Plans are nothing. Planning is everything.

Normalmente los analistas empezamos por utilizar los datos para tener información de forma que se puedan tomar decisiones de acción y de impacto para el negocio. Es decir, lo que hace que valga la pena analizar es la relación INFORMACIÓN -> DECISIONES. Por eso no paro de decir lo importante que es tener bien claras las preguntas de negocio que queremos contestar. Básicamente porque tenemos que saber qué tipo de datos necesitaremos y qué tipo de análisis debemos aplicar.

Y es la misma base la que se utiliza para Data Science. El resultado de aplicar ciencia a los datos debería valer para lo mismo: contestar preguntas de negocio utilizando datos. Todo comienza o debe comenzar con preguntas de negocio y debería terminar por tener impacto en el negocio.

Para formular las preguntas adecuadas debemos tener en cuenta qué tipo de respuesta vamos a querer conseguir, y sobre todo, tener en cuenta que lo que se va a utilizar para dar con dicha respuesta va a ser la combinación de datos del pasado. Es decir, la primera premisa es que para contestar cualquier pregunta sobre el futuro hemos de consultar el pasado.

El primer paso para dar con la pregunta adecuada que impacte en el negocio siempre pasa por la exploración de los datos, para poder entender mejor los llamados problemas ambiguos, tales como «por qué han caído mis ventas?» o «cómo son mis clientes?». Hemos de centrarnos en la respuesta, en qué es lo que necesito saber para accionar en lo que esté en mi mano. La segunda premisa es que necesitamos ser muy precisos en las preguntas para tener respuestas precisas y accionables 🙂

Por ejemplo: Para saber cuántos clientes volverán a comprar el año que viene hay que analizar la información de los ya clientes que compraron este año y buscar los factores y los patrones que nos permitan entender qué es importante para lograr una nueva compra de aquellos que ya nos conocen. La tercera premisa es que tenemos que tener un histórico potente, con suficientes datos, que sean fiables y garantizar que toda la información está debidamente conectada entre los diferentes sistemas que alimentan nuestro ecosistema de datos.

Y podremos aplicar el análisis correspondiente. Esto depende mucho del tipo de pregunta que queramos contestar por lo que la metodología más eficaz es tomar la pregunta y clasificarla para saber qué deberíamos hacer para lograr respuestas. Realmente, el uso de la estadística ha de estar siempre ligado al tipo de pregunta que se realiza desde negocio.

Una vez tenemos la pregunta, aplicaremos métodos basados en extraer el conocimiento de los datos y buscaremos el mejor algoritmo para resolver los problemas del negocio y obtener respuestas:

1.- Normalmente al enfrentarnos a un análisis general nos hacemos preguntas que intentan identificar anomalías o diferencias, se pueden contestar muchas del mismo modo que las preguntas simples (punto 2), pero realmente la diferencia es que éstas preguntas son exploratorias, no sabemos si existe una sola, más de una o incluso ninguna respuesta:

¿Es esta tasa de conversión normal para este momento del año?
¿Los clientes utilizan una combinación de fuentes de origen distinta a la que utilizaban hace un año?
¿Los productos más vendidos son también los más consultados?
¿Si llueve hay más descargas de mi app?
¿Si hay fútbol se multiplican las visitas a mi web?
…

Respuestas de Anomalías (tipo 1) -> Correlaciones: Cuando se aprecia una asociación entre una variable y otra. Es decir, este análisis lo que intenta es encontrar correlaciones entre variables de forma que sirvan de punto de partida para encontrar variables causales. La idea es que, si encontramos la causa de la correlación, podamos influir sobre ella para variar o potenciar una situación o decisión.

2.- A partir de aquí nos surgirán preguntas más cerradas. El tipo de pregunta más simple es la que tendría dos posibles respuestas. Lo normal es que busquemos respuestas del tipo SI/NO. Por ejemplo:

¿El cliente que he captado será fiel y volverá a comprar antes de un año?
¿Si elimino los gastos de envío lograré un mayor número de conversiones?
¿Es mejor poner el descuento directamente o el porcentaje de descuento?
¿Podría este potencial cliente cometer fraude si paga con tarjeta?
¿Si introduzco este nuevo canal social lograré incrementar las visitas a mi sitio web?
¿El envío de newsletters combinado con mayor esfuerzo en SEM de los productos ofertados en la misma es rentable?
¿La creatividad nueva funciona mejor que la original a la hora de registrar potenciales clientes?
…

Respuestas Simples (tipo 2) -> A veces, partiendo de la correlación hemos de aplicar técnicas de regresión para tratar de determinar o cuantificar la relación entre dos o más variables. Realmente lo que estamos haciendo con la regresión es hacer predicciones sobre dichas variables. La regresión es una técnica que utiliza un modelo lineal simple aditivo entre las variables dependientes e independientes para poder predecir su valor.

Para mí, lo interesante es que la regresión vale para predecir comportamientos con variables que aún no existen 🙂

3.- En otro nivel tendríamos las preguntas que buscan una respuesta que refleje un número o porcentaje:

¿Qué impacto genero en el negocio si no vuelvo a utilizar Facebook Ads?
¿Cuánto venderé el año que viene?
¿Cómo será la venta del producto X si aumento su precio un 5%?
¿Cómo se incrementarán las ventas de este canal la semana que viene?
A este ritmo de decrecimiento, ¿cuándo no será rentable el negocio?
¿Cómo ha influido la eliminación de los gastos de envío en los ingresos?
¿En qué medida perderé clientes frente a mis competidores en el siguiente trimestre?
¿Qué rendimiento tiene la combinación de fuentes SEM + Directo?
…

Respuestas Múltiples o Numéricas (tipo 3) -> El objetivo de la regresión es determinar una función matemática sencilla que describa el comportamiento de una variable dados los valores de otra u otras variables. La regresión se utiliza en las preguntas que buscan un número. Es decir, en caso de que exista relación, ver en que medida la independiente influye en la dependiente.

Aquí se aplican técnicas como Causal Impact, que indica la probabilidad y en que medida un hecho relevante a partir de un momento determinado ha influido en una variable determinada (posterior a la acción) o la simulación de Montecarlo, para poder medir la probabilidad de que se produzca una determinada situación en una variable determinada (anterior a la acción).

4.- Si la pregunta tiene que ver con las propiedades de los datos, es cuando se utilizan las técnicas de clasificación, que nos ofrecen respuestas de conducta o probabilidades:

¿Qué potenciales clientes terminan comprando los productos de la categoría Z?
¿Qué tipo de clientes utilizan la misma personalización de los productos?
¿Qué días de la semana registran el mayor volumen de devoluciones?
¿Qué contenido consultan los clientes que terminan registrándose como leads?
¿Qué tienen en común los usuarios que cometen fraude en mi sitio web?
¿Cuál es el riesgo que existe de que ante determinadas situaciones como la frecuencia de visita o de compra podamos perder a un cliente?
¿Qué probabilidad supone el hecho de que una visita termine convirtiendo si ve el video corporativo?
¿Qué tienen en común los usuarios que hacen click en el banner principal?
…

Respuestas de Conducta (tipo 4) -> Clasificación y estimación de probabilidades: Se usan para predecir a qué clase o clasificación independiente pertenece el individual. Se puede combinar con un modelo de scoring para representar la probabilidad de que el individual pertenezca a cada una de las clases. El análisis de probabilidad analiza una serie de situaciones como factores para determinar qué probabilidad existe para que ocurra algo en base a lo que pasó anteriormente.

La diferencia entre clasificación y regresión es que la clasificación intenta predecir si algo pasará mientras que la regresión intenta predecir cuánto pasará.

Lo interesante del análisis sobre los datos es que las técnicas a aplicar en cada momento van a depender de las preguntas formuladas y que un análisis nunca es igual a otro aunque busque el mismo tipo de respuesta. Grandioso, no nos aburriremos nunca 🙂 Por eso es importante partir de las preguntas eficaces que nos generen respuestas accionables y eficientes. Planear sin fin.