Introducción

Introducción

1. ¿Para qué?

   • Obtener conocimiento valioso para la toma de decisiones estratégicas (en el negocio) a partir de un análisis matemático-estadístico-algorítmico de datos.

2. Relación con otras disciplinas

   • Big Data
     • Volumen, velocidad y variedad de los datos
   • Descriptiva
     • Determinar acciones
     • Determinar problemas
     • Reportes de frecuencias
   • Predictiva
     • Determinar qué pasa
     • Qué pasa si se realiza un cambio en el proceso
     • Qué va a pasar
     • Cómo obtener los mejores resultados

3. Metodología

   • CRISP-DM
     • Entendimiento del Negocio
       • KPI
         • Sirve para determinar si se logra o no un objetivo de negocio
       • Definir criterio de éxito de negocio
       • Apuntar los objetivos hacia un KPI
     • Entendimiento de los datos
       • Recolección e integración
         • Censo, Muestreo, Experimento
           • Es dificil tener datos representativos
             • Usar aleatoriedad
             • Dividir datos de entrada en 2
               • Creación del modelo
               • Verificación de resultados
       • Descripción de los datos
         • Estructura
           • Tablas. Casos: Fila, Variable: Columna
           • Granulardad: jerarquía
           • Temporalidad: niveles de evolución
           • Geografía: definidos por estructura espacial
         • Preguntas descriptivas
           • Sentido de negocio
           • Posibles técnicas con esos datos
           • Conocimiento que se obtiene con esos datos
         • Inventario de variables
           • Categóricas
             • Nominales
             • Ordinales
           • Escalares
             • Continuas
             • Discretas
           • Binarias
             • Porcentajes
       • Exploración de los datos
         • Univariado
           • Tendencia Central
             • Detectar valores usuales/posibles de una variable
             • Medidas
               • Media
                 • Sensible a que los valores tengan mucha diferencia
               • Mediana
                 • Valor de la mitad. No es sensible a las diferencias
               • Moda
                 • Dato que más se repite
           • Disperción
             • Detectar la variabilidad de una variable
             • Medidas
               • Varianza
                 • Distancia con la media al cuadrado
               • Desviación
                 • Distancia con la media
               • Coef. Variación
                 • Magnitude de la SD
                   • Desviación respecto a la media
           • Forma
             • Detectar inclinaciones, picos, valles, sesgo
             • Medidas
               • Kurtosis
                 • Concentración de valores al rededor del centro
                   • +Cerca Media - Lejos Media
                 • Sesgo
                   • Mide la cola. Qué tan simétrica es la muestra
               • Asimetria
                 • Simétrica
                   • Moda=Media=Mediana
                 • Asi. Positiva
                   • Moda<Mediana<Media
                 • Asi Negetiva
                   • Moda>Mediana>Media
           • Estructura funcional de la variable. Ver modelos generativos
           • Cuaniles
             • Dividir la distribución
         • Multivariado
           • Asociar entre variables
           • Buscar desigualdades
           • Correlación
           • Diferencias en las distribuciones de cada variable
           • Escalar-Categorica
             • Descriptivos dividiso
           • Categórica-Categórica
             • Tabla cruzada
           • Escalar-Escalar
             • Correlación
       • Verificación de calidad
         • Detección de atípicos
           • Remover
           • Reemplazar
           • Transformar
           • Estudiar aparte
         • Datos perdidos
           • Eliminar casos/variables
           • Nueva categoría
           • Darles nuevo valor
             • Media,Moda,Mediana
     • Preparación de datos
       • Seleccionar
       • Transformar
       • Cambiar de formato
     • Modelado
       • Selecionar técnica
         • Supervisado
         • No supervisado
         • Depende de lo que requiere el negocio
           • Relacionado con los KPI
     • Evalación
       • Determinar si se cumplen o mejoran los KPI
     • Despliegue
       • Reporte final
         • Qué se va a hacer

4. Visualización

   • Pertence a la fase de exploración de los datos
   • Gráficos
     • Diagrama de barras
       • Frecuencias de una variable
         • Categórica/Escalar
     • Histogramas
       • Tabla de frecuencias
         • Variables escalares continuas
       • Puede variar el ancho de las barras
       • Complementar información de kurtosis y asimetría
     • Densidad
       • Toma el histograma y muestra una línea de ajuste
       • Analizar forma de la distribución
     • Caja y bigotes
       • Utiliza los cuartiles
       • Permite ver atípicos
       • Simetría de la disribución
     • Violín
       • Forma de la distribución
       • Concentración de los datos
       • Comparar grupos de datos
   • Multivariado
     • Nominal-Nominal
       • Tabla cruzada
         • Gradico de mosaico
         • Barras
         • Tortas
     • Nominal-Escalar
       • Diferencias en valores de tendencia central
       • Caja y Bigotes/ Mosaicos/ Barras de error
       • Revisar valores extremos
     • Escalar-Escalar
       • Gráfico de disperción
         • Entender la relación entre las variables
         • Hasta qué puntos las variables están relacionadas
         • Forma de la función que las relaciona
         • Ver extremos