YT YouTube2Text

YouTube2Text → Transcripts → El rol del Científico de Datos en la Inteligencia de Negocios

El rol del Científico de Datos en la Inteligencia de Negocios — Transcript

by TIBCO Spotfire ES · 5,287 words · 845 segments · language en · Watch on YouTube

Open in transcriber Summarize with AI Download SRT/VTT

Full transcript

0:00[Música]
0:06Qué es el científico de datos no y el
0:08rol del científico de datos como ustedes
0:11pueden ver en la pantalla Este es un
0:13artículo de la revista Harvard business
0:16review donde Define a esta profesión
0:19como la más sexy del siglo XX el
0:22artículo también menciona la importancia
0:25de los científicos de datos
0:27especialmente en detectar oportunidades
0:28con el Big Data
0:30Entonces por ejemplo resalta el caso de
0:33linkedin que dio un vuelco en 360 gr al
0:37aumentar exponencialmente el número de
0:39usuarios cuando empezaron a utilizar
0:41analítica con sus científicos de datos
0:44ellos empezaron a incorporar por ejemplo
0:46estos algoritmos para y y analíticas
0:49cuando sugerían los contactos basado en
0:52la determinación de relaciones con
0:54colegas compañeros de escuela o el
0:56concepto de estos triángulos de
0:58proximidad no todo basado en analytics
1:01este artículo también menciona y es aquí
1:04la importancia para también para la
1:05audiencia no que hay un incremento
1:08exponencial en la demanda de estos
1:10profesionales especialmente aquí en
1:12Estados Unidos y una escasez en el
1:15mercado ustedes pueden hacer una
1:17búsqueda en linkedin y verán la cantidad
1:19de puestos de trabajo con Este título
1:22Aquí también Cabe destacar Pues entonces
1:25a ver Cuáles son las características de
1:28ese científico de datos no como pueden
1:30ver en la pantalla
1:31pues tenemos aquí una combinación en
1:35tres áreas básicamente la experiencia o
1:39la habilidad de entender el
1:41negocio la y esto que implica entender
1:44esas necesidades del negocio e
1:45identificar Cómo generar el valor
1:47agregado pero también la la facilidad de
1:53interactuar con la agente de ti para
1:56saber dónde están los datos Y cuál es la
1:59estructura de
2:00Y cómo tenemos acceso a esos datos y
2:03finalmente la capacidad de aplicar
2:06matemática y estadística para no solo
2:09entender los datos pero maximizar el
2:11poder de la información que es los datos
2:13nos están dando en el
2:19negocio además podemos ver aquí unos
2:22ejemplos de cómo este científico de
2:24datos tiene un impacto en la industria
2:26no Cuáles son esos momentos críticos del
2:29negocio en el cual nos está agregando
2:31valor por ejemplo podemos citar la
2:35cuando se hace un enerto especial al
2:36cliente muchos de aquí utilizamos Amazon
2:40y es muy común que cuando vamos a
2:42comprar un libro nos salen todas las
2:44recomendaciones que basado en la
2:47experiencia que hemos tenido
2:49anteriormente o nuestras ventas
2:51anteriores nos van a sugerir y
2:54obviamente lo hacen a tal nivel de
2:58personalización que es es Es increíble
3:02la inteligencia que están poniéndonos y
3:04dándonos en esas ofertas
3:07no otro caso que lo vemos muy en en muy
3:11común en nuestros usuarios sobre todo
3:13del área de petróleo o de las Industrias
3:16como de minería es el mantenimiento
3:18preventivo de equipos donde por ejemplo
3:21se puede identificar y optimizar la vida
3:24útil del equipo y determinar Cuál es el
3:28momento óptimo de proporcionar la
3:30mantención así se para prevenir con
3:34mediante un modelo de predicción se
3:36calcula exactamente Cuándo se hará el
3:39mantenimiento Sin desperdiciar la vida
3:41útil del equipo y operando para que así
3:45no toque parar la producción No ese es
3:48otro ejemplo así como este tenemos
3:51varios otros ejemplos de Aplicación como
3:53la parte de optimización de precios
3:55detección de fraudes optimización de
3:58rutas de transporte etcétera etcétera
4:00Pero ahora quiero dejar con ustedes a
4:03nuestra científica de datos Catalina
4:06quien les les dará más información de
4:09cuál es parte del proceso o cómo piensa
4:12un científico de datos qué es lo que
4:13hace un científico de
4:16datos Bueno gracias y Hola a todos vamos
4:20a ahondar un poquito más en esa
4:23definición de científicos de datos y a
4:25tratar de identificar cuál es el rol del
4:28científico de datos en en la
4:30inteligencia de negocios un científico
4:32de datos debe tener una combinación de
4:34habilidades muy específicas por un lado
4:37debe saber interpretar grandes
4:39cantidades de información y debe
4:41identificar la mejor manera de comunicar
4:43esta información esto puede sonar un
4:45poco trivial pero elegir la mejor
4:48visualización para comunicar esa
4:50información de manera sencilla es clave
4:53en el rol del científico de datos como
4:55el viejo proverbio chino dice una imagen
4:58dice más que 1000 palabras esa imagen
5:01debe ser muy bien seleccionada para
5:03transmitir la idea
5:05correctamente un científico de datos
5:08debe saber aplicar estadística debe
5:10poder extrapolar
5:12información identificar valores atípicos
5:15aplicar tests de confiabilidad y en
5:18general debe conocer muy bien los datos
5:21con los que está trabajando un
5:23científico de datos debe tener
5:24experiencia en el campo debe entender el
5:27negocio en el que está vinculado debe
5:29saber identificar los kpis de ese
5:31negocio y debe poder comunicarse con un
5:34equipo de trabajo un equipo de
5:36profesionales que No necesariamente son
5:38científicos de datos pero que tienen
5:40información clave sobre ese
5:42negocio también para el científico de
5:45datos es muy útil tener la habilidad de
5:47programar no solo para poder aplicar
5:49modelos estadísticos avanzados sino para
5:52la manipulación de datos en sí pensemos
5:55por ejemplo en un banco de datos en la
5:57nube con interfaz Api donde el
6:00científico de datos debe saber Cómo
6:01acceder a esta información y Cómo
6:03preparar los datos para ser
6:07analizados ahora cuál sería ese
6:09procedimiento que está envuelto en un
6:11proyecto para un científico de datos
6:14todo comienza con datos estos pueden
6:16venir de múltiples fuentes de
6:18información pueden estar estructurados o
6:20no estructurados pueden estar en
6:22formatos muy distintos a los ideales a
6:25la hora de comenzar nuestro análisis por
6:27lo consiguiente la siguiente etapa es la
6:30ordenación o transformación de esos
6:32datos esta etapa es crucial y es aquí
6:35donde transformar estos datos de un
6:37formato a otro dejándolos listos para la
6:40exploración se vuelve una etapa clave en
6:43las habilidades que tiene un científico
6:45de datos la exploración de datos
6:48requiere estadística descriptiva y el
6:51uso apropiado de visualizaciones para
6:53pasar a la etapa donde generamos modelos
6:56como representaciones simplificadas de
6:58la realidad dándole valor agregado a
7:01nuestro
7:02análisis después de generar este este
7:05modelo debemos evaluarlo evaluar la
7:08calidad de ese modelo y garantizar que
7:10definitivamente está describiendo de una
7:13manera acertada el problema o los datos
7:16que queremos a simular veamos un poco
7:19más de detalle Eh qué pasa en cada una
7:22de estas
7:23etapas Comencemos con la adquisición de
7:27datos los datos pueden venir de una gran
7:30variedad de fuentes bases de datos
7:32archivos de texto Excel internet
7:35hdop una combinación de fuentes de
7:38información por ejemplo datos de
7:39sensores que recogen información
7:41climática o publicaciones en las redes
7:44sociales imágenes y videos digitales o
7:48registros de compra
7:50transacciones señales de GPS de los
7:52teléfonos celulares es decir las fuentes
7:55de información son múltiples en cuanto a
7:57la adquisición de datos
8:00Ahora cuando usamos una herramienta como
8:02spotfire esta primera etapa de
8:04adquisición de datos puede ser tan
8:06sencilla como seleccionar esta fuente de
8:09información en un menú spotfire nos da
8:11la opción de combinar diferentes fuentes
8:13de información en un solo
8:16análisis una vez adquirimos estos datos
8:20debemos ordenarlos Esta es la siguiente
8:22etapa la que se conoce como ordenación
8:24de datos o como Data mine
8:29Esta es una expresión americana que
8:32básicamente significa transformar datos
8:34de un formato a otro y este es un paso
8:37crucial para un científico de datos
8:39Porque no solo es transformar a otro
8:41formato sino a un formato que tenga
8:43sentido desde el punto de vista de la
8:45analítica veamos un
8:48ejemplo en esta tabla podemos ver una
8:51lista de transacciones para una compañía
8:53veamos en la primera columna por ejemplo
8:56cómo tenemos datos del mismo cliente en
8:58la fila uno y en la fila cuatro y la
9:02cantidad de dinero que invirtió en dos
9:04departamentos diferentes c y b ahora
9:09este formato puede ser Útil para ciertos
9:12análisis pero cuando se requiere una
9:14visión de 360 gr del cliente necesitamos
9:18una manera diferente de visualizar estos
9:20datos donde cada fila representa un solo
9:23cliente y cada columna me va a dar
9:25información sobre todas las
9:27transacciones que este cliente realizó
9:29veamos entonces la transformación y la
9:33nueva tabla en esta nueva tabla Entonces
9:36tenemos nuestro cliente que es el 104 en
9:40la fila 5 y ahora vemos cómo tenemos
9:42información sobre todas las
9:44transacciones que este cliente realizó
9:48en todos los departamentos de nuestra
9:50compañía dándonos una visión 360 gr del
9:54cliente ahora sabemos que 104 invirtió
9:573134 a 933 en B 240 en C para un total
10:03de 430c en lugar de darnos línea a línea
10:08la información paso a paso aquí tenemos
10:10una visión general de ese cliente y el
10:14comportamiento transaccional dentro de
10:16la
10:17compañía ya adquirimos los datos ya los
10:21transformamos ahora Necesitamos
10:23explorarlos la tercera etapa nuestro
10:26proceso de análisis de datos es la
10:27exploración de datos datos existen
10:30diferentes definiciones para esta etapa
10:32vamos a ver un par de
10:35definiciones esta primera definición es
10:38muy general describir la exploración de
10:40datos como un enfoque para el análisis
10:43de conjuntos de datos para resumir sus
10:45principales características a menudo con
10:47métodos visuales es prácticamente una
10:50descripción muy general de lo que
10:52hablábamos anteriormente con las
10:53visualizaciones ahora una definición un
10:56poco más descriptiva viene del libro que
10:59se llama engineering statistics y esta
11:02descripción es más técnica Tal vez tenga
11:05más sentido para los ingenieros en la
11:07audiencia encontramos siete etapas
11:09diferentes que hacen parte de la
11:11exploración de datos la primera es
11:14maximizar la penetración en un conjunto
11:15de datos descubrir la estructura extraer
11:19las variables importantes detectar los
11:21valores atípicos y las anomalías para
11:24probar los supuestos y desarrollar
11:26modelos que al final van a ayudarnos a
11:29determinar los valores óptimos de los
11:31factores es una descripción mucho más
11:33técnica y está más enfocada a la
11:37ingeniería dentro de la
11:40estadística ahora esta personalmente es
11:43de mis descripciones favoritas es una
11:46descripción mucho más filosófica y
11:48resalta la importancia que tienen las
11:50visualizaciones a la hora de analizar
11:53datos el mayor valor de una imagen es
11:56cuando se nos obliga a darnos cuenta de
11:58lo que nunca esperábamos
12:02ver y esta tal vez resalta ese valor
12:06agregado que tiene la la exploración de
12:09datos cuando descubres algo que que no
12:11esperabas ver es es la sorpresa es Oh
12:14Eso estaba mal o yo no sabía que tenía
12:17correlación con esa distribución o
12:19conclusiones de ese
12:22tipo continuamos en nuestro proceso en
12:24el análisis de datos ya adquirimos los
12:26datos los transformamos los exploramos
12:30tal vez descubrimos algo nuevo y ahora
12:32estamos listos para generar modelos en
12:35esta etapa Vamos a repasar un par de
12:40conceptos les voy a dar un par de
12:42segundos Para que miremos esta
12:44imagen ahora si yo les pregunto cuál de
12:47estas dos imágenes es un
12:50bote unos estarán pensando el de la
12:53derecha otros el de la izquierda otros
12:56tal vez los
12:57dos la respuesta es ninguno Las dos son
13:01imágenes o representaciones de un bote
13:04que están en mi computador cuando se
13:07genera un modelo se crea una
13:09simplificación de la realidad
13:11aterrizando este concepto un poco más
13:15matemáticamente vamos a hacer un poco de
13:18memoria y acordarnos de esos viejos
13:20tiempos en el colegio cuando aprendimos
13:22la ecuación de la recta y = MX + B x y y
13:27tienen una relación lineal Así que si
13:29una de las variables crece la otra se
13:31espera que crezca de la misma manera la
13:33e representa el error esa e es la que
13:38nos Recuerda que el modelo es una
13:40representación de la
13:43realidad estudiamos Este ejemplo en este
13:47set de datos cada punto representa un
13:50niño el eje x muestra el valor del iq de
13:54la mamá de ese niño y el eje y muestra
13:57el valor iq de ese niño el primer modelo
14:01que aplicamos es una regresión lineal es
14:03la línea roja y obtenemos la ecuación de
14:06la recta y = MX +
14:10B es parte del rol del científico de
14:13datos el determinar si este es el mejor
14:16modelo para representar esta información
14:18o no en este caso puede que un modelo
14:22que represente una curva en lugar de una
14:24línea recta sea más apropiado para
14:26representar estos datos existen
14:29diferentes técnicas estadísticas para
14:31evaluar la precisión de estos modelos y
14:33vamos a hablar de eso un poquito más
14:35adelante ahora continuamos con el mismo
14:38set de datos cada punto es un niño eje x
14:41es el iq de la mamá de ese niño y eje y
14:44es el iq de ese niño si consideramos una
14:47variable adicional como si por ejemplo
14:51la mamá de ese niño terminó eh la
14:54educación secundaria esa va a ser
14:56nuestra variable tenemos una mamá que
14:59terminó bachillerato sí o no rojo va a
15:02ser sí Azul va a ser no podemos ver
15:06claramente que los puntos rojos es decir
15:09las mamás que terminaron educación
15:12secundaria tienen una correlación más
15:14alta comparando con los puntos azules
15:17las mamás que no terminaron ninguna
15:19educación superior estos resultados
15:22sugieren que el nivel de educación de la
15:25madre parece tener influencia en el
15:27nivel iq de
15:31niño entonces hay diferentes modelos
15:34estadísticos no siempre se aplican los
15:36mismos modelos cada problema es único y
15:39tiene una forma de representarse que es
15:42óptima para ese problema en particular
15:45Asimismo existen otras variables que
15:47también hay que considerar a la hora de
15:49modelar estos
15:52datos la última etapa en este proceso de
15:55análisis de datos requiere la validación
15:57de esos modelos generales
15:59existen diferentes técnicas estadísticas
16:02para evaluar estos modelos veamos un
16:05ejemplo utilizando
16:07spotfire en este caso el modelo
16:10multivariable fue generado en spotfire y
16:13volvemos al ejemplo de la iq de los
16:15niños con relación al iq de la madre
16:18vemos cómo se adicionaron otras
16:20variables al modelo aquí están las
16:22variables del modelo y vemos que se
16:24adicionaron otras dos variables la
16:27primera es la mamá trabaja o no trabaja
16:30y la segunda es Cuál es la edad de la
16:34madre en esta etapa debemos validar el
16:38modelo y para esto podemos utilizar toda
16:40la información que spotfire está
16:43generando con este modelo
16:44multivariable esta visualización de
16:47barras por ejemplo Nos está dando un
16:49pareto de la importancia de las
16:52variables en el modelo donde podemos
16:54fácilmente identificar que el iq de la
16:56madre
16:59es definitivamente importante cuando se
17:02trata de entender el iq del niño como el
17:05hecho de si terminó educación secundaria
17:08o no pero que definitivamente si la
17:11madre trabaja o no trabaja o la edad de
17:14la madre son variables con
17:17insignificante
17:19importancia ahora la imagen que vemos de
17:22los residuos nos recuerda del error que
17:25mencionamos anteriormente cuando creamos
17:28el modelo lo lineal por ejemplo teníamos
17:30puntos que estaban por encima de esa
17:33línea y por debajo de esa línea la
17:35diferencia entre esa posición y la línea
17:39es la parte que el modelo no representa
17:42Siempre vamos a tener un porcentaje de
17:47error así entonces cubrimos las cinco
17:50etapas que un científico de datos debe
17:53aplicar a la hora de generar valor
17:55agregado a esos datos veamos un ejemplo
17:58con datos reales donde vamos a pretender
18:00que somos los científicos de datos de un
18:03proyecto el objetivo de este proyecto va
18:05a ser minimizar la tasa de deserción en
18:08una empresa pensemos por ejemplo en una
18:11empresa de telefonía celular y pensemos
18:14en deserción como la tasa de los
18:16clientes que están cancelando el
18:18contrato y yéndose a la
18:22competencia en este escenario estas son
18:24nuestras cinco etapas la primera tenemos
18:28datos y históricos de dónde vienen los
18:30datos los datos son históricos y están
18:32almacenados en una base de datos
18:34sql la segunda qué transformación
18:38tenemos que hacer de los datos en este
18:40caso tenemos una tabla esta tabla ha
18:43sido ha sido transformada y ahora vamos
18:45a mostrar un cliente por fila y la
18:48columna de deserción tiene valores de
18:50uno o cero donde uno va a indicar que el
18:53cliente desertó y se pasó a la
18:55competencia
18:58nuestra tercera etapa es la exploración
19:00de los datos en este caso vamos a
19:03analizar En spotfire qué columnas puede
19:06usar para el modelo y Cómo representar
19:09visualmente esta decepción vamos a
19:12analizar los datos utilizando spotfire y
19:15vamos a crear un modelo estadístico
19:18eh utilizando el lenguaje de
19:20programación
19:21r el cual vamos a correr desde spotfire
19:25permitiéndonos evaluar el modelo vamos a
19:27esta última etapa donde vamos a evaluar
19:29el modelo y vamos a aplicar el modelo
19:33para encontrar clientes que estén en
19:34riesgo de deserción es decir No solo
19:37Vamos a describir cuál es esa tasa de
19:39deserción sino Además vamos a utilizar
19:42esos resultados para evitar que otros
19:45clientes te serten Okay entonces estamos
19:48ahora en spotfire Y tenemos aquí las
19:51cinco etapas que vamos a seguir para
19:54nuestro ejemplo de la Eh compañía de
19:57teléfono celular
19:59los datos históricos dijimos que venían
20:01de un servidor sql para adicionarlos en
20:04spotfire simplemente hacemos adicionar
20:07tabla y vemos la lista de todos los
20:10conectores nativos que tiene la
20:11herramienta incluyendo ese servidor sql
20:15Así que simplemente seleccionamos y
20:16adicionamos la tabla la segunda etapa es
20:19la de transformación de datos en este
20:21caso queremos tener un cliente por fila
20:24y una columna categórica llamada
20:27deserción que tiene valores de un o cer
20:30eh Por información general de sección se
20:33conoce como sh en inglés y así va a ser
20:36el nombre de la columna Entonces si
20:37visualizamos la tabla podemos ver que
20:40tenemos un cliente por fila Y tenemos
20:43deserción con valores de uno y cer donde
20:46uno significa que ese cliente
20:49desertó ahora la etapa tres del proyecto
20:52es Cómo podemos explorar estos datos Y
20:55qué columnas puedo usar
20:57para realizar el modelo entonces para
21:00eso vamos a utilizar lo que se conoce
21:02como la guía automatizada de spotfire es
21:05este motor de recomendaciones que vamos
21:08a hacer clic y nos va a recomendar una
21:10primera visualización cuando
21:12seleccionamos estas tres columnas
21:15recordamos la primera es deción o la
21:18cancelación del contrato de los clientes
21:20la segunda es frecuencia que nos
21:22describe Qué tan seguido los clientes
21:24han estado activos y la tercera nos
21:26describe cuánto tiempo pas ad desde que
21:29el cliente estuvo activo esta Parece ser
21:32una visualización que nos da Nos está
21:33dando información sobre estos datos Así
21:36que vamos a adicionar y vamos a comenzar
21:38con nuestro análisis en este caso
21:41decimos que los ceros son clientes que
21:43todavía están activo y que los unos son
21:47clientes que desertaron o cancelaron el
21:50contrato cambios el color de estos unos
21:53y ahora vemos claramente el cambio entre
21:57los que Aron y los que no han desertado
22:00aquí podemos tener conclusiones
22:03adicionales y podemos hacer una
22:06exploración inicial de los datos donde
22:09podemos decir que el mayor riesgo de
22:11deserción parece estar a Baja
22:14frecuencia y largos periodos de
22:17inactividad
22:19ahora spotfire nativamente cuenta con
22:23muchas herramientas para analítica
22:25avanzada incluyendo la relación entre
22:27dato y diferentes tipos de modelos en
22:30este caso vamos a aplicar algo un
22:32poquito más avanzado porque tenemos una
22:35variable categórica que son unos y ceros
22:38es la variable de exón por lo que
22:41necesitamos un modelo
22:44logístico pasamos a nuestra etapa cuatro
22:47vamos a hacer un modelo utilizando un un
22:50programa un lenguaje de programación que
22:52se llama r para los que no están
22:54familiarizados con Este lenguaje de
22:55programación es Open source y tiene una
22:58gran comunidad en inter internet con
23:02forums y con muchas respuestas online y
23:05demás Así que es muy fácil conseguir
23:08ayuda es muy fácil conseguir funciones
23:11que aplican estadística avanzada que ya
23:13están escritas que hacen parte de estas
23:16librerías llamadas paquetes y hoy en día
23:19existen más de 7,000 de estos paquetes y
23:22siguen creciendo exponencialmente por
23:24eso elegimos r para crear nuestro modelo
23:27el día de hoy
23:29Entonces vamos a desarrollar un modelo
23:31nr que nos describa el comportamiento de
23:34la deserción en términos de dos
23:37variables en este caso frecuencia y
23:40recency que nos dice cuánto tiempo ha
23:43pasado desde que el cliente estuvo
23:44activo prácticamente queremos una línea
23:47que puede ser una línea recta o una
23:50línea curva que nos divida los puntos
23:53Azules y los puntos rojos y ese va a ser
23:56el modelo que nos está está describiendo
23:59esta situación de deserción para eso
24:02entonces podemos
24:04utilizar Tools y vamos a llamar una
24:07consola de Art Studio para crear nuestro
24:12código Okay así se ve la consola de AR
24:16Studio lo que acabo de hacer es
24:17simplemente copiar y pegar el código que
24:20ya tengo escrito y vamos a recorrer cada
24:23una de estas líneas para que estemos
24:24seguros de que sabemos Qué significa Ah
24:27estoy utilizando a estudio porque es
24:29mucho más fácil de de hacer de booking
24:32Es decir de estudiar el código y de
24:34saber si tengo algún error en algú etapa
24:37y porque puedo correrlo línea línea
24:39vamos a seleccionar estas tres líneas
24:41por ejemplo y simplemente le digo correr
24:43y vemos como ya tengo mis datos Ya
24:46importé mi tabla ya tengo mis datos Ya
24:48sé que estoy trabajando con casi 3,000
24:50filas y Aquí vamos a comenzar a mirar
24:53nuestros modelos esta primera línea de
24:56acá es un un modelo muy básico de
24:59regresión logística estamos utilizando
25:02la función glm porque en este caso la
25:05deserción es una variable categórica
25:08Entonces tenemos que utilizar un modelo
25:10logístico estamos hablando de una
25:12función que tiene valores de un o cer y
25:15lo único que estamos haciendo acá es
25:16corriendo el modelo prediciendo
25:19deserción en términos de las otras dos
25:22variables que ya definimos gracias a la
25:25exploración de datos y estamos guardando
25:28esos valores que son los coeficientes
25:31del modelo y esos valores están siendo
25:34guardados en esta tabla entonces
25:37corremos paso a paso para revisar que
25:39nuestro código esté funcionando bien
25:41tenemos el modelo tenemos los
25:45coeficientes y estamos mandando estos
25:48coeficientes a esta tabla listo ahora lo
25:52que vamos a hacer es simplemente copiar
25:54y pegar este código en spotif en
25:59spotfire la interfaz de usuario que
26:02utilizamos para interactuar con
26:04diferentes lenguajes de programación se
26:06llama una función de datos en esta
26:09función de datos como podemos ver
26:11tenemos diferentes opciones en cuanto a
26:14lenguajes de programación mathlab Sas s+
26:18y demás y lo que vamos a hacer en este
26:20momento Es simplemente copiar el código
26:23que acabamos de probar en r
26:26Studio código es muy sencillo modelo
26:31coeficientes envíe coeficientes a una
26:33tabla lo único que tenemos que hacer es
26:36garantizar que las entradas y las
26:38salidas del código correspondan con
26:40entradas y salidas de los datos que
26:42tenemos cargados en
26:43spotfire Entonces de dónde vienen estas
26:46tres columnas de una tabla que tengo
26:49cargada en spotfire por lo consiguiente
26:51este va a ser un parámetro de entrada y
26:53no es y va a ser una tabla de
26:56acuerdo ahora ahora cuál va a ser mi
26:58parámetro de salida estoy guardando toda
27:00esta información en una tabla llamada
27:02curva de coeficientes por lo
27:04consiguiente este va a ser mi parámetro
27:06de salida y va a ser una tabla Listo ya
27:10tenemos conectadas las variables del
27:12código con las entradas y las salidas de
27:15los datos en spotfire estamos generando
27:17una tabla de salida estamos leyendo tres
27:19columnas de una tabla de entrada pu lo
27:22consiguiente podemos correr el código al
27:24correr el código seleccionamos de qué
27:26tabla estamos Endo las tres columnas que
27:29necesitamos en este caso necesitamos
27:31predecir deción y estamos utilizando
27:34estas dos columnas para
27:37predecirla y nuestra tabla de salida
27:40está generada por el Script y la estamos
27:43llamando curva de coeficientes que es la
27:45que tiene los coeficientes del modelo
27:48click en Okay y corrimos el
27:51modelo ahora queremos ver los resultados
27:54de ese modelo en nuestra gráfica por lo
27:57podemos usar las propiedades líneas y
28:00curvas y vamos a adicionar una tabla
28:03utilizando los coeficientes que acabamos
28:06de generar Entonces dónde quedaron esos
28:08coeficientes en nuestro parámetro de
28:10salida y la expresión es la ecuación de
28:13la recta y = MX + B MX + B que son la
28:18constante y el coeficiente x que
28:20acabamos de generar con el Script r
28:23hacemos clic en Okay en Okay y cerramos
28:26las propiedades para ver nuestra primera
28:28línea que nos está dando nuestro primer
28:31modelo ahora una de las ventajas de
28:33tener este código en spotfire Es que yo
28:35puedo seguir haciendo cambios en mis
28:37datos puedo tener datos interactivos es
28:40decir voed a estar cambiando por ejemplo
28:41el eje x y el modelo se está Ajustando
28:45constantemente constantemente están
28:47cambiando sus coeficientes y me está
28:49cambiando la pendiente de la recta
28:51dependiendo la interacción que yo tenga
28:54con los
28:56datos ahora es parte del rol del
28:59científico de datos el determinar si
29:01esta es la mejor manera de modelar estos
29:03datos o no Si este es el mejor modelo
29:05para representar esta información o no y
29:08en la etapa de exploración de datos
29:10vimos que tal vez tengamos aquí un
29:13coeficiente de
29:15curvatura por lo que podemos adicionarle
29:18al modelo un coeficiente cuadrático y
29:21ver si se nos ajusta mejor a esta
29:24visualización a este comportamiento de
29:26deserción
29:28hacemos este cambio en nuestro código
29:30donde ahora Estamos adicionando un
29:32término cuadrático en el modelo y
29:35estamos adicionando un término
29:37cuadrático en la tabla de coeficientes
29:39que estamos mandando a
29:41spotfire volvemos a correr el
29:44Script en este momento nuestra entrada
29:47son es la misma tabla Y tenemos nuestras
29:49tres
29:51columnas y nuestra salida va a ser una
29:56tabla con los coefici y esta tabla es
29:59una tabla nueva donde vamos a tener un
30:01valor nuevo que es el valor
30:06cuadrático ahora queremos visualizar ese
30:09nuevo modelo en esta visualización para
30:12lo que utilizamos las propiedades y
30:15cambiamos esa fórmula que utilizamos
30:18aquí porque ya viene de una tabla
30:21diferente Ahora tenemos una tabla nueva
30:23que tiene un valor cuadrático y
30:25necesitamos adicionar ese cuadr ese
30:27valor cuadrático nuestra expresión ahora
30:29tenemos nuestro valor cuadrático acá
30:32hacemos clic en okay Y ahora vemos que
30:35tenemos un modelo que se nos ajusta
30:37mejor a los datos y que al cambiar los
30:41datos el modelo Está siguiendo mucho
30:44mejor ese cambio Dinámico y se está
30:46Ajustando mejor a nuestra tasa de
30:51deserción ahora vamos a nuestra última
30:54etapa donde Qué podemos hacer para
30:57evitar que futuros clientes cancelen el
31:01contrato Cómo podemos utilizar Este
31:03modelo para ayudar a identificar a la
31:06compañía Quiénes son estos clientes y
31:08cómo vamos a evitar que cancelen el
31:10contrato y que deserten Okay entonces lo
31:13que vamos a hacer es vamos a utilizar
31:15este nuevo modelo y vamos a encontrar
31:17esos clientes que están en riesgo de
31:19excepción para eso lo que vamos a hacer
31:22es atraer un set de datos nuevo es un
31:25set de datos reciente donde no tengo
31:29información sobre deserción porque no
31:31son datos históricos Entonces lo único
31:33que tengo son estas dos columnas que me
31:36dicen que la frecuencia que tan seguidos
31:39los clientes han estado activos Y cuánto
31:42tiempo ha pasado desde que el cliente
31:43estuvo activo voy a traer una tabla que
31:45tiene estas dos columnas pero no tiene
31:49esta columna de deserción Y utilizando
31:52el modelo que acabamos de definir en r
31:56vamos a predecir
31:58esa columna de deserción en esta nueva
32:01tabla con nueva
32:03información entonces vamos a traer esa
32:05nueva tabla a spotfire vamos a file
32:09adicionar una nueva tabla esta tabla
32:11viene de un archivo texto que tiene
32:15datos
32:17actuales y como vemos Esta tabla tiene
32:20estas dos columnas pero no tiene columna
32:23de deserción hacemos clic en Ok click en
32:27ok
32:28y vamos a ver las dos tablas lado a lado
32:31entonces la primera tabla es la tabla
32:33que tiene datos históricos donde podemos
32:35ver la deserción y la segunda tabla es
32:39la nueva tabla que solo tiene estas dos
32:43columnas y no tiene datos de deserción
32:46lo que vamos a hacer es utilizar Este
32:49modelo y vamos a predecir deción con
32:53estos datos actuales para poder evitar
32:56que nuestros actual cuales clientes
32:59cancelen el
33:01contrato para eso Entonces vamos a
33:03interactuar con nuestra función de datos
33:05eh que es la que nos maneja la interfaz
33:08de usuario con lenguajes de programación
33:11y esta primera parte maneja el modelo y
33:14esta segunda parte me maneja la
33:16predicción entonces Cuáles son mis
33:18parámetros de entrada tenemos eh los
33:21datos históricos Esta es la tabla
33:23histórica que tiene las tres columnas
33:25que necesitamos luego viene los datos
33:28actuales que tienen Solo dos columnas y
33:32lo que vamos a hacer es a crear un nuevo
33:34parámetro de salida que es la
33:37probabilidad que estamos
33:40calculando va a ser una columna y es la
33:43probabilidad de
33:46deserción corremos el modelo entonces la
33:49primera es quién es mis datos de entrada
33:52mis datos de entrada vienen de la tabla
33:54histórica la tabla histórica tenía tres
33:57columnas
33:58incluyendo la deserción Entonces tenemos
34:02deserción cuánto tiempo ha pasado desde
34:05que el cliente estuvo activo y Qué tan
34:08seguido el cliente estado
34:10activo ahora tenemos un segundo
34:13parámetro de entrada que viene de los
34:15datos actuales Cuántas columnas tenemos
34:17en los datos actuales solamente dos que
34:20son la frecuencia que tan seguido los
34:23clientes han estado activos
34:25Y qué tanto tiempo pasado desde que el
34:28cliente estuvo activo aquí como vemos no
34:30hay sh no hay deserción Esa es la que
34:33queremos Ah predecir Es la que estamos
34:36tratando de predecir utilizando el
34:39modelo que acabamos de desarrollar y
34:42nuestro parámetro de salida entonces esa
34:45probabilidad de deserción va a ser una
34:48columna y la podemos adicionar a esa
34:51tabla que acabamos de traer que contiene
34:53los datos actuales
34:56corremos y listo podemos ver ahora que
35:00la tabla actual tiene una nueva
35:05columna que se llama probabilidad de ex
35:08serón esa nueva columna es el resultado
35:12de aplicar el modelo que desarrollamos
35:15en r y lo estamos aplicando directamente
35:19a la tabla con datos
35:21actuales Cómo podemos utilizar esta
35:24información Bueno pues queremos evitar
35:28que nuestros clientes actuales cancelen
35:30contratos entonces visualicemos Quiénes
35:31son esos clientes actuales vamos a
35:33cerrar esta tabla vamos a enfocarnos
35:35solamente en la nueva con la columna que
35:38acabamos de calcular utilizando nuestro
35:41modelo visualicemos
35:44esta información podemos utilizar un
35:46pareto donde la columna que acabamos de
35:50utilizar nos va a generar ese pareto
35:52vamos a generar un poco más de bins o
35:55agrupaciones para poderlo visualizar
35:56mejor Okay entonces qué está pasando
36:00aquí que estos clientes bueno estos
36:01puede que ya sea demasiado tarde que ya
36:04están cancelando el contrato Pero qué
36:06pasa con los que están acá estos
36:08clientes tienen una probabilidad muy
36:10alta de desertar aquí es donde tengo que
36:13enfocarme en hacer algo para evitar que
36:16estos clientes cancelen el contrato
36:19entonces teniendo esa lista vamos a
36:22hacer por ejemplo Deme la tabla de
36:24Quiénes son estos clientes deme una
36:26visualización en detalle y Deme la lista
36:28el listado de Quiénes son estos clientes
36:30Aquí está mi lista que es un subset de
36:33la tabla grande díganme también por
36:36ejemplo dónde están ubicados de dónde
36:38vienen en qué lugar entonces creamos una
36:40visualización en detalle creamos un mapa
36:43que nos dice exactamente en qué lugar
36:46están viviendo estos clientes Entonces
36:49puedo crear una mejor estrategia para
36:52seleccionar Qué tipo de campaña voy a
36:55hacer para mantener estos clientes
36:56activos
36:58En conclusión puedo puedo dar valor
37:01agregado a mi equipo de trabajo y
37:03decirles bueno estos son los las
37:05personas que están próximas a desertar
37:07qu vamos a hacer al respecto y así
37:10Entonces estamos cerrando nuestro ciclo
37:13nuestro proyecto desde el rol del
37:16científico de datos y no se olviden de
37:19suscribirse a nuestro canal de dejarnos
37:22sus dudas y comentarios y sobre todo de
37:24practicar lo que aprendimos descargando
37:26nuestra versión gratu en spotfire
37:32tip.com para nuestra versión en español
37:35Gracias y hasta la próxima

About this transcript

This page contains the full transcript of El rol del Científico de Datos en la Inteligencia de Negocios by TIBCO Spotfire ES, generated from the public captions YouTube serves with the video. The transcript has 5,287 words across 845 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.

What you can do with it

Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to choose a caption track available on the video.

Free YouTube transcript tool

YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, caption language selection, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.