About

HOW DO WE DO IT

Let the data flow speak

Python-Symbol_0
tour-spyder-logo
corr

AUTOMATION

DATA INTEGRATION

DATA ANALYSIS

Los métodos y técnicas elegidos se adaptan al modelo de datos y se realiza con aplicaciones específicas de estadísticas e Inteligencia de Negocio. 

Estadística Descriptiva

Representaciones gráficas

Medidas de posición y dispersión

Tablas de contingencia 

Calculo de Probabilidades

Modelos unidimensionales discretos y continuos y asociados a distribuciones normales
Modelos multidimensionales
Estadística Inferencial

Estadística Inferencial

Estimación, Intervalos y Test para una y dos muestras

Análisis de la Varianza (ANOVA)

Regresión Lineal y Correlación

Contrastes de Hipotesis (bondad, homogeneidad, independencia)

Contrastes no parametricos (normalidad, rangos, varianza, signos)

Contrastes relativos a una muestra y datos apareados

Reduccion de dimensiones

Análisis de Comonentes Principales (PCA)

Análisis Discriminante Lineal (LDA)

Análisis de Correlacion

Análisis de Correspondencias

Regresion Lineal

Análisis de supervivencia

Correlaciones

Ponderaciones

Minería de datos y Machine Learning

Asociación: la relación entre distintos objetos de una transacción con el fin de predecir patrones.

Clasificación: se utiliza aprender diferentes funciones que clasifiquen los datos dentro de un conjunto predefinido de clases.

Clustering (segmentación): K-vecinos mas cercanos (k-NN) el analisis que toma datos sin agrupar y mediante el uso de técnicas automáticas realiza la agrupación de estos.

Predicción/Estimación (técnicas de regresión)

Series Temporales (pronostico): a partir de datos históricos junto con técnicas de regresión lineal o no lineal, se pueden aislar e identificar patrones por ciertos periodos de tiempo y obtener curvas de regresión y predicciones.


REPORTING & DATA VISUALISATION

MONITORING