El proceso de análisis de datos

Una fecha de pedido, un comentario de un cliente y un tiempo de entrega son datos. Registran algo observado o capturado. Un solo hecho es un dato; una colección organizada es un conjunto de datos. El significado de un valor depende de lo que describe y de cómo se registró.

Interpreta la estructura de un conjunto de datos

En una tabla típica, cada fila es un registro y cada columna es un atributo de ese registro. Una tabla de pedidos podría tener un pedido por fila y columnas para el número de pedido, la fecha y la cantidad. Antes de calcular, identifica qué representa una fila. Contar filas solo cuenta pedidos si cada fila es realmente un pedido.

Los datos cuantitativos registran recuentos o mediciones: 3 artículos o un tiempo de entrega de 42 minutos. Los datos cualitativos registran categorías o descripciones: el color de un producto o el comentario «la aplicación se quedó bloqueada al pagar». Las cifras por sí solas no determinan el tipo. Un código postal identifica una zona; calcular la media de los códigos postales no describiría una ubicación media significativa.

Transforma los registros en un hallazgo revelador

El análisis de datos recopila, transforma y organiza datos para extraer conclusiones, hacer predicciones y respaldar decisiones. Su resultado útil es un hallazgo revelador, una comprensión que ayuda a alguien a actuar. Una tabla de devoluciones de zapatos son datos; descubrir que la mayoría de las devoluciones de un modelo corresponden a tallas pequeñas es un hallazgo revelador que puede orientar un cambio en la tabla de tallas.

La analítica de datos es el campo más amplio de procesos, herramientas y técnicas para gestionar, explorar y utilizar datos. El análisis es el trabajo sobre una pregunta concreta dentro de ese campo. Los términos suelen solaparse en las descripciones de puestos, por lo que debes usar la tarea descrita para entender a qué se refiere cada persona.

La ciencia de datos suele utilizar estadística, programación y aprendizaje automático para modelar lo desconocido. Un analista podría investigar qué líneas de productos perdieron clientes el trimestre pasado. Un científico de datos podría crear un modelo que estime qué clientes actuales se irán el mes siguiente. Estas son tareas habituales y los campos se solapan; los nombres de los puestos no establecen una frontera fija.

Sigue el ecosistema que rodea a la tabla

Un ecosistema de datos combina personas, hardware y software. En un hospital, los instrumentos de laboratorio producen resultados, las bases de datos los almacenan, los analistas elaboran informes y los profesionales clínicos los utilizan. Un fallo en cualquier parte puede afectar al significado del informe: la falta de datos de un instrumento puede parecer una disminución de la actividad de pruebas.

La nube proporciona almacenamiento y software en servidores remotos a los que se accede por internet. Permite a los equipos trabajar con datos compartidos desde varios lugares. El acceso compartido sigue requiriendo controles sobre quién puede ver o modificar la información.

Los datos son un registro de lo que se capturó, incluidas las lagunas y los errores. La ausencia de ventas en un día festivo podría significar que la tienda estaba cerrada. Comprueba cómo y cuándo se recopilaron los registros antes de interpretar un valor vacío o cero como una indicación de la demanda.

Un mismo conjunto de datos puede ayudar a responder varios tipos de preguntas. Los cuatro tipos habituales de analítica distinguen entre un resumen de los hechos, una investigación de las razones, una estimación de lo que ocurrirá después y una elección de acción. Identifica la pregunta antes de seleccionar un método.

Relaciona la pregunta con el resultado

Gartner popularizó este modelo de cuatro tipos. Los tipos plantean distintas exigencias, pero una pregunta no mejora solo por elegir un tipo más complejo.

La analítica descriptiva resume datos pasados o actuales. Una tienda en línea envió 12 400 pedidos en marzo y 11 480 en febrero. El aumento es de 920 pedidos. Dividir 920 entre 11 480 da aproximadamente 0,080, o el 8 %. Esto describe el cambio sin explicar su causa.

La analítica diagnóstica divide el resultado en grupos y los compara. Desglosar esos pedidos por canal de venta muestra que casi todo el crecimiento provino de una nueva campaña en redes sociales, mientras que los pedidos de clientes recurrentes se mantuvieron estables. Esto acota la investigación. Un patrón relacionado con una campaña aún necesita comprobaciones antes de presentar la campaña como causa probada.

La analítica predictiva utiliza patrones pasados para estimar valores futuros o desconocidos. «Unos 13 000 pedidos en abril, probablemente entre 12 000 y 14 000» comunica una previsión y su incertidumbre. Una predicción es una estimación, por lo que un directivo no debe tratar el valor central como un total garantizado.

La analítica prescriptiva compara acciones en función de un objetivo y de límites prácticos. Los pedidos previstos para abril pueden ayudar a un directivo a decidir cuántas personas temporales programar, junto con la disponibilidad de personal y la capacidad. Una recomendación puede utilizar trabajo descriptivo, diagnóstico o predictivo y condiciones conocidas; no requiere un modelo de previsión en todos los casos.

Sigue una situación a través de los cuatro tipos

Un programa de bicicletas compartidas registra 52 000 alquileres en mayo y 41 600 en junio. La caída es de 10 400 alquileres, o el 20 % del total de mayo: esto es descriptivo. Una comparación por días relaciona la mayor parte de la caída con los 14 días de lluvia de junio: esto es trabajo diagnóstico. Una previsión que utiliza un tiempo similar y el patrón del julio anterior es predictiva. Programar reparaciones para los días en que se pronostica lluvia, cuando se necesitan menos bicicletas fuera, es prescriptivo.

Antes de comunicar que la lluvia es la causa, investiga otros cambios, como un aumento de tarifas o el cierre de un carril bici. Elegir un tipo de analítica útil y evaluar la solidez de la evidencia son decisiones distintas. Un total fiable puede responder por completo a la pregunta de un directivo; una previsión elaborada con registros deficientes no puede corregirlos.

Una decisión está basada en datos cuando la evidencia del análisis cambia u orienta la elección. Recopilar cifras después de una decisión solo para defenderla no otorga ese papel a la evidencia. La primera pregunta es qué debe elegir la persona responsable de la decisión, seguida de qué evidencia podría cambiar esa elección.

Da a la decisión un criterio común

Los datos pueden mostrar lo que sucede, comparar opciones con la misma base y hacer que el efecto de una decisión pueda medirse después. El personal de una biblioteca puede creer que «casi nadie viene por la tarde». Si los registros de entrada muestran que el 18 % de las visitas semanales se producen después de las 6 de la tarde, reducir el horario de tarde tiene un efecto mayor del que sugiere esa impresión.

La medida debe corresponder al objetivo. Si un centro de atención telefónica recompensa solo las llamadas cortas, el personal puede reducir la duración media terminando las llamadas antes de resolver los problemas. La cifra mejora mientras el servicio empeora. Pregunta qué deja fuera la medida y si las personas pueden mejorarla sin mejorar el resultado que importa a la organización.

Combina la evidencia con el conocimiento del trabajo

Un especialista en la materia comprende un campo o proceso gracias a su experiencia. Un supervisor de almacén puede explicar por qué se produjo un aumento aparente del tiempo de despacho durante un traslado de existencias. El analista aporta el patrón; el especialista aporta contexto, identifica valores imposibles y sugiere explicaciones que deben comprobarse.

Algunas organizaciones llaman a este equilibrio toma de decisiones informada por datos: la evidencia es una aportación importante junto con la experiencia, la ética y el contexto. Sigue siendo necesario el juicio humano para decidir qué importa y qué compensaciones son aceptables.

La intuición es un juicio intuitivo que se forma sin razonamiento consciente. Puede aportar una idea de partida, como «los clientes se van por nuestros precios». Transforma esa corazonada en una pregunta que los datos puedan examinar, por ejemplo, cómo cambiaron las tasas de cancelación en torno al último cambio de precios. Busca también evidencia que cuestione la corazonada, porque una explicación familiar puede parecer más sólida de lo que es.

Deja que la evidencia cambie una propuesta

Una cadena de gimnasios considera cerrar su club más pequeño. La idea inicial es que un club pequeño debe ser el menos importante. Los registros muestran que sus miembros lo visitan con más frecuencia que los de cualquier otro club y que el 70 % nunca ha utilizado otro club de la cadena. Esos hallazgos sugieren que muchos podrían cancelar en lugar de cambiar de club. La cadena decide mantener el club y revisar la decisión el año siguiente.

Comprueba quién está representado antes de generalizar. Una decisión sobre zonas de reparto basada en los pedidos de la aplicación deja fuera a los clientes que hacen pedidos por teléfono. Los datos incompletos, antiguos o sesgados pueden desviar recursos de las personas a las que afecta la decisión. La equidad requiere examinar tanto los datos de quiénes están presentes como quiénes podrían verse perjudicados por la recomendación.

El analista proporciona a las partes interesadas evidencia clara y explica sus límites. La decisión suele corresponder al directivo, al cliente o a la junta directiva. Una previsión de cancelaciones probables solo ayuda a ese juicio cuando la incertidumbre es visible; presentarla como cierta ocultaría parte de la elección.

El ciclo de vida de los datos sigue los datos durante toda su existencia. El certificado de Google enseña seis etapas: planificar, capturar, gestionar, analizar, archivar y destruir. Los registros de pedidos de una tienda en línea muestran por qué cada etapa necesita atención incluso después de terminar un informe.

Planifica y captura

Durante la planificación, decide qué recopilar, cómo se recopilará y gestionará, quién es responsable y cuánto tiempo se conservará. La tienda elige el número de pedido, la fecha, los artículos, la cantidad, el importe pagado y el código postal de entrega. El equipo de operaciones asume la responsabilidad de estos registros.

Durante la captura, los datos entran en el sistema. Una compra finalizada crea un registro de pedido en una base de datos. Otras fuentes podrían ser una encuesta, un sensor o un archivo recibido de otra organización. La captura se refiere a la obtención de registros, no todavía a extraer conclusiones de ellos.

Gestiona y analiza

Durante la gestión, mantén los datos exactos, disponibles y protegidos. Elige un almacenamiento adecuado, controla el acceso, mantén los registros y haz copias de seguridad. Por ejemplo, las direcciones de los clientes pueden ser visibles solo para el personal de atención al cliente y puede hacerse una copia de seguridad de la base de datos de pedidos cada noche.

Durante el análisis, utiliza los datos para responder preguntas y respaldar decisiones. Un analista podría revisar un año de pedidos para identificar los productos que se devuelven con más frecuencia. Los mismos datos de pedidos podrían servir después para otro análisis de los tiempos de entrega; un conjunto de datos puede servir para muchos proyectos.

Conserva o elimina los registros

Durante el archivo, traslada los registros que ya no se usan a diario a un almacenamiento a largo plazo donde todavía puedan encontrarse. Un archivo de conservación conserva registros para futuras consultas. Una copia de seguridad es una copia que se utiliza para restaurar datos después de una pérdida o un daño. La razón para conservarlos es distinta: un archivo de facturas antiguas y la copia de recuperación de anoche cubren necesidades diferentes.

Durante la destrucción, elimina permanentemente los datos que ya no tienen ninguna finalidad y cuya conservación no exige ninguna norma. Una política de conservación de datos establece cuánto tiempo se conserva cada tipo. Las normas de privacidad pueden exigir la eliminación de datos personales que ya no se necesitan; las normas contables pueden exigir que algunos registros se conserven durante un período mínimo. La finalidad y las normas aplicables determinan el período, por lo que no existe un plazo de conservación universal para todos los conjuntos de datos.

La destrucción segura hace que los datos sean irrecuperables mediante un método adecuado, como el borrado seguro o la destrucción física del soporte de almacenamiento. Trasladar un archivo a una papelera de reciclaje no es una destrucción segura.

Relaciona el ciclo de vida con los proyectos

Las etapas no ocurren una sola vez en toda la organización. Se capturan nuevos pedidos mientras los registros más antiguos se analizan, archivan o destruyen. Un campo ausente detectado durante el análisis puede llevar a revisar el plan de recopilación.

Un proyecto de análisis de seis fases sigue el trabajo necesario para responder a una pregunta. Puede abarcar varias etapas del ciclo de vida: recopilar respuestas de una encuesta es capturar datos, mientras que almacenar y documentar un conjunto de datos limpio es gestionarlos. Terminar el proyecto no pone fin a la vida del conjunto de datos.

Los nombres de las etapas varían porque las organizaciones utilizan modelos con distintas finalidades. Una agencia de investigación hace hincapié en conservar y compartir datos reutilizables; un equipo de análisis destaca la respuesta a una pregunta y la aplicación de esa respuesta. Compara lo que ocurre en una etapa antes de concluir que dos modelos discrepan.

Reconoce el modelo de ciclo de vida del USGS

El Servicio Geológico de Estados Unidos (USGS) utiliza las etapas planificar, adquirir, procesar, analizar, conservar y publicar o compartir. Tres actividades continúan durante todas las etapas:

• Describir: crear y actualizar metadatos y documentación.
• Gestionar la calidad: comprobar que los datos se recopilan, manejan y utilizan de forma fiable.
• Hacer copias de seguridad y proteger: proteger los datos frente a pérdidas y accesos no autorizados.

Los metadatos explican un conjunto de datos: quién lo recopiló, cuándo, cómo, qué significan sus columnas y qué unidades utilizan. Una columna llamada «temp» no está clara sin esta información. Podría significar temperatura en grados Celsius, temperatura en otra unidad o un valor temporal. La documentación permite reutilizar los datos sin tener que adivinar.

El modelo del USGS termina con la publicación y el intercambio porque los datos científicos pueden ser útiles para otros investigadores. Su énfasis difiere del de un ciclo de vida que menciona explícitamente la destrucción. Ninguno de los dos conjuntos de etapas elimina la necesidad de cuidar los registros durante toda su existencia.

Compara modelos de proyectos de análisis

El ciclo de la ciencia de datos de OpenStax nombra cinco actividades: definición del problema, recopilación de datos, preparación de datos, análisis de datos y comunicación de resultados. Se corresponden de manera general con definir una tarea, obtener registros, limpiarlos, encontrar una respuesta y comunicarla.

CRISP-DM, proceso estándar intersectorial para la minería de datos, fue desarrollado por un grupo de empresas a finales de la década de 1990. Sus fases son comprensión del negocio, comprensión de los datos, preparación de los datos, modelado, evaluación e implementación. El modelado puede crear modelos predictivos o descriptivos, como grupos de clientes con características similares. Un proyecto que solo resume registros puede no necesitar una tarea separada de creación de modelos.

Las seis fases preguntar, preparar, procesar, analizar, comunicar y actuar se solapan con estos modelos. Preguntar se parece a la definición del problema o a la comprensión del negocio. Preparar y procesar se solapan con la recopilación, la comprensión y la preparación. Analizar se solapa con el análisis o el modelado y la evaluación. Comunicar se refiere a la presentación de resultados, mientras que actuar se refiere a ponerlos en práctica. La correspondencia es aproximada: OpenStax no nombra una fase de actuación separada y CRISP-DM da un espacio explícito a la evaluación.

Utiliza un modelo como lista de comprobación compartida

Un círculo o una secuencia en un diagrama no obliga a avanzar sin hacer revisiones. Un mes ausente detectado durante el análisis hace que el equipo vuelva a buscar datos. Un resultado puede cambiar la pregunta de negocio. Utiliza el modelo del equipo para que los nombres de las etapas tengan un significado compartido y explica la actividad cuando hables con alguien que utilice otro marco.

Un proyecto de análisis comienza con una decisión que se quiere respaldar y termina con la acción y el seguimiento. Las seis fases del certificado de Google, preguntar, preparar, procesar, analizar, comunicar y actuar, hacen visible ese trabajo. Cada fase entrega un producto concreto a la siguiente.

Conoce lo que produce cada fase

En una cadena de tres panaderías, el propietario comienza con «Ayúdanos a reducir el desperdicio de pan». Preguntar transforma esto en una tarea sobre el desperdicio en cada tienda y cada día de la semana. Preparar identifica los registros de producción y ventas. Procesar corrige los errores comprobados y registra esos cambios. Analizar calcula las tasas de desperdicio y los patrones por día de la semana. Comunicar explica al propietario el patrón importante. Actuar pone en práctica una prueba de horneado aprobada y mide su efecto.

Las fases están conectadas por sus productos. Un gráfico necesita hallazgos fiables. Los hallazgos necesitan datos limpios y pertinentes. Los datos pertinentes se definen mediante una tarea clara. Elegir primero una herramienta puede invertir esa lógica: un gráfico atractivo puede responder a una pregunta que nadie necesitaba responder.

Vuelve a la fase que resuelve el problema

Las fases forman un ciclo. Supón que el análisis revela que faltan los registros de una tienda durante una semana. Vuelve a preparar para localizarlos y después procesa y analiza el conjunto de datos completo. Si «desperdicio» significa cosas distintas para el propietario y los encargados de las tiendas, vuelve a preguntar para acordar la medida antes de comparar resultados.

Volver a una fase forma parte del proceso. No significa comenzar todas las tareas desde el principio. Conserva la descripción de las fuentes y el registro de limpieza para que se puedan rastrear las revisiones y el trabajo posterior pueda utilizar los datos de entrada corregidos.

Planifica el trabajo que va más allá de los cálculos

Preparar y limpiar los datos suele llevar más tiempo que calcular y crear gráficos. Un calendario necesita espacio para localizar fuentes, resolver la ausencia de registros y comprobar valores inusuales. También necesita tiempo para que las partes interesadas comprendan los hallazgos y decidan qué hacer.

El trabajo de un analista continúa después de una presentación. El propietario puede necesitar ayuda para planificar la prueba y los nuevos resultados necesitan la misma medida que los resultados iniciales. Si el desperdicio baja pero los estantes se vacían demasiado pronto, ese resultado se convierte en la siguiente pregunta. Un proyecto puede implicar planificar, capturar, gestionar y analizar datos, mientras que los propios datos continúan a través de su ciclo de vida más largo.

«Investiga nuestro desperdicio de pan» es una solicitud inicial, pero todavía no especifica qué debería permitir hacer una respuesta. La fase de formulación de preguntas transforma esa solicitud en una tarea de negocio clara. La fase de preparación busca después los datos necesarios para responderla.

Acuerda la tarea y determina quiénes se ven afectados

Una parte interesada puede haber invertido tiempo o dinero, o asumido responsabilidades, influir en el proyecto o verse afectada por su resultado. En el caso de la panadería, el propietario decide las cantidades que se hornean, los encargados de las tiendas implementan los cambios y los clientes pueden verse afectados si el pan se agota. Sus intereses están relacionados, pero no son idénticos.

Pregunta qué problema debe resolverse, quién utilizará la respuesta, qué decisión tomará, cómo se reconocerá el éxito y cuándo se necesita la respuesta. Confirma el objetivo con la persona responsable de la decisión. Un encargado puede querer menos desperdicio, mientras que los clientes también necesitan que haya pan disponible hasta el cierre.

La tarea de negocio pasa a ser: «Averigua cuánto pan tira cada tienda y qué días de la semana, para que el propietario pueda ajustar las cantidades horneadas diariamente y reducir el desperdicio sin que las tiendas se queden sin pan antes de cerrar». Identifica un problema medible, el desglose necesario y la decisión que respalda. «¿A la panadería le va bien?» necesita una definición de «bien» antes de que el análisis pueda responderla.

Encuentra registros adecuados para la tarea

El analista necesita dos fuentes de las últimas cuatro semanas: los registros de producción de panes horneados y el sistema de punto de venta para los panes vendidos, por tienda y día. Tres tiendas durante 28 días dan 84 días de tienda. Esta cobertura esperada permite una comprobación práctica: un día ausente es una carencia que se debe investigar, no automáticamente un día sin producción.

Los datos recopilados por la propia panadería son datos propios. Los registros de ventas de pan de un supermercado asociado, compartidos directamente con la panadería, son datos de otra organización obtenidos directamente de ella. Los datos de mercado obtenidos de un agregador externo que no los recopiló directamente son datos de terceros obtenidos mediante intermediarios. Estas etiquetas describen la relación con la fuente; no demuestran la calidad. Una mayor distancia respecto de la recopilación original puede dificultar la verificación de los registros.

Comprueba una fuente antes de confiar en ella

Comprueba si los registros cubren todos los lugares y períodos necesarios, si están actualizados y si podrían tener sesgos por la forma en que se recopilaron. Comprueba que las normas de privacidad y las licencias permitan este uso. En el registro de producción de la tienda C falta el día 17. Anota esa carencia durante la preparación para que pueda resolverse y documentarse durante el procesamiento.

Recopila los campos que sirven para la tarea. Las direcciones de los clientes no ayudan a calcular el desperdicio de pan por tienda a partir de los totales diarios. Los campos adicionales crean más trabajo de limpieza y pueden exponer información personal sin aportar una respuesta. Una lista de fuentes debe explicar de dónde proceden los registros, qué período cubren y qué carencias siguen pendientes de resolución.

Los dos sistemas de origen de la panadería no producen automáticamente una tabla de análisis fiable. Procesar hace que los registros sean utilizables y trazables. Analizar utiliza después los registros comprobados para responder cuánto se desperdicia, dónde y en qué días.

Limpia y registra los cambios

El procesamiento detecta y corrige errores, elimina duplicados confirmados, trata valores ausentes y unifica formatos como fechas, unidades y nombres de tiendas. Comprueba los datos limpios frente a sus fuentes. Mantén un registro de limpieza de datos que explique qué cambió, por qué y cómo.

Se eliminan y registran dos entradas duplicadas confirmadas de la tienda A para el día 9. El número ausente de panes horneados de la tienda C para el día 17 se completa a partir del programa del horno tras consultarlo con el encargado, y se registra esa fuente. Una fila que muestra 130 panes vendidos y 120 horneados necesita investigación: podría tratarse de un error de registro o de pan procedente de otra fuente. Adivinar un valor de sustitución crearía un valor sin respaldo.

Calcula el desperdicio de cada tienda

La tasa de desperdicio mide la proporción de la producción que quedó sin vender:

Para A, resta 3780 de 4200 para obtener 420 y después divide entre 4200 para obtener 0,10. La tienda C tiene tanto la mayor cantidad desperdiciada como la tasa más alta, por lo que merece una investigación más detallada.

La tasa de la cadena utiliza los totales: 1155 dividido entre 10 500 es el 11 %. La media simple del 10 %, 5 % y 20 % es aproximadamente el 11,7 %, lo que da el mismo peso a cada tienda pese a sus distintos volúmenes de producción. La tasa basada en los totales responde qué proporción de todos los panes de la cadena se desperdició.

Desglosa el resultado por día de la semana

En los ocho lunes y martes de la tienda C se hornearon 800 panes y se vendieron 520. Resta para obtener 280 desperdiciados y después divide entre 800 para obtener el 35 %. En sus otros 20 días, 2000 horneados y 1720 vendidos también dan 280 desperdiciados, pero la tasa es del 14 %. Por tanto, cantidades iguales de desperdicio pueden ocultar distintos patrones de producción.

Esto identifica dónde y cuándo se concentra el problema. No establece por qué. El encargado sugiere que a principios de semana pasan menos trabajadores de oficina por la tienda; esa explicación necesita confirmación. Comunícala por separado del patrón medido por día de la semana.

Un hallazgo se vuelve útil cuando las personas adecuadas lo comprenden y pueden elegir una acción. Comunicar transmite la respuesta y sus límites. Actuar pone una decisión en práctica y recopila la evidencia necesaria para evaluar su efecto.

Comienza con la respuesta que necesita el público

El propietario necesita las cifras clave y una recomendación en una página. Un encargado de tienda necesita el patrón por día de la semana de su tienda. Un analista revisor necesita la descripción de las fuentes y el registro de limpieza. Adapta el nivel de detalle a la decisión o revisión que debe hacer cada persona.

Un resumen dirigido al propietario podría decir: «Durante cuatro semanas, la cadena desperdició 1155 de 10 500 panes, es decir, el 11 %. La tienda C produjo 560 panes desperdiciados, alrededor del 48 % del desperdicio de la cadena. La mitad del desperdicio de C ocurrió los lunes y martes, cuando el 35 % de su pan quedó sin vender». Unos pocos gráficos claros pueden respaldar este mensaje; mostrar todos los gráficos exploratorios puede ocultarlo.

Un hallazgo describe la evidencia: «La tienda C desperdicia el 20 % de su pan». Una recomendación propone una acción: «Reducir la cantidad de pan que hornea la tienda C los lunes y martes». Identifícalos claramente para que una propuesta no se confunda con un resultado observado.

Haz que la recomendación pueda ponerse a prueba

Una propuesta específica es una prueba de cuatro semanas en la que la tienda C hornee un 30 % menos de panes los lunes y martes. El total inicial para esos días es de 800 panes. Una reducción del 30 % equivale a 240, por lo que quedan 560. Si las ventas se mantienen en 520, solo 40 quedarían sin vender en esos días.

Mantén los otros días en 2000 panes horneados y 1720 vendidos. Para toda la prueba, la producción proyectada es de 2560 y las ventas se mantienen en 2240. El desperdicio sería de 320 panes:

Esta es una proyección basada en un supuesto sobre las ventas, no un resultado medido. El éxito consiste en una tasa de desperdicio inferior al 15 %, con el pan agotado antes del cierre como máximo un día a la semana. La segunda medida evita que un menor desperdicio oculte una disponibilidad deficiente.

Pon el cambio en práctica y haz seguimiento

El propietario decide si aprueba la prueba. El analista puede ayudar a planificar el cambio y proporcionar un informe semanal de desperdicio. El equipo de la tienda C cambia la producción y registra lo que ocurre, incluidos los días en que el pan se agota pronto.

Comunica las limitaciones pertinentes: la evidencia inicial abarca cuatro semanas y el valor ausente de un día se recuperó del programa del horno. Estos detalles afectan al grado de confianza con que el propietario puede generalizar el patrón. Ocultarlos haría que la evidencia pareciera más sólida de lo que es.

Después de la prueba, analiza los nuevos registros con el mismo cálculo de la tasa de desperdicio y comprueba la disponibilidad. Si el desperdicio mejora pero el pan se agota demasiado pronto, el siguiente análisis pregunta cómo equilibrar ambos resultados. El seguimiento da un punto de partida concreto a la siguiente vuelta de formulación de preguntas, preparación y análisis.

Las habilidades analíticas te ayudan a resolver problemas utilizando hechos. El certificado de Google agrupa cinco habilidades: curiosidad, comprensión del contexto, mentalidad técnica, diseño de datos y estrategia de datos. Se desarrollan con la práctica y apoyan el trabajo durante todo un proyecto.

Pregunta y comprende

La curiosidad te lleva a investigar un resultado sorprendente. Si las devoluciones de un producto se duplican, pregunta qué cambió: el proveedor, la tabla de tallas o la foto del producto. El aumento es la observación inicial. La curiosidad lo convierte en nuevas preguntas que podrían explicarlo.

Comprender el contexto significa saber dónde, cuándo, cómo y por qué se recopilaron los datos. Un aumento de las ventas de paraguas durante una semana lluviosa significa algo distinto de un aumento durante una semana con descuentos en toda la tienda. El contexto también incluye las partes ausentes: un total regional requiere comprobar que se hayan incluido todas las tiendas.

Para aplicar estas habilidades juntas, observa primero el resultado inusual y después pregunta por las condiciones que lo rodean. Una conversación con alguien que conoce el trabajo puede revelar un cambio que la propia tabla no registra. Esa explicación aún necesita evidencia antes de convertirse en una conclusión.

Divide el problema en pasos

Una mentalidad técnica es una forma organizada de resolver un problema. Supón que disminuyen los registros en un sitio web. Comprueba si menos personas lo visitaron, si menos visitantes llegaron a la página de registro y si menos personas de las que llegaron completaron el formulario. Cada comprobación acota dónde se produjo la caída.

Esta mentalidad es distinta de conocer muchas funciones de software. Probar funciones de hojas de cálculo al azar no crea una investigación lógica. Alguien que recorra las mismas etapas sobre papel puede mostrar una mentalidad técnica sólida antes de aprender a usar el software.

Organiza la información y el trabajo

El diseño de datos se ocupa de la estructura de la información. Un pedido puede contener varios productos, por lo que una estructura útil es una fila por línea de pedido con columnas separadas para el número de pedido, la fecha, el producto y la cantidad. El número de pedido repetido conecta las líneas que pertenecen al mismo pedido. Una celda que contuviera todas las compras de un cliente como texto libre sería más difícil de sumar o actualizar de forma fiable.

La estrategia de datos se ocupa de las personas, los procesos y las herramientas utilizados en el análisis. Un equipo podría acordar que los registros de ventas se carguen cada noche en una base de datos compartida, designar a quien mantiene la carga y decidir que los analistas trabajen a partir de esa fuente compartida. Esto evita copias privadas separadas que dejan de coincidir.

El diseño de datos hace que los registros puedan utilizarse; la estrategia de datos organiza el uso que hace de ellos el equipo. Una tabla bien estructurada puede seguir utilizándose mal si nadie sabe qué versión está actualizada. Un proceso compartido puede seguir teniendo dificultades si las cantidades y los nombres de productos se mezclan en un mismo campo.

El pensamiento analítico consiste en definir un problema y resolverlo con datos de forma organizada. Cinco aspectos ayudan a orientar ese pensamiento: visualización, estrategia, orientación a la resolución de problemas, correlación y pensamiento global y orientado a los detalles. Funcionan conjuntamente como hábitos, no como cinco pasos que se completan una sola vez.

Observa un patrón y mantén su pertinencia

La visualización representa información gráficamente mediante un gráfico, un mapa o un diagrama. Un gráfico de líneas de 365 totales diarios de visitas a un sitio web puede revelar un ritmo semanal difícil de ver en una tabla larga. El gráfico apoya la investigación al hacer visible un patrón.

La estrategia mantiene presente el resultado deseado. Si el objetivo es comprender la caída de los registros, puede que un patrón interesante en los colores de los productos no merezca investigarse. Decide qué siguiente paso ayuda a responder a la tarea de negocio y cuál alejaría el trabajo de ella.

La orientación a la resolución de problemas parte del problema que debe resolverse. Tener un conjunto de datos grande no es por sí solo una razón para calcular todas las medidas posibles. Identifica primero la decisión o dificultad y después pregunta cómo ayuda a abordarla un cálculo o gráfico propuesto.

Separa una relación de una causa

La correlación significa que dos variables tienden a cambiar juntas. En una relación positiva, ambas tienden a aumentar o disminuir juntas. En una relación negativa, una tiende a aumentar mientras la otra disminuye. Ninguna de las dos direcciones demuestra que una variable cause la otra.

Durante un año, las ventas de helado y los casos de quemaduras solares tratados en clínicas aumentan y disminuyen juntos. Los días calurosos y soleados aumentan ambos. El tiempo es una variable de confusión, un tercer factor que influye en las dos variables. Restringir las ventas de helado no abordaría la causa de las quemaduras solares que muestra esta explicación.

Un patrón diagnóstico ayuda a identificar posibles causas. No elimina la necesidad de examinar otras explicaciones. Antes de actuar sobre una relación aparente, pregunta qué cambió en torno a ambas variables y qué evidencia podría distinguir las explicaciones alternativas.

Pasa del conjunto al detalle

El pensamiento global sitúa un problema dentro de los objetivos y la situación más amplios. El pensamiento orientado a los detalles examina los hechos concretos que podrían explicarlo. Un producto que parece desaparecer de un informe mensual es un resultado general. Un código de producto vuelto a escribir puede dividir sus registros en dos etiquetas y explicar ese resultado.

Un analista puede recorrer este ejemplo en ambas direcciones. La pregunta de negocio establece por qué importa el producto ausente. Una comprobación detallada de los códigos y las filas de origen permite verificar si realmente desapareció. Corregir un problema confirmado de etiquetado puede entonces cambiar el informe general.

Un síntoma muestra que algo va mal. Una causa raíz explica la razón subyacente por la que sucede. Las preguntas estructuradas te ayudan a seguir la evidencia desde el problema visible hasta una causa respaldada, mientras que el análisis de brechas muestra a qué distancia está un resultado actual de una meta.

Sigue una cadena de porqués con evidencia

La técnica de los cinco porqués comienza con un problema y pregunta por qué ocurrió. Cada respuesta se convierte en la siguiente pregunta. Contrasta cada respuesta con registros u observaciones antes de construir otra explicación sobre ella. Cinco rondas son una guía; la evidencia determina hasta dónde debe llegar la cadena.

Considera las entregas tardías:

1. Las entregas llegan tarde porque los conductores salen tarde del depósito.
2. Los conductores salen tarde porque las furgonetas se cargan tarde.
3. La carga se retrasa porque los pedidos llegan al almacén solo después de las 10 de la mañana.
4. Los pedidos llegan entonces porque el sistema envía los pedidos de la mañana en un solo lote a las 9:45 de la mañana.
5. Ese horario de envío del lote se mantiene desde una época en la que había muchos menos pedidos.

Las horas de salida, los registros de carga y las marcas de tiempo del sistema pueden poner a prueba esta explicación. El problema subyacente respaldado por la evidencia es un horario de envío de lotes desactualizado. Enviar los pedidos continuamente o en varios lotes durante la mañana lo aborda. Decir a los conductores que se apresuren mantendría el retraso en el flujo de pedidos.

No te detengas solo porque una respuesta inicial sugiera algo fácil de cambiar. Del mismo modo, no inventes una quinta razón cuando la evidencia respalde una cadena más corta. El objetivo es llegar a una causa subyacente respaldada por la evidencia y elegir una acción que la aborde.

Mide la brecha respecto de una meta

El análisis de brechas identifica el estado actual, el estado deseado y los cambios que pueden salvar la diferencia entre ambos. Una clínica responde actualmente al 82 % de las llamadas en un plazo de dos minutos y quiere llegar al 95 %. La diferencia es de 13 puntos porcentuales:

Una diferencia en puntos porcentuales resta los dos porcentajes. Un aumento porcentual relativo compara el cambio con la tasa inicial:

Llamar a la brecha «13 %» confunde esas dos medidas. Para planificar una mejora, la clínica también necesita investigar el proceso que hay detrás de las llamadas no atendidas o atendidas con retraso. La brecha mide la diferencia; no identifica su causa.

Pon a prueba la primera explicación

El sesgo de confirmación es la tendencia a observar y creer la evidencia que respalda una opinión existente. Si comienzas con «los conductores son descuidados», puedes fijarte en las salidas tardías y pasar por alto el retraso del lote de pedidos. Decide qué evidencia te haría cambiar de opinión y búscala activamente.

Entre las preguntas útiles están «¿Qué no consideramos?» y «¿Dónde están las brechas del proceso?». Ayudan a ampliar la investigación sin sustituir la evidencia. Una explicación convincente y una diferencia medible son puntos de partida útiles, pero el cambio propuesto debe responder a la causa que respaldan los registros.

Los equipos de datos dividen el trabajo según lo que hay que crear, comprender y comunicar. Los nombres de los puestos varían entre organizaciones, por lo que las responsabilidades y los productos ofrecen una guía más fiable que el título por sí solo.

Conecta sistemas, tablas y respuestas

Un ingeniero de datos crea y mantiene canalizaciones, bases de datos y almacenes de datos. Las canalizaciones trasladan los datos desde las fuentes hasta donde se necesitan. Un almacén de datos combina datos limpios de múltiples fuentes para el análisis y la elaboración de informes. La llegada y el almacenamiento fiables permiten que otras personas trabajen sobre una base confiable.

Un ingeniero de analítica transforma los datos en bruto del almacén en tablas limpias y documentadas que los analistas pueden consultar. Un arquitecto de datos diseña la estructura general de los sistemas de datos de la organización. Un responsable de la calidad y gestión de datos se ocupa de la calidad, las definiciones compartidas y las normas de acceso. Estas responsabilidades abordan distintas capas del mismo ecosistema.

Un analista de datos recopila, limpia, investiga y presenta datos para responder preguntas específicas. Los informes, gráficos y recomendaciones son productos habituales. Analista de marketing, analista de operaciones y analista de salud nombran ámbitos en los que se aplica este trabajo.

Haz útiles los informes periódicos y los modelos

Un analista o desarrollador de inteligencia de negocios (BI) crea y mantiene informes periódicos y paneles de control. El resultado proporciona acceso continuo a cifras, como las ventas por región cada lunes. Un analista de datos también puede crear un panel de control; la distinción es un enfoque habitual, no un permiso exclusivo para realizar la tarea.

Un científico de datos utiliza estadística, programación y aprendizaje automático para crear modelos de resultados o patrones complejos, y diseña experimentos para probar cambios. Un ingeniero de aprendizaje automático incorpora los modelos a software operativo y los mantiene en funcionamiento. Crear un modelo y operarlo de forma fiable son responsabilidades relacionadas con distintas exigencias prácticas.

Sigue el paso del trabajo entre perfiles en una pregunta

Un servicio de transmisión en línea quiere comprender las cancelaciones. El ingeniero de datos incorpora diariamente al almacén los registros de facturación y visualización. El analista de datos descubre que las cancelaciones son más altas después de un cambio de precio y entre las personas que ven contenido menos de dos horas al mes. El desarrollador de BI añade las cancelaciones al panel semanal. El científico de datos crea un modelo que estima qué suscriptores probablemente cancelarán.

El analista habla del patrón con las partes interesadas y los especialistas en la materia. Las preguntas claras y las explicaciones sencillas importan porque quienes deciden deben comprender tanto el hallazgo como lo que este no puede establecer. Una correlación posterior a un cambio de precio es evidencia que debe investigarse, no una prueba automática de la causa.

En una organización pequeña, una persona puede realizar varios de estos trabajos; una organización más grande puede separarlos en equipos. En todos los perfiles, las personas deben proteger la información personal, utilizarla para finalidades adecuadas y comprobar si las conclusiones o acciones perjudican injustamente a determinados grupos.

Las hojas de cálculo hacen que una tabla sea visible y fácil de explorar. SQL recupera datos de bases de datos relacionales. Muchos proyectos utilizan SQL para seleccionar un resultado manejable y una hoja de cálculo para investigarlo, por lo que elegir uno no excluye el otro.

Interpreta una hoja y sus cálculos

Una hoja de cálculo como Excel, Google Sheets o LibreOffice Calc almacena valores en celdas. Las columnas tienen letras y las filas tienen números: B2 es la columna B, fila 2. Un rango como B2:B4 incluye B2, B3 y B4.

Una fórmula comienza con un signo igual y calcula un valor. Una función es un cálculo preparado que tiene un nombre, como SUM, AVERAGE, COUNT, MIN o MAX. =SUM(B2:B4) suma tres celdas. Las referencias permiten que las fórmulas se recalculen cuando cambian los valores de entrada.

Coloca las tiendas A, B y C de la panadería en las filas 2–4, las cantidades horneadas en B y las vendidas en C. En D2, =B2-C2 da los 420 panes desperdiciados de A a partir de 4200 horneados y 3780 vendidos. En E2, =D2/B2 da 0,1; el formato de porcentaje muestra 10 %. =SUM(B2:B4) da los 10 500 panes horneados de la cadena.

La ordenación ordena las filas según un campo, por ejemplo, del mayor al menor desperdicio. El filtrado muestra las filas que cumplen una condición, como solo las de la tienda C. Una tabla dinámica agrupa y resume registros, como el desperdicio total de cada tienda y día de la semana.

Lee una consulta SQL sencilla

Una base de datos relacional almacena tablas vinculadas mediante campos compartidos, como un número de cliente. SQL, lenguaje de consulta estructurada, solicita y gestiona datos en estos sistemas. Una consulta es una solicitud escrita:

SELECT shop, baked, sold
FROM daily_sales
WHERE shop = 'C';

SELECT indica las columnas devueltas. FROM indica la tabla. WHERE conserva solo las filas que cumplen la condición. Esta consulta devuelve shop, baked y sold para la tienda C y solo lee la tabla; no cambia los registros almacenados.

Los sistemas de bases de datos utilizan dialectos de SQL, incluidos PostgreSQL, MySQL, SQL Server, SQLite y BigQuery. Los comandos principales son compartidos, mientras que las funciones y los detalles pueden diferir.

Elige según el trabajo

Una hoja de cálculo es adecuada para un conjunto de datos pequeño o mediano, un cálculo rápido y puntual y un público acostumbrado a trabajar con archivos. SQL es adecuado para datos que ya están en una base de datos, tablas grandes y preguntas recurrentes. Una hoja de Excel tiene como máximo 1 048 576 filas y 16 384 columnas; un archivo de Google Sheets tiene como máximo 20 millones de celdas. Los archivos pueden volverse lentos antes de alcanzar un límite.

Copiar y sobrescribir manualmente puede ser difícil de repetir o auditar. La protección de hojas, los permisos y la validación pueden reducir errores. Una base de datos relacional añade columnas estructuradas, tipos y reglas para los registros compartidos. Ambos requieren un uso cuidadoso; sus estructuras y controles son diferentes.

La herramienta adecuada depende de la tarea, los datos y las personas que necesitan el resultado. Las herramientas de inteligencia de negocios hacen que las cifras sean accesibles a lo largo del tiempo. Python y R permiten a los analistas escribir pasos de procesamiento y análisis que pueden repetirse, incluido el trabajo demasiado grande para una hoja de cálculo.

Ofrece una vista continua

Las herramientas de BI y visualización, como Tableau, Power BI y Looker Studio, se conectan a hojas de cálculo, bases de datos y servicios en la nube. Transforman los registros en gráficos y paneles de control interactivos. Un panel de control reúne cifras clave y gráficos en una sola pantalla para supervisar una situación.

La actualidad depende de la conexión y del proceso de actualización. Un panel que utiliza datos importados puede mostrar los valores de ayer hasta que se complete una actualización programada o manual. Una conexión en vivo puede consultar los datos actuales de la fuente, pero es posible que la vista mostrada también necesite actualizarse. Comprueba la actualidad antes de interpretar la cifra mostrada.

Un panel de ventas actualizado cada mañana puede permitir a los directivos filtrar por región, producto y fecha por sí mismos. Es adecuado para una pregunta recurrente compartida por muchas personas. Crear una nueva presentación puntual cada mañana exigiría al analista repetir un trabajo que el panel puede realizar.

Repite trabajos complejos con código

Python es un lenguaje de programación de propósito general que se utiliza para software, automatización y aprendizaje automático, además de análisis. Bibliotecas como pandas manejan tablas y Matplotlib crea gráficos. R se diseñó para estadística y gráficos; ggplot2 y tidyverse son complementos habituales, y RStudio es un entorno común para utilizarlo.

Ambos lenguajes pueden cargar, limpiar, analizar y visualizar datos. Un script puede ejecutarse con nuevos datos de entrada sin repetir modificaciones manuales. Un cuaderno computacional, como Jupyter, combina código, resultados y texto explicativo en un solo documento.

La reproducibilidad significa que otra persona puede repetir el análisis y obtener el mismo resultado. El código ayuda al registrar sus pasos, pero un script compartido no basta si el analista también modificó los datos manualmente. Incluye todos los pasos de procesamiento, los datos de entrada, las versiones de software y la configuración necesarios para la ejecución.

Construye una cadena de herramientas adecuada

Para la pregunta puntual de un directivo sobre las ventas regionales a partir de una exportación de 2000 filas, una tabla dinámica en una hoja de cálculo puede ser suficiente. Para las cifras semanales de un equipo procedentes de una base de datos, SQL alimentando un panel de BI cubre una necesidad recurrente. Para 40 millones de lecturas de sensores que se limpian y modelan cada mes, Python o R pueden apoyar el procesamiento a gran escala, con SQL para extraer los registros cuando sea necesario.

Pregunta dónde están los datos, qué tamaño tienen, con qué frecuencia se repite el trabajo, quién utilizará el resultado, si otras personas deben comprobarlo y qué admite la organización. Una herramienta complicada no puede compensar una pregunta poco clara o registros poco fiables.

Los asistentes de IA pueden sugerir fórmulas, consultas o resúmenes en muchas herramientas. Contrasta una sugerencia con los datos y entiende qué hace antes de confiar en ella; un resultado que parece convincente todavía puede utilizar el campo, el filtro o el cálculo equivocado.