“Analítica: Tipos de Variables; Profesor: Dr.

Marco Riquelme
Incertidumbre y Modelo Predictivo”
 1.- Cualitativas: Son las que generan
datos de tipo categóricos (no numéricas)

1.1.- Nominales: Las categorías no

1.- Tipos de poseen un orden jerárquico establecido.
Variables
1.2.- Ordinales: Las categorías se
pueden ordenar de manera jerárquica.
 2.- Cuantitativas: Son las que generan
datos de tipo numérico.

2.1.- Discretas: Asumen valores en un

conjunto contable (por lo general números
1.- Tipos de enteros)
Variables
2.2.- Continuas: Los valores pertenecen
a un conjunto no numerables (cualquier
subconjunto de los números reales)
 No siempre tenemos claro qué hacer,
especialmente ante la toma de
decisiones inteligentes que generan
2.- incertidumbre.
Incertidumbre
en Analítica “En este caso tenemos una falta de
certeza o conocimiento seguro, en las que
percibimos un riesgo al no poder predecir
los resultados”
 Uno de los principales campos de
investigación dentro de la IA es el machine
learning.

El objetivo es crear sistemas informáticos

capaces de imitar (y superar) lo mejor
posible las habilidades cognitivas y
3.- Modelos funcionales del ser humano.
Predictivos Existen innumerables algoritmos de IA que
utilizan, por ejemplo, modelos predictivos:
1.- Modelos de regresión
2.- Redes neuronales
 • Los modelos predictivos tienen gran
aplicabilidad en todos los sectores
comerciales. Son capaces de resolver muchos
problemas que antes eran irresolubles. Hoy en
día, algunas de las acciones que pueden realizar
las empresas gracias a estos modelos son.
4.- Ejemplo:
Sector • Detectar cuál es el mejor lugar para instalar un
negocio
Comercial
• Predecir el comportamiento de los
consumidores
• Personalizar las recomendaciones de productos
y servicios
 • Detección del mejor lugar para un negocio

Los empresarios siempre tienen

incertidumbre al elegir un sitio para abrir un
negocio, ya sea: retail, restaurante, cafetería,
4.- Ejemplo: hotel o cualquier otro tipo de local.
Sector
Comercial Esta incertidumbre se debe a que muchos
negocios fracasan por ser abiertos en lugares
no idóneos, haciendo que se pierdan grandes
sumas de dinero y se afecte la reputación de
las marcas.
 • Los modelos predictivos del machine
learning solucionan este problema al detectar cuál
es el mejor lugar para instalar un negocio.

Predecir esta información tan importante es posible

gracias a que los análisis predictivos tienen en cuenta
4.- Ejemplo: aspectos como los hábitos de los consumidores de
una zona y las características del buyer persona del
Sector negocio.

Comercial *buyer persona: es la representación ficticia de tu

cliente ideal, basada en datos reales sobre el
comportamiento y características demográficas de
los clientes.
 • Por ejemplo, Buxton es una empresa que
ayuda a los retails a identificar sus más
potenciales clientes y a elegir las zonas
geográficas en las que se pueden obtener
4.- Ejemplo: mayor crecimiento comercial.
Sector
Comercial Todo lo anterior gracias al uso de modelos
predictivos alimentados por sistemas
de big data que permiten tener un
conocimiento profundo de la industria, del
negocio y de los habitantes.
 • Predicción del comportamiento de los
consumidores.
Los modelos predictivos aplicados al marketing,
las ventas y estrategias comerciales permiten
conocer, anticipadamente, posibles cambios en
los hábitos de comportamiento de los clientes.
4.- Ejemplo: Para lograrlo, los sistemas de machine
Sector learning procesan, contrastan y analizan
información sobre:
Comercial • datos históricos de los clientes
• sus acciones en redes sociales,
• el registro de sus compras,
• sus intereses de búsqueda online, entre otros.
 Con todo este proceso automatizado, es
4.- Ejemplo: posible saber cuándo un cliente estará más
propenso a comprar, a recomendar la marca o,
Sector incluso, a darse de baja. Así, los modelos
Comercial predictivos también ayudan a diseñar
políticas de precios y programas de
fidelización más eficaces.