como lo tenemos pensado

Tecnologías 

 

Debido al gran potencial, posibilidad de automátización, a la integráción  completa que ofrecen y no por último al precio reducido (ó gratuito en algunos casos) recomendamos las siguientes herramientas: 

 

BI - Business Intelligence: Power BI (Microsoft)

Desarollo & Machine Learning: Python y R,

RPA (Automatización Robótica de Procesos: Python y soluciones dedicadas.

BBDD - Bases de datos: PostgreSQL, SQLite

Storage (cloud) Almacenamiento y trabajo colaborativo: Sharepoint, One Drive, Google Drive.

 

Técnicas y métodos

 

Los métodos y técnicas elegidos se adaptan al modelo de datos y se realiza con aplicaciones específicas de estadísticas e Inteligencia de Negocio. 

 

Estadística Descriptiva

• Representaciones gráficas
• Medidas de posición y dispersión
• Tablas de contingencia 

Calculo de Probabilidades

Modelos unidimensionales discretos y continuos y asociados a distribuciones normales

Modelos multidimensionales

 

Estadística Inferencial

• Estimación, Intervalos y Test para una y dos muestras
• Análisis de la Varianza (ANOVA)
• Regresión Lineal y Correlación
• Contrastes de Hipotesis (bondad, homogeneidad, independencia)
• Contrastes no parametricos (normalidad, rangos, varianza, signos)
• Contrastes relativos a una muestra y datos apareados

 

Reduccion de dimensiones

• Análisis de Comonentes Principales (PCA)
• Análisis Discriminante Lineal (LDA)
• Análisis de Correlacion

Otras técnicas

• Análisis de Correspondencias
• Regresion Lineal
• Análisis de supervivencia
• Correlaciones
• Ponderaciones

 

Minería de datos y Machine Learning

 

 ... conjunto de técnicas y tecnologías que permiten explorar grandes vlumenes de datos con el objetivo de encontrar patrones frecuentes, asociaciones, correlaciones, estructuras causales entre conjuntos de objetos (datos) o patrones temporales. El Data Mining se utiliza entre otros campos en : marketing, publicidad, ventas y segmentación y fidelizacion de clientes, análisis de cesta de la compra, predicción de ventas, etc.

Enumeramos algunas de las técnicas más conocidas:

• Asociación: la relación entre distintos objetos de una transacción con el fin de predecir patrones.
• Clasificación: se utiliza aprender diferentes funciones que clasifiquen los datos dentro de un conjunto predefinido de clases.
• Clustering (segmentación): K-vecinos mas cercanos (k-NN) el analisis que toma datos sin agrupar y mediante el uso de técnicas automáticas realiza la agrupación de estos.
• Predicción/Estimación (técnicas de regresión)
• Series Temporales (pronostico): a partir de datos históricos junto con técnicas de regresión lineal o no lineal, se pueden aislar e identificar patrones por ciertos periodos de tiempo y obtener curvas de regresión y predicciones.