DIGITALIZACIÓN T5

[Virtual Presenter] Evaluación de datos ." TEMA 5 - EVALUACIÓN DE DATOS. En esta primera diapositiva, discutiremos los conceptos básicos de la evaluación de datos y su papel crucial en la toma de decisiones. Los datos nos guían y nos ayudan a obtener más información sobre nuestros clientes, atraer a más consumidores y optimizar los procesos empresariales. El ecosistema de datos es un conjunto de elementos que interactúan entre sí para producir, analizar y compartir datos, los cuales son gestionados por hardware, software y analistas. La estructura de datos incluye diferentes tipos, como los datos simples (como el año de nacimiento), los datos semicompuestos (que se pueden modificar y se representan con una estructura parcial o variable, como una página web) y los datos compuestos (la unión de dos o más datos simples o compuestos con una estructura fija, como una radiografía). Además, los datos también se clasifican según su nivel de seguridad. Los datos restringidos son los más controlados y cualquier modificación o eliminación puede causar daño a una persona o empresa (como los datos gubernamentales). Los datos privados tienen un nivel medio de control y pueden ser divulgados, modificados o eliminados (como el nombre de los empleados). Por último, los datos públicos tienen un bajo nivel de control y pueden ser divulgados, modificados o eliminados sin consecuencias graves (como las publicaciones en redes sociales). Por último, los datos se pueden clasificar según el tipo de información que proporcionan. Hay tres tipos: cuantitativa o numérica, que se puede medir y contar (como los grados); cualitativa nominal, que no es numérica y no sigue un orden (como los tipos de música); y cualitativa ordinal, que no es numérica pero se puede ordenar (como las calificaciones). En 5.1.1. hablamos de las diferencias entre datos e información. Los datos son una colección de hechos que no tienen relación entre sí y, por sí solos, no tienen sentido. No son suficientes para tomar decisiones y suelen estar en bruto y desorganizados. En cambio, la información es el resultado de analizar y procesar los datos en "Evaluación de datos.

[Audio] Los datos se convierten en información significativa cuando se analizan e interpretan. Esta información se presenta a través de palabras, lenguaje, pensamientos e ideas. En esta segunda diapositiva hablaremos sobre el ciclo de vida de los datos, conocido como DLM o Data Lifecycle Management. Este ciclo consta de 6 etapas: planificación, captura, utilización, análisis, archivado y borrado. Es importante gestionar el ciclo de vida de los datos debido a la gran cantidad que se genera en la actualidad. Revisar y eliminar o almacenar datos al final de su vida útil garantiza una mejor optimización y reduce la posibilidad de errores. Pasamos ahora al concepto de big data y su análisis. Se refiere a un enorme conjunto de datos difíciles de procesar con las bases de datos tradicionales. Estos datos provienen de sensores, actuadores e internet y se caracterizan por su volumen, velocidad, variedad, veracidad y valor. Para optimizar estas 5V, se requieren herramientas sólidas de gestión del big data. Estas permiten almacenar grandes cantidades de datos, limpiarlos y procesarlos en tiempo real. Además, existe una relación entre big data, análisis de datos, machine/deep learning e inteligencia artificial. La ciencia de datos utiliza disciplinas como la estadística, el machine learning, la inteligencia artificial y el deep learning para procesar grandes volúmenes de datos sin estructura y obtener un aprendizaje en profundidad. El análisis de datos nos ayuda a recopilar, transformar y organizar los datos para obtener conclusiones y hacer predicciones, lo que nos permite tomar decisiones informadas. Continuamos en la siguiente diapositiva..

[Audio] "En la diapositiva número tres, se presentan los diferentes tipos de análisis que pueden realizarse sobre los datos de una compañía, titulada "Tipos de análisis de datos". El primer tipo es el análisis descriptivo, utilizado para conocer el estado actual de la empresa basándose en el análisis del histórico de datos. Luego, el análisis predictivo se basa en el histórico y los datos actuales para predecir el futuro y determinar el éxito de un producto. Por último, el análisis prescriptivo sugiere decisiones o acciones específicas basándose en análisis previos y técnicas avanzadas en la diapositiva titulada "Almacenamiento de datos en la nube", donde se menciona la importancia de la computación en la nube. La nube es una ubicación virtual para mantener y acceder a los datos en línea. Gracias a la tecnología de cloud computing, se puede acceder a una red de recursos informáticos cómodamente y bajo demanda sin necesidad de una gran gestión o interacción con el proveedor de servicios. Algunas de las características de la computación en la nube son el autoservicio bajo demanda, el acceso amplio a la red, la agrupación de recursos, la rapidez en la elasticidad y el servicio personalizado. En la siguiente diapositiva, titulada "Etapas de la ingeniería de datos", se presentan las etapas a seguir para encontrar la respuesta a una pregunta de negocio. Esta pregunta surge al identificar un problema, un incidente o una posible mejora en el proceso de la empresa. Las seis etapas de la ingeniería de datos son: preguntar, preparar, procesar, analizar, compartir y actuar. En la siguiente diapositiva, titulada "Escenarios en los que se puede utilizar la minería de datos", se mencionan algunos ejemplos en los que la minería de datos es útil. Por ejemplo, en la industria financiera para detectar fraudes con tarjetas de crédito; en fábricas para prever el mal funcionamiento, necesidad de mantenimiento y uso de energía; y en la educación para brindar apoyo personalizado y desarrollar un plan de estudios basado en los datos recopilados..

[Audio] Finalizamos nuestra presentación con la cuarta y última diapositiva, en la que hablamos sobre las herramientas usadas para analizar datos en una empresa. Estas herramientas son esenciales para que la empresa pueda identificar las necesidades de sus clientes y comprender sus comportamientos, preferencias y motivaciones. Entre las herramientas más comúnmente utilizadas se encuentran hojas de cálculo como Microsoft Excel y Google Sheets. Estas nos permiten realizar operaciones matemáticas, aplicar fórmulas simples o complejas y funciones. Otra forma de analizar datos es a través de lenguajes de consulta, que involucran hacer preguntas a una base de datos compuesta por tablas con atributos. Estas tablas están relacionadas entre sí para poder realizar las consultas necesarias. Por último, tenemos las herramientas de visualización, como Tableau y Looker Studio, que nos ayudan a representar la información de una manera fácil de comprender. Queremos agradecerles por haber sido parte de esta presentación y esperamos que hayan aprendido sobre la importancia de analizar datos en una empresa. ¡Hasta la próxima!.