Análisis de datos y su tipo

La analítica es el descubrimiento y la comunicación de patrones significativos en los datos. Especialmente valioso en áreas ricas en información registrada, el análisis se basa en la aplicación simultánea de estadísticas, programación de computadoras e investigación operativa para calificar el desempeño. Los análisis a menudo favorecen la visualización de datos para comunicar información. 

Las empresas comúnmente pueden aplicar análisis a los datos comerciales para describir, predecir y mejorar el desempeño comercial. Especialmente, las áreas dentro incluyen análisis predictivo, gestión de decisiones empresariales, etc. Dado que los análisis pueden requerir un cómputo extenso (debido a los grandes datos), los algoritmos y el software utilizados para el análisis aprovechan los métodos más actuales en informática. 

En pocas palabras, el análisis es el proceso científico de transformar datos en información para tomar mejores decisiones. El objetivo de Data Analytics es obtener información procesable que resulte en decisiones más inteligentes y mejores resultados comerciales. 

Es fundamental diseñar y construir un almacén de datos o una arquitectura de Business Intelligence (BI) que proporcione un ecosistema analítico flexible y multifacético, optimizado para la ingesta y el análisis eficientes de conjuntos de datos grandes y diversos. 

Hay cuatro tipos de análisis de datos: 

1. Predictivo (pronóstico)
2. Descriptivo (inteligencia de negocios y minería de datos)
3. Prescriptivo (optimización y simulación)
4. Análisis de diagnóstico

Análisis predictivo: el análisis predictivo convierte los datos en información valiosa y procesable. el análisis predictivo utiliza datos para determinar el resultado probable de un evento o la probabilidad de que ocurra una situación. 

El análisis predictivo contiene una variedad de técnicas estadísticas de modelado, máquina, aprendizaje, minería de datos y teoría de juegos que analizan hechos actuales e históricos para hacer predicciones sobre un evento futuro. Las técnicas que se utilizan para el análisis predictivo son: 

• Regresión lineal
• Análisis y pronóstico de series de tiempo
• Procesamiento de datos

Hay tres pilares básicos del análisis predictivo:

• Modelado predictivo
• Análisis de decisiones y optimización
• Perfil de transacción

Análisis descriptivo: el análisis descriptivo analiza los datos y analiza eventos pasados ​​para obtener información sobre cómo abordar eventos futuros. Examina el rendimiento pasado y comprende el rendimiento mediante la extracción de datos históricos para comprender la causa del éxito o el fracaso en el pasado. Casi todos los informes de gestión, como ventas, marketing, operaciones y finanzas, utilizan este tipo de análisis. 

El modelo descriptivo cuantifica las relaciones en los datos de una manera que a menudo se usa para clasificar a los clientes o prospectos en grupos. A diferencia de un modelo predictivo que se enfoca en predecir el comportamiento de un solo cliente, el análisis descriptivo identifica muchas relaciones diferentes entre el cliente y el producto. 

Ejemplos comunes de análisis descriptivos son los informes de la empresa que proporcionan revisiones históricas como: 

• Consultas de datos
• Informes
• Estadísticas descriptivas
• Tablero de datos

Análisis prescriptivo: el análisis prescriptivo sintetiza automáticamente big data, ciencia matemática, reglas comerciales y aprendizaje automático para hacer una predicción y luego sugiere una opción de decisión para aprovechar la predicción. 
El análisis prescriptivo va más allá de predecir resultados futuros, ya que también sugiere que la acción se beneficia de las predicciones y muestra al tomador de decisiones las implicaciones de cada opción de decisión. Prescriptive Analytics no solo anticipa lo que sucederá y cuándo sucederá, sino también por qué sucederá. Además, Prescriptive Analytics puede sugerir opciones de decisión sobre cómo aprovechar una oportunidad futura o mitigar un riesgo futuro e ilustrar la implicación de cada opción de decisión. 
Por ejemplo, Prescriptive Analytics puede beneficiar la planificación estratégica de la atención médica mediante el uso de análisis para aprovechar los datos operativos y de uso combinados con datos de factores externos, como datos económicos, demografía de la población, etc. 

Análisis de diagnóstico: en este análisis, generalmente usamos datos históricos sobre otros datos para responder cualquier pregunta o para la solución de cualquier problema. Intentamos encontrar cualquier dependencia y patrón en los datos históricos del problema particular. 

Por ejemplo, las empresas optan por este análisis porque brinda una gran perspectiva de un problema y también mantienen información detallada sobre su disposición; de lo contrario, la recopilación de datos puede resultar individual para cada problema y llevará mucho tiempo. Las técnicas comunes utilizadas para el análisis de diagnóstico son: 
 

• Descubrimiento de datos
• Procesamiento de datos
• Correlaciones