Explorar los tipos de análisis de datos

[Raf] Hola. Si están aquí, probablemente les interese el análisis de datos, y eso es genial. Así que empezaré por compartir con ustedes la propuesta de valor del análisis de datos.

Lo primero que tenemos que pensar al hablar de análisis de datos es en cómo usar los datos recopilados para obtener información que nos sirva en futuras necesidades de negocio. A eso se le llama perspectivas.

A veces, el proceso de generar perspectivas a partir de datos puede ser extenso y complejo, e implica el uso de aprendizaje automático. Otras veces, puede ser rápido y sencillo, si el conjunto de datos está listo y solo se desea realizar un análisis descriptivo de los datos. Dicho esto, el análisis de datos es la ciencia de procesar los datos recopilados por sistemas informáticos para generar perspectivas que mejoren la toma de decisiones con hechos basados en los datos.

Hoy en día, el análisis de datos se emplea mucho para el comercio electrónico y las redes sociales. Sin embargo, este concepto puede (y debe) aplicarse a la seguridad de la información, la logística, las operaciones industriales, la Internet de las cosas y mucho más.

Hay cuatro tipos principales de análisis de datos. Son, por orden de complejidad, descriptivo, de diagnóstico, predictivo y prescriptivo. Voy a hablar un poco de cada uno de ellos. Dedicaré un poco más de tiempo al análisis de datos descriptivo porque, en este curso introductorio, hablaré de él en mayor parte.

El análisis descriptivo es un tipo de análisis de datos que se usa sobre todo para obtener información sobre lo ocurrido. Está pensado para que puedan usar los datos recopilados por un sistema con el fin de ayudarlos a identificar lo que estaba mal, lo que podría mejorarse o qué métrica no genera reportes como debería.

Como el análisis de datos descriptivo se usa mucho para resumir grandes conjuntos de datos y presentar los resultados a las partes interesadas, piensen en él para generar reportes sobre lo que ocurre y nada más. Las métricas más relevantes informadas por esos sistemas se conocen sobre todo como KPI o indicadores clave de desempeño.

Identificar lo ocurrido puede ser muy importante para algunos mercados verticales y, a veces, basta para investigar más a fondo un problema. Veremos cómo el análisis descriptivo de datos puede servir para identificar los KPI correctos y mantener informadas a las partes interesadas sobre cómo tomar decisiones basadas en datos y así solucionar posibles problemas.

Imaginen un sitio web de comercio electrónico donde recopilan métricas sobre el tiempo necesario para procesar un pago. En este sitio web, usan una pasarela de pago externa para completar las compras. Así, cada vez que un cliente compra en el sitio web, se lo redirige a esa pasarela de pago. Habrá una confirmación de la operación desde el momento en que se efectuó el pago. Un conjunto importante de KPI para realizar un análisis descriptivo adecuado serían las métricas sobre el tiempo necesario para completar la transacción, la cantidad de transacciones completadas y las transacciones canceladas.

Si ven un pico en la cantidad de transacciones canceladas y en el tiempo necesario para completar la transacción, quizás sea un buen indicador de que esas transacciones terminan canceladas porque tardan demasiado. Podría ser un buen indicador de que esos KPI están relacionados entre sí, lo cual ayudaría a los administradores de sistemas y a los propietarios de negocios a solucionar un posible problema que quizás afecte las ventas.

El mismo concepto se aplica al tiempo para completar las transacciones. Si tienen algo que desglose esa métrica y separe cada paso del tiempo de transacción, tendrían información aun más detallada que permitiría localizar el lugar adecuado para resolver el problema. Lo último que les conviene es enterarse de fallas del sistema a través de las redes sociales o de los comentarios de los clientes. En este caso, el monitoreo es fundamental, y usamos un conjunto muy sencillo de métricas para solucionar un problema de negocio.

En pocas palabras, el análisis descriptivo de datos es un concepto que informa sobre lo que ocurre. También pueden realizar un análisis descriptivo de datos si tienen información sobre la actividad de los usuarios, las redes sociales, la Internet de las cosas o los registros de seguridad del sistema. Como dije antes, el caso de uso puede variar mucho, pero una cosa es segura… Una vez que tengan el conocimiento para realizar análisis descriptivos de datos, pueden (y deben) usarlo para trabajar con diferentes conjuntos de datos.

Bien, ya tenemos una base sólida sobre lo que es el análisis descriptivo de datos. ¿Qué pasa con los otros tres?

¿Recuerdan el ejemplo con las métricas sobre el tiempo de transacción y la cantidad de transacciones fallidas? Ahí ustedes eran los responsables de tener las perspectivas y de tener la idea de correlacionar esas dos métricas para identificar el problema. El sistema no las relacionaba entre sí y ofrecía una métrica consolidada o proyectada llamada probabilidad de problema con la pasarela de pago. Hoy en día es muy común tener cientos o hasta miles de esas métricas en los sistemas. El análisis de diagnóstico no solo abarca la mera generación de informes, sino que realiza diagnósticos mediante una investigación más profunda y correlaciona esos KPI para ofrecer una sugerencia del posible origen del problema. Pienso el análisis de diagnóstico como un conjunto de acciones posibles de un sistema para ayudar a las partes interesadas a comprender por qué ocurrió un evento. El concepto que deben recordar aquí es "por qué".

El tercer tipo de análisis de datos es el análisis predictivo. El análisis predictivo de datos implica más complejidad. Como su nombre indica, predice lo que es probable que ocurra a partir de datos históricos o a partir de un cruce de datos entre varios conjuntos de datos y fuentes. En pocas palabras, trata de predecir el futuro a partir de acciones del pasado. El uso de redes neuronales, regresión y árboles de decisiones es muy común en el análisis de diagnóstico. Lo abordaremos mejor en otro curso.

Por último, pero no menos importante, el análisis prescriptivo, que en esencia es la suma de todos los anteriores. El análisis prescriptivo puede sugerirles a las partes interesadas cuáles son las mejores decisiones basadas en datos que deben tomarse en función de eventos y resultados pasados. El análisis prescriptivo se basa en gran medida en estrategias de aprendizaje automático para encontrar patrones y sus correspondientes reparaciones mediante la observación y el cruce de grandes conjuntos de datos.

Al margen del tipo que elijan aprender y aplicar, el análisis de datos existe en la intersección del uso de la tecnología de la información, las estadísticas y el conocimiento del área, como las redes sociales, los negocios o los sectores verticales. En este curso, veremos cómo usar los servicios de AWS para hacer análisis descriptivos sobre qué ocurre con una cuenta de AWS mediante registros de seguridad.

Ahora que conocen los diferentes tipos de análisis de datos, continuemos el recorrido y veamos más ejemplos sobre cómo el análisis de datos está presente en sus vidas en este momento.