Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Nuevo Microsoft Word Document
Nuevo Microsoft Word Document
Los datos nos ayudan a tomar decisiones en la vida cotidiana y en los negocios.
Aprenderemos como un analista de datos utiliza el analisis de datos y las herramientas
de su comercio para informar esas decisiones.
Learning objectives
MODULO 1
El análisis de personas es la práctica de recopilar y analizar datos sobre las personas que
conforman la fuerza laboral de una empresa con el fin de obtener información para
mejorar su funcionamiento. Ser analista de personas implica utilizar el análisis de datos
para obtener información sobre los empleados y cómo viven su vida laboral. El
conocimiento se utiliza para definir y crear un lugar de trabajo más productivo y
empoderador. Esto puede liberar el potencial de los empleados, motivar a las personas a
rendir al máximo y garantizar una cultura empresarial justa e inclusiva.
Los 6 pasos del proceso de análisis de datos son: preguntar, preparar, procesar, analizar,
compartir y actuar.
En este caso practico, una organización estaba teniendo una alta tasa de rotación entre
los nuevos empleados. Muchos empleados abandonaron la empresa antes del final de su
primer año de trabajo. Los analistas utilizaron el proceso de análisis de datos para
responder la siguiente pregunta: ¿Cómo puede la organización mejorar la tasa de
retención de los nuevos empleados?
PREGUNTAR
En primer lugar, los analistas necesitaban definir como seria el proyecto y q calificaría
como resultado exitoso. Por lo tanto, para determinar estos elementos, hicieron
preguntar efectivas y colaboraron con lideres y gerentes interesados en el resultado del
análisis de personas. Estas fueron algunas preguntas q hicieron:
¿Qué crees que necesitan aprender los nuevos empleados para tener éxito en su
primer año de trabajo?
¿Has recopilado datos de nuevos empleados antes? Si es así, ¿podemos tener
acceso a los datos históricos?
¿Crees que los gerentes con tasas de retención más altas ofrecen a los nuevos
empleados algo adicional o único?
¿Cuál sospechas que es una de las principales causas de insatisfacción entre los
nuevos empleados?
¿En qué porcentaje te gustaría que aumente la retención de empleados en el
próximo ejercicio económico?
PREPARAR
Todo comienza con una preparación solida. El grupo creo un cronograma de 3 meses y
decidió como quería transmitir el avance a las partes interesadas. También, los analistas
identificaron q datos necesitaban para lograr el resultado exitoso q identificaron en el
paso anterior, los analistas optaron por recopilar los datos de una encuesta en linea de
nuevos empleados. Desarrollaron preguntas especificar acerca de la satisfacción de los
empleados y su compensación general. Se establecieron reglas respecto de quien tendría
acceso a los datos recopilados (personas ajenas al grupo no tenían acceso a los brutos,
sino a datos resumidos o combinados) Y para finalizar, determinaron q info especifica
se recopilaría y la mejor manera de presentar los datos visualmente. También se
evaluaron posibles problemas y como evitarlos.
PROCESAR
El grupo envió la encuesta. Dado q los empleados proporcionaron los datos, es
importante asegurarse de todos dieran su consentimiento. Los analistas también se
aseguraron de q los empleados entendieran como se recopilarían, almacenarían,
gestionarían y protegerían sus datos. Con el fin de mantener confidencialidad y proteger
y almacenar los datos de manera efectiva, el acceso se otorgo a numero limitado de
analistas. El uso ético de los datos es una de las responsabilidad q tiene un analista.
Luego, se limpiaron los datos para garantizar q estuvieran completos, fueran correctos y
pertinentes. Algunos datos se agregaron y resumieron sin revelar respuestas
individuales. Los datos sin procesar se cargaron en un almacén de datos interno para
obtener una seguridad adicional.
ANALIZAR
Luego se hizo lo q mejor saben hacer... analizar. A partir de las encuestas, los analistas
descubrieron q los empleados q experimentaron un largo y complicado proceso de
contratación tenían mas probabilidades de abandonar la empresa. Y es mas probable q
los hayan experimentado un proceso de evaluación con comentarios eficientes y
transparentes permanezcan en la empresa. El grupo sabia q era importante documentar
exactamente lo q se había encontrado, sin importar los resultados. Hacer lo contrario
disminuiría la confianza en el proceso de encuesta y reduciría la capacidad de recopilar
datos veraces.
COMPARTIR
Así como aseguraron los datos correctamente, también compartieron cuidadosamente el
informe. Solo los gerentes q cumplieron o superaron el numero mínimo de
colaboradores directos con respuestas a la encuesta eran elegibles para recibir el
informe. El grupo presento los resultados a los gerentes elegibles para asegurarse de q
tuvieran el panorama completo. Luego, pidieron q entregaran los resultados a los
equipos. Dando la oportunidad de comunicar los resultados con el contexto correcto, y
así tener conversaciones de equipo productivas sobre los próximos pasos a mejorar.
ACTUAR
La ultima etapa fue trabajar con los lideres de la empresa y decidir cual era la mejor
manera de implementar los cambios y tomar medidas basadas en los hallazgos. Los
analistas recomendaron estandarizar el proceso de contratación y evaluación de todos
los nuevos empleados y basarse en practicas mas eficientes y transparentes. Un año
después, se distribuyo la misma encuesta, los analistas anticiparon q una comparación
indicaría q el plan de acción funciono. Resultando en una mejora de la tasa de retención
de nuevos empleados y las acciones tomadas fueron exitosas.
Dimensiones de la analítica de datos
La ciencia de datos, la disciplina de hacer útiles los datos, es un termino general q
abarca 3 disciplinas: aprendizaje automático, estadísticas y análisis. (machine learning,
statistics, analitycs)
Están separadas por cuantas decisiones sabes q queres tomar antes de empezar con ellas.
Si uno quiere tomar decisiones importantes con incertidumbre, es estadística. Si uno
quiere automatizar, ósea, tomar muuuchas decisiones con incertidumbre, es aprendizaje
automático e IA. Pero, si uno no sabe cuantas decisiones quiere tomar antes de empezar,
y busca inspiración, entender el mundo, es análisis.
Por ejemplo, si estás trabajando en un proyecto urgente, es posible que tengas que
confiar en tus propios conocimientos y experiencia más de lo habitual. No hay tiempo
suficiente para analizar a fondo todos los datos disponibles. Pero si tienes un proyecto
que implica mucho tiempo y recursos, entonces la mejor estrategia es centrarse más en
los datos.
Orígenes del proceso de análisis de datos
Los análisis de datos se basan en la estadística, q de por si ya tiene una historia bastante
larga.
Entrando en el ciclo de vida del análisis de datos, es el proceso de pasar de los datos a la
decisión. Los datos pasan por varias fases a medida q se crean, consumen, prueban,
procesan y reutilizan. Con un modelo de ciclo de vida, todos los miembros clave del
equipo pueden impulsar el éxito al planificar el trabajo tanto por adelantado como al
final del proceso de análisis. A pesar de q el ciclo de vida es bien conocido entre
expertos, no existe una sola estructura definida de esas fases. Pero si existen algunos
fundamentos compartidos en cada proceso de análisis.
El proceso que se presenta como parte del certificado de Google Data Analytics es uno
que te resultará valioso a medida que avances en tu carrera profesional:
Comprender este proceso, y todas las iteraciones q ayudaron a hacerlo popular, será una
parte importante a la hora de guiar tu propio análisis y trabajo en este programa.
Repasemos otras variaciones:
Ciclo de vida del análisis de datos de EMC:
Es cíclico con 6 pasos:
1. Descubrimiento
2. Preprocesamiento de datos
3. Planificación de modelos
4. Construcción de modelos
5. Comunicación de los resultados
6. Puesta en funcionamiento
Este modelo refleja la naturaleza cíclica de los proyectos del mundo real. Las fases no
son hitos estáticos; cada paso se conecta y conduce al siguiente, y eventualmente se
repite. Las preguntas clave ayudan a los analistas a probar si han logrado lo suficiente
como para avanzar y garantizar que los equipos hayan dedicado tiempo necesario en
cada una de las fases y no empiecen a modelar antes de que los datos estén listos. Es un
poco diferente del ciclo de vida del análisis de datos en el que se basa este programa,
pero tiene algunas ideas básicas en común: la primera fase está interesada en descubrir y
formular preguntas; los datos deben prepararse antes de poder analizarse y utilizarse; y
luego se deben compartir los hallazgos y actuar en consecuencia.
Ciclo de vida iterativo de SAS
Es una proveedora líder de soluciones de análisis computacional de datos. Se puede
utilizar para producir resultados repetibles, fiables y predictivos_
1. Preguntar
2. Preparar
3. Explorar
4. Modelar
5. Implementar
6. Actuar
7. Evaluar
Este ciclo parece tener mas pasos que otros modelos, pero en realidad lo q hacen es
dividir aquello a lo q nos hemos referido como Preparar y Procesar en pasos mas
pequeños. Hace hincapié en tareas individuales necesarias para recopilar, preparar y
limpiar datos antes de la fase de análisis.
Conclusión clave
El proceso de análisis de datos es como la arquitectura de la vida real: hay diferentes
formas de hacer las cosas, pero las ideas fundamentales aparecen en cada modelo del
proceso.