Categorías
tecnologia

Fundamentos de la analítica descriptiva

Fundamentos de la analítica descriptiva.El análisis descriptivo es la interpretación de datos históricos para comprender mejor los cambios que se han producido en un negocio.

Fundamentos de la analítica descriptiva
  • Save
Fundamentos de la analítica descriptiva

El análisis descriptivo describe el uso de un conjunto de datos históricos para hacer comparaciones. Las métricas financieras publicadas con mayor frecuencia son el resultado de análisis descriptivos, como los cambios de precios anuales , el crecimiento mensual de las ventas, la cantidad de usuarios o los ingresos totales por suscriptor .

Todas estas medidas describen lo que sucedió en el negocio durante un período determinado.

Qué es la publicidad, qué signifi...
Qué es la publicidad, qué significa definición, concepto, video
Resultados clave

El análisis descriptivo es el proceso de analizar datos históricos para comprender mejor los cambios que se han producido en una empresa. Utilizando una variedad de datos históricos y resultados de evaluación comparativa, los responsables de la toma de decisiones obtienen una visión holística del rendimiento y las tendencias en las que se basa la estrategia comercial.

El análisis descriptivo puede ayudar a identificar las fortalezas y debilidades de una organización. Los ejemplos de métricas utilizadas en el análisis descriptivo incluyen el cambio de precio anual, el crecimiento mensual de las ventas, la cantidad de usuarios o los ingresos totales por suscriptor.

El análisis descriptivo ahora se usa junto con análisis más nuevos, como el análisis predictivo y prescriptivo. En su forma más simple, el análisis descriptivo responde a la pregunta «¿Qué pasó?» El análisis descriptivo, la forma convencional de Business Intelligence y análisis de datos, busca proporcionar una representación o «vista resumida» de hechos y cifras en un formato comprensible, para informar o preparar datos para un análisis posterior.

Utiliza dos técnicas principales, a saber, la agregación de datos y la minería de datos para informar eventos pasados. Presenta datos pasados ​​en un formato fácilmente digerible para el beneficio de una amplia audiencia empresarial.

Un ejemplo común de análisis descriptivo son los informes de la empresa que simplemente proporcionan una revisión histórica de las operaciones, ventas, finanzas, clientes y partes interesadas de una organización.

Es relevante observar que en el mundo de Big Data, las «pepitas simples de información» proporcionadas por la analitica descriptiva se convierten en entradas preparadas para análisis predictivos o prescriptivos más avanzados que brindan información en tiempo real para la toma de decisiones empresariales.

La analítica descriptiva ayuda a describir y presentar datos en un formato que pueda ser entendido fácilmente por una amplia variedad de lectores de negocios. El análisis descriptivo rara vez intenta investigar o establecer relaciones de causa y efecto.

Como esta forma de análisis generalmente no sondea más allá del análisis de superficie, la validez de los resultados se implementa más fácilmente. Algunos métodos comunes empleados en el análisis descriptivo son observaciones, estudios de casos y encuestas. Por lo tanto, la recopilación e interpretación de gran cantidad de datos puede estar involucrada en este tipo de análisis.

En el análisis descriptivo, predictivo y prescriptivo explicado , el autor argumenta que tanto en el análisis predictivo como en el análisis prescriptivo, el analista de datos tiene que «investigar» más allá de los datos de superficie.

Mientras que el analista de datos predictivos usa la investigación para comprender el futuro, el analista de datos prescriptivos usa la investigación para sugerir acciones probables.

En contraste con ambos, el analista descriptivo simplemente ofrece los datos existentes en un formato más comprensible sin ninguna investigación adicional. Por lo tanto, el análisis descriptivo es más adecuado para una cuenta histórica o un resumen de datos pasados. La mayoría de los cálculos estadísticos se aplican generalmente a análisis descriptivo.

En el Big Data Analytics de Information Week : descriptivo versus predictivo versus prescriptivo, el Dr. Michael Wu, científico jefe de Lithium Technologies en San Francisco, describe el análisis descriptivo como la forma más simple de análisis de datos, que captura Big Data en pequeñas pepitas de información . Como observa Wu, el 80% de Business Analytics cae dentro del ámbito de Descriptive Analytics. Además, revise el artículo 3 Tipos de análisis: descriptivo, predictivo y prescriptivo .

En este artículo sobre los diferentes tipos de análisis de datos, el autor insinúa que cualquier buen Científico de Datos puede intentar usar los resultados de la analítica descriptiva y modificar aún más los datos o tendencias o análisis de patrones para pronosticar tendencias futuras en los negocios.

El autor señala que con la ayuda de Big Data, los tres tipos de análisis de datos ahora se utilizan para comprender mejor al cliente. Con la gran cantidad de datos de clientes multicanal que ingresan, las empresas basadas en datos están mucho mejor posicionadas para medir las preferencias individuales de los clientes y diseñar ofertas personalizadas apropiadas.

La mayoría de la literatura de la industria se hace eco del sentimiento de que con el análisis predictivo y prescriptivo, los datos comerciales que una vez simplemente describieron eventos pasados ​​ahora pueden ver «pepitas de información útil», gracias a los análisis descriptivos basados ​​en Big Data.

Ejemplos de análisis descriptivo

Estas son algunas aplicaciones comunes de Análisis descriptivo:

  • Resumiendo eventos pasados ​​como ventas regionales, deserción de clientes o éxito de campañas de marketing.
  • Tabulación de métricas sociales como me gusta de Facebook, Tweets o seguidores.
    Informes de tendencias generales como destinos de viajes populares o tendencias de noticias.

Según cuatro tipos de análisis de Big Data y ejemplos de su uso , tan pronto como el «volumen, velocidad y variedad» de Big Data invade los silos de datos comerciales limitados, el juego cambia. Ahora, impulsado por la inteligencia oculta de grandes cantidades de datos del mercado, Descriptive Analytics adquiere un nuevo significado.

Cada vez que interviene Big Data, el análisis descriptivo en forma de vainilla se combina con las amplias capacidades de análisis prescriptivo y predictivo para ofrecer información altamente enfocada en problemas comerciales y predicciones futuras precisas basadas en patrones de datos pasados. el análisis descriptivo extrae y prepara los datos para su uso por Predictive o Prescriptive Analytics. Big Data presta un amplio contexto a las «pepitas de información» para contar toda la historia.

Según un estudio reciente de Forbes titulado EY-Forbes-Insights: índice de impacto de datos y análisis, «las personas y la cultura» pueden influir en la inteligencia recopilada de Business Analytics. Este estudio realizado conjuntamente por Forbes Insights y EY entrevistó a ejecutivos globales y concluyó que:

Toda empresa moderna necesita construir su marco de Data Analytics, donde las últimas tecnologías de datos como Big Data juegan un papel crucial.
Los datos y la tecnología deben estar disponibles en todos los rincones de una empresa para desarrollar y fomentar una cultura general basada en datos.

Si los datos y los análisis están alineados con los objetivos comerciales generales, las decisiones comerciales diarias estarán más impulsadas por los conocimientos basados ​​en datos.

A medida que las personas manejan negocios, la mano de obra involucrada en Data Analytics debe ser competente y capacitada adecuadamente para respaldar los objetivos empresariales.
Un equipo administrado centralmente debe liderar los esfuerzos de producción y consumo de análisis en la empresa para llevar el cambio de comportamiento hacia una cultura de datos.

El concepto de Data Analytics debe extenderse a través de centros de datos formales y redes sociales informales para un crecimiento inclusivo.
Análisis descriptivo: aplicaciones industriales

En el estudio de análisis de McKinsey 2016 que define el futuro del aprendizaje automático , encontrará que la industria minorista de EE. UU. (40%) y los servicios basados ​​en GPS (60%) muestran una rápida adopción de análisis descriptivo para rastrear equipos, clientes y activos en diferentes ubicaciones captura información mejorada para la eficiencia operativa.

McKinsey también afirmó que en el clima de negocios actual, las tres barreras más críticas para el análisis de datos son la falta de estrategia organizacional, la falta de administración involucrada y la falta de talento disponible. Otro informe sugiere que Descriptive Analytics ha hecho grandes avances en el mapeo de la cadena de suministro (SCM), sensores de plantas de fabricación y rastreo de vehículos con GPS, para reunir, organizar y ver eventos pasados.

El papel de la analítica descriptiva en el análisis de datos futuros

A medida que las empresas basadas en datos continúen utilizando los resultados de Descriptive Analytics para optimizar sus cadenas de suministro y mejorar sus poderes de toma de decisiones, Data Analytics se alejará más de analítica descriptiva hacia análisis prescriptivo o más bien hacia una » combinación de predicciones, simulaciones y optimización «.

El futuro de Data Analytics radica no solo en describir lo que sucedió, sino en predecir con precisión lo que podría suceder en el futuro. Este reclamo se explica en el artículo titulado El futuro de la analítica es prescriptivo, no predictivo . Este artículo cita un sistema de navegación GPS, donde se utiliza el análisis descriptivo para proporcionar indicaciones direccionales. Sin embargo, dicho análisis se ve reforzado por «Análisis predictivo» que ofrece detalles importantes sobre el viaje, como la duración del tiempo.

Ahora, si el sistema GPS está impulsado por Prescriptive Analytics, entonces el sistema de navegación no solo proporcionará indicaciones y tiempo, sino también la forma más rápida de llegar al destino. La mejor parte de un sistema de navegación tan sobrecargado es que incluso puede comparar varias rutas de viaje y recomendar la mejor solución.

A medida que Data Mining y Machine Learning ofrecen conjuntamente soluciones para predecir segmentos de clientes y ROI de marketing, las futuras técnicas de Análisis predictivo continuarán evolucionando hacia Análisis prescriptivo, creando una combinación de «predicciones, simulaciones y optimización».

Ediciones 2019-22

Share via
Copy link
Powered by Social Snap