El secreto para Analizar Datos como un pro que un consultor estadístico nunca te contaría

¿Cuáles son las etapas de un proceso completo de análisis de datos?

¿Qué es una tabla de datos y cómo está ordenada? (Las Variables)

¿Cómo puedo interpretar los datos? (La Exploración)

¿Qué técnica estadística aplico en cada caso? (El Análisis)

¿Qué software utilizo y cómo aprendo a manejarlo?

1. El Problema. Todo nace de un problema, de una necesidad real. En esta etapa definirás el foco y el objetivo del proyecto. El «cómo analizar los datos» depende de este punto de partida. El más importante.
2. La Recolección. Es el diseño de un método para obtener DATOS. Más técnicamente es un proceso de experimentación. Puede ser una encuesta, pruebas en laboratorios, con pacientes, nutrirse de datos de marketing en redes sociales etc… Para unos buenos datos de partida es importante definir la tabla de datos previamente.
3. La Limpieza Homogeneizar los datos en cuanto a formato, deshacer observaciones que no te interesan y almacenar las más útiles. Construir nuevas variables a partir de otras existentes. Entro otras acciones.
4. La Exploración. Utilizando la estadística descriptiva podrás traducir los DATOS a gráficos y características que puedas interpretar. Esta etapa de exploración es sinónimo de descubrimiento. De «hablar» con los datos.
5. El Análisis. Con la ayuda de la estadística inferencial encontrarás conclusiones de un conjunto grande (población) con la información de una pequeña parte de este conjunto (muestra). A veces es posible que tengas datos de toda la población. El contraste de hipótesis es la herramienta más famosa de la inferencia. Pero existen otras técnicas increíbles y potentes: la correlación, modelos estadísticos causa-efecto, algoritmos de regresión y clasificación. Y técnicas como el clustering, la reducción dimensional o las reglas de asociación. Entre otras.
6. La Conclusión Interpretarás los resultados del análisis y listarás las conclusiones. Estarás mucho más cerca del objetivo que te habrás planteado al inicio. Y de la resolución del problema inicial.

• Las filas son observaciones. Las observaciones son las veces que estás midiendo. Las observaciones puedes ser: pacientes, plantas, animales, individuos, eventos, días etc.
• Las columnas son variables. Las variables son las características que vas a medir. Y hay dos grandes tipos. Más abajo te lo cuento.
• El header son los nombres de las variables. Normalmente el nombre está representado en la primera fila.

• Cuantitativa. Son números y tienen unidades. Tienen un sentido de escala. Pueden ser discretas (sin decimales) y continuas (con decimales). Por ejemplo el peso en kg.
• Cualitativa Son etiquetas o nombres de las cosas. El país de procedencia, el estado civil, el género etc… Pueden ser nominales u ordinales.
• Ordinal (cualitativa). Son una tipo especial de cualitativas con un tienen un sentido de escala. Por ejemplo: la calidad del servicio puede ser regular, normal, bueno, muy bueno.

1. Comparación de medias. Distinguir si un grupo es diferente a otro. Por ejemplo “ver si la presión arterial es más alta en un grupo de pacientes con obesidad y los que no” Por un lado tienes la variable numérica (presión arterial) y por el otro grupos de pacientes (con o sin obesidad)
2. Comparación de proporciones. Distinguir si las proporciones son diferentes de un grupo al otro. Por ejemplo: “¿La proporción de accidentes de moto es diferente por rangos de edad 15-20, 20-25, 25-30 y 30-35?» Tenemos 4 proporciones que queremos comparar.
3. Asociación. Ver si los grupos tienen relación en la tabla de contingencias. Por ejemplo “¿Hay relación en cuanto a la precisión (buena, regular, mala) de un aparato de medida analógico y uno óptico?” En el fondo, es relacionar variables cualitativas.
4. Correlación. Analizar si hay relación entre variables numéricas. La asociación entre variables cuantitativas. Por ejemplo “Tienes datos de 200 familias sobre las ganancias y los gastos. ¿Es verdad que se cumple que cuánto más tienes más gastas?”
5. Modelos estadísticos causales. Calcular un modelo matemático que permita predecir una variable en función de otras. Por ejemplo “Un modelo que te permita calcular la frecuencia cardíaca máxima en función de datos como la edad, la presión baja y alta, el sexo, la altura y el peso”
6. Técnicas avanzadas de reconocimiento de patrones o machine learning. Modelos y algoritmos predictivos para poder aportar respuestas de tus datos y solucionar problemas reales con aplicaciones personalizadas para  tu caso. Por ejemplo: «Estimar la probabilidad de que un paciente tenga diabetes solamente con las características como la Edad, peso, altura y un análisis de sangre»

# PASO1. Define UN objetivo para tu proyecto (y sólo uno)

En este paso vas a definir un objetivo de tu proyecto y SÓLO uno. El ser humano tiende a complicarse (yo el primero) es muy importante focalizar los esfuerzos en un sólo objetivo. Defínelo siguiendo estos puntos:

1. ¿Qué problema quiero solucionar con estos datos?
2. ¿Qué significan las variables?
3. ¿Qué tipo de variables tienes?
4. Definir 1 objetivo y sólo 1 que ayude a solucionar el problema que has definido en el punto 1

# PASO2. Explorar los datos a lo Sherlock Holmes

Me gusta Holmes. Porque es capaz de ordenar toda la información de diferentes escenas y sospechosos para poder aclarar el lío inicial.

Antes que Sherlock Holmes sepa quién es el asesino, Holmes explora diferentes escenas: busca objetos, interroga a los sospechosos y los presentes, etc. “Explora” con su lupa lugares inverosímiles. Consigue un listado de objetos y hechos relevantes. Después los analiza para atar cabos y encontrar el culpable.

Y nosotros vamos a hacer lo mismo. Primero de todo exploraremos y después analizaremos.

La etapa de descripción (o exploración) se compone de estos puntos:

1. Crea los gráficos más apropiados
2. Interpreta los gráficos
3. Encuentra tus primeros indicios. Tus primeras pre conclusiones
4. Lista por orden de importancia los indicios que te han desvelado los gráficos

Esta paso es fundamental y muy muy importante.

Podrás recoger información muy útil de tu tabla de datos y la listarás por orden de importancia.

El conocimiento de las herramientas gráficas de la estadística descriptiva es muy importante. Si accedes al training gratuito podrás descargarte un PDF que incluye, entre otras cosas, un listado de gráficos que podrás aplicar hoy:

# PASO3. Analiza los datos con un software y un mapa

Ahora es momento de decidir si tus pre-conclusiones son ciertas o no. Te vas a apoyar de la estadística inferencial: modelos estadísticos causales, contraste de hipótesis e incluso algoritmos de reconocimiento de patrones.

Para hacerlo necesitas dos cosas:

• Conocimiento de un mapa de técnicas estadísticas
• Cómo aplicar estas técnicas con un software

Los puntos necesarios en este paso son:

1. Encuentra las técnicas más apropiadas para corroborar las pre-conclusiones con la ayuda de un mapa
2. Diseña la metodología de análisis
3. Aplica esta metodología
4. Resume los resultados

El conocimiento de las técnicas estadísticas y tu experiencia juegan un gran papel en esta etapa.

Si quieres más puedes encontrar 6 técnicas estadísticas más utilizadas en la práctica que te ayudarán a ampliar el conocimiento de las técnicas.

Training Gratuito de Estadística

Descubre cómo analizar los datos de tus proyectos con éxito.

Sin perder miles de horas descifrando fórmulas estadísticas incomprensibles.

ACCEDE AHORA AL TRAINING GRATUITO

# PASO4. Crear el informe final listando conclusiones cristalinas

Es el último y muy importante. Saber comunicar tus hallazgos delante de tu audiencia. Es un proceso muy, muy importante. Los datos sólo son útiles si se muestran los resultados de forma cristalina.

Me ha pasado que en ocasiones no he sabido transmitir la importancia de mis resultados y conclusiones. Y, ¡es el resultado final lo que importa! Te he preparado 6 puntos que todo informe o presentación debe incluir:

1. Contextualiza tu proyecto
2. Explica muy bien el problema que resuelves
3. Define tu objetivo alineado al problema que quieres resolver
4. Muestra la información escondida (etapa de exploración)
5. Define tu metodología de análisis por encima (etapa de análisis)
6. Muestra los resultados. Los más importantes (etapa de análisis)
7. Resume las conclusiones
8. Problemas encontrados durante el estudio
9. Siguientes pasos del proyecto