{"id":83218,"date":"2016-02-02T08:30:46","date_gmt":"2016-02-02T08:30:46","guid":{"rendered":"https:\/\/dks.digital\/blog\/sin-categoria\/vale-la-pena-estudiar-analitica-web\/"},"modified":"2016-02-02T08:30:46","modified_gmt":"2016-02-02T08:30:46","slug":"vale-la-pena-estudiar-analitica-web","status":"publish","type":"post","link":"https:\/\/dks.digital\/mx\/blog\/analitica-web\/vale-la-pena-estudiar-analitica-web\/","title":{"rendered":"\u00bfVale la pena estudiar ahora Anal\u00edtica Web?"},"content":{"rendered":"

Ante el auge del Big Data, muchas personas piensan que estudiar Anal\u00edtica Web es algo obsoleto y que no vale la pena formarse en este campo. Sin embargo, la Anal\u00edtica Web y la ciencia de datos o el Data Science<\/a> tienen mucho en com\u00fan: los mismos objetivos, pero los persiguen con herramientas diferentes. <\/strong><\/p>\n

Vivimos en un tiempo en que estamos cegados por el auge del Big Data y las empresas hacen alarde de su cultura orientada a datos. Como dice el director de research de Google Peter Norvig “No tenemos mejores algoritmos, simplemente tenemos m\u00e1s datos”. Por eso creo que el salto diferencial en estos tiempos no est\u00e1 tanto en la tecnolog\u00eda como en los sistemas de integraci\u00f3n y tratamiento de los datos, que es lo que realmente cambia la forma de hacer las cosas, por lo que veremos a continuaci\u00f3n si estudiar Anal\u00edtica Web merece la pena.<\/p>\n

Es mucho m\u00e1s interesante y accionable decir “Vamos a analizar conjuntamente los datos de CRM y los de la experiencia de usuario<\/a> para poder entender mejor la relaci\u00f3n que el cliente tiene con nosotros” que “Vamos a hacer Big Data”.<\/p>\n

Al principio, la anal\u00edtica web trataba de estudiar y gestionar la informaci\u00f3n tradicional y dar soporte a l<\/strong>as decisiones internas. <\/strong>El Big Data es algo diferente ya que en lugar de hacer informes y presentaciones que permitan tomar decisiones a los stakeholders<\/em>, los cient\u00edficos de datos normalmente profundizan en diferentes tipos de datos por medio de algoritmos para poder optimizar servicios y productos, encontrar nuevas l\u00edneas de negocio, etc..<\/strong>.<\/p>\n

Un analista web toma un hist\u00f3rico de datos, lo prepara y analiza, encuentra un modelo que le permite elaborar una o varias hip\u00f3tesis y seg\u00fan los resultados obtenidos recomienda una acci\u00f3n<\/strong> o varias acciones al stakeholder<\/em>. Los analistas web trabajan en todas las fuentes posibles de datos para encontrar nuevos patrones de comportamiento, alertar sobre las anomal\u00edas y los cambios y ser capaces de actuar en consecuencia.<\/p>\n

\"Estudiar<\/center>Sin embargo, en Big Data<\/strong>, los datos no es tanto un bloque de hist\u00f3rico sino que se asemeja m\u00e1s a un continuo flujo de informaci\u00f3n.<\/strong> Los cient\u00edficos de datos trabajan con la tecnolog\u00eda, m\u00e1s que para encontrar la estabilidad y conformar una estrategia, para descubrir nuevos m\u00e9todos de interacci\u00f3n con las m\u00e1quinas y poder tratar todos los datos disponibles por otros medios. Aunque sigue siendo necesario practicar un an\u00e1lisis y actuar sobre los datos para entender qu\u00e9 hacer no se debe proceder de la misma forma. B\u00e1sicamente porque no es posible \ud83d\ude42<\/p>\n

Se ha generado y se est\u00e1 generando tal cantidad ingente de datos que no hay tiempo suficiente para analizarlos, por lo que el objetivo es analizar los datos con la m\u00ednima intervenci\u00f3n humana, para poder llegar a tener la agilidad suficiente como para\u00a0 ser capaces en el m\u00ednimo tiempo posible de encontrar v\u00edas de afrontar lo que nos vamos encontrando.<\/p>\n

El Big Data nos puede ayudar mucho en la parte de estudiar y tomar mejores decisiones, ya que el valor primario es a\u00f1adir nuevas fuentes de datos para encontrar modelos descriptivos y predictivos.<\/strong> Es decir, si tenemos datos de lo que nos compran los usuarios, seguramente podemos a\u00f1adir los datos del servicio al cliente, los datos de devoluci\u00f3n de productos, los datos de lo que comentan los compradores en redes sociales, etc… Lo que quiero decir con esto es que la clave para tomar mejores decisiones es ir a\u00f1adiendo contexto e informaci\u00f3n a los datos primarios. <\/strong>Si solamente tenemos una fuente de datos, nuestras hip\u00f3tesis van a ser m\u00e1s b\u00e1sicas que si contamos con otros tipos de datos que nos ayudan a entender la situaci\u00f3n y a predecir qu\u00e9 puede pasar si realizamos esta acci\u00f3n o esta otra.<\/p>\n

El objetivo en ambas disciplinas sigue siendo el mismo: tomar decisiones, pero las herramientas son diferentes.<\/strong> Ahora mismo se pueden utilizar tecnolog\u00edas que analizan sentimientos de usuarios o llamadas al callcenter y transforman la informaci\u00f3n que antes no se pod\u00eda procesar de manera eficiente en datos que s\u00ed pueden servir para identificar a los clientes descontentos, por ejemplo. O ser capaces de entender el uso de diversos canales y dispositivos que el cliente utiliza antes de comprar. \u00a0Este an\u00e1lisis incluyen datos estructurados, semiestructurados y completamente desestructurados y eran complicados de gestionar en empresas que disponen de muchos potenciales clientes. Cada vez es m\u00e1s f\u00e1cil ahondar en esta mara\u00f1a de datos, con la tecnolog\u00eda adecuada y los perfiles adecuados.<\/p>\n

\"Estudiar<\/center>Por lo que la diferencia est\u00e1 clara, el an\u00e1lisis tradicional se basa m\u00e1s en la optimizaci\u00f3n y el an\u00e1lisis de Big Data se basa m\u00e1s en el descubrimiento. Y la cultura del dato est\u00e1 presente en ambas puesto que es la base tanto de la producci\u00f3n como del descubrimiento. Ambos an\u00e1lisis parten de una pregunta relacionada con el negocio, pero los m\u00e9todos de tratamiento de datos son diferentes y por supuesto el resultado de ambas son distintos.<\/strong><\/p>\n

El descubrimiento termina en una idea de un nuevo producto, servicio o de un factor que identifica mejor un nuevo camino. Sin embargo el an\u00e1lisis basado en la optimizaci\u00f3n es b\u00e1sicamente dar con mejores maneras de actuar, de cambiar las cosas. En el descubrimiento la intervenci\u00f3n humana debe ser para dar con el algoritmo o modelo m\u00e1s s\u00f3lido y en la optimizaci\u00f3n la intervenci\u00f3n humana debe ser para unir las piezas del puzzle y dar con la mejor estrategia para afrontar un problema.<\/p>\n

Y ahora mismo lo mejor que puede hacer una organizaci\u00f3n es hacer trabajar la optimizaci\u00f3n y el descubrimiento de manera conjunta para beneficiarse del conocimiento que de los datos tendr\u00e1n ambas estructuras.<\/strong> Con el tiempo estos dos perfiles tomar\u00e1n lo mejor uno del otro y el analista podr\u00e1 usar la tecnolog\u00eda para optimizar y descubrir y el cient\u00edfico podr\u00e1 usar el conocimiento del negocio para descubrir y optimizar. Ahora mismo est\u00e1n lejos de tener el mismo perfil pero a la vez est\u00e1n muy cerca en la manera de pensar y de llegar a accionar en base a los datos.<\/p>\n

\r\n \r\n \r\n \r\n \r\n \"Alt\r\n <\/picture>\r\n
\r\n
\r\n
\r\n

Convi\u00e9rtete en Experto en Anal\u00edtica Web<\/h2>\r\n

\u00a1M\u00e1ster Anal\u00edtica Digital en DKS! Estudia online o presencial en Madrid o Barcelona. M\u00e1s de 60 ediciones. Dirigido por Gemma Mu\u00f1oz. DKS, escuela l\u00edder en anal\u00edtica digital.<\/p>\r\n <\/div>\r\n

\r\n \u00a1Ver oferta! \"\"\r\n <\/a>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/section>\r\n \n

El M\u00e1ster de Anal\u00edtica Web<\/a> ha ido evolucionando desde que vio la luz en 2011 para poder formar a los mejores profesionales en la toma de decisiones en base a los datos, ahora mismo estamos:<\/p>\n