SQL para análisis de datos

Capítulo 7. Análisis de experimentos

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

La experimentación, también conocida como pruebas A/B o pruebas divididas, se considera la norma de oro para establecer la causalidad. Gran parte del trabajo de análisis de datos consiste en establecer correlaciones: es más probable que ocurra una cosa cuando también ocurre otra, ya sea una acción, un atributo o un patrón estacional. Sin embargo, probablemente hayas oído el dicho "correlación no implica causalidad", y es exactamente este problema en el análisis de datos lo que la experimentación intenta resolver.

Todos los experimentos de empiezan con una hipótesis: una conjetura sobre el cambio de comportamiento que se producirá como resultado de alguna alteración de un producto, proceso o mensaje. El cambio puede afectar a una interfaz de usuario, a un flujo de incorporación de nuevos usuarios, a un algoritmo que impulsa las recomendaciones, a los mensajes de marketing o a los plazos, o a cualquier otra área. Si la organización lo construyó o tiene control sobre él, se puede experimentar, al menos en teoría. Las hipótesis suelen estar impulsadas por otros trabajos de análisis de datos. Por ejemplo, podríamos descubrir que un alto porcentaje de personas abandona el proceso de pago, y podríamos plantear la hipótesis de que más personas completarían el proceso de pago si se redujera el número de pasos.

El segundo elemento necesario ...