analítica de datos

Qué es

La analítica de datos, a menudo llamada simplemente analítica,
transforma hechos registrados en respuestas sobre las que alguien
pueda actuar. En el marco de big data publicado por NIST, el
instituto estadounidense de estándares, consiste en trabajar
metódicamente con los datos, transformándolos cuando sea necesario,
para revelar patrones, relaciones entre puntos de datos y tendencias
a lo largo del tiempo, e intentar predecir lo que sucederá después.
NIST sitúa ese paso en un _ciclo de vida de analítica de datos_ más
amplio que convierte datos brutos en conocimiento utilizable por una
organización: recopilar, preparar, analizar, visualizar y facilitar
acceso.

Es un tipo de procesamiento distinto del transaccional por lo que
lee: una aplicación escribe un pedido cada vez; una consulta
analítica lee millones de filas para devolver unas pocas. También
difiere de la ingeniería de datos, que construye los flujos de
procesamiento y el almacenamiento de los que lee la analítica.

El término comprende trabajos bastante distintos:

  * Informes: las mismas cifras entregadas con una programación,
como PDF o correo.

  * Paneles: esas cifras actualizadas en una herramienta de
inteligencia de negocio como Power BI.

  * Análisis ad hoc: una consulta SQL para una pregunta antes no
planteada, a menudo sobre un almacén como BigQuery.

  * Análisis geoespacial: el mismo trabajo sobre datos cartográficos
en un SIG, preguntando dónde además de cuánto.

  * Aplicaciones analíticas: un modelo o método estadístico tras un
formulario para quienes no escriben código.

  * Analítica web y de producto: contar visitantes de un sitio o
usuarios de un producto y sus acciones.

La última acarrea un coste de privacidad, y a ella se refieren las
páginas de privacidad, cookies, créditos y seguridad de este sitio
cuando dicen «no analytics»: ninguna etiqueta de analítica, ningún
píxel de seguimiento, ninguna cookie ni cuenta con una empresa de
analítica. El sitio sí se mide. Su servidor web conserva un registro
de acceso y un programa lo transforma en recuentos diarios y una
clasificación mensual de páginas leídas, sitios de origen y
rastreadores, conservados como cifras y nunca unidos para
reconstruir el recorrido de un visitante concreto.

Por qué importa

Dos decisiones fijan la mayor parte del coste: dónde se ejecutan las
consultas y cómo se recopilan los datos de personas.

Analizar sobre la base transaccional es el comienzo más barato: los
datos están al día y no se copia nada, pero cada informe compite con
la aplicación por memoria y disco. Una réplica de lectura descarga
al primario por el precio de otro servidor. Un almacén como BigQuery
separa almacenamiento y cómputo, factura cada consulta bajo demanda
por los bytes leídos, lo que premia las consultas acotadas, y
necesita un flujo que copie los datos.

La dependencia del proveedor se oculta en las definiciones. Una
herramienta BI guarda sus medidas en su lenguaje de fórmulas; un año
después, la definición de cliente activo vive en un archivo que solo
abre esa herramienta. Las definiciones SQL en el repositorio
sobreviven al cambio de herramienta.

La analítica web y de producto añade una cuestión legal. La
herramienta alojada habitual usa una etiqueta: un script en cada
página que fija una cookie u otro identificador en el navegador y
comunica las visitas al proveedor. El artículo 5(3) de la Directiva
ePrivacy de la UE exige consentimiento para guardar información en
el dispositivo del visitante o leerla, con dos excepciones: hacerlo
solo para transmitir una comunicación por una red o cuando sea
estrictamente necesario para un servicio pedido expresamente. Cuando
los eventos pueden vincularse a una persona, incluso mediante una
cookie o IP, también se aplica el RGPD: base jurídica, finalidad
declarada y plazo de retención. Además, el proveedor es otra empresa
que ahora conserva un registro de la actividad de sus visitantes.

La elección real está entre una herramienta alojada rápida de añadir
y con paneles, una recopilación propia que construye y opera usted y
recuentos a partir de los registros ya escritos por el servidor, que
responden a menos preguntas y contienen mucho menos.

Cómo se aplica en la práctica

Para una plataforma de contactos profesionales, la empresa construyó
analítica de producto dentro de PostgreSQL en lugar de una etiqueta
de terceros: un esquema de 7 tablas y 47 funciones, tablas de
eventos particionadas con 22 definiciones de partición que se
depuran automáticamente según una programación, y la identidad del
visitante seudonimizada mediante una sal rotatoria. El cliente no
envía nada hasta que el visitante ha consentido y los embudos se
calculan en la base de datos, junto a los datos, lo que NIST llama
localidad de datos. La página nombra el precio: la sal rotatoria
obliga a renunciar al análisis de cohortes a largo plazo y no vienen
incluidos paneles gratuitos.

En informes, un sistema de informes en Python extraía los datos,
ejecutaba el análisis y entregaba el mismo informe PDF con un
calendario predecible a quienes tomaban decisiones comerciales. La
página atribuye a esos informes un aumento del 400 % de los ingresos
trimestrales de software.

Este sitio es el tercer ejemplo. Su página de privacidad detalla la
medición: un registro de acceso que sustituye por ceros el último
tramo de cada dirección IP antes de escribir una línea, el sitio de
origen conservado solo como nombre y líneas que duran unos treinta
días. Un programa lee el registro para generar un recuento diario y
una clasificación mensual, ambos conservados indefinidamente como
cifras sin nada que permita volver a unirlas en una visita. Sin
etiqueta, sin cookie y sin terceros, la página no muestra un banner
de consentimiento y da como motivo «nada que consentir». También
declara su límite: mientras existe una línea, un navegador poco
común en una red pequeña permite acotar a un visitante más de lo que
el sitio desearía. La contrapartida son menos respuestas y ningún
embudo, a cambio de no almacenar nada en el dispositivo del lector
ni enviar nada a nadie más.

Dónde surgen los problemas

Dos herramientas dan dos cifras de visitantes

La herramienta alojada muestra una cifra del mes pasado y el
registro el doble; ambas aciertan sobre cosas diferentes. La
etiqueta cuenta solo navegadores que ejecutaron el script y, con
banner, visitantes que aceptaron. El registro cuenta cada solicitud,
incluidos rastreadores, hasta filtrarlos. Escriba una sola vez en
SQL la definición de cada métrica, con inclusiones y exclusiones.

Los informes ralentizan la aplicación

Cada lunes la aplicación se ralentiza mientras el informe semanal
recorre tablas completas en la base transaccional. Trasládelo a una
réplica o almacén, o agregue las filas brutas cada noche en una
pequeña tabla resumen y aplique funciones de ventana:

```sql
SELECT day,
       signups,
       sum(signups) OVER (ORDER BY day
                          ROWS BETWEEN 6 PRECEDING AND CURRENT ROW)
         AS last_7_days
FROM daily_counts
ORDER BY day;
```

Desaparece el banner y permanece el seguimiento

Un equipo sustituye las cookies por un producto «sin cookies»,
retira el banner de consentimiento y sigue rastreando a los
visitantes. El artículo 5(3) se refiere al acceso a información del
dispositivo, sea cual sea el mecanismo, y las directrices del EDPB
sobre su ámbito técnico indican que también pueden quedar
comprendidos el fingerprinting mediante cabeceras HTTP o el
seguimiento de la navegación únicamente por dirección IP. A la vez,
recuerdan que el hecho de que se aplique la norma no implica por sí
solo que sea necesario el consentimiento. Juzgue una herramienta por
si vincula una solicitud con la siguiente, no por si instala una
cookie.

Un consentimiento que rechazarían los reguladores

Un banner bloquea la página hasta aceptar, interpreta desplazarse
como acuerdo o dificulta retirar más que dar el consentimiento. Las
directrices del EDPB dicen que el muro de cookies impide un
consentimiento libre y que desplazarse nunca es un acto afirmativo
claro. El artículo 7(3) del RGPD exige que retirarlo sea tan fácil
como darlo. Dé el mismo peso al rechazo y a la aceptación y no envíe
nada antes de la respuesta.

Eventos seudónimos conservados para siempre

La tabla de eventos crece en millones de filas al mes y los
identificadores de usuario sometidos a hash se tratan como anónimos.
El considerando 26 del RGPD trata como datos personales los datos
seudonimizados que podrían atribuirse a alguien mediante información
adicional, y el considerando 30 cita las direcciones IP y los
identificadores de cookies entre los identificadores en línea cuyas
huellas, combinadas con otra información, pueden utilizarse para
elaborar perfiles e identificar a alguien. Establezca el plazo de
retención antes de que llegue el primer evento, particione por
tiempo para eliminar de una vez un mes vencido y conserve las cifras
a largo plazo como agregados sin identificadores.

Lecturas adicionales

  * NIST SP 1500-1r2, Big Data Interoperability Framework:
Definitions — las definiciones de analítica, ciclo de vida de
analítica de datos y localidad de datos de las que parte este
artículo.

  * Directiva 2002/58/CE consolidada — artículo 5(3), la regla de
consentimiento para todo lo almacenado en el dispositivo de un
visitante o leído de él, con sus dos excepciones.

  * Reglamento (UE) 2016/679, el RGPD — la definición de
consentimiento, el artículo 7 sobre su retirada y los considerandos
26 y 30 sobre datos seudonimizados e identificadores en línea.

  * Directrices 05/2020 del EDPB sobre consentimiento — muros de
cookies, desplazamiento y retirada, cada uno con ejemplos
desarrollados.

  * Directrices 2/2023 del EDPB sobre el artículo 5(3) — por qué el
seguimiento basado en IP, el fingerprinting y los píxeles de
seguimiento pueden quedar sujetos a la misma regla que las cookies.

  * Tutorial de PostgreSQL: funciones de ventana — clasificaciones y
totales acumulados sobre filas relacionadas, calculados dentro de la
base de datos.

hEsta página en la web	URL:https://engineer.company/es/glossary/analytics/	engineer.company	70
