2 Introducción

2.1 TIPOS DE ANÁLISIS

A la hora de tomar la decisión metodológica de qué tipo de análisis seguir para trabajar nuestros datos, podemos optar por diferentes opciones no existiendo una forma ideal de realizar el análisis . Obviamente, como tantas otras decisiones metodológicas, el elegir uno u otro no es algo que se haga al azar sino que se debe hacer de forma justificada y rigurosa atendiendo a la orientación teórico-metodológica o método que siga nuestra investigación y a la naturaleza de nuestros datos . En cualquier caso, el objetivo último ha de ser abstraer de los datos pistas, significaciones que nos ayuden a comprender la complejidad de los fenómenos estudiados. En relación al método, según adoptemos la perspectiva propuesta desde la fenomenología, etnografía o teoría fundamentada, el proceso de análisis o de abstracción adquirirá matices diferentes

2.1.1 Algunos aporte metodológicos

• Método : Fenomenología
  
• Estrategia de Análisis : Análisis temático
  
• Autor : Benner
  

• Objetivo del Análisis : Identificar escencia de un fanómeno. Transpormar la experiencia vivida en una expersión textual de su escencia

• Método: Etnogarfía
  
• Estrategia de Análisis: Descripción de primer nivel Descripción densa Comparación
  
• Autor: Spradley, Hammersle
  

• Objetivo: del Análisis: Identificar patrones en redes sociales

• Método: Teoría Fundamentada
  
• Estrategia de Análisis: Codificación abierta, axial y selectiva Comparación constante
  
• Autor: Glaser y Strauss, Strauss y Corbin,
  

• Objetivo del Análisis: Identificar procesos (sociales?) básicos con repetitividad o estacionalidad.

Otros métodos

• Conservadores Continuan la tradición de la escuela
• Disidentes Postulan la falsedad de los marcos teóricos enunciados y proponen nuevos que los reemplazan

Con respecto a la naturaleza de los datos, ésta puede ser muy versátil según la técnica que utilicemos para su recogida. Así tendremos datos discursivos, narrativos, iconográficos, documentales, registros de observación...

Dentro de este último las técnicas de histogramas de luma y color suelen ser muy usadas en deep learning para favorecer en análisis con GPU.

Todos ellos requerirán un tratamiento o manejo diferente. Salvo particularidades, y al margen del método y de la naturaleza de los datos, existen diferentes corrientes que nos van a orientar en nuestro proceso de análisis, entre otros, el análisis del contenido y el análisis del discurso (abordado por web mining). Existe cierta ambigüedad en la literatura sobre qué referente es más apropiado para la investigación cualitativa en el campo epistémico de la Ingeniería Industrial habiendo autores que se declinan por el análisis de contenido, y otros por el de discurso histórico. Según nuestra experiencia de campo, y teniendo en cuenta la relación que la corrupción tiene en este terreno y el peso de los actores político es necesario crear métodologías y esto puede ser tema muy interesante de tesis.

2.2 ¿Cómo aporta la analítica de datos a estos problemas

En un contexto tan caótico resulta muy complejo encontrar un punto de referencia para tomar mejores decisiones. Así la parte oculta de los hecho no registrados compite en volumen con la enorme cantidad de información que los métodos de recolección automatizados (statelites, IoT e incluso redes sociales) son capaces de exponer sobre esas facetas ocultas.

La anticipación no tiene mayor sentido si no es que sirve para esclarecer la acción. Esa es la razôn por la cual la prospectiva y la estrategia son generalmente indisociables. De ahi viene la expresiôn de prospectiva estratégica. Sin embargo, la complejidad de los problemas y la necesidad de plantearlos colectivamente imponen el recurso a métodos que sean tan rigurosos y participativos como sea posible, al objeto de que las soluciones sean reconocidas y aceptadas por todos.

Tampoco hay que olvidar las limitaciones que impone la formalizaciôn de los problemas ya que los hombres también se guian por la intuiciôn y la pasión. Los modelos son invenciones del espiritu para representar un mundo que no se dejará encerrar en la jaula de las ecuaciones.

Esto es hermoso pues, sin esta libertad, la voluntad animada por el deseo quedar sin esperanza!.

Tal es la convicción que aníma a Michel Godet (el padre de la prospectiva moderna), a saber :

Utiliza todas las posibilidades de la razón, conociendo todas sus limitaciones, al igual que sus virtudes.

Entre intuición y razón no deberia existir oposición sino, por el contrario, complementariedad. Para que sea una "indisciplina" intelectual fecunda y creible, la prospectiva necesita rigor.

Analítica de datos no es más que un jalón más en el camino de la prospectiva.

Prospectiva Godet

2.3 El postulado de la Teoría de Darwin

Es curioso y ha sido señalado en muchos artículos del autor el rigor que el marco teórico que usamos arroja sobre las conclusiones a las que llegamos.

No es lo mismo utilizar una ley como la ley de gravitación universal que utilizar un principio, como el tercer principio de la termodinámica.

En su trabajo sobre la prospectiva Godet propone como foco de estudio el terreno industrial. Lo hace haciendo un análisis etnográfico, proponiendo categoría de empresas.

• Empresas Pasivas
• Empresas Reactivas
• Empresas Preactivas
• Empresas Proactivas

Asimila a estas etnias a indivduos en un ecosistema que cambia y son los cambios los que impulsan a las empresas a adaptarse o desaparecer. Esto no es otro cosa que repetir el pensamiento de la teoría de Darwin.

¿Cómo fué que Godet consiguó esto?

El trabajo de Godet data del año 2000. Si capiladidad a llevado a que casi todos usemos una palabra que no existía en el diccionario y que hoy todos usamos. Les pedimos a nuestros colaboradores, gobernantes y hasta proveedores que sean "proactivos". Lo curioso del caso es que Godet encontró (descubrió) a esta especie nueva de empresas con apenas tres herramientas de la estadística. La primera fue el análisis exploratorio, la seguna la técnica de clasificación y la tercera el análisis de los componentes principales.

2.4 Propuestas de apropiación de la Analitica de Datos.

En este curso perseguimos aplicar estos métodos y algoritmos al mismo tiempo que podamos ver cuál de ellos de adapta mejor a los datos que tengamos y cuál es el que mayor poder de discriminación tiene. Esto lo haremos sin importar mucho el conocimiento de la íntríseca o eurística que basa o usa al método. Pero a pesar de este deconicimiento desarrolaremos estrategias para indagar sobre la calidad del dato que nos está aportando.

2.5 Síntesis y aprendizaje.

La estrátegia pedagógica que utilizaremos será la desarrollada por Daniel Prieto Castillo denominada "Teoría del Texto Paralelo". Cada alúmno construirá su propio texto sobre Analítica de Datos Industriales. Para ello las actividades estarán divididas en dos especios de trabajo. Los Jueves avanzaremos sobre bases teóricas y los Lunes sobre talleres en el google classroom en los que debeŕas confrontarte con casos y problemas de la vida real.

Aspecto metodológicos de la evaluación Con los mejores trabajos presentados por cada grupo haremos una publicación (libro) y esta es una buena oportunidad para tener tu primer publicación revisada por pares.