Saltar al contenido
Papeles de Inteligencia Competitiva

Las 13 mejores técnicas de análisis de datos que todo directivo debe conocer

técnicas-de-análisis-de-datos¿Sabes cuáles son las mejores técnicas de análisis de datos para la toma de decisiones que un directivo puede usar?

Esta es la pregunta que el otro día me lanzo uno de mis prospectos.

Lo cierto es que me quede helado. Casi sin saber que decirle. Yo no soy estadístico y lo poco que recuerdo de esta disciplina es lo que aprendí durante mis estudios universitarios en Deusto allá por el año 1975.

¡Vamos, hace una eternidad en el siglo pasado!

Lo cierto es que salí de aquella pregunta como mejor pude.

Y durante un par de días me quede barruntando una posible respuesta. Por eso tras un poco de investigación y preguntas internas lanzadas a mi equipo, he decidido a escribir esta entrada sobre técnicas de análisis de datos que todo directivo debería al menos saber que existen.

Curso de experto en Big Data

Listado de técnicas de análisis de datos útiles para tu empresa

Una advertencia. No voy a entrar en este artículo en las posibles herramientas para realizar estos análisis. Eso lo reservo para otras entradas en este blog.

Dicho esto, paso a enumerar estas técnicas de análisis de datos que pueden servir a tu proceso de toma de decisiones en tu organización:

1.-# Análisis de correlaciones

Esta es una técnica de análisis datos estadístico. Sirve para determinar si existe una relación entre dos variables cuantitativas diferentes y cuan fuerte es esa relación entre las variables. Suele utilizarse cuando se sospecha que dos variables siguen o tiene una evolución similar. Ej: el indice IBEX 35 y el DAXX. Puedes profundizar aquí sobre el análisis de correlaciones y aquí.

2.-# Análisis de regresión

Se trata de otra de las técnicas de análisis de datos estadísticos para investigar la relación entre diferentes variables. Se utiliza cuando una se sospecha que una de las variables puede estar afectando (variable independiente) al comportamiento de la otra (variable dependiente) u otras. Puedes profundizar más sobre los análisis de regresión aquí y aquí.

3.-# Visualización de datos

La visualización de datos es de lejos una de las técnicas de análisis de datos más demandada y apreciada a día de hoy por lo fácil que resulta a través de un gráfico o imagen detectar patrones en los datos. Es especialmente útil cuando buscamos entender grandes volúmenes de datos de forma rápida y simplificada. Las infografías y gráficos son la forma más popular de este tipo de técnicas que utilizan softwares tipo Tableu Boureu o Qlick View

4.-# Análisis de escenarios

El análisis de escenarios consiste en analizar una variedad determinada de eventos futuros con resultados alternativos. Es bueno utilizarlo cuando no estamos seguros sobre que decisión tomar o que curso de acción perseguir. Este es un buen ejemplo de análisis de escenarios

5.-# Data mining

El data mining o minería de datos es un proceso de análisis de datos pensado para trabajar con grandes volúmenes de datos. Ahora es más conocido como Big data y se usa para detectar patrones, relaciones o información relevante que pueda mejorar el desempeño de operaciones relacionadas con el cliente y el Internet de las cosas.

6.-# Análisis de sentimiento

Este es otra de las técnicas de análisis de datos que se ha vuelto muy popular gracias a las redes sociales. Trata de determinar la actitud de un individuo o grupo hacia un tema particular. Se usa cuando se busca comprender la opinión de los distintos agentes que interactúan en una industria. La gran dificultad de este tipo de análisis es que se basa en aspectos subjetivos muy difíciles de medir que tienen que ver con emociones humanas.

7.-# Análisis semánticos de textos

Curso de experto en Big Data

Este tipo de análisis, también conocido como minería de textos, es un proceso que trata de extraer valor a través del análisis semántico de grandes volúmenes de textos. Relacionado con la técnica anterior busca que los ordenadores sean capaces de entender lo que indexan y obtener datos de textos no estructurados. La herramienta que mejor conozco para este tipo de análisis es BItext

8.-# Análisis o de patentes y literatura científica

Esta técnica de análisis de datos utiliza los meta datos de publicaciones científicas y patentes para extraer información sobre tendencias y relaciones entre estudios, autores o propiedad intelectual. Es una de las técnicas más usadas en la vigilancia de tendencias tecnológicas.

9.-# Simulación de Monte Carlo

Esta técnica de probabilidad matemática es usada para medir el riesgo aproximado de que un hecho determinado tenga lugar. Es muy útil para entender las implicaciones que puede tener un determinado curso de acción derivado de una decisión.

10.-# Programación y optimización matemática

También conocida como optimización lineal, es un método para identificar cual es mejor resultado posible dadas unas restricciones concretas a nuestra situación. Se utiliza mucho para resolver problemas dados en procesos de producción y determinar cómo minimizar los costes o maximizar los beneficios.

11.-# Predicción matemática

Es un conjunto de técnicas estadísticas que emplea datos de series temporales para predecir cuál es el resultado más probable que se puede dar en el futuro cercano. La base de estas técnicas de análisis de datos es fijarse en que es lo que ha ocurrido en el pasado para saber qué ocurrirá en el futuro. Es muy utilizado en proyecciones macro-económicas.

12.-# Redes neuronales

Esta tal vez sea una de las técnicas de análisis de datos más complejas que existen. Las redes neuronales tratan de simular el proceso de decisión e información del cerebro o grupos de neuronas. El objetivo de estas redes es simular el proceso de aprendizaje de un cerebro humano en una computadora para facilitar la toma de decisiones en inteligencias artificiales.

13.-# Experimientos AB

También conocidos como pruebas AB o split testing son unas de las técnicas más usadas en marketing digital para comprobar la reacción de los usuarios ante un mensaje y ver cual funciona mejor. Se utiliza sobre todo para testar hipótesis en el lanzamiento de un nuevo producto, una campaña publicitaria o un mensaje en un anuncio.

Otras técnicas de análisis de datos en auge

Para terminar esta entrada y no alargarme demasiado en este tema. Creo que es necesario mencionar al menos otras técnicas de análisis de datos que se encuentran en auge:

  1. Análisis de imágenes: es un proceso de extracción de información a través de imágenes como fotografías, imágenes médicas y gráficos. Está siendo usado en las industrias de salud para detección de enfermedades y en el sector seguridad para la detección facial.
  2. Análisis de Vídeo: similar al anterior trata también de reconocer y predecir el comportamiento de una persona.
  3. Análisis de voz: es un proceso de extracción de información a través del audio para facilitar la comprensión de conversaciones. Este puede ser utilizado para analizar las conversaciones telefónicas en un servicio de atención telefónica.

El análisis de por imagen, voz, vídeo son herramientas que están siendo utilizadas por grandes empresas para optimizar sus procesos. Aunque quedan lejos del gran público en general.

Curso de experto en Big Data

Lecturas Recomendadas sobre el Análisis de Datos

Si buscas profundizar algo mas sobre las tecnicas de analisis de datos echa un vistazo a los siguientes manuales:

Seguro no esta todo lo que existe sobre el mundo del analisis de los datos pero es un buen comienzo te lo aseguro.

Espero que esta entrada recopilatoria de técnicas de análisis de datos te haya resultado de utilidad. Si conoces algún manual extra que no haya mencionado puedes contarlo en los comentarios.

Photo credit: bionicteaching via Foter.com / CC BY-NC

Deja una respuesta

Responsable » Digital Research S.L con CIF/NIF: B86680667
Finalidad » gestionar los comentarios.
Legitimación » tu consentimiento.
Destinatarios » los datos que me facilitas estarán ubicados en los servidores de Hostgator (proveedor de hosting de Papeles de Inteligencia) Fuera de la UE.
Derechos » podrás ejercer tus derechos, entre otros, a acceder, rectificar, limitar y suprimir tus datos.

Comentarios (3)

Buenos días y enhorabuena por un artículo tan oportuno y que anima a debatir sobre la materia. Permítame que opine en varios sentidos.
Creo que el uso de técnicas de análisis de datos es una necesidad que va a ayuda a tomar las mejores decisiones. Sin embargo podríamos discutir que debe conocer al respecto un directivo de una empresa, puesto que dispondrá de un personal/departamento de análisis para aplicarlas, ya que varias de las que menciona son realmente complejas y exigen conocimientos especializados de ciertas materias.
Así mismo, podemos debatir cuantas y cuáles de ellas debe manejar dicho departamento, ellos se encontrarán en mejor disposición de elegir la técnica más adecuada para el problema planteado, en función de varios criterios como naturaleza de los datos (cuantitativos o cualitativos), ámbito del análisis (empresarial/económico, estratégico/seguridad, etc), plazo de estimación (corto, medio/largo plazo) o finalidad perseguida (diagnostico/visualización, creación de ideas e hipótesis o contraste de las mismas, etc).
Para no extenderme más, adjunto enlace a una página donde se detallan muchas de ellas:
http://discoveryoursolutions.com/toolkit/toolkit_navigation.html , y por supuesto, toda la metodología que es útil para investigar en otros campos del conocimiento como: experimentos, encuestas, observación, análisis de redes, etc
Un saludo
Fernando Toboso Marqués

Responder

Gracias Fernando por la reflexión que haces en tu comentario y el enlace con más recursos para completar la información.

Esto me permite añadir la siguiente reflexión.

Creo que es bueno que un directivo sepa que alternativas y técnicas existen para un analizar datos. Dicho esto considero que no es necesario que las domine todas a fondo. Basta con conocer algunos fundamentos y bases que le permitan comprender y dominar el lenguaje para después ser capaz de gestionar con buen criterio a las personas que deben realizar este trabajo.

Además,como dices, plantear que técnicas de análisis de datos son las más apropiadas para cada caso creo que es una decisión que corresponde al especialista.

Un saludo
Ramón

Responder

Me parece una interesante forma de poner en tapete la necesidad de contar con instrumentos de medición para la toma de decisiones. Lo que si me parece que la presentación esta algo confusa y que se mezclan conceptos clave para presentar la propuesta. Si se hace una retrospección al proceso investigativo se puede ver que la información es algo más clara. Lo importante es: de acuerdo a las herramientas metodológicas para investigación, existen fuentes primarias y secundarias, las cuales el artículo mezcla un poco.

De hecho en economía, como tal, se manejan dos instrumentos que son fundamentales: la estadística y la econometría. Ambas con tan amplias como complementarias, a la estadística corresponden herramientas como cálculos de estadígrafos (p.e. mediana, mediana, moda, desviaciones estándar, varianzas, covarianzas, pruebas de hipótesis y probabilidades) a los que se hace referencia en parte del artículo aunque de forma algo desordenada. La econometría es la ciencia de la predicción y cuando se habla de predicción se habla de la creación de modelos que permitan identificar, de forma razonable y con cierto nivel de confianza, el futuro de una variable dependiente en función a variable independientes (los modelos pueden ser de regresión lineal, logarítmica, exponencial, dummy. probabilística, etc.) en esos puntos se analizan funciones de relación y correlación (el famoso R2), sedásticidad, heterosedáticidas, pruebas de Durbin Watson, etc. a los que también se hace referencia de forma algo desordenada (DE HECHO YO TAMBIEN ESTOY ALGO DESORDENADO 🙂 )

En herramientas matemáticas, básicamente se habla de funciones de maximización o minimización microecónomicas que se basan en muchos casos del uso de funciones de derivación (parcial o total) e integrales, con su complejización que son las ecuaciones diferenciales y el uso de elasticidades. Claro que las matemáticas dan para mucho más de lo que menciono, soy un párvulo en el tema.

Respecto a los modelos de Montecarlo y Dupont: Montecarlo es una aplicación probabilística de la estadística, por lo cual corresponde a la primera parte del comentario. Duppont (que no fue mencionada) es un modelo que establece relaciones analíticas de indicadores financieros con la finalidad de entender de mejor manera los causales del desempeño de una empresa.

De algunas de las herramientas mencionadas no sé mucho, lo digo con humildad, principalmente de las de marketing, aunque entiendo o supongo que son herramientas estadísticas básicamente aplicadas a campos específicos.

Me gustó el post, destaco que cuando se habla de estos instrumentos cabe un consejo muy importante: «NO MATEIS MOSCAS A CAÑONAZOS»

Un abrazo y gracias.

Responder