Antes de abrir cualquier herramienta, el análisis de datos con inteligencia artificial generativa requiere algo más que subir un archivo y pedir resultados. Necesitas claridad sobre qué historia quieres contar, a quién le hablas y qué tipo de gráficos van a darle forma a esa narrativa. Esta guía es para equipos de servicio al cliente, marketing y producto que quieren personalizar la experiencia con datos.

En la clase trabajamos sobre un caso concreto: una base sintética de 1.000 clientes de una empresa de cosméticos veganos, con foco en hábitos de compra y nivel de satisfacción. Ese contexto es el que vas a usar para entender cada decisión.

¿Qué necesitas antes de analizar datos con IA generativa?

La preparación pesa más que la ejecución. Si llegas a la IA sin un propósito claro, vas a recibir gráficos bonitos que no te dicen nada.

Antes de cargar tu base, define tres cosas:

• Propósito: el porqué y el para qué del análisis. ¿Qué insight quieres extraer?
• Público: quién va a leer esos resultados y qué decisiones va a tomar con ellos.
• Descripción de la data: qué representa cada campo, para qué sirve y qué información puedes extraer de él. Esto es lo que conocemos como base de datos documentada [00:55].

¿Por qué es indispensable conocer cada campo de la base? Porque la IA no entiende el negocio, tú sí. Si no sabes qué significa cada columna, los gráficos que genere serán técnicamente correctos pero estratégicamente vacíos.

En nuestro caso de cosméticos veganos, los campos giran alrededor de hábitos de compra y satisfacción. Eso ya marca el rumbo del análisis.

¿Qué tipos de gráficos puedes pedirle a la IA?

No todos los gráficos sirven para todo. Antes de delegarle la visualización a la inteligencia artificial, decide qué pregunta quieres responder.

¿Cómo comparar comportamientos en el tiempo?

Cuando quieres ver evolución, los gráficos de comparación temporal son tu mejor aliado. Un ejemplo claro: comparar cuánto compraron tus clientes esta semana frente a la semana pasada [01:45]. Eso te da una lectura inmediata de tracción y te ayuda a detectar caídas o picos en servicio al cliente.

¿Cómo entender la distribución de tus clientes?

Los gráficos de distribución te muestran cómo se reparten los clientes por categorías de producto, rangos de precio o frecuencia de compra. Aquí entran dos formatos útiles:

• Caja de bigotes: ideal para ver dispersión, mediana y valores atípicos.
• Histogramas: perfectos para visualizar frecuencias por rangos.

Con esto puedes responder cuántas compras hicieron de un producto X o Y, o estimar cuántas podrían hacer a futuro.

¿Qué gráfico uso para ver relaciones entre dos variables? Usa gráficos de dispersión o tablas de burbujas. Te muestran cómo se correlacionan, por ejemplo, el precio del producto con la satisfacción del cliente.

¿Cuándo conviene usar gráficos de correlación?

Los gráficos de dispersión y las tablas de burbujas [02:25] entran en juego cuando sospechas que dos variables se mueven juntas y quieres confirmarlo visualmente. Por ejemplo, si los clientes que compran productos de mayor precio también reportan mayor satisfacción, una dispersión te lo va a mostrar de inmediato.

¿Cómo aplicar esto a la personalización del servicio al cliente?

El análisis de datos con IA generativa cobra valor cuando lo conectas con personalización. Saber qué compra cada segmento, con qué frecuencia y qué tan satisfecho está te permite ajustar mensajes, ofertas y momentos de contacto.

En una empresa de cosméticos veganos, eso puede traducirse en recomendar productos por categoría favorita, anticipar recompras o detectar clientes en riesgo por baja satisfacción. La IA acelera la lectura, pero la decisión sigue siendo tuya.

Si quieres profundizar en las visualizaciones que mencionamos, el curso de visualización de datos para BI es el siguiente paso natural. ¿Qué tipo de gráfico vas a probar primero con tu base de clientes?