etapas proyecto Busines Analytics

01

COMPRENDER EL NEGOCIO

Primero tenemos que identificar, analizar y comprender el problema que se quiere solucionar y traducirlo a un problema analitico. Para ellos identificaremos el problema y fijaremos los objetivos.

02

COMPRENDER LOS DATOS

En esta fase es necesario identificar las fuentes de datos, su disponiblidad , la relación entre ellas  y elaborar un datamap y los procesos para su captura y posterior almacenamiento.Es importante no enfocarse en los datos disponibles sino los datos necesarios para abordar nuestro problema analítico.

03

TRATAMIENTO DE LOS DATOS

En esta fase se realiza la preparación de lo datos, desde de la captura, almacenamiento y preparación de los mismos. Para ellos distinguiremos las fases de adquisición y registro de las diferentes fuentes, la exploración y analisis de variables, la calidad del dato y limpieza. El objetivo de esta etapa es la de asegurar que se disponen de datos de calidad que nos permitan extraer el conocimiento.

04

REALIZAR LA MODELIZACION

Esta fase se centra en construcción del modelo a partir del conjunto de datos ya preparados en al fase anterior, para ello se producirán  la elección de diferentes algoritmos , se realizara  el entrenamiento  de los  modelos y se producirá  la evaluación de los mismos con el conjunto de validación mediante  la elección de las métricas adecuadas, para elegir un modelo que evaluaremos con el conjunto de datos del test.

05

COMUNICACION RESULTADOS

Una vez que ya disponemos del modelo, tenemos que abordar la fase de trasladar el conocimiento adquirido al resto de la organización implicada, mediante informes, dashboard, infografias u otras técnicas de visualización. Esta fase es clave ya que se produce el traslado del conocimiento al resto de la organización.

06

DESPLIEGUE EN PRODUCCION

En esta fase se centra en el despliegue en producción del modelo construído en el entorno analíticos, para ello es necesario ver como se integra con la arquitectura y las aplicaciones existentes. Asegurando el mantenimiento de los modelos con todas sus librerías utilizadas así como los datos ya preparados.

07

PUESTA EN VALOR

Por último es necesario el integrar el modelo desarrollado en las operaciones ya sea por que el conocimiento generado por el modelo esté disponible en los sistemas de toma de decisiones, en campañas periódicas o decisiones autonomas. Esta puesta en valor permitirá a las organizaciones introducir en sus operaciones el conocimeto de los datos.