Lleva un proyecto de análisis de datos desde la decisión a mejorar hasta su uso real

## Avanza por etapas y vuelve atrás si una suposición resulta falsa Organice el proyecto como un ciclo de vida conectado, no como una secuencia rígida. Avance por la comprensión de la decisión, la comprensión de los datos, la preparación de los datos, el modelado, la evaluación y el despliegue, pero vuelva a fases anteriores cuando las pruebas invaliden una premisa o revelen un nuevo requisito. Defina un resultado esperado y un punto de revisión para cada fase. Registre las entradas, decisiones, hallazgos, preguntas sin resolver y motivos para avanzar o retroceder. El ciclo puede dar distinta importancia a cada fase según el problema, pero no ignore cuestiones posteriores solo porque una fase parezca menos importante. Mantenga visible el problema de decisión durante todo el proyecto. La actividad analítica solo es útil si mejora una decisión, un proceso, un producto o un resultado medible. ## Convierte la decisión a mejorar en preguntas de análisis y un plan Comience describiendo el contexto de la decisión, el resultado deseado, el proceso actual, las partes interesadas y el valor esperado del trabajo. Defina criterios de éxito medibles desde las perspectivas de decisión y analítica; manténgalos separados para que el rendimiento técnico no sustituya silenciosamente al valor real. Haga inventario de las personas, datos, herramientas, tiempo, presupuesto y conocimientos especializados disponibles. Documente requisitos, premisas, restricciones legales u operativas, terminología, riesgos, contingencias, costes y beneficios previstos. Convierta el objetivo de decisión en preguntas analíticas, resultados previstos y criterios de aceptación. Elabore un plan del proyecto con fases, dependencias, recursos, hitos, puntos de revisión y técnicas candidatas. Revise el plan cuando pruebas posteriores cambien la comprensión inicial. ## Explora los datos y comprueba si pueden responder la pregunta Recopile un conjunto inicial y representativo de datos, y documente sus fuentes, propiedad, condiciones de adquisición, cobertura temporal y limitaciones conocidas. Describa el número de registros, campos, tipos, intervalos, distribuciones, relaciones y metadatos importantes antes de extraer conclusiones. Explore los datos para comprobar hipótesis iniciales, revelar patrones inesperados e identificar campos prometedores o irrelevantes. Distinga las observaciones de las interpretaciones y vincule cada conclusión con los datos y el método que la respaldan. Verifique la integridad, validez, coherencia, unicidad, vigencia y adecuación para la decisión prevista. Registre los valores ausentes, errores, ruido, riesgos de sesgo y carencias de recopilación en un informe de calidad de datos. Si los datos no pueden sustentar el objetivo, vuelva al objetivo, al plan de recopilación o al alcance del proyecto en vez de forzar un modelo. ## Limpia y combina los datos y anota cada cambio Seleccione registros y campos según su relevancia, calidad, restricciones técnicas y el diseño de evaluación previsto. Explique por qué se incluyen o excluyen datos para que los revisores posteriores puedan reproducir la población analizada. Corrija errores y valores ausentes mediante reglas explícitas. Construya atributos derivados solo cuando estén documentados su significado y cálculo. Integre las fuentes con claves y granularidad verificadas y, después, dé al resultado el formato requerido por los métodos elegidos sin alterar el significado previsto. Mantenga un registro de transformación que incluya versiones de las fuentes, reglas de selección, acciones de limpieza, campos derivados, uniones, formato y calidad resultante. Vuelva a la comprensión de los datos cuando la preparación revele anomalías o cambie la interpretación de campos importantes. ## Elige modelos y define una prueba justa antes de construirlos Elija las técnicas según el objetivo analítico, las características de los datos, las premisas, las necesidades de interpretabilidad, las restricciones operativas y los criterios de éxito. Documente por qué es apropiado cada método candidato y qué condiciones lo invalidarían. Diseñe la evaluación antes de ajustar los modelos. Defina particiones de entrenamiento y prueba, referencias de comparación, métricas, reglas de muestreo y procedimientos que impidan que los datos de evaluación influyan en la construcción del modelo. Utilice el mismo diseño al comparar métodos candidatos. Construya varios candidatos justificados cuando la incertidumbre requiera una comparación. Registre las versiones de los datos, características, parámetros, premisas, condiciones de ejecución y resultados de cada ejecución. Evalúe la calidad del modelo con los criterios técnicos predefinidos e investigue los fallos, en lugar de elegir un resultado solo porque tenga la clasificación más alta. ## Juzga los resultados por si ayudan a decidir, no solo por su puntuación Revise los resultados analíticos según los criterios técnicos y los criterios originales de éxito de la decisión. Confirme que los hallazgos sean suficientemente exactos, pertinentes para el problema planteado, comprensibles para las partes interesadas y viables dentro de las restricciones operativas. Audite todo el proceso para detectar requisitos omitidos, premisas débiles, limitaciones de los datos, vías sin salida, resultados sorprendentes y decisiones alternativas. Regrese a fases anteriores cuando las pruebas sean insuficientes; la iteración es esperable y debe documentarse, no ocultarse. Elija explícitamente el siguiente paso: avanzar al despliegue, perfeccionar el método actual, sustituirlo, recopilar mejores datos o detenerse. Documente las pruebas que sustentan la decisión. Un resultado técnicamente sólido no debe avanzar si no resuelve el objetivo de decisión. ## Pon los resultados en uso y vigila si pierden precisión El despliegue puede consistir en integrar un modelo en un sistema operativo o en comunicar hallazgos para que las personas cambien una decisión o un proceso. Para cada resultado, identifique el público, responsable, método de entrega, dependencias, pasos de implementación, requisitos técnicos y plan de contingencia. Defina la supervisión antes de la puesta en marcha. Especifique los factores que se controlarán, las medidas de validez y exactitud, la frecuencia de los informes, los umbrales de alerta y las condiciones que indiquen deriva, caducidad o pérdida de utilidad. Decida de antemano si cada condición exige recalibrar, reconstruir, sustituir o iniciar un proyecto nuevo. Coordínese con quienes operan los sistemas, mantienen los datos, toman decisiones y reciben el impacto del resultado. Automatice la supervisión rutinaria cuando sea práctico, pero conserve la revisión humana para juicios que dependan del contexto o de compensaciones aceptables. ## Escribe un registro final y guarda lo aprendido para el próximo proyecto Genere un registro final que cubra el problema original, los criterios de éxito, métodos, costes, desviaciones del plan, limitaciones de los datos, resultados, método de despliegue, plan de supervisión y trabajo posterior recomendado. Adapte el nivel de explicación a cada público sin alterar las pruebas subyacentes. Revise en cada fase el valor aportado, el trabajo evitable, los fallos, las vías sin salida, las sorpresas y las mejores alternativas. Cuando sea posible, recopile comentarios de los participantes del proyecto y de las personas afectadas por el resultado desplegado. Conserve las decisiones, informes, transformaciones reutilizables, diseños de evaluación y lecciones en una forma que futuros proyectos puedan encontrar y comprender. Juzgue el proyecto no solo por la calidad del modelo, sino también por si generó el beneficio previsto y mejoró la capacidad de la organización para realizar el análisis siguiente.