VII. Privacidad y ética de los datos Con mi experiencia jurídica, las consideraciones sobre el manejo y análisis ético de datos me resultan particularmente interesantes, pero solo estoy tratando de presentar el análisis de datos hoy, y la importancia de la privacidad de los datos debe abordarse en profundidad otro día, especialmente porque ¡Pueden oír todo lo que decimos! VIII. Comenzando con el análisis de datos Para cualquier persona interesada en aprender más sobre análisis de datos, o que recién esté comenzando, puede consultar estos interesantes recursos: : este es un excelente curso para principiantes para sentar las bases de lo que necesitará en su viaje a Data Analytics. Certificado profesional de Google Data Analytics : WiDA está ayudando a las mujeres a desarrollar habilidades basadas en datos para una carrera basada en datos. Comunidad Women in Data Africa (WiDA) : un artículo de Investopedia que habla un poco más sobre el meollo de la cuestión técnica del análisis de datos. Análisis de datos: qué es, cómo se utiliza y 4 técnicas básicas IX. Conclusión Cada negocio tiene sus objetivos y el camino para alcanzarlos suele estar en los datos; Es por eso que nuestros datos son tan importantes hoy en día porque, a través de un buen análisis, se pueden convertir las estadísticas en resultados. Soy Jason y estoy intrigado por el mundo de los datos. Espero haberte ayudado a entender de qué se trata este campo. Si este artículo le ha parecido fascinante o si recién está comenzando, buena suerte mientras explora más y practica sus habilidades. Para obtener más información, puede leer artículos específicamente dedicados a cualquiera de los cuatro tipos de análisis de datos. ¡Soy un poco partidario del análisis predictivo! Por último, no olvide pensar como un analista de datos cada vez que tenga que tomar una decisión; ¡Les deseo muchas ideas sorprendentes por delante!
