Elegir una herramienta de análisis de datos es una decisión que condiciona durante años cómo trabaja un equipo. No hay una «mejor» en abstracto: hay la más adecuada para tu volumen de datos, tu nivel técnico, tu presupuesto y tu ecosistema tecnológico. Esta guía no explica desde cero qué es el análisis de datos, sino que va al grano de lo difícil: comparar las opciones reales del mercado y ayudarte a decidir cuál encaja en tu caso.

Los KPI podrían definirse como indicadores de eficiencia y eficacia y tienen una importancia fundamental dentro de la gestión de los call center. Los KPI son datos registrados gracias al software de nuestro call center que nos ofrecen una serie de métricas con las que podemos cuantificar el rendimiento de nuestro call center o contact center y que nos sirven para mejorar nuestro servicio de atención al cliente o aumentar las ventas de nuestras campañas de televenta.

Los KPI registrados por nuestro sistema nos permitirán definir estrategias de éxito para nuestra empresa..

En mi anterior artículo esbocé de manera somera cuáles son las cinco peores prácticas en el universo del business intelligence (BI) y la analítica.

Estas actuaciones habitualmente impiden a las organizaciones obtener resultados satisfactorios de los proyectos en los que se embarcan, que, además, suelen adolecer de periodos de adopción realmente lentos. Tanto en éste como en los siguientes cuatro artículos que desarrollaré para Dataprix, analizaré cada práctica individualmente, y expondré la historia real de una empresa que consiguió evitarla..

La figura del data scientist es clave para ser capaz de ir de los datos a la información, y de la información a la decisión. 

El data scientist tiene tres facetas principales: técnica, analítica y funcional..

Twitter, la red social de los 140 caracteres, se ha convertido en una fuente imprescindible para los que buscan tendencias locales o globales. No sólo eso, sino que podemos encontrar rápidamente los personajes o ideas más influyentes en dicha red analizando los datos que nos proporciona la API de Twitter.

Este artículo pretende darnos unas primeras nociones sobre el paso inicial en el análisis de datos de Twitter, que no es otro que obtener los datos con los que trabajar desde la conocida red social.

Una de las técnicas más utilizadas dentro del análisis predictivo son los árboles de decisión. Esta técnica tiene múltiples aplicaciones en el campo de la estadística, pero nos vamos a centrar en su uso para realizar predicciones, concretamente obtener probabilidades de eventos. En este post revisamos una posible forma de hacerlo con el software de uno de los principales fabricantes del software de business analytics: SAS

Los outliers, (o "valores extremos"), son un tema siempre presente cuando se analizan datos, sin importar el origen de los mismos. Aquí se presenta un análisis didáctico y visual hecho con el lenguaje R..

El libro Practical Data Science Cookbook es una introducción al mundo del Data Science a través de ejemplos prácticos en forma de recetas, que van enseñando cómo podría ser el proceso típico de analítica de datos que puede realizar un Científico de Datos con un entorno de analítica configurado para trabajar con el potente lenguaje de analítica y estadística R, o con el versátil lenguaje Python..

El libro Haskell Data Analysis Cookbook, de Nishant Shukla, hace un recorrido por las principales técnicas y algoritmos de análisis de datos utilizando el potente lenguaje open source Haskell para proporcionar numerosos ejemplos o recetas para implementarlas. En este post explicaré qué enseñan las recetas que contiene cada capítulo de este completo libro de analítica de datos..