Tipos de análisis de datos

CUADRO DESCRIPTIVO

LITZY CITLALY AGUIAR BARBOSA.

8º B. INGENIERÍA EN SISTEMAS COMPUTACIONALES.
ANALISIS DE DATOS.
 TIPO CARACTERÍSTICAS VENTAJAS DESVENTAJAS EJEMPLOS
DESCRIPTIVO • Este análisis busca explicar • Facilita el consumo de datos, lo que • No hace predicciones Por ejemplo, en un curso de
lo que sucedió con las puede facilitar la actuación de los sobre el futuro. aprendizaje en línea con un
variables, como ingresos, analistas. • Este tipo de análisis foro de discusión, el análisis
ventas, costos, datos • Puede ayudar a filtrar los datos suelen centrarse en las tipo descriptivo podría
demográficos, etc. menos significativos. pautas de los datos, y no determinar cuántos
• La organización busca en los valores atípicos. estudiantes participaron en
patrones y tendencias. el debate o cuántas veces un
• Se utiliza para buscar y estudiante publicó en el foro
resumir datos históricos con de discusión.
el fin de identificar patrones
o significados.

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
encontrar buenos datos.
EXPLORATORIO • Es una filosofía que permite
a los analistas de datos
acercarse a una base de
datos sin suposiciones.
• Es el tipo de análisis que
hacen los analistas con
grandes conjuntos de datos,
buscando patrones
resumiendo las principales
características del conjunto
de datos más allá de lo que
aprenden de la modelización
y las pruebas de hipótesis.
el automáticamente a partir de los
datos de observación.
• Se puede:
• Comprobar si hay datos que faltan
y otros errores.
• Descubrir un modelo que explique
los datos con un número mínimo
de variables predictoras.
• Crear una lista de valores atípicos
y u otras anomalías.
individuos que reciben el
fármaco en un estudio de
prueba y, a continuación,
evalúa el impacto del nuevo
fármaco en la atención.
• No es un proceso formal Los científicos de datos
regido por un conjunto utilizan el análisis
estricto de reglas. exploratorio de datos (EDA)
para analizar e investigar
conjuntos de datos y resumir
sus principales
características, a menudo
empleando métodos de
visualización de datos.