Please enable JavaScript.

Coggle requires JavaScript to display documents.

Entendimiento del negocio (Preguntas (Diferencia entre Ciencia de Datos y…

- - - - El científico aplica las herramientas para extraer conocimiento de los datos.
    - - Además, la ciencia de datos extrae la información a partir de varias fuentes mientras que el analista solo de una.
    - - Para verificar y refutar teorías o modelos existentes. También se usa en muchas industrias para permitir que las organizaciones tomen mejores decisiones.
  - - - Nuestro personaje (Peter) analiza los datos ya recabados que tenían del presente, comparándolos con algunos otras para llegar del pasado de una misma fuente de información que eran los datos de la empresa, llegando a una colusión un poco base gracias a la comparación de datos.
        Su conclusión fue una perdida para la empresa, ya que tomando datos del pasado y el presente encontró que al seguir el modelo actual de negocios todo podría colapsar y la toda la empresa sufrir pérdidas hasta llegar a la banca rota. Mediante
        niveles de patrones históricos, se hizo una proyección de perdidas por medio de una análisis de datos del historial , algo que puede que pasar en un futuro.
        Como anteriormente se vio un análisis de datos , resuelve problemas de negocios identificando problemas de calidad de datos además de entrar datos de solo una fuente
        
        Se podría decir que la película Margin Call es una problemática de una empresa que no se estaba dando cuenta de los serios problemas que esta podría sufrir . Su salvación llego mediante el análisis de datos históricos que esta tenia para toparse co el problema que estaba a poco momentos de pasar en un futuro, todo gracias a su análisis datos.
    - - Un grupo de corredores de bolsa en el area inmobiliaria de Estados Unidos , vi la posibilidad que la bolsa de hipotecas inmobiliriarias podía colapsar en algún punto dejando a toda esa bolsa en la quiebra . Como lo supieron , mediante la predicción de problemas de negocios , el cual es el trabajo de una ciencia de datos.
        La ciencia de datos como se dijo anteriormente es la limpieza y procesamiento de datos así como la predicción de problemas a futuro, pasa así desarrollar un modelos de negocio nuevo o ver errores en el antiguo. Como se ve en la película que todo estaba estable hasta que se presentó un error en el modelo sobre una predicción de negocio nada favorable para la bolsa.
        
        Se podría decir que la película Big Short es como la bolsa del mercado inmobiliriadio en algún futuro va a colapsar por el mal manejo de las hipotecas y sus respectivos intereses; para descubrir como pasaría esto se hizo una ciencia de datos recolectado de información de todos los bancos para hacer una predicción de este problema, es decir, el quiebre del la bolsa del mercado inmobiliriario.
  - - - Limpieza y procesamiento de datos.
      - Predicción del problema de negocios.
      - Desarrollar modelos de aprendizaje automático y métodos analíticos.
      - Presentar resultados de manera clara y hacer el análisis.
    - - Identifique cualquier problema de calidad de datos en la adquisición de datos.
      - Resolviendo problemas de negocios.
      - Un analista de datos debe coordinar con los ingenieros para recopilar nuevos datos.
      - Realice un análisis estadístico de datos comerciales.
- - - - En los últimos años se han producido avances significativos en las tecnologías de información para la recopilación, la transmisión y el almacenamiento de los datos.
        
        Big Data y Ciencia de Datos:
        -Optimizar la oferta basada en los hábitos del cliente
        -Desarrollar nuevos productos
        -Reducir costos
        -Reducir costos
        Reducir el tiempo
        -Tomar desiciones más informadas y fundamentadas.
- - - - Los KPIs brindan la información de rendimiento más importante que permite a las organizaciones comprender si la organización va por buen camino hacia sus objetivos establecidos, aparte de que son instrumentos de navegación vitales, que dan una idea clara de los niveles actuales de rendimiento.
        
        Los KPIs ayudan a reducir la naturaleza compleja del desempeño organizacional a una cantidad pequeña y manejable de indicadores clave
    - - Ejemplos:
        
        Margen de beneficio neto
        
        Ingreso periódico recurrente (MRR por sus siglas en inglés)
        
        Crecimiento de las ventas
        
        etc.
    - - Existen 5 tipos principales de KPIs:
        
        De negocio
        
        ayudan a medir el logro de los objetivos comerciales a largo plazo
        
        Financiero
        
        indican qué tan bien está haciendo una empresa en términos de la forma de generar ingresos y ganancias
        
        De ventas
        
        supervisar el logro de sus objetivos y metas clave
        
        De mercadotecnia
        
        ayudan a controlar el éxito en todos los canales de mercadeo
        
        Para la gestión de proyectos
        
        supervisar el progreso y el logro de los objetivos de un proyecto
      - Las organizaciones usan los KPIs en múltiples niveles para evaluar el éxito en alcanzar los objetivos
        
        Los KPIs de bajo nivel pueden enfocarse en procesos o empleados en departamentos tales como ventas, marketing o un centro de llamadas.
        Indican el rendimiento de departamentos o individuos específicos.
        
        Los KPIs de alto nivel pueden enfocarse en el desempeño general de la empresa. Entre los ejemplos de KPIs de alto nivel se incluyen:el crecimiento anual,el ingreso anual recurrente, etc.
    - - Comunicación
        (el proceso por el que el ser humano obtiene información respecto a su entorno y que puede compartirla con el resto)
        
        Para poder tener una comunicación efectiva, se debe utilizar de manera adecuada todos y cada uno de los signos lingüísticos y elementos clave como: Código, Emisor, Mensaje, Canal, Contexto y Receptor.
      - Formular un KPI
        (comprender cuáles son los objetivos organizacionales, cómo se planea alcanzarlos y quién puede actuar sobre esta información)
        
        Las seis preguntas esenciales que toda organización debería responder antes de crear un KPI:
        
        ¿Cuáles son los resultados comerciales deseados o esperados (objetivos)?
        
        ¿Cómo se pueden mejorar los valores arrojados por un KPI tomando ciertas medidas?
        
        ¿Se cuentan con todos los datos relevantes y necesarios para monitorear los KPIs?
        
        ¿Quién va a utilizar el informe derivado de un KPI y qué se necesita saber (es decir, qué KPI y métricas deberían incluirse)?
        
        ¿Cómo visualizar los KPIs específicos (gráficos, métricas, diagramas, etc.)?
        
        ¿Con qué frecuencia se revisará el progreso hacia el resultado?
        
        Definir los objetivos para elegir un KPI adecuado
        (Para elegir los KPIs adecuados, es importante definir los objetivos principales del negocio)
        
        Una forma de evaluar la relevancia de un KPI es usar los criterios SMART.
        
        Específico (Specific)
        
        Mensurable (Measurable)
        
        Alcanzable (Attainable)
        
        Relevante (Relevant)
        
        Limitado en el tiempo (Time-bound).
  - - - Para superar todas estas limitaciones, la tecnología evolucionó, primero con el desarrollo del Business Intelligence, posteriormente con Data Analytics y ahora con Big Data que son un conjunto de herramientas que facilitan la extracción, la depuración, el análisis y el almacenamiento de los datos generados en una organización, así como datos externos; que pueden ser estructurados o no estructurados, con la velocidad adecuada para generar conocimiento y apoyar la toma de decisiones de los directivos o los usuarios oportunos de una organización.
- - - - 1 Entendimiento del negocio (identificar los objetivos, evaluar y desarrollar
      - 2 Entendimiento de los datos (recolección, descripción y exploración)
      - 3 Preparación de los datos
        (selección, limpieza y contracción de datos)
      - 4 Modelación de los datos
        (selección, diseño, construcción y evaluación del modelo)
      - 5 Evaluación
        (evaluación y revisión del proceso)
      - 6 Despliegue
        (planeación del mantenimiento, reporte y revisión final)