Descubrir los factores que más influyen en sus datos mediante el análisis de factores clave

Con el análisis de factores clave puede identificar y comparar las fuentes de tendencias específicas en sus datos.Un análisis de factores clave le ayuda a visualizar y clasificar la influencia que tiene un conjunto definido de factores en los datos actuales para un campo objetivo específico. Utilice los conocimientos que descubra para mejorar y potenciar los procesos analíticos y de toma de decisiones de su organización.

El análisis de los factores clave está disponible en una app de Qlik Sense. Realice análisis de factores clave en la vista de hoja cuando esté en modo de analyze.

¿Qué es el análisis de factores clave?

El análisis de factores clave es una forma de descubrimiento de datos estadísticos que le permite identificar el grado en que varios factores afectan al resultado de una única métrica objetivo. El análisis se realiza tanto para datos cuantitativos como cualitativos. La intención de un análisis de factores clave es averiguar exactamente qué está ocasionando una determinada tendencia en los datos y utilizar esos conocimientos para tomar medidas directas o mejorar la percepción de una organización.

En inteligencia empresarial, los objetivos más habituales para los que nos gustaría evaluar los factores más influyentes son campos como Ventas, Satisfacción de cliente, Margen, Cancelación y Coste de ventas. Ejemplos de factores (impulsores clave) son Producto, Ubicación, Número de tienda y Responsable.

Las métricas evaluadas en un análisis de factores clave difieren para cada organización y caso de uso. La métrica objetivo y los diversos factores que influyen en sus resultados dependen del problema que se busca resolver, los datos disponibles y otros factores.

¿Por qué utilizar un análisis de factores clave?

El análisis de los factores clave es útil en la inteligencia empresarial porque se puede aplicar de numerosas formas para mejorar los indicadores clave de rendimiento. Podría utilizar un análisis de factores clave para resolver problemas y obtener información relacionada con la inversión en productos, la expansión de los ingresos, la reducción de costes, la satisfacción del cliente y muchos otros.

En Qlik Sense, el análisis de los factores clave va integrado en la experiencia del consumidor de la aplicación. Al utilizar las capacidades de análisis de datos en tiempo real nativas de Qlik Sense, puede ejecutar un nuevo análisis de factores clave cada vez que cambien los datos de la aplicación. Esto le permite supervisar continuamente sus datos, para detectar cambios y descubrir rápidamente tendencias emergentes y poder tomar medidas rápidas y efectivas cuando sea necesario.

Cómo funciona

El análisis de los factores clave se centra en la idea de hallar los factores con mayor influencia. En Qlik Sense, el análisis de factores clave evalúa la influencia que tienen determinados campos específicos (características o factores clave) en un campo de interés particular (el objetivo).

Los datos utilizados en el análisis

Un análisis de factores clave es un análisis específico de un subconjunto de sus datos. Cuando crea el análisis, selecciona ciertos campos como componentes del análisis.

Debe elegir los siguientes componentes básicos para cada análisis:

• Objetivo

• Múltiples características

Una vez que haya seleccionado estos componentes, se crea un conjunto de datos específico a partir de su modelo de datos utilizando el objetivo y las características. El análisis de factores clave utiliza este conjunto de datos, no todo el modelo de datos, para determinar la influencia que tienen las características en el objetivo. Los campos que no incluya en la configuración no se analizan.

A continuación se proporciona más información sobre cada componente.

Calcular la influencia

En Qlik Sense, el análisis de los factores clave se realiza calculando los valores de SHAP para cada valor de datos de características en el subconjunto de datos que está analizando. Estos valores SHAP se generan a partir de un modelo entrenado por Qlik AutoML. Los modelos utilizan el algoritmo random forest para generar los valores SHAP.

El valor SHAP es un cálculo del grado de impacto que tiene un valor de datos en el valor objetivo correspondiente, en relación con las otras características del conjunto de datos creado específicamente a partir de la configuración de análisis de factores clave. Cuando ve los resultados de un análisis de factores clave, está viendo agregaciones de los valores SHAP en todos o en un conjunto particular de registros en el conjunto de datos.

Para obtener más información sobre la importancia de SHAP en Qlik AutoML, vea Comprensión de la importancia de SHAP en el entrenamiento de experimentos.

El objetivo

El objetivo es el campo para el cual desea analizar los factores clave. Por ejemplo, es posible que desee comparar cómo influyen determinados factores en sus ventas. En ese caso, seleccione una medida de ventas como objetivo.

Al seleccionar su objetivo, el tiempo de disponibilidad de los datos es importante, particularmente en relación con las características que elige incluir en su análisis. Para más información sobre los plazos de recopilación de datos adecuados para su objetivo y sus funciones, vea Características.

La cantidad de valores únicos y el tipo de datos en el objetivo determina el tipo de problema que resolverá el análisis. Esto, a su vez, afecta a los requisitos que deben cumplir sus datos. Para más información, vea Requisitos de datos.

El análisis de factores clave es compatible con los siguientes tipos de problemas:

• Regresión

• Clasificación binaria

Análisis de regresión

Los análisis de regresión se utilizan cuando el objetivo contiene una gran cantidad de valores numéricos únicos. Si utiliza un cálculo numérico (medida) como objetivo, el análisis del factor clave probablemente interpretará la configuración como un problema de regresión.

Al elegir una medida como objetivo, puede aplicar una agregación básica directamente al campo dentro de la configuración o seleccionar un elemento maestro existente si desea utilizar una expresión más compleja.

Análisis de clasificación binaria.

Si su objetivo solo incluye dos valores únicos (por ejemplo, sí o no), el análisis del controlador clave interpreta la configuración como un problema de clasificación binaria. Los análisis de clasificación binaria se crean seleccionando una dimensión binaria como objetivo.

Como ejemplo común, si tiene un campo de Cancelación en su aplicación para rastrear qué clientes han cancelado un servicio en particular, puede seleccionar el campo Cancelación como objetivo para descubrir qué factores están impulsando esas decisiones de abandono por parte de de los clientes.

Características

Las características son sus factores clave. Estos son los campos que contienen información extraíble sobre lo que influye en las tendencias de los datos. Por ejemplo, cuando crea un análisis de factores clave para identificar los factores que más influyen en las ventas, puede seleccionar dimensiones como Ubicación, Tipo de producto, Número de tienda y Vendedor como características. Las medidas calculadas también se pueden utilizar como características.

Solo debería incluir características que contengan datos que se puedan registrar y recopilar antes del momento en que recopile sus datos objetivo. Si incluye características que contienen datos que solo conocería en el momento de la recopilación de datos para el objetivo, el análisis será sesgado y no proporcionará valor analítico.

Por ejemplo, si su objetivo es Ventas, no debe incluir características que contengan datos directamente derivados de él. Del mismo modo, si su objetivo es un campo de Cancelación con un resultado binario (Sí o No), no debe incluir una característica que contenga la fecha en la que el cliente abandonó.

Para más información sobre cómo identificar resultados de análisis no válidos, vea Identificar resultados no válidos.

A una característica se le asigna uno de los dos tipos siguientes:

• Característica categórica: aquella que contiene valores de datos basados en categorías distintas y recurrentes. Un ejemplo de característica categórica podría ser un campo Continente, en el que solo hay un puñado de valores posibles y estos no se interpretan como datos numéricos sin procesar, sino como texto.Los números se pueden utilizar como categorías.

• Característica numérica: aquella en la que los valores de los datos son datos puramente numéricos y no pertenecen a categorías.

Todas las características incluidas se analizan específicamente para determinar cuánta influencia tiene cada una en los datos actuales del objetivo.

Para más información sobre los requisitos para el destino y las funciones incluidas, vea Requisitos de datos.

Selecciones en la app

Las selecciones que realiza en la aplicación se utilizan en el análisis de los factores clave. Por ejemplo, es posible que desee descubrir factores clave para las ventas, pero al incluir una dimensión de Número de tienda como característica, es posible que solo desee analizar la influencia de cinco tiendas específicas de su organización. Para hacer esto, puede seleccionar los valores en la aplicación y luego configurar el análisis de factores clave.

Dado que las selecciones son básicamente filtros aplicados al modelo de datos, es importante tener en cuenta que realizar selecciones en un campo puede afectar a los datos disponibles que se pueden utilizar en el análisis.

Consideraciones para la suscripción al espacio empresarial inquilino

El análisis de factores clave se basa en Qlik AutoML para calcular la influencia de las características en el objetivo.Para ello, crea modelos de aprendizaje automático que se utilizan para calcular los valores SHAP para los puntos de datos correspondientes a las características incluidas en el subconjunto de datos seleccionado.

La creación de un análisis de factores clave consume servicios medidos por Qlik AutoML. La mayoría de las suscripciones incluyen una cierta cantidad de uso de Qlik Cloud AutoML. Si se necesitara más capacidad, se requiere una actualización a nivel de pago de AutoML.

Consulte con el propietario de su cuenta de servicio y consulte las condiciones de la suscripción que está utilizando para conocer su capacidad de uso del análisis de factores clave.

Los siguientes recursos pueden proporcionar detalles adicionales:

• Limitaciones de AutoML y capacidades gobernadas mediante licencias

• Descripción del producto Qlik Cloud® Subscriptions

Requisitos de datos

Requisitos mínimos en cuanto a volumen de datos

El conjunto de datos creado a partir de su objetivo y sus funciones debe tener al menos 400 celdas. De lo contrario, no podrá ejecutar el análisis.

Otros requisitos

Los siguientes requisitos se aplican al conjunto de datos creado a partir de su configuración de análisis:

• El objetivo debe contener al menos dos valores únicos.

• Si el objetivo contiene entre dos y diez valores únicos, cada valor único debe aparecer en al menos diez registros del conjunto de datos.

Si encuentra errores al ejecutar un análisis de factores clave, es posible que los datos que ha seleccionado para el análisis no cumplan con estos requisitos.Para conocer otros problemas que pueda encontrar y una lista de posibles soluciones, vea Resolución de problemas .

Utilizar el análisis de factores clave en Qlik Sense

Los siguientes temas de ayuda pueden ayudarle a comenzar a crear e interpretar análisis de factores clave en Qlik Sense:

• Crear un análisis de factores clave en Qlik Sense

• Ver e interpretar los resultados de un análisis de factores clave

Limitaciones

A continuación se proporciona una lista de limitaciones para el análisis de factores clave:

• Los campos que contienen tipos de datos de fecha, hora o marca de tiempo no se admiten para su uso como destino o como funciones.