Una introducción sencilla a la suite TIMi
La TIMi Academy reúne tutoriales, vídeos de formación y recursos técnicos para ayudarte a entender la preparación de datos, la analítica predictiva y el procesamiento de datos a gran escala.
Introducción a la suite TIMi
Empieza por lo básico
Estos tutoriales cubren los conceptos esenciales para manipular y analizar datos de forma eficiente.
¿Cómo instalar TIMi/Anatella en tu equipo?
Tu primera transformación de datos con Anatella
¡Usemos una caja row-filter!
Agregar, ordenar y graficar datos
El sistema de caché de Anatella
Cómo poner en producción tus grafos de Anatella
Buenas prácticas de Anatella
Las cajas de Anatella más usadas
Conceptos clave de datos
Entender la ingeniería de datos y la analítica
La Academy también explica los conceptos básicos de las infraestructuras de datos modernas.
Estos recursos te ayudan a entender cómo funcionan los sistemas analíticos y cómo diseñar arquitecturas de datos eficientes.
Temas:
Cada tema explica tanto los conceptos técnicos como sus aplicaciones prácticas en organizaciones reales.
Analítica avanzada
2 enfoques diferentes
El CRM analítico se divide en dos categorías: las herramientas basadas en técnicas de segmentación y las basadas en técnicas predictivas.
Por su propia naturaleza, la segmentación es una técnica muy adecuada para el trabajo exploratorio. La analítica predictiva, en cambio, es discriminante por naturaleza. Las herramientas de CRM analítico basadas en técnicas predictivas suelen generar un ROI más alto en las campañas de marketing.
Sobre la utilidad del conjunto de datos de test
Para saber cuál de dos modelos predictivos es mejor (el de mayor precisión y mayor ROI), compara ÚNICAMENTE las «curvas de lift calculadas sobre el conjunto de datos de TEST» y, si es posible, usa siempre el mismo conjunto de TEST.
No todos los lifts son iguales
Cuando construimos un modelo que no comete ningún error en el «conjunto de entrenamiento», obtenemos un modelo que rinde mal con datos que no ha visto.
La «capacidad de generalización» del modelo es baja. Se apoya en información que en realidad era ruido. Este fenómeno se llama «overfitting» o sobreajuste.
Un modelo que «sobreajusta» puede tener una precisión del 100 % en el conjunto de entrenamiento.
APRENDE PRACTICANDO
Practica con tus propios datos.
Pon las guías en práctica con una prueba gratuita, o pregunta a nuestro equipo por dónde empezar.
