Relación entre Métricas: Gráficos de Dispersión y Línea
Resumen
¿Cómo la relación entre métricas influye en nuestras decisiones?
Cuando nos enfrentamos a datos y gráficos, resulta crucial entender cómo las métricas se relacionan entre sí. Aunque a veces podríamos suponer conexiones que no existen, cuando exploramos datos correctamente podemos descubrir correlaciones que nos ayudan a tomar decisiones más informadas. Este artículo analiza cómo crear y comprender estas relaciones mediante el uso de gráficos de dispersión y gráficos combinados para tomar decisiones cruciales en negocios y análisis de datos.
¿Cómo configuro un gráfico de dispersión para entender las relaciones?
Un gráfico de dispersión es una herramienta visual poderosa que nos permite entender la relación entre dos variables, en este caso, las métricas. Aquí, te explico cómo se puede realizar un análisis usando un gráfico de dispersión para identificar patrones y relaciones inversas.
Para ilustrar cómo una métrica puede afectar a otra, consideremos el siguiente ejemplo: ¿es cierto que los productos más caros tienen menos transacciones?
Seleccionar las métricas adecuadas: En este caso, para medir el precio del producto, necesitamos seleccionar la métrica de ingresos por compra (revenue). Luego, buscamos la cantidad de transacciones (transactions).
Construir el gráfico de dispersión:
# Ejemplo de representación de datos
Eje X: Precio del producto (revenue por producto)
Eje Y: Número de transacciones
Interpretación del gráfico: Podemos observar una relación inversa; es decir, cuanto más caro es un producto, menos transacciones tiene. Al lado izquierdo del gráfico, encontramos productos más económicos y un mayor número de transacciones. A medida que avanzamos hacia la derecha, los productos más costosos muestran menos transacciones.
¿Qué utilidad tiene un gráfico combinado en la gestión publicitaria?
Para el análisis diario del gasto en publicidad y sus conversiones asociadas, los gráficos combinados son sumamente efectivos. Permiten comparar métricas que, de otro modo, no serían fácilmente comparables debido a sus diferentes escalas de valor.
Consideremos el siguiente escenario: se sospecha que el gasto en publicidad está relacionado con las conversiones a lo largo del día.
Definición de la dimensión de interés: Para este análisis, la dimensión clave es el "tiempo", específicamente las "horas del día".
Uso de datos adecuados: Se selecciona una fuente de datos que permita mezclar múltiples métricas. En este caso, se requiere la fuente que provea tanto gasto (cost) como conversiones.
Visualización de datos: Crear un gráfico en el que las dimensiones de horas organice los datos para que vayan de 0 a 24 horas.
Personalizar el gráfico: Ajustar el estilo del gráfico para asegurar comparabilidad, ajustando el eje de las conversiones para que se represente al lado derecho del gráfico.
Interpretar resultados: Identificar ineficiencias, como horas en las que el gasto publicitario no produce conversions correspondientes y observar patrones útiles al planificar estrategias de marketing, como el caso observado a las ocho de la noche donde se gasta menos, pero se generan más conversiones.
¿Qué tipo de gráficos son adecuados para diferentes tipos de análisis?
Existen diversos tipos de gráficos que pueden ser utilizados para analizar relaciones entre variables, desde gráficos de dispersión y gráficos combinados. Cada tipo ofrece atributos específicos que debieran considerarse dependiendo de las preguntas de análisis de datos que se buscan responder.
Los gráficos de dispersión son ideales para:
Identificar correlaciones directas o inversas.
Revisar el comportamiento de varias métricas al cambiar una variable.
Mientras que los gráficos combinados son útiles para:
Comparar métricas con diferentes escalas.
Revisar tendencias diarias o por períodos de tiempo.
Aunque los gráficos ilustrados son particularmente efectivos para ciertos análisis, hay múltiples tipos de gráficos que pueden cumplir diferentes necesidades visuales y analíticas en tu journey en análisis de datos.
A medida que te familiarizas con cómo interpretar diferentes gráficos e identificar relaciones, desarrollarás una habilidad analítica invaluable que te permitirá tomar decisiones más informadas, eficientes y efectivas. ¡Continúa explorando, aprendiendo y mostrando curiosidad para dominar el análisis de datos y las relaciones métricas!
Juan, ¿qué hay que estudiar para saber exactamente cuales son los gráficos más adecuados en cada una de las situaciones ?¿o se parende con práctica?
Visualización
Una parte es práctica, saber qué gráfico se adecúa mejor para lo que quieres mostrar y otra parte es el análisis de las dimensiones y métricas, debido a que algunos gráficos se adecúan para tener una dimension y tener varias metricas O muchas dimensiones y varias métricas.
Hay que manipular bastante la herramienta para saber cual escoger esa es la cosa aqui
A veces los datos pueden tener coincidencias que pueden ser solo eso, coincidencias, más no relaciones, recomiendo este video de Quantum Fracture (en el min 1:03) que explica bastante bien este tema: https://youtu.be/JQHtjT-_c7U?t=63
Correcto, correlación no implica causalidad.
¡Un saludo, Juan!
Excelente videoo
Para las métricas de la gráfica de dispersión (en español e inglés):
Ingresos de productos por compra (Product Revenue per purchase), métrica de eje X
Compras únicas (Unique Purchases), métrica de eje Y
Gracias 🚀.
Llevo casi un mes con Platzi, ya completé 8 cursos y aprobé todos los exámenes pero ninguno me voló la cabeza como este.
ESte curso esta genial.
Cuando tenía clases de economía siempre me decia la maestra que la pendiente de demanda nunca era una linea recta, sino que solia ser una curva. Y por primera vez en mi vida veo con datos reales ese comportamiento interesante.
¿Por qué la visualización de datos y la narración de datos son las principales habilidades de datos para 2021?
Los investigadores de datos y los analistas de datos tienen información útil, pero si los usuarios y clientes no pueden comprender esta valiosa información, es inútil. Por lo tanto, se recomienda presentar todos los datos de una manera fácil de usar que todas las personas puedan comprender. Es por eso que la visualización de datos entra en escena para resolver este problema. Se cita que "una imagen vale más que mil palabras". Entonces, la visualización de datos ayuda a pintar esa imagen que puede fomentar una mayor comprensión.
Artículo completo: https://onyxdata.co.uk/why-data-visualization-and-data-storytelling-are-the-top-data-skills-for-2021/
Los economistas usan una métrica llamada PROPENSIÓN MARGINAL AL CONSUMO: que porcentaje de cada peso adicional al ingreso se destina al consumo.
Tiene su contraparte PROPENSIÓN MARGINAL AL AHORRO, entre las dos suman 1 a menos que ocupen el ingreso en una tercera opción, que podría ser a la INVERSIÓN.
BOOK RECOMMENDATION: Story telling with data by Knaflic
ya iba a decir "con razón no viajo nada si mido metro y medio" 🤣🤣🤣🤣
Correlacion no implica causalidad!
Me cuesta mucho encontrar las métricas del profe que están en inglés con las mías en español, las traducciones no son siempre literales, ¿alguien sabe una solución?
Pregunta seria. Aún no entiendo cómo eliminar o definir los NOT SET ¿Alguien puede ayudarme?
Puff, una locura este profe, aplaudo de pie
"Correlación no implica causalidad"
Sigo sin entender cómo puedo eliminar o configurar los NOT SET, ¿Alguien puede ayudarme?
No he trabajado mucho con estos gráficos, cuales son las ventajas de usarlos en un informe corporativo
Depende mucho de lo que quieras demostrar y lo que quieras contar, este tipo de gráficos son útiles para cuando queremos conocer si X valor influye en Y valor (O de que forma influye).
Lo ideal es que para establecer una relación real hay que verlo con una muestra signifcativamente grande porque a veces pueden surgir coincidencias que parecieran relaciones cuando realmente no lo son.
depende de lo que quieras hacer, pero las ventajas son demasiadas, como por ejemplo la comparación de datos, vamos a comparar cuanto vendemos al mes, el costo de envió, costo de adquisición para ver cuanto tenemos de ganancia por producto.
esto lo pongo como ejemplo pero hay un sin fin de utilidades
Excelente clase y forma de explicar. El ejemplo de correlación altura/viajes maravilloso.