Tipos de análisis cuantitativos

.

Por: Salomé Acosta Giraldo

Una vez hemos recolectado todos los datos de nuestra investigación,  vale la pena preguntarse ¿Qué tipo de análisis debo hacer con mis datos? ¿Qué nos pueden contar o qué podemos descubrir? La respuesta a las preguntas anteriores, dependerá, claro está, tanto de nuestra pregunta de investigación y objetivos específicos, como también de la forma en la que nos acerquemos a analizar los datos. Si quieres saber más, a continuación, te presento los 5 tipos de análisis cuantitativos más frecuentes: Exploratorio, Descriptivo, Diagnóstico, Predictivo y Prescriptivo

Análisis exploratorio (EDA)

Este análisis tiene como objetivo conocer nuestros datos, hacer un primer acercamiento, por lo que no hay ideas preconcebidas sobre cómo se comportan las variables, y por lo tanto no se busca comprobar ninguna hipótesis. En un primer momento, este análisis tiene como objetivo conocer ¿Cuántas variables tenemos? ¿Cuántos sujetos existen? ¿Qué cantidad de datos perdidos hay? ¿Hay relaciones aparentes entre nuestras variables? entre otras preguntas.

Este procedimiento analítico se apoya en una metodología descriptiva, principalmente de realización de gráficos, los cuales sirven para darnos una idea de las particularidades del conjunto de datos, como la tendencia, la distribución, datos atípicos, entre otros. Con el EDA, descubrimos relaciones, estructuras y patrones en los datos. Toda esta información nos orienta a generar preguntas e hipótesis, adicionalmente a indicar qué tipo de transformaciones deberíamos hacer a nuestras variables. Algunos métodos gráficos más comunes para explorar los datos son el gráfico de dispersión (Figura 1), el gráfico de cajas y bigotes, los histogramas, los pictogramas, las gráficas de líneas, entre otros.

Análisis Descriptivo

En este análisis desarrollamos un resumen de la información de nuestros datos. Lo anterior, mediante múltiples procedimientos que incluyen ordenar, integrar, y comprender. Su objetivo es desarrollar una síntesis estructurada del comportamiento de las variables, ampliar el conocimiento sobre los datos y describir las relaciones que existen entre las variables. Entre los estadísticos más utilizados en este análisis están las medidas de tendencia central, de dispersión, de asimetría, cálculo frecuencias absolutas, acumuladas y relativas, entre otros (Figura 2).

Análisis diagnóstico

La intención del análisis diagnóstico es comprender el porqué sucede determinado comportamiento en las variables. Por lo cual, se desean encontrar principalmente correlaciones y causalidades en los datos. El procedimiento más común es desglosar los datos y observar las interacciones entre las variables con el fin de ver las relaciones entre existentes, es usual acompañar este análisis con gráficos de barras agrupadas o apiladas, matrices de correlaciones (Figura 3),  gráficos de control, etc.

Análisis predictivo

Este análisis nos permite hacer inferencias, basadas en probabilidades, con el fin de predecir eventos o el comportamiento de los datos, a partir de un análisis deductivo de la información de la que ya disponemos. Esto se logra con diferentes técnicas, tales como árboles de decisión, algoritmos de machine learning, redes neuronales, análisis de regresión (Figura 4), entre otros. 

Análisis prescriptivo

Este análisis es el más sofisticado de los mencionados, y tiene como propósito sintetizar una gran cantidad de datos los cuales se procesan continuamente, con la intención de obtener mayor precisión en los resultados para poder, no solo predecir, sino además tomar decisiones basadas en el comportamiento que tendrá un fenómeno si cambiamos ciertas variables y en qué medidas debemos cambiarlas. Es decir, nos permite hacer que el fenómeno se comporte tal y como queremos que lo haga. Este tipo de análisis nos dirá entonces el qué, el cómo y el por qué algo ocurrirá. Los procedimientos que se utilizan para lograrlo van desde métodos de optimización, simulación, hasta Teoría de juegos (Figura 5) y análisis de decisiones.

Ahora bien, es importante recordar que a la hora de revisar qué información se puede obtener e interpretar de los datos, es esencial conocer cuál es nuestro propósito, para proceder de manera adecuada al análisis de los datos recolectados y con ello extraer mejores conclusiones.

Referencias

Alba, G. I. M., & Vergara, I. P. (2010). Las técnicas cuantitativas y su utilidad en el diagnóstico del servicio de asistencia técnica. Ingeniería Industrial, 31(2), 1-8.

Fernández, D., & Guitart, M. (2012). Estadística descriptiva y análisis de datos.

González, L. (2017). Análisis exploratorio de datos: Una introducción a la estadística. Colombia: Universidad de Bogotá Jorge Tadeo.

Lugo Cabrera, C. M., & López Herrera, J. (2018). Analítica de datos con aplicación en un caso práctico, mediante el uso de una herramienta libre.

Núñez, M. (2008). Evaluación de las técnicas diagnósticas: Análisis estadístico. Comité de tecnólogos de ALASBIMN. Montevideo-Uruguay: Escuela Universitaria de tecnología médica.

Rodríguez-Jaume, M. J., & Mora Catalá, R. (2001). Análisis exploratorio.

Universitat Carlemany (23 de Noviembre) Análisis predictivo: tipos, técnicas y herramientas. https://www.universitatcarlemany.com/actualidad/analisis-predictivo-tipos-herramientas