Los datos están en continua evolución y con ella surgen nuevos conceptos y modos de trabajar.
A veces resultan complejos y por ello hemos creado Dicciodata, el diccionario sobre del mundo de los datos.
A veces resultan complejos y por ello hemos creado Dicciodata, el diccionario sobre del mundo de los datos.
A
Es un conjunto prescrito de instrucciones o reglas que permite solucionar un problema mediante la realización de una serie de pasos sucesivos.
Su funcionamiento se basa en seguir una secuencia preestablecida paso a paso, donde cada uno se puede describir sin ambigüedad y puede gestionar o tratar diferentes volúmenes de datos.
Es una tipología de análisis que tiene por objetivo determinar o valorar sentimientos o actitudes hacia una compañía, producto, servicio, persona o evento.
Involucra la captura y seguimiento de emociones o sentimientos expresados por los consumidores en distintos tipos de interacciones o documentos, incluyendo redes sociales, contactos con atención al cliente, cuestionarios de satisfacción etc.
Es una tarea de clasificación masiva automática que típicamente incluye actividades como procesamiento de lenguaje natural, minería de texto y lingüística computacional.
B
Es una colección de información que ayuda a la toma de decisiones de las compañías gracias a su capacidad de extraer, transformar y cargar los datos almacenados para obtener reportes relacionados con diferentes departamentos y áreas de negocio.
Según Bill Inmon, pionero en el análisis de datos, sus características son estar orientada a temas que faciliten su entendimiento; medible en el tiempo con datos históricos, estar integrada en una estructura consistente y no ser volátil, es decir, no se modifica o elimina una vez almacenada ya que su función es ser leída.
Pueden ser de distintos tipos; bases de datos estáticas (sólo lectura para Business Intelligence y otras áreas de análisis histórico), dinámicas (actualización, organización de información), bibliográficas, de texto completo, especializadas o directorios (listas con grandes volúmenes de datos personalizados) entre otras.
Es un tipo de análisis que pone el foco en entender el comportamiento de los consumidores, cómo y por qué actúan de una manera determinada. Este tipo de análisis es hoy en día el gran motor de la publicidad en el mundo digital: si mientras navegas en internet o te relacionas en una red social la publicidad que se te muestra es exactamente eso que justo necesitas, es que el los modelos analíticos están consiguiendo su objetivo.
Los modelos digieren los patrones de navegación, interacciones en redes sociales, cestas de la compra, etc predicendo las reacciones potenciales de los clientes en determinadas circunstancias.
Es una tecnología que permite realizar cualquier tipo de transacción de manera segura entre dos o más personas sin necesidad de intermediarios, a través de internet.
Funciona como un libro de cuentas digital donde se anotan todas las transacciones con usuarios que verifican y validan cada una, conectados entre sí mediante una red de bloques, imposibilitando cualquier riesgo de fraude dado que una vez se introduce la información esta no puede ser borrada.
C
Es un programa informático basado en inteligencia artificial que es capaz de mantener una conversación con un usuario mediante respuestas automatizadas a sus dudas o cuestiones más habituales.
Se diseñan para interpretar al cliente, entenderlo, procesar sus respuestas y poder actuar sobre las mismas, con un aprendizaje continuo. Cuanto mayor sea su entrenamiento y adaptación a clientes, mejor será su capacidad de interpretarlos.
Es un proceso de clasificación de datos que consiste en organizar diferentes volúmenes de información en grupos reducidos con características similares entre sí, llamados cluster, donde cada uno es distinto del resto.
Su uso resulta especialmente útil ante grandes volúmenes de datos, aunque funciona de la misma forma independientemente de la cantidad.
D
Es un enfoque empresarial basado en la toma estratégica de decisiones a partir del análisis e interpretación de datos.
Con este enfoque, las empresas pueden extraer, personalizar y visualizar los datos que quieren ver, generar informes y mensajes personalizados en el momento en que los necesitan y adaptar cada decisión en base a la información de los datos, ofreciendo ventajas y oportunidades de mayor margen de actuación a los ejecutivos para tomar mejores decisiones de negocio.
Es el perfil encargado de diseñar, desarrollar, construir, probar y mantener los sistemas de procesamiento de datos con el objetivo de preparar todo el ecosistema de los mismos para que los demás puedan obtener sus datos limpios, filtrados y preparados para su análisis.
Para su trabajo, debe conocer cómo se modelan y limpian los datos, tener un amplio conocimiento del lenguaje SQL ya que el modelo relacional sigue siendo estándar en la generación y consulta de datos, dominio sobre los sistemas operativos con que trabaje: Windows, Linux, Unix y conocimiento en los lenguajes de análisis R o Python.
Al depurar las grandes cantidades de datos con procesos de limpieza, validación y agregación, facilita que la información llegue tratada para su implementación y uso a sus compañeros.
Profesional encargado de supervisar la calidad de los datos en su producción, para generar valor a partir de la información de esos datos y producir insights precisos de manera consistente.
Entre sus funciones se encuentran la limpieza y mantenimiento de los datos, mantener los permisos de regulación en regla y total transparencia sin generar confusiones en el equipo, mantener el orden de los datos, seleccionar las mejores herramientas y enseñar los mejores procesos analíticos al equipo.
Es un entorno de datos en formato original que utiliza tecnología Big Data mediante un repositorio de almacenamiento de datos en bruto para proporcionar información a una organización a la hora de resolver cualquier cuestión de negocio.
Su arquitectura es plana, donde para resolver un problema o cuestión se solicita al entorno los datos relacionados, para una vez obtenidos analizarlos poder actuar.
Se trata del ciclo de vida del dato, desde su origen a sus movimientos en el tiempo, junto a sus características y su calidad, hasta transformarse en información de valor para un negocio.
Puede verse representado de forma visual para observar el flujo del dato a lo largo de la arquitectura de la organización, de modo que podemos conocer quién usa cada dato, qué significa su uso, cómo se relaciona con el resto de los datos, por qué se almacena, cuándo se accede a su información y dónde se aplica.
Entre sus beneficios se encuentran proporcionar comprensión y validación del uso de los datos en cada negocio, proporcionar información interna para mejorar los procesos y detectar oportunidades e impulsar la calidad de la información.
Es el conjunto de técnicas y tecnologías que permiten analizar grandes volúmenes de datos de manera automática o semiautomática estén estructurados o no, cuyo objetivo es encontrar patrones, tendencias o reglas comunes que expliquen los datos en un contexto determinado.
Contribuye a entender y comprender el contenido de una base de datos y su proceso pasa por cuatro fases: determinar los objetivos del análisis, procesar los datos, determinar el modelo estadístico para establecer el algoritmo a aplicar y analizar los resultados.
Es la ciencia basada en la extracción del conocimiento a partir de los datos. Su procedimiento se basa en extraer información de valor aplicable a oportunidades y mejora de negocio a partir de los datos, sean estructurados o desestructurados.
Es además una ciencia multidisciplinar ya que incluye elementos analíticos, estadísticos, matemáticos, de programación y de visualización de los datos combinados con conocimientos empresariales y del entorno de cada empresa.
Es un experto en Data Science cuyo trabajo consiste en extraer conocimiento a partir de los datos. Nace de la evolución del analista de datos tradicional, pero en vez de basarse en una única fuente, este explora y analiza datos de múltiples e inmensas fuentes a partir del entorno Big Data.
Es un perfil con una fuerte visión de negocio y capacidad predictiva, que le permite desarrollar nuevos productos en base a la demanda y adaptar los actuales a cada área de negocio donde vaya a emplearse, desde finanzas a marketing, pasando por RRHH, gestión de clientes y ventas.
Es la evolución de la inteligencia artificial y el machine learning y la disciplina más compleja y sofisticada de las tres.
A partir de inteligencia artificial, es capaz de resolver problemas imitando el funcionamiento de la red neuronal más profunda que emplea nuestro cerebro para tomar decisiones, con capas de unidades de procesamiento o neuronas artificiales especializadas en determinados aspectos ocultos en los datos, emulando al sistema nervioso.
Este aprendizaje en aspectos ocultos de datos, profundo, puede automatizar procesos de análisis predictivo, llegando en su máximo desarrollo a no depender de supervisión humana.
Es un proceso analítico que permite tomar decisiones basadas en el contraste de los datos con los objetivos, operaciones y estrategia de la empresa, permitiendo optimizar los recursos e inversiones.
La oportunidad de este proceso se basa en poder predecir y considerar los elementos que pueden mejorar el desarrollo del negocio, permitiendo mejorar la planificación gracias al estudio de los datos.
Su metodología se basa en definir cuáles son los objetivos de la empresa (ej., aumentar las ventas optimizando la inversión), identificar las métricas que nos van a permitir cumplir esos objetivos (ej., inversión en Customer Experience) y desarrollar una jerarquía de causas y efectos (o drivers) que afectan a las métricas definidas (contacto a cliente, precios…etcétera).
F
Es una técnica de previsión y estimación de la demanda futura que tendrá un producto o servicio, cuyo objetivo es contar con la mayor cantidad de datos históricos y datos en tiempo real para realizar la mejor anticipación y poder adaptar las estrategias de negocio.
Los pilares que fundamentan el forecasting se basan en cuatro fuentes de información: datos históricos, datos actuales, donde también entran los datos en tiempo real, datos futuros y visión de negocio o datos hacia donde nos queremos orientar.
Su aplicación y aporte al beneficio empresarial está dirigido a departamentos de ventas, marketing y producción principalmente, dado que con una buena estimación de la demanda podremos optimizar todo el proceso productivo, los objetivos de venta e incluso el equipo humano.
I
Es una medida que permite capturar la opinión del cliente sobre un producto o servicio en base a la experiencia que le haya reportado, a partir de sus expectativas, conociendo así si se han cumplido, mejorado o fracasado.
Elemento clave de la estrategia empresarial, permite conocer a los clientes en cada interacción con los mismos, pudiendo actuar en cada momento para mejorar su experiencia.
Su cálculo se basa en asociar los indicadores que nos den los clientes con cada elemento que sea relevante medir para la compañía, ponderando también la relevancia que dan los clientes a cada uno.
De este modo, con métodos como encuestas las compañías pueden segmentar clientes, conocerlos y personalizar cada interacción, gracias a las nuevas tecnologías y la analítica de datos del consumidor.
Es la ciencia basada en simular en una máquina la capacidad cognitiva de los procesos de inteligencia humana, pasando por el aprendizaje adquiriendo información y reglas para su uso, el razonamiento usando esas reglas para sacar conclusiones y actuar y la autocorrección ante un problema o mala gestión.
Existen dos tipos: sistemas que actúan de forma inteligente, IA simbiótica y sistemas que directamente piensan de forma inteligente, IA subsimbólica.
K
Key Performance Indicator o Indicador Clave de Desempeño es una medida de evaluación de rendimiento de un proceso en una organización, relacionada con la consecución de los objetivos marcados en su plan estratégico.
Se expresa numéricamente en términos porcentuales y permite seguir el progreso de los objetivos para actuar y poder cumplirlos.
Para que un KPI resulte de utilidad, este ha de ser relevante en la información que aporte a la estrategia empresarial, específico en la medida que nos muestre, medible y realista en base a los recursos de que dispongamos para que sea alcanzable.
M
Es una disciplina científica dentro del ámbito de la Inteligencia Artificial que crea sistemas de aprendizaje mediante el uso de datos para poder realizar una tarea.
Este aprendizaje es automático gracias a los algoritmos generados para trabajar con los datos, de modo que se van actualizando, adaptando y generando nuevos algoritmos para que la IA (Inteligencia Artificial) funcione correctamente.
Gracias al aprendizaje sobre millones de datos, la máquina es capaz de realizar predicciones y recomendaciones de manera automática con supervisión, pudiendo llegar a un funcionamiento automático más profundo y concreto en lo que se conoce como Deep Learning.
Los metadatos son datos que describen otros datos. Son atributos que, vinculados a un archivo, facilitan su gestión operativa y analítica. Por ejemplo, informan desde el autor y la fecha de creación o modificación, hasta la descripción de su contenido. En el contexto actual de Big Data, IoT y Cloud Computing, son de máximo valor al aportar información estandarizable y estructurada de contenidos desestructurados como pueden ser imágenes y vídeos.
La gestión de los metadatos es de gran ayuda para ganar en eficiencia operativa y/o tomar mejores decisiones para la obtención de ventajas competitivas.
P
Es un lenguaje de scripting diseñado a finales de los años 80, para cuyo funcionamientotoma características del lenguaje C y de otros lenguajes de programación.
Se utiliza mucho para tareas de procesamiento de texto y de limpieza y depuración de datos.
Se utiliza mucho para tareas de procesamiento de texto y de limpieza y depuración de datos.
Es un nuevo concepto que auna el comercio electrónico con la compra física, creando una experiencia omnicanal final más completa y satisfactoria gracias a la interacción del usuario.
Auna la inmediatez, inmersión e interacción, online, con el uso de la tecnología incorporada en la tienda física, offline, mejorando y personalizando la experiencia del usuario gracias a los datos que nos proporciona con cada interacción.
Algunos ejemplos de estas tecnologías phygital serían los Códigos QR, VR, IoT, Light ID o probadores inteligentes entre otros.
Auna la inmediatez, inmersión e interacción, online, con el uso de la tecnología incorporada en la tienda física, offline, mejorando y personalizando la experiencia del usuario gracias a los datos que nos proporciona con cada interacción.
Algunos ejemplos de estas tecnologías phygital serían los Códigos QR, VR, IoT, Light ID o probadores inteligentes entre otros.
Es un lenguaje de programación multiplataforma, de tipado fuerte e interpretado, que destaca por su código legible y limpio cuya licencia abierta permite su uso en diferentes plataformas sin necesidad de pagar ningún extra.
Ideal para trabajar con grandes volúmenes de datos ya que facilita su extracción y procesamiento, siendo el más utilizado por empresas que operan con Big Data.
Su objetivo es la automatización de procesos para ahorrar complicaciones y tiempos, cuyos procesos se reducirán en pocas líneas de código a insertar en una variedad de plataformas y sistemas operativos.
R
Es una solución open source (gratuita) orientada al análisis estadístico de datos, que cuenta con todas las técnicas estadísticas posibles , una gran capacidad para generar gráficos de alta calidad y visualización data y una funcionalidad de cálculo numérico muy útil aplicable en la minería de datos.
Puede integrarse con distintas bases de datos y otros lenguajes programáticos como Perl y Python.
Es uno de los lenguajes de programación más utilizados en analítica de datos (series temporales, clusters, regresiones etcétera), investigación científica, minería de datos, data science, investigación informática y matemáticas financieras.
Un patrón supone la existencia de una estructura recurrente o regular en un conjunto de datos. Para el reconocimiento de patrones los objetos se representan por un conjunto de descriptores que permiten su agrupación en categorías o clases.
Así, el primer paso, es identificar las características que se utilizarán como descriptores – utilizando para ello estrategias de selección de variables. A continuación, se aplican modelos de clasificación que generan grupos representados por un mismo patrón. En el proceso de clasificación se utilizan, entre otros, modelos de clusterización, estadísticos y redes neuronales. En el caso de que dispongamos de un grupo de datos existente y/o recurrencia en el proceso, la clasificación podrá ser supervisada (machine learning) o no supervisada (sin aprendizaje).
S
Es un lenguaje de programación multiplataforma orientado a objetos con características de lenguaje funcional, diseñado para expresar patrones comunes de programación en forma concisa, elegante y con tipos seguros. Es un lenguaje:
-Orientado a objetos, donde cada valor en el lenguaje es un objeto.
-Funcional, ya que modela algoritmos usando lenguajes basados en una sintaxis ligera de programación.
-Tipado, que cuenta con un sistema que fuerza estáticamente las abstracciones a ser usadas en una manera coherente y segura.
-Extensible, facilita que se puedan agregar elementos al lenguaje en forma de librerías, de modo que pueda actualizarse gracias a su acceso a bibliotecas de datos.
V
Es un tipo de variable que se determina dentro de un modelo económico a partir de su relación con otras variables, que pueden ser del mismo tipo o exógenas.
Podemos estimar su probabilidad de ocurrencia gracias a esa relación y su valor dependerá de los cambios que se produzcan en el modelo.
Podemos estimar su probabilidad de ocurrencia gracias a esa relación y su valor dependerá de los cambios que se produzcan en el modelo.
En economía se emplean modelos causales, que intentan explicar una variable en función de su relación con otras, de donde podemos sacar ejemplos de variables endógenas como la relación entre ingreso, sueldo y consumo, educación y nivel de ingresos o precio y demanda entre muchos ejemplos.
W
Es un ecosistema digital donde la empresa desarrolladora de la plataforma, software, hardware, servicios o contenidos que se produzcan dentro de ese entorno, controla la información generada dentro del ecosistema y la capacidad de acceso a la misma.
Existe así el riesgo de pérdida de información para medios y creadores de contenido ya que cada desarrolladora puede limitar los datos interesantes a analizar, como el comportamiento real de usuarios o targeting entre otros.
Ejemplos de Walled Garden serían iOS de Apple, redes sociales como Facebook o Youtube entre otros.
