Módulo 1

Introducción a la resolución de problemas y

al interrogatorio eficaz
Bienvenido al segundo curso del certificado de Análisis de Datos de Google. Si
completaron el primer curso, nos conocimos brevemente al principio, pero para
aquellos de ustedes que acaban de unirse a nosotros, mi nombre es Ximena y soy
analista de datos de Google Finance. Creo que es realmente maravilloso que estés
aquí conmigo aprendiendo sobre el fascinante campo del análisis de datos. El
aprendizaje y la educación siempre han sido muy importantes para mí. Cuando era
joven, mi madre siempre decía: «No puedo dejarte una herencia, pero puedo darte
una educación que te abra puertas». Eso siempre me impulsó a seguir aprendiendo,
y esa educación me dio la confianza necesaria para postularme a mi trabajo en
Google. Ahora puedo hacer un trabajo realmente significativo todos los días. Hace
poco trabajé como analista en un equipo llamado Verily Life Sciences. Estábamos
ayudando a llevar suministros médicos que salvan vidas a quienes más los
necesitan. Para ello, pronosticamos lo que los profesionales de la salud necesitarían
tener a mano y luego compartimos esa información con las redes. La información
que me proporcionó mi equipo ayudó a tomar decisiones basadas en datos que, de
hecho, salvaron vidas. Estoy encantado de ser su instructor en este curso.
Hablaremos sobre la diferencia entre preguntas eficaces e ineficaces y
aprenderemos a hacer preguntas interesantes que generen información que pueda
ayudarlo a resolver problemas empresariales. Descubrirá que las preguntas eficaces
le ayudan a aprovechar al máximo todas las fases del análisis de datos. Tal vez
recuerde que estas fases incluyen preguntar, preparar, procesar, analizar, compartir
y actuar. En el paso de preguntar, definimos el problema que estamos resolviendo y
nos aseguramos de entender completamente las expectativas de las partes
interesadas. Esto lo ayudará a mantenerse concentrado en el problema real, lo que
conduce a resultados más exitosos. Por eso, comenzaremos este curso hablando
sobre la resolución de problemas y algunos de los tipos comunes de problemas
empresariales que los analistas de datos ayudan a resolver. Y dado que este curso
se centra en la fase de preguntas, aprenderá a elaborar preguntas eficaces que lo
ayuden a recopilar los datos correctos para resolver esos problemas. A
continuación, hablaremos sobre los diferentes tipos de datos. Aprenderás cómo y
cuándo cada uno es más útil. También tendrá la oportunidad de explorar más a
fondo las hojas de cálculo y descubrir cómo pueden ayudar a que su análisis de
datos sea aún más efectivo. Y luego empezaremos a aprender sobre el
pensamiento estructurado. Pensamiento estructurado es el proceso de reconocer el
problema o la situación actual, organizar la información disponible, revelar brechas y
oportunidades e identificar las opciones. En este proceso, abordas un problema
vago y complejo dividiéndolo en pasos más pequeños, y luego esos pasos te llevan
a una solución lógica. Trabajaremos juntos para asegurarnos de que comprenda
completamente cómo usar el pensamiento estructurado y el análisis de datos. Por
último, aprenderemos algunas estrategias comprobadas para comunicarnos con los
demás de manera eficaz. Me muero por compartir con ustedes más información
sobre mi pasión por el análisis de datos, así que empecemos.

Evalúe sus capacidades

actuales de Análisis de datos
Estado: Traducido
automáticamente del Inglés
Traducido automáticamente del Inglés

El programa de Certificado en Analítica de datos de Google está diseñado para

cualquier persona que desee adquirir las habilidades necesarias para convertirse en
un analista de datos de nivel básico. Si ese es tu caso, pasa al siguiente punto de
este curso. Sin embargo, si ya tienes cierta experiencia con el análisis de datos,
puedes considerar la posibilidad de obtener el Certificado avanzado en análisis de
datos de Google o el Certificado en Inteligencia empresarial de Google. En esta
lectura, aprenderás más sobre los conocimientos y habilidades que necesitas para
uno de los programas de certificados avanzados. También descubrirás más
información sobre estos programas y por qué pueden ser el siguiente paso ideal
para ti.

Conocimientos y habilidades de Analítica de datos

Los analistas de datos deben tener un conocimiento exhaustivo del proceso de

Analítica de datos, así como las habilidades técnicas que les permitan completar el
proceso de análisis de datos. En esta sección, tendrás en cuenta preguntas sobre el
proceso de Analítica de datos y habilidades técnicas específicas para determinar si
estás preparado para los programas de certificación avanzados.

En primer lugar, evalúe sus conocimientos sobre el proceso de Analítica de datos

considerando si las siguientes afirmaciones se aplican a usted:

1. Tengo un conocimiento profundo de la toma de decisiones basada en datos y

de cómo ayuda a las organizaciones a orientar su estrategia empresarial
basándose en hechos.
2. Soy capaz de formular preguntas e hipótesis sobre problemas empresariales
y utilizarlas para guiarme en el proceso de análisis de datos.
3. Conozco los pasos para verificar la credibilidad de los datos y realizar su
validación.
4. Entiendo el Modelamiento de datos y sé cómo las organizaciones lo utilizan
como herramienta para entender sus datos.
5. Soy capaz de seleccionar y diseñar visualizaciones que me ayuden a
comunicar eficazmente a los interesados las perspectivas del análisis.

Si las afirmaciones anteriores se aplican a su caso, probablemente conozca los

fundamentos del Proceso de análisis de datos. Continúe leyendo para evaluar sus
Habilidades técnicas.

Los analistas de datos utilizan diversas herramientas, como software y lenguajes de

programación, para analizar los datos. Tendrá más éxito en un programa de
certificación avanzado si es capaz de utilizar hojas de cálculo, SQL, Tableau y R,
que se tratan en este programa. Considere si las siguientes afirmaciones se aplican
a usted:

1. Soy capaz de unir datos de múltiples fuentes para su uso para el análisis de
datos.
2. Puedo ordenar datos tanto en una hoja de cálculo como en una base de
datos.
3. Sé limpiar datos asegurándome de que no contienen entradas duplicadas o
incorrectas y de que están en el formato correcto.
4. Sé crear visualizaciones de datos utilizando una hoja de cálculo, Tableau y R.
 5. Puedo escribir un comando SQL que seleccione varias columnas de una
tabla.
6. Entiendo los paquetes en R y puedo seleccionar e instalar los paquetes que
necesito para completar tareas específicas.

Elija su próximo programa certificado

Si has respondido afirmativamente a todas las preguntas de la sección anterior,

puedes optar por obtener el Certificado en análisis avanzado de datos de Google o
el Certificado en Inteligencia empresarial de Google para ampliar tus conocimientos
sobre el análisis de datos.

En el programa del Certificado avanzado en análisis de datos de Google, ampliarás

tus conocimientos sobre análisis de datos y explorarás lo que significa ser un
científico de datos a lo largo de siete cursos. Mejorarás tus conocimientos de
Tableau. Además, aprenderá otro lenguaje de programación, Python, y practicará su
uso para preparar, procesar, limpiar, analizar y visualizar datos. Por último,
profundizarás en la estadística y utilizarás técnicas estadísticas como la regresión y
el aprendizaje automático para responder a preguntas empresariales. Este
programa es ideal para las personas que se preparan para la Ciencia de datos o
funciones más avanzadas de Analítica de datos.

El programa de certificación en Inteligencia empresarial de Google se compone de

tres cursos, que ampliarán tus conocimientos a través de proyectos prácticos con
herramientas y plataformas como BigQuery, Dataflow y Tableau. Aprenderás sobre
la gestión de datos y los sistemas necesarios para gestionarlos con éxito en un
entorno empresarial. A lo largo del programa, usted descubrirá cómo diseñar e
interpretar cuadros de mando que proporcionan información dinámica, datos en vivo
a las partes interesadas. El programa de certificación en Inteligencia empresarial de
Google es ideal para personas que buscan puestos de inteligencia empresarial de
nivel inicial.

Puntos clave
Si ya está familiarizado con los conceptos y las habilidades de análisis de datos que
se presentan en el Certificado en análisis de datos de Google, es posible que desee
pasar directamente a nuestros programas más avanzados:

● Certificado de Analítica de datos avanzada de Google

● Certificado de Inteligencia empresarial de Google

Si no está seguro de qué programa cursar, no dude en explorar cada uno de ellos.
Puede volver al programa del Certificado en Google Analytics en cualquier momento
si decide que es el mejor punto de partida para usted

Datos en acción
En este vídeo, voy a compartir un interesante caso de éxito de análisis de datos,
que ilustrará cómo la resolución de problemas se relaciona con cada fase del
proceso de análisis de datos y arrojará algo de luz sobre cómo funcionan estas
fases en el mundo real. Se trata de una pequeña empresa que utilizó datos para
resolver un problema único al que se enfrentaba. La empresa se llama Anywhere
Gaming Repair. Es un proveedor de servicios que acude a ti para reparar tus
sistemas o accesorios de videojuegos averiados. El propietario quería ampliar su
negocio. Sabía que la publicidad es una forma comprobada de conseguir más
clientes, pero no estaba seguro de por dónde empezar. Hay todo tipo de estrategias
publicitarias diferentes, que incluyen la impresión, las vallas publicitarias, los
anuncios de televisión, el transporte público, los podcasts y la radio. Una de las
cosas clave en las que debes pensar al elegir un método de publicidad es tu público
objetivo, es decir, las personas específicas a las que intentas llegar. Por ejemplo, si
un fabricante de equipos médicos quisiera llegar a los médicos, colocar un anuncio
en una revista de salud sería una opción inteligente. O si una empresa de catering
quisiera encontrar nuevos cocineros, podría hacer publicidad con un póster en una
parada de autobús cerca de una escuela de cocina. Ambas son excelentes maneras
de hacer que tu público objetivo vea tu anuncio. Lo segundo en lo que hay que
pensar es en su presupuesto y cuánto costarán los diferentes métodos de
publicidad. Por ejemplo, es probable que un anuncio de televisión sea más caro que
un anuncio de radio. Una valla publicitaria grande probablemente costará más que
un póster pequeño en la parte trasera de un autobús urbano. El propietario de la
empresa le pidió a una analista de datos , María, que le hiciera una recomendación.
Comenzó con el primer paso del proceso de análisis de datos, Ask. María comenzó
por definir el problema que había que resolver. Para ello, primero tuvo que alejarse y
analizar toda la situación en su contexto. De esa manera, podía estar segura de que
se estaba concentrando en el problema real y no solo en sus síntomas. Esto nos
lleva a otra parte importante del proceso de resolución de problemas: colaborar con
las partes interesadas y comprender sus necesidades. En el caso de Anywhere
Gaming Repair , entre las partes interesadas figuraban el propietario, el
vicepresidente de comunicaciones y el director de marketing y finanzas. Trabajando
juntas, María y la parte interesada estuvieron de acuerdo en el problema, sin
conocer el tipo de publicidad preferido de su público objetivo. El siguiente paso fue
la fase de preparación, en la que María recopiló datos para el próximo proceso de
análisis. Pero primero, necesitaba entender mejor al público objetivo de la empresa,
las personas con sistemas de videojuegos. Después de eso, María recopiló datos
sobre los diferentes métodos de publicidad. De esta manera, podría determinar cuál
era el más popular entre el público objetivo de la empresa. Luego pasó a la etapa
del proceso. Aquí María limpió los datos para eliminar cualquier error o inexactitud
que pudiera obstaculizar el resultado. Como hemos aprendido, cuando se limpian
los datos, se transforman en un formato más útil, se crea información más completa
y se eliminan los valores atípicos. Luego llegó el momento de analizar. En este
paso, María quería averiguar dos cosas. En primer lugar, ¿quién es más probable
que tenga un sistema de videojuegos? En segundo lugar, ¿dónde es más probable
que estas personas vean un anuncio? María, descubrió por primera vez que las
personas de entre 18 y 34 años tienen más probabilidades de realizar compras
relacionadas con videojuegos. Pudo confirmar que el público objetivo de Anywhere
Gaming Repair eran personas de 18 a 34 años. Es a quien deberían estar
intentando contactar. Con esto en mente, María aprendió que tanto los anuncios de
televisión como los podcasts son muy populares entre las personas del público
objetivo. Como María sabía que Anywhere Gaming Repair tenía un presupuesto
limitado y entendía el alto costo de los anuncios de televisión, su recomendación fue
hacer publicidad en podcasts porque son más rentables. Ahora que tenía su
análisis, era hora de que María compartiera su recomendación para que la empresa
pudiera tomar una decisión basada en los datos. Resumió sus resultados utilizando
imágenes claras y convincentes del análisis. Esto ayudó a su parte interesada a
entender la solución al problema original. Finalmente, Anywhere Gaming Repair
tomó medidas y trabajaron con una agencia local de producción de podcasts para
crear un anuncio de 30 segundos sobre sus servicios. El anuncio se publicó en un
podcast durante un mes y funcionó. Vieron un aumento de clientes tan solo después
de la primera semana. Al final de la semana 4, tenían 85 clientes nuevos. Ahí lo
tienes. Resolución eficaz de problemas mediante fases de análisis de datos en
acción. Ahora, ha visto cómo las seis fases del análisis de datos se pueden aplicar a
la resolución de problemas y cómo se pueden utilizar para resolver problemas del
mundo real.
 Del Problema a la Acción: Las
seis fases del Análisis de
datos

Estado: Traducido
automáticamente del Inglés
Traducido automáticamente del Inglés

Hay seis fases de análisis de datos que le ayudarán a tomar decisiones sin fisuras:
preguntar, preparar, procesar, analizar, compartir y actuar. Tenga en cuenta que son
distintas del Ciclo de vida de los datos, que describe los cambios que experimentan
los datos a lo largo de su vida. Seguir estos pasos le ayudará a resolver todo tipo de
problemas empresariales a los que pueda enfrentarse en el trabajo.

Paso 1: Preguntar

Es imposible resolver un problema si no se sabe cuál es. Estas son algunas cosas
que debe tener en cuenta:

● Defina el problema que intenta resolver

 ● Asegúrese de que entiende perfectamente las expectativas de la parte
interesada
● Céntrese en el problema real y evite cualquier distracción
● Colabore con las partes interesadas y mantenga una línea de comunicación
abierta
● Dé un paso atrás y vea toda la situación en su contexto

Preguntas que debe hacerse en este paso

1. ¿Cuáles son los problemas que dicen tener mis partes interesadas?
2. Ahora que he identificado los problemas, ¿cómo puedo ayudar a las partes
interesadas a resolverlos?

Paso 2: Preparar

Decidirá qué datos necesita recopilar para responder a sus preguntas y cómo
organizarlos para que sean útiles. Podría utilizar su tarea empresarial para decidir:

● Qué Métricas medir

● Localizar los datos en su base de datos
● Crear medidas de seguridad para proteger esos datos

Preguntas que debe hacerse en este paso

1. ¿Qué necesito para averiguar cómo resolver este problema?

2. ¿Qué investigación necesito hacer?
Paso 3: Proceso

Los datos limpios son los mejores datos y necesitará limpiar sus datos para
deshacerse de cualquier posible error, imprecisión o incoherencia. Esto puede
significar

● Utilizar funciones de hoja de cálculo para encontrar datos introducidos

incorrectamente
● Utilizar funciones SQL para comprobar si hay espacios de más
● Eliminar entradas repetidas
● Comprobar en la medida de lo posible si hay sesgos en los Datos

Preguntas que debe hacerse en este paso

1. ¿Qué errores o imprecisiones en los datos podrían interponerse en mi camino

para obtener la mejor respuesta posible al problema que intento resolver?
2. ¿Cómo puedo limpiar mis datos para que la información que tengo sea más
coherente?

Paso 4: Analizar
Querrá pensar analíticamente sobre sus datos. En esta fase, puede que ordene y
formatee sus Datos para que le resulte más fácil:

● Realizar cálculos
● Combinar datos de múltiples fuentes
● Crear tablas con sus resultados

Preguntas que debe hacerse en este paso

1. ¿Qué Historia me están contando mis Datos?

2. ¿Cómo me ayudarán mis datos a resolver este problema?
3. ¿Quién necesita el producto o servicio de mi empresa? ¿Qué tipo de persona
tiene más probabilidades de utilizarlo?

Paso 5: Compartir

Cada persona comparte sus resultados de forma diferente, así que asegúrese de
resumir sus resultados con imágenes claras y atractivas de su análisis utilizando
datos a través de herramientas como gráficos o cuadros de mando. Esta es su
oportunidad de mostrar a las partes interesadas que ha resuelto su problema y
cómo lo ha conseguido. Compartirlo ayudará sin duda a su Equipo:

● Tomar mejores decisiones

● Tomar decisiones más informadas
● Liderar resultados más sólidos
● Comunicar con éxito sus conclusiones

Preguntas que debe hacerse en este paso

 1. ¿Cómo puedo hacer que lo que presento a las partes interesadas resulte
atractivo y fácil de entender?
2. ¿Qué me ayudaría a entenderlo si yo fuera el oyente?

Paso 6: Actúe

Ha llegado el momento de actuar a partir de sus Datos. Tomará todo lo que ha

aprendido de su Análisis de datos y lo pondrá en práctica. Esto podría significar
proporcionar a sus partes interesadas recomendaciones basadas en sus
conclusiones para que puedan tomar decisiones basadas en datos.

Preguntas que debe plantearse en este paso

1. ¿Cómo puedo utilizar los comentarios que recibí durante la fase de puesta en
común (paso 5) para satisfacer realmente las necesidades y expectativas de
la parte interesada?

Estos seis pasos pueden ayudarle a dividir el proceso de análisis de datos en partes
más pequeñas y manejables, lo que se denomina pensamiento estructurado. Este
proceso implica cuatro actividades básicas:

1. Reconocer el problema o la situación actual

2. Organizar la información disponible
3. Revelar las lagunas y las oportunidades
4. Identificar sus opciones

Cuando está empezando su carrera como Analista de datos, es normal que se

sienta arrastrado en varias direcciones diferentes con su función y sus expectativas.
Seguir procesos como los que se describen aquí y utilizar habilidades de
pensamiento estructurado puede ayudarle a volver al buen camino, colmar cualquier
laguna y hacerle saber exactamente lo que necesita.

Nikki: El proceso de datos funciona

Soy Nikki y dirijo el equipo de educación, evaluación, valoración e investigación. Mi
parte favorita del proceso de análisis de datos es encontrar el problema más difícil y
hacer un millón de preguntas al respecto y ver si es posible obtener una respuesta.
Uno de los problemas que hemos abordado en Google es nuestro programa de
incorporación de Noogler, que es la forma en que incorporamos a los nuevos
empleados. Una de las cosas que hemos hecho es preguntarnos cómo podemos
saber si los Nooglers se están incorporando más rápido o no a través de nuestro
nuevo programa de incorporación que con nuestro antiguo programa de
incorporación, en el que solíamos darles clases. Trabajamos muy de cerca con los
proveedores de contenido para entender exactamente qué significa incorporar a
alguien más rápido. Una vez que hicimos todas las preguntas, lo que hicimos fue
preparar los datos entendiendo quién era la población de los nuevos empleados que
estábamos examinando. Preparamos nuestros datos analizando y entendiendo
quiénes eran nuestras poblaciones, entendiendo quién era nuestro conjunto de
muestras, quién era nuestro grupo de control, quién era nuestro grupo de
experimentos, dónde estaban nuestras fuentes de datos y nos aseguramos de que
estaban en un conjunto, en un formato limpio y digerible para que pudiéramos
escribir los guiones adecuados. Así que el siguiente paso para nosotros fue
procesar los datos para asegurarnos de que estaban en un formato que pudiéramos
analizar en SQL, asegurándonos de que estaban en el formato correcto, en las
columnas correctas y en las tablas correctas para nosotros. Para analizar los datos,
escribimos scripts en SQL y R para correlacionarlos con el grupo de control o el
grupo experimental e interpretar los datos para comprender si hubo algún cambio en
los indicadores de comportamiento que vimos. Una vez que analicemos todos los
datos, queremos informar sobre ellos de manera que nuestra parte interesada
pueda entenderlos. Dependiendo de quiénes fueran nuestra parte interesada,
preparamos informes, paneles y presentaciones, y compartimos esa información.
Una vez que todos nuestros informes estuvieron completos, obtuvimos resultados
realmente positivos y decidimos actuar en consecuencia continuando con nuestro
programa de incorporación del aprendizaje basado en proyectos. Fue realmente
satisfactorio saber que tenemos los datos que lo respaldan y que realmente
funcionó. Y no solo porque los datos estaban ahí, sino que sabíamos que nuestros
estudiantes estaban aprendiendo y que eran más productivos y volvían más rápido
a sus puestos de trabajo.

Tipos de problemas comunes

 En un vídeo anterior, compartí cómo el análisis de datos ayudó a una empresa a
determinar dónde anunciar sus servicios. Una parte importante de este proceso
fueron las sólidas habilidades para resolver problemas. Como analista de datos,
descubrirá que los problemas están en el centro de lo que hace todos los días, pero
eso es bueno. Piense en los problemas como oportunidades para poner en práctica
sus habilidades y encontrar soluciones creativas y perspicaces. Los problemas
pueden ser pequeños o grandes, simples o complejos, ningún problema es igual a
otro y todos requieren un enfoque ligeramente diferente, pero el primer paso es
siempre el mismo: entender qué tipo de problema estás intentando resolver y de eso
vamos a hablar ahora. Los analistas de datos trabajan con una variedad de
problemas. En este vídeo, nos centraremos en seis tipos comunes. Estos incluyen:
hacer predicciones, categorizar cosas, detectar algo inusual, identificar temas,
descubrir conexiones y encontrar patrones. Vamos a definir cada una de ellas
ahora. En primer lugar, hacer predicciones. Este tipo de problema implica el uso de
datos para tomar una decisión informada sobre cómo podrían ser las cosas en el
futuro. Por ejemplo, un sistema hospitalario puede usar un monitoreo remoto de
pacientes para predecir los eventos de salud de los pacientes con enfermedades
crónicas. Los pacientes se llevaban sus signos vitales a casa todos los días, y esa
información, combinada con los datos sobre su edad, sus factores de riesgo y otros
detalles importantes, podría permitir al algoritmo del hospital predecir problemas de
salud futuros e incluso reducir las hospitalizaciones futuras. El siguiente tipo de
problema es la categorización de las cosas. Esto significa asignar información a
diferentes grupos o clústeres en función de características comunes. Un ejemplo de
este tipo de problema es un fabricante que revisa los datos sobre el desempeño de
los empleados de la planta. Un analista puede crear un grupo para los empleados
que son más y menos eficaces en ingeniería. Un grupo de empleados que son más
y menos eficaces en la reparación y el mantenimiento, más y menos eficaces en el
montaje y muchos más grupos o clústeres. A continuación, hemos detectado algo
inusual. En este tipo de problema, los analistas de datos identifican datos que son
diferentes de la norma. Un ejemplo de detección de algo inusual en el mundo real es
un sistema escolar que tiene un aumento repentino en el número de estudiantes
matriculados, tal vez tan grande como un aumento del 30 por ciento en el número
de estudiantes. Un analista de datos podría analizar este repunte y descubrir que a
Reproduce el video desde :2:46 y sigue la transcripción

2:46
principios de ese año se habían construido varios complejos de apartamentos
nuevos en el distrito escolar. Podrían usar este análisis para asegurarse de que la
escuela tenga suficientes recursos para atender a los estudiantes adicionales. La
identificación de temas es el siguiente tipo de problema. La identificación de temas
lleva la categorización como un paso más allá al agrupar la información en
conceptos más amplios. Volviendo a nuestro fabricante, que acaba de revisar los
datos de los empleados del taller. En primer lugar, estas personas se agrupan por
tipos y tareas. Pero ahora un analista de datos podría tomar esas categorías y
agruparlas en el concepto más amplio de baja y alta productividad. Esto permitiría a
la empresa ver quién es más productivo y quién es el menos productivo, a fin de
recompensar a los trabajadores con mejor desempeño y brindar apoyo adicional a
los trabajadores que necesitan más capacitación. Ahora, el tipo problemático de
descubrir conexiones permite a los analistas de datos encontrar desafíos similares a
los que se enfrentan diferentes entidades y, a continuación, combinar datos e
información para abordarlos. Esto es lo que quiero decir; digamos que una empresa
de scooters tiene un problema con las ruedas que recibe de su proveedor de
ruedas. Esa empresa tendría que detener la producción hasta que pudiera volver a
tener ruedas seguras y de calidad en stock. Pero mientras tanto, las empresas de
ruedas que se encuentran con el problema del caucho que utilizan para fabricar
ruedas, resulta que su proveedor de caucho tampoco pudo encontrar los materiales
adecuados. Si todas estas entidades pudieran hablar sobre los problemas a los que
se enfrentan y compartir datos abiertamente, se encontrarían con muchos desafíos
similares y, mejor aún, podrían colaborar para encontrar una solución. El último tipo
de problema es encontrar patrones. Los analistas de datos utilizan los datos para
encontrar patrones mediante el uso de datos históricos para comprender lo que
ocurrió en el pasado y, por lo tanto, es probable que vuelva a suceder. Las
empresas de comercio electrónico utilizan datos para encontrar patrones todo el
tiempo. Los analistas de datos analizan los datos de las transacciones para
comprender los hábitos de compra de los clientes en determinados momentos del
año. Es posible que descubran que los clientes compran más productos enlatados
justo antes de un huracán, o que compran menos accesorios para climas fríos,
como sombreros y guantes, durante los meses más cálidos. Las empresas de
comercio electrónico pueden utilizar esta información para asegurarse de que tienen
en stock la cantidad adecuada de productos en estos momentos clave. Muy bien,
ahora ha aprendido seis tipos de problemas básicos a los que suelen enfrentarse los
analistas de datos. Como futuro analista de datos, este será un conocimiento valioso
para su carrera. Próximamente, hablaremos un poco más sobre estos tipos de
problemas y proporcionaré aún más ejemplos de cómo los resuelven los analistas
de datos. Personalmente, me encantan los ejemplos del mundo real. Realmente me
ayudan a entender mejor los nuevos conceptos. Me muero por compartir aún más
casos reales con ustedes. Nos vemos allí.

Seis tipos de problemas

comunes
Estado: Traducido
automáticamente del Inglés

Traducido automáticamente del Inglés

La Analítica de datos es mucho más que introducir información en una plataforma

para obtener estadísticas. Se trata de resolver problemas. Para llegar a la raíz de
estos problemas y encontrar soluciones prácticas, hay muchas oportunidades para
el pensamiento creativo. Sea cual sea el problema, el primer paso y el más
importante es comprenderlo. A partir de ahí, es bueno adoptar un enfoque de
resolución de problemas en su análisis que le ayude a decidir qué información debe
incluirse, cómo puede transformar los datos y cómo se utilizarán.

Los analistas de datos suelen trabajar con seis tipos de

problemas
1. Making predictions
2. Categorizing things
3. Spotting something unusual
4. Identifying themes
5. Discovering connections
6. Finding patterns

El vídeo Tipos de problemas habituales presenta los seis tipos de problemas con un
ejemplo para cada uno. A continuación se resumen los ejemplos para su revisión.

Hacer predicciones

Una empresa que quiere saber cuál es el mejor método publicitario para captar
nuevos clientes es un ejemplo de problema que requiere que los analistas hagan
predicciones. Los analistas que disponen de datos sobre la ubicación, el tipo de
medio de comunicación y el número de nuevos clientes captados como resultado de
anuncios anteriores no pueden garantizar los resultados futuros, pero pueden
ayudar a predecir la mejor ubicación de la publicidad para llegar al público objetivo.
Categorizar las cosas

Un ejemplo de problema que requiere que los analistas categoricen las cosas es el
objetivo de una empresa de mejorar la satisfacción del cliente. Los analistas podrían
clasificar las llamadas de servicio al cliente en función de determinadas palabras
clave o puntuaciones. Esto podría ayudar a identificar a los representantes de
atención al cliente con mejor rendimiento o ayudar a correlacionar ciertas acciones
realizadas con puntuaciones más altas de satisfacción del cliente.

Detectar algo inusual

Una empresa que vende relojes inteligentes que ayudan a las personas a
monitorizar su salud estaría interesada en diseñar su software para detectar algo
inusual. Los analistas que han analizado datos sanitarios agregados pueden ayudar
a los desarrolladores de productos a determinar los algoritmos adecuados para
detectar y hacer saltar las alarmas cuando ciertos datos no siguen una tendencia
normal.

Identificar temas

Los diseñadores de experiencia del usuario (UX) pueden recurrir a analistas para
analizar los datos de interactividad del usuario. De forma similar a los problemas
que requieren que los analistas categoricen las cosas, los proyectos de mejora de la
usabilidad pueden requerir que los analistas identifiquen temas que ayuden a
priorizar las características del producto adecuadas para su mejora. Los Temas se
utilizan con mayor frecuencia para ayudar a los investigadores a explorar
determinados aspectos de los Datos. En un estudio de usuarios, las creencias,
prácticas y necesidades de los usuarios son ejemplos de temas.

A estas alturas se estará preguntando si existe alguna diferencia entre categorizar

cosas e identificar temas. La mejor manera de pensarlo es: categorizar cosas
implica asignar elementos a categorías; identificar temas lleva esas categorías un
paso más allá al agruparlas en temas más amplios.

Descubrir conexiones

Una empresa de logística de terceros que trabaja con otra empresa para conseguir
que los envíos se entreguen a tiempo a los clientes es un problema que requiere
que los analistas descubran conexiones. Analizando los tiempos de espera en los
concentradores de envíos, los analistas pueden determinar los cambios de horario
adecuados para aumentar el número de entregas a tiempo.

Encontrar patrones

Minimizar el tiempo de inactividad provocado por el fallo de una máquina es un

ejemplo de un problema que requiere que los analistas encuentren patrones en los
datos. Por ejemplo, analizando los datos de mantenimiento, podrían descubrir que la
mayoría de los fallos se producen si el mantenimiento regular se retrasa más de 15
días.

Conclusión clave
A medida que avance en este Programa, desarrollará un ojo más agudo para los
problemas y practicará la reflexión sobre los tipos de problemas cuando comience
su análisis. Este Método de resolución de problemas le ayudará a encontrar
soluciones que satisfagan las necesidades de todas las partes interesadas.

Seguir explorando las aplicaciones

empresariales
Ha estado aprendiendo sobre seis tipos de problemas comunes a los que se
enfrentan los analistas de datos: hacer predicciones, categorizar cosas, detectar
algo inusual, identificar temas, descubrir conexiones y encontrar patrones.
Pensemos en nuestro ejemplo del mundo real de un vídeo anterior. En ese ejemplo,
Anywhere Gaming Repair quería averiguar cómo atraer nuevos clientes. Así que el
problema era cómo determinar el mejor método de publicidad para el público
objetivo de Anywhere Gaming Repair. Para ayudar a resolver este problema, la
empresa utilizó los datos para imaginar lo que sucedería si se anunciara en
diferentes lugares. Ahora nadie puede ver el futuro, pero los datos les ayudaron a
tomar una decisión informada sobre cómo podrían funcionar las cosas. Por lo tanto,
su tipo de problema era hacer predicciones. Ahora pensemos en el segundo tipo de
problema, la categorización de las cosas. Este es un ejemplo de un problema que
implica la categorización. Supongamos que una empresa quiere mejorar los niveles
de satisfacción de sus clientes. Los analistas de datos podrían revisar las llamadas
grabadas al departamento de servicio al cliente de la empresa y evaluar los niveles
de satisfacción de cada persona que llama. Podrían identificar ciertas palabras o
frases clave que aparecen durante las llamadas telefónicas y luego asignarlas a
categorías como cortesía, satisfacción, insatisfacción, empatía y más. La
categorización de estas palabras clave nos brinda datos que permiten a la empresa
identificar a los representantes de servicio al cliente con mejor desempeño y a
aquellos que podrían necesitar más capacitación. Esto se traduce en clientes más
satisfechos y puntajes más altos en el servicio de atención al cliente. Bien, ahora
hablemos de un problema que implica detectar algo inusual. Es posible que algunos
de ustedes tengan un reloj inteligente, mi aplicación favorita es para el seguimiento
de la salud. Estas aplicaciones pueden ayudar a las personas a mantenerse sanas
al recopilar datos como su frecuencia cardíaca, patrones de sueño, rutina de
ejercicios y mucho más. Hay muchas historias sobre aplicaciones de salud que
realmente salvan la vida de las personas. Una es sobre una mujer joven, atlética y
que no tenía problemas médicos previos. Una noche escuchó un pitido en su reloj
inteligente, una notificación decía que su ritmo cardíaco se había disparado. Ahora,
en este ejemplo, piense en el reloj como un analista de datos. El reloj recopilaba y
analizaba datos de salud. Entonces, cuando su frecuencia cardíaca en reposo fue
repentinamente de 120 latidos por minuto, el reloj detectó algo inusual porque,
según sus datos, la frecuencia normalmente rondaba los 70. Gracias a los datos que
le proporcionó su reloj inteligente, la mujer fue al hospital y descubrió que tenía una
afección que podría haber provocado complicaciones potencialmente mortales si no
hubiera recibido ayuda médica. Ahora pasemos al siguiente tipo de problema: la
identificación de temas. Vemos muchos ejemplos de esto en el campo de la
experiencia del usuario. Los diseñadores de experiencia de usuario estudian y
trabajan para mejorar las interacciones que las personas tienen con los productos
que utilizan todos los días. Supongamos que un diseñador de experiencia del
usuario quiere ver qué piensan los clientes sobre la cafetera que fabrica su
empresa. Esta empresa recopila datos anónimos de encuestas de los usuarios, que
pueden usarse para responder a esta pregunta. Pero primero, para darle sentido a
todo esto, tendrá que encontrar temas que representen los datos más valiosos,
especialmente la información que pueda utilizar para mejorar aún más la
experiencia del usuario. Por lo tanto, el problema al que se enfrenta la empresa del
diseñador de experiencia de usuario es cómo mejorar la experiencia del usuario de
sus cafeteras. El proceso aquí es como encontrar categorías para palabras clave y
frases en las conversaciones de servicio al cliente. Sin embargo, la identificación de
los temas va más allá al agrupar cada estadística en un tema más amplio. Luego, el
diseñador puede identificar los temas más comunes. En este caso, descubrió que
los usuarios a menudo no podían saber si la cafetera estaba encendida o apagada.
Terminó optimizando el diseño mejorando la ubicación y la iluminación del botón de
encendido/apagado, lo que permitió mejorar el producto y satisfacer a los usuarios.
Ahora llegamos al problema de descubrir conexiones. Este ejemplo proviene de la
industria del transporte y utiliza algo llamado logística de terceros. Los socios
logísticos externos ayudan a las empresas a enviar productos cuando no tienen sus
 propios camiones, aviones o barcos. Un problema común al que se enfrentan estos
socios es descubrir cómo reducir el tiempo de espera. El tiempo de espera ocurre
cuando un controlador de camión de un proveedor de logística externo llega para
recoger un envío, pero no está listo. Así que tiene que esperar. Eso cuesta tiempo y
dinero a ambas empresas e impide que los camiones vuelvan a la carretera para
realizar más entregas. Entonces, ¿cómo pueden resolver esto? Bueno, al compartir
datos, las empresas asociadas pueden ver los plazos de las demás y ver qué es lo
que provoca que los envíos se retrasen. Luego, pueden averiguar cómo evitar esos
problemas en el futuro. Por lo tanto, un problema para una empresa no causa un
impacto negativo para la otra.
Reproduce el video desde :5:29 y sigue la transcripción

5:29

Por ejemplo, si los envíos se retrasan porque una empresa solo entrega los lunes,
miércoles y viernes, y la otra solo entrega los martes y jueves, las empresas pueden
optar por entregar el mismo día para reducir el tiempo de espera para los clientes.
Muy bien, hemos llegado a nuestro último tipo de problema: encontrar patrones. Las
compañías de petróleo y gas trabajan constantemente para mantener sus máquinas
funcionando correctamente. Así que el problema es cómo evitar que las máquinas
se estropeen. Una forma en que los analistas de datos pueden hacerlo es
observando los patrones en los datos históricos de la empresa. Por ejemplo, podrían
investigar cómo y cuándo se averió una máquina en particular en el pasado y, luego,
generar información sobre lo que provocó la rotura. En este caso, la empresa
observó un patrón que indicaba que las máquinas comenzaban a descomponerse a
un ritmo más rápido cuando el mantenimiento no se mantenía en ciclos de 15 días.
Luego, pueden realizar un seguimiento de las condiciones actuales e intervenir si
alguno de estos problemas vuelve a ocurrir. Bastante guay, ¿verdad? Siempre me
sorprende escuchar cómo los datos ayudan a personas y empresas reales a lograr
cambios significativos. Espero que tú también lo estés. Nos vemos pronto.

Anmol: DE LA HIPÓTESIS AL RESULTADO

Hola, soy Anmol. Soy el jefe de Análisis de datos de marketing para grandes
anunciantes en el Equipo de Marketing de Google. En esencia, mi trabajo consiste
en conectar al usuario correcto con el mensaje correcto en el momento correcto. El
primer paso es realmente tener una idea amplia del patrón determinado que está
ocurriendo. Por ejemplo, sabemos que este segmento particular de usuarios
responde mejor a este tipo de contenido. Una vez que podemos ver realmente esta
hipótesis a través de los datos, hacemos pruebas para asegurarnos de que la
hipótesis sea realmente correcta. Por ejemplo, probaríamos el envío de estos
contenidos a este segmento de usuarios y verificaríamos, en un entorno controlado,
si la tasa de respuesta es realmente mayor para ese tipo de contenido o si no lo es.
Una vez que podamos verificar realmente esa hipótesis, nos dirigimos a la parte
interesada, en este caso, a nuestros especialistas en marketing, y les decimos que
hemos demostrado con un grado de certeza relativamente alto que este segmento
en particular responde mejor a este tipo de contenido y, por eso, te recomendamos
que produzcas más de este tipo de contenido. Nuestra parte interesada realmente
puede ver toda la evolución, desde la hipótesis hasta el concepto probado, y pueden
acompañarnos en el proceso de probar estas hipótesis y, finalmente, convertirlas en
estrategias y recomendaciones para la empresa. El resultado en este caso fue que
pudimos cambiar la forma en que trabajaba todo nuestro equipo de marketing para
que estuviera mucho más centrado en el usuario. Desde nuestra perspectiva, en
lugar de crear el contenido que creemos que los usuarios necesitan, en realidad
vamos en la otra dirección: averiguar primero qué necesitan los usuarios, demostrar
que necesitan ciertas cosas o no necesitan ciertas cosas y, luego, utilizar esa
información para volver a los especialistas en marketing y crear contenido que
satisfaga sus necesidades. Así que realmente cambió la dirección de la forma en
que producimos las cosas.

Preguntas SMART
Ahora que hemos hablado de seis tipos de problemas básicos, es hora de empezar
a resolverlos. Para ello, los analistas de datos comienzan por hacer las preguntas
correctas. En este vídeo, vamos a aprender cómo hacer preguntas eficaces que
conduzcan a ideas clave que puede utilizar para resolver todo tipo de problemas.
Como analista de datos, hago preguntas constantemente. Es una parte importante
del trabajo. Si alguien me pide que trabaje en un proyecto, hago preguntas para
asegurarme de que estamos en sintonía con respecto al plan y los objetivos. Y
cuando consigo un resultado, lo pongo en duda. ¿Los datos me muestran algo de
manera superficial? ¿Hay algún conflicto en alguna parte que deba resolverse?
Cuantas más preguntas haga, más aprenderá acerca de sus datos y, al final del día,
más poderosa será su información. Algunas preguntas son más eficaces que otras.
Supongamos que estás almorzando con un amigo y te dice: «Son los mejores
sándwiches del mundo, ¿no?» Bueno, esa pregunta en realidad no te da la
oportunidad de compartir tu propia opinión, especialmente si no estás de acuerdo y
no te gustó mucho el sándwich. Esto se llama pregunta principal porque te lleva a
responder de una manera determinada. O tal vez estás trabajando en un proyecto y
decides entrevistar a un miembro de la familia. Digamos que le preguntas a tu tío,
¿te gustó crecer en Malasia? Puede que responda: «Sí». Pero no has aprendido
mucho sobre sus experiencias allí. Tu pregunta era cerrada. Esto significa que se
puede responder con un sí o un no. Este tipo de preguntas rara vez conducen a
ideas valiosas. Ahora, ¿qué pasa si alguien te pregunta si prefieres el chocolate o la
vainilla? Bueno, ¿de qué hablan específicamente? ¿ Helado, pudin, saborizante de
café o algo más? ¿Qué pasa si te gusta el helado de chocolate pero te gusta el café
con vainilla? ¿Qué pasa si no te gusta ninguno de los sabores? Ese es el problema
de esta pregunta. Es demasiado vago y carece de contexto. Conocer la diferencia
entre preguntas eficaces e ineficaces es esencial para su futura carrera como
analista de datos. Al fin y al cabo, el proceso del analista de datos comienza con la
fase de preguntas. Por eso es importante que hagamos las preguntas correctas. Las
preguntas eficaces siguen la Metodología SMART. Esto significa que son
específicos, medibles, orientados a la acción, relevantes y con plazos limitados.
Vamos a desglosar eso. Las preguntas específicas son simples, significativas y se
centran en un solo tema o en algunas ideas estrechamente relacionadas. Esto nos
ayuda a recopilar información relevante para lo que estamos investigando. Si una
pregunta es demasiado general, intenta reducirla centrándote en un solo elemento.
Por ejemplo, en lugar de hacer una pregunta cerrada, como: ¿ Los niños realizan
suficientes actividades físicas en estos días? Pregunte qué porcentaje de niños
realizan los 60 minutos recomendados de actividad física al menos cinco días a la
semana. Esa pregunta es mucho más específica y puede brindarle información más
útil. Ahora, hablemos de las preguntas mensurables. Las preguntas medibles se
pueden cuantificar y evaluar. Un ejemplo de pregunta inconmensurable sería: ¿por
qué un vídeo reciente se hizo viral? En su lugar, podrías preguntar cuántas veces se
compartió nuestro vídeo en las redes sociales la primera semana en que se publicó.
Esa pregunta es mensurable porque nos permite contar las acciones y llegar a un
número concreto. Bien, ahora pasamos a las preguntas orientadas a la acción. Las
preguntas orientadas a la acción fomentan el cambio. Tal vez recuerdes que la
resolución de problemas consiste en ver el estado actual y descubrir cómo
transformarlo en el estado futuro ideal. Bueno, las preguntas orientadas a la acción
te ayudan a lograrlo. Entonces, en lugar de preguntar, ¿cómo podemos lograr que
los clientes reciclen los envases de nuestros productos? Podrías preguntarte, ¿qué
características de diseño harán que nuestros envases sean más fáciles de reciclar?
Esto le brinda respuestas sobre las que puede actuar. Muy bien, pasemos a las
preguntas pertinentes. Las preguntas relevantes importan, son importantes y tienen
importancia para el problema que estás intentando resolver. Supongamos que estás
trabajando en un problema relacionado con una especie de rana amenazada. Y
preguntaste, ¿por qué importa que las ranas arborícolas de Pine Barrens hayan
empezado a desaparecer? Esta es una pregunta irrelevante porque la respuesta no
nos ayudará a encontrar una manera de evitar que estas ranas se extingan. Una
pregunta más relevante sería: ¿qué factores ambientales cambiaron en Durham,
Carolina del Norte, entre 1983 y 2004 que podrían provocar la desaparición de las
ranas arborícolas de Pine Barrens de las regiones de Sandhills? Esta pregunta nos
daría respuestas que podemos usar para ayudar a resolver nuestro problema. Ese
también es un gran ejemplo para nuestro punto final, las preguntas con límite de
tiempo. Las preguntas con límite de tiempo especifican el tiempo que se estudiará.
El período de tiempo que queremos estudiar es de 1983 a 2004. Esto limita la gama
de posibilidades y permite al analista de datos centrarse en los datos relevantes.
Bien, ahora que tienes una comprensión general de las preguntas SMART, hay algo
más que es muy importante tener en cuenta al elaborar las preguntas: la
imparcialidad. Ya hemos hablado de la equidad anteriormente, pero como
recordatorio rápido, la equidad significa asegurarse de que sus preguntas no
generen o refuercen sesgos. Para hablar de esto, volvamos a nuestro ejemplo de
sándwich. Ahí tuvimos una pregunta injusta porque estaba redactada para llevarte a
una respuesta determinada. Esto hacía que fuera difícil responder honestamente si
no estaba de acuerdo con la calidad del sándwich. Otro ejemplo común de una
pregunta injusta es la que hace suposiciones. Por ejemplo, supongamos que se
hace una encuesta de satisfacción a las personas que visitan un museo de ciencias.
Si la encuesta pregunta, ¿qué es lo que más le gusta de nuestras exhibiciones?
Esto supone que al cliente le encantan las exhibiciones, que pueden o no ser
ciertas. Equidad también significa elaborar preguntas que tengan sentido para
todos. Es importante que las preguntas sean claras y tengan una redacción sencilla
que cualquiera pueda entender fácilmente. Las preguntas injustas también pueden
dificultar su trabajo como analista de datos. Conducen a comentarios poco fiables y
a la pérdida de oportunidades para obtener información realmente valiosa. Ha
aprendido mucho sobre cómo elaborar preguntas eficaces, por ejemplo, cómo usar
el marco SMART al crear sus preguntas y cómo asegurarse de que sus preguntas
sean justas y objetivas. En el futuro, explorará los diferentes tipos de datos y
aprenderá cómo se usa cada uno para guiar las decisiones empresariales. También
obtendrá más información sobre las visualizaciones y sobre cómo las métricas o
medidas pueden ayudar a lograr el éxito. ¡Va a ser genial!

Más sobre las preguntas

SMART
Estado: Traducido
automáticamente del Inglés

Traducido automáticamente del Inglés

Hoy en día, las empresas de muchos sectores se enfrentan a cambios rápidos y a
una creciente incertidumbre. Incluso las empresas bien establecidas se ven
presionadas para mantenerse al día de las novedades y averiguar qué es lo
siguiente. Para ello, necesitan hacer preguntas. Formular las preguntas adecuadas
puede ayudar a suscitar las ideas innovadoras que tantas empresas anhelan hoy en
día.

Lo mismo ocurre con la Analítica de datos. No importa cuánta Información tenga o lo

avanzadas que sean sus herramientas, sus Datos no le dirán mucho si no empieza
con las preguntas correctas. Piense en ello como un detective con toneladas de
pruebas que no pregunta a un sospechoso clave sobre ellas. A continuación,
aprenderá más sobre cómo hacer preguntas altamente eficaces, junto con ciertas
prácticas que querrá evitar.

Las preguntas altamente eficaces son preguntas SMART:

Específicas: Mensurable: Orientada a la Pertinente: Limitada en

¿Le dará la acción: ¿Le ¿Se el tiempo:
pregunta proporcionará refiere la ¿Son las
respuestas n las pregunta respuestas
 ¿Es que pueda respuestas al relevantes
específica medir? información problema para el
la que le ayude concreto momento
pregunta? a diseñar que concreto
¿Aborda el algún tipo de intenta que se está
problema? plan? resolver? estudiando
¿Tiene ?
contexto?
¿Descubrirá
mucha de la
información
que
necesita?

Ejemplos de preguntas SMART

He aquí un ejemplo que desglosa el proceso de reflexión para convertir una

pregunta sobre un problema en una o varias preguntas SMART utilizando el Método
SMART: ¿Qué características busca la gente cuando compra un coche nuevo?

● Específica: ¿La pregunta se centra en una característica concreta del coche?

● Mensurable: ¿Incluye la pregunta un sistema de clasificación de
características?
● Orientada a la acción: ¿Influye la pregunta en la creación de paquetes de
características diferentes o nuevos?
● Relevante: ¿Identifica la pregunta qué características hacen o deshacen la
compra de un coche potencial?
 ● Limitada en el tiempo: ¿La pregunta valida los datos sobre las características
más populares de los últimos tres años?

Las preguntas deben ser abiertas. Es la mejor manera de obtener respuestas que le
ayuden a calificar o descalificar con precisión las posibles soluciones a su problema
específico. Así, basándose en el proceso de reflexión, las posibles preguntas
SMART podrían ser:

● En una escala del 1 al 10 (siendo 10 la más importante), ¿qué importancia

tiene que su coche tenga tracción a las cuatro ruedas? Explíquelo.
● ¿Cuáles son las cinco características que más le gustaría ver en el paquete
de un coche?
● ¿Qué características, si se incluyeran con tracción a las cuatro ruedas, le
harían inclinarse más por comprar el coche?
● ¿Cómo contribuye a su valor, en su opinión, que un coche tenga tracción a
las cuatro ruedas?

Cosas que debe evitar al formular preguntas

Preguntas principales: preguntas que sólo tienen una respuesta concreta

● Ejemplo: Este producto es demasiado caro, ¿verdad?

Se trata de una pregunta capciosa porque sugiere una respuesta como parte de la
pregunta. Una pregunta mejor podría ser: "¿Cuál es su opinión sobre este
producto?" Hay montones de respuestas a esa pregunta, y podrían incluir
información sobre usabilidad, características, accesorios, color, Confiabilidad y
popularidad, además del precio. Ahora bien, si su problema se centra realmente en
el precio, podría hacer una pregunta como "¿Qué precio (o rango de precios) le
haría considerar la compra de este producto?" Esta pregunta proporcionaría muchas
respuestas medibles diferentes.

Preguntas cerradas: preguntas que sólo piden una respuesta de una palabra o
breve

● Ejemplo: ¿Quedó satisfecho con la prueba de cliente?

Se trata de una pregunta cerrada porque no anima a la gente a ampliar su

respuesta. Es muy fácil que den respuestas de una sola palabra que no son muy
informativas. Una pregunta mejor podría ser: "¿Qué aprendió de la prueba sobre la
experiencia del cliente?" Esto anima a la gente a dar más detalles aparte de "Fue
bien"

Preguntas vagas: preguntas que no son específicas o que no proporcionan contexto

● Ejemplo: ¿Le funciona la herramienta?

Esta pregunta es demasiado vaga porque no hay contexto. ¿Se trata de comparar la
nueva herramienta con la que sustituye? No se sabe. Una pregunta mejor podría
ser: "A la hora de introducir datos, ¿es la nueva herramienta más rápida, más lenta
o más o menos igual que la antigua? Si es más rápida, ¿cuánto tiempo se ahorra?
Si es más lenta, ¿cuánto tiempo se pierde?" Estas preguntas dan contexto (entrada
de datos) y ayudan a enmarcar las respuestas que son medibles (tiempo).

Evan: Los datos abren puertas

Hola, soy Evan. Soy gestor de carteras de aprendizaje en Google y tengo uno de los
mejores trabajos del mundo, en el que puedo analizar todas las diferentes
tecnologías que afectan a los macrodatos y luego incluirlas en cursos de formación
como este para que los estudiantes los asistan. Ojalá hubiera tenido un curso como
este cuando recién salí de la universidad o la escuela secundaria. Sinceramente, fue
un curso de analista de datos que está orientado de la manera en que este, si ya
has realizado algunos de los vídeos, realmente te prepara para hacer lo que
quieras. Abrirá todas las puertas que desee para cualquiera de esas funciones
dentro del plan de estudios de datos. Bueno, ¿cuáles son algunos de esos roles?
Hay muchas trayectorias profesionales diferentes para alguien interesado en los
datos. Por lo general, si eres como yo, entrarás por la puerta como analista de
datos, tal vez trabajando con hojas de cálculo, quizás trabajando con bases de
datos pequeñas, medianas y grandes, pero todo lo que tienes que recordar son 3
funciones principales diferentes. Ahora hay muchos en especial, ya sean
especialidades, dentro de cada una de estas diferentes carreras, pero estos tres son
los analistas de datos, que generalmente son personas que trabajan con SQL, hojas
de cálculo y bases de datos, que podrían trabajar como un equipo de inteligencia
empresarial creando esos paneles. Ahora, ¿de dónde provienen todos esos datos?
Por lo general, un analista de datos trabajará con un ingeniero de datos para
convertir esos datos sin procesar en canalizaciones procesables. Por lo tanto, hay
analistas de datos, ingenieros de datos y, por último, es posible que haya científicos
de datos que básicamente dicen que los ingenieros de datos han creado estos
hermosos canales. A veces el analista también lo hace. Los analistas nos han
proporcionado datos limpios y procesables. Luego, los científicos de datos
trabajaron realmente para convertirlos en modelos de aprendizaje automático o
inferencias estadísticas realmente geniales que superan con creces cualquier cosa
que pudiera haber imaginado. Compartiremos muchos recursos en enlaces para
que puedas entusiasmarte con cada uno de estos diferentes roles. Y lo mejor es
que, si eres como yo cuando fui a la escuela, no sabía lo que quería hacer y no
tienes que saber desde el principio qué ruta de acceso quieres seguir. Pruébalos
todos. Mira lo que realmente te gusta. Es muy personal. Convertirse en analista de
datos es muy emocionante. ¿Por qué? Porque no es solo un medio para lograr un
fin. Se trata simplemente de emprender una ruta de acceso profesional en la que
muchas personas brillantes han recorrido antes y que han hecho que las
herramientas y tecnologías sean mucho más fáciles para ti y para mí en la
actualidad. Por ejemplo, cuando estaba empezando a aprender SQL o el lenguaje
de consultas estructuradas que vais a aprender como parte de este curso, lo hacía
en mi portátil local y cada una de las consultas tardaba entre 20 y 30 minutos en
ejecutarse y me resultaba muy difícil hacer un seguimiento de las diferentes
sentencias SQL que estaba escribiendo o compartirlas con otra persona. Eso fue
hace unos 10 ó 15 años. Ahora, con todas las diferentes empresas y todas las
diferentes herramientas que le facilitan las herramientas y tecnologías de análisis de
datos, se lo pasará genial creando estos conocimientos con mucho menos de los
gastos generales que yo tenía cuando empecé. Así que estoy muy emocionada de
escuchar lo que piensas y cuál va a ser tu experiencia.

Términos del glosario del

curso 2, Módulo 1

Estado: Traducido
automáticamente del Inglés
Traducido automáticamente del Inglés

Términos y definiciones para el Curso 2, Módulo 1

Pregunta orientada a la acción: Una pregunta cuyas respuestas conducen al cambio

Nube: Lugar donde se guardan los datos en línea, en lugar del disco duro de una
computadora

Proceso de análisis de datos: Las seis fases de preguntar, preparar, procesar,

analizar, compartir y actuar cuyo propósito es obtener estadísticas que impulsen una
toma de decisiones informada

Ciclo de vida de los datos: La secuencia de etapas que experimentan los datos, que
incluyen la planificación, la captura, la gestión, el análisis, el archivo y la destrucción

Pregunta principal: Pregunta que orienta a las personas hacia una respuesta
determinada

Pregunta medible: Una pregunta cuyas respuestas pueden cuantificarse y evaluarse

Tipos de problemas: Los diversos problemas con los que se encuentran los
analistas de datos, como categorizar cosas, descubrir conexiones, encontrar
patrones, identificar temas, hacer predicciones y detectar algo inusual

Pregunta relevante: Una pregunta que tiene importancia para el problema que hay
que resolver

Metodología SMART: Herramienta para determinar la eficacia de una pregunta en

función de si es específica, medible, orientada a la acción, pertinente y limitada en el
tiempo.

Pregunta específica: Una pregunta sencilla, significativa y centrada en un único

tema o en unas pocas ideas estrechamente relacionadas entre sí

Pensamiento estructurado: El proceso de reconocer el problema o la situación

actual, organizar la información disponible, revelar las lagunas y oportunidades e
identificar las opciones

Pregunta con límite de tiempo: Una pregunta que especifica un marco temporal para
ser estudiada
Pregunta injusta: Una pregunta que hace suposiciones o es difícil de responder
honestamente

Datos y decisiones
Bienvenido de nuevo. Ahora es el momento de ir más allá y aprovechar lo que ha
aprendido sobre la resolución de problemas en el análisis de datos y la elaboración
de preguntas eficaces. Próximamente, cubriremos una amplia gama de temas.
Aprenderá cómo los datos pueden potenciar nuestras decisiones, grandes y
pequeñas; la diferencia entre el análisis cuantitativo y cualitativo y cuándo usarlos;
las ventajas y desventajas de las diferentes herramientas de visualización de datos;
qué son las métricas y cómo las usan los analistas; y cómo usar el pensamiento
matemático para conectar los puntos. Para ser honesto, sigo aprendiendo más
sobre estas cosas todos los días, ¡ y tú también lo harás! Por ejemplo, cómo los
datos cuantitativos y cualitativos pueden trabajar juntos. En mi puesto en finanzas,
la mayor parte de mi trabajo es cuantitativo, pero recientemente estuve trabajando
en un proyecto que se centraba mucho en la empatía y la confianza, y que era
realmente nuevo para mí. Sin embargo, tuvimos en cuenta esos aspectos más
cualitativos durante el análisis, y eso realmente me ayudó a entender cómo los
datos cuantitativos y cualitativos pueden unirse para ayudarnos a tomar decisiones
poderosas. Ahora está en camino de crear su propio conjunto de herramientas para
analistas de datos. Antes de que se dé cuenta, analizará usted mismo todo tipo de
datos y aprenderá cosas nuevas mientras lo hace. Pero primero, empecemos poco
a poco con el poder de la observación.

Cómo los Datos potencian las decisiones

Hemos hablado mucho sobre qué son los datos y cómo influyen en la toma de
decisiones. ¿Qué sabemos ya? Bueno, sabemos que los datos son una colección
de hechos. También sabemos que el análisis de datos revela patrones e información
importantes sobre esos datos. Por último, sabemos que el análisis de datos puede
ayudarnos a tomar decisiones más informadas. Ahora veremos cómo los datos
influyen en el proceso de toma de decisiones y analizaremos rápidamente las
diferencias entre las decisiones basadas en datos y las inspiradas en datos.
Veamos un ejemplo de la vida real. Piensa en la última vez que buscaste
«restaurantes cerca de mí» y ordenaste los resultados por calificación para ayudarte
a decidir cuál se ve mejor. Esa fue una decisión que tomaste usando datos. Las
empresas y otras organizaciones utilizan los datos para tomar mejores decisiones
todo el tiempo. Hay dos maneras de hacerlo: con la toma de decisiones basada en
datos o inspirada en los datos. Hablaremos más sobre la toma de decisiones
basada en los datos más adelante, pero esta es una definición rápida por ahora.
Toma de decisiones inspirada en datos explora diferentes fuentes de datos para
averiguar qué tienen en común. En Google, utilizamos los datos todos los días, y
también de formas muy sorprendentes. Por ejemplo, utilizamos los datos para
ayudar a reducir la cantidad de energía que se gasta en la refrigeración de sus
centros de datos. Tras analizar años de datos recopilados con inteligencia artificial,
pudimos tomar decisiones que nos ayudaron a reducir la energía que utilizamos
para refrigerar nuestros centros de datos en más de un 40 por ciento. El equipo de
operaciones de personal de Google también utiliza los datos para mejorar la forma
en que contratamos a nuevos empleados de Google y para que empiecen con buen
pie. Queríamos asegurarnos de no pasar por alto a ningún candidato con talento y
de hacer que su transición a sus nuevas funciones fuera lo más sencilla posible.
Tras analizar los datos sobre las solicitudes, las entrevistas y los procesos de
orientación de los nuevos empleados, empezamos a utilizar un algoritmo. Un
algoritmo es un proceso o conjunto de reglas que se deben seguir para una tarea
específica. Con este algoritmo, revisamos a los candidatos que no superaron el
proceso de selección inicial para encontrar candidatos excelentes. Datos también
nos ayudaron a determinar el número ideal de entrevistas que conducen a las
mejores decisiones de contratación posibles. Hemos creado nuevas agendas de
incorporación para ayudar a los nuevos empleados a empezar en sus nuevos
trabajos. Datos están en todas partes. Hoy en día, creamos tantos datos que los
científicos estiman que el 90 por ciento de los datos del mundo se han creado solo
en los últimos años. Piensa en el potencial que hay aquí. Cuantos más datos
tengamos, mayores serán los problemas que podamos resolver y más poderosas
serán nuestras soluciones. Sin embargo, recopilar datos de manera responsable es
solo una parte del proceso. También tenemos que convertir los datos en
conocimiento que nos ayude a crear mejores soluciones. Voy a dejar que mi colega
de Google, Ed, hable más sobre eso. Tener toneladas de datos no es suficiente.
Tenemos que hacer algo significativo con él. Datos en sí mismos proporcionan poco
valor. Para citar a Jack Dorsey, fundador de Twitter y Square, «cada acción que
hacemos en este mundo genera cierta cantidad de datos, y la mayoría de esos
datos no tienen sentido hasta que alguien añade alguna interpretación o una
 narración en torno a ellos». Datos sencillos, hechos recopilados en conjunto, valores
que describen algo. Los puntos de datos individuales se vuelven más útiles cuando
se recopilan y estructuran, pero todavía carecen de sentido por sí mismos.
Necesitamos interpretar los datos para convertirlos en información. Mira el tiempo
de Michael Phelps en una carrera de natación con medallas individuales de 200
metros, un minuto y 54 segundos. No nos dice mucho.
Reproduce el video desde :3:46 y sigue la transcripción

3:46

Sin embargo, si lo comparamos con los tiempos de su competidor en la carrera,

podemos ver que Michael llegó en primer lugar y ganó la medalla de oro. Nuestro
análisis tomó datos, en este caso, una lista de carreras y tiempos de Michael y los
convirtió en información comparándolos con otros datos. El contexto es importante.
Necesitábamos saber que esta carrera era una final olímpica y no otra carrera
aleatoria para determinar si se trataba de una medalla de oro. Pero esto todavía no
es conocimiento. Cuando consumimos información, la entendemos y la aplicamos,
es cuando los datos son más útiles. En otras palabras, Michael Phelps es un
nadador rápido. Es genial cómo podemos convertir los datos en conocimiento que
nos ayude de muchas maneras, ya sea para encontrar el restaurante perfecto o
para realizar cambios respetuosos con el medio ambiente. Sin embargo, tenga en
cuenta que el análisis de datos tiene limitaciones. A veces no tenemos acceso a
todos los datos que necesitamos, o los datos se miden de manera diferente según
los programas, lo que puede dificultar la búsqueda de ejemplos concretos. Los
trataremos con más detalle más adelante, pero es importante que empieces a
pensar en ellos ahora. Ahora que sabe cómo los datos impulsan la toma de
decisiones, sabe cuán clave es su función como analista de datos para la empresa.
Datos son una herramienta poderosa para la toma de decisiones, y puedes ayudar a
proporcionar a las empresas la información que necesitan para resolver problemas y
tomar nuevas decisiones , pero antes de eso, necesitarás aprender un poco más
sobre los tipos de datos con los que trabajarás y cómo manejarlos.

Ensayos y triunfos de los

Datos
Introducción

El trabajo de un profesional del análisis de datos consiste en proporcionar los datos

necesarios para fundamentar las decisiones clave. También deben enmarcar sus
análisis de forma que ayuden a los líderes empresariales a tomar las mejores
decisiones posibles.

En esta lectura, explorará la Función de los datos en la toma de decisiones y las

razones por las que los profesionales de la Analítica de datos son tan importantes
para este proceso. Comparará las decisiones basadas en datos y las inspiradas en
datos para comprender la diferencia entre ambas. También verá algunos ejemplos
en los que los proyectos fracasaron o tuvieron éxito en función de cómo se aplicaron
los datos.

Tanto el enfoque basado en datos como el inspirado en datos se basan en la idea

de que los datos son intrínsecamente valiosos para tomar una decisión. Los Datos
bien conservados pueden proporcionar Información a los responsables que mejore
la calidad de sus decisiones. Recuerde: Los Datos no toman decisiones, pero sí las
mejoran.

Decisiones basadas en datos

Como ha estado aprendiendo, la toma de decisiones basada en datos significa

utilizar los hechos para orientar la estrategia empresarial. La expresión "decisiones
basadas en datos" significa exactamente eso: Se utilizan los Datos para llegar a una
decisión. Este enfoque está limitado por la cantidad y la calidad de los Datos
fácilmente disponibles. Si la calidad y la cantidad de los Datos son suficientes, este
enfoque puede mejorar con creces la toma de decisiones. Pero si los datos son
insuficientes o sesgados, puede crear problemas a los responsables de la toma de
decisiones. Los peligros potenciales de confiar totalmente en la toma de decisiones
basada en datos pueden incluir una dependencia excesiva de los datos históricos,
una tendencia a ignorar las perspectivas cualitativas y sesgos potenciales en la
recopilación y el análisis de datos

Ejemplo de decisión basada en datos

Las Pruebas A/B son un ejemplo sencillo de recopilación de datos para la toma de
decisiones basada en datos. Por ejemplo, un sitio web que vende widgets tiene una
idea para un nuevo diseño del sitio web que creen que hará que más gente compre
widgets. Durante dos semanas, la mitad de los visitantes de su sitio web son
dirigidos al sitio antiguo; la otra mitad, al nuevo. Después de esas dos semanas, el
analista recopila los datos sobre los visitantes de su sitio web y el número de
widgets vendidos para analizarlos. Esto ayuda al analista a comprender qué diseño
del sitio web produjo más ventas de widgets. Si el nuevo sitio web obtuvo mejores
resultados en la producción de ventas de widgets, ¡entonces la empresa puede
tomar con confianza la decisión de utilizar el nuevo diseño!

Decisiones inspiradas en los datos

Las decisiones inspiradas en datos incluyen las mismas consideraciones que las
decisiones basadas en datos, pero añaden otra capa de complejidad. Crean un
espacio para que las personas que utilizan datos tengan en cuenta una gama más
amplia de ideas: basándose en comparaciones con conceptos relacionados, dando
peso a los sentimientos y las experiencias, y considerando otras cualidades que
pueden ser más difíciles de medir. La toma de decisiones inspirada en datos puede
evitar algunos de los escollos a los que pueden ser propensas las decisiones
basadas en datos.

Ejemplo de decisión inspirada en los datos

Un centro de atención al cliente recopila datos sobre la satisfacción del cliente (a

menudo conocida como puntuación "CSAT"). Utilizan una sencilla puntuación del 1
al 10 junto con una descripción cualitativa en la que el cliente describe su
experiencia. El director del centro de atención al cliente quiere mejorar la
experiencia del cliente, por lo que se fija el objetivo de mejorar la puntuación CSAT.
Empiezan analizando las puntuaciones CSAT y leyendo cada una de las
descripciones de los clientes. Además, entrevistan a las personas que trabajan en el
centro de atención al cliente. A partir de ahí, el gerente formula una estrategia y
decide qué es lo que más hay que mejorar para elevar la puntuación de satisfacción
del cliente. Si bien es cierto que el director se basa en los datos de la CSAT en el
proceso de toma de decisiones, las aportaciones de los representantes del centro
de asistencia y otros datos cualitativos también influyen en el planteamiento.

Un triunfo del Análisis de datos

Cuando los datos se utilizan estratégicamente, las empresas pueden transformar y

aumentar sus Ingresos. Considere el siguiente ejemplo.

PepsiCo

Desde los días del Lanzamiento de la Nueva Coca-Cola, las cosas han cambiado
radicalmente para las empresas de bebidas y otros bienes de consumo envasados
(CPG).

Según un artículo de Think with Google escrito por Shyam Venugopal, PepsiCo
"contrató talento analítico y estableció flujos de trabajo interfuncionales en torno a
una infraestructura diseñada para dar prioridad a las necesidades de los
consumidores. A continuación, [la empresa] estableció los procesos adecuados para
tomar decisiones críticas basadas en datos y casos de uso de la tecnología. Por
último, [invirtió] en la pila tecnológica y las plataformas adecuadas para que los
datos pudieran fluir hacia un concentrador central basado en la nube. Esto es
fundamental. Cuando los Datos se juntan, desarrollamos una comprensión holística
del consumidor y sus viajes"

En esta decisión inspirada en los datos, PepsiCo no sólo está utilizando su propio
conjunto de datos, sino que también emplea fuentes externas para complementar
sus conjuntos de datos y ampliar su alcance en el mercado. Conozca cómo PepsiCo
está ofreciendo una experiencia más personal y valiosa a sus clientes utilizando
datos en Cómo uno de los mayores vendedores del mundo rompió su Manual de
estrategias y aprendió a anticiparse a la intención.

Fallos en el análisis de datos

Ha estado aprendiendo por qué los datos son una herramienta empresarial tan
poderosa y cómo los analistas de datos ayudan a sus empresas a tomar decisiones
basadas en datos para obtener grandes resultados. Utilizar los datos para sacar
conclusiones precisas y hacer buenas recomendaciones empieza por disponer de
datos completos, correctos y pertinentes.

Nota: Es importante recordar que es posible tener datos sólidos y aun así tomar
decisiones equivocadas. Corresponde a los analistas de datos interpretar los datos
con precisión. Cuando los datos se interpretan incorrectamente, esa interpretación
errónea puede provocar enormes pérdidas. Considere lo siguiente.

Fracaso del Lanzamiento de Coca-Cola

En 1985 se lanzó la Nueva Coca-Cola, que sustituía a la fórmula clásica de la Coca-

Cola. La empresa había realizado pruebas de sabor con 200.000 personas y
descubrió que los sujetos de las pruebas preferían el sabor de la Nueva Coca-Cola
al de Pepsi, que se había convertido en un duro competidor. Basándose sólo en
estos datos, la Coca-Cola clásica fue retirada del mercado y sustituida por la Nueva
Coca-Cola. La empresa pensó que ésta era la solución para recuperar la cuota de
mercado que había perdido a manos de Pepsi.

Pero resultó que la Nueva Coca-Cola era muy impopular y la empresa acabó
perdiendo decenas de millones de dólares. Los Datos parecían correctos, pero
estaban incompletos: Los Datos no tenían en cuenta cómo se sentirían los Clientes
al ver que la Nueva Coca-Cola sustituía a la Coca-Cola clásica. La decisión de la
empresa de retirar la Coca-Cola clásica fue una decisión basada en datos
incompletos.

Pérdida del Mars Orbiter

En 1999, la NASA perdió el Mars Climate Orbiter, valorado en 125 millones de

dólares, a pesar de que los equipos disponían de buenos datos. La nave espacial
ardió en pedazos por culpa de una colaboración y una Comunicación deficientes. El
Equipo de navegación del Orbitador utilizaba el Sistema Internacional de Unidades
(newtons) para sus cálculos de fuerza, pero los ingenieros que construyeron la nave
espacial utilizaban el sistema inglés de Unidades de Ingeniería (libras) para los
cálculos de fuerza.

Nadie se dio cuenta de que había un problema hasta que el Orbiter estalló en llamas
en la atmósfera marciana. Más tarde, una junta de revisión de la NASA que
investigaba la causa del problema descubrió que el problema estaba en el software
que controlaba los propulsores. Un programa calculaba la fuerza de los propulsores
en libras; otro programa que trabajaba con los datos suponía que era en newtons.
Los controladores del software estaban tomando decisiones basadas en datos para
ajustar el empuje basándose en datos 100% precisos, pero estas decisiones eran
erróneas debido a suposiciones inexactas a la hora de interpretarlos. Los dos
Equipos podrían haberse comunicado para haber elegido una única unidad de
medida, o para que los analistas hubieran sabido que la conversión era un paso
necesario en el proceso para preparar los datos. Una conversión de los datos de un
sistema de medida al otro podría haber evitado la pérdida.

Hay una diferencia entre tomar una decisión con datos incompletos y tomar una
decisión con una pequeña cantidad de datos. Usted aprendió que tomar una
decisión con datos incompletos es peligroso. Pero a veces los datos precisos de una
pequeña prueba pueden ayudarle a tomar una buena decisión. Esté atento:
aprenderá sobre cuántos datos recopilar más adelante en el programa.
Puntos clave

Como Analista de datos, rara vez tendrá que plantearse: "¿Me guío por los datos o
me inspiro en ellos?" Es útil tener algo de contexto para estos dos enfoques, aunque
sus propias habilidades y conocimientos serán las partes más importantes de
cualquier proyecto de análisis. Por lo tanto, mantenga una mentalidad basada en los
datos y haga muchas preguntas. Experimente con muchas posibilidades diferentes.
Y utilice tanto la lógica como la creatividad a lo largo del camino. Utilizando este
enfoque, estará preparado para interpretar sus Datos con los más altos niveles de
cuidado y precisión.

Datos cualitativos y cuantitativos

Hola de nuevo. Cuando se trata de tomar decisiones, los datos son clave. Pero
también hemos aprendido que hay muchos tipos diferentes de preguntas que los
datos pueden ayudarnos a responder, y estas preguntas diferentes hacen diferentes
tipos de datos. Hay dos tipos de datos de los que hablaremos en este vídeo, los
cuantitativos y los cualitativos. Los datos cuantitativos se refieren a las medidas
específicas y objetivas de hechos numéricos. A menudo pueden ser el qué, cuántos
y con qué frecuencia sobre un problema. En otras palabras, cosas que se pueden
medir, como cuántos pasajeros toman el tren para ir a trabajar cada semana. Como
analista financiero, trabajo con muchos datos cuantitativos. Me encanta la certeza y
la precisión de los números. Por otro lado, los datos cualitativos describen medidas
subjetivas o explicativas de cualidades y características o cosas que no pueden
medirse con datos numéricos, como el color de su pelo. Los datos cualitativos son
estupendos para ayudarnos a responder a preguntas de por qué. Por ejemplo, por
qué a la gente le puede gustar un determinado famoso o un aperitivo más que otros.
Con los datos cuantitativos, podemos ver los números visualizados en forma de
tablas o gráficos. Los datos cualitativos pueden darnos una comprensión de más
alto nivel de por qué los números son como son. Esto es importante porque nos
ayuda a añadir contexto a un problema. Como Analista de datos, utilizará tanto
análisis cuantitativo como cualitativo, dependiendo de su Tarea empresarial. Las
reseñas son un buen ejemplo de ello. Piense en alguna ocasión en la que haya
utilizado las reseñas para decidir si quería comprar algo o ir a algún sitio. Es posible
que estas reseñas le hayan dicho a cuánta gente no le gusta esa cosa y por qué.
Las empresas también leen estas reseñas, pero utilizan los datos de formas
diferentes. Veamos un ejemplo de una empresa que utiliza datos de reseñas de
clientes para ver datos cualitativos y cuantitativos en acción. Pongamos que una
heladería local ha empezado a utilizar sus reseñas en línea para relacionarse con
sus clientes y construir su marca. Estas reseñas proporcionan a la heladería una
visión de las experiencias de sus clientes, que pueden utilizar para tomar
decisiones. El propietario se da cuenta de que su valoración ha ido bajando. Ve que
últimamente su tienda ha estado recibiendo más reseñas negativas. Quiere saber
por qué, así que empieza a hacer preguntas. Primero son preguntas medibles.
¿Cuántas reseñas negativas hay? ¿Cuál es la valoración media? ¿Cuántas de estas
reseñas utilizan las mismas palabras clave? Estas preguntas generan datos
cuantitativos, resultados numéricos que ayudan a confirmar que sus clientes no
están satisfechos. Estos datos pueden llevarles a plantearse diferentes preguntas.
¿Por qué los clientes están insatisfechos? ¿Cómo podemos mejorar su experiencia?
Estas son preguntas que conducen a datos cualitativos. Después de revisar las
reseñas, el propietario de la heladería ve un patrón, 17 de las reseñas negativas
utilizan la palabra "frustrado" Eso son datos cuantitativos. Ahora podemos empezar
a recopilar datos cualitativos preguntándonos por qué se repite esta palabra.
Descubre que los clientes están frustrados porque la tienda se está quedando sin
los sabores populares antes de que acabe el día. Sabiendo esto, la heladería puede
cambiar su pedido semanal para asegurarse de que tiene suficiente de lo que
quieren los clientes. Con datos cuantitativos y cualitativos, el propietario de la
heladería pudo averiguar que sus clientes estaban descontentos y entender por qué.
Contar con ambos tipos de datos le permitió realizar los cambios adecuados y
mejorar su negocio. Ahora que conoce la diferencia entre datos cuantitativos y
cualitativos, ya sabe cómo obtener distintos tipos de datos formulando diferentes
preguntas. Es su trabajo como detective de datos saber qué preguntas hacer para
encontrar la solución correcta. Entonces puede empezar a pensar en formas
geniales y creativas de ayudar a las partes interesadas a entender mejor los datos.
Por ejemplo, los cuadros de mando interactivos, de los que aprenderemos pronto.
 Datos cualitativos y
cuantitativos en el Negocio a
negocio (Business-to-
Business)

Estado: Traducido
automáticamente del Inglés
Traducido automáticamente del Inglés

Esta lectura profundiza en el significado de lo cualitativo frente a lo cuantitativo.

Como ha aprendido, existen dos tipos de datos: cualitativos y cuantitativos.

Qualitative data tools: focus groups, social media text analysis, and in-person
interviews

Quantitative data tools: structured interviews, surveys, and polls

Ahora, analice más detenidamente los tipos de datos y las herramientas de

recopilación de datos. En este escenario, usted es Analista de datos de una cadena
de cines. Su gerente quiere que haga un seguimiento de las tendencias en:

● Asistencia al cine a lo largo del tiempo

● Rentabilidad del puesto de concesión
● Preferencias del público nocturno

Suponga que ya existen datos cuantitativos para monitorizar las tres tendencias.
Asistencia al cine a lo largo del tiempo

Partiendo de los datos históricos que el cine tiene a través de su programa de

fidelidad y recompensas, su primer paso es investigar qué estadísticas puede
obtener de esos datos. Usted se fija en la asistencia de los últimos 3 meses. Pero,
como los últimos 3 meses no incluían una festividad importante, decide que es
mejor examinar los datos de todo un año. TAL COMO sospechaba, los Datos
cuantitativos confirman que la asistencia media fue de 550 al mes, pero luego subió
a una media de 1.600 al mes en los meses con vacaciones.

Los datos históricos sirven a sus necesidades para el proyecto, pero también decide
que reanudará el análisis de nuevo dentro de unos meses después de que el teatro
aumente los precios de las entradas para los espectáculos nocturnos.

Rentabilidad del puesto de concesión

El beneficio se calcula restando los costes de los ingresos por ventas. Los datos
históricos muestran que, aunque el puesto de concesión era rentable, los márgenes
de beneficio eran muy estrechos, inferiores al 5%. Usted vio que las compras
medias ascendían a 20 $ o menos. Usted decide que va a seguir monitoreando esto
de forma continua.

Basándose en su conocimiento de las herramientas de recopilación de datos,

sugerirá una Encuesta en línea a los clientes para que puedan hacer comentarios
sobre la comida del puesto de concesión. Esto le permitirá recopilar aún más datos
cuantitativos para renovar el menú y aumentar potencialmente los beneficios.

Preferencias del público nocturno

Su análisis de los datos históricos muestra que el horario de las 19:30 era el más
popular y el que contaba con mayor asistencia, seguido de los horarios de las 19:15
y las 21:00. Puede sugerir que se sustituya el horario actual de las 20:00, que tiene
menor asistencia, por el de las 20:30. Pero necesita más datos que respalden su
corazonada de que la gente asistiría más al pase más tarde.

Los espectadores del cine nocturno son la mayor fuente de Ingresos del cine. Por lo
tanto, también decide incluir una pregunta en su encuesta en línea para obtener
más estadísticas.
Datos cualitativos de las tres tendencias más el precio de las
entradas

Como sabe que el cine tiene previsto subir el precio de las entradas para las
funciones nocturnas dentro de unos meses, también incluirá una pregunta en la
encuesta para hacerse una idea de la sensibilidad de los clientes a los precios.

Su encuesta final en línea podría incluir estas preguntas para obtener datos
cualitativos:

1. ¿Qué influyó en su decisión de ver hoy una película en nuestro cine?

(asistencia al cine)
2. ¿Qué opina de la calidad y el valor de sus compras en el puesto de comida?
(rentabilidad del puesto de comida)
3. ¿Qué hora de proyección prefiere, las 20:00 o las 20:30, y por qué prefiere
esa hora? (preferencias de los espectadores de cine nocturno)
4. ¿En qué circunstancias elegiría una matiné en lugar de una proyección
nocturna? (aumento del precio de las entradas)

Puntos clave

Los analistas de datos suelen utilizar ambos tipos de datos en su trabajo. Por lo
general, los datos cualitativos pueden ayudar a los analistas a comprender mejor
sus datos cuantitativos proporcionándoles una razón o una explicación más
exhaustiva. En otras palabras, los Datos cuantitativos generalmente le dan el qué, y
los datos cualitativos generalmente le dan el por qué. Utilizando datos cuantitativos
y cualitativos, puede saber cuándo le gusta a la gente ir al cine y por qué eligen la
sala. Tal vez les gusten mucho las butacas reclinables, así que su gerente puede
comprar más butacas reclinables. Tal vez el cine sea el único que sirve cerveza de
raíz. Tal vez una hora de proyección más tardía les da más tiempo para conducir
hasta el cine desde donde se encuentran los restaurantes más populares. Tal vez
van a las matinés porque tienen hijos y quieren ahorrar dinero. Usted no habría
descubierto esta información analizando sólo los datos cuantitativos de asistencia,
beneficios y horarios de los espectáculos.
La gran revelación: Compartir sus hallazgos
Datos excelentes, pero si no podemos comunicar la historia que cuentan los datos,
no son útiles para nadie. Necesitamos formas de organizar los datos que nos
ayuden a convertirlos en información. Existen todo tipo de herramientas para
ayudarlo a visualizar y compartir su análisis de datos con la parte interesada. A
continuación, hablaremos de dos herramientas de presentación de datos, informes y
paneles. Tanto los informes como los paneles son útiles para la visualización de
datos. Pero hay ventajas y desventajas para cada uno de ellos. Un informe es una
recopilación estática de datos que se entrega periódicamente a la parte interesada.
Un panel de control, por otro lado, monitorea los datos entrantes en vivo. Hablemos
primero de los informes. Los informes son excelentes para ofrecer instantáneas de
datos históricos de alto nivel para una organización. Por ejemplo, las ventas
mensuales de una empresa financiera. Los informes también tienen muchos
beneficios. Se pueden diseñar y enviar periódicamente, a menudo de forma
semanal o mensual, como información organizada y fácil de consultar. Se diseñan
rápidamente y son fáciles de usar siempre que los mantengas continuamente. Por
último, dado que los informes utilizan datos estáticos o datos que no cambian una
vez registrados, reflejan datos que ya se han limpiado y ordenado. También hay
algunas desventajas a tener en cuenta. Los informes necesitan un mantenimiento
regular y no son muy atractivos desde el punto de vista visual. Como no son
automáticos ni dinámicos, los informes no muestran datos en vivo y en evolución.
Para reflejar en tiempo real los datos entrantes, querrá diseñar un tablero. Los
paneles son excelentes por muchas razones: dan a tu equipo más acceso a la
información que se registra, puedes interactuar a través de los datos jugando con
los filtros y, dado que son dinámicos, tienen un valor a largo plazo. Si la parte
interesada necesita acceder continuamente a la información, un panel de control
puede ser más eficiente que tener que consultar los informes una y otra vez, lo que
supone un gran ahorro de tiempo para usted. Por último, pero no menos importante,
son agradables a la vista. Sin embargo, los dashboards también tienen algunas
desventajas. Por un lado, su diseño lleva mucho tiempo y, de hecho, pueden ser
menos eficientes que los informes si no se utilizan con mucha frecuencia. Si la mesa
base se rompe en algún momento, necesitan mucho mantenimiento para volver a
funcionar. Los paneles de control a veces también pueden abrumar a las personas
con información. Si no está acostumbrado a revisar los datos de un tablero, es
posible que se pierda en él. Como analista de datos, debe decidir la mejor manera
de comunicar la información a su parte interesada. Por ejemplo, ¿qué pasa si su
parte interesada está interesada en la participación de la empresa en las redes
sociales? ¿Sería útil un informe mensual que les diga el número de nuevos
seguidores de su página? ¿O un panel que monitorea la participación en las redes
sociales en vivo en múltiples plataformas? Más adelante, creará sus propios
informes y paneles para practicar el uso de estas herramientas. Pero por ahora,
quiero mostrarles cómo podrían ser un informe y un panel de control. Empezaremos
por usar una herramienta con la que ya estamos familiarizados, las hojas de cálculo.
Veamos una forma de visualizar los datos de una hoja de cálculo en un informe.
Esta hoja de cálculo tiene un conjunto de datos con detalles de pedidos de una
empresa mayorista. Es mucha información. En los encabezados, podemos ver
diferentes cosas registradas aquí, como la fecha del pedido, el vendedor, el precio
unitario y los ingresos de cada transacción registrada. Todo es información útil, pero
un poco difícil de entender. Queremos un informe que sea más fácil de leer.
Supongamos que su parte interesada quiere ver rápidamente los ingresos por
vendedor. Con los datos, puede convertirlos en una tabla dinámica con un gráfico
que muestre esa información. Una tabla dinámica es una herramienta de resumen
de datos que se utiliza en el procesamiento de datos. Las tablas dinámicas se
utilizan para resumir, ordenar, reorganizar, agrupar, contar, sumar o promediar los
datos almacenados en una base de datos. Permite a sus usuarios transformar
columnas en filas y filas en columnas. De hecho, aprenderemos más sobre las
tablas dinámicas más adelante. Pero te enseñaré uno muy rápido. Seleccionaremos
el menú Datos y haremos clic en el botón Tabla dinámica. Puede extraer datos de
esta tabla. Simplemente podemos presionar crear y se abrirá una nueva hoja de
trabajo. Aquí, nos da los campos de la tabla dinámica entre los que podemos elegir.
Haga clic en seleccionar, vendedor e ingresos. Así de simple, hizo un gráfico para
nosotros. En este punto, puedes jugar con el aspecto del gráfico, pero toda la
información está ahí. Pasemos a los paneles. Si necesitas una forma más dinámica
de compartir información con tu parte interesada, los paneles son tus amigos. Puede
crear algo como este dashboard de Tableau. Con gráficos interactivos que muestran
múltiples vistas de los datos. Con esto, los usuarios pueden cambiar la ubicación, el
intervalo de fechas o cualquier otro aspecto de los datos que están viendo haciendo
 clic en diferentes elementos del tablero. Bastante guay, ¿verdad? Más adelante en
este programa, veremos cómo puede crear sus propias visualizaciones de datos.
Tenemos mucho que aprender antes de llegar a eso. Pero espero que este haya
sido un primer vistazo emocionante a las diferentes herramientas de visualización
que utilizará como analista de datos.

Datos frente a Métricas

En el último vídeo, aprendimos cómo puede visualizar sus datos utilizando informes
y cuadros de mando para mostrar sus hallazgos de formas interesantes. En uno de
nuestros ejemplos, la empresa quería ver los ingresos por ventas de cada vendedor.
Esa medición específica de datos se realiza utilizando métricas. Ahora, quiero
hablarle un poco más sobre la diferencia entre Datos y métricas. Y cómo pueden
utilizarse las métricas para convertir los datos en información útil.
Reproduce el video desde ::30 y sigue la transcripción

0:30

Una métrica es un tipo de dato único y cuantificable que puede utilizarse para
realizar mediciones. Piénselo de esta manera. Los datos comienzan como una
colección de hechos en bruto, hasta que los organizamos en métricas individuales
que representan un único tipo de datos.
Reproduce el video desde ::48 y sigue la transcripción

0:48

Las métricas también pueden combinarse en fórmulas en las que puede introducir
sus datos numéricos. En nuestro anterior ejemplo de ingresos por ventas, todos
esos datos no significan gran cosa a menos que utilicemos una métrica específica
para organizarlos. Así que utilicemos los ingresos por vendedor individual como
nuestra métrica. Ahora podemos ver qué ventas aportaron los mayores ingresos.
Las métricas suelen implicar matemáticas sencillas. Los ingresos, por ejemplo, son
el número de ventas multiplicado por el precio de venta. Elegir la métrica correcta es
clave.
Reproduce el video desde :1:25 y sigue la transcripción

1:25
 Los datos contienen muchos detalles en bruto sobre el problema que estamos
explorando. Pero necesitamos las métricas correctas para obtener las respuestas
que buscamos. Los distintos sectores utilizan todo tipo de métricas para medir las
cosas en un conjunto de datos. Veamos otras formas en que las empresas de
distintos sectores utilizan las métricas. Para que pueda ver cómo aplicar las
métricas a los datos recopilados.
Reproduce el video desde :1:50 y sigue la transcripción

1:50

¿Ha oído hablar alguna vez del ROI?

Reproduce el video desde :1:53 y sigue la transcripción

1:53

Las empresas utilizan esta métrica todo el tiempo. El ROI, o Retorno de la inversión,
es esencialmente una fórmula diseñada utilizando métricas que permiten a una
empresa saber lo bien que está funcionando una inversión. El ROI se compone de
dos métricas, el beneficio neto durante un periodo de tiempo y el coste de la
inversión. Al comparar estas dos métricas, el beneficio y el coste de la inversión, la
empresa puede analizar los datos de los que dispone para ver lo bien que le está
yendo su inversión. Esto puede ayudarles a decidir cómo invertir en el futuro y a qué
inversiones dar prioridad. Vemos que las métricas también se utilizan en marketing.
Por ejemplo, las métricas pueden utilizarse para ayudar a calcular las tasas de
retención de clientes, o la capacidad de una empresa para mantener a sus clientes
a lo largo del tiempo. Las tasas de retención de clientes pueden ayudar a la
empresa a comparar el número de clientes al principio y al final de un periodo para
ver sus tasas de retención. De este modo, la empresa sabe el éxito de sus
estrategias de marketing y si necesita investigar nuevos enfoques para volver a
atraer a más clientes
Reproduce el video desde :3:3 y sigue la transcripción

3:03

Las distintas industrias utilizan todo tipo de métricas diferentes. Pero hay una cosa
que todas tienen en común: todas intentan alcanzar un objetivo específico midiendo
datos.
Reproduce el video desde :3:14 y sigue la transcripción

3:14
 Este objetivo métrico es un objetivo medible establecido por una empresa y
evaluado utilizando métricas. Y al igual que hay muchas métricas posibles, también
hay muchos objetivos posibles.
Reproduce el video desde :3:26 y sigue la transcripción

3:26

Puede que una organización quiera alcanzar un determinado número de ventas

mensuales, o tal vez un determinado porcentaje de clientes que repiten.
Reproduce el video desde :3:34 y sigue la transcripción

3:34

Al utilizar métricas para centrarse en aspectos individuales de sus datos, puede

empezar a ver la historia que cuentan sus datos. Los objetivos métricos y las
fórmulas son excelentes formas de medir y comprender los datos. Pero no son las
únicas formas. A lo largo de este curso hablaremos más sobre cómo interpretar y
comprender los datos.

Herramientas para la
visualización de datos

Estado: Traducido
automáticamente del Inglés

Traducido automáticamente del Inglés

 Información:

Este elemento incluye contenido que aún no se tradujo a tu idioma preferido.

En este curso, trabajará con Tableau y con hojas de cálculo. Ambas herramientas
tienen ventajas y desventajas A menudo, los analistas de datos descubrirán que
necesitan utilizar varias herramientas, incluso en un solo proyecto. Lo que utilice
vendrá determinado en gran medida por el trabajo que esté realizando y sus
objetivos. Esta lectura explora dos de las herramientas que podría utilizar para
visualizar y presentar datos: las hojas de cálculo y Tableau.

Hojas de cálculo
Tanto Google Workspace como Microsoft Office Suite ofrecen aplicaciones de hojas
de cálculo. Ya ha trabajado con Google Sheets en este curso, y su funcionamiento
es muy similar al de Microsoft Excel. Si desea comparar algunas de las
características de Sheets con las de Excel, eche un vistazo al vídeo de Microsoft
Crear un gráfico de principio a fin.

Tanto Sheets como Excel son opciones a las que recurrir para crear diagramas y
gráficos estáticos. Ofrecen capacidades básicas de Visualización de datos que a
menudo son suficientes para visualizaciones sencillas. Además, puede utilizarlas
para limpiar, ordenar y filtrar datos. Y ambos ofrecen una serie de tipos de gráficos,
herramientas gráficas y tablas dinámicas para crear visualizaciones de datos
eficaces. Estos gráficos son fáciles de gestionar; se actualizan cuando se actualizan
los datos de origen, por lo que no requieren mucha intervención manual una vez
implementados.
Sheets y Excel están conectadas a otras aplicaciones de sus suites de productos.
Google Docs y Diapositivas son muy similares a Microsoft Word y Powerpoint, por
ejemplo. Puede incorporar visualizaciones de datos de Sheets o Excel en informes y
documentos de Docs y Word. Programas de presentación como Diapositivas y
Powerpoint le permiten crear presentaciones atractivas que incluyen visualizaciones
de datos para que pueda compartir estadísticas en un formato de presentación.
Obtenga más información sobre el poder de esta interconectividad entre las
herramientas de Google en el artículo Vincular un Gráfico, una Tabla o Diapositivas
a Google Docs o Diapositivas.

Tableau

Tableau se utiliza para crear visualizaciones potentes e interactivas, lo que lo

convierte en una excelente opción para las visualizaciones de datos, como los
cuadros de mando en directo. Tableau también facilita la creación de cuadros,
gráficos y paneles de control en una interfaz de arrastrar y soltar. La aplicación es
compatible con una amplia gama de fuentes de datos y proporciona capacidades de
análisis avanzadas. Estas características permiten explorar en profundidad las
tendencias y los patrones de los Datos.

Tableau resulta especialmente útil para crear visualizaciones a partir de enormes

conjuntos de datos, como en este Informe sobre la felicidad en el mundo de
Sustainable Development Solutions, que utiliza datos de informes globales sobre las
calificaciones de felicidad de distintos países. Del mismo modo, esta visualización
de Datos estatales sobre Población y Vivienda a partir de Datos del Censo de
Estados Unidos de 2020 compara las tasas de población en Estados Unidos y las
viviendas disponibles.
Tableau es ampliamente conocido y utilizado por su versatilidad y potencia, pero
puede llevar bastante tiempo aprender a utilizar Tableau con eficacia. Pronto
empezará a practicar con Tableau. Pero si quiere comprobarlo ahora, existe un
entorno gratuito al que puede acceder en Tableau Public.

Puntos clave

Existen muchas herramientas de visualización que tendrá la oportunidad de utilizar

como profesional de los datos. Las distintas herramientas tienen diferentes ventajas
y desventajas. Aunque, en última instancia, Tableau tiene más potencia que una
aplicación básica de hoja de cálculo, se suele utilizar para casos concretos y para
trabajar con grandes conjuntos de datos. No subestime lo mucho que puede hacer
con las hojas de cálculo ni lo potente que puede ser la interconectividad entre
aplicaciones

La mayoría de las veces, sobre todo para algo como un informe rápido, es más
probable que busque en su caja de herramientas la aplicación de hoja de cálculo
que prefiera. Pero su carrera en el campo de los Datos se beneficiará
definitivamente de Tableau, así que a medida que progrese aproveche las
oportunidades de trabajar con él. Con tantas situaciones diferentes de análisis de
datos, familiarizarse con todas estas herramientas le ayudará a saber cuál es la
mejor para cada situación.

Diseñe cuadros de mando

convincentes
Estado: Traducido
automáticamente del Inglés
Traducido automáticamente del Inglés

Información:

Este elemento incluye contenido que aún no se tradujo a tu idioma preferido.

Los paneles son potentes herramientas visuales que le ayudan a contar la historia
de sus datos. Un cuadro de mando es una herramienta que monitoriza los datos
entrantes en directo. Organiza la información de múltiples conjuntos de datos en una
ubicación central, lo que ofrece un enorme ahorro de tiempo. Los analistas de datos
utilizan los cuadros de mando para controlar, analizar y visualizar los datos con el fin
de responder a preguntas y resolver problemas. Para hacerse una idea básica del
aspecto de los cuadros de mando, consulte este artículo: "Ejemplos reales de
cuadros de mando de Inteligencia empresarial"

La belleza de los cuadros de mando

La siguiente tabla resume los beneficios de utilizar un cuadro de mando tanto para
los analistas de datos como para las partes interesadas.

Beneficios Para los analistas de Para las partes

datos interesadas

Centralización Comparta una única Trabaje con una visión

fuente de Datos con completa de los datos,
todas las partes iniciativas, objetivos,
 interesadas proyectos, procesos, etc

Visualización de Muestre y actualice en Detecte tendencias y

datos tiempo real los datos patrones de cambio con
entrantes* mayor rapidez

Perspicacia Extraiga información Comprenda la historia que

relevante de distintos hay detrás de los números
conjuntos de datos para no perder de vista los
objetivos y tomar
decisiones basadas en
datos

Personalización Cree vistas Profundice en áreas más

personalizadas dedicadas específicas de interés o
a una persona, un preocupación
proyecto o una especializada
presentación de los datos
concretos

Es importante recordar que los datos modificados se incorporan automáticamente a

los cuadros de mando sólo si la estructura de los datos es la misma. Si la estructura
de los datos cambia, tendrá que actualizar el diseño del cuadro de mando antes de
que los datos puedan actualizarse en directo.

Tableau

Existen muchas herramientas de visualización diferentes. Una de las más potentes

es Tableau, que admite diversas fuentes de datos y dispone de funciones de
análisis avanzadas que permiten explorar en profundidad las tendencias y pautas de
los datos. Tableau puede manejar más datos y conjuntos de datos más grandes que
muchas otras herramientas y ofrece disponibilidad de datos en tiempo real.
Lleva algún tiempo aprender a utilizar Tableau, pero sus esfuerzos pueden verse
recompensados, ya que las visualizaciones de Tableau son agradablemente
interactivas. Para que un cuadro de mando tenga éxito, debe atraer a los usuarios y
ayudarles a aprender. Tableau se ha esforzado mucho para garantizar que sus
usuarios tengan una gran experiencia y que la plataforma sea accesible para todos.

Crear un panel de control

He aquí un proceso que puede seguir para crear un cuadro de mando, ya sea en
Tableau o en otra herramienta de visualización:

1. Identifique a las partes interesadas que necesitan ver los Datos y cómo los
van a utilizar

Comience formulando preguntas eficaces. Consulte esta hoja de trabajo de

recopilación de requisitos de cuadros de mando para explorar una amplia gama de
buenas preguntas que puede utilizar para identificar a las partes interesadas y sus
necesidades de datos. Este es un gran recurso que le ayudará a guiarse a través de
este proceso una y otra vez.

2. Diseñe el panel (qué debe mostrarse)

Utilice estos consejos para que el diseño de su panel sea claro y fácil de seguir:

● Utilice un Encabezado claro para etiquetar la Información.

● Añada breves descripciones de texto a cada visualización.
● Muestre la información más importante en la parte superior.

3. Cree maquetas si lo desea

Una maqueta es un boceto sencillo de una visualización que se utiliza para planificar
un cuadro de mando y evaluar su progreso. Esto es opcional, pero a muchos
Analistas de datos les gusta esbozar sus cuadros de mando antes de crearlos.

4. Seleccionar las visualizaciones

Aquí tiene muchas opciones. Las visualizaciones que seleccione dependerán de la
Historia de datos que esté contando. Si necesita mostrar un cambio de valores a lo
largo del tiempo, los gráficos de líneas o de barras pueden ser la mejor opción. Si su
objetivo es mostrar cómo contribuye cada parte a la cantidad total de la que se
informa, un gráfico de tarta o de donuts es probablemente una mejor elección.

Two pie charts show an even distribution of 4 parts of a whole. The first pie chart is
more traditional, appearing as a solid circle. The second pie chart is styled to show
the same data in a doughnut shape.

Para saber más sobre cómo elegir las visualizaciones adecuadas, consulte las
galerías de Tableau:

● Para ver más ejemplos de gráficos de área, gráficos de columnas y otras

visualizaciones, visite la Galería de cuadros de mando de Tableau. Esta
galería está repleta de magníficos ejemplos creados con datos reales;
explore este recurso por su cuenta para inspirarse.
● Explore el Viz del día de Tableau para echar un vistazo a las visualizaciones
comisariadas por la comunidad. Se trata de visualizaciones creadas por
usuarios de Tableau y son una forma estupenda de conocer cómo utilizan
otros analistas de datos las herramientas de visualización de datos.

5. Cree filtros según sus necesidades

Los filtros muestran determinados datos mientras ocultan el resto de los datos en un
cuadro de mando. Esto puede ser de gran ayuda para identificar patrones
manteniendo intactos los datos originales. Es habitual que los analistas de datos
utilicen y compartan el mismo cuadro de mando, pero gestionen su parte del mismo
con un filtro. Para profundizar en los filtros y encontrar un ejemplo de filtros en
acción, visite la página de Tableau sobre Acciones de filtrado. Se trata de un recurso
útil que podrá guardar y al que podrá volver cuando empiece a practicar el uso de
filtros en Tableau por su cuenta.

Puntos clave

Al igual que el cuadro de mandos de un avión muestra al piloto su ruta de acceso,

su cuadro de mandos hace lo mismo para sus partes interesadas. Les ayuda a
navegar por la ruta de acceso de un proyecto dentro de los datos. Si añade
marcadores claros y resalta los puntos importantes de su cuadro de mando, los
usuarios comprenderán hacia dónde se dirige su historia de datos. Entonces,
podrán trabajar juntos para asegurarse de que el negocio llega a donde tiene que
llegar.

Resumen de actividades

Anteriormente, se le presentó la herramienta de gestión de datos conocida como

cuadro de mando. En esta autorreflexión, examinará diferentes tipos de cuadros de
mando y considerará cómo los utilizan los analistas de datos y sus empleadores.

A modo de repaso, un cuadro de mando es un punto de acceso único para gestionar

la información de una empresa. Permite a los analistas extraer información clave de
los datos en una revisión rápida mediante la visualización de los datos de una forma
que facilita la comprensión de las conclusiones.

Esta autorreflexión le ayudará a desarrollar la percepción de su propio aprendizaje y

le preparará para conectar su conocimiento de los cuadros de mando con lo que
sabe sobre las necesidades empresariales. A medida que responda a las preguntas
-y formule las suyas propias- tendrá en cuenta conceptos, prácticas y principios que
le ayudarán a refinar su comprensión y a reforzar su aprendizaje. Usted ha hecho el
trabajo duro, así que asegúrese de sacarle el máximo partido: ¡Esta reflexión le
ayudará a que sus conocimientos se queden grabados!

Tipos de paneles de control

Para refrescar la memoria, considere los diferentes tipos de cuadros de mando que
puede utilizar una empresa. A menudo, las empresas adaptan un cuadro de mando
a un propósito específico. Las tres categorías más comunes son:

● Estratégico: se centra en objetivos y estrategias a largo plazo en el nivel

más alto de métricas
● Operativo : seguimiento del rendimiento a corto plazo y objetivos intermedios
● Analítico : consiste en los conjuntos de datos y las matemáticas utilizadas en
estos conjuntos

Paneles de control estratégicos

Un amplio abanico de empresas utilizan cuadros de mando estratégicos a la hora de

evaluar y alinear sus objetivos estratégicos. Estos cuadros de mando proporcionan
información sobre el marco temporal más amplio, desde un único trimestre
financiero hasta años.

Suelen contener información útil para la toma de decisiones en toda la empresa. A

continuación se muestra un ejemplo de cuadro de mando estratégico que se centra
en los indicadores clave de rendimiento (KPI) a lo largo de un año.

Cuadros de mando operativos

Los cuadros de mando operativos son, posiblemente, el tipo más común de cuadro
de mando. Dado que estos cuadros de mando contienen información en una escala
temporal de días, semanas o meses, pueden proporcionar información sobre el
rendimiento casi en tiempo real.

Esto permite a las empresas seguir y mantener sus procesos operativos inmediatos
a la luz de sus objetivos estratégicos. El cuadro de mando operativo que se muestra
a continuación se centra en el servicio al cliente.

Cuadros de mando analíticos

Los cuadros de mando analíticos contienen una gran cantidad de datos utilizados
por los analistas de datos. Estos cuadros de mando contienen los detalles
implicados en el uso, el análisis y las predicciones realizadas por los científicos de
datos.

Sin duda la categoría más técnica, los cuadros de mando analíticos suelen ser
creados y mantenidos por los equipos de científicos de datos y rara vez se
comparten con la alta dirección, ya que pueden ser muy difíciles de entender. El
panel de control analítico que se muestra a continuación se centra en las métricas
de los resultados financieros de una empresa.

Pensamiento matemático
Hasta ahora, ha aprendido mucho sobre cómo pensar como un Analista de datos.
Hemos explorado algunas formas diferentes de pensar. Y ahora, quiero dar un paso
más utilizando un enfoque matemático para la resolución de problemas. El
pensamiento matemático es una poderosa habilidad que puede utilizar para
ayudarle a resolver problemas y ver nuevas soluciones. Por lo tanto, dediquemos
algo de tiempo a hablar sobre qué es el pensamiento matemático y cómo puede
empezar a utilizarlo. Usar un enfoque matemático no significa que de repente tenga
que convertirse en un genio de las matemáticas. Significa observar un problema y
descomponerlo lógicamente paso a paso, de modo que pueda ver la relación de los
patrones en sus Datos, y utilizar eso para analizar su problema. Este tipo de
pensamiento también puede ayudarle a averiguar cuáles son las mejores
herramientas para el análisis porque nos permite ver los diferentes aspectos de un
problema y elegir el mejor enfoque lógico. Hay muchos factores a tener en cuenta a
la hora de elegir la herramienta más útil para su análisis. Una forma de decidir qué
herramienta utilizar es por el tamaño de su conjunto de datos. Cuando trabaje con
datos, descubrirá que hay datos grandes y pequeños. Los datos pequeños pueden
ser realmente pequeños. Este tipo de datos suelen estar formados por conjuntos de
datos relacionados con métricas específicas durante un periodo de tiempo corto y
bien definido. Como la cantidad de agua que bebe en un día. Los datos pequeños
pueden ser útiles para tomar decisiones cotidianas, como decidir beber más agua.
Pero no tienen un gran impacto en marcos más amplios como el de las operaciones
empresariales. Puede que utilice hojas de cálculo para organizar y analizar
conjuntos de datos más pequeños cuando empiece. Los big data, por otro lado,
tienen conjuntos de datos más amplios, menos específicos que cubren un periodo
de tiempo más largo. Suelen tener que desglosarse para poder analizarlos. Los Big
data son útiles para analizar cuestiones y problemas a gran escala, y ayudan a las
empresas a tomar grandes decisiones. Cuando trabaje con datos a esta escala
mayor, es posible que cambie a SQL. Veamos un ejemplo de cómo un Analista de
datos que trabaja en un hospital podría utilizar el pensamiento matemático para
resolver un problema con las herramientas adecuadas. El hospital podría descubrir
que tienen un problema de sobreutilización o infrautilización de sus camas.
Basándose en ello, el hospital podría hacer de la optimización de camas un objetivo.
Quieren asegurarse de que las camas están disponibles para los pacientes que las
necesitan, pero sin malgastar recursos del hospital como espacio o dinero en
mantener camas vacías. Usando el pensamiento matemático, puede descomponer
este problema en un proceso paso a paso que le ayude a encontrar patrones en sus
datos. Hay un montón de variables en este escenario. Pero por ahora, vamos a
simplificarlo y centrarnos en sólo unas pocas variables clave. Hay métricas
relacionadas con este problema que podrían mostrarnos patrones en los datos: por
ejemplo, quizá el número de camas abiertas y el número de camas utilizadas
durante un periodo de tiempo. De hecho, ya existe una fórmula para esto. Se llama
tasa de ocupación de camas y se calcula utilizando el número total de días de
hospitalización y el número total de camas disponibles durante un periodo de tiempo
determinado. Lo que queremos hacer ahora es tomar nuestras variables clave y ver
cómo su relación entre sí puede mostrarnos patrones que ayuden al hospital a
tomar una decisión. Para ello, tenemos que elegir la herramienta que tenga sentido
para esta tarea. Los hospitales generan muchos datos de pacientes durante un
largo periodo de tiempo. Así que, lógicamente, una herramienta que sea capaz de
manejar grandes conjuntos de datos es imprescindible. SQL es una gran elección.
En este caso, se descubre que el hospital siempre tiene camas sin utilizar. Sabiendo
eso, pueden optar por deshacerse de algunas camas, lo que les ahorra espacio y
dinero que pueden utilizar para comprar y almacenar equipos de protección. Al
considerar todas las partes individuales de este problema de forma lógica, el
pensamiento matemático nos ayudó a ver nuevas perspectivas que nos condujeron
a una solución. Bueno, eso es todo por ahora. Buen trabajo. Ya han cubierto mucho
material. Han aprendido lo poderosos que pueden ser los datos en la toma de
decisiones, la diferencia entre análisis cuantitativo y cualitativo, el uso de informes y
cuadros de mando para la visualización de datos, la métrica y el uso de un enfoque
matemático para la resolución de problemas. A continuación, abordaremos los
conceptos básicos de las hojas de cálculo. Pondrá en práctica lo aprendido y
aprenderá una nueva herramienta que le ayudará a lo largo del proceso de análisis
de datos. Nos vemos pronto.

Big data y small data

Como analista de datos, trabajará con datos grandes y pequeños. Ambos tipos de
Datos son valiosos, pero desempeñan funciones muy diferentes.
Tanto si trabaja con datos grandes como pequeños, puede utilizarlos para ayudar a
las partes interesadas a mejorar los procesos empresariales, responder preguntas,
crear nuevos productos y mucho más. Pero hay ciertos retos y beneficios que
conllevan los big data y la siguiente tabla explora las diferencias entre los big data y
los small data.

Microdatos
Big data

Describe un conjunto de datos Describe conjuntos de datos grandes y

compuesto por Métricas específicas menos específicos que abarcan un
durante un periodo de tiempo corto periodo de tiempo largo
y bien definido

Suelen organizarse y analizarse en Normalmente se guardan en una base

hojas de cálculo de datos y se consultan

Probable uso por parte de Es probable que lo utilicen las grandes

pequeñas y medianas empresas organizaciones
(Business-to-Business)

Fáciles de recopilar, almacenar, Requiere mucho esfuerzo recopilar,

gestionar, clasificar y representar almacenar, gestionar, clasificar y
visualmente representar visualmente

Suele tener ya un tamaño Suele ser necesario dividirla en partes

manejable para el análisis más pequeñas para organizarla y
analizarla eficazmente para la toma de
decisiones
Retos y beneficios

Estos son algunos de los retos a los que puede enfrentarse cuando trabaja con Big
data:

● Muchas organizaciones se enfrentan a una sobrecarga de datos y a

demasiada información sin importancia o irrelevante.
● Los Datos importantes pueden estar ocultos en el fondo con todos los datos
sin importancia, lo que hace que sean más difíciles de encontrar y utilizar.
Esto puede dar lugar a plazos de toma de decisiones más lentos e ineficaces.
● Los Datos que necesita no siempre son fácilmente accesibles.
● Las herramientas y soluciones tecnológicas actuales siguen teniendo
dificultades para proporcionar datos medibles y notificables. Esto puede dar
lugar a un sesgo algorítmico injusto.
● Existen lagunas en muchas soluciones empresariales de Big data.

Ahora, ¡las buenas noticias! He aquí algunos Beneficios que conllevan los Big data:

● Cuando se pueden almacenar y analizar grandes cantidades de Datos, se

puede ayudar a las empresas a identificar formas más eficientes de hacer
negocios y ahorrar mucho tiempo y dinero.
● Big data ayuda a las organizaciones a detectar las tendencias de los patrones
de compra de los clientes y sus niveles de satisfacción, lo que puede
ayudarles a crear nuevos productos y soluciones que hagan felices a los
clientes.
● Mediante el análisis de Big data, las empresas obtienen una comprensión
mucho mejor de las condiciones actuales del mercado, lo que puede
ayudarles a mantenerse por delante de la competencia.
● ASÍ COMO en nuestro anterior ejemplo de las Redes sociales, los big data
ayudan a las empresas a hacer un seguimiento de su presencia en línea,
especialmente de los comentarios, tanto buenos como malos, de los clientes.
Esto les proporciona la información que necesitan para mejorar y proteger su
marca.
Las tres (o cuatro) palabras con V para big data

A la hora de pensar en los beneficios y los retos de los big data, resulta útil pensar
en las tres V: volumen , Variedad y Velocidad. Volumen describe la cantidad de
datos. Variedad describe los diferentes tipos de Datos. Velocidad describe la rapidez
con la que se pueden procesar los Datos. Algunos Analistas de datos también
tienen en cuenta una cuarta V: la veracidad . La veracidad se refiere a la calidad y la
fiabilidad de los Datos. Todas estas son consideraciones importantes relacionadas
con el procesamiento de conjuntos de datos enormes y complejos.

Volumen Variedad Velocidad Veracidad

La cantidad Los diferentes La rapidez con que La Calidad y

de Datos tipos de Datos se pueden procesar Confiabilidad de
los Datos los Datos

Términos del glosario del

curso 2, Módulo 2

Estado: Traducido
automáticamente del Inglés
Traducido automáticamente del Inglés

Términos y definiciones para el Curso 2, Módulo 2

Algoritmo: Proceso o conjunto de reglas que se siguen para realizar una tarea
específica

Big data: Conjuntos de datos grandes y complejos que suelen abarcar largos
periodos de tiempo y que permiten a los analistas de datos abordar problemas
empresariales de gran alcance.

Panel de control: Una herramienta que monitoriza los datos entrantes en directo

Toma de decisiones inspirada en datos: El proceso de explorar diferentes fuentes de

datos para averiguar qué tienen en común

Métricas: Un tipo de datos único y cuantificable que se utiliza para la medición

Objetivo métrico : Objetivo cuantificable fijado por una empresa y evaluado mediante
Métricas

Tabla dinámica: Gráfico creado a partir de los campos de una tabla dinámica

Tabla dinámica: Herramienta de resumen de datos utilizada para clasificar,

reorganizar, agrupar, contar, totalizar o promediar datos

Tipos de problemas: Los distintos problemas con los que se encuentran los
analistas de datos, como categorizar cosas, descubrir conexiones, encontrar
patrones, identificar temas, hacer predicciones y detectar algo inusual

Datos cualitativos: Una medida subjetiva y explicativa de una Calidad o

característica

Datos cuantitativos: Una medida específica y objetiva, como un número, una

cantidad o un Rango

Informe: Una recopilación estática de datos que se entrega periódicamente a las

partes interesadas

Retorno de la inversión (ROI): Una fórmula que utiliza las métricas de inversión y
beneficio para evaluar el éxito de una inversión

Ingresos: La cantidad total de ingresos generados por la venta de bienes o servicios

Microdatos: Puntos de datos pequeños y específicos que suelen referirse a un breve
periodo de tiempo y que son útiles para tomar decisiones cotidianas

La asombrosa hoja de cálculo

Hola, otra vez. Me alegro de que hayas vuelto. En esta parte del programa,
revisaremos la hoja de cálculo. Las hojas de cálculo son una herramienta potente y
versátil, por lo que son una parte importante de prácticamente todo lo que hacemos
como analistas de datos. Es muy probable que una hoja de cálculo sea la primera
herramienta a la que recurras cuando intentes responder a preguntas basadas en
datos. Una vez que haya definido lo que debe hacer con los datos, recurrirá a las
hojas de cálculo para obtener pruebas que pueda visualizar y utilizar para respaldar
sus hallazgos. Las hojas de cálculo suelen ser los héroes anónimos del mundo de
los datos. No siempre reciben el aprecio que se merecen, pero como detective de
datos, definitivamente querrás incluirlos en tu kit de recopilación de pruebas. Sé que
las hojas de cálculo me han salvado el día más de una vez. He agregado datos de
pedidos de compra en una hoja, he configurado fórmulas en una pestaña y he
hecho que las mismas fórmulas hagan el trabajo por mí en otras pestañas. Esto me
da tiempo para trabajar en otras cosas durante el día. No podía imaginarme no usar
hojas de cálculo. Las matemáticas son una parte fundamental del trabajo de todos
los analistas de datos, pero no todos los analistas las disfrutan. Afortunadamente,
las hojas de cálculo pueden hacer que los cálculos sean más agradables y, con eso,
más fáciles. Vamos a ver cómo. Las hojas de cálculo pueden realizar cálculos
básicos y complejos de forma automática. Esto no solo le ayuda a trabajar de
manera más eficiente, sino que también le permite ver los resultados y comprender
cómo los obtuvo. He aquí un vistazo rápido a algunas de las funciones que utilizarás
al realizar cálculos. También se pueden usar muchas funciones como parte de una
fórmula matemática. Las funciones y las fórmulas también tienen otros usos, y
también los analizaremos. Iremos un paso más allá con ejercicios que utilizan datos
reales de bases de datos. Esta es tu oportunidad de reorganizar una hoja de
cálculo, hacer algunos análisis de datos reales y divertirte con los datos.

Póngase a trabajar con hojas de cálculo

Los analistas de datos dedican mucho tiempo a organizar los datos y realizar
cálculos. Por suerte, hay muchas herramientas diferentes que les ayudan a hacer
precisamente eso, incluidas las hojas de cálculo. En este vídeo, analizaremos
algunas de las formas en que los analistas de datos utilizan las hojas de cálculo
para ayudarlos con sus responsabilidades diarias. Más adelante, podrá probar
algunas de estas cosas usted mismo, pero por ahora, comencemos con un vistazo
rápido a la forma en que los analistas de datos utilizan las hojas de cálculo para
hacer su trabajo. Esto cambiará en función del trabajo que necesites completar.
Pero he aquí un resumen de algunas de las tareas principales. Imagina que trabajas
para una empresa de construcción. Tu empresa necesita tus conocimientos de
hojas de cálculo para analizar algunos datos sobre sus gastos, por lo que puedes
acceder a los datos adecuados y añadirlos a tu hoja de cálculo. No cubriremos
todos los detalles de este proyecto ahora mismo, pero tendrás la oportunidad de ver
muchas funciones de las hojas de cálculo de cerca y de forma personal a medida
que avancemos. ¿Qué haces con los datos ahora que están en tu hoja de cálculo?
Una vez más, esto será diferente para cada trabajo, pero puede empezar por
organizar los datos según la tarea que se le ha asignado. Por ejemplo, puede
colocar los datos en una tabla dinámica. Ya hemos hablado de las tablas dinámicas
anteriormente en este curso. Las trataremos con más detalle más adelante, pero por
ahora, considérelas como tablas bien organizadas y muy útiles. A continuación,
puede filtrar los datos de la tabla dinámica. Clasificar y filtrar datos es una parte
común de la mayoría de los trabajos. Esto le permite centrarse únicamente en los
datos que necesitará para el análisis. En nuestro ejemplo, tal vez solo necesite los
gastos durante un período determinado, como los últimos tres meses. Después de
filtrar los datos, puede realizar algunos cálculos para obtener más información al
respecto. Tal vez necesite averiguar qué proyectos de construcción terminaron
costando más dinero. Aquí es donde las fórmulas y funciones son realmente útiles.
Hablaremos de ellas en un momento, pero las fórmulas y funciones son geniales
para hacer cálculos rápidos, especialmente cuando te quedas sin los dedos de las
manos y los pies con los que contar. Ya ha visto algunas de las formas en que los
analistas de datos utilizan las hojas de cálculo en su trabajo diario para muchas
tareas diferentes, incluida la organización de sus datos y la realización de cálculos.
Antes de que te des cuenta, tendrás que trabajar en tus propias hojas de cálculo.
Hojas de cálculo y Ciclo de
vida de los datos

Estado: Traducido
automáticamente del Inglés
Traducido automáticamente del Inglés

Información:

Este elemento incluye contenido que aún no se tradujo a tu idioma preferido.

Para comprender mejor las ventajas de utilizar hojas de cálculo en el análisis de

datos, exploremos cómo se relacionan con cada fase del ciclo de vida de los datos:
planificar, capturar, gestionar, analizar, archivar y destruir.
● Planifique para los usuarios que trabajarán en una hoja de cálculo mediante
el desarrollo de estándares organizativos. Esto puede significar dar formato a
sus celdas, los encabezados que elija para resaltar, el esquema de colores y
la forma en que ordena sus puntos de datos. Si dedica tiempo a establecer
estos Estándares, mejorará la comunicación, garantizará la coherencia y
ayudará a las personas a ser más eficientes con su tiempo.
● Capture los datos según la fuente conectando las hojas de cálculo a otras
fuentes de datos, como una aplicación de encuestas en línea o una base de
datos. Estos Datos se actualizarán automáticamente en la hoja de cálculo. De
este modo, la Información es siempre lo más actual y precisa posible.
● Gestione distintos tipos de datos con una hoja de cálculo. Esto puede implicar
almacenar, organizar, filtrar y actualizar la información. Las hojas de cálculo
también le permiten decidir quién puede acceder a los datos, cómo se
comparte la información y cómo mantener sus datos seguros y protegidos.
 ● Analice los Datos en una hoja de cálculo para tomar mejores decisiones.
Algunas de las herramientas de análisis más comunes de las hojas de cálculo
son las fórmulas para agregar datos o crear informes, y las tablas dinámicas
para obtener gráficos claros y fáciles de entender.
● Archive cualquier hoja de cálculo que no utilice a menudo, pero que pueda
necesitar consultar más adelante con las herramientas integradas. Esto
resulta especialmente útil si desea almacenar datos históricos antes de que
se actualicen.
● Destruya su hoja de cálculo cuando esté seguro de que no volverá a
necesitarla, si dispone de mejores copias de seguridad o por motivos legales
o de Seguridad. Tenga en cuenta que muchas empresas están obligadas a
seguir ciertas normas o disponen de medidas para asegurarse de que los
Datos se destruyen correctamente.

Recursos para obtener más Información

Los accesos directos de las hojas de cálculo pueden ayudarle a ser más eficiente
con ellas. Si desea obtener más información, puede explorar la colección de
Accesos directos de Google Sheetso visitar la página de Accesos directos de
Microsoft Excel si utiliza Excel. Ambos Recursos contienen una Lista de accesos
directos de hojas de cálculo que puede guardar y consultar a medida que trabaje
más con hojas de cálculo por su cuenta.

Paso a paso: Tareas básicas

con hojas de cálculo

Estado: Traducido
automáticamente del Inglés
Traducido automáticamente del Inglés

Información:

Este elemento incluye contenido que aún no se tradujo a tu idioma preferido.

Esta lectura esboza los pasos que el instructor realiza en el siguiente vídeo, Tareas
básicas de la hoja de cálculo. En el vídeo, el instructor explica cómo organizar una
hoja de cálculo y demuestra cómo la organización de los datos le ayuda a
comprenderlos mejor.

Mantenga abierta esta guía paso a paso mientras ve el vídeo. Puede servirle como
referencia útil si necesita contexto o aclaraciones adicionales mientras sigue los
pasos del vídeo. No se trata de una actividad calificada, pero puede completar estos
pasos para practicar las habilidades demostradas en el vídeo.

Qué necesitará

Si desea seguir los dos primeros ejemplos de este vídeo, elija una herramienta de
hoja de cálculo y abra una hoja en blanco.

Si desea acceder a la otra hoja de cálculo que el instructor utiliza en este vídeo,
haga clic en el enlace al Conjunto de datos para crear una copia. Si no dispone de
una cuenta de Google, puede descargar los datos directamente de los archivos
adjuntos a continuación.

Enlace a los Datos de Población: Población de los países de América Latina y el

Caribe

Population-Latin-and-Caribbean-Countries-2010-2019

XLSX File
Ejemplo 1: Abrir una nueva hoja de cálculo

1. Abra una nueva hoja de cálculo en blanco.

2. En la barra de título, nómbrela Población, Países de América Latina y el
Caribe, 2010-2019.

Ejemplo 2: Crear una nueva carpeta

Organizar los archivos en carpetas le ayuda a localizar el archivo correcto más

fácilmente.

1. Seleccione Archivo, luego seleccione Mover.

2. Seleccione el icono Nueva carpeta.
3. Nombre la nueva carpeta Datos de Población.
4. Seleccione el icono de marca de verificación para mover la hoja de cálculo a
su nueva carpeta.

Ejemplo 3: Cambiar el tamaño de las Células

Cambie el formato de su hoja de cálculo para facilitar su comprensión.

1. Abra la hoja de cálculo Población de los países de América Latina y el Caribe

y seleccione Utilizar plantilla.
2. Seleccione la celda donde se cruzan las cabeceras de columna y fila.
 3. Ensanche todas las columnas haciendo clic y arrastrando el límite
entre las columnas D y E.

Ejemplo 4: Hacer que destaquen los atributos

Añadir formato a las celdas que contienen etiquetas de atributos ayuda a que éstos
destaquen.

1. Seleccione la celda 1 para seleccionar toda la primera fila.

2. Seleccione el icono del bote de pintura llamado Color de relleno y elija un
color. Esto rellenará las celdas de la fila con el color seleccionado, haciendo
que los atributos destaquen.
3. Seleccione el icono B de la barra de menú para poner en negrita las
etiquetas.

Ejemplo 5: Añadir una columna

Si necesita añadir un nuevo atributo a su hoja de cálculo, añada una nueva

columna.

1. Seleccione la Célula I1.

2. En el menú Insertar , seleccione Columna a la derecha en la barra de menús.
Esto inserta una columna a la derecha de la Columna I.

Ejemplo 6: Borrar una columna

Organice sus datos borrando un atributo.

1. Clic derecho en la Célula J1.

2. Seleccione Borrar columna. Esto borra la columna y hace que el resto de
columnas se desplacen hacia la izquierda.

Ejemplo 7: Añadir un borde

Añadir bordes ayuda a distinguir las celdas entre sí.

 1. Seleccione la celda situada en la esquina superior izquierda de la imagen,
encima de 1 y a la izquierda de A.
2. Seleccione el icono Bordes del menú.
3. Seleccione Todos los bordes.

Tareas básicas de hoja de cálculo

Ya hemos hablado de cómo las hojas de cálculo son excelentes para organizar los
datos y realizar cálculos. Ahora es el momento de ensuciarnos las manos y empezar
a crear una hoja de cálculo real. En este vídeo, voy a demostrar algunas tareas
básicas para las que sabemos que los analistas de datos utilizan las hojas de
cálculo , incluida la introducción y la organización de datos. Empezaremos con un
proceso paso a paso para mostrarte algunas herramientas para organizar los datos
en una hoja de cálculo. Considera estos pasos como básicos. No siempre tendrá
que usarlos cuando trabaje con un conjunto de datos, pero si los datos están un
poco desordenados cuando los obtiene, estos pasos pueden ayudarlo a prepararlos
para el análisis. Empecemos por abrir una nueva hoja de cálculo. Como analista de
datos, es posible que no comiences con una hoja de cálculo en blanco, pero es
bueno saber cómo hacerlo, por si acaso. Empieza por abrir Excel, Google Sheets o
cualquier software de hojas de cálculo que estés utilizando y, a continuación,
selecciona un nuevo archivo en blanco. Lo primero que querrás hacer cuando abras
una hoja de cálculo nueva es ponerle un título. He aquí un consejo profesional. Haz
que el título sea breve y claro y que indique exactamente de qué se tratan los datos
de la hoja de cálculo. Confía en mí, hará que buscarlo sea mucho más fácil. Crear
una carpeta en la computadora específicamente para hojas de cálculo y archivos
relacionados también puede facilitar su búsqueda. Para esta hoja de cálculo, ya está
guardada en nuestro disco. Así que abriremos nuestro menú Archivo para hacer clic
en Mover.
Reproduce el video desde :1:26 y sigue la transcripción

1:26

Luego crearemos una nueva carpeta, la llamaremos «Datos de Población»

Reproduce el video desde :1:36 y sigue la transcripción

1:36

y moveremos la hoja de cálculo allí.

Reproduce el video desde :1:41 y sigue la transcripción
 1:41

Nuestra hoja de cálculo ahora tiene un nuevo hogar. Esto le ahorrará muchos clics
innecesarios y dolores de cabeza cuando busque este archivo. Hay diferentes
maneras en las que los analistas de datos obtienen los datos con los que trabajan.
Según el trabajo, es posible que utilices datos de código abierto, que te den datos
con los que trabajar o que te pidan que busques tus propios datos. Experimentará
todo esto más adelante en el programa. Hay muchas fuentes de datos abiertos en
línea, donde los datos están disponibles para el público. Por ejemplo, utilizaremos
datos de [Link], que ya están en la hoja de cálculo. Los datos muestran la
población de los países de América Latina y el Caribe entre 2010 y 2019. Vamos a
abrir esta hoja de cálculo. Es hora de preparar los datos para el análisis.
Empezaremos seleccionando toda la hoja y ensanchando nuestras columnas
arrastrando el límite de una de las columnas.
Reproduce el video desde :2:37 y sigue la transcripción

2:37

Esto nos ayudará a ver los datos con claridad y, a continuación, podremos ajustar
cualquier columna individual que lo necesite. También puedes hacer que las
columnas sean más anchas de otras maneras, pero esto funcionará por ahora. La
primera fila de la hoja de cálculo es para los atributos o variables de datos.
Básicamente se trata de etiquetar el tipo de datos de cada columna. Hagamos que
los atributos destaquen del resto de las filas seleccionándolos y rellenándolos de
color. También pondremos las etiquetas en negrita.
Reproduce el video desde :3:10 y sigue la transcripción

3:10

Si queremos añadir otro atributo de datos entre dos de los otros atributos, siempre
podemos añadir una nueva columna. Simplemente haga clic en cualquier celda de
una columna y use el menú Insertar para agregar una nueva.
Reproduce el video desde :3:29 y sigue la transcripción

3:29

Aparecerá junto a la columna en la que hiciste clic originalmente, es bastante

simple. Eliminar una columna es igual de sencillo. Para eliminar, haga clic con el
botón derecho en una celda de la columna de la que desee deshacerse. Los pasos
que mostramos pueden variar según el programa de hojas de cálculo que utilices,
pero deberían ser bastante similares. Añadamos una cosa más a nuestra tabla de
datos: los bordes. Esto puede ayudarle a ver cada dato con mayor claridad. Para
añadir bordes, empieza por hacer clic en el botón Seleccionar todo en la esquina
superior izquierda de la hoja de cálculo. Es como un botón mágico porque puedes
hacer clic en él siempre que necesites hacer cambios en cada celda de la hoja de
cálculo. A continuación, haga clic en el botón Borde del menú y elija el tipo de
bordes que desee. Para mantener nuestras hojas de cálculo uniformes, elegiremos
bordes para todas las celdas. Así de simple, hemos pasado de lo crudo a lo
refinado. Ahora nuestra hoja de cálculo está llena de datos y también es agradable
verla. El uso de estas herramientas de organización antes de analizar puede
ayudarle a centrarse en los datos una vez que comience el análisis. Ahora que
hemos repasado algunas formas en las que se pueden usar las hojas de cálculo
para organizar los datos, estás listo para empezar a trabajar en ellas tú mismo. Más
adelante, obtendrás más información sobre las hojas de cálculo, incluidos algunos
errores comunes y cómo solucionarlos.

Más información sobre los

conceptos básicos de las
hojas de cálculo

Estado: Traducido
automáticamente del Inglés
Traducido automáticamente del Inglés

Información:

Este elemento incluye contenido que aún no se tradujo a tu idioma preferido.

A continuación, encontrará una Lista que abarca dos tipos de programas de hojas
de cálculo: Microsoft Excel y Google Sheets. La Lista incluye guías de inicio rápido,
tutoriales y mucho más. Los ejemplos de este curso utilizan Hojas de cálculo de
Google, pero puede seguirlos utilizando Excel o cualquier otra aplicación de hojas
de cálculo. La interfaz de usuario puede ser un poco diferente, pero su aspecto y
funcionamiento deberían ser similares.

Microsoft Excel

● Inicio rápido en Office: Desplácese hacia abajo hasta la sección Guías

descargables para descargar la Guía de inicio rápido de Excel: Esta guía en
PDF comienza con un mapa etiquetado de Excel que puede guiarle a través
de las tareas básicas que puede realizar en Excel. Para obtener consejos
sobre cómo iniciar y abrir Excel, esta Página de soporte de Microsoft le
mostrará cómo iniciar un nuevo libro de trabajo.
● Entrenamiento en vídeo de Excel: Se trata de una colección de vídeos paso a
paso para utilizar todo tipo de funciones de Excel, como añadir y trabajar
dentro de filas, columnas y celdas; dar formato; utilizar fórmulas y funciones;
y añadir gráficos y tablas dinámicas.
● Ordenar datos en un rango o tabla: Esta página le guiará a través de todos
los pasos necesarios para ordenar datos por número, texto y color. También
tendrá la opción de ordenar por lista personalizada para que pueda
personalizar exactamente lo que desea ordenar.
● Filtrado de datos en un Rango o Tabla: Este artículo contiene instrucciones
paso a paso sobre cómo filtrar una hoja de cálculo de Excel para mostrar sólo
los datos que desea ver. También puede utilizar los operadores de
 comparación incorporados, como "mayor que" y "top 10" para revelar sólo los
datos más relevantes.
● Dar formato a una hoja de cálculo: La guía le ayudará a seleccionar y dar
formato a su hoja de cálculo de Excel y, a continuación, a cambiar los bordes,
el sombreado, los colores y el texto. Esto puede ayudar a mejorar la
legibilidad de su hoja de cálculo.

Consejo profesional: Si busca información sobre el uso de las Opciones

personalizables, consulte la página de Microsoft Directrices para organizar y dar
formato a los datos en una hoja de cálculo. Este artículo proporciona métodos claros
para crear hojas de cálculo fáciles de leer.

Hojas de cálculo de Google

● Hoja de trucos de Google Sheets: La hoja de trucos pone todos los conceptos
básicos de Hojas de cálculo en una sola página para facilitar su consulta.
Aquí podrá aprender a personalizar su hoja de cálculo y los datos que
contiene; a trabajar con filas, columnas y celdas; a compartir su hoja de
cálculo con otras personas; a crear diferentes versiones y copias de una hoja
de cálculo; y mucho más.
● Comenzar con Hojas de cálculo: Crear e importar archivos: Esta guía es una
guía paso a paso para trabajar con Hojas de cálculo. Empezará aprendiendo
a abrir una hoja de cálculo y, a continuación, pasará a añadir datos.
● Ordenación y filtrado de datos: Este recurso puede ayudarle a organizar
datos en Hojas de cálculo. Utilice esta guía para ordenar parte o la totalidad
de una hoja de cálculo. Puede ordenar por texto, número y color. A
continuación, aprenda a crear filtros para mostrar sólo determinados Datos y
ocultar el resto. Por último, el artículo incluye información sobre cómo crear,
guardar y eliminar una vista de filtro.
● Editar y dar formato a una hoja de cálculo: Esto le ayudará a crear hojas de
cálculo fáciles de leer. Aprenderá a asignar un color, personalizar los bordes
alrededor de las celdas y cambiar el aspecto del texto. Si desea dar un tema
a su hoja de cálculo, puede desplazarse hasta el final de la página y
encontrar cómo aplicarlo a partes de su hoja de cálculo.
Sugerencia: Microsoft Excel y Google Sheets son muy similares en cuanto a
cálculos, fórmulas, funciones y muchas otras características. Sin embargo, existen
algunas diferencias que pueden dificultar el cambio de una a otra. Si va a pasar de
Excel a Google Sheets, encontrará una lista rápida de las diferencias entre ambos
tipos de aplicaciones de hojas de cálculo en Visión general: Diferencias entre
Sheets y Excel.

Paso a paso: Fórmulas para

el éxito

Estado: Traducido
automáticamente del Inglés
Traducido automáticamente del Inglés

Información:

Este elemento incluye contenido que aún no se tradujo a tu idioma preferido.

Esta lectura esboza los pasos que el instructor realiza en el siguiente vídeo,
Fórmulas para el éxito. En el vídeo, el instructor explica los fundamentos del uso de
fórmulas de hojas de cálculo para realizar cálculos.

Mantenga abierta esta guía paso a paso mientras ve el vídeo. Puede servirle como
referencia útil si necesita contexto o aclaraciones adicionales mientras sigue los
pasos del vídeo. No se trata de una actividad calificada, pero puede completar estos
pasos para practicar las habilidades demostradas en el vídeo.

Qué necesitará
Si desea seguir el primer ejemplo de este vídeo, elija una herramienta de hoja de
cálculo y abra una hoja en blanco.

Si desea acceder a la otra hoja de cálculo que el instructor utiliza en este vídeo,
haga clic en el enlace al Conjunto de datos para crear una copia. Si no tiene una
cuenta de Google, descargue los datos directamente de los archivos adjuntos a
continuación.

Enlace a los datos de ventas: Ventas mensuales

Monthly Sales

XLSX File

Ejemplo 1: Crear una fórmula

Las fórmulas constituyen la base de tareas más complejas en una hoja de cálculo.
He aquí un ejercicio sencillo:

1. Abra una nueva hoja de cálculo.

2. Seleccione la celda A1.
3. Introduzca =2-2 y pulse Intro. La Célula muestra el resultado de 0.
4. Seleccione la celda A2.
5. Introduzca =31982-17795 y pulse Intro. La Célula muestra el resultado 14187.

Nota: El signo igual (=) significa que está comenzando una fórmula.

Ejemplo 2: Utilizar referencias de celda en una fórmula

Las referencias de celda hacen que su hoja de cálculo sea flexible y responda a los
cambios de datos. Para Implementar esto:

1. Abra la hoja de cálculo Ventas mensuales.

 2. Para hallar las ventas totales de abril a julio de 2017, seleccione la celda F2.
3. Introduzca la fórmula =B2+C2+D2+E2 y pulse Intro. Ahora tiene el total de
ventas para este periodo de tiempo.
4. Pero, ¿qué pasaría si los Datos de una de las Células fueran incorrectos?
Seleccione la celda D2 e introduzca 47002 para corregir la entrada. Pulse
Intro.
5. Observe que su hoja de cálculo recalcula automáticamente la suma en la
celda F2.

Ejemplo 3: Copiar una fórmula

Copiar y pegar fórmulas ahorra tiempo y ayuda a garantizar la coherencia de sus

cálculos. Para ello

1. En la hoja de cálculo Ventas mensuales, seleccione la celda F2.

2. En el menú Edición , seleccione Texto publicitario (Copiar). También puede
utilizar el acceso directo del teclado de Windows Ctrl+C o el acceso directo
del teclado de Mac Comando+C para copiar la fórmula.
3. Seleccione la celda F3 y, en el menú Edición , elija Pegar. También puede
pulsar Ctrl+V (Windows) o Comando+V (Mac) para pegar la fórmula en la
celda F3.

Nota: Después de pegar en la celda F3, la fórmula en esa celda será

=B3+C3+D3+E3.

Ejemplo 4: Calcular las ventas medias

Utilice fórmulas para diferentes cálculos, como por ejemplo para hallar una media:

1. En la hoja de cálculo Ventas mensuales , seleccione la celda G1.

2. Introduzca Ventas medias en la celda G1 y pulse Intro.
3. Seleccione de nuevo la celda G1 . En la barra de herramientas, seleccione
Negrita para poner el texto en negrita.
Nota: Nombrar las columnas en las
hojas de cálculo mejora la claridad al indicar el propósito de los números.
 4. Seleccione la celda G2.

Introduzca =(B2+C2+D2+E2)/4 y pulse Intro para calcular la media de ventas en este

periodo de tiempo.

5. Nota: Esta fórmula calcula la media de las ventas del mes, incluidos los casos
en los que no hay ventas (celdas en blanco), que se tratan como ceros en el
cálculo. Si el negocio tuvo cero ventas durante un mes, la celda en blanco se
sigue incluyendo en el cálculo para mantener la exactitud.
6. Copie y pegue la fórmula de la celda G2 en las celdas G3 y G4.

Ejemplo 5: Calcular el cambio porcentual en las ventas

Utilice una fórmula diferente para calcular el cambio porcentual:

1. En la hoja de cálculo Ventas mensuales , seleccione la celda H1.

2. En la Célula H1, introduzca Cambio de junio a julio. Ponga este texto en
negrita.
3. En la celda H2, introduzca =(E2-D2)/D2 para calcular el cambio porcentual en
las ventas.
4. Para formatear el valor como porcentaje, en la barra de herramientas,
seleccione el botón %. Ahora encontrará que el cambio porcentual en las
ventas entre junio y julio es de 247,5%.
5. Copie esta fórmula en la Célula H3. Observe que la hoja de cálculo copia
tanto la fórmula como el formato del porcentaje.

Ejemplo 6: Corregir un error de fórmula

Corregir los errores de fórmula garantiza que sus análisis de datos sigan siendo
precisos y fiables. He aquí cómo solucionar un error común:

1. En la hoja de cálculo Ventas mensuales, copie la fórmula de la celda H2 a la

celda H4 y pulse Intro.
 2. Observe el error que aparece en la celda H4. Este error se produce porque la
fórmula está intentando dividir por un valor de cero. La razón de este error es
que la celda D4 está en blanco y, en este contexto, la hoja de cálculo
interpreta que tiene un valor de cero.
3. Para resolver el error, escriba 75866 en la celda D4 y pulse Intro. Observe
que el error desaparece, y la celda H4 muestra ahora 121,16%.

Fórmulas para el éxito

Hasta ahora hemos explicado cómo crear una nueva hoja de cálculo, introducir
datos y hacer que parezca refinada y lista para un análisis serio. Ahora
aprenderemos cómo realizar cálculos en tu hoja de cálculo. Es posible que tengas
que calcularlo todo, desde sumas hasta promedios, hasta encontrar cantidades
mínimas y máximas. Usarás los cálculos para muchos tipos diferentes de tareas. En
este vídeo, nos centraremos en aprender los conceptos básicos y, a continuación,
haremos algunos cálculos matemáticos con algunos datos de ventas para practicar.
Hablemos primero de las fórmulas. Tal vez recuerde que una fórmula es un conjunto
de instrucciones que realizan un cálculo específico. Básicamente, las fórmulas
pueden hacer los cálculos por ti. Ahora, no solo hacen matemáticas, pueden hacer
mucho más. Pronto aprenderá diferentes maneras de utilizarlos en los procesos de
análisis de datos. Las fórmulas se basan en operadores, que son símbolos que
indican el tipo de operación o cálculo que se va a realizar. Por ejemplo, el signo más
es un operador común. Las fórmulas que utiliza como analista de datos suelen
incluir al menos un operador. Ahora, hablemos de expresiones o ecuaciones
matemáticas. Estas pueden adoptar muchas formas diferentes, pero es posible que
ya las conozcas. 3 menos 1, 15 más 8 dividido por 2, 846 veces 513. Todos estos
son ejemplos de expresiones. ¿Esto me trae recuerdos de la escuela primaria?
Bueno, en la clase de matemáticas, lo más probable es que hayas aprendido a
completar una expresión incluyendo un signo igual y la solución. Es un poco
diferente con las hojas de cálculo. Cuando se crea una fórmula con una expresión
de una hoja de cálculo, se inicia la fórmula con un signo igual. Por ejemplo, si
queremos restar, escribimos un signo igual seguido del resto de la expresión sin
espacios en la fórmula. Ahora probemos con una expresión que sea un poco más
difícil. Escribiremos 31982, luego un guión para el signo menos y, a continuación,
17795. Para calcular, presionamos «Enter». Lo más probable es que utilices
 fórmulas de esta manera cuando trabajes con números grandes o expresiones con
varios pasos. Estos son los operadores que usará para completar las fórmulas. El
signo más para la suma, el menos o el guión para la resta, el asterisco para la
multiplicación y la barra diagonal para la división. Los símbolos de división y
multiplicación pueden ser diferentes a los que estás acostumbrado. Cambios
pequeños, pero importantes a tener en cuenta. Si ya tienes datos en la hoja de
cálculo, puedes usar referencias de celda en tus fórmulas en su lugar. Una
referencia de celda es una sola celda o un rango de celdas de una hoja de cálculo
que se puede usar en una fórmula. Las referencias a las celdas contienen la letra de
la columna y el número de la fila donde están los datos. Un rango de celdas es un
conjunto de dos o más celdas. Un rango puede incluir celdas de la misma fila o
columna, o de diferentes columnas y filas agrupadas juntas. Te mostraremos un
ejemplo en un próximo vídeo. Ahora vamos a aplicar lo que acabamos de aprender
a algunos datos de ventas. Si queremos agregar estas cifras para encontrar las
ventas totales de la primera fila de datos, puede hacer clic en la «celda F2". A partir
de ahí, comenzaremos con un signo igual y usaremos las referencias de celda para
introducir valores en la expresión. Empezamos con la celda B2 porque el año en A2
no es un valor que queramos añadir al total.
Reproduce el video desde :3:38 y sigue la transcripción

3:38

A continuación, pulse «Entrar». Así de simple, se calcularon sus ventas totales, pero
¿qué pasaría si se diera cuenta de que uno de los valores de sus datos era
incorrecto? No hay problema Puedes cambiar el valor de cualquier celda usando la
fórmula y el total se actualizará automáticamente.
Reproduce el video desde :4:3 y sigue la transcripción

4:03

Lo mejor de usar referencias de celda es que también se actualizan

automáticamente cuando se copia una fórmula en una celda nueva. Hable sobre un
ahorro de tiempo. En lugar de volver a escribir la misma fórmula para cada nuevo
conjunto de referencias de celda, basta con copiar la fórmula mediante el menú o un
método abreviado de teclado, como Control más C.
Reproduce el video desde :4:26 y sigue la transcripción

4:26
 Después, pega la fórmula donde quieras aplicarla con Control más V. ¡Y listo! La
fórmula actualiza correctamente todas las celdas y valores nuevos. Ahora
supongamos que también quieres que encuentre el promedio de ventas. Para ello,
crea una nueva fórmula en una celda diferente.
Reproduce el video desde :4:57 y sigue la transcripción

4:57

Para agrupar valores en una fórmula, utilice paréntesis. Esto permite que la hoja de
cálculo sepa qué valores se deben calcular juntos y el orden de las operaciones que
se van a realizar. Por ejemplo, abra paréntesis, luego B2 más C2 más D2 más E2 ,
cierre los paréntesis y, a continuación, divida el valor de todo esto escribiendo la
barra cuatro. Estás sumando los valores de las cuatro celdas y luego usando la
barra para dividir el total entre cuatro, y al igual que en la última, podemos copiar y
pegar la fórmula. Esta es otra fórmula que puedes usar si quieres encontrar el
cambio porcentual en las ventas entre junio y julio.
Reproduce el video desde :5:56 y sigue la transcripción

5:56

Una vez que una fórmula calcula el valor, puede usar el botón de porcentaje para
cambiar el valor a un porcentaje. Al aplicar la fórmula a las demás filas, tanto la
fórmula como el porcentaje se actualizarán automáticamente. No parece la
respuesta correcta. Parece que tenemos un error. No te preocupes Los errores
pueden producirse en cualquier etapa del análisis de datos, incluso cuando se
utilizan hojas de cálculo. Una fórmula tiene que ser hermética. Si hay algún
problema con una de las referencias de celda, no funcionará. Entonces, ¿cuál es
nuestro error? Bueno, podemos ver que falta el valor en la celda D4. Puede que te
lleve algo de tiempo e investigar para encontrar el valor correcto, pero vale la pena.
Desea que su análisis sea lo más preciso posible. Cuando añadas el valor, la
fórmula se encarga del resto.
Reproduce el video desde :6:49 y sigue la transcripción

6:49

Era mucho para asimilar. Gracias por quedarte conmigo. Podrá aplicar lo que ha
aprendido sobre las fórmulas aquí y más adelante en el programa para hacer que su
análisis sea más eficiente y su trabajo, un poco más fácil, y pronto trabajará en su
propia hoja de cálculo. Felices hojas de cálculo.
 Referencia rápida: Fórmulas
en hojas de cálculo

Estado: Traducido
automáticamente del Inglés
Traducido automáticamente del Inglés

Ha estado aprendiendo mucho sobre las hojas de cálculo y todo tipo de cálculos que
ahorran tiempo y las funciones organizativas que ofrecen. Una de las características
más valiosas de las hojas de cálculo es la fórmula. Como recordatorio rápido, una
fórmula es un conjunto de instrucciones que realiza un cálculo específico utilizando
los datos de una hoja de cálculo. Las fórmulas facilitan a los analistas de datos la
realización automática de cálculos potentes, lo que les ayuda a analizar los datos
con mayor eficacia. A continuación encontrará una guía de referencia rápida que le
ayudará a sacar el máximo partido de las fórmulas.
Fórmulas

Conceptos básicos

● Cuando se introduce una fórmula en matemáticas, generalmente termina con

un signo igual (2 + 3 = ?). Pero con las fórmulas, siempre empiezan por uno
en su lugar (=A2+A3). El signo igual indica a la hoja de cálculo que lo que
sigue es parte de una fórmula, no sólo una palabra o un número en una
celda.
● Después de introducir el signo igual, la mayoría de las aplicaciones de hojas
de cálculo mostrarán un menú de autocompletar que enumera las fórmulas,
los nombres y las cadenas de texto válidos. Es una forma estupenda de crear
y editar fórmulas evitando errores de escritura y de sintaxis.
● Una forma divertida de aprender nuevas fórmulas es simplemente tecleando
un signo igual y una sola letra del alfabeto. Elija una de las opciones que
aparecen y aprenderá lo que hace esa fórmula.

Operadores matemáticos

● Los operadores matemáticos utilizados en las fórmulas de las hojas de

cálculo son:
● Resta - signo menos ( - )
● Suma - signo más ( + )
● División - barra diagonal ( / )
● Multiplicación - asterisco ( * )

Autorrelleno

La esquina inferior derecha de cada Célula tiene un Controlador de relleno. Es un

pequeño cuadrado verde en Microsoft Excel y un pequeño círculo azul en Google
Sheets.

● Clic en el cuadrado o círculo del controlador de relleno de una celda y

arrástrelo hacia abajo en una columna para autorellenar otras celdas de la
columna con el mismo valor o fórmula de esa celda.
 ● Haga clic en el cuadrado o círculo del controlador de relleno de una celda y
arrástrelo a través de una fila para rellenar automáticamente otras celdas de
la fila con el mismo valor o fórmula en esa celda.
● Si desea crear una secuencia numerada en una columna o fila, haga lo
siguiente: 1) Rellene los dos primeros números de la secuencia en dos celdas
adyacentes, 2) Seleccione para resaltar las celdas y 3) Arrastre el cuadrado o
círculo del controlador de relleno hasta la última celda para completar la
secuencia de números. Por ejemplo, para insertar del 1 al 100 en cada fila de
la columna A, introduzca el 1 en la celda A1 y el 2 en la A2. A continuación,
seleccione para resaltar ambas celdas, haga clic en el cuadrado o círculo del
controlador de relleno de la celda A2 y arrástrelo hacia abajo hasta la celda
A100. Esto rellena automáticamente los números de forma secuencial para
que no tenga que introducirlos en cada celda.

Referenciación absoluta

● Las referencias absolutas están marcadas con un signo de dólar ($). Por
ejemplo, =$A$10 tiene referenciación absoluta tanto para la columna como
para el valor de la fila
● Las referencias relativas (que es lo que se hace normalmente, por ejemplo
"=A10") cambiarán cada vez que se copie y pegue la fórmula. Están en
relación con el lugar donde se encuentra la celda referenciada. Por ejemplo,
si copiara "=A10" en la celda de la derecha, se convertiría en "=B10". Con la
referenciación absoluta "=$A$10" copiado a la celda de la derecha seguiría
siendo "=$A$10". Pero si copiara $A10 a la celda de abajo, cambiaría a $A11
porque el valor de la fila no es una referencia absoluta.
● Las referencias absolutas no cambiarán cuando copie y pegue la fórmula en
una celda diferente. La celda a la que se hace referencia es siempre la
misma.
● Para cambiar fácilmente entre referencias absolutas y relativas en la barra de
fórmulas, resalte la referencia que desea cambiar y pulse la tecla F4; por
ejemplo, si desea cambiar la referencia absoluta, $A$10, de su fórmula por
una referencia relativa, A10, resalte $A$10 en la barra de fórmulas y pulse la
tecla F4 para realizar el cambio.
Rango de datos

● Cuando haga clic en su fórmula, los rangos coloreados le permitirán ver qué
celdas se están utilizando en su hoja de cálculo. Hay diferentes colores para
cada rango Único en su fórmula.
● En muchas aplicaciones de hojas de cálculo, puede pulsar la tecla F2 (o
Intro) para resaltar el rango de datos de la hoja de cálculo al que se hace
referencia en una fórmula. Haga clic en la celda con la fórmula y, a
continuación, pulse la tecla F2 (o Intro) para resaltar los datos de su hoja de
cálculo.

Combinación con funciones

● COUNTIF()
es una fórmula y una función. Esto significa que la función se ejecuta en
función de los criterios establecidos por la fórmula. En este caso, COUNT es
la fórmula; se ejecutará SI las condiciones que usted cree son verdaderas.
Por ejemplo, podría utilizar =COUNTIF(A1:A16, “7”) para contar sólo las celdas
que contienen el número 7. Combinar fórmulas y funciones le permite hacer
más trabajo con un solo comando.

Hoja de cálculo errores y correcciones

Hola y bienvenidos de nuevo. Recientemente hemos estado aprendiendo sobre
fórmulas. A veces los Analistas de datos nos encontramos con un problema con
nuestras fórmulas y obtenemos un error. Todos hemos pasado por eso y puede ser
frustrante. Pero hay soluciones, eso es lo que vamos a explorar en este vídeo. Un
error que puede encontrarse es el error DIV. El error DIV se produce cuando una
fórmula está intentando dividir un valor de una celda por cero o por una celda vacía.
En esta hoja de cálculo, los valores de porcentaje Completo en la columna C se
calculan dividiendo los valores de la columna Tareas Completadas entre los valores
de la columna Tareas Requeridas. Note que la columna C ya está formateada como
porcentaje. El error DIV está en la celda C4 porque estamos dividiendo por cero el
valor de la celda A4. Para evitar este problema, podemos hacer que esta hoja de
cálculo introduzca automáticamente no aplicable siempre que una celda de la
 columna A contenga un cero que provocaría el error. Para ello, utilizaremos la
función IFERROR. Si encuentra un error DIV causado por una celda que contenga
el cero, se insertará la frase "No aplicable".
Reproduce el video desde :1:17 y sigue la transcripción

1:17

También podemos copiar la fórmula al resto de celdas de la columna C para que

compruebe cualquier otra celda que contenga un cero. Ahora pasemos al ERROR.
En Google Sheets, ERROR nos indica que la fórmula no puede interpretarse tal y
como se introduce. También se conoce como error de análisis sintáctico. Digamos
que queremos contar el número de total de tareas en las columnas B y C, utilizamos
la función SUM, pero la fórmula igual suma B2 a B6, C2 a C6 provoca un error.
Examinándolo más detenidamente, vemos que falta una coma entre los rangos de
celdas B2 a B6 y C2 a C6. Podemos solucionarlo insertando una coma entre los
rangos de celdas para indicar el final de cada elemento de datos. Esto se denomina
un delimitador, del que aprenderá más próximamente. Ahora, la fórmula puede
calcular correctamente el número total de tareas como 25. Otro tipo de error es N/A.
El error N/A le indica que los datos de su fórmula no pueden ser encontrados por la
hoja de cálculo. Generalmente, esto significa que los datos no existen. Este error
suele producirse cuando se utilizan funciones como VLOOKUP, que busca un
determinado valor en una columna para devolver un dato correspondiente. Aquí,
vemos una lista maestra de frutos secos y sus precios. Usando VLOOKUP, la hoja
de cálculo encuentra los precios en la lista, y luego calcula los precios de cada
tienda utilizando el margen de beneficio asignado. Pero tenemos un error N/A en las
celdas B49 y C49. La fórmula VLOOKUP es correcta, entonces, ¿qué está
pasando? Bueno, si nos fijamos bien en el nombre del fruto seco, "almendra" no
tiene ningún MATCH en la tabla de búsqueda, la tabla de búsqueda utiliza el plural
"almendras" en su lugar. Así que cambiamos almendra por almendras, y con esa
errata corregida, se rellenan los precios correctos. Hablando de erratas, a veces una
errata puede causar un error de NOMBRE. Un error de NOMBRE puede producirse
cuando no se reconoce o no se entiende el nombre de una fórmula. Supongamos
que vemos un error de NOMBRE en la hoja de cálculo de los precios de los frutos
secos. Si nos fijamos bien, la función VLOOKUP en la Célula B21 está mal escrita,
tiene una O de más; esto provoca un error de NOMBRE tanto para el precio como
 para el cálculo de margen resultante para la tienda. Para solucionar este error,
podemos eliminar la O de más en VLOOKUP.
Reproduce el video desde :4:7 y sigue la transcripción

4:07

Perfecto. A veces, un error está causado por datos incoherentes o erróneos. Por
ejemplo, el error NUM nos dice que el cálculo de una fórmula no puede realizarse tal
y como especifican los datos. Los datos no tienen sentido para ese cálculo. A esto
me refiero. Supongamos que estamos trabajando en un gran proyecto de
construcción utilizando una hoja de cálculo para hacer un seguimiento de cuántos
meses se tarda en alcanzar los hitos clave. Podemos utilizar la función DATEDIF
para calcular el número de meses entre las fechas de inicio y fin. La función requiere
que la fecha de inicio esté en la primera celda referenciada y que la fecha de fin esté
en la segunda celda referenciada. En nuestro caso, las celdas B2 y C2
respectivamente. La M representa meses, ya que queremos que esta hoja de
cálculo calcule el número de meses entre nuestras fechas inicial y final. Pero
obtenemos un error NUM en la celda D6. Nos damos cuenta de que la fecha final es
anterior a la fecha inicial, por lo que la función DATEDIF no puede calcular el
número de meses entre ambas. Es probable que las fechas de inicio y fin se hayan
intercambiado por accidente. Podemos solicitar la verificación de los datos para
asegurarnos. Mientras tanto, invirtamos el orden de las celdas de la fórmula para
salvar temporalmente el error. Ahora, el resultado es nueve meses. ¿Y si el nombre
del cliente se insertó accidentalmente en la fecha de inicio de la hoja de cálculo?
Adivinó, obtenemos un error. El error VALUE puede indicar un problema con una
fórmula o celdas referenciadas. A menudo no está claro de inmediato cuál es el
problema, por lo que este error puede requerir un poco más de esfuerzo para
solucionarlo. En este caso, se introdujo John Welty como fecha de inicio, haciendo
imposible el cálculo para la función DATEDIF en la celda D6. Simplemente
sustituimos el texto, John Welty, por la fecha de inicio correcta del 1 de septiembre
de 2016.
Reproduce el video desde :6:18 y sigue la transcripción

6:18

El último es el error REF, que suele aparecer cuando se han eliminado celdas a las
que se hace referencia en una fórmula, haciendo así que la fórmula no pueda
realizar el cálculo. Aquí tiene una hoja de cálculo utilizada para calcular el número
de asientos disponibles para una comida de empresa. Digamos que la empresa
decidió no realizar la segunda planta, así que borramos la fila 4. Esto da lugar a un
error REF cuando calculamos el total de asientos disponibles en la celda B5. Para
solucionarlo, podemos cambiar la fórmula para añadir los valores de las celdas B2 y
B3. Además, en este caso, podríamos haber evitado el error REF utilizando la
función SUM y un Rango de celdas en lugar de añadir el valor de la celda por
referencia directa. Ahora, si borramos la fila 10, la función SUM calcula el total de
asientos disponibles. Ya está. Ahora hemos corregido algunos de los errores más
comunes de las hojas de cálculo. Cuando vuelva a verlos, sabrá lo que significan.
La solución de problemas es una parte importante del análisis de datos, por lo que
ser capaz de encontrar soluciones es una habilidad clave para los analistas de
datos.

Más información sobre

errores y correcciones en
hojas de cálculo

Estado: Traducido
automáticamente del Inglés
Traducido automáticamente del Inglés

Información:

Este elemento incluye contenido que aún no se tradujo a tu idioma preferido.

El archivo .pdf adjunto incluye temas y contenidos tanto del vídeo complementario
como de esta lectura. Puede guardar este archivo para futuras consultas:
 DAC2 Spreadsheet Errors and [Link]

PDF File

Cuando se es nuevo en el análisis de datos -y a veces incluso cuando no se es- las

luchas con las hojas de cálculo son reales. Nunca sienta bien introducir lo que está
seguro que es una fórmula o función perfecta, sólo para recibir un mensaje de error.
Comprender los errores y cómo solucionarlos es una parte importante para
mantener sus datos limpios, por lo que es importante saber cómo tratar los
problemas a medida que surgen y, lo que es más importante, no desanimarse.

Incluso los usuarios más avanzados de hojas de cálculo se encuentran con

problemas de vez en cuando.

Como continuación de lo que aprendió en el vídeo anterior, aquí tiene algunas

buenas prácticas y consejos útiles. Estas estrategias le ayudarán a evitar errores en
la hoja de cálculo para empezar, haciendo que su vida en el análisis sea mucho
menos estresante:

1. Filtre los datos para que su hoja de cálculo sea menos compleja y ajetreada.
2. Utilice y congele los encabezados para saber qué hay en cada columna,
incluso al desplazarse.
3. Cuando multiplique números, utilice un asterisco (*) y no X.
4. Comience cada fórmula y función con un signo igual (=).
5. Siempre que utilice un paréntesis abierto, asegúrese de que hay un
paréntesis cerrado en el otro extremo para que coincida.
6. Cambie la fuente por otra fácil de leer.
 7. Establezca los colores de los bordes en blanco para que esté trabajando en
una hoja en blanco.
8. Cree una pestaña con sólo los datos en bruto y otra pestaña con sólo los
datos que necesite.

Ahora que ha aprendido algunas formas básicas de evitar errores, puede centrarse
en qué hacer cuando aparezca esa temida ventana emergente. La siguiente tabla es
una referencia que puede utilizar para buscar errores comunes en las hojas de
cálculo y ejemplos de cada uno. Saber lo que significan los errores le quitará parte
del miedo a cometerlos.

Error Descripción Ejemplo

#¡DIV/0! Una fórmula está =B2/B3cuando la celda B3

intentando dividir un valor contiene el valor 0
en una celda por 0 (o una
celda vacía sin valor)

#¡ERROR! (Sólo Hojas de cálculo de =COUNT(B1:D1 C1:C10) no es

Google) No se puede válido porque los rangos de
interpretar algotal y como celdas no están separados por
se ha introducido. Esto una coma
también se conoce como
error de análisis
sintáctico.

#N/A Una fórmula no puede La Célula a la que se hace

encontrar los datos referencia no puede ser
encontrada

#¿NOMBRE? No se reconoce el El nombre de una función está

nombre de una fórmula o mal escrito
 función utilizada

#¡NÚMERO! La hoja de cálculo no =DATEDIF(A4, B4, "M") no

puede realizar un cálculo puede calcular el número de
de fórmula porque una meses entre dos fechas
celda tiene un valor porque la fecha de la celda A4
numérico no válido es posterior a la fecha de la
celda B4

#¡REF! Una fórmula hace Una Célula utilizada en una

referencia a una Célula Fórmula estaba en una
que no es válida columna que fue borrada

#¡VALOR! Un error general que Podría haber problemas con

indica un problema con los espacios o el texto, o con
una fórmula o con celdas las celdas referenciadas en
referenciadas una fórmula; es posible que
tenga que realizar un trabajo
adicional para encontrar el
origen del problema.

Si trabaja con Microsoft Excel, una página interactiva, Cómo corregir un error
#VALUE!, puede ayudarle a reducir la causa de este error. Puede seleccionar una
función concreta de una lista desplegable para que aparezca un enlace con
consejos para corregir el error al utilizar esa función.

Consejo profesional: Detección de errores en hojas de cálculo

con formato condicional

El Formato condicional puede utilizarse para resaltar las celdas de un color diferente
en función de su contenido. Esta característica puede ser extremadamente útil
cuando desee localizar todos los errores en una hoja de cálculo de gran tamaño.
Por ejemplo, utilizando el formato condicional, puede resaltar en amarillo todas las
celdas que contengan un error y, a continuación, trabajar para corregirlos.

Formato condicional en Microsoft Excel

Para configurar el formato condicional en Microsoft Excel para resaltar todas las
celdas de una hoja de cálculo que contengan errores, haga lo siguiente:

1. Clic en el triángulo gris situado encima de la fila número 1 y a la izquierda de

la columna A para seleccionar todas las celdas de la hoja de cálculo.
2. En el menú principal, haga clic en Inicio y, a continuación, en Formato
condicional para seleccionar Resaltar reglas de celda > Más reglas.
3. Para Seleccionar un tipo de regla, elija Utilizar una fórmula para determinar
qué celdas formatear.
4. Para Formatear valores donde esta fórmula es verdadera, introduzca
=ISERROR(A1).
5. Clic en el botón Formato, seleccione la pestaña Relleno, elija amarillo (o
cualquier otro color) y, a continuación, clic en Aceptar.
6. Haga clic en Aceptar para cerrar la ventana de reglas de formato.

Para eliminar el formato condicional, haga clic en Inicio y seleccione Formato

condicional y, a continuación, haga clic en Gestionar reglas. Localice la regla de
formato en la Lista, haga clic en Eliminar regla y, a continuación, en Aceptar .

Formato condicional en Hojas de cálculo de Google

Para configurar el formato condicional en Hojas de cálculo de Google para resaltar

todas las celdas de una hoja de cálculo que contengan errores, haga lo siguiente:

1. Clic en el rectángulo vacío situado encima de la fila número 1 y a la izquierda

de la columna A para seleccionar todas las celdas de la hoja de cálculo. En el
vídeo Paso a paso en hojas de cálculo, esto se denominaba botón
Seleccionar todo.
 2. En el menú principal, haga clic en Formato y seleccione Formato condicional
para abrir el panel de reglas de Formato condicional a la derecha.
3. En la pestaña Color único, en Reglas de formato, utilice el menú desplegable
para seleccionar Fórmula personalizada es, introduzca =ISERROR(A1),
seleccione amarillo (o cualquier otro color) para el estilo de formato y, a
continuación, haga clic en Listo.

Para eliminar el formato condicional, haga clic en Formato y seleccione Formato

condicional y, a continuación, haga clic en el icono Papelera de la regla de formato.

Recursos sobre errores en hojas de cálculo

Para obtener más información y leer ejemplos adicionales de errores y soluciones,

explore estos Recursos:

● Fórmulas y Funciones de Microsoft: Este recurso describe cómo evitar las

fórmulas rotas y cómo corregir errores en Microsoft Excel. Es una referencia
útil para tener guardada en caso de que se encuentre con un error específico
y necesite encontrar soluciones rápidamente mientras trabaja en Excel.
● Cuando su fórmula no funciona: Errores de análisis de fórmulas en Hojas de
cálculo de Google: Este recurso es una guía para encontrar y solucionar
algunos errores comunes en las Hojas de cálculo de Google. Si trabaja con
Hojas de cálculo de Google, puede utilizarlo como referencia rápida para
resolver los problemas que pueda encontrar trabajando por su cuenta.

Con un poco de práctica y determinación investigadora, se sentirá mucho más

cómodo manejando los errores en las hojas de cálculo. Cada error que detecte y
corrija hará que sus Datos sean más claros, limpios y útiles.

En este ejercicio ha resuelto errores comunes de las hojas de cálculo. Ahora,

dedique unos minutos a reflexionar sobre esta actividad.

¿Cuál fue el error más difícil que encontró y cómo lo resolvió con éxito?
¿Cómo contribuye la resolución de errores a la Exactitud de los Datos? ¿Por qué es
tan importante para el Análisis de datos y la Confiabilidad de los resultados?

¿Cómo piensa aplicar las habilidades de identificación y resolución de errores que

ha adquirido en esta actividad a sus futuros proyectos de análisis de datos?

En el espacio que se proporciona a continuación, escriba 2-3 frases (40-60

palabras) para responder a cada una de estas preguntas y a su experiencia en la
resolución de errores.

Paso 3: Identificar y resolver los errores comunes

Tipos de error y ejemplos

En la hoja de cálculo Resolver errores de la hoja de cálculo, seleccione la hoja
Solucionar los ejemplos aquí.

Error de VALOR: El error VALOR indica un problema con la fórmula o las celdas a
las que hace referencia, a menudo debido a tipos de datos incompatibles.
Resuélvalo ahora siguiendo estos pasos:

1. Localice la celda de referencia que contiene el mensaje de error #¡VALOR!

2. Seleccione la celda con el error VALOR.
3. Compruebe la fórmula en la celda G3 e identifique dónde se están utilizando
tipos de datos incompatibles. La barra de fórmulas muestra la expresión
=B3*C3. Cuando compruebe las celdas B3 y B4, observará que la celda B3
contiene la palabra texto en lugar de un valor.
4. Tendrá que ajustar la fórmula o asegurarse de que las celdas referenciadas
contienen datos compatibles. En este caso, introduzca un valor en la celda
B3. En la celda B3, introduzca 50 y pulse Intro.
5. La celda G3 muestra ahora el número 15 en lugar del error VALOR, lo que
permite que la fórmula se ejecute correctamente.

ERROR (parsing error): El error de análisis sintáctico se produce cuando una hoja
de cálculo no puede interpretar la fórmula tal como se introduce, a menudo debido a
problemas de sintaxis. Soluciónelo ahora:

1. Localice la celda de referencia que contiene el mensaje de error #¡ERROR!

2. Seleccione la celda con el error ERROR.
3. Seleccione la celda G4 y compruebe si hay errores de sintaxis en la fórmula.
Los errores más comunes son la falta de operadores o de comas.
4. La expresión en la barra de fórmulas muestra que a la función SUM que se
está realizando le falta una coma.

5. En la barra de fórmulas, borre el espacio entre B2 y B3 e introduzca

una coma (,), después pulse Intro.
 6. La celda G4 muestra ahora el valor 150 en lugar del mensaje de error,
con lo que se soluciona el problema.

Error DIV: El error DIV se produce cuando intenta dividir un número por cero o por
una celda vacía. Solucione este problema con estos pasos:

1. Localice la celda de referencia que contiene el mensaje de error #¡DIV/0!

2. Seleccione la celda con el error DIV.
3. Compruebe la fórmula en la celda G5 para identificar dónde se está
produciendo la división por cero.

4. La expresión en la barra de fórmulas muestra que C5 está siendo

dividida por la celda B5, lo que significa que B5 contiene el valor 0.

5. Modifique la fórmula para evitar la división por cero. Seleccione la

celda B5 e introduzca 10, después pulse Intro.
 6. La celda G4 muestra ahora el valor 0,08 en lugar del error de análisis.
¡Otro error solucionado!

Error de NOMBRE: El error NOMBRE se produce cuando no se reconoce el

nombre de la fórmula, normalmente debido a una errata o a un nombre incorrecto de
la función.

1. Localice la celda de referencia que contiene el mensaje de error

#¿NOMBRE?
2. Seleccione la celda con el error NOMBRE.
3. Seleccione la celda G6 e inspeccione la fórmula en busca de errores
tipográficos o nombres de función incorrectos.
4. Borre la M que sobra en SUMM y pulse Intro para corregir el error tipográfico
en la barra de fórmulas. Esta es una barra de herramientas que muestra la
información contenida en una celda.
 5. La celda G6 muestra ahora el valor 30,6 en lugar del error NOMBRE,
solucionando así el error habitual de las hojas de cálculo.

Error N/A: El error N/A aparece cuando los datos referenciados en su fórmula no
pueden ser encontrados por la hoja de cálculo, a menudo en funciones de búsqueda
como VLOOKUP.

1. Localice la celda de referencia que contiene el mensaje de error #N/A.

2. Seleccione la celda con el error N/A.
3. Seleccione la celda G7 y compruebe la fórmula en esa celda. Asegúrese de
que los datos que se están buscando existen en el Rango especificado. La
barra de fórmulas muestra que se está buscando "Manzanas" en el conjunto
de datos, pero "Manzanas" no existe en la columna A. En la barra de
fórmulas, borre la s para que coincida con el título Manzana que aparece en
la celda A2. Pulse Intro.

4. La celda G7 muestra ahora el valor 100 en lugar del error N/A. ¡Buen
trabajo!

Error NUM: El error NUM indica que el cálculo de la fórmula no puede realizarse
según lo especificado, a menudo porque los datos no tienen sentido para ese
cálculo.

1. Localice la celda de referencia que contiene el mensaje de error #NUM.

 2. Seleccione la celda con el error NUM.
3. Compruebe la fórmula e identifique por qué el cálculo no es factible.

4. La hoja de cálculo no puede tomar la raíz cuadrada de un número

negativo. (Ver nota.) Así que, en la barra de fórmulas, borre el - (menos) y pulse
Intro.

5. La celda G8 muestra ahora el valor 4 en lugar del error NUM,

¡resolviendo así otro error más!

Nota: En matemáticas, es posible sacar la raíz cuadrada de un número negativo, ya

que el resultado no es un número real; se considera imaginario. Eso está fuera del
alcance de este curso, pero sepa que las aplicaciones de hojas de cálculo
proporcionarán errores NUM cuando se cumplan ciertas condiciones matemáticas.

Error REF: El error REF se produce cuando las celdas a las que se hace referencia
en una fórmula han sido eliminadas, haciendo que la fórmula no pueda realizar el
cálculo.

1. ¡Localice la celda de referencia que contiene el mensaje de error #REF!

2. Seleccione la celda con el error REF.
3. Seleccione la celda G9 y compruebe la fórmula para averiguar qué celdas de
referencia se han borrado o modificado.
 4. En este caso, actualice las celdas de referencia borrando la expresión
en la barra de fórmulas y escribiendo =B2+B3, después pulse Intro.

5. El valor de la celda G9 muestra ahora 150-¡ya nohay error REF!

¡Nota: Cuando tenga una celda o columna referenciada, y luego borre la columna, a
veces recibirá el error #REF! Asegurarse de que las celdas de sus funciones son
correctas es crucial para un analista de datos, ya que las modificaciones en las
hojas de cálculo pueden hacer que sus cálculos produzcan errores o se vuelvan
incorrectos.