Indagando en las distintas técnicas predictivas que hay, encontramos multitud de tipos, algunos más populares en cuanto a terminología (Redes Neuronales, seguro que lo has escuchado más de una vez desde el ‘boom’ de ChatGPT) y otras menos conocidas como clústers o ensembles. No obstante, para no saturarte mucho, vamos a aprender las dos de mayor relevancia:

• Regresión: quizá la técnica más utilizada dentro de esta lista y que necesitas conocer sí o sí como aficionado del mundo de los datos. La regresión permite estudiar la relación entre dos o más variables y, de esa manera, predecir el valor de una variable (conocida como variable dependiente) en base a otras variables (conocidas como variables independientes). Para que lo veas claro con un ejemplo: como jefe de una empresa, a lo mejor te interesa saber la satisfacción de tus empleados (variable dependiente), la cuál puede tener una correlación con factores como su salario, sus horas de trabajo, la situación matrimonial de cada uno, etc. (variables independientes).
• Clasificación: otra técnica de vital importancia que debes conocer si aspiras a ser un gran Business Analyst. Se trata, como su nombre indica, de clasificar datos a categorías o clases predefinidas, con el objetivo de que un modelo de aprendizaje automático pueda aprender patrones que le ayuden a clasificar datos nuevos en distintas categorías. Volviendo al ejemplo anterior, un modelo de aprendizaje automático, gracias a los datos que le proporcionas, puede aprender a identificar patrones indicativos de que un empleado está satisfecho (buen salario, pocas horas) o no (peores condiciones, mala situación matrimonial…). Por lo tanto, cuando quieras saber cuál es la satisfacción de un nuevo empleado, puedes pedirle al modelo que te diga cuál es su grado de satisfacción en base a distintos datos que tú le des, como su salario o sus horas de trabajo.