YUJUASHH

Teoría: Entendamos
el inicio del BI
Elaborado por: Ing. Melisa Tesillo Diaz
Documento elaborado por Ing. Melisa Tesillo Diaz

contactenos@damabyw.tech
+573004824207
210713
Speaker:
Melisa Tesillo Diaz
Barranquillera
Ingeniera Industrial
Gerente Oficina Manar en Barranquilla
Leo, viajo, estudio, estar en familia.
LinkedIn: https://bit.ly/2PWXU7L
Documento elaborado por Ing. Melisa Tesillo Diaz Documento elaborado por Ing. Melisa Tesillo Diaz
contactenos@damabyw.tech damabyw@gmail.com-+573004824207-210320
+573004824207
210713
Trayectoria Profesional/Académica
2017-Medellín/
2007-Barranquilla 2011-Barranquilla 2020 -Barranquilla
2010-Barranquilla 2012-Bogotá
Instituciones Académicas

+573004824207
210713
Tabla de Contenido
01 02
Historia Habilidades
Donde comenzó todo Lo que se necesita
para sacarle mayor
provecho al BI
03 04
Ciclo de Madurez Retos
Evolución del análisis Barreras y
de datos dentro de las oportunidades
organizaciones

+573004824207
210713
01
Historia
Donde comenzó todo

+573004824207
210713
“Sin datos, solo eres
una persona más
dando su opinión”
William Edwards Deming
Padre de la calidad total

+573004824207
210713
Me gustan los datos porque son
neutrales y no hay juicios de valor,
solo hechos.
Ed Catmull
Presidente de Pixar
Es difícil analizarlos correctamente

y resulta peligroso dar por sentado
que siempre sabes lo que
significan.

+573004824207
210713
Deja que los
datos
conduzcan las
decisiones, no la
opinión de la
persona mejor
pagada. (HIPO)
+573004824207
damabyw@gmail.com-+573004824207-210320
210713
Que es tomar decisiones informadas
basadas en datos?
La habilidad de transformar información en conocimiento accionable y verificado para lograr tomar una
decisión de negocios.
1. Identificar los problemas
2. Preguntas marco
3. Recolección de datos requeridos
4. Transformación de datos a conocimientos
5. Transformación de conocimiento a decisiones
6. Comunicar y tomar acciones sobre las decisiones
7. Evaluar las decisiones

+573004824207
210713
Las Generaciones del BI
UN UN
UN UN TI
UN UN
TI
TI UN UN
Tercera
Segunda ● Democratizada
Primera ● Des-Centralizada
● Centralizada

+573004824207
210713
De que se compone el BI
Procesos Metodología Habilidades
Datos Analitica Conocimientos

Son la base de la Transforma los datos Impulsan acciones
nueva economía en conocimientos que transforman
empresas

+573004824207
210713
Qué buscamos con el BI
Las organizaciones en la actualidad requieren soluciones que democratice el
acceso los datos, con el fin que más personas, con diferentes niveles de formación,
puedan explorar libremente con la ayuda de Procesos y Tecnologías estructurados
que den solución a sus necesidades en un ambiente gobernado de información.
DIKIW en BI

+573004824207
210713
DICS en la estructura Organizacional
Alta Gerencia
Estratégico Quién: Juntas directivas, presidentes, gerentes generales
Que: Reportes estratégicos
Baja granularidad
Tableros de control
Gerencia Media
Táctico Quien: Gerentes de área, líderes de procesos, directivos
con personal a cargo
Que: Reportes gerenciales
Baja granularidad
Informes comparativos
Nivel Operativo
Operativo Quien: Ejecutivos, empleado
Que: Reportes operativos
Reportes estadísticos
alta granularidad
Fuente en los sistemas transaccionales
+573004824207
210713
Propulsores del valor empresarial
Proceso Inteligencia
Reinventado del cliente
Repensar completamente los procesos mediante la Capturar datos sobre el comportamiento y las
aplicación de datos y análisis de tal manera que preferencias del cliente, tanto expresadas como
aumenten drásticamente la calidad, reduzcan los observadas, para proporcionar experiencias más
costos y aceleran el tiempo de entrega. enriquecedoras, ofertas personalizadas y asegurar una
Ejemplos: relación leal a largo plazo.
1. Usar datos de punto de venta para pronosticar las Ejemplos:
necesidades de inventario y activar los procesos del 1. Analizar temas de redes sociales para predecir
proveedor mediante la automatización, lo que reduce tendencias de compra y patrones de consumo, y mapear
drásticamente el desperdicio de inventario y acelera el audiencias sociodemográficas y de comportamiento de
tiempo de comercialización de los productos en compra similares para adelantarse a la competencia y
demanda. aumentar los ingresos.
2. Usar IoT para monitorear dispositivos de punto final en 2. Uso de datos y análisis para mejorar el diseño de
una red de telecomunicaciones para predecir y optimizar ensayos clínicos y la selección de pacientes en las fases
la utilización de recursos en la red en función de patrones clínicas del proceso de I + D.
de tráfico específicos.

+573004824207
210713
Propulsores del valor empresarial
Nuevos
Riesgos/Beneficios
Negocios
equilibrados
Usar datos de nuevas formas para crear nuevos flujos de
monetización, ya sea directamente a partir de los datos Aumento de la confianza en los procesos de toma de decisiones
mismos o como un subproducto de la comprensión de los para optimizar los resultados comerciales y aumentar la agilidad
datos para descubrir nuevas oportunidades. sin incurrir en riesgos indebidos.
Ejemplos: Ejemplos:
1. Brindar servicios basados en información a clientes 1. Analizar los patrones de fraude para minimizar el riesgo, pero
financieros que les permita comprender mejor su abrir los servicios a una audiencia más amplia en función de un
panorama financiero mediante la combinación de datos rendimiento de riesgo / recompensa positivo, aumentando así los
de múltiples fuentes, incluidas sus propias tenencias ingresos y las ganancias.
financieras y datos de mercado de terceros. 2. Analizar los patrones de uso en los servicios públicos para
2. Monetización de los datos minoristas para los socios y identificar posibles intervenciones ilegales.
proveedores iniciales para brindarles una mejor
comprensión del gasto y las preferencias de los
consumidores.

+573004824207
210713
El impacto de los datos para el negocio

+573004824207
210713
Casos de uso por industrias/áreas
Inventario de la cadena de Selección de sitio para una
Retail
Análisis de canasta de Análisis de consumo de
suministro y disponibilidad nueva tienda
mercado canal digital
de productos
Disponibilidad de productos Eficiencia general del Potencial de mercado y

Manufactura e inventarios equipo cuota de mercado
Ventas Prospección, cuota y

canales
Análisis de clientes Análisis de productos Planificación de ventas
Ingresos y rentabilidad
Finanzas
Planificación y análisis Flujo de caja y balance
financiero

+573004824207
210713
Impacto de los datos en Retail
Impacto
de los
datos ejm
Retail

+573004824207
210713
Tipos de decisiones
No Programadas Programadas
que se pueden Una decisión única, que

no forma parte de una
Decisión recurrente,
rutina
rutina.
tomar con los
datos
Decisiones estratégicas Políticas: impacto
mayor, complejo
Invertir en una nueva
fábrica
Revisión anual del
portafolio de productos
Decisiones tácticas Procedimientos: Reemplazo de una Número de productos a

subgrupo de impactos máquina seleccionada producir el próximo mes
en la fábrica
Decisiones operativas Ejecución: pequeñas Cambio en el calendario Programar empleados

decisiones, puede ser de mantenimiento de las para la nómina de la
insignificante por sí sola, máquinas próxima semana
pero en conjunto es
importante

+573004824207
210713
Prioridades de los ejecutivos de la industria
(Oportunidades del BI)

+573004824207 Documento elaborado por Ing. Melisa Tesillo Diaz
210713 damabyw@gmail.com-+573004824207-210320
Storyboard del BI
Objetivos
Data Hallazgos Acciones Transformación
Rep procesos
Int Cliente
Nuev Op Bz
Estado Actual
Ries/Bene
Gap Estado Deseado
Personas
Complejidad en los empoderadas
datos Hallazgos
Subsets de datos
No gobierno Decisiones
Exploración Tecnología
Agilidad empresarial
limitada
Desconexión
Ventajas
Datos: Todos, combinados, gobernados

Tecnología: Escalable,embebida, Multi Cloud
Personas: Exploracion, IA, Data-Driven

Indicadores Claves por Perfil
• Jefe de datos / análisis / digital

Vicepresidente oficial, Dir Analytics o CFO • CIO, CTO • C-Level / GM / VP, Línea de negocio
BI Director de Finanzas • Vicepresidente de TI • Jefe funcional de nivel C /
KPI Vicepresidente de Finanzas KPI vicepresidente
• Precisión y puntualidad de los KPI • Seguridad general de los sistemas y KPI
informes • % Cuota de mercado almacenes de datos • Ingresos
• Seguridad / gobierno de los • Margen de beneficio • Tiempo de actividad general de los • Tasa de crecimiento
almacenes de datos • Ingresos sistemas y almacenes de datos • Margen de beneficio
• Disponibilidad / tiempo de actividad • Tasa de crecimiento de ventas • SLA internos y externos • Los gastos de explotación
del sistema de BI • Valor de las acciones • Tiempo para atender las solicitudes • Variaciones presupuestarias
• # ubicaciones y uso de fuentes de • Ingresos frente a objetivo comerciales (es decir, agilidad) • Cuota de mercado
datos • Costo operacional • Satisfacción del usuario de la unidad • Diversidad de desempeño
•% del presupuesto gastado en • Variación presupuestaria funcional y de negocio
cumplimiento de las regulaciones • Ingresos / empleado • Productividad del empleado
• Cumplimiento de SLA • Equilibrio de riesgo y recompensa • Costos (% de los ingresos gastados
• Tiempo de inactividad del sistema en TI)
• Adopción y actividad del usuario
final
• Promedio de tiempo de respuesta
del proyecto

02
Habilidades
Lo que se necesita para sacarle mayor provecho
al BI

+573004824207
210713
+573004824207
210713
+573004824207
210713
Pirámide DICS (DIKW)
Sabiduría
Aplicada: Enriquecida través de la
experiencia
S
Conocimiento
Contexto: Transformar vía experiencias
propias de creencias y valores
C
Información
Significado: Entender, agregar
significado, importancia y propósito
Datos
I
Datos crudos: Se adaptan a las
necesidades y capturan la atención del
público
D
+573004824207
210713
Qué entendemos por datos
Datos
Ordenado
Se puede identificar algún registro Se entienden las cantidades y tipos
Organizados Representados
visualmente
Se entienden las relaciones y sus detalles

Impacta y permite encontrar hallazgos que
habiliten nuevos escenarios.

+573004824207
210713
Tipos de datos
Datos
Continuos Categóricos Discretos

(Numéricos) (Descriptivos) (Limitados)
Internavlos Ratio Tiempo Nominal Ordinal

(Sin orden) (Ordenad)
Peso en Cualquier 8/19/2020 Acciones vs Bajo, medio, Números en

una balanza número 14:30:43 bonos alto una ruleta

+573004824207
210713
Data Literacy
De un tiempo a esta parte hemos empezado a hablar del concepto de DATA LITERACY. Una definición que podemos
usar para este término es la capacidad de transformar los datos en información relevante y hacer un uso acorde
de dicha información.
¿Por qué se está volviendo este concepto importante? Porqué a medida que las organizaciones quieren tomar
mejores decisiones se intentan fundamentar en datos y evidencias. Y ello se traslada a cada una de las personas que
participan en la organización y no sólo a los expertos en Business Intelligence, Business Analytics, Big Data o Data
Science.
● Conocer cuándo es apropiado usar un dato para un propósito específico.

a. Segmentación de clientes.
● Saber interpretar visualizaciones de datos, como gráficos y tablas.
a. Comprender qué significa un gráfico de dispersión.
● Aplicar el pensamiento crítico a la información derivada del análisis del dato.
a. Para evaluar cuándo una información que hemos recibido tiene sentido o no.
● Entender qué herramientas y métodos analíticos existen, y cuándo, cómo y dónde se pueden aplicar.
a. Conocer para qué sirve el análisis de afinidades.
● Reconocer cuando los datos han sido manipulados o mal interpretados.
a. Cuando se comunican los resultados de una empresa.
● Saber comunicar información respecto datos a personas sin las capacidades adecuadas.
a. Lo que frecuentemente se conoce como data storytelling

+573004824207
210713
Las habilidades en materia de datos son ahora
esenciales para casi todos los roles de cada
organización.
Las empresas necesitan más personas con la
capacidad de interpretar datos, extraer
perspectivas y hacer las preguntas correctas en
primer lugar.
La toma de decisiones basada en datos mejora
notablemente el rendimiento empresarial.
Si queremos organizaciones mejores, y ya
puestos a pedir, una sociedad mucho mejor, no
se trata tan solo de saber usar herramientas que
permiten capturar, procesar, almacenar, analizar
y visualizar datos.
Necesitamos personas con las capacidades, que
puedan analizar situaciones desde una
perspectiva crítica y sean partícipes de una
cultura analítica.

+573004824207
210713
Evaluación de decisiones Descubrimiento y
recopilación de datos
Colaboración
Pensamiento
Referencia crítico
Componentes Evaluación y garantía de
claves del Data Cultura la calidad de los datos y la

fuente.
Literacy
Ética
● Recolección de los
datos Habilidades y
Toma de
decisiones basada
en datos
● Evaluación de los datos Tener un
competencia Herramientas de
datos
entendimiento de
los datos
del Data
● Manejo de los datos Literacy
● Marco de trabajo Descubrimiento

y recopilación
de datos
conceptual Introducción a los
datos
● Aplicación de los datos Interpretación de

los datos Presentar datos
(entendimiento) (verbalmente)
Organización de los datos Visualización de Identificar

datos problemas de uso de
datos
Preservación de datos
Manipulación de
datos
Conservación, seguridad y
reutilización de datos
Documento elaborado por Ing. Melisa Tesillo Diaz Conversión de datos (De
+573004824207 Creación y uso de la metadata un formato a otro)
210713
El arte de hacer
preguntas y
entender las
respuestas

+573004824207
210713
Como debemos hacer las preguntas de
negocio?
➔ ¿Cuál es la fuente de sus datos?
➔ Si está revisando una muestra de sus datos, ¿qué tan bien los datos de la
muestra representan a la población?
➔ ¿Su distribución de datos incluye valores atípicos? ¿Cómo afectaron los
resultados?
➔ ¿Qué supuestos hay detrás de su análisis? ¿Podrían ciertas condiciones
invalidar sus suposiciones y su modelo?
➔ ¿Por qué se decidió por el enfoque analítico particular? ¿Qué alternativas
consideró?
➔ ¿Qué tan probable es si las variables independientes están causando los
cambios en la variable dependiente? ¿Podría otro análisis establecer la
causalidad más claramente?

+573004824207
210713
Preguntas para crear un buen análisis de
datos o visualización
¿Cual es la audiencia que ¿Cual es el propósito, para que será

utilizara el resultado del utilizado el análisis?
análisis?
¿Cuales son las preguntas del

negocio que resolverá? ¿Quienes deberán tener acceso a la
información?
¿Qué datos y de qué sistemas se

necesita obtener la información ¿Con qué frecuencia se debe de
a presentar? actualizar la información d el análisis o
visualización?
¿Qué información se necesita ¿Con qué métricas se medirá el éxito

mostrar? de la visualización o análisis?
+573004824207
210713
¿Cómo Convertir una
pregunta de negocio en una
hipótesis analítica?
El primer paso del proceso de descubrimiento es tener claro un objetivo.
Normalmente se tiene una idea general de lo que se quiere lograr ej.
“Queremos reducir el abandono de nuestros clientes valiosos en un 10%”.
Para solucionar estos problemas, es necesario convertir estas ideas en Hipótesis. Así
que debemos plantear preguntas como:
● ¿Abandono es cuando un cliente termina un contrato o cuando tiene X tiempo de
inactividad?
● ¿Cuánto tiempo debe permanecer inactivo un cliente antes de ser marcado como
alguien que abandonará la compañía?
● ¿Qué es un cliente valioso?
● ¿Se incluye sólo el valor histórico o también el valor futuro (lifetime value) del cliente
para el análisis?
Documento elaborado por
Ing. Melisa Tesillo Diaz
+573004824207
210713
Cómo podemos mejorar la experiencia
del cliente a través de los datos
Obtener información de valor de todos
los aspectos más importantes del
negocio, incluyendo el conocimiento
sobre cómo, cuándo y qué es lo que
necesitan cada uno de sus clientes, nos
ayuda para ofrecer un trato
individualizado con el cual construir una
relación sólida entre el cliente y la
empresa

+573004824207
210713
Ejemplos de preguntas claves que
podemos respondernos con el BI
Customer Lifetime Value (CLTV): indica los ingresos totales del cliente durante la relación con la empresa.
CLTV ayuda a las empresas a centrarse en aquellos clientes potenciales que pueden traer más ingresos en el
futuro.
¿eres usuario de Netflix?

Entonces tu customer lifetime value
es la proyección que hace Netflix
para intentar predecir cuánto tiempo
te mantendrás como suscriptor y
cuánto dinero gastarás en la
empresa desde el momento en que
te suscribiste hasta el momento en
que abandones la suscripción.

+573004824207
210713
Sesgos cognitivos y la toma de
decisiones
Médico
https://www.youtube.com/watch?v=AYRg2DPj-FM
Rope
https://www.youtube.com/watch?v=iiEzf3J4iFk
Paying Attention
https://www.youtube.com/watch?v=t4svQ-CGpII
Toma decisiones
https://www.youtube.com/watch?v=j62iYBNo6IA

+573004824207
210713
Los Sesgos Cognitivos en la toma de decisiones
Efecto enmarque:
Sugiere que las personas reaccionan de Sesgo de falso consenso:
manera diferente a una elección particular Muchas personas tienden a sobreestimar el
en función de si se presenta como una grado de acuerdo que los demás tienen
pérdida o como un ganancia con ellos
Sesgo de arrastre:
Es la observación de que a menudo las
personas hacen y creen ciertas cosas
fundamentándose en el hecho de que Efecto Pigmalión:
muchas otras personas hacen y creen en Se refiere a la potencial influencia que
esas mismas cosas ejerce la creencia de una persona en el
rendimiento de otra. Supone, por tanto, algo
importante de conocer y estudiar para los
profesionales del ámbito educativo, laboral,
social y familiar
Sesgo de confirmación:
Consiste en la tendencia a buscar o
interpretar la información de manera que
confirme las ideas preconcebidas
Sesgo de correspondencia: Efecto Halo:

Sesgo cognitivo en el que la percepción de
Es la tendencia de la gente a sobrevalorar una característica de una persona está
los motivos personales internos a la hora de influenciada por la percepción de otras
explicar un comportamiento observado en características de esa persona
otras personas, infravalorando por el
contrario motivos externos como el rol o las
circunstancias
+573004824207
210713
+573004824207
210713
Cherry Picking Dragado de datos Sesgo de supervivencia
seleccionar resultados que se Probar repetidamente nuevas hipótesis contra el Sacar conclusiones de un conjunto de datos
ajusten a su reclamo y excluir mismo conjunto de datos, sin reconocer que la incompleto, porque esos datos han "sobrevivido" a
mayoría de las correlaciones serán el resultado de algunos criterios de selección.
aquellos que no
la casualidad.
Efecto Cobra Falsa Causalidad

Distorsión afirmativa
Establecer un incentivo que produzca Suponer falsamente cuando dos eventos parecen
Manipular los límites geográficos utilizados para
accidentalmente el resultado contrario al relacionados que uno debe haber causado el otro
agrupar datos con el fin de cambiar los resultados.
pretendido. También conocido como incentivo
perverso
Sesgo de Muestreo Falacia del jugador Efecto Hawthorne

Sacar conclusiones de un conjunto de datos que Creer erróneamente que debido a que algo ha El acto de monitorear a alguien puede afectar su
no es representativo de la población que está sucedido con más frecuencia de lo habitual, ahora comportamiento, dando lugar a hallazgos falsos.
rastreando para entender es menos probable que suceda en el futuro (y También conocido como efecto observador
viceversa).

+573004824207
210713
Caso de éxito:
Empoderar Que escale por

a todos los Para tomar Proporcionando
decisiones educación sobre roles y equipos
empleados
de AirBnB informados datos
Informar decisiones: Garantizar que las decisiones se basen en datos
Contexto más nítido: Los usuarios que hacen las preguntas saben lo que están buscando
Autoservicio: Reduzca el ciclo de retroalimentación al responder preguntas

+573004824207
210713
03
Ciclo de madurez
Evolución del análisis de datos dentro de las
organizaciones

+573004824207
210713
El Pipeline de los datos para analitica

+573004824207
210713
Ecosistema para la toma de decisiones
informadas basadas en datos

+573004824207
210713
Ciclo de madurez del analisis de
informacion

+573004824207
210713
+573004824207
210713
Un ejemplo de cómo aplicarlo

databyw@gmail.com-+573004824207-210320
04
Retos
Barreras y Oportunidades

+573004824207
210713
Barreras

+573004824207
210713
Desafío

+573004824207
210713
Retos
Aunque varias organizaciones implementan BI de forma activa y han demostrado su utilidad
para su negocio, existen algunos desafíos para implementarlo. Algunos de ellos se enumeran
a continuación:
● Hay una gran cantidad de datos que se recopilan todos los días, pero no es posible
procesarlos todos en un momento determinado.
● Falta de estrategia.
● La adopción de usuarios que está impulsando a usuarios o grupos de usuarios a usar
diferentes formas no quiere cambiarla a menos que el método que están usando se
vuelva ineficiente y requiere mucho tiempo.
● Justificar inversiones que estimen el costo de descubrir nuevos métodos en el proceso
empresarial.
● Cambio de dirección.
● Gestión de datos no transaccionales.
● Gobernanza de datos empresariales.
● Brecha de conexión entre TI y usuarios comerciales.
● Acceso a la información para una amplia gama de usuarios.
● Integración de seguridad y personalización.

+573004824207
210713
Oportunidades

+573004824207
210713
Asociaciones
DAMA es la Organización mundial que promueve el entendimiento, desarrollo y prácticas
relacionadas con la gestión de datos en las organizaciones, desde su enfoque técnico hasta el
estratégico.
DAMA COLOMBIA - DATA MANAGEMENT COLOMBIA CHAPTER es una asociación

independiente, profesional, con fines académicos y científicos, que se dedicará al avance de los
conceptos y prácticas de la gestión y el gobierno de los datos y de la información.
https://www.damacolombia.org/
Certificación CDMP
La certificación profesional es una indicación de conocimiento, habilidades y experiencia en un

campo. DAMA International ha construido la designación de Profesional Certificado en Gestión
DAMA’s Data Management
Body of Knowledge de Datos (CDMP). El programa de certificación brinda a los profesionales de gestión de datos la
https://amzn.to/3hDDlIS oportunidad de mostrar un crecimiento profesional que puede mejorar sus objetivos personales
y profesionales.

+573004824207
210713
Lecciones aprendidas
Les comparto algunas lecciones aprendidas en estas últimas
semanas:
1. Los datos no toman las decisiones por ti!
2. Los datos validan las hipótesis que soportan tus
decisiones.
3. Todas las iniciativas deben mejorar algún KPI

+573004824207
210713
+573004824207
210713
Fuentes de Información
Tata Steel’s plant: https://mck.co/3lw59PK https://proeconomia.net/sesgos-cognitivos-decisiones-economicas/
https://www.brandwatch.com/es/blog/sesgos-cognitivos-pueden-arruinar-tu-analisis/
Freeport-McMoRan: https://mck.co/30VhDqC
https://thedataliteracyproject.org/
Artículos:
https://mck.co/3lHZeaB
https://bit.ly/3tHVpEL
https://bit.ly/3cVpkCZ
https://dataliteracy.com/
https://hbr.org/2020/02/boost-your-teams-data-literacy
http://sudeep.co/data-science/Understanding-the-Data-Science
-Lifecycle/

+573004824207
210713

YUJUASHH

Cargado por

Copyright:

Formatos disponibles

YUJUASHH

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

YUJUASHH

Cargado por

Copyright:

Formatos disponibles

Teoría: Entendamos

Documento elaborado por Ing. Melisa Tesillo Diaz

Documento elaborado por Ing. Melisa Tesillo Diaz

Documento elaborado por Ing. Melisa Tesillo Diaz

Documento elaborado por Ing. Melisa Tesillo Diaz

Documento elaborado por Ing. Melisa Tesillo Diaz

Es difícil analizarlos correctamente

Documento elaborado por Ing. Melisa Tesillo Diaz

Documento elaborado por Ing. Melisa Tesillo Diaz

Documento elaborado por Ing. Melisa Tesillo Diaz

Datos Analitica Conocimientos

Documento elaborado por Ing. Melisa Tesillo Diaz

Documento elaborado por Ing. Melisa Tesillo Diaz

Documento elaborado por Ing. Melisa Tesillo Diaz

Documento elaborado por Ing. Melisa Tesillo Diaz

Documento elaborado por Ing. Melisa Tesillo Diaz

Disponibilidad de productos Eﬁciencia general del Potencial de mercado y

Ventas Prospección, cuota y

Documento elaborado por Ing. Melisa Tesillo Diaz

Documento elaborado por Ing. Melisa Tesillo Diaz

que se pueden Una decisión única, que

Decisiones tácticas Procedimientos: Reemplazo de una Número de productos a

Decisiones operativas Ejecución: pequeñas Cambio en el calendario Programar empleados

Documento elaborado por Ing. Melisa Tesillo Diaz

Documento elaborado por Ing. Melisa Tesillo Diaz

Gap Estado Deseado

Datos: Todos, combinados, gobernados

Documento elaborado por Ing. Melisa Tesillo Diaz

• Jefe de datos / análisis / digital

Documento elaborado por Ing. Melisa Tesillo Diaz

Documento elaborado por Ing. Melisa Tesillo Diaz

Se puede identiﬁcar algún registro Se entienden las cantidades y tipos

Se entienden las relaciones y sus detalles

Documento elaborado por Ing. Melisa Tesillo Diaz

Continuos Categóricos Discretos

Internavlos Ratio Tiempo Nominal Ordinal

Peso en Cualquier 8/19/2020 Acciones vs Bajo, medio, Números en

Documento elaborado por Ing. Melisa Tesillo Diaz

● Conocer cuándo es apropiado usar un dato para un propósito especíﬁco.

Documento elaborado por Ing. Melisa Tesillo Diaz

Documento elaborado por Ing. Melisa Tesillo Diaz

Componentes Evaluación y garantía de

claves del Data Cultura la calidad de los datos y la

● Marco de trabajo Descubrimiento

● Aplicación de los datos Interpretación de

Organización de los datos Visualización de Identiﬁcar

Documento elaborado por Ing. Melisa Tesillo Diaz

Documento elaborado por Ing. Melisa Tesillo Diaz

¿Cual es la audiencia que ¿Cual es el propósito, para que será

¿Cuales son las preguntas del

¿Qué datos y de qué sistemas se

¿Qué información se necesita ¿Con qué métricas se medirá el éxito

Normalmente se tiene una idea general de lo que se quiere lograr ej.

“Queremos reducir el abandono de nuestros clientes valiosos en un 10%”.

Documento elaborado por Ing. Melisa Tesillo Diaz

¿eres usuario de Netflix?

Documento elaborado por Ing. Melisa Tesillo Diaz

Documento elaborado por Ing. Melisa Tesillo Diaz

Sesgo de correspondencia: Efecto Halo:

Efecto Cobra Falsa Causalidad