Guía para estudiar: Manejo de Datos Ausentes

¿QUÉ SON LOS DATOS AUSENTES?

- Los **DATOS AUSENTES** se clasifican en **MCAR**, **MAR**, y **MNAR** según el

grado de aleatoriedad y relación con otras variables.

- **Definición:** Datos

ausentes se refieren a valores que faltan en un conjunto de datos donde deberían estar
presentes.

- **Importancia:** Es crucial identificar y manejar estos datos para evitar sesgos y

problemas en el análisis de datos.

TIPOS DE DATOS AUSENTES

MCAR (MISSING COMPLETELY AT RANDOM)

• Definición: Valores ausentes completamente aleatorios.

• Causa: No hay un patrón identificable.
• Ejemplo: Datos omitidos por errores en el levantamiento de datos.
• Características: No están relacionados con ninguna variable en el conjunto de
datos.

MAR (MISSING AT RANDOM)

• Definición: Valores ausentes aleatorios pero con una relación dependiente de

otra variable.
• Ejemplo: Si tienes el sexo y el nombre de una persona, el nombre podría ayudar a
deducir el sexo.
• Características: Hay un patrón dependiente, pero no completamente
sistemático.

MNAR (MISSING NOT AT RANDOM)

• Definición: Valores ausentes con un patrón dependiente de otra variable de forma

sistemática.
• Ejemplo: Una persona soltera no tendría datos relacionados con "nombre del
esposo/a".
• Características: El patrón está directamente relacionado con los valores
ausentes.

ESTRATEGIAS PARA MANEJAR DATOS AUSENTES

DESCARTAR OBSERVACIONES INCOMPLETAS (MCAR): Útil cuando los datos ausentes
son completamente aleatorios y la pérdida de información no impacta significativamente
el análisis.

SUSTITUCIÓN ESTANDARIZADA: Reemplazar datos ausentes con valores definidos,

como:

• PROMEDIO: Para valores numéricos.

• MODA:Para valores categóricos.
• VALORES PREDETERMINADOS: Basados en reglas predefinidas.
• EJEMPLO: Reemplazar un dato ausente de edad con el promedio de edades
disponibles.

ESTIMACIÓN POR MÁXIMA VEROSIMILITUD: Usar modelos o algoritmos para predecir

valores ausentes.

• Técnicas comunes: Basadas en relaciones con otras variables.

• Uso de tablas de referencia o estadísticas externas.
• EJEMPLO: Estimar el peso de un infante utilizando género, estatura y edad.

TÉCNICAS AVANZADAS:

• INTELIGENCIA ARTIFICIAL Y MACHINE LEARNING: Modelos predictivos que

estiman los valores más probables basándose en patrones complejos en el
conjunto de datos.
• EJEMPLO: Algoritmos que utilizan características como altura, peso, y edad para
estimar datos ausentes.
CONOCE TU CONJUNTO DE DATOS: Identifica las columnas, su tipo (categóricas,
numéricas, fechas) y su relevancia para el análisis.

DISTINGUE ENTRE VARIABLES PRIMARIAS Y SECUNDARIAS:

• PRIMARIAS: Variables esenciales para el análisis (e.g., clase de viaje, sexo,

sobrevivencia).
• SECUNDARIAS: Variables que pueden ayudar a inferir valores faltantes en las
primarias (e.g., tarifa puede inferir clase de viaje).

TRABAJA CON UNA COPIA DE LOS DATOS: Mantén los datos originales intactos. Realiza
modificaciones en una tabla copiada.

HAZ VISIBLES LOS DATOS AUSENTES: Usa formato condicional para resaltar celdas
vacías y facilitar la localización de datos faltantes.

CORRIGE DATOS AUSENTES SISTEMÁTICAMENTE (MNAR): Usa reglas claras para

rellenar datos faltantes basándote en relaciones conocidas entre variables (e.g., si
alguien tiene un número de bote, sobrevivió).

TRATA DATOS AUSENTES ALEATORIOS (MAR): Usa variables secundarias (e.g., infiere
sexo a partir del nombre, aunque no siempre sea posible).

IDENTIFICA Y GESTIONA DATOS COMPLETAMENTE ALEATORIOS (MCAR): Usa

indicadores o banderas lógicas para localizar registros incompletos según criterios
establecidos.

ELIMINA COLUMNAS O REGISTROS IRRELEVANTES: Quita variables y datos que no

aportan al análisis para limpiar la tabla y enfocarte en lo esencial.

CONSIDERACIONES FINALES:

• Usar fórmulas como `SI`, `Y`, `O` para identificar registros con datos faltantes
en varios campos.
• Documentar cada paso para mantener la trazabilidad en el manejo de los datos.
• Combinar técnicas visuales y automáticas para detectar inconsistencias.
DEFINICIÓN DE ESTADÍSTICA DESCRIPTIVA: Consiste en recolectar, analizar y
consolidar datos con el propósito de describir su naturaleza y comportamiento. Se
utilizan medidas de resumen como totales, máximos, mínimos, promedios, y
desviaciones estándar.

PREPARACIÓN PARA EL ANÁLISIS

• identifica las variables clave a analizar (en este caso, **monto vendido** y
**cantidad de unidades**).
• Crea una nueva hoja para trabajar específicamente con la tabla dinámica.

CREACIÓN DE LA TABLA DINÁMICA:

• Usa el comando *Insertar > Tabla dinámica* seleccionando como origen la tabla
con los datos (en este caso, llamada "Master").
• Agrega cada campo relevante (como el monto vendido) varias veces en la sección
de valores para calcular diferentes métricas (suma, máximo, mínimo, etc.).

CONFIGURACIÓN DE OPERACIONES DE RESUMEN:

• Cambia la operación de resumen para cada campo (por ejemplo, suma, máximo,
mínimo, promedio, desviación estándar) desde el menú contextual (*botón
derecho > Resumir valores por*).
• Para operaciones avanzadas, como la desviación estándar, accede a *Más
opciones de resumen*.

FORMATO NUMÉRICO:

• Personaliza el formato de los valores:

• Moneda para montos de ventas.
• Número general sin decimales para cantidades enteras.
• Permite decimales para medidas donde sea relevante (como promedios y
desviaciones estándar).

RENOMBRAR ENCABEZADOS:

Cambia los nombres de las columnas en la tabla dinámica para que sean más
comprensibles (por ejemplo, "Suma de monto vendido" a "Ventas totales").
¿QUÉ ES UNA TABLA DE VALORES?

• DEFINICIÓN: Una tabla que muestra una **categoría** y sus **valores

sumarizados** asociados a uno o más campos.
• PROPIEDADES: Es una tabla **dinámica** categorizada, **sin jerarquía**.
• Comúnmente utiliza cálculos de **sumatoria** (no proporciones ni porcentajes).
• Ideal para análisis de datos cuantitativos** (ventas, costos, utilidades, etc.).
• Base para gráficos de sectores** (si tiene una métrica) o **gráficos de
barras/columnas** (con múltiples métricas).

CÓMO CREAR UNA TABLA DE VALORES

• CATEGORÍA EN FILAS: Arrastra el campo que define la categoría (p. ej., locales).
• CAMPOS EN VALORES: Agrega los datos de interés (ventas, costos, etc.).
• FORMATEO: Cambia nombres de etiquetas (p. ej., "Locales" en vez de "Etiquetas
de fila"). Aplica formatos adecuados (moneda, número, etc.).

4. PERSONALIZACIÓN: Agrega más métricas si lo deseas (p. ej., utilidad, unidades

vendidas).

ORDENAMIENTO Y FILTRADO

ORDENAR:

• De mayor a menor o viceversa basado en un campo específico.

• Manualmente reorganizando elementos.

FILTRAR:

• Por valores específicos o etiquetas seleccionadas.

• Utilizar el cuadro de búsqueda para encontrar y filtrar elementos rápidamente.
• Incorporar filtros de campos adicionales (p. ej., filtrar por país).

CONSIDERACIONES AL USAR EN DASHBOARDS

• **VARIABILIDAD DE FILAS:** Una tabla puede expandirse o contraerse según el

filtro, afectando la estética y funcionalidad del informe.
• **UBICACIÓN RECOMENDADA: En la parte inferior del dashboard para evitar
desajustes en áreas principales. Evitar colocarlas en posiciones centrales si
pueden generar desplazamientos.
¿QUÉ ES UNA TABLA DE FRECUENCIAS?

• DEFINICIÓN: Es una herramienta para contar el número de ocurrencias de

categorías específicas y calcular su proporción en relación al total.
• USOS: Análisis en áreas como ciencias sociales y mercadotecnia para segmentar
datos (género, nivel de ingreso, etc.).

CARACTERÍSTICAS DE UNA TABLA DE FRECUENCIAS:

• Categorización sin jerarquías: Clasifica datos sin imponer un orden jerárquico.

• Sin totales generales: Se enfoca en frecuencias y proporciones, no en sumas
globales.
• Privilegia conteos y proporciones: Se centra en el cálculo de ocurrencias y su
representación porcentual.

PASOS PARA CREAR UNA TABLA DE FRECUENCIAS EN UNA TABLA DINÁMICA:

1. SELECCIÓN DE LA CATEGORÍA A ANALIZAR:Identifica el campo principal para tu

análisis, por ejemplo, el tipo de calzado.

2. DESACTIVAR TOTALES GENERALES: Ve a la configuración de la tabla dinámica en la

pestaña **"Diseño"** y selecciona **"Desactivar totales generales"** tanto para filas
como para columnas.

3. CONFIGURAR LOS CAMPOS DE LA TABLA DINÁMICA:

• FILAS: Añade la categoría (e.g., tipo de calzado).

• VALORES: Usa un campo cuantitativo (e.g., cantidad o unidades). Asegúrate de
agregarlo dos veces:
• **Primera columna**: Mostrar las unidades totales por categoría.
• **Segunda columna**: Mostrar la proporción de cada categoría respecto al
total.

4. CAMBIAR EL FORMATO DE LOS DATOS:

• Ajusta nombres de columnas (e.g., "Unidades" y "Proporción").

• Da formato a los números para mayor claridad (agregar separadores de miles y
eliminar decimales innecesarios).

5. CONFIGURAR VALORES COMO PORCENTAJES:

• Haz clic derecho en la columna de proporción y selecciona **"Mostrar valores

como"** > **"Porcentaje del total de columnas"**. Esto asegura que los
porcentajes sean relativos al segmento correspondiente (e.g., un país).
AGREGAR SEGMENTACIÓN POR COLUMNAS (EJEMPLO: PAÍS):

1. Arrastra el campo adicional (e.g., País) al área de columnas.

2. Se generarán subconjuntos por categoría y país, mostrando unidades y proporciones

para cada segmento.

3. **Opción de visualización:**

- **PAÍS EN COLUMNAS**: Comparar proporciones dentro de cada país.

- **PAÍS EN FILAS**: Comparar categorías directamente entre países.

CONCLUSIONES SOBRE EL USO:

- **VERSATILIDAD**: Permite análisis detallados de frecuencias por segmentos, como

tipo de producto y región.

- **COMPARACIONES CLARAS**: La correcta configuración de porcentajes y

segmentaciones facilita la interpretación.

- **APLICACIONES**: Ideal para tomar decisiones basadas en distribución y

proporciones de datos categóricos.
El análisis de **CONTRASTE RELATIVO** es una técnica útil para evaluar métricas dentro
de una categoría al compararlas con un elemento de referencia específico. Este método
permite identificar cómo se comporta cada subgrupo en relación con el elegido como
base, aportando información valiosa para la toma de decisiones.

PASOS PARA REALIZAR UN ANÁLISIS DE CONTRASTE RELATIVO:

1. **SELECCIONAR UN ELEMENTO DE REFERENCIA:**

Identificar el dato que servirá como base para las comparaciones (por ejemplo, un
promedio o un valor específico de una categoría).

2. **ESTABLECER LAS MÉTRICAS DE ANÁLISIS:** Elegir qué se va a evaluar, como el

monto de ventas, la cantidad de productos vendidos, etc.

3. **ORDENAR LOS DATOS:**

Ordenar los datos (por ejemplo, de menor a mayor) para identificar elementos relevantes
o cercanos al valor base.

4. **CALCULAR DIFERENTES TIPOS DE CONTRASTE:**

• **DIFERENCIA ABSOLUTA:** Comparar los valores de las otras categorías con

respecto al valor base.
• **PORCENTAJE DE DIFERENCIA:** Determinar en qué proporción los valores
están por encima o por debajo del valor base.
• **PROPORCIÓN RESPECTO AL VALOR BASE:** Ver qué porcentaje representa
cada categoría con respecto al elemento de referencia.
• **PORCENTAJE ACUMULADO:** Identificar cómo contribuyen los valores a un
acumulado total.

5. **VISUALIZAR LOS RESULTADOS:**

• Ajustar las etiquetas y dar formato adecuado a los datos para que sean más
comprensibles.
• Destacar el elemento de referencia para enfatizar su importancia en el análisis.

EJEMPLO PRÁCTICO:

Supongamos que analizamos ventas por estilos de calzado y elegimos como referencia el
estilo "Colorful Spring". A partir de esta selección:
- Calculamos la diferencia en ventas entre "Colorful Spring" y los demás estilos.

- Obtenemos el porcentaje que representa cada estilo respecto a "Colorful Spring".

- Analizamos el porcentaje acumulado de las ventas por estilo, determinando qué

proporción del total general representa.

### **BENEFICIOS DEL ANÁLISIS DE CONTRASTE RELATIVO:**

- Permite entender la relación de cada subcategoría con un punto de referencia clave.

- Facilita identificar tendencias o discrepancias en los datos.

- Aporta claridad para tomar decisiones basadas en evidencias cuantitativas.

Este enfoque es ampliamente utilizado en áreas como análisis de ventas, evaluación de

pilotos en negocios, y estudios de mercado, ayudando a visualizar las diferencias y
proporciones de manera más detallada.
ANÁLISIS DE RANKING**

Un **ANÁLISIS DE RANKING** es un método para categorizar y ordenar datos en función

de un criterio específico, mostrando un número limitado de resultados, como los valores
más altos (**Top**) o los más bajos (**Bottom**).

PASOS PARA REALIZAR UN ANÁLISIS DE RANKING:

1. **SELECCIONAR LA CATEGORÍA A ANALIZAR:**

- Identifica el campo que se usará como base para la comparación, como "estilo" o
"producto". Asegúrate de que tenga suficientes elementos para que el análisis tenga
sentido (mínimo más de 5).

2. **DEFINIR EL CAMPO DE VALOR:**

- Selecciona el indicador que deseas usar para el ranking (por ejemplo, "monto
vendido"). Aplica el formato adecuado, como moneda o porcentaje.

3. **DECIDIR EL NÚMERO DE ELEMENTOS:**

- Define cuántos valores quieres mostrar, por ejemplo, un **Top 5** para los valores más
altos o un **Bottom 5** para los más bajos.

4. **ORDENAR Y FILTRAR LOS DATOS:**

- **Ordenar los valores**: Primero organiza los datos de mayor a menor o de menor a
mayor, según corresponda.

- **Filtrar los resultados**: Utiliza filtros de valor para limitar los resultados al número
deseado, como los 5 mejores o los 5 más bajos.

5. **CONFIGURAR EL DISEÑO:**

- Desactiva el total general si no es relevante.

- Personaliza las etiquetas para identificar claramente los resultados como "Top 5" o
"Bottom 5".

---
1. Selecciona la categoría "Estilo" como filas y "Monto vendido" como valores.

2. Aplica el formato adecuado (por ejemplo, moneda sin decimales).

3. Ordena los datos de **mayor a menor**.

4. Filtra los resultados:

- En "Etiquetas de fila", selecciona **Filtro de valor** > **10 mejores**.

- Cambia el número a **5**.

5. Desactiva los totales generales para un informe más limpio.

#### **Bottom 5:**

1. Crea una nueva tabla dinámica.

2. Repite los pasos anteriores, pero selecciona **Mostrar valores inferiores** y ajusta el
número a 5.

---

### **VENTAJAS DEL ANÁLISIS DE RANKING:**

- **CLARIDAD:** Resalta los elementos clave en un conjunto grande de datos.

- **SIMPLICIDAD:** Reduce la complejidad al enfocar la atención en los valores más

relevantes.

- **VERSATILIDAD:** Es útil tanto para valores altos (éxitos) como bajos (oportunidades
de mejora).

---

### **APLICACIONES COMUNES:**

• **Dashboards:** Para evitar saturar visualizaciones con demasiados datos.

• **Análisis de desempeño:** Identificar los productos más vendidos o los
menos exitosos.
• **Prioridades:** Establecer los elementos que requieren más atención o
recursos.

Este enfoque permite presentar información relevante de manera concisa y ordenada,

facilitando la toma de decisiones basadas en los datos más significativos.
El contenido descrito ofrece un tutorial detallado para realizar un análisis tabular
utilizando tablas dinámicas en Excel. A continuación, se resumen y destacan los puntos
principales del proceso:

### Conceptos Clave:

1. **Definición de análisis tabular**:

- Es una forma de organizar datos categóricamente en tablas estructuradas para ilustrar

cifras por categorías específicas.

- Facilita la consolidación y filtrado de información para análisis posterior.

2. **Preparación de los datos**:

- Identificar las categorías y valores que serán analizados (e.g., cantidades y montos
vendidos).

- Formatear valores según su naturaleza (números con separadores, monedas, etc.).

3. **Jerarquización de datos**:

- Al construir la tabla dinámica, se recomienda seguir un orden jerárquico de lo general a

lo particular (e.g., país → estado → local).

- Cambiar este orden puede generar confusiones visuales.

4. **Manipulación de jerarquías y campos**:

- Es posible contraer y expandir niveles jerárquicos desde la opción de **campo activo**

o directamente en la tabla.

- Los filtros y ordenamientos se aplican a niveles específicos utilizando las herramientas

de **autofiltro**.

5. **Análisis de proporciones**:

- Excel permite calcular proporciones basadas en diferentes niveles jerárquicos.

 - Ejemplo: Ver qué porcentaje representa un local dentro de su estado o en relación al
total general.

6. **Modificación y ampliación de la tabla dinámica**:

- Se pueden agregar campos nuevos a la tabla original (como "año").

- Actualizar la tabla dinámica para reflejar los cambios en el origen de datos es crucial.

7. **Distribución columnar**:

- Datos categóricos como años pueden colocarse en columnas para una mejor
comparación por períodos.

- Esto permite analizar unidades y montos por categoría y año simultáneamente.

8. **Limitaciones y ajustes de formato**:

- Algunos nombres de totales y subtotales no pueden ser personalizados directamente.

- Es recomendable usar etiquetas descriptivas para identificar claramente cada

categoría.

### Utilidad:

Este enfoque es valioso para quienes trabajan con grandes volúmenes de datos
categorizados y necesitan:

- Realizar análisis jerárquicos.

- Generar reportes claros y ordenados.

- Facilitar la toma de decisiones basada en proporciones o tendencias.

¿Te gustaría ayuda para realizar un ejemplo práctico con tus propios datos o aclarar algún
paso específico?
El video explica cómo trabajar con **tablas dinámicas** en Excel, enfocándose en el
diseño, formato y organización de datos para análisis. Aquí está el resumen de los pasos y
conceptos clave que se mencionan:

---

### **1. Aplicar estilos a la tabla dinámica**

- Puedes personalizar tu tabla usando los **estilos predefinidos**.

- Navega a la pestaña **Herramientas de Tabla Dinámica > Diseño** y selecciona un

estilo que se ajuste a tus necesidades.

- Opciones:

- **Encabezados de filas/columnas**: puedes enfatizarlos o quitarlos.

- **Filas con bandas/Columnas con bandas**: ayudan a diferenciar mejor los datos
visualmente.

---

### **2. Modificar el diseño del informe**

- **Compacto**: Formato predeterminado con los datos organizados en niveles

jerárquicos.

- **Esquema**: Desglosa las jerarquías en columnas separadas, añadiendo autofiltros

individuales.

- **Tabular**: Organiza todos los campos en filas y columnas, mostrando subtotales de

forma clara.

---

### **3. Configurar subtotales y totales generales**

- Puedes:
 - Mostrar u ocultar subtotales.

- Ubicar subtotales en la parte superior o inferior de las categorías.

- Desactivar totales generales para filas y/o columnas, dependiendo de tus necesidades.

---

### **4. Preparar datos para análisis posterior**

- Si necesitas enviar datos sumarizados:

- **Eliminar subtotales y totales generales.**

- Cambiar al formato **tabular** para que la información esté ordenada de manera

clara.

- **Repetir etiquetas** de filas y columnas para evitar espacios en blanco que dificulten
la interpretación de los datos.

- Si tienes jerarquías (como año), puedes moverlas a las filas para que sean más visibles.

---

### **5. Exportar datos sumarizados**

- Copia los datos de la tabla dinámica ya organizados y pégalos en otra hoja.

- Inserta una **tabla** con esta información y, si es necesario, crea nuevas tablas
dinámicas basadas en estos datos procesados.

---

### **6. Utilidad del análisis tabular**

- Facilita la categorización y organización de datos.

- Ideal para preparar información que se utilizará en análisis posteriores, reduciendo la

carga de datos irrelevantes.

Este enfoque ahorra tiempo y hace que los datos sean más comprensibles y utilizables
para otras personas o herramientas de análisis.
El análisis de proporciones es una técnica en la que se determina la proporción o el
porcentaje que representa cada elemento de una categoría con respecto al total. Esta
técnica se usa comúnmente para obtener una visión clara de cómo contribuye cada
elemento en un conjunto de datos acumulativos, como ventas, cantidad de unidades
vendidas, entre otros.

Para realizar este análisis, es esencial:

1. **Identificar la Categoría a Analizar**: Se elige la categoría principal (por ejemplo,

"Ciudad" en el caso de ventas por ciudad) que servirá de base para el análisis.

2. **Seleccionar el Valor a Analizar**: Este valor debe ser acumulable (por ejemplo, la
cantidad de tickets vendidos o el monto total de ventas). No se pueden utilizar valores
como promedios, mínimos o máximos, ya que no representan la totalidad de los valores.

3. **Construir una Tabla Dinámica**: Se organiza una tabla dinámica en Excel que incluya
la categoría en las filas y el valor en la sección de valores. En este punto, se elige el tipo de
operación de resumen (por ejemplo, conteo o sumatoria) según el análisis que se quiera
realizar.

### Pasos en Excel para el Análisis de Proporciones

1. **Conteo de Elementos**: Si se desea contar la cantidad de veces que cada elemento

aparece en la categoría (por ejemplo, cuántos tickets se vendieron en cada ciudad):

- Colocar la categoría en la sección de filas.

- Arrastrar un campo representativo (por ejemplo, "Número de Ticket") a la sección de

valores.

- Cambiar el tipo de resumen a "Conteo" para obtener un total de las ocurrencias en

cada categoría.

- Opcionalmente, aplicar formato de número para mayor claridad.

2. **Sumatoria de Valores**: Si se quiere sumar valores (por ejemplo, el total de ventas

por ciudad):
 - Colocar la categoría en las filas.

- Arrastrar el valor a la sección de valores y seleccionar "Sumatoria" como operación de

resumen.

- Cambiar el formato numérico para facilitar la lectura.

3. **Eliminar Totales Generales**: Como los gráficos de proporciones no requieren de

totales generales, desactivar esta opción en "Diseño" > "Totales Generales".

4. **Crear un Gráfico de Pastel o Anillo**: Una vez se tenga la tabla dinámica con los
datos, seleccionar los valores para generar un gráfico de sectores o de anillo. Este tipo de
gráfico es ideal para ilustrar la proporción de cada categoría respecto al total.

5. **Ajustes del Gráfico**: Se recomienda eliminar el título y la leyenda, y agregar

etiquetas de datos directamente en los sectores para mejorar la visualización. También es
posible ocultar los botones de campo para un diseño más limpio.

Este enfoque permite representar de forma visual y simplificada la distribución de los

elementos de una categoría dentro de un total, siendo útil para análisis de ventas,
distribución de recursos, y otros análisis de datos donde el porcentaje de participación de
cada elemento es relevante.
El informe comparativo que describes se utiliza para analizar y contrastar los valores
obtenidos por diferentes categorías, ayudando a identificar discrepancias en los valores y
proporciones. Es un análisis clave en la creación de dashboards e informes generales, y
se utiliza principalmente para realizar comparaciones de datos entre distintas categorías
de manera clara y visual.

### Aspectos clave del informe comparativo:

1. **Objetivo**: Comparar valores alcanzados por una o más categorías. Este análisis
puede ser simple (comparando una categoría con varias otras) o más complejo
(comparando categorías entre sí).

2. **Gráfico recomendado**: El gráfico ideal para este tipo de análisis es el **gráfico de

columnas**, que puede presentarse de tres formas:

- **Agrupadas**: Comparación de valores entre categorías.

- **Apiladas**: Muestra las diferencias acumulativas.

- **100% apiladas**: Representa las proporciones relativas de los valores comparados,

eliminando el impacto de las magnitudes y centrándose en la distribución porcentual.

3. **Jerarquías**: Este tipo de informe permite segmentar los datos por jerarquías dentro
de las categorías, lo que puede incluir niveles adicionales de detalle (por ejemplo, país,
ciudad y tipo de producto). Estas jerarquías permiten hacer análisis más profundos y
filtrados de la información.

### Ejemplos de análisis comparativo:

1. **Comparativo simple**: Un informe básico donde se comparan los valores de ventas

de diferentes locales. Esto se realiza mediante una tabla dinámica con "local" en filas y
"monto vendido" en valores, seguida de un gráfico de columnas agrupadas.

2. **Comparativo con segmentación**: Aquí se realizan comparaciones más complejas,

por ejemplo, analizando las ventas por tipo de calzado y ciudad. Se pueden ajustar las
perspectivas cambiando filas por columnas, lo que altera la vista del gráfico y
proporciona una perspectiva diferente.
3. **Comparativo acumulado**: Este análisis muestra las ventas acumuladas por tipo de
calzado y ciudad. En este caso, un gráfico de columnas apiladas permite ver cómo las
ventas se acumulan por categoría, facilitando la comparación entre ciudades.

4. **Comparativo proporcional**: Un gráfico de columnas **100% apiladas** puede

ayudar a visualizar las proporciones de las ventas, independientemente del volumen
total. Este tipo de análisis es útil cuando se necesita comparar las proporciones de ventas
por categoría (por ejemplo, ver qué tipo de calzado representa más ventas en diferentes
ciudades).

5. **Comparativo con jerarquías**: Para análisis más detallados, como comparar

cantidades de calzado por país, ciudad y tipo de calzado, se pueden usar jerarquías en
filas. Estos informes permiten expandir o contraer niveles de detalle, lo que facilita un
análisis más granular de los datos.

### Resumen:

El informe comparativo es una herramienta poderosa para analizar y visualizar datos de

manera efectiva. Utilizando gráficos de columnas en sus diversas modalidades y
aprovechando las jerarquías de categorías, este informe facilita la toma de decisiones al
identificar discrepancias, proporciones y patrones clave entre diferentes segmentos o
categorías.
El video que describes está explicando cómo realizar un análisis de tendencia utilizando
tablas dinámicas en Excel. Aquí están los puntos clave del análisis:

1. **Definición de análisis de tendencia**:

- Es el estudio de la variación de un valor asociado a una categoría a lo largo del tiempo.

- El propósito es identificar si existe una tendencia (al alza o a la baja) en los datos.

2. **Elementos clave del análisis**:

- **Categoría**: La variable que se desea analizar, como tipo de calzado o tipo de local.

- **Escala temporal**: El tiempo (por ejemplo, meses o años) en el que se analizarán los
datos.

- **Valor**: El dato que se quiere estudiar, como cantidad vendida o monto de ventas.

3. **Pasos para crear el análisis**:

- Se selecciona la categoría que se quiere analizar, que se coloca en las filas de la tabla
dinámica.

- La escala temporal (por ejemplo, meses o años) va en las columnas.

- El valor de interés (como cantidad de pares vendidos o monto de ventas) se coloca en

los valores.

4. **Uso de Sparklines**:

- Los sparklines son gráficos en miniatura que se insertan dentro de una celda para
visualizar rápidamente la tendencia en los datos a lo largo del tiempo.

- En Excel, se pueden crear fácilmente seleccionando las celdas con los datos y luego
insertando el gráfico de líneas miniatura.

5. **Ejemplo 1**: Análisis de tendencia por tipo de calzado:

- Se muestra la cantidad de pares vendidos por tipo de calzado en diferentes meses

usando tablas dinámicas y sparklines.

6. **Ejemplo 2**: Análisis de tendencia por tipo de local:

 - Aquí se muestra cómo comparar las ventas mensuales por tipo de local usando
gráficos de líneas.

- Se ajustan los ejes del gráfico para que representen correctamente las categorías de
tipo de local en lugar de los meses.

7. **Ejemplo 3**: Comparación anual de ventas por país:

- Este análisis utiliza dos elementos temporales (meses y años) para comparar las
ventas en diferentes meses de distintos años, utilizando gráficos de líneas para visualizar
las tendencias.

8. **Resumen**:

- El análisis de tendencia se centra en la variación temporal de un valor asociado a una

categoría, y es especialmente útil para identificar patrones o fluctuaciones a lo largo del
tiempo.

Este enfoque es fundamental para estudiar cómo cambian ciertos valores a lo largo del
tiempo y cómo utilizar herramientas de Excel como tablas dinámicas y gráficos de líneas
para representarlos visualmente.
Este texto describe un proceso detallado de cómo trabajar con datos de la pandemia de
COVID-19, desde la obtención de la información hasta su preparación para análisis en
una hoja de Excel.

**Pasos clave del proceso:**

1. **Obtener datos confiables:** Se comienza por identificar y obtener datos de fuentes

confiables, como la Organización Mundial de la Salud (OMS) o la agencia de la Unión
Europea. Se subraya la importancia de seleccionar fuentes que eviten la desinformación y
se recomienda elegir datos disponibles en formatos procesables, como archivos de Excel.

2. **Preparación de los datos:** Una vez obtenidos los datos, se preparan para el análisis,
lo que implica limpiarlos y transformarlos. Por ejemplo, se eliminan las columnas
innecesarias y se reorganizan los datos para hacerlos más fáciles de manejar.

3. **Eliminación de registros innecesarios:** Se hace un ordenamiento y filtrado para

trabajar solo con los datos relevantes, como aquellos posteriores al primer caso
reportado en cada país.

4. **Cálculo del primer día de contagio:** Se calcula el primer día de contagio de cada
país, basándose en la fecha de los primeros casos o muertes reportados. Esto permite
organizar los datos por país y fecha, lo que facilita el análisis.
5. **Focalización en países específicos:** Se filtran los registros para centrarse solo en
los países de interés (por ejemplo, Brasil y Estados Unidos). Esto ayuda a reducir la
cantidad de datos y a hacer el análisis más manejable.

6. **Creación de tablas y búsqueda de equivalentes:** Se crean tablas con los nombres

de los países en inglés y se buscan los equivalentes en otro idioma, probablemente
español. Esto facilita la interpretación de los datos.

7. **Construcción de la tabla final:** Finalmente, los datos se organizan en una tabla bien
estructurada y lista para su análisis, con nuevas columnas y valores calculados que
ayudarán en la interpretación de la información.

Este proceso muestra cómo transformar datos complejos y poco estructurados en un

formato accesible y manejable para análisis posteriores.