La analítica es el análisis computacional sistemático de datos o estadísticas . [1] Se utiliza para el descubrimiento, la interpretación y la comunicación de patrones significativos en los datos , que también se incluye y se relaciona directamente con el término general de ciencia de datos . [2] La analítica también implica la aplicación de patrones de datos para una toma de decisiones eficaz. Puede ser valiosa en áreas ricas en información registrada; la analítica se basa en la aplicación simultánea de estadísticas , programación informática e investigación de operaciones para cuantificar el rendimiento.
Las organizaciones pueden aplicar análisis a los datos comerciales para describir, predecir y mejorar el rendimiento empresarial. Específicamente, las áreas dentro del análisis incluyen análisis descriptivo, análisis de diagnóstico, análisis predictivo , análisis prescriptivo y análisis cognitivo. [3] El análisis puede aplicarse a una variedad de campos como marketing , administración , finanzas , sistemas en línea, seguridad de la información y servicios de software . Dado que el análisis puede requerir cálculos extensos (ver big data ), los algoritmos y el software utilizados para el análisis aprovechan los métodos más actuales en informática, estadística y matemáticas. [4] Según International Data Corporation , se estima que el gasto global en soluciones de big data y análisis empresarial (BDA) alcanzará los 215.7 mil millones de dólares en 2021. [5] [6] Según Gartner , el mercado general de software de plataformas analíticas creció en 25.5 mil millones de dólares en 2020. [7]
El análisis de datos se centra en el proceso de examinar datos pasados a través de la comprensión del negocio, la comprensión de los datos, la preparación de los datos, el modelado y la evaluación, y la implementación. [8] Es un subconjunto del análisis de datos, que requiere múltiples procesos de análisis de datos para centrarse en por qué ocurrió un evento y qué puede suceder en el futuro en función de los datos anteriores. [9] [ ¿ Fuente poco confiable? ] El análisis de datos se utiliza para formular decisiones organizacionales más amplias. [ Cita requerida ]
El análisis de datos es un campo multidisciplinario . Se hace un uso extensivo de habilidades informáticas, matemáticas, estadísticas, el uso de técnicas descriptivas y modelos predictivos para obtener conocimiento valioso de los datos a través del análisis. [ cita requerida ] Cada vez se utiliza más el término análisis avanzado , que se utiliza normalmente para describir los aspectos técnicos del análisis, especialmente en los campos emergentes, como el uso de técnicas de aprendizaje automático como redes neuronales , árboles de decisión, regresión logística, análisis de regresión lineal a múltiple y clasificación para hacer modelos predictivos . [ 10 ] [ 8 ] También incluye técnicas de aprendizaje automático no supervisado como análisis de conglomerados , análisis de componentes principales , análisis de perfiles de segmentación y análisis de asociación. [ cita requerida ]
Las organizaciones de marketing utilizan la analítica para determinar los resultados de las campañas o esfuerzos, y para orientar las decisiones de inversión y de segmentación de consumidores. Los estudios demográficos, la segmentación de clientes, el análisis conjunto y otras técnicas permiten a los especialistas en marketing utilizar grandes cantidades de datos de encuestas, paneles y compras de consumidores para comprender y comunicar la estrategia de marketing. [11]
El análisis de marketing consta de datos cualitativos y cuantitativos, estructurados y no estructurados, que se utilizan para impulsar decisiones estratégicas sobre resultados de marca e ingresos. El proceso implica modelado predictivo, experimentación de marketing, automatización y comunicaciones de ventas en tiempo real. Los datos permiten a las empresas hacer predicciones y modificar la ejecución estratégica para maximizar los resultados de rendimiento. [11]
La analítica web permite a los especialistas en marketing recopilar información a nivel de sesión sobre las interacciones en un sitio web mediante una operación denominada sesionización . Google Analytics es un ejemplo de una herramienta de análisis gratuita popular que los especialistas en marketing utilizan para este propósito. [12] Esas interacciones proporcionan a los sistemas de información de analítica web la información necesaria para rastrear al referente, buscar palabras clave, identificar la dirección IP [13] y rastrear las actividades del visitante. Con esta información, un especialista en marketing puede mejorar las campañas de marketing, el contenido creativo del sitio web y la arquitectura de la información [14] .
Las técnicas de análisis que se utilizan con frecuencia en marketing incluyen el modelado de la combinación de marketing, los análisis de precios y promociones, la optimización de la fuerza de ventas y el análisis de clientes, por ejemplo, la segmentación. El análisis web y la optimización de sitios web y campañas en línea ahora funcionan frecuentemente de la mano con las técnicas de análisis de marketing más tradicionales. Un enfoque en los medios digitales ha cambiado ligeramente el vocabulario, de modo que el modelado de la combinación de marketing se conoce comúnmente como modelado de atribución en el contexto del modelado digital o de la combinación de marketing . [ cita requerida ]
Estas herramientas y técnicas respaldan tanto las decisiones de marketing estratégicas (por ejemplo, cuánto gastar en marketing en general, cómo asignar presupuestos entre una cartera de marcas y la combinación de marketing) como un apoyo de campaña más táctico, en términos de llegar al mejor cliente potencial con el mensaje óptimo en el medio más rentable en el momento ideal.
El análisis de personas utiliza datos de comportamiento para comprender cómo trabajan las personas y cambiar la forma en que se gestionan las empresas. [15] Se puede hacer referencia a él con varios nombres, según el contexto, el propósito del análisis o el enfoque específico del análisis. Algunos ejemplos incluyen análisis de la fuerza laboral, análisis de recursos humanos, análisis de talento, conocimientos de personas, conocimientos de talento, conocimientos de colegas, análisis de capital humano y análisis de HRIS. El análisis de recursos humanos es la aplicación de análisis para ayudar a las empresas a gestionar los recursos humanos . [16]
El análisis de RR.HH. se ha convertido en una herramienta estratégica para analizar y pronosticar tendencias relacionadas con los recursos humanos en los mercados laborales cambiantes, utilizando herramientas de análisis de carrera. [17] El objetivo es discernir qué empleados contratar, a quiénes recompensar o promover, qué responsabilidades asignar y problemas similares de recursos humanos. [18] Por ejemplo, la inspección del fenómeno estratégico de la rotación de personal utilizando herramientas de análisis de personal puede servir como un análisis importante en tiempos de disrupción. [19]
Se ha sugerido que People Analytics es una disciplina separada de la analítica de RR.HH., con un mayor enfoque en abordar cuestiones de negocios, mientras que la analítica de RR.HH. se ocupa más de métricas relacionadas con los procesos de RR.HH. [20] Además, People Analytics ahora puede extenderse más allá de la función de Recursos Humanos en las organizaciones. [21] Sin embargo, los expertos encuentran que muchos departamentos de RR.HH. están sobrecargados por tareas operativas y necesitan priorizar People Analytics y la automatización para convertirse en una función empresarial más estratégica y capaz en el cambiante mundo del trabajo, en lugar de producir informes básicos que ofrecen un valor limitado a largo plazo. [22] Algunos expertos sostienen que es esencial un cambio en la forma en que operan los departamentos de RR.HH. Aunque las funciones de RR.HH. tradicionalmente se centraban en tareas administrativas, ahora están evolucionando con una nueva generación de profesionales de RR.HH. impulsados por datos que sirven como socios comerciales estratégicos. [23]
Algunos ejemplos de métricas analíticas de RR.HH. incluyen el valor de vida del empleado (ELTV), el porcentaje de gastos de mano de obra, el porcentaje de sindicatos, etc. [ cita requerida ]
Una aplicación común de la analítica empresarial es el análisis de cartera . En este caso, un banco o una agencia de préstamos tiene una colección de cuentas de valor y riesgo variables . Las cuentas pueden diferir según el estatus social (rico, clase media, pobre, etc.) del titular, la ubicación geográfica, su valor neto y muchos otros factores. El prestamista debe equilibrar la rentabilidad del préstamo con el riesgo de impago de cada préstamo. La pregunta entonces es cómo evaluar la cartera en su conjunto. [24]
El préstamo con menor riesgo puede ser el que se otorga a los muy ricos, pero hay un número muy limitado de personas ricas. Por otro lado, hay muchos pobres a quienes se les puede prestar dinero, pero con un riesgo mayor. Se debe lograr un equilibrio que maximice el rendimiento y minimice el riesgo. La solución analítica puede combinar el análisis de series temporales con muchas otras cuestiones para tomar decisiones sobre cuándo prestar dinero a estos diferentes segmentos de prestatarios, o decisiones sobre la tasa de interés que se cobra a los miembros de un segmento de cartera para cubrir cualquier pérdida entre los miembros de ese segmento. [ cita requerida ]
Los modelos predictivos en la industria bancaria se desarrollan para aportar certeza a las puntuaciones de riesgo de los clientes individuales. Las puntuaciones de crédito se construyen para predecir el comportamiento moroso de un individuo y se utilizan ampliamente para evaluar la solvencia crediticia de cada solicitante. [25] Además, los análisis de riesgo se llevan a cabo en el mundo científico [26] y en la industria de seguros. [27] También se utilizan ampliamente en instituciones financieras como las empresas de pasarela de pago en línea para analizar si una transacción fue genuina o fraudulenta. [28] Para este propósito, utilizan el historial de transacciones del cliente. Esto se utiliza más comúnmente en las compras con tarjeta de crédito, cuando hay un aumento repentino en el volumen de transacciones del cliente, el cliente recibe una llamada de confirmación si la transacción fue iniciada por él / ella. Esto ayuda a reducir la pérdida debido a tales circunstancias. [29]
La analítica digital es un conjunto de actividades comerciales y técnicas que definen, crean, recopilan, verifican o transforman datos digitales en informes, investigaciones, análisis, recomendaciones, optimizaciones, predicciones y automatización. [30] Esto también incluye el SEO ( optimización de motores de búsqueda ) donde se rastrea la búsqueda de palabras clave y esos datos se utilizan con fines de marketing. [31] Incluso los anuncios de banner y los clics se incluyen en la analítica digital. [32] Un número cada vez mayor de marcas y empresas de marketing confían en la analítica digital para sus tareas de marketing digital , donde MROI (retorno de la inversión de marketing) es un importante indicador clave de rendimiento (KPI). [ cita requerida ]
El análisis de seguridad se refiere a la tecnología de la información (TI) para recopilar eventos de seguridad para comprender y analizar los eventos que plantean los mayores riesgos de seguridad. [33] [34] Los productos en esta área incluyen información de seguridad y gestión de eventos y análisis del comportamiento del usuario.
El análisis de software es el proceso de recopilar información sobre la forma en que se utiliza y produce un software . [35]
En la industria del software de análisis comercial, se ha puesto énfasis en resolver los desafíos que plantea el análisis de conjuntos de datos masivos y complejos, a menudo cuando dichos datos se encuentran en un estado de cambio constante. Estos conjuntos de datos se conocen comúnmente como big data . [36] Mientras que antes los problemas que planteaba el big data solo se encontraban en la comunidad científica, hoy en día el big data es un problema para muchas empresas que operan sistemas transaccionales en línea y, como resultado, acumulan grandes volúmenes de datos rápidamente. [37] [36]
El análisis de los tipos de datos no estructurados es otro desafío que está recibiendo atención en la industria. Los datos no estructurados difieren de los datos estructurados en que su formato varía ampliamente y no se pueden almacenar en bases de datos relacionales tradicionales sin un esfuerzo significativo en la transformación de los datos. [38] Las fuentes de datos no estructurados, como el correo electrónico, el contenido de documentos de procesadores de texto, archivos PDF, datos geoespaciales, etc., se están convirtiendo rápidamente en una fuente relevante de inteligencia empresarial para empresas, gobiernos y universidades. [39] [40] Por ejemplo, en Gran Bretaña, el descubrimiento de que una empresa vendía ilegalmente notas médicas fraudulentas para ayudar a las personas a defraudar a los empleadores y compañías de seguros [41] es una oportunidad para que las empresas de seguros aumenten la vigilancia de su análisis de datos no estructurados . [42] [ ¿ Investigación original? ]
Estos desafíos son la inspiración actual para gran parte de la innovación en los sistemas de información analítica modernos, dando origen a conceptos de análisis de máquinas relativamente nuevos, como el procesamiento de eventos complejos , [43] la búsqueda y el análisis de texto completo e incluso nuevas ideas en la presentación. Una de esas innovaciones es la introducción de una arquitectura tipo cuadrícula en el análisis de máquinas, que permite aumentar la velocidad del procesamiento masivo en paralelo al distribuir la carga de trabajo a muchas computadoras, todas con igual acceso al conjunto completo de datos. [44]
La analítica se utiliza cada vez más en la educación , en particular en los niveles de distrito y de oficina gubernamental. Sin embargo, la complejidad de las medidas de rendimiento de los estudiantes presenta desafíos cuando los educadores intentan comprender y utilizar la analítica para discernir patrones en el rendimiento de los estudiantes, predecir la probabilidad de graduación, mejorar las posibilidades de éxito de los estudiantes, etc. [45] Por ejemplo, en un estudio que involucró a distritos conocidos por un fuerte uso de datos, el 48% de los maestros tuvo dificultad para plantear preguntas impulsadas por los datos, el 36% no comprendió los datos proporcionados y el 52% interpretó incorrectamente los datos. [46] Para combatir esto, algunas herramientas de analítica para educadores se adhieren a un formato de datos de venta libre (incrustando etiquetas, documentación complementaria y un sistema de ayuda, y tomando decisiones clave sobre el paquete/visualización y el contenido) para mejorar la comprensión y el uso de la analítica que se muestra por parte de los educadores. [47]
Los riesgos para la población en general incluyen la discriminación basada en características como el género, el color de la piel, el origen étnico o las opiniones políticas, a través de mecanismos como la discriminación de precios o la discriminación estadística . [48]
{{cite book}}: CS1 maint: location missing publisher (link){{cite web}}: CS1 maint: multiple names: authors list (link)Waber hace una distinción clave entre People Analytics y HR Analytics. "People Analytics resuelve problemas de negocios. HR Analytics resuelve problemas de RR.HH.", dice. People Analytics analiza el trabajo y su organización social. HR Analytics mide e integra datos sobre los procesos administrativos de RR.HH.
{{cite book}}: CS1 maint: location missing publisher (link)
La definición del diccionario de análisis en Wikcionario