Niveles de analítica y jerarquía del conocimiento

2/26
Recursos
Transcripción

Aportes 3

Preguntas 0

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

Niveles de analítica.

• Analítica Descriptiva: Examina datos históricos para entender eventos pasados y su impacto en el negocio.
• Analítica Diagnóstica: Investiga las causas de eventos específicos, identificando patrones y relaciones.
• Analítica Predictiva: Utiliza modelos estadísticos y algoritmos para prever futuros eventos y tendencias.
• Analítica Prescriptiva: Proporciona recomendaciones basadas en análisis previos para optimizar decisiones y acciones futuras.

La Analítica Descriptiva y Diagnóstica se ajustan más a Business Intelligence, ya que se enfocan en el análisis de datos históricos y en comprender eventos y causas en el negocio.

### **Niveles de Analítica** La analítica de datos puede dividirse en diferentes niveles, dependiendo de la complejidad y el tipo de preguntas que busca responder. Estos niveles son: 1. **Analítica Descriptiva (¿Qué pasó?)** * **Propósito**: Resumir y entender eventos pasados. * **Ejemplo**: Informes de ventas, análisis de desempeño, gráficos de tendencias. * **Herramientas comunes**: Dashboards, reportes, herramientas de BI (Power BI, Tableau). 2. **Analítica Diagnóstica (¿Por qué pasó?)** * **Propósito**: Identificar las causas detrás de los eventos. * **Ejemplo**: Análisis de la disminución de ventas en una región específica. * **Técnicas utilizadas**: Análisis de correlación, minería de datos, análisis causal. 3. **Analítica Predictiva (¿Qué pasará?)** * **Propósito**: Predecir eventos futuros basados en patrones históricos. * **Ejemplo**: Predicción de demanda de productos o tendencias de mercado. * **Herramientas comunes**: Modelos estadísticos, machine learning (Python, R, TensorFlow). 4. **Analítica Prescriptiva (¿Qué debería hacerse?)** * **Propósito**: Recomendar acciones para obtener los mejores resultados. * **Ejemplo**: Proponer estrategias de precios dinámicos para maximizar ganancias. * **Técnicas utilizadas**: Optimización, simulación, aprendizaje reforzado. 5. **Analítica Cognitiva (¿Cómo puedo hacer que ocurra automáticamente?)** * **Propósito**: Integrar inteligencia artificial para decisiones automatizadas. * **Ejemplo**: Motores de recomendación, chatbots inteligentes. * **Herramientas comunes**: Inteligencia Artificial, NLP (Procesamiento de Lenguaje Natural). ### **Jerarquía del Conocimiento** La jerarquía del conocimiento, conocida como **DIKW** (*Data, Information, Knowledge, Wisdom*), explica cómo se transforman los datos en conocimiento aplicable y sabiduría: 1. **Datos (Data)**: * **Definición**: Hechos y cifras crudos sin contexto ni interpretación. * **Ejemplo**: "2024-11-23", "23°C". * **Propósito**: Materia prima para el análisis. * **Clave**: Los datos no tienen significado por sí mismos. 2. **Información (Information)**: * **Definición**: Datos procesados y organizados para que sean útiles. * **Ejemplo**: "La temperatura actual en Bogotá es 23°C". * **Propósito**: Proporcionar contexto y relevancia a los datos. 3. **Conocimiento (Knowledge)**: * **Definición**: Información aplicada y combinada con experiencia o comprensión. * **Ejemplo**: "La temperatura promedio en noviembre en Bogotá es 20°C, por lo que 23°C es inusualmente cálido". * **Propósito**: Permitir tomar decisiones basadas en comprensión. 4. **Sabiduría (Wisdom)**: * **Definición**: Uso de conocimiento para tomar decisiones estratégicas y resolver problemas complejos. * **Ejemplo**: "Debido al aumento de temperaturas, se deben implementar políticas para mitigar el cambio climático". * **Propósito**: Orientar acciones éticas, estratégicas y de alto impacto. ### **Relación entre niveles de analítica y jerarquía del conocimiento** * La **analítica descriptiva** corresponde a transformar datos en información. * La **analítica diagnóstica** y **predictiva** ayudan a convertir información en conocimiento. * La **analítica prescriptiva** y **cognitiva** contribuyen a tomar decisiones basadas en sabiduría. Ambos enfoques son esenciales para entender y usar datos estratégicamente en una organización.
\#### 1.2.1. Niveles de Analítica \* Descriptiva:   \* Describe y resume datos pasados para entender qué ha sucedido en el pasado.  \* Proporciona una visión retrospectiva de los eventos. \* Diagnóstica:   \* Analiza datos para determinar por qué ocurrieron ciertos eventos.  \* Identifica patrones y causas subyacentes. \* Predictiva:   \* Utiliza modelos y algoritmos para prever eventos futuros.  \* Emplea análisis predictivo para anticipar tendencias y comportamientos. \* Prescriptiva:   \* Ofrece recomendaciones y acciones para influir en resultados futuros.  \* Sugiere decisiones óptimas basadas en datos y modelos. \#### 1.2.2. Jerarquía del Conocimiento \* Dato: Representación cruda de hechos o cifras.Carece de contexto y significado por sí mismo. \* Información: Datos organizados y procesados para proporcionar contexto.Ofrece significado y relevancia. \* Conocimiento: Información interpretada y entendida.Implica la comprensión de patrones, relaciones y causas. \* Sabiduría: Aplicación del conocimiento de manera efectiva.Incluye la capacidad de tomar decisiones sabias y utilizar el conocimiento de manera ética y efectiva.