LA ANALITICA DE DATOS EN EL DESARROLLO DE LA POLÍTICA: COMO LA

ANALITICA DE DATOS AYUDO AL PRESIDENTE OBAMA A SER REELEGIDO

Actividad evaluativa eje 2

Big Data

Sebastian Torres Parra

Edin Narvaez Sanchez

Jasbleidy Martinez Romero

Sebastian Lopez Cardona

Andres Restrepo Ramirez

Karina Restrepo Puentes

Facultad de ingeniería y ciencias básicas

Fundacion Universitaria del Areandina

Septiembre 2021 - Bogota D.C

 TABLA DE CONTENIDO

Introducción.
Objetivos
Tipos de analiticas explicaciones con ejemplos.
Criterios de evaluación en el orden del análisis.
Puntos de vista importantes.
Puntos claves de cada analitica.
Estrategia Seleccionada.
Bibliografía
Introducción.

Big Data se refiere generalmente a volúmenes importantes de información cuyas necesidades

de almacenamiento y procesamiento no pueden ser atendidas por las tecnologías tradicionales
usadas en sistemas de información. Sin embargo, no es la cantidad de datos lo que es
importante. Lo que importa con el Big Data es lo que las organizaciones hacen con los datos.
En este punto, el Big Data resulta muy útil para las empresas y representa un cambio muy
profundo, ya que proporciona respuestas a preguntas que ellas mismas desconocen.

Objetivos

● Distinguir y analizar cómo la Analítica de datos ayudó a formular estrategias para

hacer posible el conocimiento de las tendencias en un espacio determinado.

● Conocer qué tipo de habilidades requiere un ingeniero industrial para entender de

análisis de datos empresariales.

● Reconocer que las acciones basadas en datos deben girar alrededor de personas para
hacer su entorno social más placentero, y no centrarse en torno a la tecnología.
 DESARROLLO DE LA ACTIVIDAD

1. Tipos de analiticas explicaciones con ejemplos.

En el mundo del big data encontramos 4 tipos de analíticas las cuales se
describen a continuación.

1.1 Analítica Descriptiva: este tipo de analitica es utlizada hoy en dia por un 90% de
las empresas donde pueden como objetivo determinar las causas ya sea un caso de un
éxito o fracaso puede ser de una campaña de marketing, para esta analitica se requiere
de un nivel básico de matemáticas operaciones aritméticas, donde se pueden calcular
tiempos promedios de respuesta, porcentajes de visitas de alguna página,otro ejemplo
puede ser en las plataformas de streaming como puede ser (Netflix,Amazon Prime
video,etc.) donde utilizan esta analitica para para encontrar correlaciones entre las
diferentes películas que ha gustado a sus suscriptores y así mejorar su motor de
recomendación, utilizando los datos de ventas y el historial de clientes.

1.2 Analítica Diagnóstica: en este tipo de analítica se miden los datos históricos con
otros datos generados para responder la pregunta ¿de porqué sucedió algo?. Con esta
analítica existe la posibilidad de profundizar, o averiguar las dependencias e
identificar patrones. esta analitica la puede aplicar ejemplo, un minorista puede
desglosar las ventas y la ganancia bruta en categorías para descubrir por qué no
cumplió su objetivo de ganancia neta. Otro flashback de nuestros proyectos de BI: en
la industria de la salud, la segmentación de clientes junto con varios filtros aplicados
(como diagnósticos y medicamentos recetados) permitieron medir el riesgo de
hospitalización.

1.3 Analítica predictiva:El análisis predictivo dice lo que es probable que suceda.
Utiliza los hallazgos del análisis descriptivo y de diagnóstico para detectar tendencias,
agrupaciones y excepciones, y para predecir tendencias futuras, lo que lo convierte en
una herramienta valiosa para la previsión. A pesar de las numerosas ventajas que
aporta el análisis predictivo, es esencial comprender que la previsión es solo una
estimación, cuya precisión depende en gran medida de la calidad de los datos y la
estabilidad de la situación, por lo que requiere un tratamiento cuidadoso y una
optimización continua. Gracias al análisis predictivo y al enfoque proactivo que
permite, una empresa de telecomunicaciones, por ejemplo, puede identificar a los
suscriptores que tienen más probabilidades de reducir su gasto y desencadenar
 actividades de marketing dirigidas para remediarlo; un equipo de gestión puede
sopesar los riesgos de invertir en la expansión de su empresa en función del análisis y
previsión del flujo de caja. Uno de nuestros estudios de caso describe cómo el análisis
avanzado de datos permitió a una empresa líder de FMCG predecir qué podrían
esperar después de cambiar el posicionamiento de la marca.

1.4 Analítica prescriptiva : El propósito de los análisis prescriptivos es,

literalmente, prescribir qué acciones tomar para eliminar un problema futuro o
aprovechar al máximo una tendencia prometedora. Un ejemplo de análisis
prescriptivo de nuestra cartera de proyectos: una empresa multinacional pudo
identificar oportunidades para compras repetidas basadas en el análisis de clientes y el
historial de ventas. Este tipo de análisis de datos de última generación requiere no
solo datos históricos, sino también información externa debido a la naturaleza de los
algoritmos estadísticos. Además, el análisis prescriptivo utiliza herramientas y
tecnologías avanzadas, como el aprendizaje automático, las reglas empresariales y los
algoritmos, lo que lo hace sofisticado de implementar y administrar. Es por eso por lo
que, antes de decidir adoptar un análisis prescriptivo, una empresa debe comparar los
esfuerzos requeridos con un valor agregado esperado.

2-Establezcan según sus criterios de evaluación un orden de cómo las aplicaron

en el ejemplo (lectura) el equipo de trabajo de Obama, luego proponga un mejor
orden. Si consideran que no existe otro orden, argumente brevemente por qué no

Criterios de evaluación en el orden del análisis.

Al analizar la lectura propuesta para el trabajo, consideramos que el orden es correcto,

porque ellos se centraron después de haber recolectado los datos y las intenciones de
los votantes, en hacer seguimiento y convencer a los votantes no interesados en la
Campaña de Obama de que se unieran a su campaña, además después de esto,
cerciorarse que las personas fueran a votar. Por la razones explicadas anteriormente
no se cambia el orden, por la estructura con que se planificó la estrategia dio los
resultados propuestos y se consiguió los resultados esperados que fueron lograr la
reelección.

Teniendo en cuenta lo anterior, al analizar la lectura, se evidencia que lo que se

buscaba captar no era solo la mayor cantidad de votantes, también era necesario que
se recopila la mayor cantidad de información para saber dónde estaban esos
prospectos, el por que podrían elegir otros candidatos, etc., y con esta minería de
información, poder predecir el siguientes ganador, algo similar a los códigos que
generan las redes sociales para definir el tipo de información que deben enviarle a
cada usuario con el fin de poder captar su atención dependiendo de su
comportamiento en la web, solo que para distribuir los diferentes tipos de análisis
ejecutados aumentaron su mano de obra con tareas claras.
3. Describan de manera detallada la forma en que llevaron a cabo esta evaluación y
cuáles fueron los puntos de vista más importantes destacados como grupo de trabajo.
Puntos de vista importantes.

Basándonos en el referente del eje 2 seguimos el texto que involucra patrones que centran las
10 v 's y las analíticas, en los puntos clave para realizar la evaluación y como lo dice en el
referente (Sin big data, las empresas están caminando a ciegas. Los datos correctamente
ordenados pueden ayudar a la administración de la empresa a determinar la dirección en la
que necesita avanzar para tener éxito).

Básicamente el grupo se basó en el conocimiento de los tipos de analíticas y cómo pueden

aplicarse en la vida real. Para ello se leyó el referente del eje, se investigaron lecturas
complementarias, y se proyectaron videos todos asociados al tema.

Para finalmente concluir en la importancia que tiene el conocimiento y la aplicación de las

analíticas de datos, hasta el punto de hacer cambiar de opinión a un estado completo.

Generen una lluvia de ideas para explicar por qué la Analítica diagnóstica y el Cyber
análisis no se tomó mucho en cuenta.

Teniendo en cuenta la lectura de ejercicio sobre la reelección a la presidencia de Obama,

indicamos varias ideas de Por que practicamente No se tuvo en cuenta estos dos Factores
del Big Data en cuenta como lo son la analitica diagnostica y el cyber analisis:

· El usos inteligente de las otras analíticas como la predictiva, mostrando la

probabilidad de lo que podría pasar? (posibles riesgos)

· El monitoreo constante de las redes sociales y uso de datos, utilizando la analítica

descriptiva, Que está pasando?

· Conocimiento oportuno de la parte que se debía reforzar en cuanto a estrategias

· Gran equipo de experto dedicado al análisis de datos, aproximadamente cien personas

encargada del tema

· La era digital como complemento en la campaña, el uso de las redes sociales para la
adquisición de datos, como Facebook, Google Ads, Instagram, entre otras.

4. Genere una tabla en formato horizontal para describir los puntos claves de cada
analítica que ustedes pueden evidenciar en el proceso que realizó el equipo de Obama.
 Puntos claves de cada analitica.

TIPOS DE ANALITCA PUNTOS CLAVES

● La analítica les permitió conocer mejor en

Analitica Diagnostica un 66% a los diferentes segmentos en los
que sus votantes estaban divididos,
especialmente a aquellos sectores más
indecisos, y poder convencerles en los
medios en los que prevalecían. Por ejemplo,
decidieron anunciarse en las pausas
publicitarias de Walking Dead o en la
revista Reddit.

Analitica Descriptiva ● Mediante la introducción de publicidad a

las redes sociales como, facebook,
Instagram, Google ads, entre otras. Se
optimizo el 83,33% de la comunicación y
mejoró la respuesta del electorado,
permitiendo no malgastar recursos, tiempo
y dinero en votantes que no eran partidarios
de su partido ya que ahí se encontraban los
segmentos a los que tenían que convencer

Analitica Prescritiva ● Mediante esta analítica les permitió conocer

que el estado de Ohio, era el estado
contrario al Partido presidencial, gracias a
la geolocalización se logró conocer las
inquietudes de sus habitantes.

Analitica Predictiva ● se realizó para la recolección de fondos,

con un 56,88 % de posibilidad que el
invitado de honor fuese el actor George
Clooney, también mostraron evidencia que
se debían invitar a un 71,98 % de mujeres
entre 40 y 49 años de edad y con un perfil
específico a la cena, el cual obtuvieron de
estudios realizados con big data, realizar la
cena un día específico de la semana, a una
hora exacta, incluso hasta predijeron el
posible valor a pagar por la cena.

5. Finalmente, expliquen por qué consideran que la estrategia seleccionada para cada
objetivo es la ideal para el cumplimiento del mismo.
Estrategia Seleccionada.

- Podemos afirmar que el uso del Big Data fue determinante para la reelección del
presidente Obama, ya que por medio del uso de los tipos de analytics que utilizaron
lograron realizar un estudio exhaustivo de los futuros votantes, estudiando las
variables más importantes a las que hace referencia el presente contexto, así tomando
decisiones acertadas y dándole manejo a las personas que no seguían al mandatario
para poder cumplir con el porcentaje necesitado para llegar al éxito en las elecciones.
Sin duda alguna el Big data es una gran herramienta que se utiliza hoy día en la
mayoría de las industrias y sectores económicos para poder tomar determinaciones
importantes basados en los diferentes datos obtenidos de los distintos registros que se
obtienen.
- Se evidencia el poder que puede tener la correcta utilización el manejo y minería de
datos, que parámetros se puede utilizar y qué tipo de análisis se pueden generar,
teniendo en cuenta el resultado que se quiere obtener y se muestra también la
aplicabilidad que tiene el big data, en diferentes campos de la humanidad.

Conclusiones

Bibliografía

La campaña electoral de Barack Obama: la utilización de Internet y la transformación de la

comunicación política (Por Sophia Burgard) | AULASCOP (wordpress.com)

Análisis: Qué Es y Por Qué Importa | SAS

Méndez, F. (2015). ¿Cómo el Big Data ayudo a Obama a ganar? SPAINBOOKS, Editor, &
Revista Forbes. Tomado de https://forbes.es/emprendedores/7560/como-el-big-data-ayudo-a-
obama-a-ganar/

Cómo el big data ayudó a Obama - El Cronista