Ciencia de Datos en la Plataforma en la Nube de Google, 2ª Edición

Capítulo 3. Crear cuadros de mando convincentes

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

En el Capítulo 2, ingerimos datos de puntualidad de la Oficina de Estadísticas de Transporte (BTS) de EE.UU. para poder modelizar el retraso en la llegada en función de diversos atributos de un vuelo de línea aérea: el objetivo del análisis es cancelar una reunión si la probabilidad de que el vuelo llegue dentro de los 15 minutos de la hora de llegada prevista es inferior al 70%.

Antes de adentrarnos en la construcción de modelos estadísticos y de aprendizaje automático, es importante explorar el conjunto de datos y obtener una comprensión intuitiva de los mismos; esto se denominaanálisis exploratorio de datos , y se trata con más detalle en el Capítulo 5. Siempre debes realizar un análisis exploratorio de datos para cualquier conjunto de datos que vaya a utilizarse como base para la toma de decisiones. En este capítulo, sin embargo, hablo de un aspecto diferente de la representación de los datos: la representación de los datos para los usuarios finales y los responsables de la toma de decisiones, de modo que puedan comprender la recomendación que estás haciendo. El público de estas representaciones visuales, llamadas cuadros de mando, de las que hablamos en este capítulo no son otros científicos de datos, sino los usuarios finales. Ten en cuenta la audiencia a medida que avancemos en este capítulo, sobre todo si procedes ...