Glosario Maestro de Analítica: Conceptos Clave de A a Z
Una guía de referencia con los términos indispensables de la analítica moderna: desde A/B Testing, Limpieza de Datos y Gobernanza hasta SQL, R, Tableau y Storytelling.
Gonzalo LobosFounder & Lead Engineer
El dominio de la analítica exige comprender el vocabulario técnico que conecta la ingeniería de datos, las hojas de cálculo y la estrategia de negocios.[1]Fuente [1]Google Data Analytics Certificate / Coursera"Data Analytics Professional Certificate - Complete Course Glossary (A to Z)"
Esta guía reúne, traduce y clasifica los términos y definiciones fundamentales del programa oficial de Google para servir como enciclopedia y diccionario de consulta rápida en tus proyectos analíticos.[1]Fuente [1]Google Data Analytics Certificate / Coursera"Data Analytics Professional Certificate - Complete Course Glossary (A to Z)"
1. Metodología de Preguntas y Pensamiento Estructurado
Términos esenciales para formular preguntas comerciales efectivas y desglosar problemas sin sesgos:[1]Fuente [1]Google Data Analytics Certificate / Coursera"Data Analytics Professional Certificate - Complete Course Glossary (A to Z)"
Action-oriented question (Pregunta orientada a la acción): Pregunta cuyas respuestas conducen directamente a cambios estratégicos y planes de acción en el negocio.
Dominio del problema (Problem domain): Área de análisis integral que abarca todas las actividades que impactan en un problema o se ven afectadas por él.
Leading question (Pregunta sesgada o dirigida): Pregunta formulada de manera que guía a la persona hacia una respuesta preconcebida.
Measurable question (Pregunta medible): Pregunta cuyas respuestas se pueden cuantificar y evaluar numéricamente.
Metodología SMART (SMART methodology): Herramienta para evaluar la efectividad de una pregunta según sea específica (Specific), medible (Measurable), orientada a la acción (Action-oriented), relevante (Relevant) y delimitada en el tiempo (Time-bound).
Pensamiento estructurado (Structured thinking): Proceso metodológico que consiste en diagnosticar el problema o situación actual, organizar la información disponible, identificar brechas/oportunidades y trazar alternativas de solución.
Reframing (Reformulación): Técnica que consiste en replantear un problema o desafío conflictivo desde una perspectiva constructiva, dirigiéndolo hacia una resolución colaborativa.
Relevant question (Pregunta relevante): Pregunta que posee importancia directa y significativa para el problema de negocio que se intenta resolver.
Specific question (Pregunta específica): Pregunta simple, contextualizada y enfocada en un solo tema o en pocas variables estrechamente relacionadas.
Time-bound question (Pregunta delimitada en el tiempo): Pregunta que especifica un marco temporal concreto de estudio.
Tipos de problemas (Problem types): Las 6 categorías analíticas comunes que enfrentan los analistas: categorizar cosas, descubrir conexiones, encontrar patrones, identificar temas, hacer predicciones y detectar anomalías.
Unfair question (Pregunta injusta): Pregunta que asume hechos no comprobados o que resulta difícil de responder con honestidad y objetividad.
2. Fundamentos de Datos, Tipos y Ciclo de Vida
Conceptos estructurales sobre cómo se clasifican, almacenan y transforman los activos de información:[1]Fuente [1]Google Data Analytics Certificate / Coursera"Data Analytics Professional Certificate - Complete Course Glossary (A to Z)"
Algoritmo (Algorithm): Proceso o conjunto de reglas lógicas e instrucciones paso a paso para ejecutar una tarea específica.
Big Data (Macrodatos): Conjuntos de datos masivos y complejos generados a lo largo de períodos prolongados, que requieren infraestructura especializada (SQL, data lakes) para resolver problemas empresariales globales.
Ciclo de vida de los datos (Data life cycle): Secuencia de etapas por las que transitan los datos a lo largo de su existencia corporativa: planificar, capturar, gestionar, analizar, archivar y destruir.
Cloud (Nube): Entorno de almacenamiento y cómputo en servidores remotos accesibles por internet, en lugar del disco duro local de una computadora.
Datos abiertos (Open data): Datos de acceso público y gratuito que cualquier persona u organización puede utilizar, reutilizar y redistribuir.
Datos cualitativos (Qualitative data): Medida subjetiva y explicativa sobre una cualidad, comportamiento o característica humana (responde al ¿Por qué?).
Datos cuantitativos (Quantitative data): Medida objetiva expresada mediante números, conteos, magnitudes o rangos numéricos (responde al ¿Cuánto?).
Proceso de análisis de datos (Data analysis process): Las 6 fases secuenciales (preguntar, preparar, procesar, analizar, compartir y actuar) cuyo objetivo es extraer valor e información para la toma de decisiones informada.
Small Data: Puntos de datos específicos y acotados a períodos de tiempo cortos, procesables en hojas de cálculo y útiles para decisiones operativas del día a día.
Toma de decisiones inspirada en datos (Data-inspired decision-making): Enfoque analítico que explora diferentes fuentes de datos cuantitativos complementándolos con intuición, experiencia previa y factores cualitativos de contexto.
3. Hojas de Cálculo: Funciones, Fórmulas y Manipulación
Herramientas y comandos esenciales para procesar, limpiar y resumir registros en Excel y Google Sheets:[1]Fuente [1]Google Data Analytics Certificate / Coursera"Data Analytics Professional Certificate - Complete Course Glossary (A to Z)"
AVERAGE (PROMEDIO): Función de hoja de cálculo que devuelve la media aritmética de los valores contenidos en un rango seleccionado.
Borders (Bordes): Líneas de cuadrícula visuales que se agregan alrededor de dos o más celdas para delimitar tablas y mejorar la legibilidad.
Cell reference (Referencia de celda): Dirección de una celda (ej. B2) o rango de celdas utilizado en fórmulas y funciones. Puede ser relativa, absoluta ($B$2) o mixta.
Controlador de relleno (Fill handle): Pequeño recuadro en la esquina inferior derecha de una celda seleccionada que se arrastra hacia celdas adyacentes para replicar fórmulas o patrones continuos.
COUNT (CONTAR): Función que contabiliza la cantidad de celdas numéricas dentro de un rango que cumplen con un criterio específico.
Ecuación / Expresión matemática (Equation / Math expression): Cálculo aritmético que involucra operadores de suma, resta, multiplicación o división.
Encabezado (Header): Primera fila de una hoja de cálculo que identifica con etiquetas el tipo de dato que contiene cada columna.
Filtrado (Filtering): Proceso que oculta temporalmente registros para mostrar únicamente las filas que cumplen con condiciones o reglas específicas.
Función matemática (Math function): Función preestablecida utilizada como componente de una fórmula para resolver cálculos automáticos.
Gráfico dinámico (Pivot chart): Representación gráfica construida a partir de los campos y agregaciones de una tabla dinámica.
Jerarquía de operaciones (Order of operations): Uso de paréntesis para agrupar valores y dictar el orden en que se deben evaluar las operaciones matemáticas.
MAX: Función que devuelve el valor numérico más alto dentro de un rango de celdas.
MIN: Función que devuelve el valor numérico más bajo dentro de un rango de celdas.
Operador (Operator): Símbolo matemático o lógico (+, -, *, /, =, <>) que indica la operación que se debe ejecutar.
Ordenamiento (Sorting): Proceso de organizar los datos en una secuencia ascendente o descendente (alfabética, numérica o cronológica) para facilitar su inspección.
Rango (Range): Colección contigua de dos o más celdas seleccionadas dentro de una hoja de cálculo (ej. A1:C10).
SUM (SUMA): Función básica que adiciona los valores numéricos de un rango seleccionado.
Tabla dinámica (Pivot table): Herramienta de resumen interactivo que permite agrupar, ordenar, contar, sumar o promediar grandes volúmenes de datos mediante dimensiones y métricas.
4. Negocio, Métricas Financieras y Gestión de Proyectos
Indicadores económicos y conceptos de gestión para alinear el trabajo analítico con los objetivos comerciales:[1]Fuente [1]Google Data Analytics Certificate / Coursera"Data Analytics Professional Certificate - Complete Course Glossary (A to Z)"
Alcance del trabajo (Scope of work - SOW): Documento formal acordado entre el equipo analítico y los interesados donde se delimitan los entregables, hitos, cronogramas y reportes de un proyecto.
Ingresos (Revenue): Importe total de dinero generado por una empresa a través de la venta de productos o prestación de servicios antes de descontar costos.
Métrica (Metric): Tipo de dato cuantitativo y medible utilizado para rastrear el rendimiento y diagnosticar el estado del negocio.
Métrica de Negocio (Business Metric): Estándar cuantificable utilizado para evaluar el desempeño comercial y operacional de la empresa.
Metric Goal (Objetivo métrico): Meta cuantificable y delimitada en el tiempo que una compañía fija para ser evaluada a través de métricas específicas.
Retorno de la inversión (Return on investment - ROI): Métrica financiera que compara la ganancia neta generada contra el costo total de la inversión para medir su rentabilidad porcentual.
Tasa de rotación (Turnover rate): Porcentaje o tasa a la que los empleados abandonan voluntariamente una empresa en un período determinado.
5. Calidad, Limpieza y Gobernanza de Datos
Principios y prácticas para custodiar la información como un activo seguro, ético y libre de sesgos:[1]Fuente [1]Google Data Analytics Certificate / Coursera"Data Analytics Professional Certificate - Complete Course Glossary (A to Z)"
A/B Testing: Método de experimentación simultáneo donde se comparan dos variantes de una página o campaña para evaluar cuál produce mayor conversión.
Datos limpios (Clean data): Registros completos, precisos y relevantes para el problema que se desea resolver.
Datos sucios (Dirty data): Datos incompletos, inconsistentes o duplicados que distorsionan el diagnóstico del análisis.
Equidad (Fairness): Cualidad de un análisis que no crea ni refuerza sesgos discriminatorios en sus conclusiones y modelos.
Ética de datos (Data ethics): Principios morales que regulan la recolección, uso y difusión de los datos, respetando la privacidad y el consentimiento del usuario.
Gobernanza de datos (Data governance): Políticas y procesos formales para asegurar la custodia, calidad, seguridad y disponibilidad de los datos empresariales.
Integridad de datos (Data integrity): Nivel de precisión, coherencia y confiabilidad de la información a lo largo de todas las fases de su ciclo de vida.
Metadatos (Metadata): Datos que describen otros datos; proveen información sobre el autor, origen, formato y fecha de creación de un activo.
Validación de datos (Data validation): Procedimientos que verifican que los datos ingresados cumplan con las restricciones de tipo, rango y formato establecidas.
6. Bases de Datos, SQL y Programación
Vocabulario indispensable para interactuar con bases de datos relacionales y lenguajes analíticos:[1]Fuente [1]Google Data Analytics Certificate / Coursera"Data Analytics Professional Certificate - Complete Course Glossary (A to Z)"
Alias: Nombre temporal asignado a una tabla o columna mediante la palabra clave AS para hacer la consulta más legible.
Función CAST: Función SQL que convierte un valor de un tipo de dato a otro (por ejemplo, convertir texto en número).
Operadores JOIN (Inner, Left, Right, Outer): Cláusulas SQL que combinan registros de dos o más tablas basándose en una columna relacionada en común.
Sentencia CASE: Estructura lógica condicional en SQL que evalúa condiciones para devolver valores específicos (equivalente al condicional If/Then).
Tidyverse y ggplot2 (Ecosistema R): Colección de paquetes de código abierto en lenguaje R diseñados específicamente para manipulación, limpieza y visualización estadística avanzada.
7. Visualización, Storytelling y Presentación
Formatos y metodologías para comunicar hallazgos complejos de manera clara y atractiva:[1]Fuente [1]Google Data Analytics Certificate / Coursera"Data Analytics Professional Certificate - Complete Course Glossary (A to Z)"
Anscombe’s Quartet: Colección histórica de cuatro conjuntos de datos que poseen estadísticas descriptivas idénticas pero gráficos completamente distintos, evidenciando el poder de visualizar los datos.
Atributos pre-atentivos: Rasgos visuales elementales (color, forma, tamaño y orientación) que el cerebro procesa de manera automática e instantánea.
Cuadro de mando (Dashboard): Interfaz gráfica interactiva que monitorea y muestra métricas de rendimiento en tiempo real, permitiendo filtrados y exploraciones dinámicas.
Data Storytelling: Arte y técnica de construir una narrativa convincente respaldada por datos y recursos gráficos para guiar a los líderes hacia decisiones informadas.
Reporte (Report): Colección estática y periódica de datos históricos ya consolidados que se entrega a los stakeholders para auditoría y seguimiento.
💡 ¿Para qué te sirve este glosario como emprendedor o analista?
Para estandarizar el vocabulario corporativo: Unifica la terminología entre áreas técnicas, financieras y de marketing, evitando discrepancias costosas al hablar de ingresos, márgenes o métricas de conversión.[1]Fuente [1]Google Data Analytics Certificate / Coursera"Data Analytics Professional Certificate - Complete Course Glossary (A to Z)"
Para estructurar proyectos con clientes: Utilizar conceptos como SOW, Problem Domain y Preguntas SMART te ayuda a fijar expectativas transparentes y evitar el desvío de alcance.[1]Fuente [1]Google Data Analytics Certificate / Coursera"Data Analytics Professional Certificate - Complete Course Glossary (A to Z)"
Para mejorar tus habilidades en planillas y código: Conocer las funciones nativas (SUM, AVERAGE, COUNT) y la lógica relacional previene errores de sintaxis y acelera la manipulación masiva de información.[1]Fuente [1]Google Data Analytics Certificate / Coursera"Data Analytics Professional Certificate - Complete Course Glossary (A to Z)"
Conclusión: Manejar este glosario maestro consolida tu pensamiento estructurado y te proporciona el marco conceptual necesario para liderar proyectos de datos con solidez metodológica y visión estratégica.