tipos de analítica y sus características
analítica descriptiva
analítica prescriptiva
analítica predictiva
Proporcionar recomendaciones o decisiones óptimas basadas en análisis avanzados y considerando restricciones y objetivos predefinidos.
Resumir y presentar los datos de manera que se puedan comprender fácilmente patrones, tendencias y características de un conjunto de datos.
¿Cuál es el objetivo?
Es utilizar modelos estadísticos y algoritmos para hacer predicciones precisas sobre lo que podría ocurrir en el futuro.
Se apoya en herramientas como optimización matemática, simulación, algoritmos de aprendizaje por refuerzo y sistemas expertos, además de integrar datos en tiempo real y análisis de sensibilidad.
Se apoya en herramientas como técnicas de modelado estadístico (regresión, series temporales, etc.), aprendizaje automático y minería de datos, así como en software especializado en análisis predictivo.
¿De qué herramientas se apoya?
Gráficos, tablas de frecuencia, medidas de centralidad y dispersión, técnicas de visualización de datos y métodos estadísticos descriptivos.
Formulación de modelos de optimización, la simulación de escenarios, la evaluación de resultados y la actualización continua de los modelos en función de los cambios en el entorno.
La selección y preparación de datos, la construcción de modelos predictivos, la evaluación y validación de modelos, y la implementación de soluciones predictivas.
Exploración de datos, la generación de informes y dashboards, el análisis de tendencias, la identificación de patrones y la detección de anomalías.
¿Qué tipos de actividades se realizan?
Requiere datos históricos y estructurados principalmente, pero también puede trabajar con datos no estructurados en algunos casos.
¿Qué tipo de información requieren?
Requiere datos históricos, datos en tiempo real y parámetros de configuración del sistema.
Requiere datos históricos etiquetados (datos de entrenamiento) para desarrollar modelos predictivos.
Incluye predicciones sobre eventos futuros, probabilidades de ocurrencia de ciertos resultados y factores que influyen en esos resultados.
¿Qué tipo de información se obtiene?
Incluye resúmenes estadísticos, gráficos, visualizaciones y patrones identificados en los datos.
Incluye recomendaciones específicas sobre acciones a tomar, así como análisis de sensibilidad y evaluaciones de riesgo.
Ayuda a entender mejor el contexto y la situación actual de una organización, lo que permite tomar decisiones más informadas. Al identificar patrones y tendencias en los datos, proporciona una base sólida para la toma de decisiones estratégicas y operativas.
Ayuda a tomar decisiones más efectivas al proporcionar recomendaciones concretas y basadas en datos. Permite identificar la mejor acción a tomar en situaciones complejas y dinámicas, maximizando resultados y minimizando riesgos.
Ayuda a anticipar posibles escenarios futuros y tomar decisiones proactivas en consecuencia. Proporciona información valiosa sobre el probable impacto de diferentes decisiones y acciones, lo que permite optimizar estrategias y recursos.
¿Cómo dan soporte en la toma de decisiones?
Modulo: Big Data y Bussines analytics Nombre: Edgar Israel Segura Ruiz Fecha: 16/03/2024
tipos de analítica y sus características
analítica prescriptiva
analítica predictiva
analítica descriptiva
Se centra en recomendar acciones específicas a tomar para alcanzar ciertos objetivos.
Se enfoca en predecir eventos futuros o resultados a partir de datos históricos.
Se centra en describir lo que ha sucedido en el pasado.
La analítica predictiva se centra en prever eventos futuros o resultados a partir de datos históricos, empleando modelos estadísticos, algoritmos de aprendizaje automático y minería de datos. Las actividades incluyen la selección de datos, construcción y validación de modelos, y la implementación de soluciones predictivas. Requiere datos históricos etiquetados para desarrollar modelos predictivos y proporciona predicciones sobre eventos futuros, así como probabilidades de resultados y factores influyentes. Ofrece soporte en la toma de decisiones al anticipar escenarios futuros y proporcionar información sobre el posible impacto de diferentes acciones, permitiendo la optimización de estrategias y recursos.
La analítica descriptiva se enfoca en resumir y presentar datos pasados para identificar patrones y tendencias utilizando herramientas como gráficos y medidas estadísticas. A través de actividades como la exploración de datos y la generación de informes, esta analítica proporciona una comprensión del contexto actual de una organización, facilitando la toma de decisiones informadas tanto estratégicas como operativas. Requiere datos históricos, estructurados en su mayoría, y su objetivo es ayudar a entender el pasado para mejorar la toma de decisiones en el presente.
La analítica prescriptiva se enfoca en recomendar acciones específicas para lograr objetivos, basándose en análisis avanzados y considerando restricciones predefinidas. Se apoya en herramientas como la optimización matemática y la simulación, realizando actividades como la formulación de modelos de optimización y la evaluación de resultados. Requiere datos históricos y en tiempo real, ofreciendo recomendaciones concretas para la toma de decisiones, lo que permite maximizar resultados y minimizar riesgos en situaciones complejas y dinámicas.
Modulo: Big Data y Bussines analytics Nombre: Edgar Israel Segura Ruiz Fecha: 16/03/2024
ejemplos
analítica prescriptiva
analítica predictiva
analítica descriptiva
Amazon
Walmart
Uber
Amazon emplea la analítica predictiva para anticipar las preferencias de compra de los clientes y mejorar su experiencia de compra, utilizando algoritmos de aprendizaje automático y minería de datos para construir modelos que pronostican el comportamiento del cliente. Esta actividad implica la segmentación de clientes, la personalización de recomendaciones de productos y la predicción de la demanda, requiriendo datos de historiales de compra, navegación en línea, demográficos y preferencias. Las predicciones generadas proporcionan soporte para decisiones estratégicas en la gestión de inventario, la personalización de la experiencia del cliente y la optimización de estrategias de marketing, con el objetivo de maximizar las ventas y la satisfacción del cliente.
Uber utiliza la analítica prescriptiva para mejorar la eficiencia y minimizar los tiempos de espera de los usuarios al optimizar la asignación de conductores y vehículos en tiempo real. Emplea técnicas de optimización matemática y algoritmos de asignación de recursos para desarrollar modelos que recomiendan acciones óptimas basadas en la demanda y la disponibilidad de conductores, realizando actividades como la simulación de escenarios y la programación de rutas óptimas. Requiere datos en tiempo real de la ubicación de conductores y usuarios, así como datos históricos de tráfico y demanda, para ofrecer recomendaciones de asignación de recursos y estimaciones de tiempos de espera. Esta analítica respalda la toma de decisiones operativas en tiempo real, permitiendo a Uber optimizar la experiencia del usuario y la eficiencia de su plataforma, lo que se traduce en tiempos de espera más cortos y una mayor satisfacción del cliente.
Walmart emplea la analítica descriptiva para comprender las tendencias de compra de sus clientes, analizando datos de ventas históricas para identificar los productos más vendidos en diferentes momentos y ubicaciones. Utiliza herramientas de análisis de datos y visualización para generar informes de ventas, realizar análisis de inventario y seguir las tendencias del mercado. Requiere datos de transacciones de ventas, inventario y demográficos de los clientes, obteniendo informes detallados sobre ventas por producto y ubicación. Esta práctica respalda las decisiones de Walmart en la gestión de inventario, la ubicación de productos en tiendas y la planificación de promociones basadas en tendencias identificadas.
Modulo: Big Data y Bussines analytics Nombre: Edgar Israel Segura Ruiz Fecha: 16/03/2024
Mi empresa y su analítica
posible mejoras
tipo analítica
Basándome en el contexto de mi empresa, esta principalmente orientada hacia la analítica descriptiva, ya que se enfoca en describir lo que ha sucedido en el pasado para comprender tendencias, patrones y características de los datos recopilados, utilizando herramientas como gráficos, tablas de frecuencia, medidas de centralidad y dispersión, así como técnicas de visualización de datos para analizar y presentar los resultados de manera comprensible. Las principales actividades incluyen la exploración de datos, la generación de informes detallados y el análisis de tendencias a lo largo del tiempo. En cuanto a los datos, se requiere información histórica y estructurada principalmente, aunque también se trabaja con datos no estructurados en algunos casos. La información obtenida proporciona una visión más clara del contexto y las condiciones en las que se llevaron a cabo las investigaciones anteriores, lo que me ayuda a tomar decisiones más informadas y a orientar futuras investigaciones de manera más efectiva.
Optimización de la Recopilación de Datos: Revisar y mejorar nuestros procesos de recopilación de datos para garantizar la calidad y la precisión de la información obtenida. Esto podría incluir la estandarización de formatos de datos y la automatización de la recolección de información. Ampliación de las Fuentes de Datos: Explorar nuevas fuentes de datos que puedan enriquecer nuestro análisis descriptivo. Esto podría implicar la integración de datos de redes sociales, datos geoespaciales o datos de terceros para obtener una visión más completa y detallada de nuestro mercado y clientes. Mejora de las Herramientas Analíticas: Evaluar y actualizar nuestras herramientas analíticas para garantizar que sean adecuadas para el análisis descriptivo. Esto podría implicar la adopción de software más avanzado o el desarrollo de herramientas personalizadas según nuestras necesidades específicas. Capacitación del Personal: Brindar capacitación adicional al personal en técnicas y metodologías de análisis descriptivo. Esto garantizará que nuestro equipo esté equipado con las habilidades necesarias para realizar análisis efectivos y extraer insights valiosos de los datos.
Modulo: Big Data y Bussines analytics Nombre: Edgar Israel Segura Ruiz Fecha: 16/03/2024
referencias
ADC2104_M1_U3_23 GENIALLY_CONCLUSIONES. (2021b, octubre 7). Genially. https://view.genial.ly/60d489c78f7a4c0cf4bba72d/presentation-adc2104m1u323-geniallyconclusiones
Anáhuac Online. (2021). Enfoques de la analítica de negocios.
Facultad de Administración y Ciencias Sociales - Universidad ORT Uruguay. (2019, mayo 10). Business analytics, ¿cuáles son los beneficios de implementar programas de analítica de negocios? [video]. YouTube. https://www.youtube.com/watch?v=u5RaekvKhmk
Olavsrud, P. S. T. (2024, 29 febrero). Top 12 BI tools. CIO. https://www.cio.com/article/222558/top-business-intelligence-bi-tools.html
Marcela Góme, L. (2018, 20 octubre). Competitividad y proceso estratégico. El caso de Walmart México. https://revistas.unilibre.edu.co/index.php/dictamenlibre/article/view/5155. https://revistas.unilibre.edu.co/index.php/dictamenlibre/article/view/5155 https://doi.org/10.18041/2619-4244/dl.23.5155
Hablando En Data. (2021, 4 marzo). Fases analíticas (Descriptiva, Diagnostico, Predictiva, Prescriptiva)| Data concepts [Vídeo]. YouTube. https://www.youtube.com/watch?v=UDBgTEPVLf4
Modulo: Big Data y Bussines analytics Nombre: Edgar Israel Segura Ruiz Fecha: 16/03/2024
COMPETENCY MATRIX
Judit Coronel
Created on March 14, 2024
Start designing with a free template
Discover more than 1500 professional designs like these:
View
HR Organizational Chart
View
SWOT PRO
View
Branching diagram
View
Fishbone Diagram
View
Puzzle Diagram
View
Gear Diagram
View
Square Timeline Diagram
Explore all templates
Transcript
tipos de analítica y sus características
analítica descriptiva
analítica prescriptiva
analítica predictiva
Proporcionar recomendaciones o decisiones óptimas basadas en análisis avanzados y considerando restricciones y objetivos predefinidos.
Resumir y presentar los datos de manera que se puedan comprender fácilmente patrones, tendencias y características de un conjunto de datos.
¿Cuál es el objetivo?
Es utilizar modelos estadísticos y algoritmos para hacer predicciones precisas sobre lo que podría ocurrir en el futuro.
Se apoya en herramientas como optimización matemática, simulación, algoritmos de aprendizaje por refuerzo y sistemas expertos, además de integrar datos en tiempo real y análisis de sensibilidad.
Se apoya en herramientas como técnicas de modelado estadístico (regresión, series temporales, etc.), aprendizaje automático y minería de datos, así como en software especializado en análisis predictivo.
¿De qué herramientas se apoya?
Gráficos, tablas de frecuencia, medidas de centralidad y dispersión, técnicas de visualización de datos y métodos estadísticos descriptivos.
Formulación de modelos de optimización, la simulación de escenarios, la evaluación de resultados y la actualización continua de los modelos en función de los cambios en el entorno.
La selección y preparación de datos, la construcción de modelos predictivos, la evaluación y validación de modelos, y la implementación de soluciones predictivas.
Exploración de datos, la generación de informes y dashboards, el análisis de tendencias, la identificación de patrones y la detección de anomalías.
¿Qué tipos de actividades se realizan?
Requiere datos históricos y estructurados principalmente, pero también puede trabajar con datos no estructurados en algunos casos.
¿Qué tipo de información requieren?
Requiere datos históricos, datos en tiempo real y parámetros de configuración del sistema.
Requiere datos históricos etiquetados (datos de entrenamiento) para desarrollar modelos predictivos.
Incluye predicciones sobre eventos futuros, probabilidades de ocurrencia de ciertos resultados y factores que influyen en esos resultados.
¿Qué tipo de información se obtiene?
Incluye resúmenes estadísticos, gráficos, visualizaciones y patrones identificados en los datos.
Incluye recomendaciones específicas sobre acciones a tomar, así como análisis de sensibilidad y evaluaciones de riesgo.
Ayuda a entender mejor el contexto y la situación actual de una organización, lo que permite tomar decisiones más informadas. Al identificar patrones y tendencias en los datos, proporciona una base sólida para la toma de decisiones estratégicas y operativas.
Ayuda a tomar decisiones más efectivas al proporcionar recomendaciones concretas y basadas en datos. Permite identificar la mejor acción a tomar en situaciones complejas y dinámicas, maximizando resultados y minimizando riesgos.
Ayuda a anticipar posibles escenarios futuros y tomar decisiones proactivas en consecuencia. Proporciona información valiosa sobre el probable impacto de diferentes decisiones y acciones, lo que permite optimizar estrategias y recursos.
¿Cómo dan soporte en la toma de decisiones?
Modulo: Big Data y Bussines analytics Nombre: Edgar Israel Segura Ruiz Fecha: 16/03/2024
tipos de analítica y sus características
analítica prescriptiva
analítica predictiva
analítica descriptiva
Se centra en recomendar acciones específicas a tomar para alcanzar ciertos objetivos.
Se enfoca en predecir eventos futuros o resultados a partir de datos históricos.
Se centra en describir lo que ha sucedido en el pasado.
La analítica predictiva se centra en prever eventos futuros o resultados a partir de datos históricos, empleando modelos estadísticos, algoritmos de aprendizaje automático y minería de datos. Las actividades incluyen la selección de datos, construcción y validación de modelos, y la implementación de soluciones predictivas. Requiere datos históricos etiquetados para desarrollar modelos predictivos y proporciona predicciones sobre eventos futuros, así como probabilidades de resultados y factores influyentes. Ofrece soporte en la toma de decisiones al anticipar escenarios futuros y proporcionar información sobre el posible impacto de diferentes acciones, permitiendo la optimización de estrategias y recursos.
La analítica descriptiva se enfoca en resumir y presentar datos pasados para identificar patrones y tendencias utilizando herramientas como gráficos y medidas estadísticas. A través de actividades como la exploración de datos y la generación de informes, esta analítica proporciona una comprensión del contexto actual de una organización, facilitando la toma de decisiones informadas tanto estratégicas como operativas. Requiere datos históricos, estructurados en su mayoría, y su objetivo es ayudar a entender el pasado para mejorar la toma de decisiones en el presente.
La analítica prescriptiva se enfoca en recomendar acciones específicas para lograr objetivos, basándose en análisis avanzados y considerando restricciones predefinidas. Se apoya en herramientas como la optimización matemática y la simulación, realizando actividades como la formulación de modelos de optimización y la evaluación de resultados. Requiere datos históricos y en tiempo real, ofreciendo recomendaciones concretas para la toma de decisiones, lo que permite maximizar resultados y minimizar riesgos en situaciones complejas y dinámicas.
Modulo: Big Data y Bussines analytics Nombre: Edgar Israel Segura Ruiz Fecha: 16/03/2024
ejemplos
analítica prescriptiva
analítica predictiva
analítica descriptiva
Amazon
Walmart
Uber
Amazon emplea la analítica predictiva para anticipar las preferencias de compra de los clientes y mejorar su experiencia de compra, utilizando algoritmos de aprendizaje automático y minería de datos para construir modelos que pronostican el comportamiento del cliente. Esta actividad implica la segmentación de clientes, la personalización de recomendaciones de productos y la predicción de la demanda, requiriendo datos de historiales de compra, navegación en línea, demográficos y preferencias. Las predicciones generadas proporcionan soporte para decisiones estratégicas en la gestión de inventario, la personalización de la experiencia del cliente y la optimización de estrategias de marketing, con el objetivo de maximizar las ventas y la satisfacción del cliente.
Uber utiliza la analítica prescriptiva para mejorar la eficiencia y minimizar los tiempos de espera de los usuarios al optimizar la asignación de conductores y vehículos en tiempo real. Emplea técnicas de optimización matemática y algoritmos de asignación de recursos para desarrollar modelos que recomiendan acciones óptimas basadas en la demanda y la disponibilidad de conductores, realizando actividades como la simulación de escenarios y la programación de rutas óptimas. Requiere datos en tiempo real de la ubicación de conductores y usuarios, así como datos históricos de tráfico y demanda, para ofrecer recomendaciones de asignación de recursos y estimaciones de tiempos de espera. Esta analítica respalda la toma de decisiones operativas en tiempo real, permitiendo a Uber optimizar la experiencia del usuario y la eficiencia de su plataforma, lo que se traduce en tiempos de espera más cortos y una mayor satisfacción del cliente.
Walmart emplea la analítica descriptiva para comprender las tendencias de compra de sus clientes, analizando datos de ventas históricas para identificar los productos más vendidos en diferentes momentos y ubicaciones. Utiliza herramientas de análisis de datos y visualización para generar informes de ventas, realizar análisis de inventario y seguir las tendencias del mercado. Requiere datos de transacciones de ventas, inventario y demográficos de los clientes, obteniendo informes detallados sobre ventas por producto y ubicación. Esta práctica respalda las decisiones de Walmart en la gestión de inventario, la ubicación de productos en tiendas y la planificación de promociones basadas en tendencias identificadas.
Modulo: Big Data y Bussines analytics Nombre: Edgar Israel Segura Ruiz Fecha: 16/03/2024
Mi empresa y su analítica
posible mejoras
tipo analítica
Basándome en el contexto de mi empresa, esta principalmente orientada hacia la analítica descriptiva, ya que se enfoca en describir lo que ha sucedido en el pasado para comprender tendencias, patrones y características de los datos recopilados, utilizando herramientas como gráficos, tablas de frecuencia, medidas de centralidad y dispersión, así como técnicas de visualización de datos para analizar y presentar los resultados de manera comprensible. Las principales actividades incluyen la exploración de datos, la generación de informes detallados y el análisis de tendencias a lo largo del tiempo. En cuanto a los datos, se requiere información histórica y estructurada principalmente, aunque también se trabaja con datos no estructurados en algunos casos. La información obtenida proporciona una visión más clara del contexto y las condiciones en las que se llevaron a cabo las investigaciones anteriores, lo que me ayuda a tomar decisiones más informadas y a orientar futuras investigaciones de manera más efectiva.
Optimización de la Recopilación de Datos: Revisar y mejorar nuestros procesos de recopilación de datos para garantizar la calidad y la precisión de la información obtenida. Esto podría incluir la estandarización de formatos de datos y la automatización de la recolección de información. Ampliación de las Fuentes de Datos: Explorar nuevas fuentes de datos que puedan enriquecer nuestro análisis descriptivo. Esto podría implicar la integración de datos de redes sociales, datos geoespaciales o datos de terceros para obtener una visión más completa y detallada de nuestro mercado y clientes. Mejora de las Herramientas Analíticas: Evaluar y actualizar nuestras herramientas analíticas para garantizar que sean adecuadas para el análisis descriptivo. Esto podría implicar la adopción de software más avanzado o el desarrollo de herramientas personalizadas según nuestras necesidades específicas. Capacitación del Personal: Brindar capacitación adicional al personal en técnicas y metodologías de análisis descriptivo. Esto garantizará que nuestro equipo esté equipado con las habilidades necesarias para realizar análisis efectivos y extraer insights valiosos de los datos.
Modulo: Big Data y Bussines analytics Nombre: Edgar Israel Segura Ruiz Fecha: 16/03/2024
referencias
ADC2104_M1_U3_23 GENIALLY_CONCLUSIONES. (2021b, octubre 7). Genially. https://view.genial.ly/60d489c78f7a4c0cf4bba72d/presentation-adc2104m1u323-geniallyconclusiones
Anáhuac Online. (2021). Enfoques de la analítica de negocios.
Facultad de Administración y Ciencias Sociales - Universidad ORT Uruguay. (2019, mayo 10). Business analytics, ¿cuáles son los beneficios de implementar programas de analítica de negocios? [video]. YouTube. https://www.youtube.com/watch?v=u5RaekvKhmk
Olavsrud, P. S. T. (2024, 29 febrero). Top 12 BI tools. CIO. https://www.cio.com/article/222558/top-business-intelligence-bi-tools.html
Marcela Góme, L. (2018, 20 octubre). Competitividad y proceso estratégico. El caso de Walmart México. https://revistas.unilibre.edu.co/index.php/dictamenlibre/article/view/5155. https://revistas.unilibre.edu.co/index.php/dictamenlibre/article/view/5155 https://doi.org/10.18041/2619-4244/dl.23.5155
Hablando En Data. (2021, 4 marzo). Fases analíticas (Descriptiva, Diagnostico, Predictiva, Prescriptiva)| Data concepts [Vídeo]. YouTube. https://www.youtube.com/watch?v=UDBgTEPVLf4
Modulo: Big Data y Bussines analytics Nombre: Edgar Israel Segura Ruiz Fecha: 16/03/2024