Análisis de Datos (Básico)

Actividades a realizar: 

• Identificación de los datos de la pyme que mejore el entendimiento de la información disponible.
• Analizar las distintas opciones de herramientas de inteligencia artificial para explotar y visualizar los datos, recomendando la que mejor se adapte a la situación actual de la empresa y la inversión necesaria para su adopción.
• Establecer información de valor a partir del tratado de datos con algoritmos de inteligencia artificial.
• Asesoramiento específico sobre la explotación de los datos a través de la herramienta elegida.
• Opcionalmente, asesoramiento sobre los procesos de gobierno, gestión y gestión de calidad del dato de acuerdo con las especificaciones UNE 0077 «Gobierno del dato», UNE 0078 «Gestión del Dato» y UNE 0079 «Gestión de la calidad del dato».
• Desarrollo y ejecución de un caso de uso adaptado al negocio en análisis de datos (nivel básico).
• Identificación de oportunidades o posibles usos de la IA en el ámbito del análisis de datos.

Diagnóstico inicial o situación actual de la empresa beneficiaria en cuanto al uso e implementación de la inteligencia artificial en sus operaciones.

Identificación de Bases de Datos: Dossier en formato digital (Word, PowerPoint, Pdf) con el inventario exhaustivo de las fuentes de datos de la pyme. Para cada fuente de datos, se proporcionará:

• Ubicación: Precisar su ubicación (servidores locales, externos, en la nube, etc).
• Tipo de datos almacenados: Naturaleza de los datos (datos de cliente, producto, ventas, etc.) y la extensión de los datos (xls, xlsb, csv, etc). 
• Volumen de datos: Indicar el número de registros y almacenamiento utilizado.
• Frecuencia de actualización: Periodicidad (o no) de las actualizaciones.
• Orden de relevancia: Evaluar si la fuente es crítica, importante o secundaria.

Definición de Políticas y procedimientos de calidad: gobierno del dato que incluya:

• Estandarización de formatos: Definición de formatos estándar para los datos como fechas, direcciones, números de teléfono, etc.
• Limpieza: Identificación de posibles errores de entrada de datos, como datos duplicados o incorrectos. Se proporcionarán ejemplos de técnicas para tratar estos casos de manera eficiente y precisa.
• Coherencia: Definición de mecanismos de control de calidad.
• Estructuración de datos: Establecer el uso de estándares de modelado de datos, como el modelo entidad-relación (MER).
• Privacidad de los datos: Explicar la importancia del cumplimiento de la normativa legal vigente en el gobierno del dato, como el RGPD.

Análisis de herramientas de visualización de datos:

• Dosier con análisis de mercado de herramientas disponibles basado en 4 ejes:
  • Facilidad de uso en términos de interfaz de usuario intuitiva y personalizable.
  • Capacidad de visualización para generar gráficos efectivos y atractivos que permitan comprender los datos de manera clara y precisa. 
  • Compatibilidad con los sistemas existentes en la pyme (si los hubiera anteriormente).
  • Evaluación del coste económico, considerando tanto el coste inicial como los posibles costes continuos de mantenimiento.
• En base al análisis de mercado, se proporcionarán recomendaciones de las herramientas que mejor se adapten a la empresa, destacándose específicamente las razones específicas de dichas recomendaciones.

Caso de Uso: Definición de KPIs de negocio o de áreas de soporte (RRHH, económico, etc)