Resumir y presentar las características fundamentales de un conjunto de datos para entenderlos históricamente (saber qué pasó) de forma simple.
Concepto
Temporalidad
Pasado - ¿Qué pasó?
Analizar pautas y tendencias como: – El promedio de ventas del último año. – El número de empleados por estado o sucursal. – El producto más vendido en el trimestre.
Puedes…
– Medidas de tendencia central: Media, mediana y moda. – Medidas de dispersión: Desviación estándar y varianza.
Métodos
– Tablas. – Histogramas. – Gráficos de barras, circulares.
Visualizaciones
Proceso donde se examinan, limpian y transforman los datos descritos para encontrar patrones y tendencias que ayuden a obtener información útil que guíe decisiones futuras.
Concepto
1. Descriptivo - Qué pasó (pasado) 2. Diagnóstico - Por qué pasó (presente) 3. Predictivo - Qué podría pasar (futuro - detección temprana de necesidades) 4. Prescriptivo - Qué podemos hacer al respecto (futuro - planteamiento de estrategias)
Tipos (temporalidad)
– Comparar grupos. – Identificar patrones. – Detectar anomalías. – Interpretar qué podrían significar esos resultados en un contexto real.
Puedes...
– Definición de objetivos y preguntas. – Recopilación. – Limpieza y preparación. – Análisis. – Interpretación. – Visualización de datos.
Proceso
Herramientas
Python, R, SQL, Tableau, Julius, Data Analyst de ChatGPT.
Se refiere a transformar datos crudos en conocimiento útil para resolver problemas, predecir resultados y tomar decisiones informadas:
Carga tu base Limpia tu base de datos, entra al GPT Data Analyst y carga el archivo en una conversación nueva.
Comienza a preguntar El tipo de preguntas que hagas determinará la calidad del resultado. Podemos pensar las preguntas en tres niveles diferentes: descriptivas, comparativas y analíticas.
PROMPT: Dime 10 preguntas interesantes que podrían responderse con este dataset y explícame porque sería valiosa cada una de ellas.
De estas maneras, ChatGPT-5 puede ayudarte a generar distintos tipos de insights: comparativos, tendenciales, de concentración y/o explicativos.
O bien, puedes pedirle a ChatGPT una lluvia de ideas de preguntas sobre nuestros datos.
Supervisa tus hallazgos y haz iteraciones Es importante recordar que estos insights son hipótesis basadas en datos, no conclusiones absolutas por lo que estos resultados requieren de tu supervisión e iteración en caso de ser necesario.
1. Ten una pregunta clara. 2. Construye primero una tabla resumen. 3. Elige el tipo de visualización adecuado a tu análisis. 4. Pide al modelo que la construya estableciendo las variables (filas y columnas) y parámetros. 5. Pide explícitamente una interpretación.
Recuerda que el objetivo final no es mostrar números, sino comunicar insights.
Una buena práctica es acompañar cada tabla o gráfica con: Una frase que explique qué se observa. Una frase que indique por qué importa.
En este caso, se observa que la fortaleza principal de los cursos reside en su eficiencia y la solidez del material. Esto nos permite inferir que los usuarios perciben que los cursos son concisos y que la información es valiosa. Para mantenernos vigentes y en crecimiento, podemos mantener y proteger estas características a lo largo del tiempo como dos de nuestros diferenciadores más importantes.
Quedarse en la descripción creyendo que se está analizando la información. Vivir sacando sólo promedios. Generar muchas gráficas sin propósito. Confundir correlación con causalidad. No explicar qué significan los resultados.