Ejemplo de toma de decisiones

1.-BI tradicional vs moderno: Tradicional = depende de TI. Moderno = autoservicio y análisis flexible

2.-Democratización de datos: Acceso a datos para todos → mejores decisiones

3.-Ciclo del análisis: Acceder → descubrir → explorar → compartir → repetir

4.-Inteligencia Comercial: Convierte datos del mercado en conocimiento útil para el negocio

5.-CDO: Responsable de gobernanza, seguridad y uso estratégico de los datos

6.-Microservicios: Servicios independientes → mayor escalabilidad y actualizaciones fáciles

7.-BI vs BA: BI = descriptivo. BA = BI + predictivo + prescriptivo

8.-Transparencia algorítmica: Explicar cómo la IA toma decisiones

9.-Cloud Computing: Acceso a infraestructura BI mediante pago por uso, sin grandes inversiones

10.-Infoxicación: Exceso de información → BI filtra y organiza lo importante

11.-5 Vs: Volumen, Velocidad, Variedad, Veracidad y Valor

12.-Data Warehouse vs Data Lake: Warehouse = estructurado. Lake = datos brutos y variados

13.-Data Lakehouse: Combina Warehouse + Lake

14.-Veracidad: Fiabilidad, integridad y calidad de los datos

15.-Data Mart: Subconjunto de datos para un área específica

16.-MapReduce: Map = procesa/divide. Reduce = une resultados

17.-NoSQL: Flexible, rápida y escalable para datos no estructurados

18.-Edge AI: Analiza datos cerca de donde se generan → menor latencia

19.-Data Pipeline: Ingresa, transforma y transporta datos

20.-Anonimización: Elimina identificadores para proteger la privacidad

21.-Batch vs Streaming: Batch = grupos acumulados. Streaming = tiempo real

22.-Data Mesh: Propiedad de datos descentralizada por áreas/dominios

23.-JSON: Formato ligero para intercambiar datos estructurados y semiestructurados

24.-GIGO: Garbage In, Garbage Out → datos malos = resultados malos

25.-Enmascaramiento: Oculta datos sensibles usando datos ficticios

26.-ETL: Extract → Transform → Load

27.-Limpieza de datos: Corregir errores, faltantes y duplicados

28.-Modelado conceptual: Define entidades, relaciones y reglas del negocio

29.-Integridad Referencial: Desactivarla acelera cargas, pero ETL debe validar consistencia

30.-Metadato: Información que describe el origen, estructura y significado de los datos

31.-Regla 80/20 ETL: 80% transformación, 20% extracción y carga

32.-Granularidad: Nivel de detalle de los datos

33.-Profiling: Examinar datos para conocer estructura y calidad antes de integrarlos

34.-Staging: Área temporal para limpiar y transformar datos

35.-Overfitting: El modelo memoriza datos de entrenamiento y falla con datos nuevos

36.-Descriptiva: ¿Qué pasó? → analiza el pasado

37.-Diagnóstica: ¿Por qué pasó? → busca causas

38.-Predictiva: ¿Qué pasará? → pronostica el futuro

39.-Prescriptiva: ¿Qué debemos hacer? → recomienda acciones

40.-Regresión lineal: Relaciona variables para predecir valores continuos

41.-Clustering: Agrupa clientes similares sin etiquetas previas

42.-Análisis de sentimiento: Detecta opiniones positivas, negativas o neutras

43.-Series temporales: Analizan datos históricos para predecir demanda futura

44.-Árboles de decisión: Representan decisiones mediante ramas y consecuencias

45.-Monte Carló: Miles de escenarios aleatorios para evaluar riesgos

46.-KPI: Indicador que mide el desempeño frente a objetivos

47.-SMART: Específico, Medible, Alcanzable, Relevante y a Tiempo

48.-Storytelling: Narrativa con datos para impulsar una acción

49.-Dashboard: Visual, interactivo y puede mostrar datos en tiempo real

50.-Roí: (Beneficio obtenido − Inversión) / Inversión

51.-Beneficio intangible: Agilidad, reputación y mejora de equipos

52.-Churn Rate: Tasa de pérdida o abandono de clientes

53.-Cesta de compra: Identifica productos que se compran juntos

54.-BI y productividad: La guía señala un aumento de 5%–6%

55.-What-if: Analiza qué ocurre al cambiar variables

56.-Derechos ARCO: Acceso, Rectificación, Cancelación y Oposición

57.-Gobernanza de datos: Políticas para datos precisos, seguros, coherentes y confiables

58.-Inyección de prompts: Manipular instrucciones para que la IA ignore reglas o revele información

59.-Divulgación sensible en LLM: Revelación de datos privados o secretos comerciales

60.-Data Literacy: Capacidad de entender y utilizar datos correctamente