¿Qué hace realmente un analista de datos?

1.- Introducción

En cuanto descubrí la profesión de analista de datos me atrajo de inmediato. Lo que más me gustó fue que toca varios campos: matemáticas, estadística, programación, bases de datos, storytelling, etc. y eso me motiva mucho porque me encanta el aprendizaje multidisciplinar. En cuanto a mi formación soy graduada en Administración y Dirección de Empresas y tengo el Máster en Marketing Digital y el Máster en Coaching empresarial. Buscando una formación que me preparase para trabajar he encontrado el Certificado Profesional de IBM Data Analyst en la plataforma Coursera y me he inscrito sin dudarlo.

2.- Un problema de negocio

Para responder a la pregunta del artículo, comencemos con un caso práctico. Por ejemplo, imagina que tu jefe te dice:

Este mes hemos vendido un 10% menos. Averigua qué está pasando.

Tu trabajo como analista de datos sería tratar de responder a preguntas como: ¿Qué productos han caído? ¿En qué zonas? ¿Desde cuándo? ¿Cuál podría ser la causa? ¿Qué deberíamos hacer? Y cómo es natural, para responder a estas preguntas necesitamos analizar los datos.

3.- Los 4 tipos de análisis

De forma ordenada aplicaríamos los 4 tipos primarios de análisis de datos:

Análisis descriptivo: plantea la pregunta ¿Qué ha ocurrido? La respuesta es: “Las ventas han caído un 10%.”
Análisis de diagnóstico: plantea la pregunta ¿Por qué ha ocurrido? La respuesta es: has averiguado mediante el análisis que la caída se concentra en dos productos y una región.
Análisis predictivo: plantea la pregunta ¿Qué podría ocurrir a continuación? La respuesta es “si la tendencia continúa, las ventas podrían seguir disminuyendo”.
Análisis prescriptivo: plantea la pregunta ¿Qué hay que hacer al respecto? Podemos estudiar diferentes acciones y sus posibles resultados.

4.- Los 7 pasos del proceso de análisis

A continuación seguiríamos los 7 pasos clave en el análisis de datos

Comprender el problema: situación en la que estamos: “las ventas han caído un 10%”, situación en la que queremos estar: “recuperar el 10% de las ventas o incluso aumentar dicho porcentaje”.
Establecer una métrica clara: buscaremos cuáles son los productos cuyas ventas han caído y en cuántas regiones.
Recopilación de datos: los datos que necesitamos son el número de unidades vendidas de cada producto de la empresa en los últimos seis meses.
Limpieza de datos: se limpiarán el número de unidades vendidas de valores faltantes o incompletos o de datos atípicos.
Análisis y minería de datos: se tratará de encontrar patrones, tendencias, correlaciones y variaciones. Al examinar el informe de ventas de los productos, se descubre que la caída en ventas han sido en X e Y, en un solo territorio y se ve que ambos productos están relacionados por lo que la bajada de ventas de X podría influir en la bajada de ventas de Y. Además, se ha observado que la caída de ventas de X e Y coincidió con el lanzamiento de un producto similar y más económico por parte de un competidor.
Interpretar resultados: se evaluará si el análisis es defendible. Nos plantearemos una pregunta: ¿La caída en ventas de X influyó directamente en la caída en ventas de Y? La coincidencia de que los productos X e Y estén relacionados es sin lugar a duda un indicio. También debemos plantearnos esta otra pregunta: ¿Realmente podemos afirmar que el competidor es la causa de la caída? La caída en ventas de X e Y con el lanzamiento del producto del competidor es también un indicio, pero en ambas preguntas debemos analizar si existe realmente una relación causal.
Presentación de resultados: Se utilizará un gráfico para informar a las partes interesadas de lo ocurrido. En el gráfico aparecerán las ventas de X e Y de los últimos 4 meses y se incidirá en la caída de las ventas de estos dos productos en el último mes. También se mostrará cómo las ventas de X podrían afectar a las ventas de Y por ser dos productos complementarios. Por otro lado, se señalará la fecha de lanzamiento (a principios de este mes) de un producto similar por una empresa de la competencia.

5.- ¿Entonces qué hace realmente un Data Analyst?

Un analista de datos selecciona, limpia y analiza los datos para después presentar sus propios informes (a través de gráficos, tablas, mapas, etc.) a las partes interesadas y así ayudarles a tomar decisiones informadas.

6.- ¿Qué herramientas utiliza?

Excel, SQL, Python y Power BI son algunas de las herramientas principales que se utilizan en el análisis de datos. Esto me lleva a platearme la siguiente pregunta:

¿Es un buen analista la persona que domina muchas herramientas?

Creo que lo más importante es tener consolidada una buena teoría más que en dominar muchas herramientas. En realidad las herramientas solo nos ayudan a hacer el análisis de datos, pero el camino que tenemos que seguir tiene un orden lógico que debemos entender y seguir, y ahí ninguna herramienta tecnológica puede sustituirlo:

Problema —> Datos —> Análisis —> Interpretación —> Comunicación —> Decisión

7.- Conclusión

El análisis de datos tiene una importancia creciente en nuestra sociedad y puede ayudar mucho a las empresas en la toma de decisiones. Un buen análisis de datos puede marcar un camino a seguir, para enfrentarse a problemas tan importantes como el del ejemplo que hemos estado comentando anteriormente: una caída de las ventas.

Con este artículo comienzo mi aprendizaje en Data Analytics. Estoy dispuesta a seguir adelante con el curso de IBM e ir desarrollando mis conocimientos teóricos y prácticos a través de los artículos que iré publicando en este blog. ¿Me acompañas en este fascinante viaje?

Fuentes:

IBM Data Analyst Professional Certificate – Coursera

Herramientas de apoyo

ChatGPT — apoyo en revisión, estructura y redacción.

Créditos:

Imagen de AS Photography en Pixabay