Podcast sobre Análisis Exploratorio de Datos (EDA)

Kapitoly

¿Qué es el AED?

El Ciclo Iterativo

Variación y Covariación

Visualizando Variables Categóricas

Resumen y Cierre

Přepis

Álvaro: Hay un concepto que confunde al ochenta por ciento de los estudiantes de ciencia de datos, y es el punto de partida de cualquier análisis serio. Hoy vamos a desvelar qué es el Análisis Exploratorio de Datos, y te daremos un método para que nunca más te equivoques al aplicarlo.

Elena: ¡Exacto! Y cuando termines de escuchar, sabrás exactamente por dónde empezar cada vez que te enfrentes a un nuevo conjunto de datos. Es como tener un mapa antes de entrar en un bosque desconocido.

Álvaro: Estás escuchando Studyfi Podcast.

Elena: Muy bien, Álvaro, empecemos por el principio. El Análisis Exploratorio de Datos, o AED, suena súper técnico, ¿verdad?

Álvaro: Totalmente. Suena a algo que harías con una bata de laboratorio y gafas de seguridad.

Elena: ¡Para nada! Piensa en ello de esta manera... Eres un detective y los datos son la escena del crimen. Antes de acusar a nadie, ¿qué haces?

Álvaro: Uhm... ¿buscar pistas? ¿Interrogar a los testigos? Ver qué encaja y qué no.

Elena: ¡Bingo! Eso es el AED. Es el proceso de "interrogar" a tus datos. Usas visualizaciones y transformaciones para entenderlos a fondo. No buscas una respuesta final, sino desarrollar una intuición sobre lo que tienes entre manos.

Álvaro: O sea, es más un proceso de descubrimiento que de prueba. Me gusta eso.

Elena: Exacto. Y no es un proceso lineal. Es un ciclo. Un ciclo iterativo muy simple, en realidad. Primero, generas preguntas sobre tus datos.

Álvaro: ¿Preguntas como cuáles?

Elena: Pueden ser muy sencillas al principio. Como... ¿cuántos coches de cada país hay en mi base de datos? O, ¿cuál es el rango de precios?

Álvaro: De acuerdo, preguntas básicas. ¿Qué sigue?

Elena: Luego, buscas las respuestas visualizando, transformando y modelando tus datos. Haces un gráfico, calculas un promedio... lo que sea necesario para responder a tu pregunta.

Álvaro: Y supongo que la respuesta te lleva a más preguntas...

Elena: ¡Ahí está la clave! Usas lo que has aprendido para refinar tus preguntas o generar nuevas. Por ejemplo, si descubres que hay muchos más coches de Asia, tu siguiente pregunta podría ser: ¿son más caros o más baratos que los europeos?

Álvaro: Es como una conversación con los datos. Preguntas algo, te responden, y esa respuesta te da pie a la siguiente pregunta. Suena menos intimidante así.

Elena: Totalmente. El AED no tiene reglas estrictas, pero hay dos preguntas que son tus mejores amigas para empezar.

Álvaro: ¿Dos preguntas que siempre funcionan? Eso suena a un truco que quiero saber.

Elena: Es el truco maestro del AED. La primera pregunta es: ¿Qué tipo de **variación** existe dentro de cada una de mis variables?

Álvaro: ¿Variación? ¿Te refieres a cómo cambian los valores?

Elena: Exactamente. Si mides algo dos veces, casi siempre obtendrás resultados ligeramente diferentes. Eso es variación. Con las variables categóricas, como el color de ojos, la variación es ver los diferentes colores que aparecen en tu grupo.

Álvaro: Entendido. ¿Y la segunda pregunta?

Elena: La segunda es: ¿Qué tipo de **covariación** ocurre entre mis diferentes variables? Es decir, ¿cómo varían juntas?

Álvaro: Ah, aquí es donde buscamos relaciones. Por ejemplo, ¿los coches más pesados tienden a consumir más combustible? ¿O los de cierta procedencia tienen mejor rendimiento?

Elena: ¡Precisamente! La variación te ayuda a entender cada pieza del puzzle por separado. La covariación te ayuda a ver cómo encajan esas piezas para formar una imagen completa. Esas dos preguntas guían toda tu exploración.

Álvaro: Muy bien, pongámonos prácticos. Digamos que tenemos una variable categórica, como la procedencia de un coche: Asia, Europa o EE.UU. ¿Cómo empezamos a visualizar su distribución?

Elena: Buena pregunta. El objetivo es ver qué valores posibles tiene la variable y con qué frecuencia aparece cada uno. Para variables categóricas, lo más sencillo y común es un gráfico de barras.

Álvaro: El clásico gráfico de barras. Fácil de entender.

Elena: Así es. En el eje horizontal pones las categorías —Asia, Europa, EE.UU.— y la altura de cada barra representa cuántos coches hay de cada región. Es súper intuitivo.

Álvaro: He visto que a veces se usan gráficos de torta o de sectores para esto. ¿Son una buena idea?

Elena: Mira, se pueden usar, pero la mayoría de los expertos en visualización de datos te dirán que los evites. Es un pequeño secreto a voces.

Álvaro: ¿En serio? ¿Por qué tanto odio al gráfico de torta?

Elena: Porque nuestro cerebro no es muy bueno comparando ángulos. Es mucho más fácil comparar la altura de dos barras que el tamaño de dos porciones de una torta, especialmente si son parecidas. Un gráfico de barras casi siempre es más claro.

Álvaro: Anotado. Adiós, gráficos de torta; hola, gráficos de barras. ¿Y qué hay de las medidas de resumen?

Elena: Para las variables categóricas, la principal es la **moda**. Simplemente es la categoría que más se repite.

Álvaro: Siguiendo el ejemplo, si la barra de "Asia" es la más alta, ¿la moda es "Asia"?

Elena: ¡Correcto! La moda te dice cuál es la categoría más frecuente. Es un resumen súper rápido y útil. En nuestro ejemplo, significaría que la mayoría de los modelos de autos en nuestros datos provienen de Asia.

Álvaro: Perfecto. Entonces, para recapitular lo que hemos visto hoy.

Elena: ¡Vamos a ello!

Álvaro: El Análisis Exploratorio de Datos, o AED, no es una fórmula rígida, sino un ciclo de hacer preguntas, buscar respuestas con gráficos y resúmenes, y usar esas respuestas para hacer preguntas aún mejores.

Elena: Exacto. Es ser un detective de datos. Y tus dos herramientas principales para guiar la investigación son las preguntas sobre la **variación** de cada variable y la **covariación** entre ellas.

Álvaro: Para las variables categóricas, nuestro mejor amigo es el gráfico de barras para visualizar la distribución, y la moda para resumirla en una sola palabra.

Elena: Y por favor, ¡mantente alejado de los gráficos de torta si quieres que tus visualizaciones sean claras!

Álvaro: Prometido. Creo que con esto, ese ochenta por ciento de estudiantes ya tiene una ventaja enorme. Elena, muchísimas gracias por desmitificar este concepto.

Elena: Ha sido un placer, Álvaro. ¡A explorar esos datos sin miedo!

Álvaro: Y a todos los que nos escuchan, gracias por acompañarnos. ¡Nos oímos en el próximo episodio de Studyfi Podcast!