Debido al boom de las soluciones basadas en datos, es importante detallar cuál es el proceso para generar análisis de datos para la toma de decisiones. El avance en cuanto a herramientas y capacidad de las computadoras para efectuar cálculos de manera rápida, ha permitido evidenciar situaciones en aspectos como la economía, demografía y hasta nuestra genética, entre muchos otros. A continuación, 6 pasos prácticos para generar mejores análisis de datos:
1. Defina bien su problema
Para plantear una solución basada en datos, la clave más importante para recibir los resultados esperados, es definir el problema en una forma clara y concreta. Si dos seres humanos no pueden estar universalmente de acuerdo en qué constituye el problema, mucho menos en su solución. Lo mismo pasa con las computadoras, son solo una extensión de nuestro cerebro que se encarga de recibir instrucciones y arrojar resultados. Asegúrese de tener claro el “qué” de su problema, facilita mucho el proceso de formular el “cómo” solucionarlo.
2. Conozca sus datos
Identifique qué conjunto de datos tiene, de dónde provienen y su disponibilidad. Estudie también sus metadatos (las características de sus datos) como el tamaño, naturaleza de las variables, alcance, fortalezas y debilidades. Esto para saber el rango de soluciones que cada set de datos pueda ofrecer. Referencias como diccionarios de datos permiten a las demás personas involucradas tener acceso a la información de los datos disponibles.
3. Identifique el set de datos ideal
Basado en el problema que usted quiera solucionar, también sepa a lo que quiere llegar para poder solucionarlo. Por ejemplo, si su problema es “¿cuál de mis empleados ha vendido más en los últimos seis meses? “, su conjunto de datos ideal es una lista de empleados, y la suma de ventas para cada uno, para el último semestre vigente. ¿Fácil verdad? Al conocer su entorno de datos, identifique qué datos le hacen falta, y una estrategia para dar con estos y consumirlos. También, asegúrese de “limpiar” sus variables para evitar confusiones (empleados repetidos, faltas de ortografía o formatos).Una buena estrategia es crear análisis exploratorios, con datos simulados, para poder justificar la compra u obtención de los datos faltantes.
4. Haga su análisis reproducible
Como muchas veces la intención de un análisis es comunicar una evidencia o hecho mediante datos, es importante que las demás personas involucradas sepan exactamente cuál fue su estrategia para llegar a ese resultado. Para esto manuales de usuario y guías son muy útiles, más aún cuando es un análisis que se deba repetir periódicamente. Si se tiene la capacidad, hacer un script o código con la solución implementada siempre es la mejor opción, pues con los mismos datos, se va a llegar siempre a los mismos resultados, sin espacio para confusiones o errores de interpretación. Herramientas de análisis de datos populares como Microsoft Excel, tiene su propio lenguaje de programación (VBA) para poder recrear todas las funcionalidades utilizadas. Existen lenguajes de programación especializados como R para computación estadística o Python, entre muchos otros.
5. Rete su análisis
Ya teniendo resultados preliminares, someta sus resultados a prueba. Ya sea con revisiones de otras personas no involucradas en el proceso o pruebas manuales se pueden identificar problemas, ya sea de formato o de cálculo, que pueden ser modificables y mejorables sin necesidad de cambiar la perspectiva del problema y evitar un análisis erróneo. Recuerde, “garbage in, garbage out” (si entra basura, sale basura). Un análisis mal planteado conlleva a malos resultados.
6. Presente su análisis en formatos multiplataforma
Es decir, no se “case” con una herramienta. Muchos clientes tienen diferentes entornos en sus computadoras, muchos no tienen ni siquiera Microsoft Excel en sus computadoras (software que a muchos nos parece imprescindible) o quieren ver sus resultados en su celular o en su computadora con Linux o Mac. Es mejor utilizar archivos en formatos como CSV (archivos separados por coma), .txt (archivos de texto plano), PDF (Formato de Documento Portátil) o HTML (como las páginas web) que independientemente del dispositivo que se utilice los resultados pueden ser fácilmente visibles.
En Grupo Inco nos especializamos en análisis de datos a la medida, y sabemos lo importante que es para los clientes que la información presentada sea lo más correcta y se apegue a las necesidades que intentan resolver.
Muchas gracias por sus aportes a la efectividad de estos procesos que en ocasiones son cruciales y afectan la vida de muchas personas en los programas de desarrollo social.
Gran aporte, es importante retomar estos pequeños pasos los cuales nos pueden ayudar a mejorar la calidad de nuestros análisis sean tanto del ambito cuantitativo, cualitativo o mixto.
Muy útil para el Control de Gestión! Gracias!
Muchas gracias por estos pasos a seguir ya que para generar un buen análisis debemos tener una buena base a seguir.
Gracias por sus valiosos aportes. ¿La herramienta SPSS podría ser útil para el análisis de datos cuantitativos?
Qué herramientas recomiendan para la definición del problema? Existe alguna metodología que facilite identificar el problema y que facilite la evaluación de que lo que se plantea como problema realmente lo es? y no es un sólo un síntoma pero la causa raíz de éste está mucho menos evidente que lo que se cree y se ha planteado como “problema”?
Muchas gracias por el aporte compañero.
Me parece muy oportuna la síntesis que se hace de los pasos y la secuencia que sigue. Saludos desde Heredia, pura vida!
Bien concreto el articulo, aunque me quedo una duda acerca del paso 4 cuando dice que es importante hacer un script o código, supongo que habrá que utilizar algún lenguaje de programación y hacer ejecutable el modelo?
Puntos bien concretos. Gracias por compartir. Quisiera saber su recomendación sobre cuál software de análisis estadístico prefiere usted: R o SPSS (o su versión libre PSPP).
Muchas gracias!
Unos pasos simples, pero importantes. Detallados y facil de entender. Gracias por el aporte
EXCELENTE APORTE MUCHAS GRACIAS
Realmente es muy importante conocer los metadatos, nos ayuda a ver la confiabilidad de información y co respaldar el análisis
Gracias por el aporte, practico y realizable
Los 6 pasos para el análisis de datos es indispensable para un evaluador, investigador u otros a académicos, porque le ayuda en su trabajo para buscar nuevas mejoras.
Eladio, muy buen artículo!
Excelente y fácil metodología.
Útil también para los proyectos de investigación
Jorge Zeña
La relación de los pasos me parece muy importante para estructurar el manejo de los datos. Pero, mi duda es ¿cómo tener confiabilidad en los datos cuando uno no participa en la obtención de los mismos?.
Gracias
Muy buena aportación sin embargo me hubiera gustado que agregaras algunas herramientas que existen para no depender solo de excel y power point
Es muy Importante el análisis de datos, para quienes tenemos la responsabilidad de brindar información, los que trabajamos en seguimiento y evaluación de proyectos
Una descripción concreta y precisa de los momentos que debemos cumplir para el análisis de datos. Gran aporte para llegar a buenos resultados, pues justamente la políticas que no llegan a funcionar probablemente tengan su asidero desde el inicio de su análisis para determinar el problema real a solucionar, mucho más si éste comprende un listado de raíces de origen.
Pasos muy específicos que son de gran ayuda, gracias por compartirlos
Muchas gracias por el aporte. La gestión de datos sin sesgos es una herramienta necesaria para la toma de decisiones que conlleva a la solución práctica de problemas en beneficio de la comunidad.
Un buen análisis de datos, dará a lugar a una buena toma de decisiones y estos 6 pasos son un aporte muy significativo a ese proceso. Gracias por compartir.
Pasos muy utiles y de gran ayuda las sugerencias de herramientas. Gracias a todos
Muchas gracias por el texto presentado. Es muy didáctico, práctico y útil, lo cual lo convierte en una herramienta de consulta confiable.
Excelente aporte. Corto, preciso y conciso. Saludos
Muchas Gracias por los elementos publicados, estos tips a tener en cuenta para el analisis de datos en general.
Concreto y directo, gracias por la orientación.
Muy buen procedimiento, paso a paso para la identificación y análisis de datos
Excelente material de apoyo y refuerzo para tener mayor claridad del concepto de Análisis de datos.
Excelentes recomendaciones para una mejor análisis de datos. Gracias
Felicitaciones por tan importante aporte
Me llamó poderosamente la atención la recomendación de permitir a otras personas que analicen lo que hicimos en el análisis de datos, ya que he descubierto en mi paso por la administración que me resulta difícil colaborar de esa manera con los compañeros, y efectivamente, como decimos en mi país “cuatro ojos ven más que dos” o “dos mentes piensan mejor que una”. Por otro lado, algo que sí me ha funcionado y veo que es una recomendación del autor del blog es el redactar una guía para uno mismo, para hacer reproducible el análisis y reporte de los datos, pues efectivamente, a veces uno mismo olvida su propia metodología y si queremos que dichos datos sirvan de algo en el futuro es preciso indicar el camino a quien nos suceda en el puesto.
Muy básico, genérico.
Los 6 pasos para el análisis de datos, son una cadena de valor que te conduce a toma decisiones informadas, ;étodo realmente útil
Los seis pasos del Analisis de datos, nos permite obtener datos confiables en los resultados de un proyecto en ejecucion, y la transparencia del mismo.
Muy buena explicación los 6 pasos: breves concisos y super ccomprensibles
Muchas gracias por la síntesis clara y puntual. Estoy segura que me permitirá seguir el curso y concluirlo con éxito.
Excelente información sobre los 6 pasos para un buen análisis de datos. Muchas gracias
Muchas gracias por definir con claridad estos seis pasos, los cuales nos ayudaran a tener éxito en el análisis de los datos. Serán de mucha utilidad…
Excelente aporte, muy buenos ejemplos utilizados por el autor.
Muy buena guía; uno de los inconvenientes para tomar decisiones basadas en análisis de datos está justamente en identificar claramente el problema. En la práctica hay la tendencia en intentar explicar un conjunto de problema sin discriminar previamente la data que los explica.
Muchas gracias por el aporte. Seguramente son prácticas que todos conocemos pero no siempre seguimos. Invariablemente valoro la capacidad de síntesis de vuestras recomendaciones, de lo que sea, son un clásico, no enevejecen!
Afectuoso saludo, Selva