La analítica es el análisis computacional sistemático de datos o estadísticas . [1] Se utiliza para el descubrimiento, interpretación y comunicación de patrones significativos en los datos . También implica aplicar patrones de datos para una toma de decisiones eficaz. Puede resultar valioso 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 desempeño comercial. Específicamente, las áreas dentro del análisis incluyen análisis descriptivo, análisis de diagnóstico, análisis predictivo , análisis prescriptivo y análisis cognitivo. [2] Los análisis pueden aplicarse a una variedad de campos como marketing , administración , finanzas , sistemas en línea, seguridad de la información y servicios de software. Dado que los análisis pueden requerir cálculos extensos (consulte big data ), los algoritmos y el software utilizados para los análisis aprovechan los métodos más actuales en informática, estadística y matemáticas. [3] Según International Data Corporation , se estima que el gasto global en soluciones de big data y análisis de negocios (BDA) alcanzará los 215 700 millones de dólares en 2021. [4] [5] Según Gartner , el mercado general de software de plataformas analíticas creció en 25 500 millones de dólares en 2020. [6]
El análisis de datos se centra en el proceso de examinar datos pasados a través de la comprensión empresarial, la comprensión de datos, la preparación, el modelado y la evaluación de datos y la implementación. [7] 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. [8] [ ¿ fuente poco confiable? ] El análisis de datos se utiliza para formular decisiones organizacionales más amplias. [ cita necesaria ]
El análisis de datos es un campo multidisciplinario . Se hace un uso extensivo de habilidades informáticas, matemáticas, estadística, el uso de técnicas descriptivas y modelos predictivos para obtener conocimientos valiosos a partir de datos a través del análisis. [ cita necesaria ] Cada vez se utiliza más el término análisis avanzado , que normalmente se utiliza 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, lineal a múltiple. análisis de regresión y clasificación para realizar modelos predictivos . [9] [7] También incluye técnicas de aprendizaje automático no supervisadas como análisis de conglomerados , análisis de componentes principales , análisis de perfiles de segmentación y análisis de asociación. [ cita necesaria ]
Las organizaciones de marketing utilizan análisis para determinar los resultados de campañas o esfuerzos y para guiar las decisiones de inversión y orientación al consumidor. 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 paneles, encuestas y compras de los consumidores para comprender y comunicar la estrategia de marketing. [10]
El análisis de marketing consta de datos tanto cualitativos como cuantitativos, estructurados y no estructurados, que se utilizan para impulsar decisiones estratégicas sobre la marca y los resultados de 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 alterar la ejecución estratégica para maximizar los resultados de desempeño. [10]
El análisis web permite a los especialistas en marketing recopilar información a nivel de sesión sobre las interacciones en un sitio web mediante una operación llamada sesionización . Google Analytics es un ejemplo de una popular herramienta de análisis gratuita que los especialistas en marketing utilizan para este propósito. [11] Esas interacciones proporcionan a los sistemas de información de análisis web la información necesaria para rastrear al referente, buscar palabras clave, identificar la dirección IP, [12] 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. [13]
Las técnicas de análisis utilizadas frecuentemente en marketing incluyen modelos de mezcla de marketing, análisis de precios y promociones, optimización de la fuerza de ventas y análisis de clientes, por ejemplo: segmentación. El análisis web y la optimización de sitios web y campañas en línea ahora frecuentemente van 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 mezcla de marketing se conoce comúnmente como modelado de atribución en el contexto del modelado digital o de la mezcla de marketing . [ cita necesaria ]
Estas herramientas y técnicas respaldan tanto las decisiones estratégicas de marketing (como cuánto gastar en marketing en general, cómo asignar los presupuestos entre una cartera de marcas y la combinación de marketing) como un apoyo de campaña más táctico, en términos de dirigirse al mejor cliente potencial con el mensaje óptimo en el medio más rentable y 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. [14]
El análisis de personas también se conoce como análisis de la fuerza laboral, análisis de recursos humanos, análisis de talentos, conocimientos de personas, conocimientos de talentos, conocimientos de colegas, análisis de capital humano y análisis HRIS. El análisis de recursos humanos es la aplicación de análisis para ayudar a las empresas a gestionar los recursos humanos . [15] Además, el análisis de recursos humanos se ha convertido en una herramienta estratégica para analizar y pronosticar tendencias relacionadas con los seres humanos en los cambiantes mercados laborales, utilizando herramientas de Career Analytics. [16] El objetivo es discernir qué empleados contratar, cuáles recompensar o promover, qué responsabilidades asignar y problemas similares de recursos humanos. [17] Por ejemplo, la inspección del fenómeno estratégico de la rotación de empleados utilizando herramientas de análisis de personas puede servir como un análisis importante en momentos de disrupción. [18] Se ha sugerido que People Analytics es una disciplina separada del análisis de recursos humanos, lo que representa un mayor enfoque en cuestiones comerciales en lugar de procesos administrativos, [19] y que People Analytics puede no pertenecer realmente a Recursos Humanos en las organizaciones. [20] Sin embargo, los expertos no están de acuerdo con esto, y muchos argumentan que Recursos Humanos necesitará desarrollar People Analytics como una parte clave de una función empresarial más capaz y estratégica en el cambiante mundo del trabajo provocado por la automatización. [21] En lugar de trasladar People Analytics fuera de RRHH, algunos expertos sostienen que pertenece a RRHH, aunque sea posible gracias a una nueva generación de profesionales de RRHH que se basan más en datos y son más conocedores de los negocios. [22]
Una aplicación común de la analítica empresarial es el análisis de cartera . En esto, un banco o agencia de préstamos tiene un conjunto de cuentas de diferente valor y riesgo . 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 el rendimiento del préstamo con el riesgo de incumplimiento de cada préstamo. La cuestión entonces es cómo evaluar la cartera en su conjunto. [23]
El préstamo de menor riesgo puede ser para los muy ricos, pero hay un número muy limitado de personas ricas. Por otro lado, hay muchos pobres a los que se les puede prestar, pero con mayor riesgo. Se debe lograr algún equilibrio que maximice el rendimiento y minimice el riesgo. La solución de análisis puede combinar el análisis de series de tiempo con muchas otras cuestiones para tomar decisiones sobre cuándo prestar dinero a estos diferentes segmentos de prestatarios, o decisiones sobre la tasa de interés cobrada a los miembros de un segmento de cartera para cubrir cualquier pérdida entre los miembros de ese segmento. . [ cita necesaria ]
Los modelos predictivos en la industria bancaria se desarrollan para brindar certeza en las puntuaciones de riesgo de los clientes individuales. Los puntajes crediticios se crean para predecir el comportamiento de morosidad de un individuo y se utilizan ampliamente para evaluar la solvencia crediticia de cada solicitante. [24] Además, los análisis de riesgos se llevan a cabo en el mundo científico [25] y en el sector de seguros. [26] También se utiliza ampliamente en instituciones financieras, como empresas de pasarelas de pago en línea, para analizar si una transacción fue genuina o fraudulenta. [27] Para ello, utilizan el historial de transacciones del cliente. Esto se usa más comúnmente en 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 las pérdidas debido a tales circunstancias. [28]
El análisis digital es un conjunto de actividades técnicas y comerciales que definen, crean, recopilan, verifican o transforman datos digitales en informes, investigaciones, análisis, recomendaciones, optimizaciones, predicciones y automatización. [29] Esto también incluye el SEO ( optimización de motores de búsqueda ), donde se realiza un seguimiento de la búsqueda de palabras clave y esos datos se utilizan con fines de marketing. [30] Incluso los anuncios publicitarios y los clics se incluyen en el análisis digital. [31] Un número creciente de marcas y empresas de marketing dependen del análisis digital para sus tareas de marketing digital , donde el MROI (retorno de la inversión en marketing) es un importante indicador clave de rendimiento (KPI). [ cita necesaria ]
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. [32] [33] 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 una pieza de software . [34]
En la industria del software de análisis comercial, ha surgido un énfasis en resolver los desafíos de analizar conjuntos de datos masivos y complejos, a menudo cuando dichos datos se encuentran en un estado de cambio constante. Estos conjuntos de datos se denominan comúnmente big data . [35] Mientras que antes los problemas planteados por los big data sólo se encontraban en la comunidad científica, hoy los big data son un problema para muchas empresas que operan sistemas transaccionales en línea y, como resultado, acumulan grandes volúmenes de datos rápidamente. [36] [35]
El análisis de tipos de datos no estructurados es otro desafío que llama la atención en la industria. Los datos no estructurados se diferencian de los estructurados en que su formato varía ampliamente y no pueden almacenarse en bases de datos relacionales tradicionales sin un esfuerzo significativo de transformación de datos. [37] 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 importante de inteligencia empresarial para empresas, gobiernos y universidades. [38] [39] Por ejemplo, en Gran Bretaña, el descubrimiento de que una empresa estaba vendiendo ilegalmente notas médicas fraudulentas para ayudar a las personas a defraudar a empleadores y compañías de seguros [40] es una oportunidad para que las empresas de seguros aumenten la vigilancia de sus datos no estructurados. análisis . [41] [ ¿ 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 automático relativamente nuevos, como el procesamiento de eventos complejos , [42] búsqueda y análisis de texto completo, e incluso nuevas ideas en la presentación. Una de esas innovaciones es la introducción de una arquitectura similar a una cuadrícula en el análisis de máquinas, que permite aumentar la velocidad del procesamiento paralelo masivo al distribuir la carga de trabajo a muchas computadoras, todas con igual acceso al conjunto de datos completo. [43]
La analítica se utiliza cada vez más en la educación , particularmente a nivel de distrito y de oficinas gubernamentales. Sin embargo, la complejidad de las medidas de desempeño de los estudiantes presenta desafíos cuando los educadores intentan comprender y utilizar análisis para discernir patrones en el desempeño de los estudiantes, predecir la probabilidad de graduación, mejorar las posibilidades de éxito de los estudiantes, etc. [44] Por ejemplo, en un estudio que involucra distritos conocidos por uso intensivo de datos, el 48% de los profesores tuvo dificultades para plantear preguntas basadas en datos, el 36% no comprendió los datos proporcionados y el 52% los interpretó incorrectamente. [45] Para combatir esto, algunas herramientas de análisis para educadores se adhieren a un formato de datos de venta libre (incorporación de etiquetas, documentación complementaria y un sistema de ayuda, y toma de decisiones clave sobre empaque/exhibición y contenido) para mejorar la comprensión y la comprensión de los educadores. uso de los análisis que se muestran. [46]
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 . [47]
{{cite book}}
: Mantenimiento CS1: falta el editor de la ubicación ( enlace ){{cite web}}
: Mantenimiento CS1: varios nombres: lista de autores ( enlace ){{cite book}}
: Mantenimiento CS1: falta el editor de la ubicación ( enlace )