Analítica descriptiva

Analítica descriptiva

El análisis descriptivo es una etapa preliminar del procesamiento de datos que crea un resumen de datos históricos para proporcionar información útil y posiblemente preparar los datos para su posterior análisis. La minería de datos y los métodos de agregación de datos organizan los datos y permiten identificar patrones y relaciones entre ellos que de otro modo no serían visibles. Se aplican queries, informes y visualización de datos para obtener información valiosa.

A través de la analítica descriptiva podemos:

Detectar

Detectar, por ejemplo, qué productos o servicios se venden mejor y en qué regiones.

Visualizar

Visualizar dónde están las personas que escriben sobre un tema específico a través de las redes sociales y cuán influyentes son.

Observar

Observar la evolución histórica de las demandas de un producto o servicio en particular, para diferentes períodos de tiempo.

Identificar

Identificar qué noticias se están convirtiendo en tendencias en las redes sociales.

Calcular

Calcular y visualizar diferentes KPIs que sumarizan el estado del negocio y advierten sobre posibles problemas.

Revelar

Averiguar qué empleados tienen un mejor rendimiento y cuán influyentes son en la empresa.

Un indicador clave de rendimiento (KPI) es un valor medible que demuestra la eficacia con la que la empresa está logrando sus objetivos comerciales. Las organizaciones usan KPIs en distintos niveles para evaluar su éxito. Los KPIs de alto nivel pueden centrarse en el rendimiento general de la empresa, mientras que los KPIs de bajo nivel pueden centrarse en procesos particulares de departamentos como ventas, marketing o un call center.

¿Como funciona?

La analítica descriptiva se basa en trabajar en un sistema de almacenamiento donde se concentran todos los datos relevantes del negocio. Este sistema puede ser un medio de archivos distribuidos al estilo Hadoop y derivados, bases de datos NoSQL o sistemas SQL más tradicionales; depende de la cantidad y complejidad de los datos a gestionar. En esta capa de almacenamiento, se implementan tecnologías de procesamiento de datos, tanto en batch como en streaming, que permiten realizar agregaciones y consultas necesarias para el análisis.

Una vez que se implementa la plataforma tecnológica, se aplican diferentes estrategias de visualización de datos para resumir el estado del negocio. En colaboración con el cliente, se puede definir una serie de métricas clave o KPIs calculados sobre los datos, ya sea para visualizarlos o para definir una serie de reglas sobre ellos, de tal manera que generen advertencias automáticas cuando se desvíen de los valores esperados.

Case Study: Coca-Cola Enterprises: Crece la sed por la analítica en recursos humanos

Existen numerosos ejemplos en los cuales el equipo de ciencia de datos se asocia con el equipo de recursos humanos para producir información que ayuda a desarrollar procesos más eficientes y mejorar resultados. La obtención de información valiosa más allá de las encuestas estándar, le ayudó a CCE a conocer el sentimiento de sus empleados y de sus clientes con respecto a los productos y las costumbres de la organización.

Beneficios de la analítica descriptiva

Ejemplos
El análisis descriptivo puede beneficiar a gerentes al mostrar datos en gráficos o informes. Estos documentos ayudan a responder preguntas sobre presupuestos, ventas, ingresos y costos. ¿Cuánto vendimos en cada región? ¿Cuáles fueron nuestros ingresos y ganancias el último trimestre? ¿Cuántos y qué tipos de quejas resolvimos? ¿Qué fábrica tiene la productividad más baja? El análisis descriptivo también ayuda a las organizaciones a clasificar a los clientes en diferentes segmentos, lo que les permite desarrollar campañas de marketing y estrategias publicitarias específicas.

El conglomerado Dow Chemical usó el análisis descriptivo para aumentar la utilización de las instalaciones en sus oficinas y laboratorios en todo el mundo. La compañía identificó el espacio subutilizado, aumentando en última instancia el uso de las instalaciones en un 20 por ciento y generando un ahorro anual de aproximadamente 4 millones de dólares en consolidación de espacios.

Wal-Mart extrae terabytes de datos nuevos cada día y petabytes de datos históricos para descubrir patrones en las ventas. Wal-Mart analiza millones de palabras clave de búsqueda en línea y cientos de millones de clientes de diferentes fuentes para observar ciertas acciones. Por ejemplo, Wal-Mart examina lo que los consumidores compran en las tiendas y en línea, las tendencias en Twitter y cómo el Mundial de Fútbol y el clima afectan los patrones de compra.

Después de la analítica descriptiva
La analítica descriptiva es importante y útil, pero su aplicación es mucho más fuerte en combinación con la analítica predictiva y prescriptiva. Una vez que se entienden los eventos y patrones pasados, es natural querer usar esa información para predecir lo que probablemente sucederá y lo que una empresa debería hacer. Las empresas deben hacer la transición del análisis descriptivo al análisis predictivo y prescriptivo para aprovechar al máximo sus datos.

Por ejemplo, el análisis de recursos humanos puede examinar cuánto tiempo han permanecido ciertos empleados en una empresa, su salario, cuántos días estuvieron ausentes en un año y compararlo con el rendimiento. El uso de indicadores demográficos y de rendimiento simples puede ayudar a predecir cuánto tiempo permanecerá en la empresa un empleado con ciertas cualidades. Las organizaciones también pueden establecer mejores prácticas basadas en estos conocimientos.

Contáctenos para más información