Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Profesora:
Alumno:
Yumilva Fermín Javier
Diamond
C.I 30.851.759
Cuidad Guayana, 24 DE Enero Del 2022
Explicar Cómo Tabular Y Analizar Los Datos Recolectados
Las tablas en las que se recopilan, se organizan y concentran los datos en base a
determinadas ideas o hipótesis, suelen contar con las siguientes partes:
Notas explicativas. Este elemento es opcional. Dichas notas hacen referencia a la fuente de
los datos, explicación de las abreviaturas, consideraciones a tener en cuenta, etc.
6. La Conclusión Interpretarás los resultados del análisis y listarás las conclusiones. Estarás
mucho más cerca del objetivo que te habrás planteado al inicio. Y de la resolución del
problema inicial.
Análisis formal. Se refiere a la revisión de la forma, del conjunto, más que del contenido y
de lo particular.
Esta es una técnica de análisis datos estadístico. Sirve para determinar si existe una relación
entre dos variables cuantitativas diferentes y cuan fuerte es esa relación entre las variables.
Suele utilizarse cuando se sospecha que dos variables siguen o tiene una evolución similar.
Ej: el índice IBEX 35 y el DAXX.
Se trata de otra de las técnicas de análisis de datos estadísticos para investigar la relación
entre diferentes variables. Se utiliza cuando una se sospecha que una de las variables puede
estar afectando (variable independiente) al comportamiento de la otra (variable
dependiente) u otras.
El data mining o minería de datos es un proceso de análisis de datos pensado para trabajar
con grandes volúmenes de datos. Ahora es más conocido como Big data y se usa para
detectar patrones, relaciones o información relevante que pueda mejorar el desempeño de
operaciones relacionadas con el cliente y el Internet de las cosas.
Esta técnica de análisis de datos utiliza las metas de datos de publicaciones científicas y
patentes para extraer información sobre tendencias y relaciones entre estudios, autores o
propiedad intelectual. Es una de las técnicas más usadas en la vigilancia de tendencias
tecnológicas.
Esta técnica de probabilidad matemática es usada para medir el riesgo aproximado de que
un hecho determinado tenga lugar. Es muy útil para entender las implicaciones que puede
tener un determinado curso de acción derivado de una decisión.
También conocida como optimización lineal, es un método para identificar cual es mejor
resultado posible dadas unas restricciones concretas a nuestra situación. Se utiliza mucho
para resolver problemas dados en procesos de producción y determinar cómo minimizar los
costes o maximizar los beneficios.
9.-# Experimentos AB
También conocidos como pruebas AB o Split testing son unas de las técnicas más usadas
en marketing digital para comprobar la reacción de los usuarios ante un mensaje y ver cual
funciona mejor. Se utiliza sobre todo para testar hipótesis en el lanzamiento de un nuevo
producto, una campaña publicitaria o un mensaje en un anuncio.
Este tipo de análisis, también conocido como minería de textos, es un proceso que trata de
extraer valor a través del análisis semántico de grandes volúmenes de textos. Relacionado
con la técnica anterior busca que los ordenadores sean capaces de entender lo que indexan y
obtener datos de textos no estructurados. La herramienta que mejor conozco para este tipo
de análisis es BItext.
1. De lo macro a lo micro
La primera parte del informe debe mostrar estos indicadores y así calmar la ansiedad
general de la audiencia respecto a “cómo vamos”. A continuación muestran variables del
entorno y van profundizando en aspectos más detallados.
Existe la tentación de medirlo todo, con lo cual se termina trabajando para el indicador y no
al revés. No hay una regla respecto a cuántos indicadores estratégicos deben ser
gestionados, sin embargo “menos es más” cuando queremos dar foco a la gestión.
Un dato por sí mismo no es información relevante para tomar decisiones: debe ser
analizado respecto a algún contexto como una meta, tendencia, datos de industria, entre
otras variables.
En el informe, cada dato ya debe haber sido analizado y mostrar el resultado de su análisis
en forma muy simple.
A la vez, cada lámina de su presentación, en el caso de hacer una presentación, debe ser
auto explicativo y mostrar las conclusiones en forma explícita.
4. Simpleza visual
El uso de números grandes, flechas, íconos y otras técnicas facilitan la revisión de los
resultados. El tiempo debe ser utilizado en discutir y no en comprender lo que se está
presentando.
5. Profundizar cuando sea necesario
Cuando los resultados no son los esperados, es necesario ampliar la información hasta
encontrar causas, potenciales soluciones y presentar las alternativas para la discusión. En
caso contrario, no es necesario profundizar.
¿Cuántas veces ha pasado que una persona presenta un dato y las restantes personas de
la mesa cuestionan el número? Cuando esto ocurre la conversación pierde el foco. Siempre
es necesario conocer la fuente de la data y la robustez, además de asegurar consistencia
entre un informe y otro.
Bibliografía
https://conceptosclaros.com/como-analizar-datos/
https://www.ayuware.es/blog/tabulacion-de-la-informacion/
https://tesis-investigacion-cientifica.blogspot.com/2013/08/que-es-operacionalizacion-de-
variables.html
https://papelesdeinteligencia.com/tecnicas-de-analisis-de-datos/
https://www.andreadelacalle.cl/post/c%C3%B3mo-hacer-una-buena-presentaci%C3%B3n-
de-resultados#:~:text=Una%20buena%20presentaci%C3%B3n%20de%20resultados
%20debe%20ser%20visualmente%20simple.,base%20a%20la%20informaci%C3%B3n
%20disponible.