Cuatro perspectivas sobre el arte del análisis de datos - DATAVERSITY

Cuatro perspectivas sobre el arte del análisis de datos – DATAVERSITY

Marca de tiempo: 12 de enero de 2024 3:25 a. M.
Nodo de origen: 3059543

Como profesionales de la ciencia de datos, a menudo se nos considera personas que sacan conclusiones basadas únicamente en datos y minimizan otros factores. Esta percepción suele volverse polémica cuando las ideas y la evidencia de los datos son inconsistentes con la “hipótesis” de otra persona. O nos sentimos confundidos y tal vez frustrados cuando el análisis “cualitativo” triunfa sobre el cuantitativo. La próxima vez que sienta esta frustración, considere estas cuatro perspectivas sobre el análisis de datos para validar y considere otros puntos de vista para que pueda intentar encontrar puntos en común:  

1. "Valores atípicos, igualdad de oportunidades".  

Los valores atípicos se presentan en un conjunto de datos como anomalías. Quizás los valores atípicos sean ruido, pero quizás sean especiales. 

Los valores atípicos podrían ser conocimientos únicos, tendencias emergentes o segmentos interesantes. En la investigación médica, un valor atípico podría indicar un efecto secundario poco común pero potencialmente mortal de un medicamento. En el caso de los datos de los clientes, un valor atípico puede ser un nicho de clientes valioso que aún no se ha abordado. Los valores atípicos podrían ser una tendencia emergente. El color rosa comenzó como un caso atípico, pero rápidamente se convirtió en la opción de moda más popular. 

Antes de descartar los valores atípicos como ruido, utilícelos para generar preguntas y curiosidad:   

  • ¿El valor atípico apunta a una oportunidad?   
  • ¿Por qué existe el valor atípico?   
  • Si pudiera cambiar la marca de tiempo de su conjunto de datos, ¿cómo podría afectar eso a los valores atípicos? 
  • ¿Tendrías que asumir si hay más valores atípicos?  
  • ¿Qué nos dice un valor atípico sobre el sistema o proceso que se analiza?    
  • ¿Qué se necesitaría para que un valor atípico se convierta en un perfil o segmento distinto?  

Comprender los valores atípicos puede conducir al desarrollo de productos innovadores, identificar nuevas oportunidades de mercado y reconocer riesgos potenciales. En campos como las ciencias ambientales o la economía, los valores atípicos pueden indicar cambios importantes en los patrones, como cambios climáticos repentinos o crisis financieras. Los valores atípicos tienen el potencial de transformar la forma en que vemos e interpretamos los datos, transformándolos de puntos de datos incomprendidos a valiosas joyas de información. 

2. “Una vez es casualidad. El doble es una coincidencia. Tres veces es acción enemiga”. -Dedo de oro  

¿Alguna vez te has preguntado por qué otros se sienten cómodos haciendo “basada en datos¿Decisiones con información muy limitada? Más puntos de datos nos dan a todos más confianza y mayor precisión, pero a veces necesitamos actuar rápidamente.  

Más recientemente, OpenAI lanzó ChatGPT a pesar de sus fallas, mientras que otros que tenían productos similares esperaron para aumentar su nivel de confianza en la precisión de las respuestas. Cuando crea que alguien está tomando una decisión basada en datos con bajos niveles de confianza y precisión limitada, considere el costo del tiempo. Es posible que el enemigo esté disparando. 

3. “No todo lo que cuenta se puede contar, y no todo lo que se puede contar cuenta”. –comúnmente atribuido a Albert Einstein 

En otras palabras, “aprecio tu análisis de datos, pero lo que pienso o escucho es más importante. No se puede contar ni medir”. 

¿Cómo respondes? En esta situación es donde necesitas ser creativo.   

Por ejemplo, el comportamiento del cliente, incluido el sentimiento del cliente, la lealtad a la marca y las tendencias impulsadas por cambios culturales, puede ser intangible y difícil de cuantificar. Si solo tiene datos de comportamiento en línea, utilice otros métodos para acceder a nuevas fuentes de datos, como programas de prueba, encuestas, análisis de sentimiento social, etnografía en línea o investigaciones primarias de clientes que regresen a lo básico.  

Quizás nada sea definitivo, pero es la combinación y coherencia de diferentes métodos y fuentes lo que apunta a una conclusión consistente.  

4. “¿Correlación es igual a causalidad?”  

Sustituir la causalidad por correlación puede conducir a una toma de decisiones equivocada cuando se hace sin conciencia. Sin embargo, hay situaciones en las que sólo tenemos acceso a datos de correlación. En estos casos, es fundamental examinar si la correlación es mera coincidencia o si existe una causa subyacente válida. 

Por ejemplo, considere el desafío de medir la atribución del gasto en marketing y analizar las actividades de ventas. Se trata de tareas complejas sin un vínculo causal directo. Se podría observar una tasa de cierre del 90% cuando los clientes visitan la oficina de un proveedor para recibir información, pero es importante no sacar conclusiones precipitadas y asumir causalidad. Más bien, se necesita un enfoque más matizado.  

Tras un examen más detenido, resulta evidente que la alta tasa de cierres no es el resultado de simplemente programar sesiones informativas para los clientes para cada interacción de ventas. En cambio, las interacciones mismas crean en los clientes el deseo de asistir a estas sesiones informativas, lo que posteriormente conduce a una alta tasa de cierre. Este ejemplo ilustra la fusión del arte y la ciencia en Analytics – un proceso que implica comprender la dinámica subyacente y no depender únicamente de correlaciones superficiales. 

A todos nos gustaría tener la confianza estadística de muchos datos con el conjunto de datos ideal. La realidad es que, a veces, debemos ser creativos e imaginativos y examinar valores atípicos, correlaciones y conjuntos de datos alternativos. O, a veces, no hay tiempo y es necesario actuar con datos limitados. 

Sello de tiempo:

Mas de VERSIDAD DE DATOS