Tipos de análisis de datos

Curso de Análisis Exploratorio de Datos

Contenido del curso

Introducción al análisis exploratorio de datos

Análisis univariado

Análisis bivariado

Análisis multivariado

Conclusiones

Tomar examen

Tipos de análisis de datos

Juan Pablo García Chávez

Estudiante

Tipos de analítica de datos

1.-4 Palabras clave

Analítica descriptiva
Analítica diagnóstica
Analítica predictiva
Analítica prescriptiva

2.-4 Preguntas

¿Qué pregunta responde cada tipo de analítica?
¿Cómo se relacionan entre sí estas cuatro etapas?
¿Por qué no se puede pasar directamente a prescribir sin describir primero?
¿Qué ventaja aporta seguir una secuencia de analítica?

3.-Notas completas del tema

A) Las cuatro grandes categorías

La analítica de datos suele dividirse en cuatro tipos:

Descriptiva: ¿Qué sucedió?
Diagnóstica: ¿Por qué sucedió?
Predictiva: ¿Qué podría pasar?
Prescriptiva: ¿Qué debería hacer?

B) Analogía médica

La clase usa una historia de salud para explicar los tipos de analítica:

Descriptiva
- Detectas que te sientes mal.
- Identificas qué está pasando en el presente.
- Responde: ¿qué sucedió?
Diagnóstica
- Reflexionas sobre lo que hiciste antes.
- Buscas causas posibles del malestar.
- Responde: ¿por qué sucedió?
Predictiva
- Consideras qué podría pasar en el futuro.
- Usas información previa para anticipar resultados.
- Responde: ¿qué podría pasar?
Prescriptiva
- Recibes recomendaciones sobre qué hacer.
- Se enfoca en la mejor decisión o acción.
- Responde: ¿qué debería hacer?

C) Relación entre las etapas

Las etapas se construyen una sobre otra:

primero debes describir,
luego diagnosticar,
después predecir,
y al final prescribir.

No tiene sentido intentar prescribir algo si ni siquiera sabes qué ocurre o por qué ocurre.

D) Alcance y complejidad

Puedes detenerte en cualquiera de las etapas según tu objetivo.
No siempre necesitas llegar hasta la prescriptiva.
Mientras más avanzas:
- aumenta la complejidad,
- necesitas más precisión,
- y también mejor interpretación de los datos.

E) Utilidad práctica

Este esquema permite:

entender eventos pasados,
explicar causas,
anticipar escenarios,
y elegir acciones útiles basadas en datos.

4.-Código necesario

import pandas as pd

# ==========================================================
# Ejemplo simple de tipos de analítica
# ==========================================================
datos = pd.DataFrame({
    "dia": ["Lun", "Mar", "Mie", "Jue", "Vie"],
    "cansancio": [3, 4, 7, 8, 6],
    "resfriado": [0, 0, 1, 1, 1]
})

print("== Datos ==")
print(datos)

# ==========================================================
# Ejercicio 1/2: Analítica descriptiva
# ==========================================================
print("\n--- Ejercicio 1/2: descriptiva ---")
print("¿Qué pasó?")
print("Promedio de cansancio:", datos["cansancio"].mean())
print("Casos de resfriado:", datos["resfriado"].sum())

# ==========================================================
# Ejercicio 2/2: Exploración diagnóstica y predictiva simple
# ==========================================================
print("\n--- Ejercicio 2/2: diagnóstica/predictiva ---")

# Diagnóstica: explorar si más cansancio coincide con resfriado
print("\nPromedio de cansancio con resfriado:")
print(datos.groupby("resfriado")["cansancio"].mean())

# Predictiva muy simple: si el cansancio es alto, podría haber mayor riesgo
umbral = 6
datos["riesgo_alto"] = datos["cansancio"] >= umbral

print("\nVariable de riesgo alto:")
print(datos[["dia", "cansancio", "riesgo_alto"]])

# Prescriptiva: sugerencia basada en el patrón observado
print("\nSugerencia:")
print("Si el cansancio es alto, conviene descansar y monitorear síntomas.")

4.- Mapa conceptual

Analítica de datos
        |
        +--> Descriptiva  -> ¿Qué sucedió?
        +--> Diagnóstica   -> ¿Por qué sucedió?
        +--> Predictiva    -> ¿Qué podría pasar?
        +--> Prescriptiva  -> ¿Qué debería hacer?
        |
        v
De entender el pasado a decidir el futuro

5.-Pequeño resumen

La analítica de datos se divide en cuatro tipos: descriptiva, diagnóstica, predictiva y prescriptiva. Cada una responde una pregunta distinta y se construyen de manera secuencial: primero se describe, luego se explica, después se anticipa y finalmente se recomiendan acciones. No siempre es necesario llegar a la última etapa, pero avanzar por ellas aumenta la profundidad del análisis y la calidad de las decisiones.

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?