Ebook AF3:

LA TECNOLOGÍA AVANZADA DE
ANALÍTICA DE DATOS
como una herramienta clave para la toma de
decisiones en el comercio electrónico.
 Estimado (a) beneficiario (a)
Este curso virtual, 100% gratuito, es realizado por el SENA y la Cámara de
Comercio Electrónico, en el marco de la convocatoria DG - 001- de 2022, con
él conoceremos las diferentes técnicas de análisis estadísticas y herramientas
de visualización de datos, así como el concepto de analítica de datos y su
aplicación en los negocios con un pensamiento crítico.

1
Capítulo 1 Introducción
¿Qué vamos a aprender?
Habilidad a desarrollar
Ruta de entrenamiento
Perfil profesional del experto
Glosario de términos
Enlaces de interés

Capítulo 2 Fundamentos de la analítica de datos.

Análisis de Datos
Análisis estadístico
Herramientas de visualización de datos

Capítulo 3 Analítica descriptiva, predictiva y prescriptiva

¿Qué son los datos?
Análisis de datos
Machine learning

Capítulo 4 El futuro de los datos y su implicación en los negocios: casos prácticos

Inteligencia artificial, algoritmos, Redes neuronales y Machine learning
Pensamiento crítico en el análisis de datos
Bases de datos y su relación con el comercio electrónico.

Capítulo 5 Pensamiento Crítico y resolución de problemas en entornos digitales

La toma de decisiones como herramienta práctica para la solución
de problemas
El análisis de problemas como método de aprendizaje

Capítulo 6 Cierre

2
CAPÍTULO 1
UNIDAD GENERAL

3
Te damos la bienvenida al proceso de La tecnología avanzada de analítica de datos
como una herramienta clave para la toma de decisiones en el comercio electrónico.
Iniciamos con la unidad general, donde encontrarás información detallada sobre el
curso, además de conocer los contenidos a trabajar.

Acompáñanos a ver algunos de los acontecimientos que han acelerado los cambios
tecnológicos y que han involucrado a las empresas.

¿QUÉ VAMOS A APRENDER?

Objetivos de aprendizaje:

1. Conocer qué es la analítica de datos y su aplicación en los

negocios con un pensamiento crítico.
2. Comprender los conceptos y técnicas de procesamiento de
datos para asegurar la generación de valor para las empresas.
3. Conocer diferentes técnicas de análisis estadísticas y
herramientas de visualización de datos.
4. Identificar las diferencias de los tipos de análisis por medio de
la aplicación de estos en ejemplos prácticos.

HABILIDAD A DESARROLLAR
1. Durante este proceso desarrollarás tus capacidades de análisis de los datos en una
empresa real.

4
RUTA DE ENTRENAMIENTO
Analítica de datos para la toma
de decisiones en e-commerce

Unidad 1: Fundamentos de la
analítica de datos.

Unidad 2: Analítica descriptiva,

predictiva, prescriptiva

Unidad 3: El futuro de los datos, su

implicación en los negocios y casos
prácticos

Unidad 4: Pensamiento Crítico

y resolución de problemas en
entornos digitales

5
 Perfil profesional del experto
Sergio Andrés Sarmiento Arango es ingeniero multimedia, experto
en proyectos E-learning y Data Analyst.
Su experiencia profesional la ha desarrollado como Gestor de Recursos Digitales
Senior en la Universidad de La Sabana; Instructor de Analítica de datos y Big Data en
la Fundación FaceIT; y Desarrollador Multimedia en el Colegio de Estudios Superiores
de Administración.
Cuenta con título de maestría en Diseño multimedia de la Universidad Tecnológica de
México; certificación en Tech Developer de la organización Digital House; y es ingeniero
multimedia de la Universidad Militar Nueva Granada.

Glosario de términos
1. Analítica: es el proceso de detectar, interpretar y comunicar patrones significativos
en los datos.
2. Bases de Datos: es una herramienta de gestión de la información que monitoriza,
analiza y muestra de manera visual los indicadores clave de desempeño (KPI),
métricas y datos fundamentales para hacer un seguimiento de los resultados.
3. Business Analytics (BA): El análisis de negocios o la analítica empresarial (BA)
se centra en utilizar datos para encontrar respuestas. Explica el “por qué”: es el
puente que conecta el lado técnico del negocio con el lado gerencial y de toma
de decisiones.
4. Business Intelligence (BI): La inteligencia de negocio (BI) está relacionada con
la recolección de datos, es el análisis básico que incluye paneles o dashboards,
informes, análisis exploratorios y la obtención de recomendaciones comerciales
a partir de ellos.
5. Ciencia de Datos: Es un campo interdisciplinario que utiliza métodos, procesos,
algoritmos y sistemas científicos para extraer conocimiento e información de
datos ruidosos, estructurados y no estructurados, y aplicar conocimiento e
información útil de los datos en una amplia gama de dominios de aplicación.

6
6. Cualitativa: los datos cualitativos pueden venir en muchas formas, por ejemplo,
en un examen escolar podemos recolectar la perspectiva de los estudiantes al
momento de realizar la prueba.
7. Cuantitativa: información que es mayormente numérica, por ejemplo en un
examen escolar podemos recolectar los resultados en una escala y a partir de
estos datos definir un promedio. Algunas de sus herramientas de recolección son:
entrevistas, encuestas, focus group, comentarios.
8. Estadística: de forma simplificada es la ciencia de recopilar e interpretar datos
sistemáticamente para descubrir patrones y tendencias, utilizada en diversas
situación orientadas a la investigación, utilizando técnicas de recolección de datos
como encuestas y estudios para posteriormente elaborar modelos estadísticos
para su respectiva interpretación.
9. DashBoard: Es una herramienta de gestión de la información que monitoriza,
analiza y muestra de manera visual los indicadores clave de desempeño (KPI),
métricas y datos fundamentales para hacer un seguimiento de los resultados.
10. Distribuciones Estadísticas: es la forma como mis datos se ordenan de mayor
a menor, ayuda a evidenciar formas comunes en que los datos se pueden
representar.
11. Histograma: es la representación gráfica en forma de barras, que simboliza la
distribución de un conjunto de datos.
12. Ingeniería de datos: cubre la adquisición, procesamiento, transformación y
almacenamiento de datos.

Enlaces de interés

• Data Governance: enfoques y herramientas del Gobierno del Dato https://

elartedemedir.com/blog/data-governance/
• Old street solutions: cuando la visualización de datos no es suficiente https://
www.oldstreetsolutions.com/good-and-bad-data-visualization

7
• Data Revolution Group. What is the “data revolution”? Disponible en https://
www.undatarevolution.org/data-revolution/
• United Nations, Department of Economic, Social Affairs, & Statistics
Division. United Nations World Data Forum. https://unstats.un.org/unsd/
undataforum/index.html
• Carrillo, R. M. El iceberg de data analytics. https://www.linkedin.
com/pulse/el-iceberg-de-data-analytics-rodrigo-m%C3%A1rquez-
carrillo/?originalSubdomain=es
• Information is beautiful. Learn to create impactful inphographics & data visuals.
Disponible en https://informationisbeautiful.net/
• Adobe Color. Rueda de colores: un generador de paletas de colores. Disponible
en https://color.adobe.com/es/create/color-wheel

8
CAPÍTULO 2
FUNDAMENTOS DE LA ANALÍTICA DE DATOS

9
 ANÁLISIS DE DATOS
Hoy en día el mundo tiene cantidades extraordinarias de datos y cada día estos van
aumentando. Pero los datos por sí solos no son útiles. La analítica y los negocios nos
permite aprender del pasado y hacer mejores predicciones para el futuro.

¿Qué es el análisis de negocio?

El análisis de negocio no solo implica tomar datos y convertirlos en conocimiento.
Actualmente el mundo cuenta con cantidades extraordinarias de datos y cada día que
pasa van en aumento. Pero los datos por sí solos no son útiles. De hecho, para que los
datos tengan valor debes comprender lo que te dicen, necesitas poder convertirlos en
información útil y de eso se trata la analítica empresarial. La analítica y los negocios te
permiten aprender del pasado y hacer mejores predicciones sobre el futuro.
Hay tres tipos de análisis que puedes utilizar para aprender del pasado: el análisis
descriptivo resume los datos históricos, el análisis exploratorio descubre los patrones
ocultos, y el análisis explicativo revela las razones de los resultados comerciales. Cada
tipo abarca un conjunto diferente de herramientas, tecnologías, procesos y buenas
prácticas para obtener conocimiento a partir de los datos.

Cómo funcionan los datos en los negocios

Actualmente las empresas quieren aprovechar al máximo los millones de registros de
datos que tienen almacenados en sus sistemas.
Han invertido millones en iniciativas de análisis de datos e inteligencia artificial porque
entendieron que los datos son un factor crucial para la toma de decisiones.
Sin embargo, aunque existen empresas muy sólidas y ricas en fuentes de datos, esto
no quiere decir que sean prósperas en información, ya que debe existir un balance
entre ser maduro en fuentes de datos y saber explotarlos, para evitar las dificultades
que conlleva no incorporar los datos en sus estrategias comerciales o no alinear sus
esfuerzos de datos con las necesidades de la empresa.

10
Hay una serie de razones que pueden desbalancear esta ecuación, y entre ellas están
desde la falta de talento hasta las expectativas irracionales en la cultura empresarial.
Resolver estos problemas es esencial para liberar el poder de los datos en las
organizaciones.

Ventajas empresariales al usar analítica de datos

Las organizaciones buscan obtener beneficios de las bases de datos con el fin de
mejorar su estrategia empresarial y mejorar su posición competitiva en el mercado.
Para esto deben hacer uso de nuevos conocimientos y tecnologías que les permitan
manejar el gran volumen y la variedad de datos que obtienen cada día. Con las
herramientas adecuadas de análisis de datos y su correcta aplicación, las empresas
pueden ofrecer mejores productos, desarrollar excelentes relaciones con sus clientes,
mayor conciencia de riesgo y mejor conocimiento del desempeño financiero, logrando
transformarse en organizaciones más ágiles y competitivas.

Usar analítica de datos en las empresas tiene 4 ventajas fundamentales:

• Simplifica el proceso de análisis.
• Determinar valores atípicos y tomar acciones.
• Operacionalizar, monitorizar, gestionar y confiar.
• Información valiosa e inteligente en tiempo real.

ANÁLISIS ESTADÍSTICO
Esta lección busca que comprendas cómo se recopilan e interpretan los datos
sistemáticamente para descubrir patrones y tendencias. Veremos los usos del
análisis estadístico para la investigación con técnicas de recolección de datos como
encuestas y estudios que sirvan para elaborar modelos estadísticos para su respectiva
interpretación.

11
 ¿Qué es un análisis estadístico?
El análisis estadístico se produce cuando se recopila e interpretan datos sistemáticamente
para descubrir patrones y tendencias. Es utilizado en diversas situaciones, orientado a la
investigación y utilizando técnicas de recolección de datos como encuestas y estudios
para posteriormente elaborar modelos estadísticos para su respectiva interpretación.
El análisis estadístico requiere de grandes volúmenes de información, lo cual implica
un trabajo de recolección previo para obtener una muestra de los datos recogidos.
Por ejemplo, una base de datos de una tienda de venta de implementos de papelería
puede utilizar herramientas estadísticas para encontrar patrones entre sus clientes, ver
similitudes de venta de ciertos productos, con la intención de tener un buen inventario
y crear una mejor experiencia para los clientes.

HERRAMIENTAS DE VISUALIZACIÓN
DE DATOS
Somos criaturas visuales y cuando las cosas son representadas por medios visuales
nos resulta más sencillo interpretarlas. En esta lección conoceremos diferentes
herramientas de visualización de datos útiles para facilitar nuestra comprensión de
datos estadísticos.
Gráficos estadísticos: tipos e importancia en la comunicación de datos.

12
¿Cuántas patas tiene el elefante? ¿Te ha pasado que ves una imagen como esta y
tienes problemas para entender si el elefante tiene tres o cuatro patas?
No sabemos si tiene 3 o 4 patas y quizá nunca lo sepamos. Este tipo de problemas
también pasan con los gráficos, pero los humanos somos criaturas visuales, las cosas
hacen sentido para nosotros cuando son representadas por medio de una visualización
y entre más sencilla será más fácil de interpretar.
Las visualizaciones pueden mejorar o dañar por completo el tablero o el mensaje que
queremos transmitir. Acá es donde debemos ser muy cuidadosos en usar el gráfico
para el dato que tengo, por eso en esta sección vamos a hablar de los tipos de gráficos
disponibles y cuándo deberíamos usarlos. Tenemos cinco tipos de gráficos.

• Barras: El primero es el gráfico de barras, como lo vimos en el ejemplo anterior,

sirve para comparar diferentes categorías como habitantes por ciudad, ventas por
Jefatura, marca de vehículos que más se vendió en un periodo de tiempo o validar
el cambio entre dos períodos. Podemos ordenarlas de mayor a menor y aprovechar
los espacios que da la gráfica para tener más textos en las etiquetas. Se utilizan para
mostrar la evolución o comportamiento de una variable en el tiempo, se compone
en un sistema de coordenadas de ejes cartesianos —eje X y eje Y— en el que barras
rectangulares horizontales o verticales representan gráficamente la variable elegida.

Debemos evitar este gráfico cuando tenemos muchas categorías, porque se puede
perder la capacidad de diferenciar entre ellas.
• Líneas: El segundo es el gráfico de líneas, este tipo de gráfico es similar al de barra.
Los datos se ordenan en base a los ejes cartesianos. Este tipo de gráfico es útil para
observar la evolución de una variable. Se puede usar también cuando quiero ver un
valor, un presupuesto, gastos, costos, cantidad de clientes nuevos en el tiempo. A
simple vista nos va a facilitar ver los picos estacionales y darnos la idea de cómo
nuestro negocio se comporta en el tiempo.
• Torta: El tercer tipo de gráfico es el gráfico de torta, permite visualizar las partes
de un todo a través de una circunferencia dividida en sectores o porciones.

Este lo podemos usar para comparar proporciones relativas y porcentuales de

diferentes categorías. Puede ser usado, al igual que en el de barras, con pocas
categorías, sin importar el tamaño de los datos. Usualmente se utiliza para comparar
una única variable para estas categorías.

13
• Dispersión: El siguiente gráfico es el de dispersión, el punto de partida son también
los ejes cartesianos que muestran todos los valores de la variable dependiente y de
la independiente, o de dos variables para comprobar si existe relación. El resultado
suele ser una nube de puntos que muestra una dispersión o una concentración
y ayuda a los estadistas a determinar la relación o no entre las variables.

Este es usado para mostrar correlaciones y agrupar los datos de una forma muy
útil, sobre todo cuando la información que tenemos tiene dos valores y el orden
de los valores no es relevante. Un ejemplo es cuando queremos comprar un carro y
comparar que cumpla dos requisitos, que tenga una velocidad de X un precio Y. Para
visualizar la mejor combinación podemos poner las marcas de estos representadas
en los puntos de la gráfica y en los ejes, donde veremos que se está cruzando.
• Combinado: Por último, tenemos el gráfico combinado, en este gráfico podemos
tener un comparativo de 2 variables que se encuentran en diferentes rangos, por
ejemplo tenemos en valores nominales y el otro en porcentaje. Un ejemplo de
este tipo de gráfico es la venta de un producto o de sus metas. Cabe resaltar que
si necesitamos comparar más variables, es mejor separar los datos en diferentes
gráficos para resumir toda esta clase.
• Pictograma: Es importante entender qué historia queremos contar, que queremos
transmitir y conocer y qué tipo de datos tenemos para así saber cuál gráfico usar.

Buenas prácticas para crear gráficos

• La simplicidad es la mejor estrategia donde menos es más. Si queremos en un
solo gráfico incluir muchas variables o llenarlo de color, no vamos a hacerle fácil a
nuestro usuario el proceso de entender y leer los datos. No porque se vea complejo
un gráfico quiere decir que transmite información valiosa, es mejor tener muchos
gráficos sencillos que se correlacionen antes que uno muy complejo.
• Debemos evitar en los gráficos usar efectos 3D o efectos especiales, pues ellos
podrían generar dificultad para interpretar datos. El usuario se empezará a preguntar
¿qué parte de la barra debo mirar? ¿La parte delantera, la parte más baja o la
trasera, que es la más alta? Hay que evitar también la distorsión en los ejes. En los
gráficos de barras, el eje vertical debe siempre comenzar en cero. Nuestros ojos son
muy sensibles al área de las barras y podemos llegar a sacar conclusiones sesgadas
cuando no hay sincronía en el eje.

14
• Evitemos presentar mucha información en un solo gráfico, sin importar cuál
estemos usando, ya que elimina las ventajas de procesar los datos visualmente.
Por ejemplo, muchas líneas de tendencia en una misma área o demasiadas barras
en un gráfico de barras pueden dificultar la distinción entre grupos de datos.

Sí tenemos demasiada información para presentar, debemos considerar la opción

de crear una serie de gráficos agrupados por diferentes conjuntos de temas y estos
ordenarlos de una manera lógica.
• Los gráficos llamativos utilizan colores, pero el uso de demasiados colores o no usar
los colores correctos puede hacer que el gráfico se vea desordenado sin sentido.

Buenas prácticas de los dashboards

Vamos a mostrar al usuario cómo debe poder llegar rápido al dato que busca. ¿Piensa
en el menú de un restaurante? Esto es un dashboard para buscar tipos de platos, valor
y quizás alguna información nutricional. Pensemos por un momento, que tal que todos
los tipos de plato estuvieran sin categorizar y simplemente estuvieran ordenados por
orden alfabético o por orden de precio, buscar una bebida en particular o el plato que
nos encanta, sería muy difícil y sin duda pasaríamos un mal rato.
Con los dashboard sucede lo mismo en su definición, son tableros donde podemos
encontrar información resumida.

15
En los dashboard se debe identificar cuáles son las necesidades de los usuarios y la
pregunta que se está queriendo resolver, así como cualquier información urgente,
advertencias o alertas, el dashboard nos va a permitir ver toda una historia y
escoger qué parte de la historia queremos ver. El diseño de los dashboard parte de
hacer sentir cómodo al usuario. Debemos identificar los datos y la información que
queremos mostrar.

Revisemos entonces las recomendaciones

para un dashboard exitoso.
• Distribución de la información:
Empecemos por no poner toda la información en un solo lugar, esta es la regla de
oro y cuando identificamos la audiencia y el mensaje se puede evitar la necesidad
de rellenar todos los espacios en blanco. Con esto dicho, pensemos en nuestra
audiencia nuevamente como un equipo de personas con diferentes necesidades:
un vicepresidente comercial no necesita ver los mismos datos que un especialista
en marketing, el área de Recursos Humanos o los profesionales en logística.

Como ya sabemos a quién va dirigido el dashboard, debemos escoger el tipo de

tablero y para ello, existen cuatro grandes grupos.

16
• Estratégico:
El primero es el estratégico, son todos aquellos que están enfocados en hacer
seguimiento a la estrategia de la empresa es usado para analizar y evaluar
comparativamente una gran gama de información clave basada en tendencias.

Acá vemos una galería de Google data Studio que ilustra este tipo.

• Táctico y analítico:
Hablemos ahora del táctico y el analítico, son ricos en información y se adaptan
mejor a la gerencia media ayudan a formular estrategias de crecimiento basadas
en tendencias, fortalezas y debilidades en todos los departamentos.

• Laboratorios:
Por último, hablaremos de los laboratorios, son herramientas de inteligencia de
negocio que existen para monitorear, medir, administrar procesos u operaciones
con una escala de tiempo más corta o inmediata.

• Disposición:
El siguiente punto a tener en cuenta es
el diseño y la disposición del tablero, si
está organizado visualmente, los usuarios
encontrarán fácilmente la información
que necesitan, si esto no se define bien,
vamos a obligar al usuario a pasar tiempo
entendiendo el dashboard, las mejores
prácticas indican que la información
clave debe mostrarse primero en la parte
superior de la pantalla, en la esquina
superior izquierda.

17
Estudios han demostrado que las personas miran intuitivamente la parte superior
izquierda de una página, primero sin importar el tema, el área o el tipo de usuario.
Teniendo esto en cuenta, cuando estemos diseñando comencemos con el panorama
general. La tendencia principal debería ser visible a primera vista y desde ahí se puede
continuar con gráficos más detallados.
Esto nos va a garantizar que un tablero genere un impacto agradable a la vista.
Patrones de seguimiento visual y cómo usarlos en Experiencia de Usuario | UXpañol

Data Studio como herramienta de visualización

En este video veremos una introducción a Data Studio.

Comenzaremos con lo básico antes de pasar a las funciones intermedias y finalmente

revisaremos las opciones avanzadas, como la mayoría de las herramientas de Google
Data Studio puede ser difícil de dominar, pero vale la pena el esfuerzo una vez que las
necesidades de visualización nos llevan a familiarizarnos con sus funciones, vas a poder
usarlos para crear informes increíbles e informativos para tus clientes, compañeros de
trabajo. No solo eso, si no que habrás desbloqueado la etapa final de la experiencia en
análisis de datos.

¡Tips del experto!

“Compara los diferentes gráficos ofrecidos por las herramientas de visualización para
escoger de forma correcta según la necesidad, analiza si la combinación de gráficos
puede ayudar a presentar mejor la información”.
Sergio Andrés Sarmiento Arango

18
CAPÍTULO 3
Analítica descriptiva,
predictiva y prescriptiva.

34
19
 ¿QUÉ SON LOS DATOS?
Esta primera lección busca que logres conocer qué es la analítica de datos y su
aplicación en los negocios con un pensamiento crítico. Asimismo, busca que
comprendas los conceptos y técnicas de procesamiento de datos para asegurar la
generación de valor para las empresas.
Un dato es información sobre algo concreto que permite su conocimiento exacto o
sirve para deducir las consecuencias derivadas de un hecho.
Fuente: https://dle.rae.es/dato

La forma más fácil de entender lo que son los datos es describirlos como unidades de
información. El valor de una transacción es un dato (por ejemplo 25,000). Este dato,
utilizado con el conjunto de otros datos u otras transacciones, se puede utilizar para
estimar los ingresos mensuales de una empresa, que es información muy valiosa para
un negocio.

Fuentes de datos
Una fuente de datos es la ubicación de donde provienen los datos que se utilizan, en
la siguiente tabla encontrarás las características de algunas fuentes de datos.

20
 ¿Qué es un registro?

Es un conjunto de campos que contiene los datos que pertenecen a una misma
entidad, que en hojas de cálculo sería el equivalente a las filas de una tabla.

• Bases de datos: Las bases de datos, tanto relacionales (usan SQL) como no
relacionales (no usan SQL), están consideradas como una de las principales
fuentes de datos dada la gran cantidad que son capaces de almacenar.
• IoT: Con la aparición de dispositivos capaces de conectarse a Internet e
interactuar de forma autónoma, el IoT o Internet de las Cosas se ha posicionado
en los últimos años como una de las mejores fuentes de datos.
• CMS: Son fuentes de datos generados por y asociados a los usuarios, lo cual
permite a muchas empresas nuevas oportunidades de negocios en relación con
las acciones que realizan los usuarios en este tipo de plataformas.
• ERP: Son sistemas de gestión empresarial. Se consideran una fuente de datos
excelente para llevar a cabo análisis dentro de una empresa con el fin de
encontrar posibles riesgos y mejoras dentro de la misma.
• CRM: Son los sistemas que gestionan las relaciones con los clientes. Se consideran
una fuente de datos importante ya que permiten atraer nuevos clientes, sobre
todo cuando los clientes son la principal fuente de ingresos de las empresas.
• APIs de datos: Los grandes volúmenes de datos que generan empresas como los
bancos en su actividad cotidiana se consideran una nueva fuente de información
que permite comprender mejor las interacciones socioeconómicas que se
producen. Estos volúmenes de datos, junto con las herramientas de análisis,
posibilitan la creación de nuevos modelos de negocio y mejoran la toma de
decisiones, entre otras ventajas.
• Redes sociales: Permiten medir las respuestas que dan los usuarios sobre ciertos
productos o servicios, lo que se traduce en datos que pueden ser analizados a
través de herramientas y, por lo tanto, permiten ofrecer una respuesta en tiempo
real a los consumidores.

21
 Recolección de los datos desde
el enfoque cualitativo

Un estudio cualitativo busca obtener datos que se conviertan en información de

personas, comunidades, situaciones o procesos en profundidad, en las propias
“formas de expresión” de cada uno.
• Obtener información:
A través del registro sistemático de notas de campo, de la obtención de
documentos de diversa índole, y de la realización de entrevistas, observaciones o
grupos de discusión.

• Captura, transcribe y ordena la información:

A través de diversos medios. Por ejemplo, en el caso de entrevistas y grupos
de discusión, se hace mediante un registro electrónico (grabación en formato
digital); en el caso de las observaciones, a través de una grabación en video o en
papel (notas tomadas por el investigador); en el caso de documentos, a través de
la recolección de material original, o de la realización de fotocopias o el escaneo;
y en el caso de las notas de campo, a través de un registro en papel mediante
notas manuscritas.

• Codifica la información:
Este es un proceso que la agrupa en categorías que concentran las ideas,
conceptos o temas similares descubiertos por el investigador, o los pasos o fases
dentro de un proceso.

• Integra la información:
Relaciona entre sí las categorías obtenidas en el paso anterior y con los
fundamentos teóricos de la investigación.

22
 El Storytelling de los datos

¿Qué tiene que ver la narración de historias y la analítica de datos? Visualiza esta
animación y descúbrelo.
El storytelling se usa para enseñar, para compartir experiencias, conectarse con otras
personas, inspirar a equipos y también para retar nuestras propias formas de trabajo.
Si te fijas en la Historia, verás que existen pinturas de hace siglos que tienen algo
para contarte, un mensaje que transmitirte y que perdura en el tiempo, narraciones
de cómo los cazadores y los recolectores sobrevivían, sobre qué tipo de animales
tenían que cazar y cuáles evitar porque eran peligrosos. Pero volvamos sobre las
personas y los negocios, nunca se había vivido un momento en el que se tuviera
acceso a tanta información. Sin embargo, a pesar de esto, nuestra capacidad para
contar historias con nuestros datos (gráficos y visualizaciones) no ha ido a la misma
velocidad.
Un hecho acompañado de una historia (narración) tiene veintidós veces más
probabilidades de generar una recordación que el dato por sí solo.
Las organizaciones y las personas que quieran avanzar en los negocios deben hacer
conciencia de que estas habilidades vienen codificadas en nosotros y es importante
intervenir en su desarrollo. Con un enfoque reflexivo, todos podemos contar historias
inspiradoras e influyentes con nuestros datos.

El storytelling propone los siguientes pasos para construir una historia:

• Contexto:
Primero, el contexto, este será muy útil porque dará las bases. Empieza por
preguntarte qué tipo de análisis harás. ¿exploratorio o descriptivo? El primero
es para navegar nuestras fuentes y ver qué encontramos ahí. El segundo se usa
para comunicar una historia muy específica. Cuando tienes esto debes pasar a
tres preguntas básicas: ¿qué?, ¿quién? y ¿cómo?

23
• Definir tu audiencia:
Ahora debes definir tu audiencia, entender qué necesitan, qué los motiva y
cómo procesan mentalmente la información. Teniendo esto presente, en este
punto tienes que ser muy específico y no asumir que la audiencia va a ser capaz
de conectar todos los puntos y todas las variables para engancharse a tu historia.
• ¿Cómo contar?:
Ahora viene el cómo. Es por medio de los datos que vas a singularizar el caso
a resolver. De la audiencia se desprende el proceso de crear historias, ahora tú
define el problema, analízalo, determina las acciones para afrontarlo y cuál es el
resultado esperado, qué oportunidad hay, que recomendaciones puede haber
y qué vas a discutir o aprobar dentro de lo presentado dentro de la historia
completa.
• Contar lo esencial:
Debes tener la capacidad de contar lo esencial en tres minutos, saber
exactamente qué quieres comunicar. Reduce la cantidad de material de ayuda,
como diapositivas u hojas, y define con qué herramientas contarás la historia.

Análisis de datos.
Existen tipos de análisis de datos
que representan la etapa en que la
organización se encuentra en función
de la eficiencia e inteligencia. Para ello
la empresa debe pasar por algunas
fases para lograr aumentar o generar
valor para el negocio. En el siguiente
diagrama se presenta su orden
de desarrollo:

24
 Fuente: Analítica Avanzada de datos y su valor para el negocio

ETAPAS EN EL ANÁLISIS DE DATOS

Analítica cognitiva:
¿Qué sucedió? Esta es la pregunta que intenta responder la analítica descriptiva.
Supón que una empresa de ventas de celulares se puso en la tarea de analizar el
tráfico de su página de internet ,y encontraron un incremento significativo en los
visitantes. Posteriormente a esto se deben preguntar, ¿qué sucedió?
Este es el gran interrogante que debes resolver en un análisis descriptivo, cuyo
objetivo es presentar los datos numéricos analizando el tráfico histórico, para
encontrar en el lapso de ocurrencia el cambio de variación de la tendencia. Se
empieza indagando cómo ocurrió esto en ese preciso momento, y el análisis
descriptivo, como su nombre lo indica, intenta describir las tendencias a partir de los
datos existentes y observar las situaciones que las produjeron, compara diferentes
segmentos de datos y diferentes periodos de tiempo para construir una idea de las
tendencias.

25
Ejercicio:
Si observas la imagen de abajo, ¿cómo podrías describir al personaje?

Lo más probable es que tu respuesta se limite a mencionar su nombre, pero qué

más puedes describir de este personaje, piensa que alguien que no tiene ni idea de
quién está en la imagen, ¿cómo le ayudarías a entender o a saber lo que ves? Es un
individuo con una peculiar forma de hablar y reír, con los músculos de los antebrazos
muy desarrollados; gorra, atuendo y pipa de marinero vasco o nórdico, fanático
de unas latas de espinacas poderosas que no se ven en la imagen. ¿Qué más ves o
sabes? Exactamente todos esos son los atributos que te ayudan a entender mejor
qué representa la imagen, y a presentar (describir) la información relevante para
comprender eso que es justo lo que buscas con el análisis descriptivo de los datos.
Recuerda siempre la importancia de la visualización de los resultados del análisis
descriptivo. Sobre esto ya exploraste en la unidad anterior la relevancia de los
tableros de comando o dashboards.

26
 Analítica diagnóstica:
El objetivo del análisis de datos exploratorios es responder ¿Por qué ha pasado?
La mejor analogía para el análisis diagnóstico es un canino que detecta un olor y
lo persigue. Por lo general, el analista comienza con la captación de un olor solo
con una tendencia o pista, y luego persigue a través de la suma de datos hasta que
descubre algo interesante y útil.
El propósito de la analítica exploratoria es familiarizarse con los datos en sí, darle
un vistazo a los diferentes atributos de los datos para comprender los valores,
segmentos, rangos de edad, entre otros. Luego, se trata de profundizar en los datos
para comprender y confirmar una hipótesis. No se suele utilizar informes ni cuadros
de mando estándar, más bien el analista revisa los datos a través de consultas a
la base de datos, hojas de cálculo u otras herramientas del análisis. Incluso puede
escribir algoritmos utilizando programas específicos para hacer el trabajo.

Analítica predictiva:
La analítica predictiva es un conjunto de técnicas capaz de identificar los patrones
del comportamiento del negocio para extraer el conocimiento que permita anticipar,
prever y controlar los acontecimientos futuros. Esta valiosa información sirve a las
empresas para situarse por delante de la competencia.
Ejemplos rápidos y aplicaciones del análisis predictivo:
En el mundo del marketing, los clientes potenciales que ingresan desde el sitio web
de una empresa pueden puntuar para determinar la probabilidad de una venta y
establecer la prioridad de seguimiento adecuada. Así, las campañas pueden dirigirse
a los candidatos con mayor proyección de compra. Los modelos de desgaste ayudan
a las empresas a establecer estrategias para reducir las tasas de abandono y sus
consecuencias a través de comunicaciones y servicios especiales u ofertas.

27
 Analítica prescriptiva:
La analítica prescriptiva es una forma de análisis que examina los datos para
responder a la pregunta ¿Qué y cómo hacer para que un objetivo se cumpla?,
utilizando técnicas de simulación, sistemas de recomendación, optimización,
redes neuronales, entre otros. La optimización es la técnica clave, pues se trata
de encontrar la solución más eficiente respetando ciertas restricciones. Ejecutar la
acción óptima permitirá obtener mejores resultados en comparación con una acción
no analizada.

Analítica cognitiva:
Se trata de la más alta evolución de la analítica y recoge un amplio número de
técnicas comúnmente englobadas dentro de la inteligencia artificial. Apoyada en
estas técnicas desarrolla soluciones capaces de entender, aprender y reconocer
patrones escondidos en datos de muy diversos formatos.

28
 MACHINE LEARNING
Es la capacidad de un algoritmo y de la inteligencia artificial (IA) para adquirir
conocimiento a partir de observaciones, aprender de los datos para mejorar, describir
y predecir resultados para posibilitar la automatización de decisiones de forma
inteligente.
Por ejemplo, hay sitios web que te recomiendan productos que podrían gustarle
con base en compras anteriores. La realidad es que utilizan algoritmos de machine
learning para analizar tu historial, y de esta forma promocionar otros artículos que
podrían interesarte. Esta capacidad de capturar datos, analizarlos y usarlos para
personalizar una experiencia de compra (o implementar una campaña de marketing)
es el futuro del comercio detallista.

29
 CAPÍTULO 4
. El futuro de los datos y su implicación en los
negocios: casos prácticos

30
Las empresas necesitan información para tratar de predecir qué va a pasar en
el futuro y hacia dónde deben dirigir sus esfuerzos e inversiones. El objetivo de
anticiparse al futuro no es saber qué va a pasar, sino obtener la habilidad de
adelantarse en la toma de decisiones, realizar acciones antes de, y no esperar a que
los hechos ocurran.

Inteligencia artificial, algoritmos,

Redes neuronales y Machine learning
Recuerda que la Inteligencia artificial, grosso modo, se trata de una serie de
algoritmos que crean una máquina con un comportamiento similar al de los seres
humanos. ¿Pero los seres humanos trabajamos o pensamos de manera infalible?
Aunque la respuesta es no, la Inteligencia artificial es un gran aliado para predecir
comportamientos futuros en todos los campos, pero serás tú quien decida en qué
campos resulta más eficiente aplicarla: esencialmente cómo y para qué, teniendo en
cuenta además que es una herramienta que evoluciona minuto a minuto.
Redes neuronales: Las redes neuronales también existen y están implementadas en
plataformas como Amazon y Mercado Libre. Cuando estás buscando un producto la
red neuronal es capaz de pensar como tú y te ofrece productos que te gustan o te
interesan, los datos que tienen son tan grandes que pueden anticipar deseos a través
de un análisis de comportamiento, analizando cómo interactúas en sus plataformas.
Por esto les queda tan fácil determinar qué productos te atraen o podrían atraerte.
Inteligencia Artificial y los algoritmos: La principal diferencia entre la IA y los
algoritmos es que a estos el analista (tú) es quien define una serie de órdenes para
que, cuando ocurran ciertas variables, realice unas operaciones concretas que has
programado. Sin embargo, si al ejecutar la acción se presentan errores originados
en algoritmos u órdenes incoherentes, la Inteligencia artificial es capaz de aprender
de ellos por sí sola, aprende a realizar esas acciones correctamente, ella misma
determina qué opciones son las más adecuadas en cada momento, en lugar de seguir
las reglas que en principio le has programado, y así es como se construyen las Redes
neuronales.

31
Machine learning: Aquí es donde entra al juego el machine learning. La Inteligencia
artificial debe ser entrenada. En principio, toda acción que se realice va a fallar,
por lo tanto hay que revisar qué está mal, por qué está mal. Poco a poco la IA
irá aprendiendo, hasta que tenga unos resultados precisos sobre esa acción
determinada. Aprende como un ser humano, con base en prueba y error, ensayo y
corrección, termina haciendo el proceso de forma casi perfecta, sin casi ninguna falla.
El machine learning va más un poco más allá y utiliza las redes neuronales para crear
unas capas superiores de aprendizaje que construye otro tipo de conocimiento, más
abstracto, subjetivo, menos racional, mucho más cercano a cómo funcionamos los
seres humanos, a cómo funciona nuestro cerebro. A partir de ahí es capaz por sí solo
de realizar tareas mucho más complejas. Y a esta complejidad se suma la gran ventaja
de la IA para gestionar, analizar y trabajar con grandes cantidades de datos que
exceden por mucho las capacidades limitadas del cerebro humano.

Recursos de estudio: Con la Inteligencia artificial

entrenada de forma adecuada, planteando sus usos
y comprendiendo para qué sirve en cada campo, es
momento de saber cómo implementarla y usarlo en
beneficio de objetivos claros. La Inteligencia artificial ya
está en todo, es el presente, es el futuro inminente.
Para ampliar el conocimiento sobre las herramientas
anteriores, te invito a ver el video Predecir el futuro con
el Big Data, a leer el artículo El futuro de los datos.

PENSAMIENTO CRÍTICO
EN EL ANÁLISIS DE DATOS
El pensamiento crítico es la habilidad de analizar y reflexionar sobre los hechos de
forma objetiva para crear una opinión certera buscando soluciones a problemas que
se dan como irresolubles, una persona razonable y racional utiliza el pensamiento
crítico y no llega a conclusiones precipitadas ni se basa en sus emociones para la
toma de una decisión. Por el contrario, entiende la importancia de priorizar, recopilar
y organizar los datos necesarios para entender una situación por completo, y luego
analizarlos de forma no sesgada para extraer la conclusión más lógica.

32
 La clave del pensamiento crítico
en el análisis de datos
Potenciar el pensamiento crítico es la clave para analizar los datos. Podrá sonar obvio
pero no lo es. El pensamiento crítico se transfiere y se aplica de manera transversal en
muchos aspectos de la vida, así que desarrollar y cultivar este tipo de pensamiento
debe ser una necesidad que te conducirá a hacer unos mejores contadores de
historias con datos, además de permitirte resolver problemas de manera más
eficiente.
Muchas veces, por falta de tiempo, solicitan a los equipos de analítica, de tecnología
o de inteligencia de negocio, algún tipo de reporte, dashboard, o modificar uno
ya existente, esto sin antes preguntarse qué parte de la cadena de valor quieren
mejorar.

BASES DE DATOS Y SU RELACIÓN CON EL

COMERCIO ELECTRÓNICO
Quien tiene una buena base de datos tiene el 90% ganado en cuanto al éxito de su
comercio electrónico. Aquellos que apenas están empezando carecen de bases de
datos, pero los que prestan atención a su importancia tienen el éxito asegurado. La
base de datos es el corazón de una tienda de comercio electrónico: con una buena
base de datos, bien gestionada, puedes llegar donde quieres llegar.
Pero cuidado, las bases de datos son delicadas porque incluyen no solamente
información identificativa de cada uno de los clientes (como nombres, direcciones,
números de contacto, correo electrónico, dónde se deben entregar las compras que
se realizan…), sino también datos sensibles (como números de tarjetas bancarias,
número de identificación, número de tarjeta preferente o pasajero frecuente, entre
otra información que debes cuidar).

33
• Mucho más que datos: Por esto una base datos es mucho más que datos, es
un registro histórico de las compras, los hábitos, las preferencias (si compra más
los fin de semana, los martes o si lo hace por la mañana o por la tarde, tipos
de productos, colores, tallas, tamaños…). Solo así se le pueden hacer ofertas
personalizadas, ajustadas a su comportamiento distintivo. Y al final el cliente
lo va a agradecer porque piensa que alguien se interesa por saber sobre él y
complacerlo.
• Fuentes de datos: Por medio de Internet hay nuevas formas (y no tan nuevas)
de comunicarse con los clientes. Estas plataformas o redes también deben ser
completadas en las bases de datos: si tiene cuenta de Twitter, Facebook, si usa
WhatsApp en su teléfono móvil, Instagram, TikTok, finalmente se trata de saber
sobre el cliente todo lo que sea posible y relevante para obtener datos útiles.
Estas fuentes de datos pueden ayudar a analizar cambios en los hábitos de
compra, gustos, necesidades, sobre todo cuando se trata de clientes jóvenes o
adolescentes, pues sus comportamientos se transforman con mayor velocidad.
• Procesamiento de bases de datos: Frente a todas las fuentes que producen
datos no hay que asustarse, para eso están los programas especializados en el
procesamiento de bases de datos: Oracle, SQL, Access de Microsoft. Todos ellos
son muy potentes, son bases de datos interconectadas en las que puedes escoger
datos de distintas fuentes y analizar qué ocurre cuando las cruzas, y esto te va a
dar un conocimiento muy profundo y muy detallado de lo que te interesa.
• Clasificación de clientes: Para una base de datos siempre ten en cuenta una
clasificación de clientes: por ejemplo A, B y C (sé creativo cuando elaboramos
planes de fidelización), donde los clientes Alfa son los que más compran, los Beta
los del medio y los Coda los que menos. Ahora pregúntate cómo hacer que un
Coda se convierta en Alfa, cómo hacer que compren más; o cómo hacer que una
celebridad o un influencer (sin importar qué tanto compran) formen parte de tus
Alfa y se beneficien de un trato privilegiado, sabiendo lo importantes que podrían
llegar a ser para la reputación de tu negocio.
• Buzón de PQR: Finalmente, las bases de datos tienen que saber cuáles han sido
las quejas, cómo se han resuelto, qué han dicho los clientes, si han llamado para
quejarse o se han quejado en redes sociales, qué respuestas se les han dado a
sus reclamos. Las quejas son la identificación, la etiqueta visible y llamativa, de un
problema por el que estás perdiendo clientes, así que cada vez que un cliente se
queje, dale las gracias.
Para ampliar el conocimiento al respecto te invito a ver el video Big Data e inteligencia artificial

34
 CAPÍTULO 5
Pensamiento Crítico y resolución de
problemas en entornos digitales

35
 La toma de decisiones como herramienta práctica
para la solución de problemas
La toma de decisiones es una selección de acciones alternativas, asociadas a un
plan estratégico que permitirá la solución de un problema o situación específica.
Esta destreza es una herramienta muy funcional para el mundo organizacional, que
integra a su vez otras habilidades:
Escucha asertiva: se centra en establecer conexiones profundas con las demás
personas, esto quiere decir, que se tiene la capacidad de escuchar al otro sin tratar
de imponer nuestras creencias, opiniones, juicios ni valoraciones. Una escucha
asertiva está orientada a escuchar atentamente a la otra persona, tomando nota
mental sobre lo que no está exponiendo y que una vez esta termine podamos
comunicarnos con la otra persona desde la empatía y la cercanía. Cuando hablamos
de proyectos, el líder que tiene una escucha asertiva es capaz de entender a su
equipo, analizar lo que estos le exponen desde una mirada objetivo y no trata de
imponer sus deseos.
Fuente: https://www.cronista.com/clase/trendy/Gestion-emocional-5-consejos-para-dominar-el-arte-de-la-
escucha-asertiva-y-comunicarte-mejor-20200110-0002.html

Trabajo en equipo: El trabajo en equipo propende que personas con diversas

habilidades trabajen de manera mancomunada para lograr un objetivo. Dentro del
trabajo en equipo todos los integrantes aportan tanto de manera individual como
colectiva con el fin de realizar las tareas trazadas en el equipo. Cabe resaltar, que
en el trabajo en equipo hay un líder quien dirige y acompaña a los integrantes del
equipo. Para que amplies la información te invitamos a que realices la lectura “Las
5 C del trabajo en equipo: Las claves para tener éxito en tu negocio” haz clic en el
siguiente link para que realices la lectura.
Fuente: https://www.apd.es/las-5-c-del-trabajo-en-equipo/

Liderazgo: Es la habilidad que tiene una persona de motivar, influir, organizar,

coordinar y ejecutar diversas acciones para alcanzar las metas propuestas. El
liderazgo emplea de manera eficiente el poder y reconoce que es indispensable
identificar tanto las fortalezas como puntos de mejora, esto con el fin de conocer
a quienes lo acompañan y determinar cómo como líder puede potenciar dichas

36
habilidades con el fin de trabajar mano a mano con ellos y llegar a la meta. Hay varios
tipos de liderazgo, para que los conozcas revisa el video “ 7 estilos de liderazgo” del
canal de youtube Psicoactiva.

Análisis: Como se ha visto el análisis es una competencia que permite procesar

la información de manera efectiva, por medio del análisis las personas pueden
identificar aquellos elementos que se deben eliminar, cambiar, optimizar y aquellos
que están evidenciando que el o los procesos se están desarrollado de manera eficaz.
Para que identifiques la relación entre en la capacidad de análisis y los negocios te
invitamos a que realices la siguiente lectura en la que se define qué es la capacidad
de análisis y su importancia en el desarrollo de proyectos.
Fuente: https://www.obsbusiness.school/blog/capacidad-analitica-sus-ventajas-en-el-desarrollo-de-
proyectos

El conjunto de estas habilidades se convierte en el soporte de la herramienta

funcional que es la toma de decisiones acertadas, que es la base para afrontar los
cambios que se presentan de manera continua en el mundo organizacional.
La gestión de datos no es ajeno a estas destrezas y habilidades, puesto que solo
la capacidad de identificar los datos, agruparlos y graficarlos no será eficaz si no
tienes la habilidad de analizarlos, y con base ese análisis determinar qué está
pasando, qué puede ocurrir y cómo se va a enfrentar el panorama que se avecina. En
consecuencia, la toma de decisiones y la solución de problemas permite hacer una
gestión integral del manejo de datos.

37
 EL ANÁLISIS DE PROBLEMAS COMO
MÉTODO DE APRENDIZAJE
Para tomar buenas decisiones es fundamental conocer el método de “aprendizaje
basado en problemas”, que permite identificar una situación problemática,
determinar los hitos/causas relacionadas con el mismo, establecer posibles rutas de
solución, y finalmente resolverlo.

¿Qué es el aprendizaje basado en problemas?

Se caracteriza por promover el pensamiento crítico con el firme propósito de resolver
una situación específica. Este método no solo promueve el pensamiento crítico, sino
que además ayuda a que las personas aprendan a trabajar en equipo, desarrollen una
escucha asertiva y analicen diversos panoramas para poder llegar a una solución.
Un informe del Colegio Tecnológico de Monterrey (2018, p. 2) explica que el
“aprendizaje basado en problemas” se caracteriza por promover el pensamiento
crítico con el firme propósito de resolver una situación específica. Este método no
solo promueve el pensamiento crítico, sino que además ayuda a que las personas
aprendan a trabajar en equipo, desarrollen una escucha asertiva y analicen diversos
panoramas para poder llegar a una solución.
No es necesario estar inmerso en un escenario académico para conocer la utilidad
de este método. Lo importante es que sepas que existe y que a partir de su
aplicación en múltiples escenarios podrás desarrollar habilidades que te permitirán
desempeñarte integralmente, más allá del ámbito restringido de las especialidades.
Para explorar más sobre este método y evaluar lo que ofrece para afinar tus
destrezas para la solución de problemas, te invito a conocer otros de sus aspectos
relevantes en el video ABP, una metodología para el aprendizaje: situaciones
reales, pensamiento crítico y creatividad.

38
 Relación del “aprendizaje basado en problemas”
con la toma de decisiones

Como se mencionó, el “aprendizaje basado en problemas” fortalece habilidades

como el liderazgo, la comunicación, el análisis, la argumentación y el trabajo en
equipo, que a la vez están inmersas en la capacidad más amplia de tomar decisiones.
Por esto el “aprendizaje basado en problemas” y la toma de decisiones son conjuntos
de destrezas relacionadas e inseparables que fortalecen habilidades de pensamiento
que permiten que un profesional sea capaz de ver y prever, y sobre todo que tenga
la capacidad de actuar en el momento indicado de una manera consciente, crítica y
asertiva, desde la que pueda ejecutar acciones que permitan alcanzar los objetivos.
Recuerda, sin embargo, que no solo basta con identificar y acumular datos, lo
importante es que con ellos se puedan determinar oportunidades, prevenir
amenazas, construir fortalezas y diseñar acciones de mejora que puedan contribuir
al logro de los objetivos, y esto solo se puede conseguir en la medida en que no
solo se manejen los datos, sino que se gestionen, es decir que a partir de ellos se
puedan tomar decisiones en el momento indicado, a partir del análisis adecuado de
alternativas de solución, para finalmente actuar.
Por lo anterior, es importante que indagues más sobre este tema y para ello
hagas la lectura del artículo Toma de decisiones y solución de problemas de
administración de Mónica Florencio. Después de hacerla te invitamos a que en el
foro subas un póster en el que describas cuatro aspectos relevantes sobre la toma de
decisiones en relación con el manejo de datos

39
CAPÍTULO 6

40
 MENSAJE MOTIVACIONAL
Esperamos que al cierre de este maravilloso proceso,
aprendas que la tecnología avanzada de analítica de
datos como una herramienta clave para la toma de
decisiones en el comercio electrónico, es fundamental
para desarrollar tus capacidades de análisis de los
datos en una empresa real.

47
41