2. Análisis y analítica de Big Data

En los Conceptos de análisis de Big Data,  existen técnicas y herramientas de análisis de datos,  que se pueden aplicar en el ciclo de vida, según el material ¿Cuáles son los análisis,herramientes y/o tecnologías que se usan?

• Análisis estadístico •Análisis visual •Aprendizaje automático (Machine Learning) •Mapas de Calor •La inteligencia de negocios (BI) tradicional

• Análisis estadístico •Análisis visual •Aprendizaje automático (Machine Learning) •La inteligencia de negocios (BI) tradicional

• Análisis estadístico •Análisis visual •Aprendizaje automático (Machine Learning) •Análisis plulateral •La inteligencia de negocios (BI) tradicional

• Análisis estadístico •Análisis visual •Aprendizaje automático (Machine Learning) •Análisis semántico •La inteligencia de negocios (BI) tradicional

Answer explanation

Conceptos de análisis de Big Data

Estas técnicas y herramientas de análisis de datos, se pueden aplicar en el ciclo de vida, a continuación se muestran las más usadas:

•Análisis estadístico

•Análisis visual

•Aprendizaje automático (Machine Learning)

•Análisis semántico

•La inteligencia de negocios (BI) tradicional

Una empresa de distribución de productos deportivos creó una aplicación exitosa para ayudar a las personas a perder peso con un plan de dieta y entrenamiento. El modelo que usó esta empresa se ejecuta mediante una suscripción, donde los usuarios pueden obtener una prueba gratuita por 15 días y luego compran una suscripción mensual, trimestral o anual. Una de las principales formas en que esta empresa impulsa su negocio es con su formulario de suscripción al boletín a través de un Sleeknote. La prueba que realizó la empresa fue simple:

 Utilizaron dos elementos visuales diferentes para el fondo, con el fin de ver cual funcionaba mejor:

Un formulario presentaba una imagen de un plato con comida saludable, y en la etiqueta del mensaje, la siguiente leyenda “Suscríbase a nuestro boletín y obtenga 15 días gratis”.

En el otro formulario colocaron la imagen de una mujer ejercitándose, y en la etiqueta del mensaje “Suscríbase a nuestro boletín y obtenga 15 días de acceso gratuito"

Los resultados fueron impresionantes, al usar una imagen de fondo diferente, encontrarón que el primer Sleeknote fue un 53% más efectivo que el segundo. Esta voluntad de probar con este tipo de elementos ayudó a incrementar el éxito de la empresa, permitido que alcanzase tasas de conversión superiores a la media. Estos simples cambios les permitieron saber cuáles eran las preferencias de sus clientes, lo cual fue un gran activo.

Teniendo en cuenta el anterior ejemplo, en donde fue probado por separado dos diferentes diseños y contenido para descubrir cual funcionaba mejor; ¿Qué tipo de análisis estadístico se usó?

• Tests A/B

• Correlación

• Análisis de redes

• Clasificación

Answer explanation

Tests A/B (split o bucket testing)

Comparan dos versiones de un elemento para determinar qué versión es superior con base en métricas predefinidas.

Por ejemplo: para determinar el mejor diseño de un anuncio

•Versión A para el Grupo A: corresponde a un anuncio que ya existe (control)

•Versión B para el Grupo B: el mismo anuncio pero con una modificación (tratamiento)

El objetivo es analizar el comportamiento humano, frente a las dos diferentes versiones. Este test se puede utilizar en cualquier campo, sin embargo es el favorito del marketing.

¿Cuáles de las siguientes, son los tipos de técnicas de Aprendizaje Automático (Machine Learning)?

 

• Clasificación, Agrupamiento (Clustering), Detección de datos atípicos (outliers), Filtrado (filtering)

• Mapas de calor, Análisis de series temporales, Análisis de redes, Análisis de datos espaciales

• Test A/B, Correlación, Regresión lineal, Regresión no lineal.

• Clasificación, Agrupamiento (Clustering), Detección de datos atípicos (outliers), Filtrado (filtering),Mapas de calor

Answer explanation

Machine Learning (aprendizaje automático)

Es la combinación entre el conocimiento humano y el procesamiento de las computadora, los siguientes  son los tipos de técnicas de aprendizaje automático:

•Clasificación

•Agrupamiento (clustering)

•Detección de datos atípicos (outliers)

•Filtrado (filtering)

¿Cuál es el propósito de la Analítica de texto (text analytics)?

• Consiste en el uso de bots de chat para que atiendas de forma no presencial, las líneas de atención telefónica de los clientes.

• Es convertir el texto sin estructurar en datos que pueden ser buscados y analizados, con el fin de extraer información importante sobre las principales razones de la insatisfacción de los clientes.

• Es su innovación para mejorar, no solo procesos industriales y profesionales, sino también para mejorar la vida cotidiana.

• Es estudiar las asociaciones entre los productos que compra la gente.

Answer explanation

Analítica de texto (text analytics)

Proporciona la capacidad de descubrir el texto en lugar de simplemente buscarlo, con el fin de extraer información importante sobre las principales razones de la insatisfacción de los clientes.

La analítica de texto, por lo general incluye dos pasos:

Análisis del texto contenido en los documentos, con el fin de extraer:

•Entidades con nombre: personas, grupos, lugares, empresas

•Entidades basadas en patrones: números de seguro social, códigos postales

•Conceptos: una representación abstracta de una entidad

•Hechos: relaciones entre entidades

El análisis de redes es una técnica que se enfoca en analizar las relaciones entre entidades, lo cual implica graficar las entidades como nodos y las conexiones como bordes entre los nodos.

Para llevar a cabo este proceso se deben tener en cuenta las variaciones de análisis de redes, tales como:

Optimización de rutas 

Tamaño de la muestra

Análisis de redes sociales

Pronóstico de propagación: por ejemplo, la propagación de una enfermedad contagiosa

• 1,2,3

• 2,4

• 1,3,4

• 4,1

Answer explanation

Análisis de redes

Una red es una serie de entidades interconectadas, una entidad puede ser una persona, grupo o un objeto de dominio empresarial como un producto, las entidades pueden estar conectadas unas con otras de manera directa o indirecta (algunas conexiones pueden ir en una sola dirección).

Se grafica las entidades como nodos y las conexiones como bordes entre los nodos.

Existen variaciones especializadas de análisis de redes como:

•Optimización de rutas

•Análisis de redes sociales

•Pronóstico de propagación: por ejemplo, la propagación de una enfermedad contagiosa

El Análisis Semántico representa las prácticas que buscan extraer información importante de los datos de texto y de reconocimiento de voz. ¿Cuáles de los siguientes tipos de análisis hacen parte del análisis semántico?

Procesamiento de lenguaje natural (NLP)

Analítica de texto (text analytics)

Análisis de sentimientos (Sentiment Analysis)

Aprendizaje automático (Machine Learning)

• 1,2,4

• 1,3

• 1,2,3

• 4,1

Answer explanation

Análisis semántico

Representa las prácticas que buscan extraer información importante de los datos de texto y de reconocimiento de voz, con el fin de extraer información valiosa, los datos de textos y de reconocimiento de voz deben ser comprendidos por las máquinas, de la misma forma que los humanos los comprendemos.

Tipos de análisis semántico:

•Procesamiento de lenguaje natural (NLP)

•Analítica de texto (text analytics)

•Análisis de sentimientos (sentiment analysis)

¿Cuál de los siguientes enunciados, es la definición de Agrupamiento (Clustering)?

• Es una técnica de aprendizaje supervisada en la cual los datos se clasifican en las categorías relevantes previamente aprendidas.

• Este es un principio del análisis de datos (Data Analysis) tradicional que afirma que los datos almacenados en un dataset de tamaño razonable proporcionan el valor máximo.

• Es una alternativa para analizar aquellas características que tienen en común los clientes actuales con los que ya han migrado en el pasado.

• Es una técnica de aprendizaje no supervisada en la cual los datos son divididos en diferentes grupos, de modo que los datos en cada grupo tienen propiedades similares.

Answer explanation

Agrupamiento (clustering)

Es una técnica de aprendizaje no supervisada en la cual los datos son divididos en diferentes grupos (cada grupo tienen propiedades similares). No requiere un aprendizaje previo de las categorías, ya que las categorías son generadas implícitamente de acuerdo con las agrupaciones de datos.

La forma en que los datos son agrupados depende del tipo de algoritmo usado, (cada algoritmo usa una técnica diferente para identificar clústeres)

El Clustering es utilizado en la minería de datos para entender las propiedades de un dataset determinado y su clasificación puede ser utilizada para hacer mejores predicciones sobre datos similares, pero nuevos, no mostrados.

Las dos leyes fundamentales que hacen parte del Aprendizaje Automático (Machine Learning):

Ley de Incremento en los datos

Ley de los Grandes Números

Ley de la Utilidad Marginal Decreciente

Ley de Big Data para su reconocimiento y Explotación

• 1 y 3

• 2 y 3

• 2 y 4

• Ninguna opción es correcta

Answer explanation

Leyes fundamentales de Machine Learning

Ley de los Grandes Números: establece la exactitud, aplicabilidad de los patrones y relaciones que se encuentran en un datasets; a mayor cantidad de datos disponibles (para analizar), mayor serán las decisiones correctas que podemos tomar.

Ley de la Utilidad Marginal Decreciente: este es un principio del análisis de datos, tradicional que afirma que los datos almacenados en un dataset de tamaño razonable proporcionan el valor máximo, La ley de la Utilidad Marginal Decreciente NO se aplica a Big Data, por tanto, el valor de cada lote adicional no disminuye; por el contrario, se ofrece un valor mayor.

Aplicar esta técnica sirve para estimar cómo cambia una variable dependiente a medida que cambian las variables independientes.

Por ejemplo, digamos que: eres un investigador social interesado en la relación entre ingresos y felicidad.

Por lo tanto, realizas una encuesta a 500 personas cuyos ingresos oscilan entre $ 1’500.000 y $ 3’000,000, y les pides que clasifiquen su felicidad en una escala del 1 al 10. Tanto su variable independiente (ingresos) como su variable dependiente (felicidad) son cuantitativas, por lo que puedes averiguar si existe una relación lineal entre ellas, para llevar a cabo este ejercicio.

¿Cuál de los siguientes tipos de análisis estadístico usarías?

• Regresión

• Análisis visual

• Análisis de datos espaciales

• Analítica de texto (text analytics)

Answer explanation

Regresión

Investiga cómo se relaciona una variable dependiente con una variable independiente dentro de un dataset.Como escenario de muestreo, la regresión podría ayudar a determinar el tipo de relación que existe entre la temperatura (es decir, la variable independiente) y el desempeño de los cultivos (es decir, la variable dependiente).Aplicar esta técnica también sirve para determinar cómo cambia el valor de una variable dependiente con respecto a los cambios en el valor de la variable independiente. Cuando la variable independiente aumenta, ¿La variable dependiente también aumenta? Si así es, ¿El aumento ocurre en una proporción lineal o no lineal?

Sobre el siguiente enunciado:

“La minería de datos es el proceso de analizar volúmenes masivos de datos para identificar patrones, tendencias y relaciones que de otro modo podrían pasar por alto. Pueden aplicar estos hallazgos para ayudar a las empresas a resolver problemas, mitigar riesgos y aprovechar nuevas oportunidades”.

Responda falso o verdadero

• VERDADERO

• FALSO

Answer explanation

Minería de datos (Data Mining)

Es una forma especializada de análisis de datos dedicada a los datasets de gran tamaño. Se refiere a técnicas automáticas basadas en software que filtran los datasets masivos para identificar patrones y tendencias.