← 7 · Estadística descriptiva D9
Este mismo recorrido, puesto en el orden que exige el método
¿En qué orden se explora un conjunto de datos para que la conclusión sea fiable?
1 El problema
Con el fichero abierto, es tentador ir directamente a la pregunta que interesa: qué mes vende más, qué región crece. Un gráfico de barras lo contesta en un minuto y el análisis parece hecho.
2 Por qué engaña
El gráfico sale igual con datos sucios que con datos limpios, con un año incompleto que con doce meses enteros y con ruido que con señal. Todo lo que no se revisó antes queda dentro de la respuesta sin que se note. Con una herramienta de IA que responde en segundos, ese riesgo aumenta.
3 El principio
4 La solución
Ordenar el trabajo en fases que no se saltan, de modo que cada una deje su resultado escrito antes de empezar la siguiente.
5 Qué pasa con estos datos
- 1 Formular la pregunta
Concreta, medible y que permita decidir algo. Aquí son tres y cada una tiene su página.
- 2 Auditar la calidad antes de concluir
Perfilar, limpiar y apartar lo que no es venta. Aquí salieron 16 ventas fuera de las reglas del catálogo antes de calcular un solo total.
- 3 Describir cada variable
Centro, dispersión y forma, una a una, antes de cruzar nada.
- 4 Segmentar antes de concluir
Partir por producto, categoría y zona, porque el agregado puede decir lo contrario que cada parte.
- 5 Contrastar con el azar y con otra muestra
Cada respuesta se enfrenta a 2.000 reordenaciones al azar de los datos y se repite quitando el año incompleto.
- 6 Poder decir de qué filas sale cada cifra
Scripts con semilla que vuelcan cada resultado a un fichero, del que la web lee sus cifras.
En esta web: 19
- 7 Concluir en lenguaje de decisión
Qué se hace, qué no y qué dato habría que recoger para poder responder lo que hoy no se puede.
El orden importa. La primera versión de esta web dio mayo como mes ganador porque sumaba meses con distinto número de años y el ganador desapareció en cuanto se compararon solo meses completos. Era un fallo de la fase 2 que ningún contraste de la fase 5 habría arreglado.
6 Para qué sirve
Como lista de control antes de enseñar cualquier análisis, propio o hecho con ayuda de una IA. Si alguna fase no tiene nada escrito, la conclusión todavía no está lista.
El detalle técnico
Las cifras de la página salen de eda.json y robustez.json.