Técnicas de Análisis:

1.- Análisis de correlaciones

Esta es una técnica de análisis datos estadístico. Sirve para determinar si
existe una relación entre dos variables cuantitativas diferentes y cuan fuerte es
esa relación entre las variables. Suele utilizarse cuando se sospecha que dos
variables siguen o tiene una evolución similar.

2.- Análisis de regresión

Se trata de otra de las técnicas de análisis de datos estadísticos para investigar
la relación entre diferentes variables. Se utiliza cuando una se sospecha que
una de las variables puede estar afectando al comportamiento de la otra u
otras. Puedes profundizar más sobre los análisis de regresión aquí y aquí.

3.- Visualización de datos

La visualización de datos es de lejos una de las técnicas de análisis de datos
más demandada y apreciada al día de hoy por lo fácil que resulta a través de
un gráfico o imagen detectar patrones en los datos. Es especialmente útil
cuando buscamos entender grandes volúmenes de datos de forma rápida y
simplificada.

4.- Análisis de escenarios

El análisis de escenarios consiste en analizar una variedad determinada de
eventos futuros con resultados alternativos. Es bueno utilizarlo cuando no
estamos seguros sobre que decisión tomar o que curso de acción perseguir.
Este es un buen ejemplo de análisis de escenarios

5.- Data mining

El data mining o minería de datos es un proceso de análisis de datos
pensado para trabajar con grandes volúmenes de datos. Ahora es más
conocido como Big data y se usa para detectar patrones, relaciones o
información relevante que pueda mejorar el desempeño de operaciones
relacionadas con el cliente y el Internet de las cosas.
6.- Análisis de sentimiento
Este es otra de las técnicas de análisis de datos que se ha vuelto muy popular
gracias a las redes sociales. Trata de determinar la actitud de un individuo o
grupo hacia un tema particular. Se usa cuando se busca comprender la opinión
de los distintos agentes que interactúan en una industria.

7.- Análisis semánticos de textos

Este tipo de análisis, también conocido como minería de textos, es un proceso
que trata de extraer valor a través del análisis semántico de grandes
volúmenes de textos. Relacionado con la técnica anterior busca que los
ordenadores sean capaces de entender lo que indexan y obtener datos de
textos no estructurados.

8.- Análisis o de patentes y literatura científica

Esta técnica de análisis de datos utiliza los meta datos de publicaciones
científicas y patentes para extraer información sobre tendencias y relaciones
entre estudios, autores o propiedad intelectual. Es una de las técnicas más
usadas en la vigilancia de tendencias tecnológicas.

9.- Simulación de Monte Carlo

Esta técnica de probabilidad matemática es usada para medir el riesgo
aproximado de que un hecho determinado tenga lugar. Es muy útil para
entender las implicaciones que puede tener un determinado curso de acción
derivado de una decisión.

10.- Programación y optimización matemática

También conocida como optimización lineal, es un método para identificar cual
es mejor resultado posible dadas unas restricciones concretas a nuestra
situación. Se utiliza mucho para resolver problemas dados en procesos de
producción y determinar cómo minimizar los costes o maximizar los beneficios.

11.- Predicción matemática

Es un conjunto de técnicas estadísticas que emplea datos de series temporales
para predecir cuál es el resultado más probable que se puede dar en el futuro
cercano. La base de estas técnicas de análisis de datos es fijarse en que es lo
que ha ocurrido en el pasado para saber qué ocurrirá en el futuro. Es muy
utilizado en proyecciones macro - económicas.
12.- Redes neuronales
Esta tal vez sea una de las técnicas de análisis de datos más complejas que
existen. Las redes neuronales tratan de simular el proceso de decisión e
información del cerebro o grupos de neuronas. El objetivo de estas redes es
simular el proceso de aprendizaje de un cerebro humano en una computadora
para facilitar la toma de decisiones en inteligencias artificiales.

13.- Experimentos AB
También conocidos como pruebas AB o split testing son unas de las técnicas
más usadas en marketing digital para comprobar la reacción de los usuarios
ante un mensaje y ver cual funciona mejor. Se utiliza sobre todo para testar
hipótesis en el lanzamiento de un nuevo producto, una campaña publicitaria o
un mensaje en un anuncio.

Notación asintótica

la notación asintótica nos permite representar la complejidad, y por ende la

eficiencia, de un algoritmo, de tal manera que podemos proyectar el aumento de
operaciones requeridas al aumentar el tamaño de la entrada.

Desde este punto de vista, el algoritmo más eficiente posible sería aquel en el
que el número de operaciones llevadas a cabo no varíe según crezca la
entrada. Esto es lo que sería una función constante.

Notaciones comunes en orden de eficiencia:

 O(1)

 O(log(n))

 O(n)

 O(n * log(n))

 O(n^2)

 O(2^n)

Para poder visualizar cómo afecta el tamaño de la entrada al número de

operaciones he creado una “gráfica interactiva” donde pueden comparar las
curvas que producen las diferentes O Grandes al plotear n y las operaciones
resultantes. Mi recomendación es empezar comparando las más eficientes,
porque en cuanto añadimos la exponencial todas las demás curvas parecen
planas, ya que la diferencia de crecimiento es enorme
Conclusión:

La notación asintótica nos permite expresar la eficiencia de un algoritmo, de

tal manera que podemos proyectar el aumento de operaciones requeridas al
aumentar el tamaño de la entrada (input).

Bibliografía:

https://medium.com/laboratoria-how-to/algoritmos-y-notaci%C3%B3n-
asint%C3%B3tica-817a666ca444

Ramón Archanco. (2016). Las 13 mejores técnicas de análisis de datos.

15/02/2016, de Papeles de inteligencia

Sitio web: http://papelesdeinteligencia.com/tecnicas-de-analisis-de-datos/