Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TiposAnalisisDatos AguiarLitzy
TiposAnalisisDatos AguiarLitzy
CUADRO DESCRIPTIVO
DIAGNÓSTICO • Explica el por qué y el cómo • Permite sacar el máximo provecho • Hay que evitar conjeturas Por ejemplo, ¿por qué
entre un conjunto de datos convirtiendo tus datos complejos inexactas y no confundir subieron las ventas en
en particular. en visualizaciones e insights que correlación y causalidad. algunos puntos de venta y
• Ofrece información puedes aprovechar. no en otros?
detallada sobre un problema • Ayuda a obtener valor de los datos
particular. al formular las preguntas correctas
y profundizando para encontrar las
respuestas.
PREDICTIVO • Trata de predecir el futuro y • Sirve de guía para saber qué va a • Dependencia a la Por ejemplo, ¿funcionará
las acciones a tomar en pasar. metodología: implica una promoción en una
base a cómo las variables se • El análisis predictivo se puede probabilidades y tienda de la ciudad X en
podrían comportar. utilizar para optimizar las correlaciones que no son función de las
• utiliza análisis de datos, operaciones, aumentar los absolutas. características y el
aprendizaje automático, ingresos y mitigar los riesgos de • Datos erróneos: No todos rendimiento de la ciudad, en
inteligencia artificial y casi cualquier tipo de empresa o los datos son exactos. regiones geográficas
modelos estadísticos para sector. • Complejidad e similares?
detectar patrones que imprevisibilidad: requiere
puedan predecir el que todos los datos sean
comportamiento futuro. estandarizados y
cuantificados.
PRESCRIPTIVO • Determina qué acción tomar • Ayuda a saber cómo optimizar. • Solo es eficaz si las Por ejemplo, el análisis
para mejorar una situación o • Proporciona a los usuarios organizaciones saben prescriptivo es muy utilizado
resolver un problema. resultados procesables que les qué preguntas hacer y para evaluar la gestión del
• Se enfoca en encontrar el permitan tomar mejores cómo responder a las petróleo y gas, donde los
mejor plan de acción en un decisiones. respuestas. precios fluctúan
constantemente en función
escenario según los datos • Puede simular las probabilidades • Si las suposiciones de de las condiciones políticas,
disponibles. de diferentes resultados y mostrar entrada no son válidas, ambientales y demandas
• Permite a las compañías las probabilidades de cada uno. los resultados de salida cambiantes.
tomar decisiones basadas no serán precisos.
en la optimización del
resultado de futuros eventos
o riesgos y proporciona un
modelo para estudiarlos.
• recopila información de
diversas fuentes tanto
descriptivas como
predictivas para sus
modelos.
CAUSAL • Toma un conjunto de • Con este método, no es necesario • La aplicación suele Por ejemplo, un fabricante
variables y evalúa si existe que los analistas de datos tengan requerir estudios de medicamentos quiere
una relación de causa y experiencia y conocimientos aleatorios. comprobar hasta qué punto
efecto entre ellas y por qué. especializados sobre el tema en • Son muy rígidos al un nuevo fármaco mejora la
• Se aplica en estudios cuestión. recolectar los datos. atención de los adultos
aleatorios centrados en la • La estructura causal y las jóvenes. Compara un
identificación de la relaciones entre las variables conjunto de datos de adultos
causalidad. pueden encontrarse jóvenes del país frente a los
• Tiene como desafío el automáticamente a partir de los individuos que reciben el
encontrar buenos datos. datos de observación. fármaco en un estudio de
prueba y, a continuación,
evalúa el impacto del nuevo
fármaco en la atención.
EXPLORATORIO • Es una filosofía que permite • Se puede: • No es un proceso formal Los científicos de datos
a los analistas de datos • Comprobar si hay datos que faltan regido por un conjunto utilizan el análisis
acercarse a una base de y otros errores. estricto de reglas. exploratorio de datos (EDA)
datos sin suposiciones. • Descubrir un modelo que explique para analizar e investigar
• Es el tipo de análisis que los datos con un número mínimo conjuntos de datos y resumir
hacen los analistas con de variables predictoras. sus principales
grandes conjuntos de datos, • Crear una lista de valores atípicos características, a menudo
buscando patrones y u otras anomalías. empleando métodos de
resumiendo las principales visualización de datos.
características del conjunto
de datos más allá de lo que
aprenden de la modelización
y las pruebas de hipótesis.