Parte VIII · Consulta y repaso

21 · Glosario

Los 60 conceptos que trabaja esta web, en sus cinco bloques. Cada uno lleva una explicación corta y el enlace a la página donde se aplica sobre los datos de TechSoluciones.

Buscar un concepto

D · Estadística descriptiva

D1 Media, mediana y desviación: La media reparte el total a partes iguales, la mediana es el valor del medio y la desviación mide cuánto se separan los datos de la media. Ninguna de las tres basta por sí sola. Ver →
D2 Cuartiles y rango intercuartílico: Los cuartiles cortan los datos ordenados en cuatro partes iguales. El rango intercuartílico es la distancia entre el primero y el tercero. Los extremos no le afectan. Ver →
D3 Forma de una distribución: Cómo se reparten los valores: simétricos, con cola larga a un lado o con picos. Hay cola larga cuando la mayoría de los valores son pequeños y unos pocos, mucho más grandes, alargan el reparto hacia un lado. La asimetría y la curtosis la resumen y el histograma la muestra. Ver →
D4 Pareto o regla del 80/20: La idea de que unos pocos elementos producen casi todo el efecto. Solo se cumple a veces, así que se mide con la curva acumulada en lugar de suponerla. Ver →
D5 Segmentación descriptiva: Partir los datos por producto, categoría o zona y comparar las partes. Es el primer paso para ver si el total esconde diferencias. Ver →
D6 Nivel de agregación: El nivel al que se resume un dato: por venta, por mes o por año. La misma pregunta puede tener ganadores distintos según el nivel elegido. Ver →
D7 Tabla cruzada y mapa de calor: Una tabla con una categoría en filas, otra en columnas y una magnitud en cada casilla. Con color, muestra de un vistazo dónde se concentra algo. Ver →
D8 Qué gráfico para qué pregunta: El tipo de gráfico se elige según la conclusión que tiene que mostrar: barras para comparar, línea para el tiempo, dispersión para dos medidas, tabla para buscar un dato. Ver →
D9 El EDA por fases: El análisis exploratorio siguiendo un orden fijo: pregunta, calidad, descripción, segmentación, contraste, trazabilidad y conclusión. Ver →
D11 Media frente a mediana: Con cola larga, unas pocas ventas muy grandes suben la media por encima de la mayoría de las ventas. La venta típica la describe mejor la mediana. Ver →
D12 El denominador de una tasa: Un total grande puede salir de muchas ventas pequeñas. Antes de ordenar, hay que decidir si se compara el total o lo que deja cada unidad. Ver →

E · Atípicos y anomalías

E1 Atípico por rango intercuartílico: La regla de Tukey: es atípico lo que cae más de una vez y media el rango intercuartílico por fuera de los cuartiles. Ver →
E2 Atípico por z-score: Cuántas desviaciones se aleja un valor de la media. Tiene un problema: los propios atípicos aumentan la desviación que se usa para detectarlos. Ver →
E3 IsolationForest: Un algoritmo que aísla los puntos raros con cortes al azar: lo que se aísla con pocos cortes es sospechoso. No conoce las reglas del negocio. Ver →
E4 Atípico legítimo frente a error: Un valor extremo puede ser una venta real y grande. Una anomalía es algo que las reglas del negocio no permiten. Se tratan distinto. Ver →
E5 Regla frente a algoritmo: Cuando se sabe qué está mal, la regla decide. El algoritmo sirve para proponer candidatas que alguien revisa. Ver →
E6 Falsos positivos de un detector: Tres cifras distintas: qué parte de lo normal se marca por error, qué parte de los avisos es real y qué parte de lo buscado se encuentra. Ver →
E7 Tiempo hasta la detección: Cuánto tarda una alerta en saltar desde que ocurre lo que vigila. Depende de cada cuánto se ejecuta el control: revisar a diario en lugar de a fin de mes acorta la espera. Ver →
E8 Fatiga de alertas: Cuando casi todos los avisos son falsos, la gente deja de mirarlos. El umbral se elige pensando en quien los recibe. Ver →
E9 Anomalía puntual, contextual y colectiva: Una venta rara en cualquier sitio, una venta rara solo en su contexto y un grupo de datos normales uno a uno que juntos no lo son. Ver →
E11 LOF y DBSCAN: Dos formas de buscar valores raros por densidad: un punto es sospechoso si está en una zona mucho más vacía que la de sus vecinos. Ver →

F · Señal frente a ruido

F1 Correlación de Pearson: Mide cuánto se mueven juntas dos variables en línea recta, de -1 a 1. Su p-valor indica si se distingue de cero. Si la relación es grande o pequeña lo dice el propio coeficiente. Ver →
F2 Correlación de Spearman: La misma idea sobre el orden de los valores y no sobre los valores. Le afectan menos los extremos y detecta relaciones que no son rectas. Ver →
F3 Test de permutación: Se barajan los datos muchas veces para ver qué produce el azar y se compara el resultado real con esos barajados. Ver →
F4 Toda clasificación tiene un primero: Aunque no haya ninguna diferencia real, la variación normal hace que alguno quede primero. Quedar primero no prueba nada por sí solo. Ver →
F5 Intervalo de confianza: El margen de una estimación: el rango de valores compatibles con los datos. Un promedio sin su margen no se puede comparar con fiabilidad. Ver →
F6 Tamaño del efecto: Cuánto cambia algo, que es distinto de si el cambio se distingue de cero. Con muchos datos, efectos minúsculos salen significativos. Ver →
F7 El ganador entre varios candidatos: Si se elige el mejor de doce, hay que compararlo con el mejor de doce del azar, que es el test del máximo. Ver →
F8 Potencia estadística: La probabilidad de ver un efecto que existe. Un «no hay diferencia» con pocos datos puede deberse a que no había datos suficientes para detectarla. Ver →
F9 Paradoja de Simpson: Una tendencia que aparece en el total y se invierte dentro de cada grupo, porque los grupos pesan distinto en cada lado. Ver →
F10 Margen de un KPI por bootstrap: Remuestrear los datos miles de veces para saber cuánto puede variar un indicador por azar. Ver →
F11 Corregir comparaciones múltiples: Con muchas pruebas a la vez, alguna sale por azar. Bonferroni controla la probabilidad de que haya algún falso positivo y Benjamini-Hochberg limita su proporción. Ver →
F12 Bootstrap frente a fórmula: Calcular el margen remuestreando o con la fórmula de la distribución normal. Con muchos datos suelen coincidir y con pocos pueden separarse. Ver →
F13 Correlación parcial: La relación entre dos variables después de quitar el efecto de una tercera que podría estar moviendo a las dos. Ver →
F14 Sesgo de selección: Si contestar depende de algo, los que contestan no representan a todos. Se mira si la ausencia cambia de un grupo a otro. Ver →
F15 Emparejamiento: Comparar solo casos parecidos, como ventas del mismo producto, para que la diferencia no venga de la mezcla. Ver →

H · Segmentación y machine learning

H1 RFM: Describir a cada cliente por cuánto hace de su última compra, cuántas veces compra y cuánto gasta. Necesita una clave que identifique al cliente. Ver →
H2 K-means y la elección de k: Un algoritmo que reparte los puntos en k grupos alrededor de sus centros. El número k hay que dárselo y es justo lo que no se sabe. Ver →
H3 Silueta: Compara lo cerca que está cada punto de su grupo con lo cerca que está del vecino. Cerca de 1 hay grupos claros, cerca de 0 no. Ver →
H4 Agrupamiento que degenera: Un algoritmo de grupos siempre devuelve grupos. Cuando el dato no los tiene, los grupos describen cómo divide los datos el algoritmo y así hay que explicarlo. Ver →
H5 Entrenamiento y prueba: Apartar una parte de los datos antes de entrenar y medir el modelo solo sobre ella. La nota sobre los datos ya vistos mide lo que el modelo ha memorizado. Ver →
H6 R² y su lectura en cero: La parte de la variación que el modelo explica. Cero es lo mismo que predecir la media y negativo es peor. Ver →
H7 Fuga de información: Meter en el modelo una variable que contiene la respuesta o que no se conoce a tiempo. La nota sale excelente, pero es falsa. Ver →
H8 Escalado de variables: Transformar las variables a escalas comparables antes de medir distancias. Sin escalar, la variable con valores más grandes domina el resultado. Ver →
H9 Selección de algoritmo: Primero se descarta según la condición obligatoria del caso, como tener que explicar cada decisión. Luego se comparan los que quedan contra un modelo simple. Ver →
H10 Importancia de variables: Cuánto usa el modelo cada variable. Sirve para explicarlo y para detectar fugas: una variable que lo explica todo es sospechosa. Ver →
H11 El modelo sin señal: Que un modelo no pueda predecir es un resultado válido: dice que esas variables no explican lo que se busca. Ver →
H12 Maldición de la dimensionalidad: Con muchas variables, todas las distancias se parecen y «cerca» y «lejos» dejan de significar algo. Ver →
H13 Escalado robusto: Escalar con la mediana y el rango intercuartílico en lugar de la media y la desviación, para que los extremos no compriman al resto de valores. Ver →
H14 Mezclas gaussianas: Un agrupamiento que da a cada punto una probabilidad de pertenecer a cada grupo, en vez de una etiqueta sin matices. Ver →

J · Del KPI al cuadro de mando

J1 KPI frente a vanidad: Un KPI es una cifra que puede empeorar y ante la que alguien sabe qué hacer si empeora. Una cifra que solo sube no sirve para avisar. Ver →
J2 Mapa de KPIs y North Star: Los indicadores de cada área con el dato que piden y una cifra que resume el valor que recibe el cliente y orienta al equipo. Ver →
J3 Escalera de la analítica: Qué pasó, por qué, qué pasará y qué hacer. Cada peldaño se apoya en el anterior. Ver →
J4 Sistema de recomendación: Datos, contexto, modelo y acción. El contexto es el paso que evita que la IA rellene los huecos inventando. Ver →
J5 Qué va arriba en un panel: La primera fila es para lo que obliga a decidir algo. Lo que solo da contexto va abajo aunque sea la cifra más vistosa. Ver →
J6 Alertas por umbral: Un aviso que salta cuando algo pasa de un límite. El límite se calibra mirando cuántos avisos da y cuántos aciertan. Ver →
J7 Medida DAX y su gemela: Calcular la cifra del panel también con un script independiente. Si no coinciden al céntimo, algún filtro no hace lo que se cree. Ver →
J8 Narrativa automática: El texto que una herramienta escribe sobre el panel. Presenta como hallazgo todo lo que se ve y cada afirmación necesita su prueba. Ver →
J9 Mapa por provincia: Representar una magnitud sobre el territorio. La magnitud que se elige decide qué provincias destacan. Ver →
J10 Tabla de KPIs con contexto: Cada indicador junto a su valor del periodo anterior, para ver si ha subido o bajado y cuánto. Ver →

Siguiente: las preguntas de repaso →