Descriptive Analytics
No hay unas “analíticas universales” que sirvan para todos los casos. Tradicionalmente, se trabajaba con herramientas de análisis que operaban de forma reactiva. Herramientas que permitían generar informes o visualizaciones sobre “lo que ha sucedido en el pasado”, pero que no daban ninguna pista sobre posibles oportunidades de negocio o problemas que pudieran surgir en el futuro. Por ello se puso de manifiesto la necesidad de evolucionar, en los procesos de análisis, de unas Analíticas Descriptivas hacia unas Analíticas Predictivas. De unas analíticas lineales, en un entorno controlado hacia unas aplicadas a un mucho menos estructurado entorno real: Data Science Analytics.
¿Qué son las Analíticas Descriptivas? Es la técnica analítica más básica, y todavía hoy, la usada por el 90% de las empresas. Este tipo de analítica responde a la pregunta ¿Qué ha pasado?- Analiza datos históricos y datos recogidos en tiempo real para generar Insights sobre cómo han funcionado estrategias de negocio en el pasado, por ejemplo, una campaña de marketing.
Objetivo: Identificar las causas que motivaron un éxito o fracaso en el pasado para comprender cómo pueden afectar al futuro.
Se basan en: Funciones agregadas estándar de las bases de datos. Requieren un nivel matemático básico.
Ejemplos: Este tipo de métricas se usan para social analytics y son el resultado de operaciones aritméticas básicas (tiempo promedio de respuesta, porcentaje de vistas de página etc). Número de seguidores, likes, posts, fans…
Aplicación: Usar las herramientas de Google Analytics para analizar si una campaña promocional ha funcionado bien o no, usando parámetros básicos como el número de visitas de una página.
La inteligencia de las cosas transforma a las empresas
Unimos las capacidades de IoT, Big Data e Inteligencia Artificial para ofrecer una tecnología que conecta aún más las cosas con las personas. Una conexión que nos acerca y nos inspira nuevas y mejores soluciones para todos.