Está en la página 1de 3

1. Análisis Descriptivo o Descriptive Analytics.

Es la interpretación de datos históricos para comprender mejor los cambios que se han
producido en una empresa. La analítica descriptiva describe el uso de un rango de datos
históricos para hacer comparaciones. Las métricas financieras más comúnmente reportadas
son un producto de análisis descriptivos, por ejemplo, cambios de precios año tras año,
crecimiento de ventas mes a mes, la cantidad de usuarios o los ingresos totales por suscriptor.
Todas estas medidas describen lo que ocurrió en un negocio durante un período determinado.
Es una de las piezas más básicas de inteligencia empresarial que utilizará una
empresa. Aunque los análisis descriptivos pueden ser específicos de la industria, como la
variación estacional en los tiempos de finalización del envío, los análisis utilizan medidas
ampliamente aceptadas comunes en toda la industria financiera.
El análisis descriptivo toma datos sin procesar y analiza esos datos para sacar
conclusiones que sean útiles y comprensibles para los gerentes, inversores y otras partes
interesadas. Un informe que muestra ventas de $ 1 millón puede sonar impresionante, pero
carece de contexto. Si esa cifra representa una disminución del 20% mes tras mes, es una
preocupación. Si se trata de un aumento del 40% año tras año, entonces sugiere que algo va
bien con la estrategia de ventas. Sin embargo, se requiere un contexto más amplio que
incluya crecimiento específico para obtener una visión informada del desempeño de ventas de
la compañía.
El análisis descriptivo utiliza una gama completa de datos para dar una imagen precisa
de lo que ha sucedido en un negocio y cómo difiere de otros períodos comparables. Estas
métricas de rendimiento se pueden utilizar para marcar áreas de fortaleza y debilidad para
informar las estrategias de gestión.
En resumen, es el proceso de analizar datos históricos para comprender mejor los
cambios que se han producido en una empresa; Utiliza una gama de datos históricos y
evaluaciones comparativas, los responsables de la toma de decisiones obtienen una visión
holística del rendimiento y las tendencias en las que basar la estrategia comercial; Puede
ayudar a identificar las áreas de fortaleza y debilidad en una organización.

2. Análisis de Diagnóstico o Diagnostic Analytics.


Es una forma de analítica avanzada que examina los datos o el contenido para
responder a la pregunta, "¿Por qué sucedió?" Se caracteriza por técnicas como la
profundización, el descubrimiento de datos, la minería de datos y las correlaciones.
En esta etapa, los datos históricos se pueden medir con otros datos para responder a la
pregunta de por qué sucedió algo. Gracias al análisis de diagnóstico, existe la posibilidad de
profundizar, descubrir dependencias e identificar patrones. Las empresas optan por el análisis
de diagnóstico, ya que proporciona información detallada sobre un problema particular. Al
mismo tiempo, una empresa debe tener información detallada a su disposición; de lo
contrario, la recopilación de datos puede resultar individual para cada problema y llevar
mucho tiempo.
Las funciones de análisis de diagnóstico se dividen en tres categorías:
 Identificar anomalías: en función de los resultados del análisis descriptivo, los
analistas deben identificar las áreas que requieren más estudio porque plantean
preguntas que no pueden responderse simplemente mirando los datos. Estos podrían
incluir preguntas como por qué las ventas han aumentado en una región donde no
hubo cambios en el marketing, o por qué hubo un cambio repentino en el tráfico a un
sitio web sin una causa obvia.
 Profundice en la analítica (descubrimiento): los analistas deben identificar las fuentes
de datos que los ayudarán a explicar estas anomalías. A menudo, este paso requiere
que los analistas busquen patrones fuera de los conjuntos de datos existentes, y puede
requerir extraer datos de fuentes externas para identificar correlaciones y determinar
si alguno de ellos es de naturaleza causal.
 Determine las relaciones causales: las relaciones ocultas se descubren al observar los
eventos que podrían haber resultado en las anomalías identificadas. La teoría de la
probabilidad, el análisis de regresión, el filtrado y el análisis de datos de series
temporales pueden ser útiles para descubrir historias ocultas en los datos.

3. Análisis de Descubrimiento o Discovery Analytics.

4. Análisis Predictivo o Predictive Analytics.


La analítica predictiva es una forma de analítica avanzada que examina los datos o el
contenido para responder la pregunta "¿Qué va a pasar?" O más precisamente, "¿Qué es
probable que suceda?", Y se caracteriza por técnicas como el análisis de regresión, el
pronóstico, estadísticas multivariadas, coincidencia de patrones, modelado predictivo y
pronósticos El análisis predictivo analiza datos históricos y actuales para pronosticar eventos
futuros o resultados procesables.
El análisis predictivo dice lo que es probable que suceda. Utiliza los resultados de los
análisis descriptivos y de diagnóstico para detectar tendencias, grupos y excepciones, y para
predecir tendencias futuras, lo que lo convierte en una herramienta valiosa para el pronóstico.
A pesar de las numerosas ventajas que aporta el análisis predictivo, es esencial comprender
que el pronóstico es solo una estimación, cuya precisión depende en gran medida de la
calidad de los datos y la estabilidad de la situación, por lo que requiere un tratamiento
cuidadoso y una optimización continua.
Gracias al análisis predictivo y al enfoque proactivo que permite, una empresa de
telecomunicaciones, por ejemplo, puede identificar a los suscriptores que tienen más
probabilidades de reducir su gasto y activar actividades de marketing específicas para
remediar; un equipo de gestión puede sopesar los riesgos de invertir en la expansión de su
empresa en función de los análisis y pronósticos de flujo de efectivo.

5. Análisis Prescriptivo o Prescriptive Analytics.


Una forma de análisis avanzado que examina los datos o el contenido para responder a la
pregunta "¿Qué se debe hacer?" O "¿Qué podemos hacer para que suceda _______?", Y se
caracteriza por técnicas como el análisis gráfico, la simulación, el procesamiento de eventos
complejos, redes neuronales, motores de recomendación, heurística y aprendizaje automático.
El análisis prescriptivo sintetiza automáticamente grandes datos, ciencias matemáticas, reglas
de negocios y aprendizaje automático para hacer predicciones y luego sugiere opciones de
decisión para aprovechar las predicciones. La analítica prescriptiva no solo anticipa lo que
sucederá y cuándo sucederá, sino también por qué sucederá.
El propósito del análisis prescriptivo es prescribir literalmente qué medidas tomar para
eliminar un problema futuro o aprovechar al máximo una tendencia prometedora. Un ejemplo
de análisis prescriptivo de nuestra cartera de proyectos: una empresa multinacional pudo
identificar oportunidades para compras repetidas basadas en análisis de clientes e historial de
ventas.
Este tipo de análisis de datos de última generación requiere no solo datos históricos sino
también información externa debido a la naturaleza de los algoritmos estadísticos. Además, la
analítica prescriptiva utiliza herramientas y tecnologías avanzadas, como aprendizaje
automático, reglas y algoritmos comerciales, lo que hace que su implementación y
administración sean sofisticadas. Es por eso que, antes de decidir adoptar análisis
prescriptivos, una empresa debe comparar los esfuerzos requeridos con un valor agregado
esperado.

También podría gustarte