Resumen análisis estratégico de datos

Unidad I: Modelos de Análisis de Datos
CONTENIDO
1. Análisis cuantitativo y cualitativo de los datos
2. Técnicas de análisis de datos
1. Técnicas Asociativas
2. Técnicas Estadísticas
3. Otras técnicas de análisis de datos

Análisis de los datos:
– Término general para indicar todas las actividades relacionadas con:
• El examen• Interpretación
• Síntesis
• sumarización de datos.

– Paradigmas de Análisis de Datos:
• Cuantitativos
• Cualitativos

|Paradigma cualitativo |Paradigma cuantitativo |
|Aboga por el empleo de los métodos cualitativos|Aboga por el empleo de los métodos cuantitativos |
|Fenomenologismo y verstehen (comprensión) “interesado en |Positivismo lógico; “busca los hechos o causas de los fenómenos |
|comprender la conducta humana desde el propio marco de |sociales, presentando escasa atención a los estados subjetivos de los |
|referencia de quien actúa”|individuos” |
|Observación naturalista y sin control |Medición penetrante y controlada. |
|Subjetivo. |Objetivo. |
|Próximo a los datos;perspectiva “desde dentro” |Al margen de los datos; perspectiva “desde fuera”. |
|Orientado al proceso |Orientado al resultado |
|Válido: datos “Reales”, “ricos” y “profundos” |Fiable: datos “sólidos” y repetibles ||No generalizable: estudios de casos aislados |Generalizable: estudios de casos múltiples |
|Holista |Particularista |
|Fundamentado en la realidad, orientado a los descubrimientos, |No fundamentado en la realidad, orientado a lacomprobación, |
|exploratorio, expansionista, descriptivo e inductivo |confirmatorio, reduccionista, inferencial e hipotético deductivo. |
|Asume una realidad dinámica |Asume una realidad estable. |

– En el contexto informático, se refiere al uso de software para comprender, y tomar decisionesbasadas en el negocio y la organización de los datos.
También basados en:
• Sistemas Operacionales, para el Análisis Cuantitativo de Datos
• Sistemas de STP: para el Análisis Cualitativo de Datos

Técnicas de Análisis de Datos

Asociativas

Clasificación: el proceso de dividir un conjunto de datos en grupos mutuamente excluyentes, de tal forma que cada miembro de ungrupo esté lo mas cerca posible de otros, y grupos diferentes estén lo más lejos posible de otros, donde la distancia se mide con respecto a las variables especificadas, que se quieren predecir.
– Ejemplos:
• Por algún atributo (o variable): sexo, edad, grado
– Granularidad de la clasificación:
• En sexo = 2 grupos
• En edad = 10 grupos
•
Ordenamientode datos
– Permiten encontrar rápidamente uno o más datos
– En grupos relativamente pequeños de datos, es posible encontrar similitudes
Ejemplos: cronológica - ascendente/descendente- mayor/menor- por jerarquía

Sumarización de datos:
– Reduce el grado de detalle cuando es necesario
– Permite realizar comparaciones entre conjuntos de datos homogéneos
– Indican tendencias...