Resumen
Los datos son el insumo básico para el análisis de datos. La mínima unidad de información, la materia prima a partir de la cual se produce conocimiento y se pueden tomar acciones basadas en evidencia con cierto grado medible de incertidumbre.
Es adecuado pensar a un dato como aquello que puede colocarse dentro de una celda (de una planilla); esto es, un número, una letra, una palabra, un verdadero o falso. El hecho de considerar a algo como un dato dependerá del análisis mismo, porque ese dato surgirá como resultado del entrecruzamiento de 2 conceptos sumamente importantes: la unidad de análisis y la variable.
La unidad de análisis es el objeto o sujeto sobre el cual se lleva adelante el análisis. La variable es la característica de interés de ese objeto o sujeto, sobre la cual se observará o medirá un dato. La primera suele identificarse como cada una de las filas (de una planilla), la segunda como las columnas (ver tabla); aunque no siempre tiene por qué ser así. Entonces, la secuencia inicial de cualquier análisis de datos será identificar la unidad de análisis, la o las variables de estudio y obtener de estas variables uno o más datos.
| variable 1 | variable 2 | variable 3 | |
|---|---|---|---|
| unidad 1 | dato | dato | dato |
| unidad 2 | dato | dato | dato |
| unidad 3 | dato | dato | dato |
Las variables pueden ser de 2 tipos: cuantitativas o cualitativas. Las primeras, asimismo, pueden ser continuas o discretas, y las segundas, ordinales o nominales. Lo importante de reconocer qué tipo de variable se tiene a mano está en el hecho de anticipar las técnicas y limitaciones o no para cada caso. Las variables más flexibles y potentes son las cuantitativas continuas porque las mismas pueden discretizarse, ordenarse o transformarse en cualitativas, no así al revés.
Por otra parte, la clasificación de variables puede implicar no solo su tipo, sino también si es resultado o no de un proceso aleatorio. Es decir, si es producto del azar en algún punto de su obtención. Esto traerá aparejado un cambio completo en el modo de analizar a la variable, así como también de las conclusiones que pueden extraerse.
Recapitulando, como analista de datos, es sumamente importante participar o tener conocimiento pleno en la definición exhaustiva de la unidad de análisis, del reconocimiento de las variables y de la obtención y organización de los datos, ya que estos 3 puntos son la base sobre la cual se construye por completo cualquier análisis.
Para profundizar
- Los datos. Aguirre, Niño y Simonetti, Estadística aplicada en las ciencias sociales y humanas, pág. 13 a 15.
- Las variables. Aguirre, Niño y Simonetti, Estadística aplicada en las ciencias sociales y humanas, pág. 15 a 17.
- La primera organización de los datos: la matriz de datos. Aguirre, Niño y Simonetti, Estadística aplicada en las ciencias sociales y humanas, pág. 25 a 27.
- Tidy Data. Hadley Wickham, Journal of Statistical Software, secciones 1, 2 y 3.
- Tipos de variables. Lind, Marchal y Wathen, Estadística aplicada a los negocios y la economía (15.ª ed.), pág. 8 y 9.
- Variables aleatorias. Lind, Marchal y Wathen, Estadística aplicada a los negocios y la economía (15.ª ed.), pág. 189 y 190.
- Types of Data. STAT 414: Introduction to Probability Theory, Penn State, lección 1.4.
- El concepto de variable aleatoria. Canavos, Probabilidad y estadística. Aplicaciones y métodos, pág. 52 y 53.