Módulo 1.

Introducción a la analítica de procesos

Tutoría 1. Introducción analítica de datos

Santiago Aguirre, Ph.D.

saguirre@javeriana.edu.co
 Objetivos de aprendizaje

Al finalizar esta clase los participantes van a estar en capacidad de:

• Entender el concepto de analítica de datos.
• Establecer las diferencias entre la analítica descriptiva, predictiva y prescriptiva.
• Identificar las principales técnicas de los tipos de analítica.

Material de autoría y uso exclusivo de Santiago Aguirre Ph.D.

Generamos datos todo el tiempo

Material de autoría y uso exclusivo de Santiago Aguirre Ph.D.

 Preguntas a responder con los datos

Tomar turno Triage Admisión Atención médica Hospitalización Egreso del paciente

¿Qué factores determinan que los

pacientes deben esperar tanto en ¿Cuáles son los cuellos de botella
urgencias los lunes? en el proceso?

¿Los médicos están siguiendo los ¿Estoy cumpliendo con los niveles
protocolos y procedimientos? de atención de acuerdo al triage?

¿Cómo mejorar la atención a los ¿Qué factores determinan el éxito

pacientes? de los tratamientos?

Material de autoría y uso exclusivo de Santiago Aguirre Ph.D.

 Proceso de Urgencias
Audiencia
Ejemplo dashboard • Junta Directiva del Hospital
• Conocer el nivel de cumplimiento de los
tiempos de atención y su relación con la
demanda, los días de la semana y
diagnóstico.

Datos
• Sistema información de urgencias
• Visualizaciones: diagramas de barras y
burbujas.
• Interactividad (por clínica, triage…)

Decisiones
• Número de médicos asignados por día.
• Disponibilidad de especialistas
• Número de camas requeridas.

5
Fuente de los datos: Datos del sistema de urgencias entre enero y junio de 2017.
Material de autoría y uso exclusivo de Santiago Aguirre Ph.D.
6

• Analítica de datos (Business Analytics)

Es el proceso de transformación de datos en descubrimientos (insights) para
tomar mejores decisiones.
Es el descubrimiento y comunicación de patrones útiles en los datos. A
través de la aplicación de estadística y minería de datos.
“Empresas que toman sus decisiones basadas en datos tiene mayor
productividad y rentabilidad” MIT study.

Fuente: Camm J., et al. Essentials of Business Analytics. Cengage Learning. 2015

Material de autoría y uso exclusivo de Santiago Aguirre Ph.D.

7

De los datos a la decisión

Fuente: Kate, Nitin and Jones, Nancy. Practical Analytics. Epistemy Press. 2016

Material de autoría y uso exclusivo de Santiago Aguirre Ph.D.

Encuesta

Pollev.com/santiagoagui549

Material de autoría y uso exclusivo de Santiago Aguirre Ph.D.

 Ejemplo: Proceso de gestión del talento humano
Datos Información Conocimiento Descubrimiento Decisión

• Caracterización
• Solicitudes
del personal
• Perfiles
• Deserción en el
• Edad
proceso
• Estudios
• Rotación de
• Experiencia
personal

Material de autoría y uso exclusivo de Santiago Aguirre Ph.D.

10

De los datos a la decisión

Datos Información Conocimiento Descubrimiento Decisión

• El costo de cubrir una vacante disminuye

cuando se contratan más de 10 agentes de
servicio.
• Los colaboradores de la generación
millenial valoran en mayor medida el
trabajo en casa que los mayores de 30 años.
• Uno de los factores que determina la
permanencia es la distancia al trabajo
(sede).
• Los agentes que calificaron la capacitación
como satisfactoria tuvieron un mejor
desempeño en la calidad de la atención.

Material de autoríaSantiago
y uso exclusivo
Aguirrede
© Santiago
2020 Aguirre Ph.D.
 De los datos a la decisión
Datos Información Conocimiento Descubrimiento Decisión

• La variable que tiene mayor

influencia en la rotación de
personal es la estatura de la
personal.
• Modelo para predecir la
permanencia de los agentes de
servicio basado en variables
demográficas

Material de autoría y uso exclusivo de Santiago Aguirre Ph.D.

 De los datos a la decisión
Datos Información Conocimiento Descubrimiento Decisión

• Perfilamiento de candidatos a
partir del modelo predictivo
• Adecuación de puestos de
• La variable que tiene mayor trabajo.
influencia en la rotación de • Sedes alternas en varios
personal es la estatura de la puntos
personal.
• Modelo para predecir la
permanencia de los agentes de
servicio basado en variables
demográficas.

Material de autoría y uso exclusivo de Santiago Aguirre Ph.D.

Tipos de analítica

DESCRIPTIVA
Describir y comprender lo
PREDICTIVA
que pasó PRESCRITIVA
Predecir lo que puede
- ¿Qué pasó?
pasar Lo que se debe hacer
- ¿Cómo pasó?
- ¿Porqué pasó? en el futuro
- ¿Qué podría pasar? - ¿Qué hacer?
- ¿Cómo hacerlo?

Material de autoría y uso exclusivo de Santiago Aguirre Ph.D.

 ANALÍTICA DESCRIPTIVA

Analítica descriptiva: son una serie de técnicas para describir lo que sucedió en el
pasado. Ejemplo: queries, dashboards, reportes, estadística descriptiva,
visualización de datos, hojas de cálculo, algunas técnicas de minería de datos.
• Query: es el requerimiento de información con determinadas características de
una base de datos. Ejemplo: tabla con despachos por producto a los centros de
distribución en determinado tiempo.
• Dashboard (tablero de control): una serie de tablas, gráficos, mapas y estadísticas
que se actualizan en línea y que sirven para monitorear indicadores claves.
Fuente: Camm J., et al. Essentials of Business Analytics. Cengage Learning. 2015

Material de autoría y uso exclusivo de Santiago Aguirre Ph.D.

 ANALÍTICA PREDICTIVA

Analítica predictiva: consiste en una serie de técnicas que usa datos históricos para
predecir el futuro o el impacto de una variable frente a otra. Ejemplos: pronósticos
de ventas, tiempo restante de un caso en un call center, probabilidad de compra de
un producto. Técnicas: regresión lineal, minería de datos, modelos predictivos.
• Minería de datos: técnicas usadas para encontrar patrones o relaciones entre los
datos, usualmente usada en la analítica predictiva.
• Minería de texto: técnicas usadas para encontrar patrones o relaciones entre los
datos, usualmente usada en la analítica predictiva.
• Pronósticos: modelos basados en el análisis de los datos históricos para predecir
el comportamiento futuro.
Fuente: Camm J., et al. Essentials of Business Analytics. Cengage Learning. 2015
Material de autoría y uso exclusivo de Santiago Aguirre Ph.D.
 ANALÍTICA PRESCRITIVA

Análitica prescriptiva: indica el mejor camino o decisión a tomar basado en el

análisis de datos. El resultado de un modelo descriptivo es una recomendación de
decisión a tomar. Ejemplo: Aerolíneas usan el “revenue management”, analizan las
ventas históricas y la demanda futura para decidir sobre el precio de un vuelo.
Mezcla de portafolio a invertir en la bolsa. Se usan técnicas de optimización.
• Simulación: uso de la probabilidad y estadística para construir un modelo para
estudiar el impacto de una decisión.
• Optimización: uso de técnicas y modelos que entregan una decisión basado en las
restricciones del problema.
Fuente: Camm J., et al. Essentials of Business Analytics. Cengage Learning. 2015

Material de autoríaSantiago
y uso exclusivo
Aguirrede
© Santiago
2020 Aguirre Ph.D.
Técnicas de analítica

Material de autoría y uso exclusivo de Santiago Aguirre Ph.D.

 Big data
• Big data: Habilidad para hacer uso e interpretar los grandes volúmenes de datos
estructurados y no estructurados de una variedad de fuentes (redes sociales,
equipos móviles, dispositivos IoT). “Turn big data into value”.

Material de autoría y uso exclusivo de Santiago Aguirre Ph.D.

 Pollev.com/santiagoagui549

Material de autoría y uso exclusivo de Santiago Aguirre Ph.D.

20

Actividad evaluativa

Basado en el caso How cities score, analice:

• ¿Qué indicadores incluiría en un dashboard
para su ciudad de origen?
• Que opinan acerca de la afirmación “los datos
por si solos no pueden volver más eficiente la
gestión de la ciudad”
• ¿Qué nuevos servicios se puede prestar a los
ciudadanos a través de los datos?

Material de autoría y uso exclusivo de Santiago Aguirre Ph.D.

Gracias por su atención