Nombre: Wolly David
Apellido: Tucent Ramírez
Matricula: 15-2160
Materia: Procesamiento electrónico de datos
Profesor: Guillermo Jiménez Espinal
Tema: Tarea #1- Análisis de Datos vs Analítica de Datos
Análisis de datos vs Analítica de Datos
Los análisis de datos consisten en la realización de las operaciones a las que el investigador
someterá los datos con la finalidad de alcanzar los objetivos del estudio. Todas estas
operaciones no pueden definirse de antemano de manera rígida. La recolección de datos y
ciertos análisis preliminares pueden revelar problemas y dificultades que desactualizarán la
planificación inicial del análisis de los datos. Sin embargo, es importante planificar los
principales aspectos del plan de análisis en función de la verificación de cada una de las
hipótesis formuladas ya que estas definiciones condicionarán a su vez la fase de recolección
de datos.
Existen dos grandes familias de técnicas de análisis de datos:
Técnicas cualitativas: en las que los datos son presentados de manera verbal o con diseños -
como los textos de entrevistas, las notas, los documentos.
Técnicas cuantitativas: en las que los datos se presentan en forma numérica.
Estas dos modalidades son especies radicalmente diferentes, utilizan conocimientos y
técnicas completamente diferenciadas.
El proceso de análisis de datos se basa en varios pasos y fases. Es posible que las
conclusiones de fases posteriores requieran volver a trabajar en una fase anterior, lo que
implica un proceso más cíclico que lineal. Lo más importante es que el éxito de los procesos
de análisis de datos depende de la capacidad de repetición y automatización de cada uno de
estos pasos.
El proceso de análisis se divide de mejor manera en los siguientes pasos y fases:
Entrada de datos: determina los requisitos y recopila los datos. Esto implica un poco de
trabajo de investigación, como hablar con las partes interesadas, averiguar quiénes son los
responsables de los datos y obtener acceso a estos últimos.
Preparación de datos: se trata de la estrategia y la táctica de preparación de los datos para su
objetivo principal de producir insights de análisis. Esto incluye la limpieza y consolidación de
los datos sin procesar, en datos bien estructurados y listos para el análisis. También incluye la
comprobación de los resultados en cada parte del proceso de preparación para asegurarse de
que el análisis esté generando los resultados deseados.
Exploración de datos: la exploración de datos, o análisis exploratorio de datos, es el proceso
de estudio e investigación de un gran conjunto de datos mediante el muestreo, el análisis
estadístico, la identificación de patrones y la elaboración de perfiles visuales, entre otros. Los
métodos no son necesariamente científicos o concluyentes, sino que sirven para comprender
mejor la transformación de los datos.
Enriquecimiento de datos: se enriquecen y aumentan los datos con entradas y conjuntos de
datos adicionales para mejorar el análisis. Este paso en el proceso de análisis de datos es
fundamental para revelar nuevos insights mediante la observación de datos desde una nueva
perspectiva.
Data science: se trata de aplicar métodos más avanzados de extracción de datos para obtener
significados e insights más profundos y difíciles de extraer, que son en gran medida
inalcanzables mediante modalidades más rudimentarias de procesamiento de datos. Esto
incluye algoritmos, entrenamiento de modelos, aprendizaje automático (ML) e inteligencia
artificial (IA), por mencionar algunos.
Business intelligence: se pueden obtener resultados de negocios a través de la combinación
de datos, software, infraestructura, procesos comerciales e intuición humana de una
organización. Los resultados ofrecen insights accionables a través de informes, paneles de
control y visualizaciones para ayudar a tomar decisiones comerciales.
Generador de informes: los resultados del análisis de datos deben compartirse de una
manera eficaz que preserve los conocimientos adquiridos. El Generador de Informes organiza
ese conocimiento y sus resultados en un formato fácil de comprender.
Optimización: dado que las variables cambian con el tiempo, es necesario optimizar y
mejorar los modelos para que sigan cumpliendo su propósito inicial o para que evolucionen a
partir de este propósito basándose en nuevas entradas o características cambiantes.
Analítica de datos
La analítica de datos es una disciplina centrada en extraer
conocimientos de los datos, incluido el análisis, la recopilación, la
organización y el almacenamiento de datos, así como las herramientas y
técnicas utilizadas para hacerlo.
La analítica y la ciencia de datos están estrechamente relacionados. El análisis de
datos es un componente de la ciencia de datos que se utiliza para comprender
cómo se ven los datos de una organización. Generalmente, la salida del análisis de
datos son informes y visualizaciones. La ciencia de datos toma el resultado de la
analítica para estudiar y resolver problemas.
La diferencia entre la analítica de datos y la ciencia de datos se ve a menudo como
una de la escala de tiempo. La analítica de datos describe el estado actual o
histórico de la realidad, mientras que la ciencia de datos usa esos datos para
predecir y / o comprender el futuro.
Tipos de analítica de datos
Hay cuatro tipos de analítica:
Analítica descriptiva: ¿Qué ha sucedido y qué está sucediendo en este
momento? La analítica descriptiva utiliza datos históricos y actuales de
múltiples fuentes para describir el estado actual mediante la identificación de
tendencias y patrones. En la analítica empresarial, este es el ámbito de la
Inteligencia Empresarial (BI).
Analítica de diagnóstico: ¿por qué está sucediendo? El análisis de
diagnóstico utiliza datos (a menudo generados a través de análisis
descriptivos) para descubrir los factores o las razones del desempeño
pasado.
Analítica predictiva: ¿Qué es probable que suceda en el futuro? La analítica
predictiva aplica técnicas como el modelado estadístico, la previsión y el
aprendizaje automático al resultado de la analítica descriptiva y de
diagnóstico para hacer predicciones sobre resultados futuros. La analítica
predictiva a menudo se considera un tipo de “análisis avanzado” y, con
frecuencia, depende del aprendizaje automático y / o del aprendizaje
profundo.
Analítica prescriptiva: La analítica prescriptiva es un tipo de análisis
avanzado que implica la aplicación de pruebas y otras técnicas para
recomendar soluciones específicas que ofrecerán los resultados deseados.
En los negocios, la analítica predictiva utiliza aprendizaje automático, reglas
comerciales y algoritmos.
