El mundo de los datos: data science y machine learning

1

Aprende ciencia y análisis de datos para optimizar las estrategias de tu negocio

2

Retos para aprender ciencia de datos

3

¿Qué es ciencia de datos y big data? ¿Cómo afectan a mi negocio?

4

¿Qué tipo de información podemos analizar?

5

¿Cómo crear empresas y culturas data-driven?

6

¿Qué es inteligencia artificial y machine learning?

7

¿Qué es deep learning? Análisis de imagen, audio y video

Herramientas y roles de trabajo en ciencia de datos

8

Flujo de trabajo en ciencia de datos: fases, roles y oportunidades laborales

9

Herramientas para cada etapa del análisis de datos

10

¿Qué es y cómo usar una base de datos relacional con SQL?

11

Cómo estructurar queries en SQL

12

Conflictos y retos actuales sobre la ética y tratamiento de datos

Problema de negocio: análisis

13

Aplica técnicas de storytelling para convertir problemas de datos en historias

14

Cómo estructurar un caso de negocio

15

Análisis cuantitativo en un caso de negocio

16

Análisis cualitativo en un caso de negocio

17

Fusión cuanti-cualitativa en un caso de negocio

18

¿Qué es minería de texto? ¿Cómo usarla para obtener información adicional?

19

Variación de comportamientos a partir de la geolocalización

Problema de negocio: implementación

20

Acciones, algoritmos y toma de decisiones según los resultados del análisis

21

Apuntes y cursos para aprender ciencia de datos

22

Continúa aprendiendo ciencia y análisis de datos para ejecutar estrategias efectivas

23

👥🦾 Actividades de la comunidad de la Escuela de Data Science e Inteligencia Artificial

Crea una cuenta o inicia sesión

¡Continúa aprendiendo sin ningún costo! Únete y comienza a potenciar tu carrera

¿Cómo crear empresas y culturas data-driven?

5/23
Recursos

Aportes 695

Preguntas 39

Ordenar por:

Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.

1.- YouTube
A continuación un ejemplo del porque:

1.- Es una empresa la cual funciona a base de datos y estadísticas, así como de probabilidades
2.- Nosotros, al interactuar con la plataforma, le estamos proporcionando diversos tipos de datos (persona, transacciones, web etc) y entonces son recolectados
3.- Mide la duración del video, si lo vimos completo o en que punto decidimos dejarlo, cuanto tiempo interactuamos al día, que tipo de contenido consumimos, si somos creadores de contenido o espectadores, en donde dimos click, etc.
4.- Si YouTube esta evaluando nuestro consumo de música, no le va a interesar si estamos suscritos a canales de comedia, terror etc.
5.- Un ejemplo de testing es cuando YouTube muestra el video que acabas de crear a x numero de personas, si tuvo buena interacción con esa cantidad de personas la hipótesis seria que si se lo muestra de manera global, entonces tendrá buena aceptación
6.- La acción es mostrar el video al publico en general y recabar todos los datos relevantes (numero de comentarios, vistos, likes, dislikes etc) y en función de ello recabar nuevamente datos
7.- Un ejemplo de regular los datos y no tomar decisiones sesgadas de información es: normalizarlos y tener muestras representativos sobre el publico al que se mostró, Y lo mas importante: Resguardar los datos del usuario, para no comprometer su integridad física y/o psicológica, y respetar su dignidad como persona
8.- Crear un modelo basado en Data Science y AI

Como pueden ver, todo es recursivo, básicamente es el Método Científico

Empresas data-driven
1.Crear una cultura de datos-> entenderlo, hacer que los empleados tomen decisiones basadas en datos.
2.Recolectar información-> entender toda la información que
tenemos.
3.Medir todo->Entendemos lo que tenemos y cómo se
comporta.
4.Datos relevantes y precisos->Basarnos en datos que nos sirvan, sea el tiempo, cliente, y sus tipos.
5.Testear y crear hipótesis-> Partir de una hipótesis, plantear una pregunta específica para estudiar lo que vas a testear.
6.Desde los insights de datos a las acciones-> teniendo los insights(visiones), tomamos acciones.
7.Cumplir las regulaciones de datos-> Cumplir los reglamentos
8.Automatizar->Automatizar no más…

<h3>Resumen clase 5. ¿Cómo crear una cultura de datos en la empresa: empresas data-driven?</h3>
<h4>¿En qué consisten? Y ¿Qué se necesita para hacerlo?</h4>

Debemos entender qué componentes son necesarios para crear una cultura data-driven en una empresa
.
Empresas data-driven:
1. Crear una cultura de datos: entenderla

  • Hacer que todos los empleados tomen decisiones basados en datos
    .
    2. Recolectar información
  • Almacenar y procesar toda la información
  • No basarnos solo en una parte de la información, sino entender toda la información que llega a nosotros
    .
    3. Medir todo
  • El tamaño de la información
  • El ritmo de crecimiento de los tipos de información que se producen. La información de precios podría crecer menos que los de ventas
    .
    4. Datos relevantes y precisos
  • Basarnos en la información que nos sirvan: tal para un estudio sea prioritario el tiempo, los tipos de clientes y si es el tiempo, cual es la frecuencia que deberíamos tomas (¿días, horas, minutos?)
  • Pensar muy bien qué información y con qué características serán importantes para un estudio en particular o para todo el modelo de negocio
  • Después tenemos que ver si la información es precisa y estándar (tipo de datos). Por ejemplo, en el caso de tener ingresos por ventas por diferentes monedas, de acuerdo con el país donde se transa, será necesario esta clasificación; de manera similar sucede con el uso horario. En ambos casos será necesario transformar a una denominación estándar.
    .
    5. Testear y crear hipótesis
  • Tenemos que partir de una hipótesis –una pregunta—. El análisis tiene que partir de una pregunta específica.
  • Por ejemplo, para estudiar si las ventas de diciembre incrementaron, hipótesis: en invierno el consumo de gas se incrementa, entonces las ventas se incrementarán entre octubre y enero; en el estudio se enfocará en testear si dicha hipótesis es cierta o no.
    .
    6. Desde los insights de datos a las acciones
  • Los insights son obtenidas de los resultados del estudio enfocado a probar si la hipótesis planteada era cierta o no.
  • Por ejemplo, un insight podría ser: efectivamente en diciembre los hogares consumen más gas; ya con esta información tendremos que decidir que acción debemos tomar.
  • ¿Cuál es la pregunta? >> ¿tenemos la información para validarla? >> ¿cómo lo convertimos en acción los resultados?
  • Bajo este enfoque las decisiones de acción son tomadas con datos –Data driven. Ya no en base a una intuición.
  • La intuición sirve para plantear las hipótesis, pero la acción solo será tomada si esta es validada.
    .
    7. Cumplir las regulaciones de datos
  • No podemos tomar decisiones en base al género, información privada, etc. Cumplir todas las regulaciones
  • La ética en los datos es muy importante
    .
    8. Automatizar
  • Un estudio no tiene por qué ser hecha recurrentemente, sino automatizar la validación en cada periodo

Me parece que estos puntos para crear empresas data-driven, reflejan de una manera global, el proceso de general de la ciencia de datos, y lo que le corresponde a cada rol:
El punto 1. Sería la contextualización de todo el equipo de trabajo y los interesados.
Puntos 2 y 3. De lo que se encargaría el Data Engineer
Puntos 4 al 7. De lo que se encargaría el Data Scientist
Punto 8. De lo que se encargaría el ML Engineer

Esto refleja el impacto que puede tener un equipo de data scientists en toda la organización en general.

[email protected] sabe como empezar a recopilar datos ? cómo llegar a una empresa que nunca ha recolectado datos e implementar un sistema para empezar a hacerlo
Dónde se almacenan, con qué datos se empieza, apartir de cuanto tiempo se pueden empezar a tomar decisiones?

Piensa en 3 empresas que tengan una cultura de datos (data-driven), donde todas sus decisiones se toman con base en la información que generan.

  1. NFL. Desde hace muchos años la recoleción de datos sobre cada jugador es importante en el futbol americano ya que, a patir de estas estadísticas los jugadores pueden negociar mejores salarios.
  2. MLB. Actualmente el beisbol de las grandes ligas de USA utiliza los datos para designar pitchers y bateadores.
  3. Liverpool FC. Adquieren a sus futbolistas a partir de datos recolectados en diferentes ligas del mundo.

Hay dos ides muy importantes en la toma de decisiones de un negocio:

  • Data driven
  • Data informed

Data driven quiere decir que las empresas toman siempre las decisiones basadas en datos, esto en general tiene muchos beneficios y aportes pero pueden generarse malas decicisones debido en que los datos o predicciones tengan algun error muy grave o una baja calidad.

Data informed quiere decir que al momento de tomar las decisiones, los datos y lo que dicen es un factor más no algo que tiene la ultima palabra porque se pueden acompañadar por las opiniones que una persona con experiencia detecte por ejemplo el proposito de la marca, cambios del mercado etc.

La diferencia radica en que en una lo que los datos nos dicen se toma como algo “sagrado” y en la otra se toman como un acompañante que hace peso a la hora de tomar decisiones.

fuente: https://www.tradegecko.com/blog/small-business-growth/data-driven-vs-data-informed

1.) Coca-Cola: a través de los datos recopilados de las máquinas dispensadoras que permitían a los usuarios mezclar sus propios sabores, en el 2017 lanzaron la línea “Cherry Sprite” producto de los sabores mas combinados por los consumidores.

2.) Starbucks: Suelen abrir sucursales de acuerdo a los patrones de consumo de los residentes en determinado sector, razón por la cual puedes encontrar hasta 5 tiendas en un radio de 5km cuadrados.

3.) Netflix: Los patrones de consumo de sus usuarios pueden determinar la producción de contenido y contratación de actores y/o actrices, por ejemplo Adam Sandler: si bien es impopular en Estados Unidos y Reino Unido, la empresa firmo contrato con 4 películas con dicho actor en el 2015 por su éxito en Latinoamérica.

¿Alguien me explica que son los insights?

Empresas data-driven:

  1. Crear una cultura de datos (que los empleados tomen sus decisiones basándose en datos)
  2. Recolectar información (almacenar, procesarla)
  3. Medir todo (precios, ventas, número de clientes)
  4. Datos relevantes y precisos (para cada negocio en particular)
  5. Testear y crear hipótesis (por ejemplo: en invierno hace más frío, mi hipótesis es que los hogares consumen más gas en invierno)
  6. Desde los insights de datos a las acciones (que con los datos confirmemos o rechacemos nuestra hipótesis)
  7. Cumplir las regulaciones de datos (ética al manejar los datos)
  8. Automatizar

Mercado Libre

1- Es una empresa de comercio electronico por lo tanto la recoleccion y analisis de datos es un lema de compañía por que en base a esta información es que se toman decisiones.

2- Los datos se recolectan por medio de la informacion que le proporcionamos desde lo más básico como lo es nuestra informacion de usuario.

  1. Datos de tipo transferencia
    Que tipo de productos compramos
    que valor tienen
    rango de precios
    categoria del producto

    cookies y navegación
    cuando navegamos por la pagina web de mercado libre, recolecta la informacion ademas de que usan informacion de otras fuentes confiables.

    datos de geolocalizacion etc.

3- medir

esto es para medir el tiempo que pasamos en el sitio web, desde donde se accede cuales son los descuentos, si la actividad de nosotros cae o no, etc.

la capacidad de compra etc.

4- relevancia e importancia

los datos de relevancia son a menudo tomados en cuenta en base a la geolocalizacion para ofrecernos productos cerca a donde vivimos, ademas de las valoraciones de cada vendedor, los vendedores de areas cercanas al lugar donde nos encontramos van a tener mayor prioridad en los resultados de busqueda.

5- crear hipotesis

las decisiones las tomamos en como tomar hipotesis, por ejemplo como puede identificar un vendedor fraudulento, en base a si tiene un correo electronico verificado, que tenga una informacion crediticia correcta, que las valoraciones no sean negativas, que la direccion de facturacion

6- desde los insigths tomar decisiones

si una persona cumple con los requisitos cae en tela de juicio de que puede ser un estafador. Ademas habrá que exceriorse de que los comentarios no sean cuentas falsas que intenten perjudicar la imagen del vendedor.

7- cumplir las regulaciones del tratamiento de datos es primordial para el manejo de los datos en mercadolibre, si quieren revisar la información es https://www.mercadolibre.com.co/ayuda/Politicas-de-privacidad_993#:~:text=Mercado Libre permite a los,facilitar la interacción entre ellos.

8- automatizar

Este algoritmo de detencion de fraude está funcionado permanentemente con el fin de generar la mejor seguridad para vendedores y compradores

Esto me quedo super marcado: Ya no tomo datos por intuición, mi intuición se volverá la hipótesis y la pruebo con datos.

Se puede notar como platzi le importa mucho el feedback,incluso las encuentas en los live me imagino que eso determina mucho los productos que lanzan

una definición de de Insight que me gusta es: datos concretos que aportan información valiosa

Como aporte (mi síntesis) de las lecturas.

“¿Intuición o datos? La respuesta es Business Intelligence”: La intuición generaba un enfoque poco claro de lo que los resultados podían ofrecer a una aplicación como un negocio, sin embargo cuando se comenzaron a utilizar los datos para generar una ventaja competitva en el mercado se denominó Business Intelligence.

¿Cuál es la diferencia entre Big Data y Business Intelligence?: Esto me quedó claro desde el comienzo, pero se aceptan opiniones. El big data, como lo vimos, es el manejo masivo de información, sin embargo cuando comienzas a usar todos estos datos, que pueden ser de todo tipo, de personas, transacciones, machine 2 machine, etc. y los usas a tu favor, ahí es cuando se convierte en Business Intelligence, entonces: BIG DATA = MÉTODO. BUSINESS INTELLIGENCE = CONDUCTA.

*Walmart.
*Oxxo.
*McDonald’s.

  1. Netflix, con su contenido pueden realizar toma de decisiones basadas en la información que van generando a través de sus plaformas, al existir un intercabio de datos entre servidor y usuario es posbile analizar y poder desarrollar hipotesis basadas en datos.
  2. Google, a través de los buscadores, ya que ofrecen al usuario una mejor respuesta basada en su perfil, el propio sistema determina la mejor respuesta basada en tus intereses.
  3. BBVA a través de transacciones bancarias, conocer el comportamiento de sus usuarios mediante el uso de TDC y saber en que momento meter en el juego sus promociones.
  1. Spotify decide que música recomendar.
  2. Netflix decide que películas recomendar, que películas produce y cuáles no.
  3. Amazon decide que productos recomendar.

Empresas Data-Driven
Netflix -> va mostrando con precisión qué contenido tiene más afinidad al usuario según lo mismo que han realizado otros usuarios.
Amazon -> Crea productos de mercado en base a la generación de demanda.
Tesla -> En base a los datos recolectados por todos sus vehículos optimiza rutas, comportamiento del vehículo, y advertencias a usuario.

  1. Youtube
  2. Netflix
  3. Facebook

Algo muy importante que todos debemos de tener en cuenta independiente del giro en el que nos encontremos es que siempre hay que medir. Y para poder medir necesitamos datos.

Un ejemplo sencillo es:¿Cuantas horas dedicas a Platzi al día? Si no comienzas a medir esto no sabrás cuanto de tu tiempo haz invertido y esto también se presta a que un día entremos a la plataforma y al otro no. o que tengamos diferente tiempo de inversión entre una semana y otra.

En otro curso me gustó la frase “si no tienes datos, solo tienes una opinión”

Empresas data - driven:

  1. Chazki : Empresa dedicada a la entrega de pedidos, le interesa monitorear todo con respecto a la logística del envío.
  2. FAVO: Empresa dedicada a la venda de productos de pan llevar, conecto a los mayoristas con los usuarios y el delivery es gratis.
  3. SMART DOCTOR: Usa la telemedicina, blockchain y la inteligencia artificial.
  1. Ecopetrol: Como empresa exportadora de recursos naturales debe estar muy pendiente de sus datos de producción. Cuanto produce cada pozo en cada momento, cuantos trabajadores tienen cada pozo, cuantas horas de trabajo producen cuanta cantidad de barriles. También recolectar datos sobre sus transacciones para en base al histórico poder decidir en que épocas o antes que eventos acelerar o desacelerar la producción.

  2. Enel: Como electrificadora NECESITA estar basada en datos, las ventas de enerrgía se realizan con menos de un día de anticipación, el mercado de nergía eléctrica es muy volatil y las transacciones se cierran cada día para el día siguiente y es fundamental para cada generadora, comercializadora y distribuidora poder predecir con mucha exactitud el comportamiento en consumo y generación, para esto se usan modelos matemáticos muy poderosos.

  3. Quala: Como multinacional de consumo masivo es indispensable revisar las métricas de sus productos, ellos no venden todos sus productos en todas las regiones, incluso tienen productos que en principio son competencia distribuidos en regiones distintas porque los datos sobre las preferencias del consumidor los han guiado sobre que productos colocar y cuales retirar en que regiones.

Cultura de datos en una empresa (Data driven - Impulsado por datos)

1. Crear una cultura de datos 
2. Recolectar la información - Almacenar la información 
3. Medir todo - procesar la información 
4. Identificar datos relevantes y precisos 
5. Testear y crear hipótesis 
6. Desde los insights de datos a las acciones 
7. Cumplir las regulaciones de datos
    8. Automatizar 

Hola, aquí mi solución al reto 3.

Aquí 3 empresas que utilizan una cultura de data-driven y cuál es su propósito:

  1. Rappi (Para orientar las promociones)
  2. Platzi (Para recomendar rutas a sus estudiantes)
  3. Tiendas virtuales (Para enviar ofertas a sus mejores clientes)

Pasos para crear una cultura data driven

  1. Crear una cultura de datos:
    Entender la importancia de los datos.
    Hacer que todos los empleados tomen decisiones basados en datos.
  2. Recolectar información
    Recolectarlo todo.
    Almacenar y procesar toda la información
    No basarnos solo en una parte de la información, sino entender toda la información que llega a nosotros
  3. Medir todo
    El tamaño de la información
    El ritmo de crecimiento de la información que se producen.
    La información de precios podría crecer menos que los de ventas
  4. Datos relevantesy precisos
    Pensar muy bien qué información y con qué características serán importantes para un estudio en particular o para todo el modelo de negocio
    Para un estudio puede ser prioritario el tiempo, los tipos de clientes. En el caso de tiempo, cual es la frecuencia que deberíamos tomrlaas (¿días, horas, minutos?)
    Después se ve si la información es precisa y estándar (tipo de datos).
    Por ejemplo, en el caso de tener ingresos por ventas al operar a nivel internacional, cada transacción se hará con la moneda según el país. Nuestros dato se recolectan en una base estándar convertido en dólares o de acuerdo al país. De manera similar sucede con el huso horario, dependiendo del país recolectamos la hora de acuerdo a la información central o de cada país.
  5. Testear y crear hipótesis
    Tenemos que partir de una hipótesis, una pregunta. El análisis tiene que partir de una pregunta específica.
    Por ejemplo, para estudiar si las ventas de diciembre incrementaron. Si trabajas en una empresa de gas la hipótesis: en invierno el consumo de gas se incrementa, entonces las ventas se incrementarán entre octubre y enero.
    El estudio se enfocará en testear si dicha hipótesis es cierta o no.
  6. Desde los insights de datos a las acciones
    Los insights son obtenidas de los resultados del estudio enfocado a probar si la hipótesis planteada era cierta o no.
    Por ejemplo, un insight podría ser: efectivamente en diciembre los hogares consumen más gas; ya con esta información tendremos que decidir qué acción debemos tomar.
    La acción: avisar al cliente sobre que volverá a necesitar más gas ahora. Es un mensaje personal, también podemos hacer campañas de marketing.
    ¿Cuál es la pregunta? >> ¿tenemos la información para validarla? >> ¿cómo lo convertimos en acción los resultados?
    Bajo este enfoque las decisiones de acción son tomadas con datos –Data driven. Ya no en base a una intuición.
    La intuición sirve para plantear las hipótesis, pero la acción solo será tomada si esta es validada.
  7. Cumplir las regulaciones de datos
    Cumplir los reglamentos.
    No podemos tomar decisiones sesgadas en base al género, información privada, etc.
    La ética en los datos es muy importante
  8. Automatizar
    Un estudio no tiene por qué ser hecha por uno a cada rato.
    Se debe automatizar la validación de la hipótesis en cada periodo.

Muy buena información,

Definición de Data Driven

“Una organización Data-Driven captura, procesa y disponibiliza datos en Tiempo Real para crear Eficiencias, iterar, desarrollar Nuevos Productos y Navegar en el mundo de los negocios creando Ventajas competitivas.”

Libro: Data Driven - Creating a Data Culture
Autor: Dj Patil & Hilary Mason

Amazon
Netflix
Google

  1. Rappi, uiliza ubicación, perfila al cliente en consumo y dinero gastado.
  2. Amazon, perfila al cliente en consumo y dinero gastado.
  3. DID, uiliza ubicación y necesidad

Secretaría Distrital de Movilidad: de acuerdo a los datos de tráfico y desplazamientos toma sobre el tránsito.

Banco en General: conforme al comportamiento bancario ofrece productos a sus clientes.

Off Corss: de acuerdo al patrón de comprar del cliente ofrece productos.

Mercado libre:
1.- Sabemos que tiene una cultura de datos porque si no se hubiera muerto hace mucho.
2.- Recolecta información de TODO. Articulos, vendedores, compradores, ventas, ganancias, lugares, servicios, etc (y un ETC enorme)
3.- Miden TODO. Cuantas veces entraste a un articulo, con cuantos compradores buscaste, si viste o no las recomendaciones, cuanto han vendido por zona o país , obviamente cuanto ganan, etc(neta un ETC muy grande)
4.- Aquí es donde se pone bueno el asunto. Si sutilmente (ya no es tan sutil) te pusieron un anuncio de una gorra de beisbol de los Dodgers después de haber comprado un Jersey, es porque excluyeron específicamente esa información (i mean el equipo “dodgers”) y pasaron al paso 5
5.- construyeron la hipótesis que probablemente a las personas que compren un jersey de los dodgers quieran comprar también la gorra. y pasaron al paso 6
6.- Efectivamente, también quiero esa gorra. Y lo comprueban con otros pocos miles de personas que hicieron exactamente lo mismo que yo :C y yo que me sentía único.
7.- Nunca te obligaron a comprar nada y aparte yo le dije que ACEPTO en las cookies donde decía que me iban a proponer nuevos articulos en función de mis gustos. Ya sé, también me siento autotraicionado jaja
8.- Esto lo hace la página con millones de usuarios todo el tiempo. No esperarás que esté una persona coordinando lo que te gusta en otro lugar del mundo .
FIN

Platzi, Facebook, Netflix deben de tener su respectiva cultura data-driven.

Actualmente todas las grandes empresas se manejan bajo la cultura del data-driven. Pero considero que estas son las mas importantes:

  1. Google
  2. Youtube
  3. Meta

En mi opinión estas son algunas de las empresas que manejan Data-driven y de esa manera producen sus contenidos o encaminan sus estrategias de mercado.

  1. Netflix: De acuerdo a cada película que vemos Netflix se encarga de crear patrones particulares para cada usuario y así mismo los libretos, personajes, tráileres y hasta cada imagen que aparece en la pantalla, son hechos basados en análisis de datos y algoritmos de recomendación.
  2. Instagram: Desde un me gusta hasta una ojeada en alguna publicación crean patrones de recomendaciones y sugerencias de los gustos y el contenido que le aparece a cada persona, esto hace que se creen predicciones (acciones) de lo que cada usuario necesite.

Mi aporte del tema de clase:

  1. Spoty: Te resumen en bibliotecas las canciones o tipo de canciones mas escuchadas por usuario.
  2. Netflix: Caracteriza las películas por tipo y por usuario
  3. Flickr: Administra millon de fotografías por categoria

Crear una cultura de data driven:

  1. Crear un cultura: Lograr que todos los empleados de una empresa tomen decisiones basadas en datos. Las empresas generan y tienen todo tipo de datos: de personas, transaccionales, etc.
  2. Recolectar información: Recolectamos y almacenamos la información de la empresa seccionada por tipos de datos.
  3. Medir todo: Vamos a medir todos los datos recolectados y analizarlos. Identificar puntos de negocio basados en datos.
  4. Datos relevantes y precisos: Identificar los datos relevantes para poder tomar decisiones inteligentes. Dependiendo el tipo de negocio podemos aprovechar unos tipos de datos u otros.
  5. Testear y crear hipótesis: En base a una hipótesis definimos Qué tipo de datos podemos medir. Por ejemplo: Si nuestra empresa es una empresa de gas, podemos deducir que en invierno van a comprar más calentadores de gas: Es algo qué vamos a testear si es cierto o es falso.
  6. Desde los insights de datos a las acciones: Del paso anterior ya tenemos los insights (efectivamente en invierno los hogares compran más calentadores) y con esto podemos definir las acciones (infórmale al cliente que en invierno del años pasado su consumo de gas aumento, por lo qué en el año presente pueda que vuelva a suceder lo mismo). Las acciones son basadas en datos.
  7. Cumplir las regulaciones de datos: No puedes tomar decisiones sesgadas en función de género, de información privada, etc. La ética en los datos es muy importante.
  8. Automatizar: Este estudio lo hacemos una vez y lo ejecutamos cada vez que necesitemos validar una hipótesis.

Netflix

  • Paso 1: Es un empresa que se basa en la recolección de datos del usuario que interactúa con su pagina y su app.
  • Paso 2: Recolectan la mayor cantidad de datos del usuario mientras estemos interactuando con su app o en la pagina.
  • Paso 3: El tiempo que duramos viendo una serie o una película. Si la vemos completa o la vemos por parte. La hora y el día en el que estamos conectados mas frecuentemente. El país donde estamos al igual que el idioma en el cual vemos las series y las películas, etc.
  • Paso 4: Toman datos relevantes como que tipo de series nos gustan y cuales son los géneros que frecuentamos más. ****
  • Paso 5: Si el contenido de películas o series que vemos con mas frecuencia es de acción puede que colocarnos ese tipo contenido mezclado con comedia ó Acción con drama. Nos llame la atención
  • Paso 6: Cada vez que entre a la pagina o cuando termine de ver una serie o una película de acción nos sugieren otra correspondiente al genero.
  • Paso 7: Guardan los datos que suministramos en la app y nuestras preferencias sin hacerlos publicos.
  • Paso 8: Tienen un algoritmo que hacer esto de forma automática.
  1. Youtube
  2. Facebook
  3. Cambridge Analytica

Considero que las empresas que toman sus decisiones en funcion de los datos serían:

  • Alphabet y sus subsidiarias con su universo de datos.
  • Facebook y subsidiarias para hacer herramientas para marketing de sus clientes.
  • Tesla la retroalimentación de información sobre cada automóvil.

Apple: Basa los lanzamientos de productos en las épocas festivas del año, dada la densidad de compras que se pueden presentar debido a las ocasión, así mismo presenta disponibilidad y accesibilidad en mayor cantidad en las zonas donde mayor potencial de venta pueda obtener

Ejemplo de empresa data driven: Platzi

  1. Platzi es una empresa de educación online que utiliza datos de personas para así poderte sugerir rutas especializadas, también para saber en que fecha tiene más ventas, así como la demografía de las personas que compran una suscripción.
  2. Platzi recolecta información de navegación web para saber que tipo de cursos te interesan más, y así poder recomendarte rutas de aprendizaje. Al mismo tiempo usa los datos de transacciones para saber en qué época del año venden más suscripciones, así como datos de personas para conocer la demografía (edad, país, sexo, ocupación laboral) de las personas que tienen cuenta en su plataforma.
  3. Ellos miden la popularidad de sus cursos mediante el sistema de estrellas y comentarios. También miden a los estudiantes mas activos en la plataforma y que hacen aportes valiosos. Así como las suscripciones que se venden cada mes.
  4. Datos precisos de hora, moneda local, etc. Para así poder saber si sus cursos tuvieron el alcance esperado en su público objetivo.
  5. Plantearse hipótesis: Voy a estudiar si las suscripciones de Expert y Expert+ aumentaron en Platzi durante la pandemia el año pasado
  6. El año pasado se notó un aumento en las suscripciones durante el mes de marzo en pandemia, por lo que este año Platzi creo el Platzi Day, con el fin de atraer estudiantes nuevos.
  7. Dejar a un lado todo sesgo al momento de hacer el análisis de los datos y cuidar información sensible.
  8. Automatizar este estudio para validar hipótesis rápidamente.

Es muy complejo hablar en la actualidad de organizaciones que estén inmersas en la red que no basen la toma de sus decisiones en la recopilación de datos de sus clientes. Resulta casi imposible pensar que empresas como Rappi, Amazon, Platzi, Facebook, Google, MercadoLibre, Uber, Didi, y cualquier tipo de empresa que dedique su funcionamiento a alimentar algoritmos con nuestra información, no tome decisiones con este modelo de:

  1. Implementar una cultura de datos: Todos sus trabajadores están familiarizados con la información adquirida del comportamiento de sus clientes.
  2. Recolectar información: Cada clic, cada dato ingresado se albergará para toma de decisiones en el negocio.
  3. Medir todo: Es indispensable los indicadores, que información se recolecta, para que sirve y como se podría utilizar.
  4. Datos relevantes y precisos: Segmentar la información por principal y secundaria, para toma de decisiones.
  5. Testear y crear hipotesis: Con base en el planteamiento de hipotesis se podrán plantear diversas opciones para testear los posibles resultados que vayan alineados con las metas de la empresa.
  6. Desde los insights de datos a las acciones: Con claridad sobre las hipotesis planteadas y las ideas que nos arrojan estas, se puede pasar a accionar osbre la información.
  7. Cumplir con la regulación de datos: La cantidad de información que se puede adquirir, puede generar sesgos sobre la toma de decisiones, los acules se deben dejar a un lado para encaminarse a los objetivos correctamente.
  8. Automatizar: Como lo dice su nombre, con todo el analisis previo se podrá automatizar procesos alimentado por la información recolectada, segmentada y trabajada.

Cómo crear una cultura de datos en la empresa, qué se necesita para hacerlo y en qué consiste.

Entender qué componentes son necesarios para crear una cultura data-driven en una empresa.

Para crear una cultura de Data driven debemos seguir los siguientes 8 pasos:

Empresas data-driven:

  1. Crear una cultura de datos:
    En primer lugar tenemos que informar a todos los trabajadores de la importancia de trabajar con los datos (información de sus clientes, precios, transacciones, tiempos etc).
  2. Recolectar información:
    Medirlo todo no solo usar parte de la información, sino entender toda la información que llega hasta nosotros, almacenarla, procesarla.
  3. Medir todo:
    Después de recolectar hay que medir entender la cantidad de registros con los que contamos (si tenemos un millón de registros o medio millón de registros, si una información crece a una velocidad más rápida que otra)
  4. Datos relevantes y precisos:
    Vamos a basarnos en datos que nos sirvan por ejemplo para nuestro estudio tal vez sea relevante el tiempo, qué tipo de tiempo tomar (hora, día, minuto segundo) quizá nos baste con los días y no con los segundos, todo varía con relación al tipo de negocio.
    Verificar que la información sea precisa y estándar, a estándar nos referimos si son datos iguales a raíz de países, por ejemplo el caso de la moneda, pues cada país tiene una moneda distinta, manejar un estándar sería solo trabajar con dólares
  5. Testear y crear hipótesis:
    Hacerse una pregunta específica ejemplo: “Estudiar si las ventas de diciembre incrementaron” y testear si es que tu hipótesis acerca del incremento fueron verdad.
  6. Desde los insights de datos a las acciones.
    Una vez que hemos probado nuestra hipótesis como en el ejemplo del incremento de las ventas en diciembre es verdad podemos tomar acciones en la empresa para incrementar la producción del producto que se venderá para esas fechas.
    Las acciones ahora ya son basadas en datos y no en intuiciones, las intuiciones fueron las hipótesis, es por eso que somos data driven
  7. Cumplir las regulaciones de datos
    No podemos tomar decisiones sesgadas en función del género, de información privada, individual, debemos cumplir con todos los reglamentos, la ética en los datos es muy importante.
  8. Automatizar:
    Hacer el estudio una vez y automatizarlo para que en futuros análisis no tengamos que reconstruir modelos.
  1. Amazon
  2. Apple
  3. Operadores de telefonía.

Netflix
La plataforma de standing de películas y programas de televisión están capturando los datos de sus usuarios para hacer recomendaciones de contenido que están orientados en el individuo (perfil) por tal razón encontramos muchas veces porcentajes de- xx% de coincidencia.
Esto se logra a través del análisis prescriptivo de los datos, lo que permite personalizar la experiencia del usuario según su historia de visualizaciones.

AMAZON
RAPPI
FACEBOOK

  1. Facebook
  2. Spotify
  3. Valve

Las tres empresas utilizan los datos de sus clientes para mirar comportamientos y en base a ello ofrecer determinados servicios o productos.

Nielsen Su negocio es la venta de datos estadisticos
Youtube Los datos de las vistas en los videos es muy importante para la monetizacion
Google los datos valen oro para google

Graiman Empresa de cerámica muy importante en Ecuador, usa datos de sus ventas a nivel mundial, midiendo el volumen de ventas y pedidos, en base a su diseño, precio, tipo de consumidor. gracias a esto toman muy buenas decisiones empresariales y siguen sacando sacando productos de mejor calidad para sus clientes.

**INEC **El Instituto Nacional de Estadísticas y Censos de Ecuador es la institución rectora de la estadística nacional de Ecuador, encargada de generar la recabación, compilación y visualización de los datos económicos, ambientales y sociodemográficos del país para la toma de decisiones en la política pública.​

SquareSpace
Empresa dedicada al diseño web, destaca por la elegancia e intuición en todos sus proyectos.

Utilizan encuestas de satisfacción a clientes porque sienten que su opinión cuenta y confían plenamente en la empresa, aumentando así su rendimiento. Usan Cookies para conocer mejor a sus clientes, y a la gente que acuda a sus diferentes paginas web, y gracias a esta sinergia de datos crean paginas web mas atractivas para sus clientes.

  1. Platzi.
  2. BBVA.
  3. BEAT
  1. Platzi: Toma datos sobre qué cursos los estudiantes toman mas a menudo y los recomienda.
  2. Facebook, utiliza la información entregada en nuestros perfiles para sugerirnos ventas.
  3. Wish

1.Amazon
2. Platzi
3. Youtube

Dimensiones para recolectar datos con calidad.

Facebook: recopila todos los datos posibles, luego las publicidades van dirigidas de acuerpo a los clics, cookies, y likes que uno tiene, la automatización de fecha importantes, de recuerdos significativos.

Platzi
1.-Tiene una cultura de que la recolección de datos es muy importante, tanto que recomiendan mucho seguir este paso.

2.-Recolectan información del usuario, cosas como país donde viven, método de pago, cursos que ven etc.

3.-Miden todo, tienen métricas de sus usuarios como países, cursos que consumo, si acabaron los cursos etc.

4.-En las programaciones de Platzi Live, muchas veces enseñan graficas que demuestran su información interna.

5.-Una hipótesis que tienen en base encuestas es que educarte en platzi puede mejorar tus ingresos.

6.-Mostrar publicidad de acuerdo a información que has buscado sobre cierto tema y darte información sobre un curso que ellos tienen sobre el mismo tema.

7.- Debe cumplir los reglamentos

8.-Un AI, que genera publicidad personalizada de acuerdo al tema que uno busca información.

Reto 03:

  1. Rappi: depende del comportamiento diario del mercado y solo en base a eso pueden aumentar un rubro en el catálogo, fomentar la implementación de ofertas y aumentar o reducir el número de repartidores en una zona
  2. Netflix: dependen de la generación y seguimiento de tendencias culturales para el mejor desempeño de su contenido
  3. NYSE: opera casi al 100% en base a la recolección constante de datos y proyecciones estadísticas sobre el desempeño del mercado para tomar decisiones de forma automatizada

3 Empresas Data Driven: Google , Amazon y Facebook

Empresas que toman decisiones en función de sus análisis de datos:

  1. Platzi: Que te sugiere cursos en base a los que ya has realizado.
  2. Todas las redes sociales: Que te muestran el contenido que te gusta para mantenerte mas tiempo en su plataforma.
  3. Facebook: En el sentido de negocios, sugiere ciertas acciones a las paginas dependiendo su desempeño.

Platzi es una empresa data driven con los temas de los cursos de crea.
Amazon con sus ventas de su tienda online.
Google controla sus búsquedas dependiendo del historia de búsquedas previas.

Empresas data driven:
netflix: con las recomendaciones basadas en tus likes
rappi-uber eats: descuentos en los días con menos demandas
youtube: con los ads basados en lo que has visto (de hecho así fue como conocí Platzi)

Tres empresas que tienen cultura de los datos son:

  1. Rappi
  2. Porvenir
  3. Bancolombia

1.Falabella: Creo que esta empresa recoge los datos de la zona para establecer que ropa va a utilizar las personas dependiendo de las estaciones o la moda de consumo.
2.Bancos:En los banco pueden utilizar la información financiera para saber cuando más necesita dinero o deuda para ofrecer productos
3.Exito: El consumo de alimentos para identificar en que época se consume cierto tipo de alimentos, Pavo en navidad, etc.

Cultura de datos, decisiones en datos.
Recolectar, procesar y almacenar datos.
Medir todo.
Datos relevantes y precisos. Crear un estándar $$ y horario.
Hacer test / probar hipótesis.
Tomar una acción de desde los insights. Data driven.
Seguir las layes y regulaciones.
AUTOMATIZAR

Creo que en este caso me apegaría a las tres empresas de las que he hablado hasta ahora, ya que:
Cada una de ellas ha iterado y cambiado a través del tiempo con base a los datos que han ido recolectando con el pasar del mismo.
Por otro lado han hecho adquisiciones y cierres de partes de su empresa basados en los datos.
Y por último, estas empresas, recolectan siempre muchísimos datos para poder hacer estos estudios.

Otras organizaciones que creo que son Data-Driven.
Uber, Twitter, Netflix.
El caso de Netflix sería interesante saber si en alguna ocasión han dado el si para la creación o han estudiado la posible preproducción de un contenido a través de los datos que han recolectado de sus usuarios. Aunque personalmente creo que debe ser así, al menos parcialmente.

Google ya que maneja una gran cantidad de información, la cual pues ser estructurada o no estructurada y debe ser porsteriormente analizada para identificar los patrones de comportamiento de los usuarios para realizar sugerencias a sus busquedas.

  1. Amazon
  2. Youtube
    3 Facebook

Pienso que serian empresas como:
-Uber
-Mc Donalds
-Coca-Cola

Las empresas de consumo masivo y logistica. Optimizan sus procesos en base a la demanda pronosticada buscando tener la mejor disponibilidad de recursos y reducir costos.

Un ejemplo seria, imagina una empresa que vende Frutas y verduras, al ser un producto perecedero la rotación de estos productos es muy alta, en muchas ocasiones tomar una mala desición como comprar stock de mas, puede resultar en perdidas por la merma de los productos, por lo que es importante llevar una buena predicción de cuanto se necesita.

Otro ejemplo seria tener stock de más en productos semi-perecederos, como por ejemplo arroz, azucar. Aunque estos no mermen tan rapido igual ocupara un espacio en bodega, convirtiéndose en un sombre costo para el area de inventarios.

COMO CREAR CULTURA DE DATOS EN TU EMPRESA:
1.Crear una cultura de datos: Entenderlo, hacer que los empleados tomen decisiones basadas en datos.
Tipos de datos, de personas, de transacciones tiempos etc.
2.Recolectar información: Entender toda la información que tenemos. (de acuerdo al modelo de negocio)
3.Medir todo: Entendemos lo que tenemos y cómo se comporta. (Qué tipo de datos Estamos recolectando).
4.Datos relevantes y precisos: Basarnos en datos que nos sirvan, sea el tiempo, cliente, y sus tipos .
5.Testear y crear hipótesis: Partir de una hipótesis, plantear una pregunta específica
para estudiar lo que vas a testear. (Especificar el estudio de acuerdo a l modelo de negocio.)
6.Desde los insights de datos a las acciones: teniendo los insights(visiones), tomamos acciones.
(Sugerencia de productos / servicios / descuentos al cliente)
7.Cumplir las regulaciones de datos: Cumplir los reglamentos.
8.Automatizar->Automatizar el proceso de toma de decisiones de data driven.

RETO 3. NOMBRA 3 EMPRESAS QUE TOMEN SUS DESICIONES EN FUNCIONES DE DATA DRIVEN.
• XIAOMI: Su modelo de negocio es la venta de productos de tecnología, hablaré en específico de la venta
De celulares, considero que ellos toman sus decisiones de lanzar productos nuevos en base a el
Análisis de ventas de años anteriores, o productos relacionados.
• GOOGLE: Cada una de los servicios de google son cuidadosamente analizados y estudiados en base a sus
Estadísticas de consumo, de ahí que se generan servicios personalizados para personas o empresas.
• AMAZON: Esta empresa analiza a fondo la data que obtiene de sus compradores, y la transforma en experiencia
De usuario/ satisfacción del cliente, de ahí que aumenta su volumen de ventas exponencialmente.

  1. Airbnb
  2. Mercado Libre
  3. Rappi

Aquí mis respuestas:

  1. Uber
  2. Google
  3. Netflix"

Para que una compañía se considere Data-driven quiere decir que toma decisiones estratégicas basadas en análisis de los datos y su interpretación.

  1. Amazon
  2. Netflix
  3. Facebook

Definitivamente, las primeras empresas que se me vienen a la cabeza y están orientadas a partir de los datos que generan, son:

  1. Netflix
  2. Google (Youtube)
  3. Spotify

Todas tienen una creación de valor a partir de los gustos de sus usuarios. Maximizan el consumo de sus servicios a partir de un ciclo de constante generación de entretenimiento a partir de preferencias pasadas del cliente.

Es sumamente interesante estos pasos a seguir, es una secuencia muy importante para no solo extraer datos si no a la vez conforme a los resultados seguir una acción para que le aporte mucho a la empresa u organización.

El sector financero es uno de los que más usa datos para la toma de decisiones, los Bancos, por ejemplo, usan la información para hacer análisis de riesgo, para ventas, para experiencia de usuario (por ejeplo en las Apps), entre muchas otras.

Microsoft
Nubank
Tesla

  1. YouTube
  2. Facebook
  3. Google

Muchas veces hay que entrar en un proceso de digitalización y cambio de procesos y en muchos casos es muy difícil lograrlo. T-T

GOOGLE
SPOTIFY
YOU TUBE

  1. Facebook
  2. Google
  3. Netflix
  1. Facebook
  2. Google
    3.Netflix

Empresa Data-driven:
1 crear cultura de datos: Explicar a toda la empresa los datos que existen ](de personas, transacciones monetarias, no monetarias, navegación web, machine2machine, biometricos) y hacer que tomen decisiones basados en datos.
2 Recolectar inf: literal recolectar todos los datos que genere el negocio para poder entenderla.
3 Medir: Ahora medimos, y vemos como estan actuando los datos.
4 datos relevantes: entender y focalizar en datos relevantes para el tipo de negocio ( por ejemplo los restaurantes, es mas relevante saber el horario en que llega un cliente) y ser precisos dependiendo el contexto.
5 Testear y crear hipótesis: Partimos de una pregunta(la hipótesis, "en el verano mi empresa de bikinis vende mas?"
6. Insights a la acción: una vez se responde la hipotesis debemos tomar acción en base a los resultados obtenidos. Ya no tomamos decisiones en base a nuestro sentir, son datos.
7. Regulaciones de datos: No puedes tomar decisiones sesgadas.
8 Automatizar. Haz el estudio una vez y repliclalo cada vez que lo necesites.

Empresas que utilizan data-driven
Amazon
oracle
facebook

movistar :

No sé si las ha pasado, pero siempre justo cuando hago una recarga, al rato están llamando para ofrecerme un plan de datos. Esto significa que están muy atentos y recopilando este tipo de dato de persona.

  1. Amazon: Compras para un tiempo determinado basado en pronostico de ventas.
  2. Netflix: Recomendaciones por usuario, estrenos y renovación de series, basado en el comportamiento de los usuarios.
  3. Apple: Para determinar que productos y características les importa a sus usuarios.
  1. **Spotify: **Genera decisiones en relación a los datos generados con los habitos de consumo, para obtener las listas de reproducción semanales con las canciones más populares.
  2. **Daysy: **Recopila los datos de miles de mujeres alrededor del mundo, para alimentar el algorirmo en sus dispositivos electrónicos de fertilidad, estos datos a su vez generan mayor exactitud de predicción permiten conocer a nivel de negocio estrategias de marketing según los mercados locales.
  3. **Google **(Servicio Google Maps): Basa el sistema de recomendaciones alimentado por las opiniones de los usuarios para atraves de la sección: “Tus rutas”, ofrecer planes o lugares por visitar dados los lugares recorridos en el mes.

No me queda duda de que Google y todas sus subempresas(YouTube, Google Fotos, Drive, Gmail) usan los datos para tomar decisiones que favorezcan la actividad de su negocio.
Y de igual manera Facebook y los gigantes de la tecnología, el mundo está migrando a un sistema de negocios basado en datos, lo importante es hacer esta transición sin perjudicar la privacidad ni la dignidad de los usuarios ni incurrir en prácticas de monopolio.

Las empresas las cuales nos hacen sugerenciias, por ejemplo platzi que nos sugiere con que curso seguir pueden ser un ejemplo de una empresa data-driven puesto que ve que cursos hemos tomado y me imagino lo comparara con el comportamiento de otros usuarios y de esta manera nos sugiere con que curso seguir una vez hemos terminado uno

instagram
rappid
netflix

  1. Crear una cultura de datos: Entenderla, hacer que los empleados tomen decisiones basadas en los datos obtenidos.
  2. Recolar información: Recolectar toda la información de la empresa, almacenarla y procesarla
  3. Medir todo: Entender lo que tenemos y el comportamiento de los datos
  4. Datos RELEVANTES y PRECISOS: Definir los datos importantes para nuestro negocio y ser preciso en la forma en que se encuentra el dato, por ejemplo los países tienen diferentes monedas
  5. Testear y crear hipótesis: Partir una hipótesis, plantear pregunta especifica para estudiar lo que vas a testear
  6. Desde los insights de datos a las acciones: Teniendo los insights, tomamos acciones
  7. Empresas data-driven Cumplir las normas establecidas, evitar sesgos de información
  8. Automatizar: Crear los forma de poder validar la hipótesis de forma automática

1.- Youtube
2.- Uber
3.- Amazon

Empresas con una cultura de datos:

Dato interesante: Las bibliotecas automatizadas usan datos para analizar el comportamiento de sus usuarios, información y demanda que se tiene. Hay software especializados que ayudan al análisis de datos, por lo regular estás bibliotecas son de un gran volúmen no específicamente de libros, si no de información (articulos científicos, libros electrónicos, formatos electrónicos, audiolibros, partituras, etc.). El software hasta el momento es el más robusto en el mundo y que ofrece un análisis de datos es Alma.

Y las ya conocidas: Facebook, Google

Considero que serían las mismas empresas anteriores:

Google.
Amazon.
Facebook.

  1. Tik-Tok https://www.bbc.com/news/technology-53476117
  • Qué videos se miran y comentan
  • Datos de localización
  • Modelo de teléfono y sistema operativo utilizado
  • Los ritmos de pulsación de teclas que exhiben las personas cuando escriben
  1. Spotify https://www.forbes.com/sites/bernardmarr/2017/10/30/the-amazing-ways-spotify-uses-big-data-ai-and-machine-learning-to-drive-business-success/?sh=456e8ade4bd2
  • Playlists creadas y Playlists temáticas escuchadas.
  • Descubrimiento semanal personalizado con canciones que el usuario nunca ha escuchado.
  • Los artistas pueden revisar las ciudades donde más se escuchan sus canciones, perfil de quienes los escuchan, etc.
  1. CALM https://greatexpectations.io/blog/calm-case-study/
  • Identificar hábitos de meditación adoptados por sus usuarios.
  • Opciones y características más utilizadas dentro de su aplicación.
  • Perfiles de usuarios y patrones de comportamiento.
  • A/B Tests
  • Modelado de contenido para brindar recomendaciones personalizadas
  1. Crear una cultura.
    • Es hacer que todos los empleados tomen decisiones basados en datos.
  2. Recolectar información.
    • No basarnos en una parte de la información sino toda la recolectamos.
  3. Medir todo.
    • Estamos entendiendo el comportamiento de cada tipo de dato.
  4. Datos relevantes y precisos.
    • Vamos a basarnos en datos que nos sirvan dependiendo los intereses, también hay que tomar en cuenta si se esta tomando en cuenta una base de datos estandarizada como cuando se tratan de diferentes monedas o diferentes zonas horarias.
  5. Testear y crear hipótesis.
    • Las hipótesis deben de ser lo mas especificas y claras posibles.
  6. Desde los insights de datos a las acciones.
    • Tomar acciones basado en los resultados de los test.
  7. Cumplir las regulaciones de datos.
    • No puedes tomar decisiones sesgadas, la ética en los datos es muy importante.
  8. Automatizar.
    • Poderlo replicar cada ves que quieres validar alguna hipótesis.

Empresas data-drive como:
NETFLIX
AMAZON
BBVA