Ciencia de Datos

Ciencia de Datos vs Analítica de Datos
1. Diferencia
  1. Lo que hacen con los datos
2. Data Science
  1. Limpieza, preparación y análisis de datos.
  2. Aplicación de herramientas para extraer conocimiento de los datos
  3. Habilidades
    1. Desarrollo de datos
    2. Investigación de datos
    3. Empresarios de datos
    4. Creatividad de datos
3. Data Analytics
  1. Obtención de ideas de fuentes de información sin procesar
  2. Tendencias y métricas
  3. Habilidades
    1. Administración de bases de datos
    2. Operaciones
    3. Arquitectura de datos
    4. Análisis de datos
Relación con Big Data y el análisis estadístico
1. Si quieres tomar decisiones importantes, y con riesgo controlado, tendrás que agregar habilidades estadísticas a tu perfil
2. Big Data
  1. Datos masivos y a menudo no estructurados, en los que las capacidades de procesamiento de las herramientas tradicionales de gestión de datos resultan ser inadecuadas.
  2. Consecuencia directa de la digitalización y "datafication" de casi todas las actividades en la vida personal, pública y comercial de los seres humanos.
  3. La importancia de ambos depende solo de su uso
    1. Big Data
      1. Optimizar la oferta basada en los hábitos del cliente
      2. Desarrollar nuevos productos
    2. Ciencia de Datos
      1. Reducir costos
      2. Reducir tiempo
      3. Tomar decisiones más informadas y fundamentadas
3. Análisis estadístico
  1. Estadística es la ciencia de cambiar tu mente (cuando hay incertidumbre)
Aplicación con KPIs
1. KPI: Key Performance Indicator
  1. Valor medible que demuestra la eficacia con la que una empresa logra los objetivos clave del negocio
  2. Manera de medir el desempeño de empresas, unidades de negocio, etc., en relación con objetivos y metas estratégicas.
  3. Tipos
    1. Negocios
      1. Tasa de crecimiento de ingresos
      2. Tasa de abandono
      3. Tasa de adquisición
      4. Cuota de mercado relativa
      5. Rentabilidad sobre recursos propios
    2. Financieros
      1. Ingreso periódico recurrente (MRR)
      2. Margen de beneficio neto
      3. Flujo de caja operativo (OCF)
      4. Capital de trabajo
      5. Radio actual
      6. Variación del presupuesto
    3. Ventas
      1. Ventas mensuales
      2. Nuevos clientes potenciales
      3. Costo por adquisición
      4. Tasa de conversión de cliente potencial a cliente
      5. Clientes potenciales de ventas (SQL)
      6. Valor de vida del cliente (SV)
    4. Mercadotecnia
      1. Tráfico del sitio web por fuente
      2. Costo por adquisición (CPA)
      3. Comercialización de leads calificados (MQL)
      4. Tasa de conversión
      5. Puntuación Neta de Promoción
    5. Gestión de proyectos
      1. Valor planificado (PV)
      2. Costo real (AC)
      3. Valor ganado (EV)
      4. Varianza de costos (CV)
      5. Varianza programada (SV)
  4. Alto nivel
    1. Empresa en general
  5. Bajo nivel
    1. Procesos o empleados
  6. Forma de comunicación
  7. Formular un KPI
    1. ¿Cuáles son los resultados comerciales deseados o esperados (objetivos)?
      1. SMART
        S: Specific
        M: Measurable
        A: Attainable
        R: Relevant
        T: Time-bound
    2. ¿Cómo se pueden mejorar los valores arrojados por un KPI tomando ciertas medidas?
    3. ¿Se cuentan con todos los datos relevantes y necesarios para monitorear los KPIs?
    4. ¿Quién va a utilizar el informe derivado de un KPI y qué se necesita saber?
    5. ¿Cómo visualizar los KPIs específicos (gráficos, métricas, diagramas, etc.)?
    6. ¿Con qué frecuencia se revisará el progreso hacia el resultado?

Siguiente

Descripción

Resumen del Recurso

Similar

	Creado por Valentina López Luna hace alrededor de 3 años