2.1. Ejecución de las pruebas funcionales o experimentales

¿Qué es el Análisis Funcional?

El Análisis Funcional consiste en la búsqueda de la explicación dinámica de una determinada conducta, o en la práctica, patrón de conductas. Cuál es la conducta, en qué situaciones específicas aparece, y qué consecuencias produce, en términos de reforzadores, que explicarán su mantenimiento en el futuro. Simplificando, intentan buscar el “por qué”. Además el análisis funcional también busca una hipótesis razonable sobre su origen, como empezó; cuales fueron las variables de vulnerabilidad y de inicio.

Qué es la prueba experimental?

La investigación experimental es cualquier investigación realizada con un enfoque científico, donde un conjunto de variables se mantienen constantes, mientras que el otro conjunto de variables se miden como sujeto del experimento. El ejemplo más simple de una investigación experimental es una prueba de laboratorio.

¿Cómo se hace la experimentación?

La experimentación, método común de las ciencias experimentales y las tecnologías, consiste en el estudio de un fenómeno, reproducido en las condiciones particulares de estudio que interesan, generalmente en un laboratorio, eliminando o introduciendo aquellas variables que puedan influir en él.

¿Qué pasos hay que seguir para realizar un experimento?

Planear un experimento. Definir el problema. Formular un planteamiento adecuado del problema ayuda a asegurar que se estén evaluado las variables correctas. En este paso, usted identifica las preguntas que desea responder.

¿Qué es un experimento?

El experimento es un método para verificar empíricamente una hipótesiscausal. Sobre la base de la hipótesis, diseñamos el experimento de forma que nuestro objeto de estudio tenga la posibilidad de comportarse de acuerdo con nuestra hipótesis o no.

2.2. Evaluación de las pruebas experimentales atreves de técnicas estadísticas.

A la hora de decidir si una hipótesis concreta ha de ser aceptada o rechazada, el investigador necesita contar con un criterio objetivo y universal. Después de elaborar sus hipótesis y de llevar a cabo la fase experimental de un Proyecto de Investigación, el científico ha de analizar sus resultados y compararlos con las hipótesis iniciales para tomar una decisión en uno u otro sentido (en el sentido de las hipótesis planteadas o en el contrario).

En ocasiones, los resultados son muy claros, mostrando enormes diferencias entre los distintos criterios utilizados y confirmando las hipótesis iniciales de forma evidente. Otras veces, las diferencias son muy sutiles o no existen en absoluto. En este abanico de posibilidades, y para evitar interpretaciones subjetivas que restarían valor a los resultados, es necesario utilizar criterios matemáticos previamente validados y aceptados por la comunidad científica universal. Estos criterios son lo que hoy denominamos estadística o, más concretamente, estadística inferencial. Las pruebas estadísticas cumplen aquí un doble cometido. Por un lado, indican la probabilidad que tiene un resultado determinado de ser explicado por las variaciones del azar y, por otro, al fijar convencionalmente unos coeficientes de riesgo, proveen de un criterio objetivo para decidir sobre la aceptación o el rechazo de las hipótesis de investigación.

En nuestros días, el análisis estadístico se ha convertido en un método efectivo para describir los valores de datos económicos, políticos, sociales, psicológicos, … y sirve como herramienta para predecir, relacionar y analizar dichos datos.

Para llevar a cabo un buen análisis es indispensable disponer de una considerable cantidad de datos, tanto actuales como pasados, para poder establecer patrones de comportamiento y así tomar buenas decisiones empresariales.

Se puede distinguir diferentes tipos de análisis de datos en función de cuál sea el objetivo al realizarlo:

• Descriptivo
• Exploratorio
• Inferencial
• Predictivo
• Casual
• Mecanicista

Análisis Descriptivo

Es el más sencillo. Tiene como fin describir un conjunto de datos, obteniendo así los parámetros que distinguen las características de un conjunto de datos.
Por ejemplo, se puede saber el número de ventas realizados, el número nuevo de clientes, número de productos que se tiene en stock.
Los motivos para realizar este análisis son que permite conocer al detalle la información que se posee y conocer la forma en la que se estructura la información. Se limita a realizar deducciones directamente a partir de los datos y parámetros obtenidos.

Análisis Exploratorio

Consiste en un conjunto de técnicas estadísticas cuya finalidad es conseguir un entendimiento básico de los datos, permitiendo detectar características sobresalientes, como inesperadas y valores atípicos.
Por ejemplo, en que sucursal se vende más, de que producto hay más stock, qué diferencias hay entre el producto más vendido y el menos vendido, saber si hay diferencias económicas significativas por barrios, …
Este análisis debe ser la primera etapa de todo análisis de datos, para evitar que datos erróneos o inesperados sean procesados de modo inapropiado. Se apoya en un planteamiento descriptivo y se realiza sin aceptar ideas preconcebidas sobre el contenido de la información de los datos.
La aplicación de este análisis permite estudiar la tendencia, distribución y forma de cada uno de los indicadores, estudiar la normalidad sobre un conjunto de indicadores y si este criterio no se cumpliera, este análisis orienta sobre el tipo de transformación que se debe someter a los datos.
El análisis exploratorio permite definir hipótesis que deberán ser demostradas con un análisis inferencial.

Análisis Inferencial

Pretende demostrar hipótesis planteadas proporcionando conclusiones con una cierta probabilidad o nivel de confianza, es decir no existe una certeza absoluta.
Por ejemplo, se puede plantear la hipótesis que los clientes que compran un determinado producto son familia numerosa (y por consiguiente candidatos a comprar otros productos complementarios). O el día que se vende el producto estrella el cliente consume menos de otros productos.
Es importante destacar, que para realizar el análisis inferencial, no se debe utilizar el mismo conjunto de datos (dataset) que se usó para generar la hipótesis (utilizado en el análisis exploratorio) puesto que habría sesgo y las conclusiones podrían no ser válidas.

Análisis Predictivo

Se fundamenta en la identificación de relaciones entre variables en eventos pasados, para luego explotar dichas relaciones y predecir posibles resultados en futuras situaciones.
Por ejemplo, qué cantidad stock que se debe tener en el almacén para cada producto, o a partir de los datos del padrón que tipo de ayudas/servicios se solicitarán a un ayuntamiento el año que viene.
Cabe destacar que, mientras el análisis inferencial se preocupa de entender y demostrar la relación, el análisis predictivo sólo se preocupa del valor, y no busca en ningún caso entender el sistema o la relación entre elementos.
Este factor lo hace especialmente interesante para problemas complejos con gran cantidad de variables influyentes o de difícil comprensión para la mente humana que abarcan desde el genoma humano, a sistemas de recomendaciones en función de preferencias de usuarios pasando por la detección de texto, el modelado de redes sociales o incluso la conducción autónoma.
En este proceso se hace uso de los datos junto con técnicas analíticas, estadísticas y de aprendizaje automático a fin de crear un modelo predictivo. Se desarrolla el modelo mediante un conjunto de datos de entrenamiento y después se prueba (con un conjunto de datos diferente) y se valida para determinar su precisión.

Análisis Causal

Permite relacionar las causas con los efectos y el grado en el que se afectan mutuamente. En este nivel se puede predecir y además se puede identificar el por qué se actúa de esa manera.
Es decir, con el análisis inferencial podemos afirmar que el día en que más se vende el producto estrella se vende menos del resto de productos, pero no nos dice si vendiendo menos de ese producto subirán las ventas del resto, en otras palabras, el análisis inferencial nos dice que ha relación, pero para saber la causa hemos de hacer un análisis causal.
El uso de técnicas de modelado e inferencia causal es clave para investigar y resolver eficazmente problemas que resultan ser la causa de incidencias que están afectando a uno o varios servicios.

Análisis Mecanicista

Es el más complejo. En este análisis se puede predecir y comprender como varias variables afectan entre ellas, cómo el cambio de los valores de una de las variables afectan, no ya al resultado sino al resto de variables. Debido a su complejidad se utiliza muy poco ya que se debe tener un gran conocimiento de los procesos a modelar.
Permitirían saber por ejemplo, si el incremento en la inversión en publicidad y un aumento de plantilla en el departamento de marketing influye en el incremento de ventas y como ésta influye en las dos anteriores.

Finalmente, y a modo de resumen es importante destacar que el mismo conjunto de datos puede responder a diferentes preguntas de diferentes tipos con diferentes métodos de análisis estadístico.

2.3. Ajustes en las pruebas experimentales

El término ajuste, generalmente y en la mayoría de los diversos contextos en los cuales puede aplicarse refiere siempre a lo mismo, la unión, adaptación o acomodación de una cosa respecto de otra que está estrechamente vinculada a la primera.

Un trabajo habitual en el laboratorio es la creación de un modelo matemático de un fenómeno físico determinado que explique su comportamiento. En donde un modelo deberá predecir también los datos experimentales que se obtengan de su recreación en el laboratorio.

2.4. Realización de las corridas correspondientes con la metodología definitiva

Mira el siguiente video:

Para la ejecutar un proyecto es necesario definir la metodología.

Para esto existen diferentes opciones:

1. Metodología de cascada o Waterfall

Es una de las metodologías más usadas para proyectos largos. Consiste en determinar el objetivo de un proyecto y segmentar las tareas que son necesarias para concretarlo. Así, el proyecto se divide en etapas con pequeños objetivos cada una.

Las mismas se realizan de manera secuencial, es decir, en cadena y solo se comienza una nueva etapa cuando se finaliza la anterior. Por tanto, el trabajo es escalonado, lineal y secuencial: como una cascada.

La ventaja de esta metodología es que permite atender a los detalles y a realizar tareas de manera óptima para poder pasar a las siguientes. Es ideal para proyectos largos y complejos.

A grandes rasgos, los pasos pueden esquematizarse de la siguiente manera:

1. Definición del proyecto y de sus objetivos.
2. Planificación y sistematización de las tareas y los pasos necesarios para concretarlo.
3. Realización de las tareas.
4. Seguimiento de las etapas. Es muy importante ir corroborando que la realización de los pasos se ajuste a la planificación inicial. Se debe hacer un monitoreo y supervisión constante y, en el caso de algún error o desvío, hacer la corrección antes de pasar a las siguientes tareas.
5. Cierre. Un proyecto termina cuando se han realizado todas las tareas de la mejor manera posible en función de lo previamente estipulado o cuando se hace evidente de la imposibilidad de concreción de un proyecto.

Para tener en cuenta: lo esperable es que surjan imprevistos que modifiquen los tiempos y las tareas. Se deben contemplar estos momentos a la hora de la planificación y ser flexible para realizar los cambios necesarios.

2. Metodología ágil

Esta metodología es muy utilizada por su efectividad y sencillez. En comparación con la anterior, esta contempla de una mejor manera las alteraciones e imprevistos que pueden surgir durante la realización de un proyecto.

También se divide el proyecto en etapas (sprints) muy breves en las cuales se consiguen pequeños objetivos y funcionalidades. Así, el esquema a grandes rasgos es: inicio (objetivo de cada etapa o sprints); desarrollo y, por último, cierre, en donde se revisa si el objetivo se realizó.

Es una metodología que, en realidad, puede combinarse con muchas otras metodologías de proyecto. Por ejemplo: Scrum, Kanban, Crystal, programación extrema, entre otras.

3. Metodología de la ruta o cadena crítica

Este tipo de metodología permite identificar las tareas críticas dentro de un proyecto. Así, está basada en la teoría de las restricciones. Consiste en diseñar las tareas considerando las restricciones y los elementos impredecibles que puedan surgir.

Se crean dependencias, se supervisan y monitorean los pequeños objetivos, se priorizan los trabajos más urgentes y seguros. En este sentido se asemeja a la metodología de cascada. Es decir, se desglosan los objetivos en función de los recursos y facilidades.

Para llevarlo a cabo, es imprescindible identificar las restricciones e imposibilidades que pueden influir en el proyecto. Una vez reconocidas estas dificultades, se organizan las tareas de manera subordinada siguiendo la cadena crítica.

4. Metodología Kanban

Se trata de una metodología de proyecto que plasma las tareas pendientes usando elementos visuales como tableros. Así, considera el Working in progress y las Tarjetas Visuales. Es un método que puede ser aplicado de diferentes maneras, por lo que cada equipo podrá adaptarlo a sus objetivos.

Lo central es enfocar las tareas más imprescindibles para desarrollar el proyecto conservando una estructura comprensible y sencilla.

Esta metodología de proyecto puede usarse combinada con la metodología ágil, ya que permite visualizar de manera muy clara los flujos de trabajo y proceso en desarrollo. Asimismo, colabora en reducir la generación de cuellos de botella.

¿Cómo saber cuál es la mejor metodología para cada proyecto?

Para seleccionar una buena metodología para un proyecto, lo que primero tenés que considerar son tus objetivos. Así, podés preguntarte: ¿Cuáles y cuántos son mis objetivos? ¿Requieren de muchos pasos y tareas para realizarlos? ¿Son tareas complejas? En relación con los objetivos, también tenés que tener en cuenta el enfoque de tu proyecto.

Por otro lado, es aconsejable estimar el tiempo que te llevará. Para eso, tenés que ser realista y valorar con conocimientos la situación. Un factor importante es que midas la complejidad que requiere tu trabajo, eso hará que el proyecto se desglose en una mayor cantidad de etapas. Por consiguiente: a tareas más complejas, más tiempo de realización.

Si se trata de una empresa, es esencial tener en cuenta la cantidad de personas que se ocupará de realizar el proyecto y a qué especialidades pertenecen. De esto depende, en gran parte, el tiempo y la calidad del trabajo realizado.

2.4. Obtención y análisis de resultados

El análisis de resultados es la parte final y conclusiva de una investigación; en él vamos a procesar toda la información que ha ido apareciendo en nuestro estudio, a intentar presentarla de manera ordenada y comprensible y a intentar llegar a las conclusiones que estos datos originan.

Para ello deberemos eliminar datos innecesarios y transformar los datos a utilizar para poder analizarlos de manera conjunta y sistemática y conseguir que toda la información obtenida en nuestro estudio sea información útil que nos lleve a conclusiones avaladas por dicha información y a la orientación en la toma de decisiones.

Esta transformación de la información de manera estructurada es ya, por si sola, un primer análisis de dicha información encontrada en nuestro estudio a la que, como veremos, seguirá su interpretación lógica y encontrar las conclusiones a que nos lleven.

Dependiendo del tipo de estudio que sea el análisis de resultados puede ser de dos tipos: cualitativo o cuantitativo.

Análisis de información cualitativo

El problema a que nos enfrentamos muy a menudo es que, si realizamos un estudio lo bastante amplio, nos enfrentaremos a una masa abundante de datos cuya lectura e interpretación puede ser farragosa, dificultosa y producir cansancio.

Para realizar el análisis debemos, por ello, transformar todos los datos obtenidos en el estudio en información aprehensible, si hemos obtenido grandes cantidades de datos deberemos reducirlos a unidades elementales que tengan un significado propio y que puedan ser comprendidas y analizadas con más facilidad.

Para poder hacerlo será necesario clasificar los datos, según la naturaleza de cada uno, estructurándolos por cada tipo y agrupándolos y, al final, presentándolos de manera que sinteticen toda la información obtenida.

A continuación procederemos a interpretar toda la información que nos ofrecen esos datos, a sacar conclusiones y realizar propuestas concretas, en su caso.

Estas conclusiones que, como no puede ser de otra manera, van a hacerse desde el punto de vista del analista que realiza el estudio, deberían tener en cuenta otro tipo de información exterior al propio estudio como estudios anteriores comparando resultados con los de otras investigaciones y otros investigadores.

En este punto de las conclusiones debemos intentar evitar repetir o volver a exponer toda la información que ya hemos expuesto, sintetizada, se trata de analizarlos utilizando la lógica.

Análisis de información cuantitativo

Al igual que nos ocurría con el análisis cualitativo, comenzamos el análisis con una caterva abundante de datos que no es fácil de abarcar para el lector; existirán, en este caso, un gran número de datos económicos que pueden no ser totalmente equiparables, pueden existir datos duplicados o datos que no tengan relevancia alguna para nuestra investigación por lo que, primero de todo, deberemos realizar una depuración de ellos.

A continuación debemos eliminar los datos que estén excesivamente alejados de la gran mayoría de los datos obtenidos; para el análisis estadístico de esta información los datos muy fuera del promedio de los datos obtenidos distorsionan el análisis y lo hacen poco creíble.

Debemos escoger los métodos estadísticos que mejor se adecuen al objeto y necesidades de nuestro estudio; a tal efecto existen dos tipos de herramientas estadísticas:

· Estadística descriptiva sirve para presentar la información que nos dan los datos de manera comprensible y obtener los parámetros que se deducen de ellos.

· Estadística inferencial llega a conclusiones a partir de muestras suficientemente significativas; nos lleva a inferir (de ahí su nombre) las consecuencias y significado que tienen los datos expuestos mientras que la anterior se limitaba a exponerlos.

La herramienta estadística que apliquemos nos proporcionará la información buscada (tendencias, porcentajes, resultados) con la que ya podemos realizar el análisis propiamente dicho en el que, al igual que en el caso anterior, deberemos elaborar y exponer las conclusiones que se deriven de esa información y realizar las comparaciones que sean procedentes con anteriores realidades, anteriores estudios o con otros análisis ajenos al nuestro.

Éste es el paso más importante del estudio, no podemos limitarnos a exponer la información ni los resultados de los análisis estadísticos sino que debemos encontrar un sentido a esa realidad que nos aporte información de qué, de por qué, de cómo y que nos permita la toma de decisiones a la que el estudio suele estar dedicada.

Fuentes

• Bernal C. Ximena (Productor) (2021) https://www.youtube.com/watch?v=C29WGhyQhvs
• Denebola (2018). Ajuste de datos experimentales: el método de mínimos cuadrados. España: Denebola. https://www.denebola.org/japp/CC/index.html
• Herrero Raquel (2016). ¿Qué es el Análisis Funcional? Valencia, España: Red Cenit. https://www.redcenit.com/ques-es-el-analisis-funcional/
• Montes Daniel (2018). Métodos de análisis Estadisticos. Barcelona España: Proyectos Gestión Conocimiento. https://www.pgconocimiento.com/metodos-de-analisis-estadistico/
• Pensamientos Inorgánicos (Productor) (2020) https://www.youtube.com/watch?v=Xnw2502vUZ8
• Respuestas rápidas (2020). ¿Qué es la prueba experimental? México: Respuestas Rápidas. https://respuestasrapidas.com.mx/que-es-la-prueba-experimental/
• Software Delsol (2022). Cómo hacer un análisis de resultados. España:Software Delsol. https://www.sdelsol.com/blog/tendencias/como-hacer-un-analisis-de-resultados/
• Tesis y Másters (2022) 4 Metodologías para utilizar en tu proyecto. Argentina: Tesis y Másters. https://tesisymasters.com.ar/metodologia-de-un-proyecto/
• Ucha Florencia (2008). Definición de Ajuste. México: Definición ABC. https://www.definicionabc.com/general/ajuste.php

¿Quieres saber más?