Vous êtes sur la page 1sur 3

Etapas del análisis del Big Data

El principal objetivo del Big Data es que la información tenga valor agregado, y
para ello se realizan las siguientes etapas de análisis:

Análisis descriptivo

Es la primera etapa del análisis, utiliza los datos históricos, identificando


comportamientos y analizando comportamientos pasados, llegando así a
identificar cómo está nuestro negocio hasta la fecha, permitiendo obtener una
visión de lo que ha pasado y está pasando. Hay varias herramientas que nos
permiten datos del pasado:

 tablas
 gráficos
 estadísticas

Análisis predictivo

Es la segunda etapa del análisis, utiliza los datos ya analizados y utilizados en el


análisis descriptivo para realizar predicciones basadas en los datos. En este
proceso se hace uso de los datos junto con técnicas analíticas, estadísticas y
de aprendizaje automático a fin de crear un modelo predictivo para predecir
eventos futuros, es decir, crear una predicción cuantitativa sobre el futuro. Por
ejemplo, ¿qué posibilidad existe de que este cliente no pueda pagar un
préstamo?

El análisis predictivo empieza con un objetivo comercial: utilizar los datos para
reducir los residuos, ahorrar tiempo o reducir costes. El proceso emplea conjuntos
de datos heterogéneos, a menudo masivos, en modelos que pueden generar
resultados claros y permiten actuar sobre ellos con el objetivo de lograr el
resultado en cuestión, ya sea reducir los materiales de desecho, reducir el
inventario o fabricar productos que coincidan con las especificaciones.
El análisis predictivo se refiere al uso de aprendizaje automático supervisado. A
efectos prácticos, normalmente consta de estos pasos:

1. Decidir qué es lo que queremos predecir en el futuro. Por ejemplo, predecir


la probabilidad de que un cliente haga click en un anuncio de Internet.
2. Decidir en qué datos van a estar basadas estas predicciones (atributos
relevantes). Por ejemplo, historial de compras, productos que ha buscado,
productos que normalmente se compran juntos, etc.
3. Darle a la Inteligencia Artificial datos históricos. Debemos incluir tanto los
atributos relevantes como el resultado que obtuvimos.
4. Como estamos interesados en predecir, tenemos que estar seguros que la
IA no haya aprendido los datos de memoria. Es importante estar seguros
que «ha entendido» los datos, es decir, que ha extraído un modelo que
refleja la relación entre los datos de entrada y los resultados a predecir.
Para estar seguros tendremos que medir la generalización del modelo y
realizar un análisis de errores.
5. Una vez que tenemos un modelo de IA del que nos podemos fiar, sólo nos
queda usarlo para predecir. Siguiendo el ejemplo anterior, podemos calcular
la probabilidad de que un usuario haga click en varios anuncios. Después
podemos ordenar los anuncios, de mayor a menor probabilidad, y mostrar
los más probables.

Análisis prescriptivo
Es la tercera y última etapa del análisis, toma como base todo el conocimiento y
técnicas de las analíticas descriptiva y predictiva (clasificación, predicción y
segmentación), lo que lo diferencia del análisis predictivo es que el análisis
prescriptivo va más allá de predecir los resultados futuros, ya que recopila
información del negocio, predice en base a dicha información que impacto tendrán
las diferentes acciones o decisiones que se toman en busca del beneficio máximo
mediante un proceso de optimización y mostrar las consecuencias futuras de cada
decisión o acción elegida.

El análisis prescriptivo tiene beneficios como:


 Optimización de procesos, campañas y estrategias.
 Reduce al mínimo las necesidades de mantenimiento y las entrelaza a
mejores condiciones.
 Reduce los costos sin afectar el rendimiento.
 Aumenta la probabilidad de que las empresas enfoquen y planifiquen de
forma adecuada el crecimiento interno.

Gracias a la información obtenida a través del análisis prescriptivo, es posible que


las empresas tomen decisiones futuras como:

 Calcular las ventas previas de un producto con el propósito de determinar el


número de reposiciones.
 Conocer la tendencia de los clientes sobre ciertos productos para lanzar las
campañas de marketing, según las necesidades de los usuarios.
 Predecir los fallos en el equipo, lo que previene a realizar mantenimientos
en el momento oportuno.
 Conocer los hábitos de compra y la puntualidad de pago de los clientes
para determinar si es adecuado otorgarle un crédito.