Análisis de datos y elaboración de informe

Estudiantes: Keilyn Chacón Solano

Juan Gabriel Esquivel Sánchez

Escuela de Ciencias Empresariales, Administración de Negocios

Curso: Mercadeo II

Docente: Douglas Umaña Esquivel

23 de febrero de 2022
Análisis de datos
El análisis de datos es un proceso que consiste en inspeccionar, limpiar y transformar
datos con el objetivo de resaltar información útil, para sugerir conclusiones y apoyo en
la toma de decisiones. El análisis de datos tiene múltiples facetas y enfoques, que
abarca diversas técnicas en una variedad de nombres, en diferentes negocios, la
ciencia, y los dominios de las ciencias sociales. Los datos se coleccionan y analizan
para indagar en cuestiones, probar conjeturas o refutar teorías.

Video: https://www.youtube.com/watch?v=sv6yaVunVms

Procedimientos estadísticos para el análisis de los datos

El proceso de análisis estadístico consta de cinco pasos principales:
1. Recogida de datos
El primer paso del análisis estadístico es la recogida de datos. Se pueden recopilar
datos a través de fuentes primarias o secundarias, como encuestas, software de
gestión de las relaciones con los clientes, cuestionarios en línea, informes financieros y
herramientas de automatización del marketing. Para asegurarse de que los datos son
viables, puede elegir datos de una muestra que sea representativa de una población.
Por ejemplo, una empresa puede recopilar datos de clientes anteriores para
comprender el comportamiento de los compradores.
2. Organización de los datos
El siguiente paso tras la recogida de datos es la organización de estos. También
conocida como limpieza de datos, esta etapa consiste en identificar y eliminar los datos
duplicados y las incoherencias que puedan impedirle obtener un análisis preciso. Este
paso es importante porque puede ayudar a las empresas a asegurarse de que sus
datos y las conclusiones que extraen del análisis son correctos.
3. Presentación de datos
La presentación de datos es una extensión de la limpieza de datos, ya que implica la
organización de los datos para facilitar su análisis. Aquí se pueden utilizar herramientas
de estadística descriptiva para resumir los datos. La presentación de datos también
puede ayudarle a determinar la mejor manera de presentar los datos en función de su
disposición.
4. Análisis de datos
El análisis de datos implica la manipulación de conjuntos de datos para identificar
patrones, tendencias y relaciones mediante técnicas estadísticas, como el análisis
estadístico inferencial y asociativo. Puede utilizar programas informáticos como hojas
de cálculo para automatizar este proceso y reducir la probabilidad de que se produzcan
errores humanos en el proceso de análisis estadístico. Esto puede permitirle analizar
los datos de forma eficiente.
5. Interpretación de datos
El último paso es la interpretación de los datos, que proporciona resultados
concluyentes sobre el objetivo del análisis. Tras el análisis, se puede presentar el
resultado en forma de gráficos, informes, cuadros de mando y tableros de control para
hacerlo accesible a los no profesionales. Por ejemplo, la interpretación del análisis del
impacto de una fábrica de 6.000 trabajadores en la tasa de criminalidad de una
pequeña ciudad con una población de 13.000 habitantes puede mostrar una tasa de
actividades delictivas en descenso. Puede utilizar un gráfico de líneas para mostrar
este descenso.

Tratamiento descriptivo de los datos

El tratamiento de datos es el proceso de recopilar información sin procesar y
transformarlo en una forma utilizable; esto se hace a través de una secuencia de
operaciones.
Para lograr esto manualmente, se requieren científicos o ingenieros especialistas. Sin
embargo, el software de automatización ha facilitado la realización de estos pasos con
poca o ninguna intervención humana necesaria.
Todo el proceso implica la recopilación, limpieza —filtrado y clasificación—,
procesamiento, análisis y almacenamiento para que las partes internas y externas
puedan hacer uso de este valioso activo.
Así, el tratamiento de datos ayuda a las organizaciones a lograr operaciones más
fluidas, mayor productividad, seguridad y, en última instancia, tiene un impacto positivo
en los resultados.

Introducción a las técnicas de análisis multivariante

¿Que es el análisis multivariante?
El análisis multivariante siempre se utiliza cuando hay más de tres
variables involucradas y el contexto de su contenido no está claro. El objetivo es
detectar una estructura, por un lado, y verificar los datos de las estructuras por otro.
Las dos categorías principales de métodos de análisis estadísticos multivariantes son
los denominados métodos descriptivos, por un lado, y los métodos explicativos por el
otro.
Los métodos descriptivos están diseñados para ayudar a estructurar y resumir
conjuntos de datos multivariados sin tener que enfatizar una de estas variables. Por
tanto, todas las variables se consideran al mismo nivel.
¿Cuál es el objetivo del análisis multivariado?
El objetivo del análisis multivariado es variable en relación con lo que queremos
conseguir con él. Estos son los diferentes escenarios que explican el objetivo del
análisis multivariado.
1. Optimizar los datos o simplificar la estructura: Esto ayuda a simplificar los datos
en la mayor medida posible sin sacrificar información valiosa y sirve para facilitar
la explicación de datos.
2. Ordenar y agrupar: Cuando tengamos múltiples variables, se creará un conjunto
de objetos o variables "similares" en función de las características medidas para
ordenar y agrupar los datos.
3. Investigar la relación de dependencia entre variables: La relación entre variables
es algo que puede resultar preocupante para muchos. El análisis multivariado
nos servirá para saber si todas las variables son independientes o dependientes
entre sí.
4. Relación predictiva entre variables: Deben determinarse para predecir el valor de
una o más variables a partir de observaciones de otras variables.
5. Construcción y prueba de hipótesis: Se prueban hipótesis estadísticas
específicas expresadas en parámetros poblacionales multivariados. Esto se
puede hacer para probar hipótesis o reafirmar hipótesis previas.

¿Cuáles son las técnicas multivariadas?

Hay muchas técnicas multivariadas que se pueden aplicar, a

continuación, detallaremos algunas de las más importantes:
1. Gráfico de matriz
El gráfico de matriz se utiliza para mostrar todos los pares de gráficos X-Y de un
conjunto de variables cuantitativas. Es una excelente técnica si queremos detectar
pares de variables altamente correlacionadas. También puede detectar casos con
valores atípicos.
2. Análisis de correlación
El proceso de análisis de correlación tiene como objetivo resumir dos o más columnas
de datos numéricos. Calcula estadísticas resumidas para cada variable, así como la
correlación y covarianza entre ambas.
3. Diagrama de araña
El diagrama de araña -también conocido como gráfico de radar- se utiliza para mostrar
los valores de varias variables cuantitativas según la situación.

4. Análisis factorial
El análisis factorial produce una combinación lineal de múltiples variables cuantitativas,
estas variables representan el mayor porcentaje de variación. Estos tipos de análisis
son utilizados para reducir el alcance del problema con el fin de comprender mejor los
factores que afectan estas variables.
En la mayoría de casos, una pequeña cantidad de componentes puede representar una
gran parte de la variabilidad general. La interpretación adecuada de estos factores
puede proporcionar información importante sobre los mecanismos en funcionamiento.
5. Análisis de regresión logística
El análisis de regresión logística -también conocido como modelo de selección- es una
variante de regresión múltiple que permite predecir eventos y estudia la influencia de
dos tipos de variables entre sí: variables dependientes y variables no dependientes. La
primera es una variable explicativa, mientras que la segunda es una variable no
explicativa.

La primera variable describe el estado actual de la base de datos y la

segunda interpreta los datos a través de la dependencia entre dos variables. Esta
técnica ayuda a predecir las elecciones que los consumidores pueden tomar al elegir
alternativas.

6. Análisis de conglomerados
El análisis de conglomerados o grupos se refiere a un algoritmo que agrupa objetos
similares en grupos. El análisis de conglomerados es un conjunto de grupos, donde
cada uno es diferente entre sí y los objetos de cada grupo son muy similares entre sí.

7. Análisis discriminante lineal

El análisis discriminante lineal fue diseñado para ayudar a distinguir dos o más
conjuntos de datos basados en un conjunto de variables cuantitativas. Esto se logra
estableciendo una función discriminante o combinación lineal de variables.

8. Análisis de correspondencias
Esta técnica proporciona una reducción de la dimensionalidad de la pendiente del
objeto en un conjunto de atributos, generando así un mapa de percepción de la
pendiente. Sin embargo, la variable independiente y la variable dependiente se
verifican al mismo tiempo.
Esta es una técnica combinada que puede ser muy útil en situaciones donde hay
muchos atributos. Se usa comúnmente para evaluar la efectividad de las campañas
publicitarias. También se puede utilizar cuando los atributos son demasiado similares
para el análisis factorial.
El principal enfoque estructural es el desarrollo de una tabla de contingencia, también
conocida como tabulación cruzada. Esto significa que la forma de las variables no debe
ser métrica. El análisis de correspondencias es difícil de interpretar, ya que las
dimensiones son una combinación de variables independientes y dependientes.
9. Escalado multidimensional
El escalado multidimensional es una técnica que crea un mapa que muestra las
posiciones relativas de varios objetos, con solo una tabla de las distancias entre ellos.
El mapa puede constar de una, dos, tres o incluso más dimensiones y calcula la
solución métrica o no métrica.

La tabla de distancias se conoce como matriz de proximidad y surge directamente de

experimentos o indirectamente como una matriz de correlación.
10. Correlación canónica
La más flexible de las técnicas multivariadas es la correlación canónica, que asocia
varias variables independientes y dependientes al mismo tiempo. Esta poderosa
técnica utiliza variables de medición independientes como ventas, nivel de satisfacción
y nivel de uso. También puede utilizar variables categóricas no métricas.

¿Cuáles son las ventajas y desventajas del análisis multivariado?

Ventajas del análisis multivariado

 • Una de las ventajas del análisis multivariado es que permite a los investigadores
ver la relación entre variables y cuantificar la relación entre ellas. Se puede usar
la tabulación cruzada, correlación parcial y regresión múltiple para controlar la
asociación entre variables.
• También se pueden ingresar otras variables para determinar el vínculo entre
variables independientes y dependientes o especificar las condiciones bajo las
cuales ocurre la asociación.
• Otra de las ventajas del análisis multivariado es la capacidad de obtener una
visión general más realista y precisa que cuando se analiza una sola variable.
Además, en comparación con las técnicas univariadas, las técnicas de análisis
multivariado dan como resultado una potente y confiable prueba de significación.
Por todos estos motivos es importante que apliques el análisis multivariado en tu
negocio o emprendimiento.

Desventajas del análisis multivariado

• Una de las desventajas más relevantes del análisis multivariado es que sus
técnicas son complejas, involucran matemáticas avanzadas y requieren
procedimientos estadísticos para analizar datos. Estos procedimientos
estadísticos pueden resultar costosos y complicados para una persona u
organización.
• Otra de las principales desventajas del análisis multivariado es que los
resultados del modelado estadístico no siempre son fáciles de entender para
estudiantes o personas sin mucha formación.
• Para que el análisis multivariado produzca resultados significativos, se necesitan
grandes muestras de datos. De lo contrario, el resultado no tendrá mucho
sentido debido al alto índice de error estándar. El error estándar determina la
confianza que tendremos en los resultados.
Realizar procedimientos estadísticos es algo muy sencillo, pero se requiere
entrenamiento estadístico para una comprensión absoluta de los datos.

Software para el procesamiento y análisis de los datos

Importancia: La palabra software se refiere a las instrucciones que se incorporan a un
sistema informático para que este lleve a cabo una determinada función. Partiendo de
esta sencilla definición, el campo que se esconde detrás es inmenso, porque engloba
desde pequeñas aplicaciones para llevar a cabo tareas muy específicas, a
archiconocidos sistemas operativos con capacidad para realizar miles de funciones.
El software es imprescindible para cualquier sistema informático o basado en
informática, puesto que sin él, este no funcionaría. Es el software quien dá las órdenes,
quien indica que debe hacer cada máquina con sus elementos, cuando y como. Un
ordenador sin software sería simplemente un conjunto de chips, cables, periféricos e
interruptores totalmente inerte y sin función alguna.

Elaboración del informe

¿Qué es un informe?
El informe es un texto que se puede escribir con fines científicos, técnicos o
comerciales, con el objetivo de comunicar informaciones relevantes para el cuerpo o
personas encargadas de dirigir y tomar decisiones.

Características de un informe
Debe ser escrito con una estructura enunciativa, y aunque también
compone datos para transmitir los resultados, el autor produce una interpretación a
partir de estos que detalla en la conclusión.

Es importante que el autor realice una fundamentación argumentativa firme que

sustente sus afirmaciones conclusivas y también a sus recomendaciones. Además,
que también queden demostradas con el análisis de los datos estadísticos
presentados.
Las características principales de un informe son:
• El resultado de un requerimiento o solicitud de un superior o cliente. Está dirigido
a una persona o grupo de personas que poseen la obligación de leerlo y
evaluarlo.
• Se realiza con el fin de ser la base especifica que aporta información relevante a
la hora de tomar decisiones.
• Generalmente contienen tablas, cuadros, gráficos estadísticos y otras formas
para la clasificación, organización y presentación de los datos.

Tipos de informes
Existen principalmente tres tipos de informes:

Expositivo: Se enfoca en narrar los hechos o secuencia de acontecimientos, pero sin

análisis ni interpretaciones personales, por lo tanto, tampoco contiene conclusiones. Se
especializa además por contener antecedentes sobre el hecho que aportan a entender
el porqué de su suceso. Es más bien una presentación objetiva de los hechos.
Interpretativo: Especializado en el análisis y la interpretación de los hechos.
Usualmente se utilizan para evaluar la implementación y resultados acerca de técnicas
o procedimientos innovadores implementados, sirven a evaluar la vialidad de las
nuevas implementaciones.
Demostrativo: El cual predomina en el ámbito científico. Se enfoca en
presentar tesis realizadas por el autor del informe. Se describe cada uno de los pasos
realizados y las conclusiones acerca de los resultados obtenidos. Son realizados a
partir de una investigación exhaustiva de los hechos.

Partes de un informe
La estructura general de los informes consiste en tres partes fundamentales:
Introducción: Sirve de presentación y donde aparecen detallados cuales son los
objetivos deseados por los cuales se realiza el informe.
Desarrollo: Se presentan los procedimientos y la metodología para lograr dichos
objetivos planteados.
Conclusión: Se presentan los resultados obtenidos, la presentación de datos y su
ligazón con los objetivos.
Etapas de confección de un informe
Se pueden distinguir distintas etapas para la realización de los informes: El inicio se da
con la determinación de cuál es la información que se necesita como base fundamental
del informe.
Luego, se da la definición de las distintas actividades que se van a llevar a cabo, aquí
se determinan cuáles van a ser las fuentes de información viables, la evaluación de los
recursos materiales con los cuales se cuenta y la administración de los recursos
humanos.
En tercer lugar, se da la etapa de recolección de datos y la obtención de la información
necesaria. En cuarto lugar, se realiza el análisis de los datos, su selección y descarte
de datos que no sirven a la cuestión, su organización y comparación. Le prosigue su
evaluación y la verificación.
En quinto lugar, está la síntesis como producto del análisis, aquí se busca consolidar
los resultados e integrarlos según la temática seleccionada. En esta etapa también se
realizan los distintos gráficos que representan los resultados obtenidos.
Por último, se da la organización y elaboración del informe escrito, incorporando los
elementos que consideramos pertinentes para la demostración de los mismos.

Video: https://www.youtube.com/watch?v=-3fWhB6MPU8