Tipos de análisis de datos

Clase 3 de 28 • Curso de Análisis Exploratorio de Datos

Ernesto Solano Leon

student•

De acuerdo con la historia del vídeo, tipos de analítica de datos:

DESCRIPTIVA: Es el análisis más básico. Permite dar una vista general de las propiedades, dimensiones y comportamiento de un fenómeno desde la mera descripción de los datos.

DIAGNÓSTICA: Es aplicar unos criterios diferenciales a los datos descriptivos para identificar una situación problemática. Permite establecer relaciones entre variables y crear hipótesis sobre las posibles causas de su comportamiento actual.

PREDICTIVA: Utiliza datos para explicar un posible comportamiento de las variables de interés si se siguen las tendencias actuales o si estas cambian. Permite determinar si la situación problemática identificada puede representar mayor o menor riesgo en el futuro.

PRESCRIPTIVA: Utiliza datos para apoyar la toma de decisiones, con base en eventos del pasado. Propone soluciones basadas en evidencia. Igualmente, la etapa prescriptiva también puede hacer iniciar el ciclo de nuevo, ya que monitorear la solución también da pie a procesos nuevos de descripción y diagnóstico de ese monitoreo, volviendo a iniciar el ciclo una vez más.

Juan R. Vergara M.

student•

En esta ruta de aprendizaje hay cursos dedicados a estadística 😎. Siento que voy por un muy buen camino 🚀

Jeinfferson Bernal G

student•

Tipos de Analisis de Datos

Se dividen en 4 partes:

Analítica Descriptiva: Que sucedió? Provee de ideas sobre eventos del pasado
Analítica Diagnostica: Porque sucedió? Profundiza para encontrar las causas del evento
Analítica Predictiva: Que podría pasar si? Utiliza los datos del pasado para predecir un futuro evento
Analítica Prescriptiva: Que debería hacerse? Analiza decisiones y eventos del pasado para estimar la probabilidad de diferentes resultados.

Todas las analíticas se van construyendo una sobre la otra por lo que lleva tiempo, es decir, no puedes pasar de la Descriptiva a la Predictiva sin antes pasar por la Diagnostica

A medida que vas pasando de una analitica a otra tambien incrementa la complejidad ya que necesitas entender los datos a un nivel mas preciso conforme vayas avanza

Ruddy Ramos

student•

Muchas gracias por el aporte.

Luis Fernandez

student•

El analisis de datos pasados puede ser Descriptivo o Diagnostico, si es decirptivo te preguntas que fue lo pque paso y te dedicas a investigar lo que ya ocurrio, si es Diagnostico, te dedicas a encontrar los Por qué de la situacion. Si nos dedicamos ahora a trabajar en el futuro, nos preguntamos Que podria pasar?, y que deberiamos hacer para obtener resultados esperados

Juan R. Vergara M.

student•

Buen aporte.

Jhon Freddy Tavera Blandon

student•

Hay varios tipos de análisis de datos que se pueden aplicar dependiendo de los objetivos y los datos disponibles. Algunos de los tipos de análisis de datos más comunes incluyen:

Análisis descriptivo:

Este tipo de análisis se enfoca en describir y resumir los datos. Incluye estadísticas básicas como los medios, la desviación estándar, el rango y la distribución, así como gráficos como histogramas, gráficos de barras y de dispersión.

Análisis inferencial:

Este tipo de análisis se enfoca en hacer inferencias acerca de una población a partir de una muestra de datos. Incluye técnicas como la regresión, la conexión y los análisis de varianza.

Análisis predictivo:

Este tipo de análisis se enfoca en utilizar los datos históricos para hacer predicciones sobre el futuro. Incluye técnicas como la regresión lineal, la regresión logística, el análisis de series temporales y los algoritmos de aprendizaje automático.

Análisis de clustering:

Este tipo de análisis se enfoca en identificar grupos o clusters similares en los datos. Incluye técnicas como el agrupamiento por k-medias y la agrupación jerárquica.

Análisis de componentes principales:

Este tipo de análisis se enfoca en reducir la dimensionalidad de los datos y extraer las características más importantes. Incluye técnicas como los componentes principales y el análisis de componentes independientes.

Análisis de asociación:

Este tipo de análisis se enfoca en identificar las relaciones entre las variables en los datos. Incluye técnicas como la regla de asociación de Apriori y la minería de datos.

Análisis de segmentación:

Este tipo de análisis se enfoca en segmentar a una población en grupos más pequeños y similares. Incluye técnicas como la segmentación de clientes y la segmentación de mercado.

Cabe destacar que estos tipos de análisis no son excluyentes ya menudo se combinan y utilizan en combinación para lograr una comprensión más completa de los datos.

Andres Cervantes

student•

Jesús: No podrías pasar a preescrivir el problema sin siquiera haber descritó...

Los Doctores del seguro en México

!meme

Gustavo Maresca

student•

Es EXELENTE el ejemplo del doctor para explicar cuando alguien nos pregunta "que hacen, que es el analisis de datos?" ya que como un doctor contempla las variables (en este caso las posibles enfermedades de la persona y como podria afectar segun cada enfermedad) nosotros tambien contemplamos las variables dentro de una empresa y todas las posibilidades de porque los datos nos muestran lo que vemos. De nuevo. Brillante ejemplo.

Juan R. Vergara M.

student•

Oh si 😎

Jeinfferson Bernal G

student•

Muy buen ejemplo!

César Nájera

student•

La palabra en español para "Ancestría" es ascendencia.

Raquel Santa Cruz Garcia

student•

Tipos de analitica de datos

Descriptiva
Diagnostica
Predictiva
Prescriptiva

Ivonne Castilla

student•

Que buen curso, esto estaba buscando👍🏻

Gabriel Obregón

student•

TIPOS DE ANALÍTICA DE DATOS: UNA EXPLICACIÓN PASO A PASO

En la clase anterior, aprendiste los pasos necesarios para llevar a cabo un análisis exploratorio de datos. Ahora, profundizaremos en los cuatro tipos principales de analítica de datos:

Descriptiva,
Diagnóstica,
Predictiva, y
Prescriptiva.

No importa el tamaño de tus datos (desde un conjunto pequeño hasta uno gigantesco), estos tipos de analítica te ayudarán a entenderlos y sacarles provecho.

UNA HISTORIA PARA COMPRENDER LA ANALÍTICA DE DATOS

Imagina la siguiente situación: Te fuiste a dormir sintiéndote excelente, pero al despertar notas que algo no está bien. Estás cansado, te sientes mal, tienes un poco de mocos y empiezas a preguntarte qué está sucediendo. Aquí comienzas a recorrer las etapas de la analítica de datos.

1. ANALÍTICA DESCRIPTIVA: ¿QUÉ ESTÁ PASANDO?

En este momento, te das cuenta de que no te sientes bien. Registras tus síntomas y observas que algo cambió. Ejemplo: Notas que te duele la garganta y tienes fiebre.

2. ANALÍTICA DIAGNÓSTICA: ¿POR QUÉ PASÓ ESTO?

Recuerdas lo que hiciste la semana pasada. Estuviste comiendo de forma poco saludable, visitaste lugares concurridos y tuviste contacto con personas enfermas. Esto te lleva a pensar que alguna de estas acciones podría haber causado tu malestar. Ejemplo: Al visitar al médico, este te hace preguntas sobre tus síntomas y actividades recientes. Luego de analizar la información, confirma que tienes un resfriado.

3. ANALÍTICA PREDICTIVA: ¿QUÉ PODRÍA PASAR?

Antes de irte, una enfermera sugiere realizar más análisis porque tu ascendencia podría hacerte más susceptible a ciertas complicaciones. Aunque el resfriado suele ser leve, quieren asegurarse de que no afecte gravemente tu salud. Ejemplo: Con base en tus antecedentes, predicen que es poco probable que el resfriado evolucione a algo más grave.

4. ANALÍTICA PRESCRIPTIVA: ¿QUÉ DEBO HACER?

Finalmente, el médico te prescribe medicamentos y te recomienda descansar para recuperarte. Te explica qué hacer para prevenir futuros problemas similares. Ejemplo: Con esta información, puedes tomar medidas específicas para mejorar tu salud.

CONEXIÓN ENTRE LAS ETAPAS

Cada etapa de la analítica se construye sobre la anterior:

Primero, describes el problema (descriptiva).
Luego, analizas sus causas (diagnóstica).
Después, predices posibles escenarios (predictiva).
Finalmente, decides qué acciones tomar (prescriptiva).

Es importante seguir este orden lógico. No puedes prescribir una solución sin haber descrito el problema ni predecir algo que no has diagnosticado.

José Pablo Cabrera Romo

student•

De acuerdo a los tipos de análisis de datos, les comparto la siguiente analogía con respecto a mi trabajo realizado como ingeniero de procesos en una planta manufacturera sobre un problema de maquinados desfazados:

Análisis Descriptivo: Se recolectaron datos de medición, información en bitácoras, eventos ocurridos al redor del problema etc. Y se analizaron.

Análisis de Diagnóstico: De acuerdo a la información revisada se encontró que la maquina había chocado por un error de código, pero este no fue el problema ya que producción tiene establecido en su estándar que al momento de presentarse una colisión ellos tenían que validar tres piezas consecutivas para confirmar que la maquina repitiera el dato OK, de lo cual solo validaron una pieza y continuaron produciendo, como conclusión la causa raíz del problema fue una omisión al estándar.

Análisis Predictivo: se revisó la magnitud del problema que podría generar en el siguiente proceso (ensamble) y se revisó con el departamento de diseño para conocer la magnitud de problema con el cliente final, por suerte no generaba nada grabe y se pudo liberar el producto en esa condición.

Análisis Prescriptivo: Como contramedida de contención se le dio aviso al encargado del siguiente proceso (ensamble) para que estuvieran al tanto en caso de que generara algún problema avisaran lo más pronto posible, se colocó punto de control posterior a la estación de colisión hasta que se corrigiera el problema y como contramedida definitiva se realizó una capacitación al personal de producción que realizo la omisión al estándar en caso de colisión y también a los responsables sus respectivas sanciones.

Espero que esta pequeña analogía con respecto a mi trabajo les pueda servir.

Isaac Bryan Ascanoa Roncall

student•

Es interesante. No sabia que la complejidad de los datos puede aumentar si es que quieres tener mayor precision en los datos. Es algo a tener en cuenta.

Andres Sanchez

student•

3. Tipos de análisis de datos

Descriptiva

Diagnóstica

Predictiva

Prescriptiva

Luis Ernesto Domínguez Velásquez

student•

Un complemento a la clase: https://digital.la.synnex.com/cuales-son-los-tipos-de-analisis-de-big-data-existentes-para-aplicar-en-los-negocios

Jeinfferson Bernal G

student•

Claudio Caniullan Calfin

student•

¿Dónde esta el material del curso?

Ricardo Daniel Baró Soto

student•

En los archivos de la primera clase

John Robert Gomez Pachon

student•

¿Saben donde puedo encontrar más información de éste tema? había leido sobre estadistica descriptiva e inferencial, pero no conocía ésta clasificación en particular.

Arley Paredes Espinoza

student•

Te recomiendo mucho libros sobre estadistica, tanto descriptiva como inferencial, si quieres hacer algo mas avanzado investiga sobre metodos de corte transversal, series temporales, y panel de datos.

Sara María Mejia Sánchez

student•

Excelente clase, relacionar los Tipos de Análisis de Datos con una situación común y familiar, hace que sea mucho más fácil y natular asimilar estos conceptos. 🚀

Daniel Andres Rojas Paredes

student•

lo que vemos en este curso es descriptiva y alcanza a ser diagnostica oooo no?

Nadia Torres Torres

student•

Tipos de Analítica de datos.

-Descriptiva se basa en el PASADO ¿Qué sucedió? Eventos que ya ocurrieron

-Diagnostica se basa en el PASADO Entender las causas que llevaron a sentirse mal, ¿por qué pasó?

-Predictiva prevé FUTURO ¿Qué podría pasar si?... Utiliza los datos del pasado para predecir un evento futuro.

-Prescriptiva prevé FUTURO ¿qué debería hacerse? Analizar decisiones dle pasado para mejorar el futuro.

Si no sabes que existe un problema, si no está detectado, no puedes llegar a la etapa prescriptiva.

Conforme vas avanzando aumenta la complejidad

Tipos de análisis de datos

Introducción al análisis exploratorio de datos

¿Qué es y para qué sirve el análisis exploratorio de datos?

¿Cómo hacer un análisis exploratorio de datos?

Tipos de análisis de datos

Tipos de datos y análisis de variables

Herramientas de software para el análisis exploratorio de datos

Conociendo nuestros datos: palmerpenguins

Recolección de datos, limpieza y validación

Ejercicio de validación de datos

Análisis univariado

Explorando una variable categórica: conteos y proporciones

Estadística descriptiva aplicada: medidas de tendencia central

Estadística descriptiva aplicada: medidas de dispersión

Ejercicio de obtención de medidas de dispersión

Estadística descriptiva aplicada: distribuciones

Estadística descriptiva aplicada: funciones de densidad de probabilidad

Bonus: Teorema del límite central

Análisis bivariado

Estableciendo relaciones: gráficos de puntos

Estableciendo relaciones: gráficos de violín y boxplots

Estableciendo relaciones: matrices de correlación

Limitantes de los coeficientes de correlación lineal

Estableciendo relaciones: análisis de regresión simple

Limitaciones del análisis de regresión simple

Análisis multivariado

Análisis de regresión múltiple

Visualización del análisis de regresión múltiple

Análisis de regresión logística

Paradoja de Simpson

¿Qué hacer cuando tengo muchas variables?

Conclusiones

Diversidad de gráficas al explorar datos

Continúa aprendiendo sobre EDA