El análisis descriptivo se utiliza a menudo al examinar cualquier dato
pasado o presente. Esto se debe a que los datos en bruto son difíciles de
consumir e interpretar, mientras que la métrica que ofrece el análisis
tipo descriptivo está mucho más enfocada.
También puede realizarse previo al análisis diagnóstico o análisis
predictivo, proporcionando información sobre lo que ha sucedido en el
pasado antes de intentar explicar por qué sucedió o predecir lo que
sucederá en el futuro
2. Análisis exploratorio
También conocido como estadística exploratoria o análisis
estadístico, investiga y valora los datos de los que se tiene poco
conocimiento para identificar patrones o relaciones. Un análisis
exploratorio tiene como objetivo encontrar información relevante para
el negocio, en los datos que no se pueden detectar tan fácilmente en el
análisis descriptivo.
El análisis exploratorio de datos (EDA) es un método que se utiliza para
analizar y explorar conjuntos de datos con el objetivo de obtener
suposiciones y reconocer patrones. Se basa en técnicas estadísticas y
herramientas de visualización de datos.
El EDA tiene varios objetivos, entre ellos:
Identificar errores y valores atípicos
Comprobar la relación entre variables
Determinar qué método estadístico es más adecuado
Revelar datos impredecibles
Guiar la toma de decisiones en la limpieza de datos
Facilitar la selección de modelos y enfoques analíticos
El EDA es un paso previo necesario antes de realizar cualquier tipo de
análisis estadístico o predictivo. El matemático estadounidense John
Tukey desarrolló el EDA en la década de 1970.
3. Análisis de diagnóstico
Este tipo de análisis responde a la pregunta “¿por qué sucedió?” a partir
de los descubrimientos realizados en el análisis descriptivo. Los Analistas
de Datos profundizan en los resultados para encontrar las causas de los
patrones de comportamiento, lo cual es información de gran valor para
las empresas, especialmente para aquellas dedicadas al Marketing y al
Comercio. El análisis de diagnóstico también funciona para detectar y
solucionar problemas rápidamente.
4. Análisis predictivo
Intenta responder a la pregunta "¿qué es probable que suceda?", a partir
de datos anteriores y hacer estimaciones sobre resultados futuros. Este
tipo de análisis es un poco más complejo, ya que se basa en el modelado
estadístico (una herramienta basada en las Matemáticas donde se
combinan datos cualitativos y cuantitativos), que requiere tecnología
adicional y profesionales especializados para realizar pronósticos
correctamente. El análisis predictivo puede utilizarse, por ejemplo, para
evaluar riesgos, pronosticar ventas y segmentar clientes.
5. Análisis prescriptivo
Se trata de una combinación de todos los tipos de análisis de
datos anteriores, que determina qué acción tomar para eliminar un
problema (actual o futuro) o aprovechar al máximo una tendencia, es
decir, el análisis prescriptivo se utiliza para mejorar la toma de
decisiones. También es un tanto complejo de implementar, pues utiliza
herramientas de análisis y tecnologías avanzadas, como el aprendizaje
automático, reglas comerciales y algoritmos, la Inteligencia Artificial (IA)
es el ejemplo perfecto para esto.
Cada uno de estos tipos de análisis de datos están conectados y hasta
cierto punto son interdependientes. A pesar de que cada uno tiene un
propósito diferente y proporciona información particular, en ocasiones
es indispensable trabajar con más de uno a la vez y para esto se requiere
de mucho conocimiento en el sector, así como una serie de habilidades
como, la atención al detalle, la organización y pensamiento crítico.
