Modelos Analíticos de Data Science

Casos de éxito de Modelos Analíticos

¿Qué es un modelo?

¡Es una representación de una idea! (TODOS LOS MODELOS TIENEN ERROR)

Modelos analíticos: representan una solución matemática de forma cerrada a unas ecuaciones sujeto a las condiciones iniciales.

Modelos numéricos: se basan en un procedimiento numérico como la diferencia finita o el método de elementos finitos para resolver ecuaciones complejas

¿Qué es un Modelo Analítico?

Existen múltiples definiciones al respecto, tomamos la siguiente:
- Es un proceso que permite combinar datos heterogéneos de muchas fuentes diferentes. Por lo tanto, facilita que distintos tipos de datos sean fusionados para posteriormente poder ser analizados de manera conjunta”.

Etapas En la creación de Productos Analíticos con Ciencia de Datos

Un solución Analitica esta compuesta de diferentes fases: Orígenes de datos (Captura, Datos externos, ERP, OLTP, First, Second y Third Party), Preparación (Extraer, Limpiar, Administrar, Cargar, Calcular, Enriquecer, Imputar y transformar), Almacenamiento (DWH, ODS, Data Mart), Análisis y Minería de datos (Generación de modelos, Sistemas OLAD, Machine Learning, Deep Learning) y despliegue (Reportes automáticos, Aplicaciones de escritorio y Web).

Este proceso está basado en una metodología estructurada de pasos:

Un enfoque más pragmatico es el uso de analitica predictiva que consta de 5 grandes pasos: Problema (Objetivos, Problema comercial, Objetivos), Data (Contexto analitico para resolucion de problema), Modelo (Machine Learning + Deep Learning), Evaluación (Métricas de validación) y finalmente despliegue (Puesta en producción)

Etapas

Otro enfoque más secuencias tiene como pilar el entendimiento del negocio y problema a resolver para generar conexiones con la fase de adquisición (Fuentes de datos, Pipelines, Entornos, EDA), Modelamiento (Feature Engineering, entrenamiento, Validación), Despliegue (Performance y uso de KPIs de monitoreo). Todo esto interconectado para generar sistemas de retroalimentación positivos

Machine Learning

Método de análisis de datos que automatiza la construcción de “Modelos Analíticos”.

Rama de la Inteligencia Artificial (AI), basada en la idea de que los sistemas pueden aprender de datos, identificar patrones y tomar decisiones con una mínima intervención humana.

Machine Learning

Modelo analítico en Ciencia de datos

Los modelos analíticos más usados son:

Clasificación: predecir categorías de interés
Clustering: crear grupos con base en atributos en común
Modelos de pronóstico: con el fin de anticiparse a eventos
Detección de atípicos: identificar anomalías
Series de tiempo: para predecir tendencias y comportamientos esperados

Etapas de modelo analítico