Publicado el Deja un comentario

Buenas Prácticas en Informes con Excel: Gráficas y Tablas Dinámicas

Los informes que se presentan en Excel deben ser cuidadosamente pensados, para que cumplan al menos el 50% de la expectativa de los usuarios que los van a revisar. Es común que como analistas cometamos ciertos errores en la presentación, ya sea por inexperiencia o porque nuestra formación en Excel solo haya sido superficial. En todo caso no es excusa para que no trates de mejorar constantemente tus habilidades. El mandamiento de la era digital es que debes estar dispuesto al cambio y aceptar nuevas realidades a cada momento.

Para que tengas un mejor enfoque, en este post hablaremos de las prácticas que harán que tus gráficos y tablas dinámicas se complementen y sean visualmente más atractivas.

A lo largo de tu vida laboral te encontraras con una variedad de desafíos que te ayudaran a afinar tus habilidades, te planteo algunos de esos consejos que me han ayudado a mejorar:

Cuánta información mostrar      

Mal

No lo muestres todo en una tabla ni tampoco en una sola gráfica: es muy fastidioso ver informes excesivamente cargados de datos, con gráficos amontonados y tratando de mostrar demasiadas categorías de una sola vez.

En el siguiente ejemplo de gráfico de la parte superior. Datos redundantes, gráfico saturado y confuso, el usuario tardara al menos dos o tres explicaciones en entender cuál fue tu objetivo con ese reporte.

Bien

Resume los datos para el gráfico: si vas a mostrar datos históricos usa un gráfico de barras para mostrar los años, y una tabla con valores acumulados para mostrar los colores. Mira la diferencia en el gráfico y tabla de la parte inferior. Si lo necesitas no dudes usar una segmentación para que apoye el argumento de tus análisis.

BDD entrenamiento Contoso

Formato estándar vs Personalizado

Mal

No exageres con los colores, ni uses texturas en gráficos. Sé que muchos no tenemos la habilidad de combinar colores (es toda una ciencia créeme) y esta limitante puede jugarnos malas pasadas en ocasiones. En el siguiente gráfico de pastel, alguien estuvo inspirado.

Bien

Ten en cuenta que los colores estándar que ofrecen los estilos en ocasiones no reflejan los colores corporativos, y tus informes serán más atractivos si en lo posible muestras que te sientes orgulloso de tu trabajo, usando los colores de tu organización. Nada más no exageres. Mira el ejemplo de la parte inferior de la imagen

Tabla dinámica y referencias a celda juntas

Mal

Mostrar un informe que combina mitad tabla dinámica y mitad referencias de celda, es una pésima idea, te lo ruego no lo hagas. En primer lugar demuestra tu falta de conocimiento en herramientas de Excel, y por otra parte da a entender que fue un trabajo apresurado y sin suficiente dedicación. Si parece una buena idea al principio, pero se puede tornar en un problema gordo al momento de evaluar los datos.

Bien

Si tus datos conectan varias tablas, demuestra tu profesionalismo creando un modelo de datos con la ayuda de Power Pivot, esta herramienta viene integrada en Excel desde la versión 2013, mostrar un solo formato en tu reporte, que sea dinámico y comprensible es lo que debes buscar.

También Considera:

  1. Realizar un listado de preguntas y respuestas que tu informe ayudara  analizar, pro ejemplo: Le valor de ventas más importante se concentra en ‘país, ciudad’; el cliente que más compras ha realizado es ‘cliente1’; los productos de color ‘color1’ son los preferidos en ‘ciudad’; etc..
  2. Si el reporte es para gerencia, recuerda quitar los decimales de la tabla dinámica, cuando proyectas las tablas las cifras de miles y decimales suelen resultar un poco confusas.
  3. Recuerda usar colores corporativos, pero mientras desarrollas tu informe ten en mente como se vera proyectado en una pantalla, los colores fuertes contrastados con colores blancos de fuente suelen ser muy favorables, no uses amarillos ni tonos débiles de color de fondo de tablas.
  4. Recuerda validar, validar, y nuevamente validar tus datos, recuerda que los resúmenes deberían estar conciliados con los valores a nivel de SKU, para que no existan diferencias en la información. Te han confiado un reporte, nadie lo revisará previamente, nadie te dirá que existe o no un error antes de reunión de revisión (seamos sinceros ya no estás en la universidad), es mejor tardar un poco más en el análisis y conciliación antes que descubrir un error en plena revisión con muchas más personas.

Si te gusto este post, puedes suscribirte a nuestro portal y recibirás de primera mano información actualizada de tecnología y análisis de datos.

Eres más consciente que antes de lo que es importante y lo que es trivial. ¡Vale la pena esperar al futuro! – H.D. Thoreau

Publicado el Deja un comentario

Las mejores técnicas de visualización de datos para small y large data

La visualización de datos es usada en muchas áreas para modelar eventos complejos y visualizar fenómenos que no pueden ser observados directamente, tales como patrones de clima, condiciones medicas o relaciones matemáticas. En este post podrás conocer sobre herramientas y técnicas básicas de visualización.

Traducción del articulo: Best Data Visualization Techniques for small and large data

Los investigadores están de acuerdo que la visión es el sentido mas importante: 80-85% de la información que percibimos o que aprendemos es mediante la visión. Ese porcentaje incluso se puede elevar si tratamos de entender o interpretar datos, cuando buscamos relaciones entre una cantidad de cientos o miles de variables para determinar su importancia relativa. Una de las formas efectivas de encontrar relaciones importantes, es por medio del análisis avanzado y la simpleza de la representación gráfica.

La visualización de datos es aplicable prácticamente en todas las ramas del conocimiento. Los científicos de varias disciplinas usan técnicas de computación para modelar eventos complejos y visualizar fenómenos que no pueden ser observados directamente, como los patrones de clima, condiciones médicas, o relaciones matemáticas.

La visualización de datos provee una caja de herramientas y técnicas para tener un entendimiento cualitativo. Las técnicas básicas enfocadas en uso de gráficos se pueden resumir en lo siguiente:

Line Plot

La más simple de las técnicas, una gráfica de líneas (line plot) es usada para relación de campos o para representar la relación entre dos variables (x,y). Para una gráfica de relación entre dos variables, podemos simplemente utilizar la técnica de line plot.

Fuente del Gráfico: https://www.kdnuggets.com/

Gráficos de Barras (Bar Chart)

El gráfico de barras es usado para comparar los valores cuantitativos de diferentes categorías o grupos. Los valores de la categoría son representados con la ayuda de barras y pueden tener una orientación horizontal o vertical, y dependiendo del enfoque las barras pueden tomar una altura o grosor de acuerdo a los valores.

Gráfico de pastel y Gráfico de anillo (Pie and Donut Charts)

Hay mucho debate sobre el valor que aportan los gráficos de pastel y gráficos de anillo. Como regla hay usos de estos gráficos para comparar partes de un todo, son muy efectivos cuando solo hay un limitado numero de componentes a comparar añadiendo el porcentaje de participación y las leyendas que describen los datos fácilmente consigues un gráfico circular. Sin embargo, estos gráficos pueden ser difíciles de interpretar porque el ojo humano tarda un poco en estimar las áreas y los ángulos que se están comparando.

Fuente del Gráfico: https://www.kdnuggets.com/

Histograma (Histogram Plot)

Un histograma, representa la distribución de variables continuas sobre un intervalo o periodo de tiempo, es una técnicas de visualización de datos muy utilizada en machine learning. Este tipo de gráfico divide los datos en intervalos llamados ‘bins’, en español sería contenedores. Nos ayudan a inspeccionar la distribución de frecuencias subyacentes, los valores atípicos, la simetría, etc.

Fuente del Gráfico: https://www.kdnuggets.com/

Gráfico de dispersión (Sacatter Plot)

Otra de las técnicas de visualización más comunes es el grafico de dispersión, es un diagrama bidimensional que representa la variación conjunta de dos variables. Cada marcador (símbolo como punto, cuadrados y signos de más) representan una observación. La posición del marcador indica el valor de cada observación, cuando se incluye más de dos medidas obtenemos una matriz que representada por una serie de diagramas de dispersión que muestran cada posible emparejamiento de las medidas asignadas a la visualización. Los diagramas de dispersión de utilizan para examinar la relación o correlación entre las variables X e Y.

Fuente del Gráfico: https://www.kdnuggets.com/

Visualización de Big Data

Hoy, cada organización recolecta datos a cada minuto. Esa gigantesca cantidad de datos es conocida como Big Data, conjuntamente ha traído nuevos desafíos en la visualización a causa de la velocidad, tamaño y diversidad de la información que se debe tomar en cuenta a la hora de realizar el análisis. El volumen, variedad y velocidad a la que se generan los datos en la organización los ha llevado a salir de su zona de confort tecnológica, haciendo necesario adoptar modelos de inteligencia de negocios para tomar decisiones efectivas. Las nuevas y más sofisticadas técnicas de visualización de datos, se fundamentan en las técnicas básicas de análisis de datos, tienen en cuenta no solo la cardinalidad, sino también la estructura y origen de los datos.

Cajas o Gráficos de bigote (Box and Whisker Plot for Large Data)

Un diagrama de caja o gráfico de bigote muestra la distribución de una gran cantidad de datos para verificar fácilmente valores atípicos. En esencia es la representación gráfica de cinco estadísticos ( mínimo, cuartil inferior, mediana, cuartil superior y máximo) que resumen la distribución de un conjunto de datos. El cuartil inferior (percentil 25) está representado por el borde inferior de la caja, y el cuartil superior (percentil 75) esta representando por el borde superior de la caja. La mediana (percentil 50) está representado por una línea central que divide la caja en secciones. Los valores extremos están representados por bigotes que se extienden desde los bordes de la caja. Los diagramas de caja menudo se usan para detectar los valores atípicos en los datos.

Fuente del Gráfico: https://www.kdnuggets.com

Nube de palabras y diagrama de red para datos no estructurados

La variedad de biga data existente ha traído una serie de desafíos a causa de datos semiestructurados o sin ninguna estructura, que requieren nuevas técnicas de visualización. La nube de palabras representa de manera visual la frecuencia con la que aparecen palabras, por ejemplo en un análisis en twitter, cada palabra se va extendiendo en la grafica de nube. Esta técnica es usada en datos no estructurados siendo una forma de visualizar las palabras que aparecen con mayor o menor frecuencia.

Fuente del Gráfico: https://www.kdnuggets.com/

Otra técnica de visualización que podemos usar para datos semiestructurados o no estructurados es el diagrama de red. El diagrama de red representa las relaciones como nodos (actores individuales dentro de la red) y vínculos (relaciones entro los individuos). Generalmente se utilizan para el análisis de redes sociales o para la cartografía de ventas en áreas geográficas.

Fuente del Gráfico: https://www.kdnuggets.com/

Matriz de correlación

Una matriz de correlación permite de identificar rápidamente la relación entre variables que combinan big data y respuestas en tiempo real. Básicamente una matriz de correlación es una tabla que muestra los coeficientes de correlación entre variables: cada celda de la tabla representa la relación entre dos variables. Las matrices de correlación se utilizan como una forma de resumir datos, es la entrada de una análisis mas avanzado y como un diagnostico inicial.

La visualización de datos es una habilidad esencial en la carrera de un analista de datos, o data science, dependerá del volumen de datos la técnica decidas usar.

Si te gustó este post te invito a suscribirte a nuestro portal, recibirás información valiosa sobre tecnologías o técnicas de análisis de datos.

Lo que un hombre piensa de sí mismo, esto es lo que determina, o más bien indica, su destino.” – H.D. Thoreau

Publicado el Deja un comentario

¿Conoces a tu clientes ?: Consejos en el análisis de Cartera

Cuántas de estas preguntas puedes responder sobre tus clientes:

  • ¿Quién es tu mejor Cliente? ¿El qué te compra más y es puntual es su pagos?
  • ¿Cuál es la tendencia de productos cruzados más común entre tus clientes?
  • ¿Quién de tus clientes es el que mayor influye sobre tu negocio, por cantidad de compra o ubicación geográfica?
  • ¿Cómo esta le gestión de cobro de tus clientes?
  • ¿En cuántos de tus clientes se distribuye el total de deuda de cartera?

Si te fue complejo responder o no lograste responder ni el 50% de estas preguntas, posiblemente no le estás dedicando el suficiente tiempo al análisis de tus datos. Recuerda que tus clientes son la otra mitad del corazón de tu empresa, por lo que debes conocerlos y saber cuál es la tendencia que generan sus datos.

Al decir tendencias, me refiero a tu capacidad de inferir riesgos asociados a la concesión de crédito, a la detección temprana de tus productos mejor valorados, y el nivel de influencia que un número reducido de tus compradores puede llegar a tener en tu línea de negocio. La información que te menciono ya la posees en tu base de datos, puede ser un Excel donde llevas las cuentas, un software de facturación o un ERP de ultima generación.

Ahora es tiempo que conviertas esos archivos o datos en información; que te permita tomar decisiones de manera rápida y confiable. En esta guía te sugiero algunas técnicas de análisis que te podrían ayudar.

Análisis ABC

Este es mi análisis favorito, es muy sencillo de realizar y bastante visual para que usuarios de todo tipo lo puedan interpretar de manera sencilla. Dependiendo el enfoque que tengas podría ayudarte a responder ¿Quién es tu mejor Cliente? y ¿En cuántos de tus clientes se distribuye el total de deuda de cartera?

El análisis ABC es la aplicación del principio de Pareto; que indica que el 20% de tus acciones generan el 80% de tus resultados. Enfocado en tus clientes si lo miramos desde las cuentas por cobrar, puede ser que el 80% de la cartera por recuperar se encuentre en el 20% de tus clientes. Siendo que la distribución de la concesión de crédito se concentra en unos elementos. De por si no es un riesgo latente, pero se puede convertir en un conflicto si dejas que el nivel de influencia de esos pocos clientes crezca y no lo puedes detener.

Indicador de días promedio de cobro

Los indicadores financieros nos ayudan a percibir la realidad histórica de los movimientos de la empresa.

El indicador de días promedio de cobro, por ejemplo. Es un contraste contra tus cuentas por pagar con proveedores. La bibliografía nos dice que la cantidad de días que demoras en cobrar a tus clientes no puede (o no debería) ser superior a la cantidad de días que demoras en pagar a tus proveedores.

Si le asignamos un número a los días que demoras en cobrar a tus clientes digamos 30 y el crédito que te conceden tus proveedores es de 60 días, nos indica que existe una buena gestión de cartera, y tus activos basados en cuentas por cobrar tienen un bajo riesgo para el giro de tu negocio. Si este mismo ejemplo fuera revés, que tus proveedores exijan el pago a 30 días y tus clientes tarden en pagar 60. Te pone en una situación de riesgo de liquidez, tus activos (entre comillas) si bien se verán reflejados en tu balance, empiezan a lastrar la operación. Y pues, es lo que menos queremos para nuestra empresa.

Si me sigues hasta aquí veras que el análisis ABC y el indicador de días promedio de cobro, nos ayudaron a responder ya 4 de las preguntas que te planteé al inicio de este post.

Venta y venta cruzada

El análisis sobre tus ventas, son la cereza del pastel para terminar de conocer a tus clientes. Ya sabemos quienes son nuestros potenciales deudores más riesgosos, y sabemos como se mueve la gestión de cobro. Ahora debemos saber que nos compran con qué frecuencia, y debemos asignarle un valor a la probabilidad de compras cruzadas. Tal vez te suene muy técnico, pero es más sencillo de lo que crees. Basta una hoja de cálculo para llegar a establecer el top de las ventas, y el producto que tuvo mayor aceptación.

Determina que pareja tiene cada producto. En los supermercados, por ejemplo, el orden en que se han perchado los productos no es una casualidad. Cada pasillo por el que te diriges te transmite un mensaje, que influye sobre tu decisión de compra. Este mismo principio es aplicable a una variedad de industrias que ni te imaginas.

El análisis de la venta, la determinación de productos, la ubicación geográfica de los clientes son esas variables suculentas que debes empezar a observar y determinar en la medida de lo que tus datos permitan.

Te gustaría conocer cómo realizar este análisis en Excel, te invito a que te suscribas a nuestro portal para recibir noticias, y promociones en nuestros cursos de análisis de datos.

No desperdicies el valor de tus datos, recuerda que “eres lo que mides” tu conocimiento determina el éxito de tus operaciones